国内最全的 AI Agent 工程师面试知识库
300+ 面试题（全部带答案）· 14 家公司岗位要求与面经（含 Anthropic 等海外顶级 AI 公司）· 6 道实操考题 · 16 周完整学习路线图
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+ 高频面试题（全部附答案）、9 家大厂岗位要求与真实面经、6 道限时实操考题、20 篇深度技术文档
- 🗺️ 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
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
16 周从基础到 Offer，每周有明确目标和推荐资料
| # | 文档 | 简介 |
|---|---|---|
| 1 | Agent 核心概念与设计模式 | ReAct、Plan-and-Execute、Multi-Agent 等核心范式 |
| 2 | Agent 框架全景 | LangChain、AutoGen、CrewAI 等主流框架横评 |
| 3 | LangChain 与 LangGraph 深度解析 | 链式调用到图编排的演进与实战 |
| 4 | RAG 核心知识与面试题 | 检索增强生成全链路：分块、检索、重排、生成 |
| 5 | Agentic RAG 与 GraphRAG 深度解析 | 从朴素 RAG 到 Agent 驱动的智能检索 |
| 6 | Context Engineering 上下文工程 | 上下文窗口管理、压缩与优化策略（含 Anthropic 最新实践）🔄 |
| 7 | Agent 安全与评估体系 | Prompt 注入防御、幻觉检测、评估框架 |
| 8 | 大模型推理优化与部署 | 量化、蒸馏、KV Cache、vLLM 等推理加速 |
| 9 | Function Calling 与 Tool Use 专题 | 三大厂商实现对比、调用模式、安全防御 🆕 |
| 10 | MCP 与工具生态 | Model Context Protocol 架构、开发实战、企业应用 🆕 |
| 11 | Agentic Coding 与 AI 编程工具 | Claude Code / Cursor / Copilot 对比、Hooks、人机协作 🆕 |
| # | 文档 | 简介 |
|---|---|---|
| 12 | 最新 AI Agent 面经索引（2026） | 牛客、小红书、知乎、CSDN、GitHub 等公开来源的最新面经入口 |
| 13 | 核心概念详解与参考答案 | 高频概念题精讲与标准答案 |
| 14 | 八股文完整答案集 | 69 道八股题，全部附详细解答 |
| 15 | 八股文题库 - DataWhale 开源 | DataWhale 社区精选题库 |
| 16 | 高频拷打题 - 牛客热帖 | 牛客论坛高赞面试拷打合集 |
| 17 | 技术知识点汇总 | 速查手册：关键知识点一网打尽 |
| 18 | 其他公司面经 - 快手携程等 | 快手、携程等公司面经补充 |
| # | 文档 | 简介 |
|---|---|---|
| 19 | Agent 核心概念面试题 - 进阶篇 | 核心概念高频问答进阶版 |
| 20 | 系统设计面试题 - 进阶篇 | 系统设计题与参考答案进阶版 |
| 21 | AI 协作与工程化面试题 - 进阶篇 | AI 协作工程化问答进阶版 |
| 22 | 交互式面试算法题图谱 | 近期公开 Agent / 大模型面经算法题，附可折叠 Java 解法 |
来自 agent-interview-prep 项目，模拟真实面试场景的限时编程题
| # | 题目 | 难度 | 限时 |
|---|---|---|---|
| 1 | 智能文档问答 Agent | ⭐⭐ | 4-6h |
| 2 | 多 Agent 团队协作 | ⭐⭐ | 4-6h |
| 3 | ReAct 模式 Agent | ⭐⭐ | 3-5h |
| 4 | AI 限时全栈开发 | ⭐⭐ | 2-3h |
| 5 | AI 调试挑战 | ⭐⭐⭐ | 1-2h |
| 6 | AI Code Review Agent | ⭐⭐⭐ | 4-6h |
| 公司 | 岗位要求 | 面试题 | 真实面经 |
|---|---|---|---|
| 阿里巴巴 | ✅ | ✅ | ✅ |
| 字节跳动 | ✅ | ✅ | ✅ |
| 小红书 | ✅ | ✅ | ✅ |
| 百度 | ✅ | ✅ | — |
| 腾讯 | ✅ | ✅ | — |
| 美团 | ✅ | ✅ | ✅ |
| 蚂蚁集团 | ✅ | ✅ | ✅ |
| 华为 | ✅ | ✅ | ✅ |
| 快手 | ✅ | ✅ | ✅ |
| 公司 | 岗位要求 | 面试题 | 真实面经 |
|---|---|---|---|
| OpenAI | ✅ | ✅ | ✅ |
| Anthropic 🆕 | ✅ | ✅ | ✅ |
| 谷歌 (Google DeepMind) | ✅ | ✅ | — |
| 微软 (Microsoft) | ✅ | ✅ | — |
| 初创公司 | ✅ | ✅ | — |
📖 海外公司综合攻略：海外顶级AI公司面试攻略-2026 🆕
访问 GitHub Pages 站点，移动端友好：
👉 https://zchary1106.github.io/agent-interview-hub/index.html
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。
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：
| 平台 | 写入位置 |
|---|---|
| GitHub Copilot CLI | ~/.copilot/instructions/interview-collector.instructions.md |
| Claude Code | ~/.claude/skills/interview-collector/SKILL.md |
| Cursor | .cursor/rules/interview-collector.mdc |
| 通用/国内 Agent | ~/.agent-interview-hub/interview-collector/AGENT.md |
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- 📖 先看 学习路线图，了解全局
- 🧱 通读 Agent 核心概念与设计模式
- 🔧 深入 RAG 和 LangChain/LangGraph
- 🆕 掌握 Function Calling 和 MCP（2025 高频新考点）
- 📝 刷 八股文完整答案集（69 题）
- 🏢 针对目标公司看对应面经
- 🔥 最后用 高频拷打题 查漏补缺
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
# 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本项目采用 MIT License 开源。
如果这个项目对你有帮助，请给一个 ⭐ Star 支持！
Made with ❤️ for AI Agent Engineers