技术派 - 学编程就上技术派

二哥编程星球应该说是整个编程圈子里性价比最高的星球，没有之一！别人没有实战项目，我们有，PaiFlow工作流编排Agent、前后端分离技术派、RAG 派聪明 Java 和 Go 版，微服务 PmHub，轮子 mydb、入门编程喵 - 别人没有八股，我们有，面渣逆袭的口碑相信大家都有耳闻，顺嘴，好背，帮助无数的球友和面试官掰扯 - 别人没有简历修改服务，我们有，相信改过简历的球友都知道，从教育背景、基本信息，到专业技能、项目经历、实习经历，我们无微不至。 - 每一个球友提问，也都是竭尽全力，诚恳到极致。

因为规则文件只是 Harness 的冰山一角。Harness Engineering 管的是 Agent 的整个运行时环境——能做什么、不能做什么、做错了怎么自我修正。

深度拆解 Spring AI 的工具调用机制，从 @Tool 注解到编程式定义，再到求职派生产环境的 ReAct 循环和 ToolContext 身份传递实战，理解 Function Call 的完整流程。

深度拆解求职派多模型接入架构，从 ModelProvider 接口设计到自动发现、模型解析、OpenAI 兼容协议复用，用源码证据讲清楚自定义大模型接入的完整流程。

深入拆解 Spring AI ChatMemory 机制，结合求职派多 Agent 系统的实际改造，涵盖三阶段智能裁剪、读时窗口设计、文件系统持久化、五层复合 ID 会话隔离，用源码证据讲清楚生产级聊天上下文管理。

GPT-5.6 时代程序员的优势是什么？用 GitClear、DORA 报告和 Anthropic 官方最佳实践拆解 AI 时代的经验四件套，上下文、计划、验证、纠偏，附 Claude Code 实操方法。

面试官问你：“什么是上下文工程（Context Engineering）？”如果你回答“就是 Prompt Engineering 换了个高级说法呗”，面试官听完直摇头。 为什么？ 因为 Prompt Engineering 的目标是写好一句提示词，而 Context Engineering 的目标是让 LLM 在正确的时间，以正确的格式，获取正确的信息和工具，从而更好地完成任务。

面试官问你：“什么是提示词工程？”如果你回答“不就是跟 AI 聊天吗，谁还不会？”那你就只能回家等通知了。 为什么？ 因为提示词工程是一门有具体方法论的技术学科。同一个任务，提示词不同，输出质量天差地别。嗯，该装杯的时候就得高大上一点。

Go 版 PaiCLI 正式上线，6167 行代码实现完整终端 Agent CLI，基于 Bubble Tea 全屏 TUI、Go AST 级别 RAG 代码索引、goroutine 并行工具执行，go build 编译即部署，附简历包装模板。

面试官问你：“为什么 LLM 的上下文窗口不能无限大？”如果你回答“因为显存不够，加显卡就行了”，面试官听完直摇头。 为什么？ 因为限制远不止显存。就算给你无限显存，上下文窗口照样不能无限大。