2026 年 Java 后端面试如果还在背 JVM 八股、并发编程和 Spring 源码大概率会错过一批“新题型”。最近半年 Claude Code 和 Codex 这类 AI 编程 Agent 已经大量进入企业研发流程面试官开始直接问你用过哪些 AgentAgent Skill 怎么开发MCP 和 Skill 有什么区别怎么把 AI 编程工具接入到现有的 Java 工程里做批量重构这篇文章不打算写成“从入门到放弃”的超长教程而是围绕一条真正能落地的主线Claude Code 和 Codex 在企业级开发里到底怎么装、怎么配、怎么开发自己的 Agent Skill以及这些技能怎么反过来变成面试里的加分项。你会看到概念对比、安装步骤、Skill 目录结构、接口调用示例、常见报错排查还有一套可以直接拿去准备面试的问答映射。如果你正在准备 Java AI 大模型方向的面试或者想在公司内部落地 AI 编程 Agent 提效建议把这篇收藏备用按章节边做边看。1. 核心能力速览能力项说明工具类型终端 / IDE 集成的 AI 编程 Agent代表产品Anthropic Claude Code、OpenAI Codex核心能力代码理解、自动补全、多文件重构、命令行执行、Agent Skill 扩展、MCP 工具接入支持平台Windows / macOS / Linux主流系统均可主要使用方式终端交互、CLI 非交互执行、VSCode 等 IDE 插件、项目配置规范文件Skill 扩展在用户级或项目级目录放置 SKILL.md定义技能触发条件和执行流程MCP 支持通过 MCP 协议接入外部工具、数据库、文档、CI 系统等批量任务可通过 CLI 循环脚本、任务队列等方式批量处理代码评审、重构等任务显存占用云端版本几乎不占本地 GPU本地私有化部署大模型需要按实际环境评估适合场景个人开发提效、团队代码评审、Java 工程重构、面试项目经验积累需要说明一点Claude Code 和 Codex 的具体参数、模型支持列表、付费策略都会随版本变化实际配置前先以官方文档为准。这篇文章给的是稳定的通用架构和使用思路不是死记某个版本的命令。2. 先把概念理清Agent、Skill、MCP 到底什么关系这部分建议面试前重点看。因为现在面试官问“你懂 Agent 吗”已经不是想听你背“Agent LLM Planning Tools Memory”而是想看你能否把概念落到工程实践上。2.1 什么是 AI AgentAI Agent 是一个能自主完成多步骤任务的系统。它不只会“生成一句话”而是能自己拆解任务、选择工具、执行命令、观察结果再决定下一步怎么做。Claude Code 和 Codex 本质都是 Agent你给它一个目标比如“把订单模块的事务边界梳理清楚”它会自己读代码、定位问题、给出修改建议甚至直接执行改动。在企业级场景中Agent 的“自主性”是双刃剑。它确实能减少人工重复操作但也意味着必须做好权限控制、代码审查和审计日志。一个没有约束的 Agent 可能比一个急性子的实习生更危险。2.2 什么是 Agent SkillSkill 可以理解为“Agent 的职业技能包”。它把某类任务的执行流程、注意点、参考示例打包成一个目录放到 Agent 能读取的位置。Agent 在遇到对应任务时会读取 Skill 中的指令按照里面定义的步骤来执行。对企业团队来说Skill 的价值在于沉淀团队经验。比如你们团队有 Java 并发评审规范就可以写成一个 Java Code Review Skill有 Spring Boot 项目脚手架搭建规范就可以写成一个 Spring Initializer Skill。后面任何人用 Agent都能复用到这套经验。2.3 什么是 MCPMCPModel Context Protocol是一种标准化的工具接入协议。它解决的是“Agent 如何调用外部能力”的问题数据库、GitLab、Jira、文件系统、内部服务都可以通过 MCP Server 暴露给 Agent。做一个简单类比MCP 是“电源插座”定义了统一的接口标准不同业务系统只要做成 MCP Server即插即用。2.4 Skill 和 MCP 的区别这是高频面试题也是实操中最容易混淆的点。可以用一句话区分Skill 关心“这件事该怎么做”是流程和知识的封装。MCP 关心“Agent 能调用什么外部能力”是工具连接的协议。两者不是二选一。在真实项目中经常是一个 Skill 描述“代码评审要先看依赖关系再查事务边界最后给结论”评审过程中需要去查 GitLab 上的 MR 信息这时候通过 MCP 调用 GitLab 工具来获取数据。