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

=- 识别屏幕中的“拇指热区”与“盲区”<br>- 重新布局高频操作按钮的位置<br>- 设计手势交互替代点击操作<br>- 减少用户调整握持姿势的频率

- 生成符合WCAG 2.1标准的自查清单<br>- 覆盖视觉、听觉、运动和认知障碍场景<br>- 提供技术实现的ARIA属性建议<br>- 降低法律诉讼风险（尤其是海外市场）

=- 区分决策层、管理层和执行层的关注点<br>- 筛选各角色核心KPI与辅助指标<br>- 规划仪表盘的布局与交互逻辑<br>- 避免信息过载,确保一目了然

=- 绘制用户情绪波动曲线(Emotional Curve)<br>- 识别导致用户流失的“痛点时刻”<br>- 分析负面情绪产生的根本原因<br>- 提出针对性的情绪修复方案

=- 识别可能颠覆当前产品的技术奇点<br>- 预测产品生命周期的剩余时间<br>- 制定技术转型或退出的战略路线<br>- 评估新旧技术融合的可能性

=- 罗列目标市场的特定法律法规<br>- 检查数据跨境传输的合规性<br>- 识别支付、税务等运营合规要求<br>- 提供应用商店上架的特殊审核点

=- 剥离既有的形式和假设<br>- 回归物理学或人性的最基本事实<br>- 从底层逻辑重构解决方案<br>- 发现颠覆式的成本或效率优化点

=- 分析产品在产业链中的位置<br>- 识别互补型合作伙伴<br>- 设计利益共享的机制<br>- 避免与生态伙伴发生核心利益冲突

=- 基于PESTEL模型中的政治/法律维度分析<br>- 预测新规对产品核心功能的冲击<br>- 识别潜在的合规红利或成本<br>- 制定应对政策变化的B计划

=- 建立量化的产品生命周期评估标准<br>- 制定“保留、合并、关停”的判定逻辑<br>- 设计平滑的业务迁移路径<br>- 预测关停带来的负面影响及对策

=- 基于“7 Powers”模型评估竞争壁垒<br>- 识别当前护城河的脆弱性<br>- 区分真护城河与虚假优势(如先发优势)<br>- 提出加固护城河的战略建议

=- 根据用户场景拆分基础与高级功能<br>- 设计提升ARPU值的功能组合<br>- 制定针对特定垂直行业的解决方案<br>- 规划功能包的定价逻辑

=- 识别供给不足或过度供给的细分领域<br>- 分析需求侧的未满足痛点<br>- 预测价格机制失灵的原因<br>- 发现潜在的套利或创新空间

=- 提炼产品最核心的差异化优势<br>- 构建“痛点-方案-价值”的叙事逻辑<br>- 适配30秒、1分钟、3分钟不同时长<br>- 强化记忆点,让听众过耳不忘

- 定义智能体的核心路由机制<br>- 规划不同子Agent的职责边界<br>- 设计工具调用（Tool Calling）的接口定义<br>- 梳理记忆模块与上下文管理策略

=- 根据不同平台风格生成差异化文案<br>- 提取产品核心亮点并转化为吸引人的钩子<br>- 自动生成Emoji和Hashtag<br>- 适配推特/微博/朋友圈的字数限制

=- 识别文本中的文化禁忌和敏感点<br>- 调整俚语和隐喻的翻译策略<br>- 适配不同地区的日期、货币、称呼习惯<br>- 提供本地化的表达建议

=- 生成针对特定功能的法律风险清单<br>- 覆盖隐私保护、数据安全、广告法等<br>- 提供合规整改的具体建议<br>- 生成自查确认表格

=- 将模糊的想法转化为可测量的假设<br>- 定义成功指标和护栏指标<br>- 预测实验可能产生的副作用<br>- 估算所需的样本量级逻辑

=- 列举导致指标波动的所有可能因素<br>- 区分内部产品调整和外部市场因素<br>- 建议验证归因的数据查询维度<br>- 生成初步的归因分析报告摘要