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

帮助HR政策专家，将一本现有的、可能比较晦涩的劳动法政策解读手册，优化成一本管理者真正愿意读、读得懂、用得上的实操指南。

为HR法务或薪酬福利专家设计，旨在建立一个系统性、主动性的劳动合同模板更新机制，确保其持续合规。

帮助ER负责人，基于数据和员工反馈，对现有的员工申诉渠道管理体系进行诊断和改进，以提升其使用率和有效性。

为HR和管理者，梳理并撰写一本关于如何进行员工纪律调查的详尽、实用的操作指南。

指导ER专家，基于数据和经验，对现有的员工关系风险识别清单进行迭代优化，使其更加精准和有效。

帮助HR信息或ER负责人，规划一套针对各类员工事件（违纪、投诉、事故等）的档案进行全生命周期管理的制度。

为HR团队提供一份全面、系统、可操作的自查工具，用于定期对公司在劳动法方面的合规情况进行内部审计。

帮助HR为一个特定的、可能比较敏感的调查主题，设计具体、有效、措辞恰当的问卷问题内容。

为HR或管理者提供一个工具，用于在发生员工相关事件后，快速、规范地生成一份客观、全面的事件记录档案。

为HR法务或ER专家提供一个高效生成内部“劳动法规速递”资讯的模板，确保信息准确、易懂、有指导性。

帮助ER负责人从战略高度规划公司员工申诉渠道的整体布局和管理体系，确保渠道有效、协同、值得信赖。

指导HR或OD专家，为一个特定主题（如组织变革、企业文化）的专项员工调查，定义一个科学、合理的问卷结构。

帮助HRD或ER负责人，针对一个特定的时间窗口（如公司重大变革期），规划一次性的、深入的员工关系风险评估项目。

帮助ER或合规团队，定义一个用于最终呈现调查结果的、极度标准化和结构化的最终调查报告模板，确保其严谨性和法律效力。

帮助内部沟通或HR团队，构思和设计一系列有创意、有吸引力的宣传海报，用于在办公区推广员工行为准则。

指导ER负责人或HRD对现有的员工关系风险评估体系进行一次全面的审视和升级，使其更具前瞻性、数据驱动和战略价值。

为HR和管理者提供一份在具体执行纪律处分时的标准作业程序（SOP），确保每一次处分都做到事实清晰、程序合规、处理得当。

指导ER或HR政策负责人，从无到有或对现有不成熟的流程进行规范，制定一套正式、合规、清晰的员工申诉处理政策与流程。

帮助HR或培训负责人，策划一个年度的、多层次的员工行为标准培训项目，而不仅仅是单次培训。

帮助HR或管理者在执行辞退谈话前，对准备好的沟通脚本进行一次专业的审查和优化，确保沟通过程的平稳、合规与人性化。