对比项Agent SkillMCP解决的核心问题任务执行流程和领域知识外部工具标准化接入形态目录 SKILL.md 参考文件MCP Server 客户端配置典型位置用户级或项目级 skills 目录配置文件中的 mcpServers 配置扩展方式写 Markdown 流程说明开发 Server 并暴露工具接口二者关系决定 Agent 怎么做决定 Agent 能调什么3. 环境准备与前置条件无论用 Claude Code 还是 Codex前置工作都差不多。先准备好环境再安装工具。3.1 基础环境检查清单检查项要求与建议操作系统Windows 10/11、macOS、主流 Linux 发行版Node.js建议 18 及以上部分 CLI 工具依赖 npm 安装Git需要能正常执行 git 命令终端工具Windows 推荐 PowerShell 或 Windows TerminalmacOS 用自带终端即可IDEVSCode 或 JetBrains 系按插件文档配置网络能正常访问官方服务企业在内网环境需确认网络策略账号Anthropic 账号 / OpenAI 账号或企业内部 API Key数据安全企业项目先确认哪些代码允许发送到云端服务3.2 磁盘和运行资源Claude Code 和 Codex 的 CLI 本身很轻磁盘占用主要是 npm 包和缓存通常几百 MB 以内。真正占资源的是模型推理如果走云端 API本地 CPU 和内存压力不大如果是企业私有化部署需要准备 GPU 服务器具体显存取决于模型规模和并发量要以实际测试为准。3.3 项目规范准备跑通工具之前建议先建立两份项目级规范文件。这是企业级 Agent 落地的关键项目背景与架构说明。代码风格与常见约束。构建、测试、部署命令。评审和提交流程。Claude Code 对应的规范文件是 CLAUDE.mdCodex 对应的是 AGENTS.md。内容可以互相转换后面会详细讲。4. Claude Code 安装部署与配置4.1 安装方式Claude Code 的常见安装方式是通过 npm 全局安装npm install -g anthropic-ai/claude-code安装完成后在终端执行claude首次运行会引导登录需要授权 Anthropic 账号或配置 API Key。不同版本的安装方式可能不同也可以参考官方文档选择原生安装脚本或 IDE 插件安装。4.2 在 VSCode 中使用Claude Code 提供 VSCode 插件。安装插件后可以在侧边栏打开对话面板直接选中代码片段让 Agent 解释、评审或修改。这种方式对 Java 后端工程师很友好不需要频繁切换到终端。如果插件提示找不到 CLI 路径通常是因为 claude 命令没有加入 PATH或在插件设置里手动指定了错误路径。配置基本思路如下{ claude-code.path: /usr/local/bin/claude }4.3 项目规范文件 CLAUDE.md在项目根目录创建 CLAUDE.md可以让 Agent 理解项目上下文。示例# 项目订单中心服务 ## 技术栈 - Spring Boot 3.xJava 17 - MyBatis-Plus - RedisMySQL ## 构建命令 mvn clean package ## 测试命令 mvn test ## 工程约束 - Service 层必须使用 Transactional 管理事务 - 禁止在循环中查询数据库 - Controller 层只做参数校验和结果封装 - 所有对外接口必须记录操作日志有了这份文件Claude Code 在回答问题和修改代码时会优先参考你定义的规则而不是泛泛地给通用答案。4.4 Claude Code 的 Skill 目录Claude Code 支持在用户级或项目级定义 Skill。常见的目录结构.claude/ └── skills/ └── java-code-review/ ├── SKILL.md └── examples/ └── review-example.mdSKILL.md 使用 Markdown 格式包含 YAML frontmatter 和正文流程。后面第 6 章会给出可复制的完整示例。5. Codex 安装部署与配置5.1 安装方式Codex 是 OpenAI 推出的编程 Agent。常见的安装方式也是 npmnpm install -g openai/codex安装完成后执行codex首次使用需要登录 OpenAI 账号或配置 API Key。Codex 也有 IDE 扩展用起来和 Claude Code 插件类似。5.2 Codex 项目规范文件 AGENTS.mdCodex 使用 AGENTS.md 作为项目级规范文件。如果你已经写了 CLAUDE.md迁移过来很简单内容结构基本一致。