一句话：你备战大模型面试时，希望有人帮你把所有核心知识点整理清楚——这个仓库就是干这个的。

每篇笔记包含：面试高频考点 + 核心原理 + 外部图解 + 原始论文 + 视频讲解 + 工程落地追问。

• LLM 从输入到输出：用一条链路讲清 token、embedding、Transformer、logits、解码
• LLM 能力来源与 Scaling Law：解释能力从数据、参数、计算和对齐中怎么来
• 从训练到部署：LLM 生命周期：串起数据、预训练、后训练、评估、部署和反馈闭环
• Embedding 与向量检索：讲清语义检索、Hybrid Search、Rerank 和向量库选型
• 模型网关与成本治理：把模型路由、缓存、降级、成本监控讲成生产系统能力
• LLM 安全与红队：覆盖 Prompt Injection、RAG 权限、Agent 工具安全和审计
• Transformer 架构详解：补了官方论文架构图和快速回答模板
• LoRA 及参数高效微调（PEFT）：补了 LoRA 原论文图和工程落地说明
• RAG 检索增强生成：补了 NVIDIA 官方流程图和更工程化的拆解
• MoE 混合专家模型：补了官方路由图和 serving 难点说明
• SFT 有监督微调：补了 Self-Instruct 论文图和数据验收清单
• RLHF / DPO / PPO 对比：补了 InstructGPT/RLHF 三阶段论文图和 PPO 工程角色说明
• 推理加速：补了 FlashAttention 原论文图和 TTFT/TPOT 诊断维度
• 解码策略：补了 Nucleus Sampling 论文图和参数联调建议

→ 打开速记网页（在线访问）

95 道高频考题，15 大模块，支持搜索、标签筛选、一键展开、模拟面试问答诊断和薄弱点判断测试。测试结果会直接跳转到 GitHub 上对应的 notes 文档。面试前 30 分钟速刷专用。

如果你觉得有用，点个 ⭐ Star 是对我最大的鼓励！

我单独整理了一份 项目实战库，按主题拆成 RAG / 微调 / 推理部署 / Agent / 多模态 / 评估 六类，每类都有 GitHub 项目和 Kaggle 数据入口。

→ 打开项目库

如果你只想先选一个最容易做成作品的方向，建议顺序是：

1. 本地 RAG
2. QLoRA 微调
3. LangGraph 多 Agent

• 商业级 RAG 工单助手：企业知识库问答、工单分流、审计与评估指标。
• LLM 面试模拟与回答诊断实验室：把面试笔记转成 SFT 数据，提供回答诊断 CLI、模拟追问和 QLoRA 微调脚本模板。

学一个人的笔记，不如一群人共同维护一份高质量知识库。

你可以贡献：

• 📝 完善某个知识点的讲解（更清晰的例子、更准确的描述）
• 🎬 推荐优质视频（B 站 / YouTube 都欢迎）
• 📄 补充新的论文（最新进展、重要综述）
• 🌟 新增知识点（多模态、长文本、代码大模型……）

# Fork → 新建分支 → 修改 → PR
git checkout -b feat/your-topic
git commit -m "补充：xxx 知识点 / 添加：xxx 视频"
git push origin feat/your-topic