做 AI 应用不是把 Prompt 塞进接口就结束了。真到项目里，马上会遇到上下文长度、结构化输出、RAG 召回、工具权限、评测回归、成本和稳定性这些问题。

AI 编程工具好不好用，真不全看模型。很多时候，差别反而出在你怎么给上下文、怎么拆任务、怎么看 diff。

这份 分布式系统知识体系 面向后端学习、系统设计和面试复习，按“分布式入门 -> 通信调用 -> 服务治理 -> 一致性与协调 -> 工程实践”的顺序整理本站分布式相关文章。

这份 高可用系统知识体系 面向后端学习、系统设计和面试复习，围绕“减少故障、隔离故障、快速恢复、降低重复请求和异常流量影响”整理本站高可用相关文章。

这份 高性能系统知识体系 面向后端学习、系统设计和面试复习，围绕“减少延迟、提升吞吐、削峰填谷、降低数据库压力、优化数据访问路径”整理本站高性能相关文章。

这份 面试准备知识体系 面向 Java 后端校招和社招复习，围绕“制定计划 -> 完善简历 -> 梳理项目 -> 补齐技术重点 -> 自测复盘 -> 调整心态”的顺序整理本站面试准备相关文章。

“介绍一下你做的项目。”

“这是一个基于 Spring Boot 开发的微服务项目，使用了 MySQL、Redis、Kafka、Elasticsearch……”

很多项目介绍到这里就说不下去了。面试官再问一句“为什么要用 Kafka”，回答很容易卡住。Java、MySQL、Redis 的常见面试题可以提前背熟，项目追问却会一直落到真实的业务约束、代码实现和验证结果，背一段固定稿子只能应付开场。

面试官想从项目里了解什么？

面试官会从项目里确认几件事：你是否理解项目服务的业务，一条请求如何流转；你具体负责哪些代码、数据和上下游；遇到问题时怎样定位原因、比较方案并验证结果；简历里的技术和指标能不能经得起追问。

这份 系统设计知识体系 面向后端学习、工程实践和面试复习，围绕“把业务需求拆成稳定、可维护、可扩展的工程方案”整理本站系统设计相关文章。

AI 应用开发面试很少只问“概念是什么”。更常见的是顺着一个项目往下追：为什么这样设计，出了问题怎么排查，上线后怎么评测，成本和安全怎么管。

MongoDB 是典型的文档数据库，适合半结构化数据、灵活字段模型和快速迭代的业务场景。学习 MongoDB 时，建议重点理解文档模型、索引、副本集、分片、聚合和事务能力，而不是把它简单看成“可以存 JSON 的数据库”。

适合谁看

• 想了解 MongoDB 和文档数据库核心概念的后端开发者。
• 准备 MongoDB、NoSQL、文档模型相关面试题的同学。
• 需要在关系型数据库和文档数据库之间做选型的工程师。
• 已经接触过 MongoDB，但对索引、副本集、分片和事务机制不够熟的读者。