它是什么
JavaGuide 是一套面向 Java 后端开发者的开源面试与知识体系指南，核心定位不是框架、脚手架或可运行系统，而是以 Markdown 文档和在线站点形式组织的系统性学习资料。它覆盖计算机基础、数据库、分布式、高并发、系统设计与 AI 应用开发等主题，目标是帮助读者把零散的面试考点串成可复习、可查阅的知识网络。
Java 后端面试的范围近年来明显扩大：从早期语言语法、集合、并发、JVM，逐步扩展到 MySQL、Redis、消息队列、Spring 生态、分布式架构和系统设计；同时，AI 应用开发又成为新的加分项。JavaGuide 的价值在于持续维护这些主题，并提供在线阅读、面试突击版、PDF 与多语言入口，降低从“不知道复习什么”到“按路线推进”的成本。仓库采用 Apache-2.0 协议，GitHub Star 数已超过 15.8 万。
核心功能 / 内容清单
- Java 语言与运行时知识：涵盖 Java 基础、集合、并发编程、JVM、IO/NIO、新特性等。它们既是面试高频题，也是排查线上内存、线程、性能问题的基础。
- 数据库与缓存：包括 MySQL 索引、事务、锁、调优，以及 Redis 数据结构、持久化、缓存一致性等。后端面试中，这部分通常区分度较高。
- 框架与中间件：涉及 Spring、Spring Boot、Spring Cloud、MyBatis、消息队列、RPC、分布式协调等。帮助读者从写业务代码过渡到理解架构组件。
- 计算机基础与系统设计：包含网络、操作系统、数据结构与算法、设计模式，并提供系统设计与场景题。README 提到有 30+ 道高频系统设计和场景面试题。
- AI 应用开发面试指南：面向后端开发者的 AI 应用开发、Agent、RAG、MCP 等主题，结合 Spring AI 等技术栈，适合作为转岗或项目加分准备。
- 学习路线与面试资料：提供 Java 面试指南、后端面试计划、面试突击版本、PDF 下载和多语言 README，便于不同阶段的人按路径使用。
典型使用场景
场景一：校招或社招 Java 后端面试冲刺。
先阅读后端面试计划，明确目标岗位需要掌握哪些模块；再按 Java 基础、并发、JVM、MySQL、Redis、Spring、分布式等主题逐块复习；最后用系统设计场景题自测。面试前可切换到面试突击版本，快速回顾重点。这样能避免只背零散“八股”，而是形成可串联的知识结构。
场景二：在职后端补基础或排查问题。
工作中遇到缓存击穿、数据库锁等待、线程池参数、分布式事务等问题时，可按目录定位相关章节，先理解原理，再结合项目落地。它更像一本可检索的后端参考手册，而不是一次性读完的教程。
场景三：从传统后端转向 AI 应用开发。
README 中列出的大模型实战项目方向，例如 AI 智能面试辅助平台与 RAG 知识库，基于 Spring Boot 4.0、Java 21、Spring AI 2.0，适合边学习 LLM、Agent、RAG、MCP 等概念，边积累可写入简历的项目经验。
场景四：团队内训或面试官出题。
团队负责人、讲师或面试官可以用其知识大纲组织培训、设计面试题，或作为新人学习路径参考。
适合谁用
- Java 初学者与学生：需要一份体系化路线，避免在大量零散资料中迷失方向。
- 校招 / 社招求职者：希望系统复习 Java 后端高频考点，并补充系统设计与场景题。
- 在职后端工程师：用于查漏补缺、复习原理，或解决具体技术问题。
- 想转 AI 应用开发的后端：需要了解 LLM、Agent、RAG、MCP 与 Spring AI 的结合方式。
- 面试官、讲师、团队负责人：可参考其知识框架进行出题、培训和内部分享。
- 不太适合：期待直接获得完整业务系统、开箱即用框架或可部署服务的人；该仓库以文档和知识整理为主。
快速上手
最直接的方式是访问在线站点阅读；README 中提供了主站入口和面试突击版本入口。若希望离线阅读，可在 GitHub 或 Gitee 克隆仓库，仓库内包含简体中文、英文、日文等 README 入口。阅读时建议从总目录进入，按主题选择章节，而不是从第一页顺序通读。需要 PDF 或专题资料时，可查看 README 中列出的下载与链接说明。若想结合实践，可围绕 Java 21、Spring Boot 4.0、Spring AI 2.0 等版本搭建小项目练手。安装、链接与版本细节以官方 README 为准。
注意事项
- 该项目主要是文档型知识库，不是框架或脚手架，不保证提供可直接运行的完整服务。
- 技术内容与版本强相关。Java、Spring Boot、Spring AI 等更新较快，阅读时需对照实际项目版本，避免把旧结论直接套用。
- Apache-2.0 协议允许使用、修改和分发，但通常需要保留版权与许可声明；转载或二次整理时应遵守协议并注明来源。
- 面试题往往没有唯一标准答案，应结合岗位要求、项目经验和当前技术版本理解。
- 内容体量较大，建议按学习路线分阶段推进，避免一次性通读导致效率下降。
- AI 应用开发部分可能涉及模型 API Key、调用费用、数据合规与隐私问题，实践前需自行评估。
- 在线链接、PDF 与多语言版本可能随仓库更新而变化，使用前以官方 README 和站点为准。