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

1. 定义开关的维度（全局/租户/用户ID/地域）。<br>2. 设计开关的生效策略（白名单/百分比）。<br>3. 规划开关的生命周期管理（何时清理）。<br>4. 设计开关变更

1. 梳理发布前的环境准备与配置检查。<br>2. 确认功能验收与回归测试结果。<br>3. 规划数据备份与回滚预案。<br>4. 设计发布后的线上验证（冒烟）流程。

1. 定义标准手势（Tap/Swipe/Pinch）的功能映射。<br>2. 规划自定义手势的触发区域与阈值。<br>3. 设计手势操作的视觉与触觉反馈。<br>4. 处理多指触控

1. 建立错误提示的语气规范（歉意/客观）。<br>2. 设计“错误原因 + 解决方案”的文案结构。<br>3. 规划不同端（App/Web）的展示形式。<br>4. 定义技术错误

1. 识别数据隐私与合规风险（GDPR）。<br>2. 评估服务可用性（SLA）与依赖耦合度。<br>3. 分析安全漏洞与供应链攻击风险。<br>4. 制定替代方案与退出策略。

1. 识别高频查询字段与排序字段。<br>2. 设计复合索引（Composite Index）的字段顺序。<br>3. 规划覆盖索引（Covering Index）以避免回表。<b

1. 制定“类别_模块_功能_状态”的命名法则。<br>2. 规划多倍图（@2x/@3x）与SVG的输出标准。<br>3. 定义通用图标与业务图标的存放目录。<br>4. 设计切图

1. 定义P0/P1/P2级Bug的遗留容忍度。<br>2. 规划核心业务流程的冒烟测试清单。<br>3. 设定性能与兼容性的非功能性标准。<br>4. 设计验收报告的签署流程。

1. 定义字段的三要素（名称/类型/说明）。<br>2. 标记必填（Required）与选填（Optional）。<br>3. 规划枚举值（Enum）的定义与扩展性。<br>4.

1. 选择合适的图表类型（业务流程图 vs 时序图）。<br>2. 定义泳道（Swimlane）的角色划分。<br>3. 规划正常流程与异常分支的表达。<br>4. 统一图元与配色

1. 设计版本记录表格（日期/版本/修改人/内容/类型）。<br>2. 定义变更类型的分类（新增/修改/删除/逻辑变更）。<br>3. 规划变更内容的精准定位（链接/锚点）。<br

1. 建立埋点Schema注册中心。<br>2. 设计接收端的实时校验（Schema Validation）。<br>3. 规划非法数据的隔离（Dead Letter Queue）

1. 设计导出任务的提交与状态查询接口。<br>2. 规划后台队列（Queue）的优先级与并发控制。<br>3. 定义文件生成的存储与过期清理。<br>4. 设计前端进度条与下载中

1. 定义相似性标准（同作者/同类目/同BGM）。<br>2. 设计滑动窗口（Sliding Window）打散算法。<br>3. 规划MMR（最大边界相关）重排序。<br>4.

1. 采集全量访问日志的IP字段。<br>2. 结合GeoIP库映射地理位置。<br>3. 识别高频、聚集、IDC机房IP段。<br>4. 生成封禁黑名单与分析报告。

1. 定义各层（Layer）的数据清洗深度与用途。<br>2. 规划冷热数据分离存储策略（S3/HDFS）。<br>3. 设计数据生命周期管理（TTL）规则。<br>4. 优化各层

1. 划分标签层级（事实/统计/预测）。<br>2. 设计基于规则的实时打标（Trigger-based）。<br>3. 规划基于模型的离线打标（Model-based）。<br>

1. 定义加权因子（时效性/质量分/创作者等级）。<br>2. 设计时间衰减函数（Decay Function）。<br>3. 规划互动指标（点赞/完播）的动态权重。<br>4.

1. 统计各功能模块的渗透率与使用频次。<br>2. 绘制洛伦兹曲线（Lorenz Curve）或帕累托图。<br>3. 识别长尾功能（Long-tail features）。<b

1. 定义Watermark（水位线）生成策略。<br>2. 设计窗口（Window）的触发与关闭逻辑。<br>3. 规划Allowed Lateness（允许迟到）的时长。<br