amitshekhariitbhu/ai-engineering-interview-questions

这个项目是什么

一个免费、开源的备考指南，为准备AI工程工作面试的人设计。它是一长串按主题组织的面试问题和答案。

它包含什么

问题涵盖15个主题领域，包括：

• LLM基础 — 大型语言模型在底层如何工作（transformers、attention、tokenization、sampling、KV cache等）
• 提示工程 — 从LLM获得可靠输出的技术（few-shot prompting、chain-of-thought、prompt injection防御等）
• 检索增强生成（RAG） — 构建在生成答案前检索相关文档的系统
• AI代理和代理系统 — 自主推理和采取行动的系统
• 微调和模型适配 — 定制预训练模型
• 向量数据库和嵌入 — 将文本存储和搜索为向量
• AI系统设计 — 生产级AI系统的架构
• LLMOps和生产AI — 在生产环境中部署、监控和维护LLM
• 评估和测试 — 衡量模型质量
• AI安全、伦理和负责任AI — 风险与防护措施
• 多模态AI — 处理图像、音频和文本的模型
• AI基础设施和可扩展性 — 大规模服务模型
• 编码和实际实现 — 动手编程问题
• 行为与情景问题 — 情境面试问题

许多问题包含指向维护者博客、YouTube频道或社交媒体的详细答案链接。有些问题还没有链接答案。

谁做的

Amit Shekhar，Outcome School（一个AI和机器学习教育平台）的创始人。他维护这个项目，并表示会持续更新新问题。

适合谁

面向面试AI工程师、生成式AI工程师、LLM工程师、代理式AI工程师、AI解决方案架构师、MLOps工程师等职位的人。

值得注意的细节

• 包含一个“必须知道”部分，涵盖六个核心概念：LLM、RAG、MCP、Agent、微调和量化。
• 答案并非全部内联编写——许多指向外部文章和视频。
• 项目积极维护（README声明将持续更新）。