鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
21
3
28

来自技术面试官的忠告:0-3 年经验程序员面试这样做!

鱼友7295
鱼友7295
2026-08-10 15:29
阅读 3081
鱼友7295
2026-08-10 15:29
阅读 3081

本来想分享毕业生和初级程序员如何进大公司的经验,但后来一想,人各有志,有程序员或许想进成长型或创业型公司或其它类型的公司,所以就干脆来分享些提升技能和通过面试的技巧,技巧我讲,公司你选,两厢便利。

一、在校大学生最好积累些商业项目的经验,形成代差优势

公司一般会录用哪类人?我们把各种答案归纳成一句:需要技术匹配而且有相关项目经验的人,再简化一下,做过相关经验(一般是指商业项目经验,说再直白点就能挣钱的项目),那么用到的技术大多和公司要求匹配,也就是说,如果你有相关经验,那么和那些光有理论经验的候选人相比,就有代差优势,所以我在面试候选人时,经常会见到二本甚至三本大学生逆袭的场景。 如何积累商业项目经验?尽快开始实习,如果可以,大二暑假就可以找个软件公司打工了,如果你有老师在外有项目,那最好也一起做,如果学校安排实习,那更得去。如果实在找不到实习公司,或者也可以去一些网站接些商业项目的兼职活。 这里请注意,一般毕业设计的分量没商业项目的分量重,那如果你就只有毕业设计的经验,那只能和同样没商业项目的这群人一起竞争了。

代差优势能给你带来什么样的好处?

  1. 在校招时,大多数人没商业项目经验,但你有,你的简历通过初审的可能性就非常大,而且在实际面试时,哪怕你算法基础知识等问题没回答好,但只要让面试官确信你做过商业项目,通过面试的可能性也比无商业项目的人群要高很多。
  2. 在通过网站等形式投简历时,很多公司实际上是要有商业项目经验的,如果你没,甚至连面试的机会都没有,但如果你有实习等的商业项目经验,那至少你通过初选的可能性就大大提升了。

二、走上社会后,在初级阶段,选定一个目标,这样项目经验就有积累

我在面试毕业生乃至初级程序员时,感觉有过实际项目经验的人非常少,(这就更验证了有经验的人相当有利),而且,这批人通过面试的可能性比3年左右的程序员要小很多,下面我来分析下这群人的普遍问题。 问题1:商业项目经验很少,所以简历甚至无法通过筛选,这样根本得不到面试的机会。 问题2:即使有些项目组因为着急要人,从而让一些初级程序员得到面试机会,但在面试过程中,这些人往往无法证明自己真的在项目中用过相关技巧,这些仅有理论经验的人通过面试的可能性非常小。 问题3:大多数初级程序员往往能通过准备,能知道算法、逻辑题和一些简单的说辞,无法证明自己掌握一些工作中必要的技能点,从而无法证明自己胜任这份工作。 上述问题的结果就是:在我手上通过面试的程序员,八成以上具有3年之上经验的,其实面试要求不难,能干活就行,但大多数的初级程序员就是没法证明这点。

针对上述问题,给出的建议是:学习和积累。

1、给自己制定一个明确的目标,工作后3年内尽量少换,否则就得从头开始积累。 2、比如目标方向是Java后端开发,那么在工作中,别得过且过,多跟组里的前辈学,多掌握些知识点。 3、一定得围绕“性能优化”这个主题,比如内存性能优化,数据库优化,多掌握些项目中能用到的优化技能点。 4、哪怕你最近不准备面试,但也得边工作边看面试题,最好定期出去面试下。毕竟每个人在学习过程中都会走弯路,用句比较流行的话来讲就是试错,通过不断的面试,能不断修正自己的学习方向。

三、干货:Java Core,java Web和数据库方面,公司的最近标准

这些也是能找到工作的最低标准,Java Core的标准如下:

image.png

Java Web方面的要求点大致如下:

image.png 而在数据库方面,最低的要求体现在如下三方面的需求。 第一,针对一类数据库(比如MYSQL,Oracle,SQL Server等),会基本的增删改查操作,会用一些基本的函数,会编写存储过程触发器索引等工具。 第二,知道一些基本的对项目开发有帮助的概念,比如范式,索引,分区等。 第三,能编写一些相对复杂的SQL语句,比如带连接,带子查询,嵌套查询等。 在java web轻量级开发面试教程这本书里,我对此做了详细的说明。 我知道,其实大多数的初级程序员都知道上述知识点,但无法有效地在项目中证明这点,而且,我之前也说了,上述仅仅是最低要求,接下来给出的要点将大大提升各位的面试成率。 <<<顺便说句,技术大厂,前后端-测试机会,一线双一线城市坑位充足,感兴趣可以看看这个机会~

四、通过简历证明自己在项目中用过相关知识点,面试时尽量找机会说出来

这里给出些准备简历时的注意要点。 1、针对每份工作微调简历,在发给目标公司的简历中,多写些在该公司职位介绍时出现的关键字。 2、少写不相干的工作经验,任何经验都往目标公司的职位要求上靠,比如目标公司的职位是java后端开发,你写一些linux上项目维护的经验或数据库DBA的相关经验尚属搭边,但如果写上测试或实施等经验,就属于不相干了。 3、少写关于项目业务介绍的内容,因为目标公司不关心。 4、这个是关键,一定得结合业务实际,写上自己有过相关技能的经验。 5、比如目标公司要求有数据库优化的经验,那你就可以写,在xx项目里,对sql的执行时间有要求,所以在订单管理模块里,我用到了xx技术,实现了sql优化效果。 类似的文字要多,涉及到的项目年限也请尽可能地长。这样当筛选简历的人和面试官看到你的简历时,不由得不信你第一有实践项目经验,第二在实践经验中用过相关技术。 而在面试时,技术面试官一定会问到职位要求里的相关技能,你事先得准备。如果你能在面试过程中有条理地说出你是如何在项目里用到相关技术的,那么这样的说服力要比你单纯说“你知道“要强很多,甚至有些面试官听到你的这些叙述后,会少问或不问相关问题。

最后

合理利用自己每一分每一秒的时间来学习提升自己,不要再用“没有时间”来掩饰自己思想上的懒惰!趁年轻,使劲拼,给未来的自己一个交代!

求职
AI
21
28
分享
操作
评论
相关内容
0个评论
全部评论
点击登录,快来和大家讨论吧~
表情
图片

目录

🔥 热门文章
1
离谱,DeepSeek 崩了 5 小时,大家却喊:梁圣恩情还不完??
450
2
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
410
3
DeepSeek 全新模型发布,性价比最高的一集!
410
4
自己学习ai,直接买cursor 的套餐,还是买gpt 或者claude 的套餐?
370
5
又一个国产版 Codex 神器,也来卷办公了!
340
6
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
330
7
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
320
8
我的第一个出海产品!7 天 2 万
310
9
WorkBuddy 本地 API 桥 + dsh 插件:把你的 WorkBuddy 额度,变成手边随手可用的模型
310
10
什么是LLM
300
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
墨得问题墨得问题