准备技术面试时，最容易做的事是继续收藏资料，最难的事却是把一道题讲清楚。答案看过不少，轮到自己开口，常常只剩几个关键词；隔几天再看，又像第一次见。
我做“面试边注”，就是想把刷题从“看过答案”往前推一步：先自己组织，再看结论和原理；写下回答后，可以让 AI 面试官指出哪里说对了、下一步最该补什么；如果某个地方还是绕，也可以围绕当前题继续问 AI。
目前平台整理了 14 个公开题库、50 个章节和 762 道题，覆盖前端、Java 后端、AI 应用与求职专项。游客不用注册就能读题、搜索、使用练习模式、AI 面试官评分和 AI 助手；个人学习记录需要登录后保存。
先选方向，不必从第一题硬背
题库按学习方向组织，而不是把几百道题塞进一个长目录：
| 方向 | 当前题量 | 主要内容 |
|---|---|---|
| 前端开发 | 300 | JavaScript、Vue、React、浏览器、工程化与 TypeScript |
| 后端开发 | 234 | Java 基础、Spring、数据库、缓存、网络与部署 |
| AI 应用开发 | 75 | RAG、Agent、MCP、Tool Calling、流式交互与安全 |
| 求职专项 | 153 | 简历项目追问、真实面经与公司专项准备 |
题库中心可以按方向筛选，也可以按名称或技术关键词搜索题库；进入具体题库后，再搜索题目或按章节跳转。登录账号还能接着上次进度继续学习。首页也会直接放出真实题目，第一次访问不需要先理解整套产品。
一道题，不只放一整页答案
我希望题解先解决“面试时怎么开口”，再展开完整原理。因此每道题会尽量按同一条阅读顺序拆开：
- 速答：先给可以直接复述的结论。
- 术语：把容易卡住的关键词换成白话。
- 原理：说明它为什么这样工作，而不是只给定义。
- 实战：用代码或具体场景把概念落下来。
- 追问与避坑：继续准备面试官可能往下问的内容。
- 来源：保留可以回去核对的资料入口。
遇到流程型问题时，题解会配站内图解。例如 HashMap 的 put 不只写“数组、链表、红黑树”，而是把定位桶、处理冲突、插入节点和扩容的先后关系画出来。
社区面经主要用来确认“真实面试里问过什么”。正式答案会重新整理，并尽量用官方文档和较稳定的技术资料交叉核对；无法公开查看正文的登录墙页面，不会被当成公开证据。
从“看懂”变成“能说出来”
只读答案很容易产生一种错觉：每句话都认识，于是以为自己已经会了。练习模式会先把答案收起来，让我自己组织一遍，再提交回答、对照题解并做一次自评。
写完以后，让 AI 面试官评一次
新版本在这一步加了 AI 评分。写下答案并提交后，可以点“开始 AI 评分”，看看自己的回答在技术正确性、原理与因果、关键点覆盖、场景边界与取舍、表达结构这五项上分别说到了什么。
截图里只写了“重叠分块”。这个方向没有错，但还没解释它解决什么问题、会增加什么代价，以及什么时候该选多大的重叠，所以系统给出的重点不是一句“答错了”，而是告诉我下一次回答最先应该补哪一层。
分数也不是让模型随手报一个数字。模型先判断五项表现分别处在哪个等级，服务端再按 30 / 25 / 20 / 15 / 10 的固定权重换算总分；如果回答里出现跑题、核心概念说反、虚构机制等严重问题，还会触发扣分或总分上限。评分按回答表达的意思判断，不要求照抄标准答案，也不会单纯因为字少就机械扣分。
这项评分只用于当次练习，回答、分数和评语都不会保存到账号，也不代表真实面试结果。即使评分暂时失败，标准答案仍然可以正常查看。
AI 评分看的是这一次回答；后面的“不会、模糊、掌握”自评只决定下一次什么时候复习。三种选择分别对应 1、3、7 天后，再配合“未开始、学习中、需复习、已掌握”四种状态，形成一条比较简单的复习线。
登录后，收藏、总结、高亮、批注、掌握状态和复习安排会保存到个人账号。这样批注不只是写在某一页旁边，而是能和题目、进度一起带到下一次学习。
