标签
一篇 AI 工程面试深挖题整理,涵盖向量检索、上下文溢出、Agent 状态机、重试机制、Function Calling 死循环,以及并发、数据库索引、网络等基础工程问题的解决思路与面试准备建议。
分享 LinkedIn 上 AI Engineer 岗位 JD 的共同要求——证明能把 AI 落地到生产环境,并推荐 15 个能为简历加分的实践项目,如基于 1000+ 真实文档的带出处 RAG 问答系统。
作者分享了自己作为普通北美 PhD 在 2026 年 AI 行业求职的经历与心得,指出 agent 能力跃升导致大量竞争者涌入、经验者更受青睐的市场现状,并给出只面有意愿去的公司等三条实用建议。
介绍由前 Meta/Airbnb 数据工程师 Zach Wilson 主导的开源项目 The Data Engineering Handbook(约 45k Stars),这是一站式数据工程学习路线库,涵盖实战项目、面试指南、经典书单、社区与邮件周报等资源。
帖子解释了 RAG 中为什么既需要 embedding 召回又需要 rerank 重排:双塔模型编码快、可离线预计算文档向量,适合大规模召回但细节捕捉弱;交叉编码器逐对打分更准但计算昂贵,因此先召回后重排是必要的取舍。
作者分享了一份面向 Agent 开发与面试的 RAG 与记忆系统学习路线,覆盖分块、混合检索、Rerank、向量数据库选型以及短期/长期记忆管理,并附上 Lewis 等人的 RAG 原始论文等参考资料。
一篇关于 Agent 高频面试题「讲讲你的 RAG 链路」的详解长文,系统梳理了 RAG 的离线建库(解析、切分、向量化、建索引)与在线问答(召回、重排、上下文)全流程的原理、取舍与常见面试追问。
TrenTorch 是一个免费的 AI/ML 实战刷题网站,提供 1600+ 道从零实现机器学习核心组件的题目,覆盖线性回归、神经网络、强化学习到 Kernel,配有理论讲解、真实 PyTorch 签名实现与隐藏用例判分,帮助求职者备战 AI/ML 面试。
开源仓库 ai-agent-interview-guide 整理了 200+ 道 AI Agent 岗位面试题及答案,并附带 Python/Java/Go 三语言版本的企业级实战项目、学习路线图、简历模板和漫画图解,GitHub 已获 3242 星。
一条推文列出了关键的AI工程概念,例如KV cache和speculative decoding,挑战专业人士在2026年的面试中清晰地解释它们。
Minko Gechev创建了一个GitHub仓库,包含他组织的Google面试准备笔记,该仓库已获得超过3,000个星标。
LeetCode Coach 是一个 AI 代理,旨在提升编程面试中的数据结构和算法直觉与模拟面试表现,提供自适应提示、计时模拟和个性化学习计划。
这篇文章列出了10个对系统设计至关重要的GitHub仓库,包括学习可扩展架构和准备技术面试的资源。
ByteByteGo团队制作的开源项目system-design-101,通过架构图简化系统设计面试知识点,已获84.1k星标,适合面试准备和团队培训。
一条推文分享了一个全面的GitHub仓库,包含系统设计面试的笔记和资源,基于Alex Xu的书籍,涵盖各种系统设计主题。
这篇文章是一条推文,宣传Donne Martin的系统设计入门,这是一个开源的GitHub仓库,提供学习系统设计和准备技术面试的资源。
一个GitHub仓库,精选真实的DevOps面试题、故障流水线和Kubernetes挑战,用于动手实践式面试准备。
一条推文,分享了 10 个用于掌握数据结构和算法的 GitHub 仓库,包括 Coding Interview University、The Algorithms、JavaScript Algorithms 以及其他面试准备资源。
一条推文重点介绍了一个GitHub仓库,其中包含基于Alex Xu书籍的全面系统设计面试笔记,涵盖限流、一致性哈希、键值存储等主题。
文章详细拆解了 OpenAI 软件工程师的完整面试流程,按轮次分析了初筛、编码、系统设计、居家项目和终面背后的核心考点,并整理成一份可系统的工程师进阶清单。