guocong-bincai/ai-interview-guide

AI 应用开发、Agent开发、RAG开发、FDE开发岗位面试宝典 - 二狗子整理

ai-interview-guide は、AI関連のエンジニアリング職に応募する人向けの無料・オープンソースの面接準備コレクションです。問題集と学習資料として構成され、単一の職種だけでなく、さまざまなAIロールをカバーすることを目的としています。READMEでは「すべてのAIポジションのための体系的な面接ガイド」と説明されており、役割別の学習ルートが用意されているため、最初から最後まで全部をやる必要はありません。

内容

28のトピック領域と720の質問。 トピックには、LLMの基礎、プロンプトエンジニアリング、RAGシステム、Transformerアーキテクチャ、AIエージェント、ベクトル検索、モデルトレーニング、推論最適化、AI安全性、本番展開、マルチモーダルAIなどが含まれます。（あるセクションでは「673の面接質問」、別のセクションでは「28トピックにわたる720の質問」とあり、両方の数字がREADMEに記載されています。）
各質問に図解付き。 プロジェクトは各質問にアニメ/コミックスタイルの「知識ダイアグラム」をペアにしています。これらの図は装飾ではなく、各図は質問と回答を完全に読んだ後に作成され、コアメカニズム、エンジニアリングフロー、一般的な間違い、そして一行の記憶フックを捉えることを目的としています。アイデアは、まず図を覚え、それから口頭の回答に展開することです。
「Dive into LLMs」と呼ばれる11のスライドデッキ（合計495ページ）。 これらは、ファインチューニングと展開、プロンプティングと思考連鎖、知識編集、数学的推論、テキスト透かし、脱獄攻撃/防御、テキストステガノグラフィー、マルチモーダルモデル、GUIエージェント、エージェント安全性、RLHFアライメントなどのトピックに関するコース形式のPDFです。

回答の設計方法

プロジェクトの回答は意図的に「Xとは何か」を超えています。なぜこの選択がなされたのか、どう検証するか、品質・レイテンシ・コスト・安全性・複雑さ・代替案をどう比較するかも説明するように構築されています。READMEではこれを「エンジニアリングトレードオフ」の強調と呼んでいます。

各質問は3つのバージョンで練習することを想定しています：

30秒バージョン — 結論とコア判断を最初に述べます。
3分バージョン — 原理、オプション比較、エンジニアリングトレードオフを追加します。
フォローアップバージョン — 検証方法、失敗時の対処、代替アプローチを使わない理由を説明します。

役割別の学習パス

READMEは各役割に異なる読書順序を提案しています。例：

LLMアプリケーションエンジニア：LLM基礎 → プロンプト → RAG → エージェント基礎 → 本番展開 → AIシステム設計
RAGエンジニア：LLM基礎 → RAG → ベクトルインデックス → 高度なRAG → 安全性/評価 → エージェント可観測性
エージェントエンジニア：プロンプト → エージェント基礎 → 計画/振り返り → マルチエージェント → MCP/スキル → 可観測性
モデルトレーニング/推論エンジニア：Transformer → モデルトレーニング → 推論最適化 → 推論フレームワーク → 本番展開
フォワードデプロイエンジニア（FDE）：プロジェクト経験 → Pythonエンジニアリング → AIシステム設計 → 本番展開 → FDEトピック
マルチモーダルエンジニア：Transformer → マルチモーダル → マルチモーダルエージェント → 推論最適化 → 本番展開
AI安全性/評価エンジニア：LLM基礎 → プロンプト → 安全性/評価 → 可観測性 → 本番展開

コンテンツ品質ルール

プロジェクトは「純粋な量よりも質問の質」を優先すると述べています。READMEの具体的なルール：

出典のない正確なパフォーマンス数値は禁止。
捏造された「大企業面接」ラベルは禁止。
一人称のプロジェクト成果は禁止。
変更を送信する前に、貢献者は壊れたリンク、ページ内アンカー、質問番号、重複タイトル、出典を手動でチェックする必要があります。
自動監査は、壊れたリンク、重複質問、必須データが欠けているエントリをチェックします。

使用方法

READMEのクイックスタートアドバイス：

初めての学習者：上記の役割ルートに従ってください。
面接前のクイックレビュー：「企業別面接質問」セクションから始め、その後弱点トピックに戻ります。
深いプロジェクト質問の準備：プロジェクト経験とAIシステム設計セクションを練習します。
FDEロールの準備：FDEセクション（オープンエンドの問題分解、顧客納品、本番AIシステム）を練習します。
一般的なアドバイス：まず判断を述べ、次に知識を説明します。プレースホルダーの例の数字を自分の実験やプロジェクトからの実データに置き換えます。ソリューションがいつ機能し、いつ失敗するかを述べ、監視とロールバック方法も説明します。時間に敏感な詳細（製品バージョン、論文結果、パフォーマンス主張）は公式ソースで検証します。

追加詳細

READMEは中国語、英語、日本語、韓国語、ブラジルポルトガル語、スペイン語に翻訳されています。
プロジェクトはMITライセンスです。
メンテナーは任意の「チップ」（WeChat/Alipay QRコード経由）を受け付けていますが、これは完全に任意であり、追加コンテンツを解放しないと述べています。リポジトリにスターを付ける、共有する、実際の面接フィードバックを送信することは、同等に価値のあるサポートと説明されています。
リポジトリには2つのガバナンスドキュメントが含まれています：コンテンツ品質仕様（CONTENT_QUALITY.md）とイラスト制作仕様（ILLUSTRATION_GUIDE.md）。