EmbraceAGI/AIGC_Interview · 上手攻略

仓库：EmbraceAGI/AIGC_Interview
链接：https://github.com/EmbraceAGI/AIGC_Interview
分类：academic-writing / career
作者：Tom
更新：2026-08-23

这是什么

AIGC_Interview 是一个中文 AIGC（人工智能生成内容）领域求职百科全书，涵盖算法工程师、提示词工程师、产品经理等岗位的面经、必备基础知识、学习路径和资源索引。仓库以 Markdown 形式维护，持续更新，分类清晰，聚合了知乎、牛客、CSDN 等平台大量真实面试经验分享，是 AIGC 求职者的一站式参考资料。

⚠️ 性质说明：这是一个资料整理型仓库，内容来自公开网络汇编，包括知乎专栏文章、牛客面经、公众号文章等，不代表任何官方认证的正确性，部分资源的时效性和准确性需自行核验。

解决什么问题

AIGC 领域求职资料分散在知乎、牛客、微信公众号、知识星球等多个平台，缺少系统性整理。入门者不知道需要学什么、面试问什么、该准备哪些知识点。该仓库的核心价值：

面经聚合：来自国内各公司（百度、腾讯、阿里、字节、商汤、蚂蚁等）的真实 AIGC 算法/产品面试经验
知识体系梳理：提示词工程、Embedding、Fine-tuning、LLM 原理、Stable Diffusion 等核心知识点的结构化整理
学习路径指引：从 AI 基础到高级提示词工程的渐进式学习资源推荐
职业争议呈现：对"提示词工程师"等新职业的正反两面观点均有收录，帮助求职者形成独立判断

仓库内容结构

AIGC_Interview/
├── 面经/                    # 真实面试经历
│   ├── 算法方向/            # AIGC 算法工程师面经
│   └── 产品方向/            # AI 产品经理面经
├── 观点/                    # 各方对 AIGC 职业的观点
├── 提示词方向/              # Prompt Engineering 知识
├── 学习资源/
│   ├── 学习路径/
│   ├── AIGC知识库/
│   └── 学习路线图
└── AIGC应用开发/            # LangChain、Agent 等开发技能

快速使用

git clone https://github.com/EmbraceAGI/AIGC_Interview.git
cd AIGC_Interview

# 按需查找面经（以"字节AIGC面经"为例）
grep -r "字节" . --include="*.md" | head -20

# 查看所有资源列表
cat README.md

无需安装依赖，纯 Markdown 文档本地阅读即可。

核心内容详解

1. 算法方向面经（核心内容）

覆盖国内主要 AI 公司的 AIGC 算法岗位面试，典型篇目包括：

- 我的大模型岗位面试总结：共24家，9个offer
- OpenAI 面试总结（非面经），挂了
- 用ChatGPT复习算法工程师面试系列--AIGC算法篇
- 【LLM】大模型面试准备-2（题库整理篇）
- 深度学习算法面试常见基础问题（2）AIGC相关问题
- 国内大模型公司，粗略面经+感受+一些包裹
- 2024届暑期实习蚂蚁一面面经（AIGC）
- 手把手教你如何成为AIGC算法工程师

典型 AIGC 算法面试知识点： - Transformer / Attention 机制原理 - LLM 预训练 / SFT / RLHF 流程 - 提示词工程（Prompt Engineering）高级技巧 - LangChain / Agent 开发基础 - 向量检索与 Embedding - Stable Diffusion 原理（图像方向）

2. 提示词工程师职业观点

仓库收录了关于"提示词工程师"这一新职业的正反两面观点，帮助求职者理性判断：

正面观点： - "Prompt 工程师入门门槛可能是历史最低值，是入行的好时机"（InfoQ 采访） - "会写提示词作为跳板，进入行业后再提升自己，是非常好的路径"

反面观点： - "普通人转行提示工程师毫无意义" - "6个月时间，百万年薪的提示词工程师光速失业" - "提示工程是生成式 AI 的一个临时阶段"

3. 学习资源导航

按学习阶段整理的资源推荐：

## 入门级
- 吴恩达《面向开发者的 ChatGPT 提示词工程》（DeepLearning.ai 免费课程）
- Learn Prompting（英文，结构化体系）
- LangGPT 结构化提示词（中文优质开源项目）

## 进阶
- OpenAI Prompt Engineering Best Practices（官方指南）
- Lilian Weng AI Agents 博客（OpenAI Head of Safety）
- 复旦NLP x 米哈游 Agent Survey（arXiv 论文）

## 开发工具
- LangChain 教程（吴恩达 x LangChain 官方联合课程）
- LangChain-ChatGLM（中文本地知识库方案）
- OpenAI Python SDK

4. 典型学习路径

第一阶段：AI 基础
  → 吴恩达《ChatGPT 提示词工程》+ DeepLearning.ai
  → GPT / InstructGPT / RLHF 原理（知乎文章）

第二阶段：提示词工程
  → LangGPT 结构化提示词
  → Learn Prompting（进阶部分）
  → Few-shot / CoT / ReAct 等技巧

第三阶段：应用开发
  → LangChain 入门
  → 本地知识库 RAG 实战
  → Agent 开发（AutoGPT / LangChain Agents）

第四阶段：求职准备
  → AIGC 算法面经刷题
  → 项目经验整理
  → 模拟面试

典型适用场景

AIGC 算法工程师求职者：系统准备 LLM / Diffusion 相关面试
提示词工程师转型者：了解行业真实需求和职业天花板
AI 产品经理求职者：参考面经了解算法边界，避免面试时说外行话
AIGC 入门者：按仓库梳理的学习路径，避免走弯路
面试官出题参考：从面经中了解候选人可能掌握的知识体系

坑与注意

内容时效性：AIGC 领域发展极快，2023-2024 年的面经可能无法反映 2026 年的最新面试要求，LLM 技术细节建议交叉核验
非原创内容：仓库是资料汇编，部分内容来自第三方平台，原始出处链接尽量保留，但可能存在链接失效的情况
观点质量参差：职业观点类内容代表各方立场，读者需独立判断，不宜将单一观点作为职业决策依据
缺少原创系统性：作为知识库覆盖面广，但深度有限——它更像索引而非教程，系统学习仍需配合论文 + 官方文档
部分链接需科学上网：仓库引用的部分资源（如 learnprompting.org、arxiv 论文）在国内访问可能受限
Stars 数字 811（2026-08-23 快照）：⚠️ 该数字可能随时间变化，建议以 GitHub 实际页面为准

与同类对比

仓库	类型	优势	局限
EmbraceAGI/AIGC_Interview	面经/知识库	中文面经全，职业观点双面收录	无原创深度，内容时效性风险
yzfly/awesome-chatgpt-zh	资源列表	覆盖面更广，含中文优质内容	侧重工具而非求职
yzfly/LangGPT	提示词方法论	结构化提示词体系完整	非面经类
huggingface/peft	论文/代码	LLM 微调权威资料	面向研究者而非求职者

EmbraceAGI/AIGC_Interview 的独特价值在于它是中文 AIGC 求职场景下覆盖面最广的面经索引，特别适合国内求职者快速定位目标公司面试风格，但系统性学习仍需配合论文和官方文档。

一句话结论

如果你正在准备 AIGC 相关的国内求职面试（算法/产品/提示词），这个仓库是最高效的起步资源——先在这里定位目标公司的面经和所需知识点，再配合论文和项目实战深入准备；但它是资料汇编而非原创教程，时效性和观点客观性需自行核验。