这几个问题跨度很大，从 AI 架构设计到 Java 底层原理都有。别慌，我帮你把这些概念拆解成面试中容易得分的“逻辑块”。

特别是前三个关于 AI 的问题（Function Calling、MCP、Skill 等），是目前大模型应用开发中最热门的概念，搞清楚它们的层级关系是回答的关键。

---

🤖 24. Function Calling、MCP、Skill：概念、场景与解决的问题

这三个概念其实代表了 AI 智能体（Agent）与工具交互的三个不同层级：底层协议、通信标准、业务封装。

1. Function Calling (函数调用)

• 概念：这是大模型的一种底层能力。它让模型不仅能输出文本，还能输出结构化的数据（如 JSON），告诉程序“我要调用哪个函数，参数是什么”。
• 解决的问题：解决了**“模型说不清楚，程序读不懂”**的问题。它打破了模型只能聊天的限制，让模型有了“手”，能触发外部动作。
• 场景：
  • 简单的工具调用：查天气、计算器、查询数据库。
  • 提取结构化信息：把用户的一段话转换成 JSON 对象。

2. MCP (Model Context Protocol，模型上下文协议)

• 概念：由 Anthropic 提出的标准化通信协议。你可以把它理解为 AI 界的 USB-C 接口。它定义了一套标准，让 AI 应用（Client）能统一地连接到各种数据源和工具（Server）。
• 解决的问题：解决了**“连接碎片化”和“上下文孤岛”**的问题。以前每接一个工具都要写一套适配代码，现在只要工具支持 MCP 协议，AI 就能直接连，不用重复造轮子。
• 场景：
  • 企业级应用集成：统一连接本地文件、Google Drive、Slack、GitHub 等。
  • 跨平台工具共享：开发者开发一个 MCP Server，所有支持 MCP 的 AI 客户端都能用。

3. Skill (技能)

• 概念：这是面向业务的能力封装。它通常是一个包含指令、脚本、资源和提示词的“文件夹”或集合。Skill 往往基于 Function Calling 构建，但更复杂。
• 解决的问题：解决了**“工具零散，无法完成复杂业务”**的问题。它把一个个原子化的函数（如“查航班”、“查酒店”）组合成一个有意义的业务能力（如“订机酒套餐”）。
• 场景：
  • 复杂任务处理：比如“帮我策划一次旅行”，Skill 会自动规划步骤，依次调用查天气、订机票、订酒店的函数。
  • 垂直领域专家：比如“法律助手 Skill”，里面封装了查法条、写文书的特定流程和提示词。

📌 总结对比表

概念	本质定位	核心解决问题	形象比喻
Function Calling	底层交互协议	模型输出结构化指令	神经信号（告诉手要动）
MCP	通信与调度层	统一连接标准，避免重复开发	USB 接口（通用插头）
Skill	业务能力层	复杂任务编排与封装	操作手册（怎么做菜）

---

🧠 25. Prompt Engineering、Context Engineering、Harness Engineering

这三个概念代表了 AI 应用开发从“手工作坊”到“系统工程”的进化过程。

1. Prompt Engineering (提示词工程)

• 解释：这是最早期的阶段。核心是**“写咒语”**。通过精心设计自然语言指令（如“你是一个专家，请一步步思考...”），引导模型输出更好的结果。
• 局限：它是一次性的、静态的。如果任务太复杂，光靠一段话很难控制模型。

2. Context Engineering (上下文工程)

• 解释：这是目前的主流趋势。核心是**“构建信息流水线”**。
  • 它不再只关注那一句提示词，而是关注如何把最有效的信息（知识、历史、工具描述）在恰当的时机喂给模型。
  • 它包括 RAG（检索增强）、记忆管理、摘要压缩等技术。
• 解决问题：解决了模型“记性差”、“知识过时”和“幻觉”问题。它把模型从一个“聊天机器人”变成了一个“拥有外部知识库的专家”。

3. Harness Engineering (编排工程/智能体工程)

• 注：Harness 在这里通常指“智具编排”或“系统 harness”，类似于 LangChain 或 AutoGen 这类框架所做的工作。
• 解释：这是最高阶的阶段。核心是**“系统级管控”**。
  • 它不仅仅是给信息，而是设计一个工作流。比如：先让模型 A 写代码，再让模型 B 审查代码，如果报错再让模型 A 修改。
  • 它涉及多智能体协作、循环反馈、工具调用的逻辑编排。
• 解决问题：解决了复杂任务的自动化执行和可靠性问题。