示例# 项目规范 ## 语言与框架 Java 17Spring Boot 3.x ## 代码风格 - 使用 Lombok 减少样板代码 - 统一返回 R 结构体 ## 约束 - 不允许 System.out.println 打印日志 - 数据库操作必须走 Mapper 层 - 新增接口必须补单元测试5.3 接入第三方模型如果企业内部希望用 Codex 接入兼容 OpenAI 协议的模型可以通过环境变量指定 API Base URL 和 Key。这是一个通用思路具体参数名以官方文档为准export OPENAI_BASE_URLhttps://your-internal-gateway.example.com/v1 export OPENAI_API_KEYyour-api-key配置完成后需要确认你的 Codex 版本和模型名称是否匹配。如果出现“model is not recognized”之类的报错多半是模型名不在当前版本的支持列表里或者网关地址没有正确转发。5.4 非交互执行模式Codex 支持一次性执行任务适合在脚本或 CI 中调用codex exec review the transaction handling in OrderService.java这种非交互模式是批量任务的基础。你的 Java 项目里如果有大量历史代码需要评审就可以用循环脚本批量触发。6. Skill 开发实战从零写一个 Java 代码评审 Skill这一章是面试里最能体现工程能力的内容。只写“我会用 AI 编程工具”没有说服力真正拿出一个自研 Skill 并说清楚设计思路面试官才会觉得你有落地能力。6.1 Skill 目录结构以一个 Java 代码评审 Skill 为例java-code-review/ ├── SKILL.md ├── rules/ │ ├── concurrency.md │ └── sql-injection.md └── examples/ └── bad-code.javaSKILL.md技能说明和主流程。rules细分评审规则的参考文档。examples典型的反面示例用于引导 Agent 发现问题。6.2 SKILL.md 内容示例--- name: java-code-review description: 对 Java 代码进行 Code Review重点检查并发安全、事务边界、SQL 注入、异常处理和性能问题。 --- # Java Code Review Skill 当用户要求评审 Java 代码时按以下流程执行 1. 先确认代码所属模块和依赖关系。 2. 从类结构开始再逐个方法检查。 3. 重点检查 - 共享变量是否加了锁或使用了并发安全容器 - 事务方法是否出现自调用导致代理失效 - SQL 语句是否使用预编译占位符 - 异常是否被吞掉或过度捕获 - 循环内是否出现数据库查询 4. 输出问题清单按严重程度排序 - P0导致数据错误或系统崩溃 - P1存在安全风险或明显性能问题 - P2代码规范问题放进 Claude Code 的 skills 目录后当用户说“帮我 review 一下 OrderService.java”Claude Code 会优先读取这份 Skill按照里面定义的流程做审查。6.3 在 Codex 中落地同类技能Codex 的 Skill 机制和 Claude Code 类似一般放在~/.codex/skills或项目.codex/skills目录。SKILL.md 的核心写法可以复用。不同 Agent 的 Skill 触发机制略有差别但设计思想一致把任务的“最佳实践流程”沉淀成可重复执行的文件。面试时可以强调这一点“我掌握了 Skill 设计方法能迁移到不同 Agent 平台。”6.4 Skill 和普通 Prompt 的关系面试常问“直接写一段 prompt 不就行了为什么要用 Skill”直接写 prompt 适合一次性任务。Skill 适合反复执行、需要团队统一标准的任务。它的优势是团队规范一次沉淀所有人都能用同一套规则。Skill 可以附带示例文件引导 Agent 输出更稳定。支持版本管理评审规则更新时只需改 Skill。可组合多个 Skill 完成复杂流程。7. 接口 API 与批量任务企业级应用不只是“在终端里聊聊天”还需要把 Agent 能力接入到 CI、消息队列或管理后台。这里提供一套通用思路。7.1 通过 CLI 非交互模式做批量评审最简单的批量任务方式是循环调用 CLI。