🎯 面试收集 MOC
说明
面试问题收集的内容地图。按「题库 / 项目深挖 / 专题研究 / 面试实务」四块归档,文末有考前优先级速查。日常把面试题、复盘、疑问发我,我来整理归档。
📥 上报与新题流程
- 直接发题(可带个人思路/存疑点)→ 我优化表述、补参考要点、归档到对应主题。
- 单题格式见 面试题-模板。
- 新内容按性质(单题 / 项目 / 专题 / 实务)落到对应子目录。
🗄 题库(按主题分阅)
主战场是 AI&大模型(AI 大模型开发岗):单文件内部分区,题目全局编号。通用开发题归下面各主题。
- AI&大模型 — 模型原理与训练 / 应用工程(RAG·Agent·AIGC) / 训练推理优化 / 提示词(Q1~Q5)
- 后端&开发 — 语言、框架、工程实践
- 数据库 — SQL、索引、事务、缓存
- 系统&网络 — 操作系统、计算机网络、并发
- 数据结构&算法 — 手撕算法、数据结构、复杂度
- 前端&工程 — 前端、工程化、部署运维
🕸 项目深挖
- Agent系统-项目深挖 — Agent 项目被追问点:意图识别/工具路由/并发/记忆持久化/多Agent状态/模型型号
- 平台化分工协作-底座与业务分层 — 你与同事分工 Agent 怎么划 =「平台型分工」底座+业务子图,含完整 Pydantic v2 代码 demo
- LangGraph线程隔离与状态持久化 — State/Checkpoint 区别、thread_id 定任务、TTL、重放、HITL 恢复
- 业务降级与问题定位方法论 — 业务降级兜底、PDF 杂乱处理(Pydantic 结构化)、四层定位金字塔
- 项目叙事与简历表述 — 讲”项目困难”+ 简历概念转业务表述 + 需求-数据-方案-难点-结果框架
📚 专题研究(AIGC 岗知识缺口 & 工程化)
AI 大模型岗知识缺口 + 工程化方向,能”能说几句”的深度。
- AIGC 生态-研究笔记 — ComfyUI + 主流开源模型(视频/音频/图片)+ 成熟流程(短剧生成等)
- 大模型API-选型与成本优化 — 商用 API 选型、Token 消耗、缓存命中优化
- 提示词工程 vs Agent 系统 → 系统性对比 — 提示词工程与 Agent 系统系统性对比
- MCP与skill-对比 — 高频 MCP + skill+CLI 替代 + 沙箱 + skill 机制
- AI-Coding工具对比 — claude code / codex / openclaw / Hermes / deepseek harness 等
- 模型部署-vLLM — vLLM 部署:PagedAttention/Continuous batching/OpenAI 兼容接口
- 并发限流-工程化 — 并发=QPS/QPM 口径 + 限流算法分层落地
- 工程化优化五层框架 — 数据标准化→检索链路→上下文→输出风控→线上稳定性,面试可直接背
- Nginx-代理与负载均衡 — 反向代理 / 负载均衡 / limit_req 访问控制
- AB 实验:设计与显著性检验 — AB/AA 空转、Z 检验(Z>1.96)、正交实验,B 站点赞案例贯穿
🎤 面试实务(软实力 & 复盘)
- 面试-真题复盘 — 一场真实面试逐题复盘(含卡住题:Coze选型/RRF/蒸馏/subagent权限/LLM-Wiki)
- 面试-场景设计题 — 3 道带分案例:RAG旧内容 / 客服转人工上下文 / NL2SQL静默失败
- AI工具个人项目 & 低代码案例 — vibe coding 小项目 + Coze/Dify 案例 + 60秒口述剧本
- ToB-项目-甲方沟通要点 — ToB/ToG 对接落地:数据/方案/平台/交付标准
- 面试-收尾反问与交流技巧 — 收尾拉家常 + 多拓展多说 + 别惜字如金
🚀 考前优先级速查
按”必背 → 优先补 → 熟悉”帮你分档,考前顺着扫。
⭐ 必背(大概率会被深挖,背到能接追问)
- Agent系统-项目深挖(含 Pydantic State、多租户权限、并发、记忆持久化、模型型号)
- 面试-真题复盘(尤其是你卡过的:Coze选型/RRF/蒸馏/subagent权限/LLM-Wiki)
- AI&大模型 内 Q1(LangGraph) · Q3(JSON四件套) · Q5(微调vsRAG)
- 并发限流-工程化(QPS 口径 + 限流)
📌 优先补(新补强,练熟)
- AI工具个人项目 & 低代码案例(vibe coding/coze 各挑 1 个,A’ 贴身版主打)
- 项目叙事与简历表述(“困难”模板 + 简历具体化改写)
- MCP与skill-对比(skill 机制 / skill vs agent / 沙箱)
🔖 熟悉即可(能说几句)
- 大模型API-选型与成本优化 · 提示词工程 vs Agent 系统 → 系统性对比 · AIGC 生态-研究笔记
- AI-Coding工具对比 · 模型部署-vLLM · Nginx-代理与负载均衡
- 面试-收尾反问与交流技巧 · ToB-项目-甲方沟通要点