把AI知识，读成可复用的工作方法

覆盖 AI 需求定义与场景挖掘、模型能力边界与选型、效果验收与评估、成本与商业化、数据合规、人机协作体验设计、AI 项目管理等产品经理核心考点

覆盖 AI 漫剧全流程：LLM 剧本创作、分镜设计、角色一致性方案、图像与视频生成工作流、配音口型同步、竖屏短剧运营、内容合规与商业化等核心考点

覆盖 Transformer 原理、预训练与数据工程、SFT 与参数高效微调、RLHF/DPO 对齐、推理优化与量化部署、评测体系等大模型算法核心考点

覆盖提示词设计结构、CoT/ReAct 等推理技术、结构化输出、提示词安全与注入防御、评估与版本治理、业务落地方法论等 Prompt 工程核心考点

覆盖知识库规划与治理、内容质量与切分配合、标注数据生产、RAG 效果运营与 bad case 归因、知识保鲜机制、数据合规与安全、运营指标体系等核心考点

覆盖大模型评测体系、评估集建设、程序断言与 LLM-as-judge、对抗与红队测试、性能与安全测试、回归与线上监控、RAG/Agent 专项测试等核心考点

覆盖 AI 平面与视觉设计的全链路考点：提示词与风格控制、ControlNet 工作流、电商/品牌/插画场景、版权与商用授权、批量设计工程化、设计师竞争力重构

覆盖 B 端 AI 落地的全链路考点：客户调研与痛点挖掘、方案架构设计（RAG/Agent/微调选型）、POC 设计、ROI 测算与报价、投标与演示、交付边界管理、行业方案与异议处

覆盖职场 AI 应用的全场景考点：文档写作与总结、表格与数据分析、汇报演示、个人知识管理、提示词模板库建设、人机分工与验证习惯、数据安全红线与团队 AI 化推广

从工具调用走到规划、协作与治理。内容整理自开源仓库 ai-interview-guide（MIT 协议）

从开放问题走到客户生产结果。内容整理自开源仓库 ai-interview-guide（MIT 协议）

从模型能力走到可上线的业务系统。内容整理自开源仓库 ai-interview-guide（MIT 协议）

从架构原理走到吞吐与部署。内容整理自开源仓库 ai-interview-guide（MIT 协议）

从多模态理解走到视觉工具与实时交互。内容整理自开源仓库 ai-interview-guide（MIT 协议）

从召回链路走到评测与生产治理。内容整理自开源仓库 ai-interview-guide（MIT 协议）

从评测方法走到风险控制与线上监测。内容整理自开源仓库 ai-interview-guide（MIT 协议）

覆盖 AI 漫剧前期创作全链路：LLM 辅助剧本创作、人设与世界观、钩子与反转设计、分镜与文案、连载剧情管理与一致性、原创与版权合规、数据驱动改剧等核心考点

覆盖 AI 漫剧中期制作与制片管理：流水线设计与排期、角色一致性生产管控、提示词与 LoRA 资产管理、批量产能、质量与成本控制、外包协作、商业化与合规台账等核心考点

覆盖 AI 漫剧后期全链路：图生视频与运动控制、口型同步与 TTS 配音、音效与混音、剪辑节奏与字幕包装、调色统一、成片规格导出与质检、工程化素材管理等核心考点

Python 语言特性、编码规范、数据类型、正则、装饰器等高频面试题（已排除并发/网络/爬虫/Git/算法专题）。内容整理自开源仓库 Python-Interview-Custom

Java SE 基础高频面试题：JDK/JRE、运算符与关键字、字符串三兄弟、接口与抽象类、异常体系、反射、深浅拷贝等。带【高频】标记的是笔试面试超高频考点。

Linux 常用命令与 Docker 容器高频考点：目录文件操作、vi/vim、压缩解压、授权、端口/进程/内存排查、Docker 镜像与容器管理、docker-compose 等

Redis 高频面试题：数据类型、高性能原理、持久化、缓存三大问题（穿透/击穿/雪崩）、过期删除与内存淘汰、集群方案、事务与缓存预热等。

MySQL 高频面试题：连接与合并、char/varchar、事务与隔离级别、三大范式、索引（分类/创建原则/失效/B+树/覆盖索引）、锁、日志、主从复制、SQL优化与慢查询日志。