下面是一个 Python 示例用 subprocess 调用 claude 命令逐个评审 Java 文件import subprocess import json tasks [ {path: src/main/java/com/example/OrderService.java, prompt: 评审事务和并发安全}, {path: src/main/java/com/example/PaymentController.java, prompt: 评审参数校验和 SQL 注入风险}, ] for task in tasks: result subprocess.run( [claude, -p, task[prompt], task[path]], capture_outputTrue, textTrue, timeout180 ) if result.returncode 0: print(f {task[path]} ) print(result.stdout[-2000:]) else: print(f FAILED: {task[path]} ) print(result.stderr)注意不同版本的 CLI 参数和返回码定义不完全一致实际使用前先运行claude --help或codex --help确认参数。7.2 批量任务工程化设计如果只是几十个文件循环脚本够用。如果要做成团队服务建议加一个任务管理设计{ taskQueue: [ { taskId: a1b2c3, type: code_review, target: src/main/java/com/example/InventoryService.java, priority: high, status: pending } ], outputDir: ./reports, maxConcurrency: 2, retryTimes: 3 }建议加以下几个能力任务幂等同一个文件重复评审不产生重复报告。日志与审计记录谁发起了任务、调用了哪些模型、生成了什么结论。失败重试网络超时或接口限流时自动重试。结果入库评审结论写入数据库方便追踪问题闭环。7.3 调用官方 API 的通用模板如果想让自己的 Java 服务直接调用大模型 API可以使用 HTTP 请求。不同服务商的接口路径不同但请求结构大致统一。下面是一个通用 Python 请求模板实际使用时替换 URL、模型名和密钥import requests url https://api.example.com/v1/responses headers { Authorization: Bearer YOUR_API_KEY, Content-Type: application/json } payload { model: your-model-name, input: 请评审以下 Java 代码是否可能存在并发安全问题\n code_snippet } response requests.post(url, headersheaders, jsonpayload, timeout120) print(response.json())在企业内部使用时建议通过内部网关转发不要把 API Key 写死在客户端代码里。Java 侧可以基于 Spring 的 RestTemplate 或 WebClient 封装统一调用服务再把模型返回结果解析成结构化对象。8. 常见报错与排查方法在准备面试或实际部署时报错是最容易劝退人的。把常见问题提前整理成排查清单。问题现象可能原因排查方式解决方案终端提示找不到 codex 命令CLI 未安装或不在 PATH执行which codex或codex --version重新全局安装或将 CLI 目录加入系统 PATHIDE 扩展报unable to locate the codex cli binaryIDE 插件找不到 Codex CLI检查插件设置中的 CLI 路径设置 codex cli path 为实际安装路径或确保全局安装命令可用启动时提示local proxy failed while handling codex endpoint /responses本地代理或网关转发异常查看服务端日志测试 endpoint 地址检查代理配置和网关地址关闭无关本地代理重启服务提示model is not recognized模型名不在当前版本支持列表查看官方模型列表更换为受支持的模型名或升级 CLI 版本提示组织已禁用 Claude Code 访问企业管理员在后台限制了权限联系管理员由管理员开启组织级访问权限API 请求超时网络不畅或服务端负载高检查日志和网络增加超时时间加入重试机制输出结果不稳定的现象缺少项目上下文检查是否配置 CLAUDE.md / AGENTS.md完善项目规范文件给 Agent 提供更多约束批量任务中途卡住某个文件触发模型长推理或限流打印任务日志定位卡住的任务增加超时和并发限制失败任务自动重试9. 面试题映射与简历写法9.1 高频面试题速答问题 1Agent 和普通 AI 对话有什么区别普通对话是“一问一答”Agent 能自主完成多步任务理解目标、规划步骤、调用工具、执行命令、观察中间结果、修正路线。