AgentInterview:AI 面试与成长知识库

给正在进入 AI 时代的开发者,一套能系统学习、能查漏补缺、也能直接用于面试准备的知识库。

这里不只是"题库",也不只是"资料收集"。更准确地说,它是一份围绕 AIGC / LLM / Agent / RAG / AI 工程化 持续整理的成长型仓库:

• 帮你建立知识结构
• 帮你理解热门概念背后的真实工程问题
• 帮你把前沿资料转成可学习、可复习、可表达的内容

---

这份仓库适合谁

1. 正在准备 AI 岗位面试的人

适合你快速建立面试地图:

• 哪些知识点最常考
• 哪些方向已经从"加分项"变成"基础项"
• 哪些热门名词需要真正讲明白,而不是只会背概念

2. 想转向 AI 开发的工程师

适合你建立一条更清晰的学习路径:

• 从 AIGC 基础到 LLM 应用开发
• 从 Prompt 到 RAG 到 Agent
• 从"会调用 API"到"能讲工程系统"

3. 想系统补齐 AI 工程能力的开发者

适合你做知识整理和能力补位:

• 哪些能力适合先学
• 哪些方向已经值得投入
• 哪些工具、框架、范式需要建立判断

---

建议怎么用

路线 A:面试冲刺

适合最近 2-4 周就要面试的人。

建议顺序:

1. 面试题库
2. 开发技能
3. Agent 架构
4. 资源汇总

重点目标:

• 先建立高频题框架
• 再补自己最薄弱的主题
• 最后补前沿热点与案例表达

路线 B:系统学习

适合希望把 AI 开发能力真正补起来的人。

建议顺序:

1. AIGC 基础
2. Agent 架构
3. 开发技能
4. 面试题库
5. 项目建议
6. 资源汇总
7. [AI 工程师学习路径](docs/07-AI 工程师学习路径.md)
8. 面试表达专题

重点目标:

• 先建立理解
• 再形成结构
• 最后进入题目、项目和表达

路线 C:查漏补缺

适合已经有一定经验,但想系统补漏洞的人。

建议做法:

• 先刷 面试题库,看自己卡在哪里
• 再回看对应专题正文
• 最后到 资源汇总 里继续深挖

---

内容地图

一、基础认知

• 01-AIGC 基础
  • 大模型基础概念
  • Transformer 相关原理
  • 主流模型与关键术语

二、系统设计

• 02-Agent 架构
  • Agent 的核心组件
  • 规划、记忆、工具调用
  • 单 Agent 与多 Agent 设计

三、开发能力

• 03-开发技能
  • Prompt Engineering
  • RAG
  • 模型评估与部署
  • 前沿开发范式(Vibe Coding / SDD / AI 编辑器)
  • AI 工程化全链路(可观测性 / 评估 / 成本 / 安全 / 迭代)

四、面试表达

• 04-面试题库
  • 基础题
  • 进阶题
  • 实战题
  • AI 工程化面试题
  • 面试表达方法论(三层表达法 / STAR 进阶 / 判断题)
  • 新技术专题题

五、项目与作品集

• 05-项目建议
  • 入门项目
  • 进阶项目
  • 更适合写进简历的项目方向

六、延伸学习

• 06-资源汇总
  • 学习路线图
  • 课程、书籍、开源项目
  • 微信文章与前沿主题线索

七、成长路径

• [07-AI 工程师学习路径](docs/07-AI 工程师学习路径.md)
  • 从入门到进阶的能力地图
  • 每个阶段的目标与验证方式
  • 如何证明自己的能力

八、面试表达

• 08-面试表达专题
  • 三层表达法:把概念讲清楚
  • STAR 进阶:把项目讲生动
  • 判断题框架:把观点讲有层次
  • 系统设计题:把架构讲完整
  • 项目复盘模板与叙事框架

---

如果你时间不多,先看这几部分

先建立"能说清楚"的基础

• Transformer 相关基础
• Agent 核心组件
• RAG 与 Prompt 基础

先建立"能答题"的框架

• 面试题库
• 2026 新技术专题

先建立"能聊工程"的视角

• 前沿开发模式
• AI 工程化全链路
• 资源汇总中的框架与工程实践

---

这份仓库现在重点关注什么

目前这份知识库特别关注三类内容:

1. AI 工程能力

不只是会调接口,而是理解:

• 如何做 RAG
• 如何设计 Agent
• 如何做评估、部署与工程化

2. 新开发范式

关注 AI 时代开发方式的变化,比如:

• Vibe Coding
• SDD(规范驱动开发)
• AI 编辑器与工作流
• Agentic Skills / 新型开发协作方式

3. 面试表达能力

很多人不是不会,而是讲不清。

所以这份仓库也在努力解决一个现实问题: 怎么把"知道一点"变成"能系统表达、能拿来面试、能形成项目叙事"。

---

仓库结构

AgentInterview/
├── README.md                # 首页导航与阅读路径
├── docs/                    # 核心正文
│   ├── 01-AIGC 基础.md
│   ├── 02-Agent 架构.md
│   ├── 03-开发技能.md
│   ├── 04-面试题库.md
│   ├── 05-项目建议.md
│   ├── 06-资源汇总.md
│   ├── 07-AI 工程师学习路径.md
│   └── 08-面试表达专题.md
├── examples/                # 示例代码与 Prompt 模板
├── memory/                  # 整理记录、知识卡片、专题笔记
└── SUMMARY.md               # 阶段说明

---

最近整理方向

当前仓库持续补强的重点主要有:

• AI 开发新范式
• Agent / RAG / 工程化实践
• 更适合中文读者的学习路径
• 更适合面试表达的知识结构
• 新增：面试表达专题与项目叙事框架

如果你是第一次来到这个仓库，建议先从这两个文件开始:

• 03-开发技能
• 04-面试题库

如果正在准备面试，建议重点看:

• 04-面试题库
• 08-面试表达专题
• 05-项目建议

---

想把这份仓库用得更值

一个很实用的方式是:

1. 先按主题读
2. 再按题库刷
3. 最后把自己的理解写成回答

因为真正有竞争力的,不是"看过很多资料",而是:

• 能不能把知识组织起来
• 能不能讲成自己的理解
• 能不能把知识和项目经验连起来

这也是这份仓库想帮你做的事。

---

仓库地址

https://github.com/zhouzhupianbei/AgentInterview

如果你也在做 AI 面试准备、AI 工程学习、Agent/RAG 实战,欢迎一起把这份资料库整理得更完整。

---

关注公众号

🔍 开源情报局 - 持续分享优质开源项目,助你发现好工具、好资源。

扫码关注,还可以加入交流群,和更多开源爱好者一起交流 👇