RabbitMQ 高频面试题：微服务交互、MQ 三大作用、收发代码流程、消息可靠性（丢失/堆积/幂等）、死信队列、延迟消息与交换机模式，结合项目实战场景整理。

Elasticsearch 高频面试题：倒排索引原理、查询关键字、keyword/text 类型、query 与 filter 区别、与 MySQL 的数据一致性方案、性能优化。

大模型微调高频面试题：全参数微调的局限（显存/硬件/灾难性遗忘/存储成本）、参数高效微调（PEFT）核心思想、LoRA 低秩适配的技术原理与数学基础、适配器注入位置与推理时权重合并

LangChain 高频面试题：六大核心组件、链与代理、提示模板与输出解析、Memory 多轮对话、文档检索与向量存储、LCEL 声明式编排、流式处理、SQL 数据库代理与数据安全

LangGraph 高频面试题：状态图与节点执行流程、TypedDict/Annotated 与 Reducer 状态管理、ToolNode 工具调用、interrupt() 人机

MCP（Model Context Protocol）高频面试题：协议定位与函数调用关系、Server/Client 核心角色、Resources/Tools/Prompts 能力

多智能体（Multi-Agent）系统高频面试题：单 Agent 瓶颈、多 Agent 协作收益、Boss-Worker 中心化模式、流水线模式、民主/辩论式协作、通信冗余控制、一

Agent Skill（智能体技能）高频面试题：SKILL.md 结构与 frontmatter、渐进式披露三层加载、description 触发设计、脚本化确定性执行、Skill

（标题由“监控录用通知（Offer）跟进流程”调整）<br>为招聘团队设计一套标准化的Offer发放后跟进SOP，以提升Offer接受率，减少候选人流失。

帮助招聘分析师或负责人审视并修正现有的ROI计算模型，使其更精确地反映渠道的真实价值。

帮助招聘经理系统性地复盘并优化现有招聘渠道的配置，以提升整体招聘的ROI。

（标题由“改进社交媒体互动运营策略”调整）<br>为雇主品牌团队提供一套优化方案，用于提升在社交媒体上与潜在候选人的互动质量和转化效果。

为HR提供一份合法合规、信息全面的背景调查模板，用于核实候选人信息的真实性。

帮助HR或培训部门制定一个定期维护、迭代公司面试题库的年度计划，确保其时效性和有效性。

（标题由“监控行为面试法培训计划”调整）<br>为HR设计一套针对公司内部面试官的培训课程，教会他们如何运用BEI有效识别候选人的胜任力。

（标题由“执行招聘需求审批汇报流程”调整）<br>为HR和业务部门设计一个清晰、高效的招聘HC（Headcount）申请、审批及进度汇报流程。

（标题由“分析雇主品牌传播效果”调整）<br>为雇主品牌经理设计一个衡量和分析品牌传播活动效果的系统性框架，证明其商业价值。

帮助招聘流程负责人，根据最新的业务实践和团队反馈，对现有标准流程文件进行全面的升级。

帮助招聘数据负责人改进现有的ROI计算表，使其更精准、更自动化、更具洞察力。

为招聘团队负责人设计一个结构清晰、重点突出的周报模板，用于向管理层高效汇报工作进展。

为雇主品牌运营者制定一个系统性的计划，用于在社交媒体上与潜在候选人建立联系并持续互动。

帮助招聘分析师在现有评估模型的基础上，增加更多维度，使其更立体、更具指导性。

帮助招聘团队根据业务变化和实践反馈，对现有的SOP文件进行迭代和完善。

（标题由“监控新员工入职欢迎流程”调整）<br>为HR和行政部门设计一套有温度、有仪式感的欢迎流程，帮助新员工第一天就能感受到归属感。

帮助招聘营销专员制定一个目标明确、渠道精准、预算合理的付费招聘广告投放方案。

为企业HR创建一个工具，用于在猎头合作结束后，系统性地收集用人部门和HR的反馈，以评估猎头价值。

为招聘团队构建一个多维度评估社交媒体招聘（如领英、脉脉、公众号）效果的分析模型。

帮助招聘团队在不牺牲质量的前提下，缩短面试周期，提升面试官和候选人的体验。