一句话看懂：@outcome_school 团队在 GitHub 开源了一份覆盖 35 家 AI 公司的工程师面试题库，全部题目来自公开报告的面试经历，涵盖 OpenAI、Anthropic、DeepMind、DeepSeek、Kimi 等实验室以及 Cursor、NVIDIA 等团队，是目前少见的系统化 AI 岗位面试资料。
事件核心：发生了什么
这份题库由 @outcome_school 团队 @pallavishekhar_ 开源发布，结构分两层。第一层是跨公司通用题，按十大主题归类，包括 LLM 内部机制（attention 缩放因子、KV cache 内存推导、RoPE、MoE、Chinchilla scaling laws）、推理与服务性能（prefill vs decode、PagedAttention、投机解码、五种并行策略、TTFT/TPOT 指标）、RAG、Agent 与 MCP、微调对齐、评估、安全、多模态语音、系统设计和编码题。
第二层是 35 家公司的专属章节，分为前沿实验室、大厂 AI 组织、AI 基础设施、AI 原生产品和前向部署五类。覆盖岗位包括 AI Engineer、LLM Engineer、ML Engineer、Research Engineer 和 FDE 等。开源地址在 github.com/pallavi-shekhar。
为什么重要
题目分布直接暴露了各家公司的技术取向。DeepSeek、Kimi、GLM、Qwen 的题绑定自家论文，MLA、Multi-Token Prediction、MuonClip 都在考察范围，等于要求候选人复现论文细节；Groq 专注 SRAM-only 架构下的 roofline 重推演；Apple 清一色端侧问题，如 3B 模型上手机、PTQ 与 QAT 取舍；Harvey、Abridge 则考法律和医疗场景下的检索与合规约束。这种“按商业模式出题”的方式，比通用算法题更能反映 AI 岗位的真实能力门槛。
另一个信号是编码轮形态变化。OpenAI、xAI 都出现“实现带事务的 KV 存储”“重构 120 行代码但不许破坏测试”这类题，考察代码演进和并发正确性，而非算法背诵。Anthropic、Meta、Cursor 甚至设置了 AI 协作轮，允许现场用 Claude 或 AI 工具，考的是指挥和验证产出的能力。
对用户/开发者/创作者的影响
对开发者，这是一份可对照的能力清单，能看出推理性能量化直觉、RAG 工程细节和 Agent 编排已从加分项变成通用素养。对准备跳槽的人，FDE 作为一级岗位类别出现，说明 AI 公司正把企业落地能力当作差异化，相关场景题值得提前准备。对创作者和内容团队，题库里关于评估、幻觉检测、提示注入的题目，也可作为使用大模型时的风险自查参考。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是题库是否会持续更新，尤其是 2026 年 Meta 新增的 AI 辅助编码轮等新流程；二是 AI 协作轮这类形式是否会被更多公司采用，进而改变面试评价标准；三是各家实验室的题目是否会随模型迭代快速过时，维护者如何跟进论文与产品更新。
来源：@shao__meng
