牛油们，web3有搞头吗？

为了进入 Java 岗位，我系统学习了 Java 基础与面向对象编程，掌握了常用集合、异常处理、多线程与并发编程。熟悉 Spring/Spring Boot 框架，能够进行 RESTful API 开发与项目搭建。了解 MySQL 数据库及基本 SQL 操作，并掌握常见 ORM 框架（如 MyBatis）。同时学习了 Maven 构建、Git 版本控制、Linux 常用命令和基本部署流程。通过实践项目提升了代码能力与工程化思维，具备独立完成中小型 Java 项目的能力。

12.24更新，已拒。。。  

众所周知，早在AI Coding工具之前，辅助驾驶已经走了很长的路，他们对等级有L1、2、3等之分。所以本次我从等级角度，各个推荐一下。L1：各类插件，主要用于代码补全，对话等操作。国内外大厂的产品都可以用，差距不大。L2：脱离插件形态，有了更多元的能力。此时差距明显，模型与IDE本身的调教都有着差异。T0：Cursor。T1：亚马逊的Kiro，腾讯的Codebuddy，字节的Trae，阿里的Qoder，还有美团、快手等厂（同等级排名不分先后）因为是国际版，所以模型能力都一样了。我的原则是，哪个能白嫖，就用哪个。T1.5：以上的国内版本。L3：脱离IDE形态。各家都在探索，完全不需人来编写任何代码。率先出击的是，Claude Code，Gemini Cli。早期是黑窗形态，最近才有了可视化界面。黑窗状态下，我们只需要Shell脚本、提示词和command命令即可完成完全沉浸的AI Coding。但其实，这个目的，更是为了加入流水线，实现全自动化。当一个需求、issue来临时，前置脚本自动读入上下文，API 交互给L3工具，再通过HOOK、SKILL等触发自动测试，代码审校，提交代码等操作。腾讯跟的比较快，派出了Codebuddy Code，配合国产的GLM模型，能力尚可。字节的Trae则走了自己的路，SOLO模式，更方便于新手入门。阿里则剑走偏锋，把眼下的产品每一步都做到最好。不过，真在生产环境中，还是L1的Tab Tab不全最让人放心。