AI 助手只围绕当前题帮忙
AI 助手不是另开一个没有上下文的聊天窗口。打开某道题后，页面会把当前题目的必要内容和这次对话一起交给服务端；可以让它换一种说法、补一个项目场景，或者继续追问面试表达。
这条链路可以简化成：
当前题目 + 本次对话 → 同源 AI 代理 → OpenAI-compatible 模型 → SSE 流式返回 → 页面逐段显示
浏览器不会直接拿模型密钥。服务端负责附带题目上下文、限制并发与超时，并把上游的流式或一次性响应统一交给前端。AI 对话目前不会保存到账号，切换题目后也会清空；它更像阅读时的临时辅导，不是另一套长期知识库。
这里容易混淆：RAG、Agent 是题库会讲的技术主题，不是这套 AI 助手的实现。当前助手没有接向量库或全题库检索，只携带当前题和本次对话。回答仍可能出错，重要内容要回到题解与来源核对。
游客能直接用，账号只负责个人记录
我把公开阅读和个人数据分开处理：
- 游客可以浏览全部公开题库、搜索、切题、练习、切换阅读版式，并体验 AI 面试官评分和 AI 助手，但不会写入个人学习记录。
- 学习账号在游客功能之上保存进度、收藏、批注和复习计划，并支持跨设备继续。
- 内容编辑可以维护题库、归档恢复内容并预览 Markdown 导入；管理员还可以管理账号与邀请、处理反馈申请，并创建和下载 SQLite 备份。
服务端的 SQLite 是登录用户学习状态的最终记录。网络不稳时，浏览器会用 IndexedDB 按账号暂存尚未确认的修改，连接恢复后再同步，避免丢进度或把记录写错账号。
题库内容怎样进入页面
题库不是直接写死在 React 组件里。项目把 Markdown 和 JavaScript 内容源经过生成与检查，再导出为公开索引、按题库拆分的内容快照和 SQLite 种子。
内容源 → 生成与质量检查 → 题库索引 + 分片快照 → SQLite
页面第一次进入只读取题库索引，真正打开某个题库时才加载对应分片。实时接口暂时不可用时，游客阅读还能退回到静态快照；这类回退只保证公开内容可读，账号、批注和复习记录仍然不可用。
内容检查会关注题目结构、来源链接、首屏是否讲清“结论、为什么、怎么用”，以及代码和站内图解是否与题目匹配。当前基线中，735 道题带有可核验来源，507 道带代码示例，48 道带站内图解。
实现上怎样分工
| 部分 | 负责什么 |
|---|---|
| React + TypeScript | 首页、题库中心、阅读器、练习模式、AI 评分面板、批注和 AI 对话 |
| Express | 同源 API、公开题库、账号、学习状态、内容管理，以及 AI 对话与评分入口 |
| SQLite | 题库、账号、会话、个人学习记录与审计日志 |
| 内容管线 | 生成题库、检查结构与来源，并导出按需加载的公开快照 |
| ECS + systemd | 运行单个 Node 服务和持久化数据库 |
| Cloudflare Tunnel | 把只监听本机回环地址的服务接入 HTTPS 公网入口 |
正式站运行在阿里云 ECS 上，Express 同时提供 API 和构建后的前端资源。数据库放在独立持久目录，发布前先做检查与备份，再切换版本并验证健康状态。Vercel 保留公开题库的静态版本，但它不是一套独立的账号与数据后端。
现在的边界
公共注册目前关闭，普通学习账号需要邀请或由管理员创建；如果只是读题和练习，游客模式已经够用。
题量和质量指标是当前版本的快照，后续内容更新后会变化。社区来源只能说明某类问题在面试中出现过，不能替代技术事实本身；AI 对话与评分也只负责辅助理解和复盘，不替代来源核验。
现在我更愿意把面试边注看成一张可以持续修改的学习桌面：题库负责给出范围，题解负责讲清楚，练习和复习负责把内容留下来，AI 用来换一种讲法，也用来检查自己到底有没有说清楚。