WeThinkIn/AIGC-Interview-Book · 上手攻略

  • 仓库：WeThinkIn/AIGC-Interview-Book
  • 链接：https://github.com/WeThinkIn/AIGC-Interview-Book
  • 分类：知识库 · AI 算法面试
  • 作者：Tom
  • 更新：2026-08-09

这是什么

AIGC-Interview-Book（又名《三年面试五年模拟》）是 GitHub 上规模最大的 AIGC / LLM / AI Agent 算法岗面试知识库之一，由 AIGCmagic 社区维护者 Rocky Ding（知乎 AI 领域知名博主）主导，数十位一线算法专家共同贡献。内容覆盖算法岗和工程岗两大方向，涵盖：

  • 算法岗：AIGC / LLM / AI Agent / 具身智能 / 世界模型 / AGI / CV / NLP / 强化学习 / 自动驾驶 / 机器学习 / 模型部署等
  • 工程岗：Python / Java / C++ / Go / 前端 / 后端 / 测试 / 运维 / 架构

核心内容为：面试知识点梳理、高频面试题库、真实面经、企业题库、学习路线规划、AI 行业趋势观察。

快速上手

方式一：直接浏览 GitHub（推荐先通读目录）

仓库根目录即内容入口，按主题目录分章节。热门教程精选包括：

教程 定位
2026 AI Agent 岗面试 50 问 Agent 本质、工具协议、Memory、评测
多模态算法岗 30 天复习路线 VLM、模态对齐、训练微调
大模型面试最高频 100 问 架构、训练、后训练、RAG、推理、评测
AI 算法岗薪资与岗位技术栈地图 岗位方向、技术栈、薪资认知
60 天大模型算法岗系统路线 Transformer → 对齐 → 评测 → 部署

方式二：加入知识星球社区

作者提供配套知识星球社区（微信扫码或知识星球 APP），可参与答疑、内推对接、模拟面试、简历诊断等进阶服务。另设配套交流群（添加小助手微信 Jarvis8866）。

方式三：共创贡献

通过 GitHub PR / Issue 投稿真实面经、企业题库、章节纠错、内容更新。共建需读 workspace/CONTRIBUTING.md，按模板提交。贡献者定期上贡献榜单。

核心用法

用作面试准备路线图

如果你是算法岗求职者：先从「60 天大模型算法岗系统路线」或「30 天 AI 算法岗冲刺路线」开始，找准自己的基础水平（对照目录里的"计算机基础"/"机器学习基础"/"深度学习基础"自测），然后按路线推进到目标方向。

核心知识结构：

LLM 基础 → 扩散模型 → 多模态 → AI Agent → 具身智能
                        ↓
              面试最高频 100 问（大模型方向）

用作技术知识速查

每个方向目录（LLM 大模型基础、AI Agent 基础、AI 多模态基础等）都是独立可读的知识体系，无需按顺序，可直接跳读感兴趣的章节。例如想了解 RAG 可以去大模型基础目录，想了解 Agent 框架对比可以去 AI Agent 基础目录。

用作行业薪资 / 方向判断参考

「AI 算法岗薪资与岗位技术栈地图」章节整理了不同公司 / 方向 / 级别的技术栈和能力要求，可用于： - 评估自己的技术水平在市场上的位置 - 判断哪些方向当前溢价更高 - 校准简历项目表达和面试叙事

⚠️ 注意：薪资和市场信息有时效性，仓库会尽量附上公开来源和日期，但仍需自行核实最新市场情况。

用作社区人脉入口

贡献者中有多位来自头部 AI 独角兽、互联网大厂、国企研究院的真实从业者。社区共创机制允许通过 PR 投稿真实面试经历，对求职者来说是不可替代的一手信息来源。

典型适用场景

  • AIGC 算法岗求职者：系统性复习 LLM / Agent / 多模态 / 扩散模型知识，对照高频题库模拟面试。
  • 在职工程师转型 AI：按"从传统 CV 转 AIGC 的最短路径"等专项路线补齐大模型知识体系。
  • 面试官出题参考：企业算法岗面试官从题库中挑选题目，了解当前市场期望的技术深度。
  • AI 行业观察：关注每季度发布的「AIGC 面试趋势报告」，了解哪些技术已真实进入面试、哪些仍处于早期观察阶段。
  • 社区共建者：通过 PR 投稿一手面经，成为贡献者并获得曝光。

坑与注意

  1. 时效性需要自己把关：AI 行业变化快，仓库尽量标注来源和日期，但部分章节可能存在模型版本（如某版 GPT-4 发布时的信息）和框架版本（如 LangChain 某个版本特性）已更新的情况。读到自己熟悉的领域时，优先对照官方文档做交叉验证。

  2. 社区二维码和微信群需要额外信任：加入知识星球或交流群涉及添加个人微信，请自行判断。注意：GitHub 仓库本身是公开内容，知识星球是付费/增值服务，不是仓库的必选项。

  3. 内容体量极大，容易迷失：初次打开可能有"这么多该从哪里看"的感受。建议先从精选课程列表（README 中列出的 15 个教程）中找准一个入口，再按路线深入，不要试图通读。

  4. 面经主观性强：投稿面经来自个人经历，同一公司同岗位不同年份、不同面试官风格差异很大，仅供参考，不要当成绝对标准答案。

  5. 搬运内容未完全去重：部分章节引用了其他公开文章或论文摘要，核心理论部分尽量对照原始来源确认。

  6. 英文面试准备缺口：仓库以中文为主，如果目标是外资公司（Anthropic、Google DeepMind、OpenAI 等）的英文面试，还需补充英文表达和英文算法题练习。

与同类对比

仓库 定位 规模 优势 局限
AIGC-Interview-Book AIGC 算法岗 + 工程岗面试知识库 ★★★★★ 覆盖面极广、共创机制、面经一线从业者 时效性需自核、中文为主
WeThinkIn/ROCm （同名不同仓库） — — —
hijkmp/LLM_Interview LLM 面试题整理 ★★★ 聚焦 LLM 方向 体量较小、更新频率低
prompt-engineering-for-llms（线上课程） LLM prompt 工程 ★★ 系统化教程 非开源、需付费
huggingface/transformers（官方文档） 模型技术细节 ★★★★★ 最权威、最实时 不是面试导向

一句话推荐结论

AIGC-Interview-Book 是中文互联网最全面的 AIGC / LLM 算法岗面试知识库之一，适合系统复习、快速查漏、评估市场定位——但记得把它当成路线图和起点，而不是终极答案；技术知识部分交叉核实官方文档，面经部分保持批判心态。