Claude Code 和 Codex 都具备这种循环能力。问题 2Skill 和 MCP 有什么区别Skill 是任务流程与知识的封装告诉 Agent 怎么做事MCP 是外部工具的接入标准告诉 Agent 能调用什么。两者可以配合使用Skill 定义流程流程中通过 MCP 获取外部数据。问题 3在 Java 项目里你如何保证 AI 生成代码的质量先通过 CLAUDE.md 或 AGENTS.md 定义工程规范再开发评审类 Skill 约束检查项最后代码必须走人工审查和 CI 流水线。AI 生成的代码不能直接进主干。问题 4如果要批量评审 200 个 Java 文件怎么设计先拆任务队列控制并发数增加超时和失败重试评审结果落库最后生成汇总报告。可以用 CLI 循环脚本起步量大时再做成独立服务。问题 5为什么不直接把企业核心代码发给云端 AI因为存在数据安全和合规风险。核心代码必须先做脱敏和权限评估能本地化就用本地模型或私有网关不能本地化就要走内部审批流程。9.2 简历项目经验写法不要只写“熟练使用 AI 编程工具”要写成可验证的项目经历项目名称基于 Claude Code 的 Java 代码评审 Skill 实践项目描述负责将团队 Java 代码评审规范沉淀为 Agent Skill覆盖并发安全、SQL 注入、事务边界等检查项。通过 CLAUDE.md 定义项目上下文提高 Agent 对业务代码的理解准确率。编写批量评审脚本在本地对历史模块进行扫描输出分级问题清单。设计失败重试和日志审计机制保证批量任务可追踪、可回滚。面试官看到这种写法至少会认为你不是“只会问 AI 怎么用”而是真做过工程化尝试。如果能附上 demo 录屏或真实评审报告效果更好。9.3 Java 工程师如何补齐大模型基础面试大模型岗位光会调用 Agent 不够还需要懂一点底层了解 Token 和上下文窗口的概念。了解 RAG 的基本链路知识库切片、向量化、召回、重排。了解 MCP 的请求与响应模型。了解 Function Calling 的 JSON Schema 设计。了解 prompt 工程和结构化输出。对 Java 后端来说建议看 Spring AI、LangChain4j 这类 Java 生态的 AI 框架把模型能力封装成公司内部的 AI Service是面试中更容易加分的点。10. 最佳实践与合规边界10.1 最佳实践先小批量验证不要第一次就把全量代码交给 Agent 批量修改先拿 1 到 2 个文件测试。保留最小可运行配置把安装命令、Skill 目录、规范文件版本化方便团队复制。目录分治输入代码、中间结果、最终报告分开存放避免污染项目仓库。批量任务必须加日志每一条任务记录输入、输出、耗时、失败原因。版本控制 SkillSkill 文件也要走 Git 管理评审规则变更可追溯。定期复盘每个月看一次 Agent 输出中哪些结论是错的反向优化 Skill。10.2 合规与安全边界企业核心代码发送到云端前必须经过数据安全评估。涉及用户隐私、商业机密、未公开业务数据的代码默认不发送到外部服务。需要更强的隔离能力时考虑企业私有化模型部署或本地推理方案。生成代码涉及开源许可证时需要人工确认合规性。不得使用 AI 工具处理违反法律法规的内容也不得绕过系统安全限制。如果是给客户演示或公司内部推广务必先在前置环境验证不能直接把测试账号和真实数据混在一起。11. 总结与下一步回到最开始的问题为什么 2026 年 Java 面试会考 Claude Code 和 Codex因为这两个工具已经不只是“写代码助手”而是企业研发流程的自动化入口。会安装、会聊天只是基础真正值钱的是能不能根据团队规范“定制 Agent 的行为”也就是开发 Agent Skill。把这一点讲清楚你和其他候选人的差距就拉开了。建议你按这个顺序动手先装一个 Claude Code 或 Codex 的 CLI跑通登录和基础对话。在项目里写一份 CLAUDE.md 或 AGENTS.md让 Agent 理解项目规范。写一个你最熟悉场景的 SKILL.md比如 Java 代码评审、单元测试生成或 SQL 优化建议。写一个循环脚本批量处理 10 个文件验证输出稳定性。把过程和结果整理成作品直接写进简历。最容易踩的坑有三个一是没写项目规范就开始用输出全凭感觉二是 Skill 只写一句描述没有流程和示例等于没写三是批量任务没有超时和重试卡住就断档。后续可以继续扩展的方向把 Skill 做成团队共享插件、接入企业内部门户、结合 Spring AI 封装统一大模型接口或者用 MCP 把 GitLab、Jira、数据库接入到 Agent 工作流里。这一步走通企业级 Agent 开发的基础就算真正打牢了。