📌 一句话总结进化史

• Prompt Engineering：教模型“怎么说话”。
• Context Engineering：给模型“参考资料和记忆”。
• Harness Engineering：给模型“ teammates（队友）和工作流程”。

---

☕ 26. 抽象类和接口的区别

这是 Java 面试的经典题，回答时要从设计层面和底层实现两个角度切入。

设计层面的区别（核心）

• 抽象类 (Abstract Class)：是对**“本质”**的抽象。它代表“是什么 (Is-a)”的关系。
  • 例子：Cat 和 Dog 都是 Animal。Animal 就是一个抽象类，它定义了大家都有“吃”和“睡”的能力。
• 接口 (Interface)：是对**“行为”**的抽象。它代表“能做什么 (Can-do)”的关系。
  • 例子：Cat 和 Airplane 都可以 Fly。Fly 就是一个接口。猫不是飞机，但它们都能飞。

技术层面的区别（Java 8+）

特性	抽象类	接口
继承/实现	单继承 (一个类只能有一个父类)	多实现 (一个类可以实现多个接口)
成员变量	可以有各种类型的变量 (static, final, 普通)	只能是 public static final 常量
构造方法	有构造方法 (供子类调用)	没有构造方法
方法实现	可以有抽象方法，也可以有具体实现的方法	Java 8 之前只能有抽象方法；Java 8+ 可以有 default 和 static 方法

✅ 什么时候用哪个？

• 如果你想复用代码（比如几个子类有共同的代码逻辑），用抽象类。
• 如果你想定义一种规范，让不相关的类都能具备某种能力，用接口。

---

♻️ 27. JVM 内存回收：标记清除 vs 标记整理

这两个算法主要用在老年代（因为新生代通常是复制算法）。

1. 标记-清除 (Mark-Sweep)

• 原理：
  1. 标记：遍历对象图，标记出所有还活着的对象。
  2. 清除：直接回收掉没被标记的对象。
• 适合场景：
  • 对象存活率较高，且不需要频繁分配大对象的场景。
  • CMS 收集器（虽然已废弃，但经典）的并发清理阶段用的就是这个变种。
• 缺点：会产生内存碎片。碎片太多会导致无法分配大对象，不得不提前触发 Full GC。

2. 标记-整理 (Mark-Compact)

• 原理：
  1. 标记：同上，标记存活对象。
  2. 整理：让所有存活的对象向一端移动，然后直接清理掉边界以外的内存。
• 适合场景：
  • 对象存活率高的场景（老年代典型特征）。
  • 需要分配大对象的场景（因为没有碎片）。
  • Serial Old 和 Parallel Old 收集器使用的算法。
• 缺点：移动对象需要暂停用户线程 (Stop-The-World)，且成本较高（需要更新引用地址），所以比“标记-清除”慢。

✅ 总结回答

“标记-清除适合对停顿敏感、且内存碎片问题不严重的场景（或者作为 CMS 的并发清理阶段）；而标记-整理适合老年代这种对象存活率高、且为了避免碎片化导致无法分配大对象的场景。G1 收集器在 Region 级别上其实也借鉴了整理的思想。”

---

⏳ 28. 存活时间怎么定义？

这个问题通常指 JVM 中**对象的年龄（Age）**是如何定义的，以及它如何影响 GC。

1. 年龄计数器

在 HotSpot 虚拟机中，每个对象头（Object Header）里都有一个 Age 字段。

2. 年龄增长规则

• 初始年龄：对象在 Eden 区诞生时，年龄为 0。
• 熬过 Minor GC：如果对象在 Minor GC 后存活下来，并被移动到 Survivor 区，它的年龄就 +1。
• 动态年龄判断：在 Survivor 区中，如果同年龄的所有对象大小总和，超过了 Survivor 空间的一半，那么大于等于该年龄的对象就可以直接进入老年代，而不需要等到年龄达到 15。

3. 进入老年代的阈值

• 默认阈值：年龄达到 15（可以通过 -XX:MaxTenuringThreshold 参数调整）。
• 一旦达到这个年龄，下一次 GC 时，对象就会被晋升到老年代。

✅ 回答要点

“存活时间是通过对象头里的年龄计数器定义的。对象每熬过一次 Minor GC 并在 Survivor 区存活，年龄就加 1。默认情况下，年龄达到 15 就会进入老年代。另外，JVM 还有一个动态机制：如果 Survivor 区里同年龄的对象总大小超过空间的一半，那么该年龄及以上的对象会提前晋升到老年代。”