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. 设计全量数据的打包格式（SQL/JSON/CSV）。<br>2. 规划大文件传输的断点续传与校验。<br>3. 定义版本兼容性检查（旧版数据迁新版）。<br>4. 设计迁移过

1. 设计CNAME记录的配置指引。<br>2. 规划SSL证书的自动申请与续期（Let's Encrypt）。<br>3. 定义域名所有权的验证机制（DNS/文件）。<br>4.

1. 设计Access Token与Refresh Token的双令牌机制。<br>2. 规划Token过期时的无感刷新（Silent Refresh）。<br>3. 处理并发请求

1. 定义应用上架的元数据标准（Manifest）。<br>2. 设计OAuth2.0鉴权与API权限范围（Scope）。<br>3. 规划应用在前端的嵌入方式（Iframe/微前

1. 设计基于Elasticsearch的索引结构。<br>2. 规划分词器（IK/Jieba）与同义词库。<br>3. 定义文档权限对搜索结果的过滤逻辑。<br>4. 设计搜索结

1. 定义节点类型（触发/动作/条件/审批）。<br>2. 设计画布（Canvas）的拖拽与连线交互。<br>3. 规划节点参数的配置抽屉。<br>4. 设计流程的校验与版本发布管

1. 设计“常用筛选”与“高级筛选”的分区。<br>2. 规划筛选条件的组合逻辑（And/Or）。<br>3. 定义筛选器的即时响应与Tag展示。<br>4. 设计“保存筛选器”为

1. 定义角色（Role）与权限（Permission）的映射。<br>2. 设计基于部门树的权限继承规则。<br>3. 规划数据权限（本人/本部门/全公司）的隔离。<br>4.

1. 聚合客户的核心经营指标与活跃数据。<br>2. 计算综合健康分（Health Score）。<br>3. 排序高风险与高潜力（Upsell）客户。<br>4. 集成日常跟进任

1. 采集各项计费指标的实时用量（API调用/存储/席位）。<br>2. 设计“用量 vs 费用”的趋势图表。<br>3. 规划余额不足或即将超额的预警阈值。<br>4. 提供详细

1. 计算NDR（净收入留存率）与GRR（总收入留存率）。<br>2. 识别流失客户的共性特征（行业/规模/使用深度）。<br>3. 建立流失原因的分类标签体系。<br>4. 制定

1. 定义成长值（经验值）的获取途径。<br>2. 设定等级门槛与有效期（滚动/自然年）。<br>3. 规划保级与降级的缓冲机制。<br>4. 设计等级变更的即时通知与权益切换。

1. 设定自动审批的金额阈值与信誉门槛。<br>2. 识别无需退货的场景（仅退款）。<br>3. 规划物流轨迹异常时的自动暂停。<br>4. 设计高风险订单的转人工机制。

1. 规划规格组（颜色/尺码）的排列布局。<br>2. 设计规格间的联动置灰逻辑（无货不可选）。<br>3. 定义选中规格后的主图切换与价格变动。<br>4. 优化默认选中策略。

1. 梳理运费影响因子（重量/体积/地区/商家）。<br>2. 设计地址切换后的自动重算机制。<br>3. 规划“满额包邮”的凑单提示。<br>4. 处理超重/超区/不可达的异常提

1. 设计缺货状态下的“到货提醒”按钮。<br>2. 规划订阅数据的存储与需求分析。<br>3. 定义补货上架后的自动触达逻辑。<br>4. 设计长时间未补货的推荐替代品策略。

1. 设计浏览记录的上传触发机制。<br>2. 规划云端存储的数据结构（List + Set）。<br>3. 定义多端合并与去重的逻辑。<br>4. 设计“隐私保护”开关及删除功能

1. 定义优惠券类型（平台券/店铺券/单品券）。<br>2. 设定“平行优惠”或“递进优惠”的计算逻辑。<br>3. 规划互斥关系的配置矩阵。<br>4. 设计前端最优优惠的自动推

1. 梳理类目树的深度（通常不超过3-4级）。<br>2. 设计移动端“左侧一级+右侧二三级”的联动交互。<br>3. 规划热门分类的置顶与图标化展示。<br>4. 定义类目调整时

1. 设计图片/视频上传的压缩与格式限制。<br>2. 接入AI鉴黄/鉴暴模型进行机审。<br>3. 规划人工复审的后台分发逻辑。<br>4. 定义优质晒图的自动加精与奖励规则。