🤖 Agent Interview Hub

📌 这是什么？

专为国内大厂 AI Agent 工程师跳槽/求职打造的一站式面试知识库。

• 🎯 面向谁 — 准备跳槽阿里、字节、腾讯、百度等大厂 Agent 岗位的工程师
• 📚 包含什么 — 300+ 高频问题与参考答案、15 类公司/岗位资料、6 道限时实操考题、35 篇通用知识文档
• 🗺️ 学习路线 — 从零到 Offer 的 16 周完整学习计划
• ✨ 特色亮点 — 题目全带答案、面经来自牛客真实分享、支持 GitHub Pages 在线浏览

🧭 知识体系

AI Agent 工程师知识体系
│
├── 🧱 基础层
│   ├── Transformer 架构与注意力机制
│   ├── LLM 原理 / Tokenization / Embedding
│   └── Prompt Engineering 基础
│
├── 🔧 核心层
│   ├── Agent 设计模式（ReAct / Plan-and-Execute / Multi-Agent）
│   ├── RAG 全链路（检索 / 分块 / 重排 / 生成）
│   ├── Function Calling / Tool Use 🆕
│   ├── MCP（Model Context Protocol）🆕
│   ├── 主流框架（LangChain / LangGraph / AutoGen）
│   └── Context Engineering 上下文工程
│
├── 🚀 进阶层
│   ├── Agentic RAG / GraphRAG
│   ├── Agentic Coding 与 AI 编程工具 🆕
│   ├── 模型微调 / 推理优化 / 量化部署
│   └── Agent 安全、评估与对齐
│
└── 💼 实战层
    ├── 系统设计与项目经验
    ├── 大厂岗位要求解读
    └── 面试技巧与真实面经

🗺️ 学习路线图

16 周从基础到 Offer，每周有明确目标和推荐资料

➡️ Agent工程师学习路线图.md

📚 通用知识

🆕 2026 年 10 月主题练习与参考答案

156 道题分类索引 · 来源分级与答案资料

覆盖 13 类：127 道通用技术题放入 通用知识/、15 道算法题及 Python 实现放入 面试算法题/、14 道项目题放入 项目实战/。每题附参考答案、得分点、追问与易错点，并接入新版交互题库的「2026-10 跨公司主题练习（非真题）」分组。

来源快照为 2026-10-22，答案整理于 2026-10-23。题目按公开面经报道主题改写，不是公司官方真题或标准答案；63 条来源保留 B/C 证据状态，不将聚合线索、付费预览或编辑改写升级成真实面试。答案未经独立专家逐题复核，详见索引边界说明。

🔧 核心技术

📝 面试题库

🌐 进阶面试题

🎯 实操考题（限时挑战）

来自 agent-interview-prep 项目，模拟真实面试场景的限时编程题

🗺️ 使用 Obsidian 的同学可以打开 Agent 工程师知识地图，从长期路线、核心知识、项目实战和公司面经四条线复习。

🏢 国内大厂面经

🌍 海外顶级 AI 公司面经

📖 海外公司综合攻略：海外顶级AI公司面试攻略-2026 🆕

🚀 使用指南

在线阅读（推荐）

访问 GitHub Pages 站点，移动端友好：

• 经典版（原页面）：https://zchary1106.github.io/agent-interview-hub/index.html
• 新版（备考路径版）：https://zchary1106.github.io/agent-interview-hub/new.html
• 高频题信号榜：https://zchary1106.github.io/agent-interview-hub/question-signals.html

经典版保持原有内容和默认地址，并在页面顶部提示切换新版；新版使用新的求职准备布局。

本地阅读

git clone https://github.com/Zchary1106/agent-interview-hub.git
cd agent-interview-hub
# 用任意 Markdown 编辑器打开即可

本地构建静态站

python3 -m pip install -r requirements.txt
python3 scripts/build_site.py
python3 -m http.server 8000 -d dist

生成结果会输出到 dist/。GitHub Pages 通过 .github/workflows/pages.yml 在 main 分支 push 后自动构建并发布。

安装面经采集 Agent

本仓库内置 Interview Collector Agent，用于从牛客、小红书、知乎、CSDN、博客园、掘金、GitHub 等公开来源搜索面经，整理成结构化候选，再同步到索引和公司文档。

bash agents/interview-collector/install.sh --targets copilot,claude,cursor,generic

支持安装到：

详见 Interview Collector Agent 说明。

完整采集流程也可以用脚本跑：

# 1. 检查本机搜索/读取工具
python3 scripts/collect_interviews.py doctor

# 2. 搜索公开来源，生成候选 JSON 和 Markdown 报告
python3 scripts/collect_interviews.py search \
  --platform nowcoder \
  --platform zhihu \
  --platform blogs \
  --platform github \
  --query "AI Agent 大模型 面经 2026" \
  --output data/interview_candidates.json \
  --report data/interview_candidates.md

# 3. 人工或 Agent 审核候选后，再整理进 data/interviews.json
python3 -m json.tool data/interviews.json
python3 scripts/build_site.py

如果本机已配置 OpenCLI，也可以追加小红书搜索：

python3 scripts/collect_interviews.py search \
  --platform xiaohongshu \
  --query "AI Agent 面经" \
  --append

推荐阅读顺序

1. 📖 先看 学习路线图，了解全局
2. 🧱 通读 Agent 核心概念与设计模式
3. 🔧 深入 RAG 和 LangChain/LangGraph
4. 🆕 掌握 Function Calling 和 MCP（2025 高频新考点）
5. 📝 刷 八股文完整答案集（69 题）
6. 🏢 针对目标公司看对应面经
7. 🔥 最后用 高频拷打题 查漏补缺

🤝 贡献指南

欢迎一切形式的贡献！

• 📝 提交面经 — 通过 Issue 分享你的面试经历
• 🔧 提交 PR — 补充题目、修正答案、新增公司面经
• ⭐ Star — 最简单的支持方式，让更多人看到

贡献步骤

# 1. Fork 本仓库
# 2. 创建分支
git checkout -b feat/add-xxx-interview
# 3. 提交更改
git commit -m "feat: 新增 xxx 面经"
# 4. 推送并创建 PR
git push origin feat/add-xxx-interview

Star History

📄 License

本项目采用 MIT License 开源。