系统化
不把知识点孤立堆放，而是围绕 LLM、Agent、多模态、生成模型、部署与工程基础建立岗位能力坐标，让用户知道该学什么、为什么学、如何组合成竞争力。
AIGCmagic Community 出品 / AI Career Knowledge & Interview OS
三年面试五年模拟
面向 AI 时代的职业成长、面试表达与长期能力系统
这不是一份静态题库，而是一个围绕 AI 人才成长持续演化的开源知识产品。项目把 AIGC、LLM、AI Agent、多模态、图像视频生成、数字人、模型部署、编程与计算机基础、真实面经、岗位认知和社区资源组织成一套可复用的能力系统，帮助学习者从“临时背题”进入“理解技术、表达工程、判断岗位、沉淀职业资产”的长期路径。 Star 这个项目，不只是收藏资料，而是接入一个持续更新的 AI 职业成长入口。
从开源知识库走向 AI 职业成长基础设施
24+ 模块
覆盖 AI 核心能力
算法 + 开发 + 应用
面向复合型 AI 人才
知识 / 表达 / 机会
连接学习与求职结果
开源 + 社群 + 产品
持续演化的学习体系
LLM
AIGC
Agent
CV / NLP
Deploy
Interview
Product Intro
一套面向 AI 求职与成长的系统化知识产品
AIGC 时代的准备，不只是多刷几道题，而是把模型原理、工程链路、产品场景、行业变化与岗位表达放在同一套框架里理解。本项目希望把分散知识整理成清晰路径，让学习者在求职、转型和长期成长中都能持续复用。
可表达
面试不是知识检索，而是工程表达。项目强调定义、机制、对比、取舍、落地、易错点和面试金句，帮助用户把“我会”转化成“我能讲清楚”。
可更新
开源仓库沉淀长期知识，社区持续补充新技术、新面经和新岗位变化，让内容能够跟随 AI 行业一起更新。
可信赖
内容来自长期产业观察、真实工程经验、面试反馈和社区共建，不追求短期噱头，更强调可验证、可复盘、可长期维护。
底层资产
开源知识库 + AI 能力框架
核心方法
知识体系、面试表达、真实反馈
长期价值
陪伴 AI 从业者持续成长
Core Resources
把 AI 面试与工程能力，整理成可直接学习的核心干货
每个板块都围绕一个真实能力展开：模型理解、工程实现、系统部署、业务判断、面试表达与职业选择。你可以按技术方向系统学习，也可以按自己的求职阶段和岗位目标组合阅读。
求职闭环与岗位认知
把简历、面经、内推、公司信息、薪资判断与求职节奏连成闭环，解决“怎么进入 AI 行业”的第一性问题。
InterviewCareerAIGC 图像创作 & AI 绘画基础
从扩散模型、FLUX、LoRA、ControlNet 到可控生成与训练优化，建立图像生成算法岗的底层理解和产品判断。
DiffusionFLUXAI 视频基础
覆盖视频生成、理解、编辑、人体视频与虚拟试衣，帮助用户理解多帧一致性、控制、评测和工程落地难点。
VideoGeneration大模型基础
围绕 Transformer、训练微调、RLHF/GRPO、RAG、推理应用、安全与评测，构建大模型岗位的主干能力。
LLMRAGAI 多模态基础
从模态编码器、映射器、视觉 Token 到 Qwen-VL、InternVL、GLM-V，理解多模态从拼接走向原生模型的演进。
MultimodalVLAI Agent 基础
围绕工作流、记忆、工具调用、MCP/A2A、安全评测、AgentOps 与企业级平台，理解 AI 从回答走向执行。
AgentWorkflowAI 数字人基础
AI 数字人、音频驱动、角色动画、3D Avatar、可微渲染与实时交互链路。
Digital Human3D深度学习基础
数学基础、核心概念、网络层、激活函数、深度网络架构、训练优化与框架工具。
DLTraining机器学习基础
机器学习基础概念、经典算法、损失函数、模型评估与优化方法。
MLEval模型部署基础
把模型能力放进真实系统：推理框架、压缩量化、自定义算子、边云端、大模型服务与性能调优。
DeployServing经典模型
目标检测、图像分类、图像分割、OCR、ReID、人脸、跟踪、NLP 与强化学习高频考点。
CVNLPRL编程基础：Python
Python 基础、进阶知识与 AI 行业常用 Python 代码案例高频考点。
PythonCode编程基础：C 和 C++
C/C++ 基础、进阶知识、实战经典考点与算法工程师常见手撕场景。
C++System公司题库与真实面经
沉淀不同公司的岗位题型、追问方式、手撕代码与业务场景，让用户从抽象复习进入真实面试语境。
CompanyInterview数据结构&算法基础
数据结构、算法思想、复杂度、AI 工程算法场景与 LeetCode Hot100 基础刷题材料。
DSAHot100计算机基础
操作系统、计算机网络、数据库与计算机工程基础高频知识点。
OSNetworkDB开放性问题
训练行业趋势、业务场景、技术取舍、个人成长与开放表达，让候选人从“会背答案”走向“有判断”。
Open-endedCareer具身智能基础
具身智能基础知识与视觉、语言、动作结合下的新一代智能体能力外延。
Embodied AIVLA数学&物理本质原理基础
支撑机器学习、深度学习、生成模型与大模型理解的数学基础和物理直觉入口。
MathPhysics深度学习基础（精华版）
机器学习、深度学习基础、网络架构、训练优化与框架工具的高频精华版。
DLEssentials大模型基础（精华版）
面向大模型方向冲刺复习的精华版入口，用于快速建立 LLM 高频考点框架。
LLMEssentialsAI 多模态基础（精华版）
多模态理论、核心组件、基石模型、主流模型、原生模型与下游应用高频考点。
MultimodalEssentialsAI 视频基础（精华版）
AI 视频核心知识、经典架构、可控视频生成、视频理解、视频编辑与性能优化。
VideoEssentials模型部署基础（精华版）
推理部署综述、ONNX、TensorRT、大模型部署技术、性能分析与调优工具。
DeployEssentialsProduct Value
不只给答案，更帮助你形成可复用的 AI 能力
面试只是入口，长期能力才是核心。项目希望帮助用户把技术理解、工程经验、表达能力和行业判断沉淀下来，让一次准备不止服务一次面试，也能服务之后的学习、工作和方向切换。
建立知识主干
把 AIGC、LLM、Agent、多模态、部署、编程与计算机基础放回同一张能力图中，避免只在碎片知识之间来回跳转。
连接算法与工程
既讲模型原理、训练与评估，也讲服务部署、推理优化、系统设计和研发链路，让候选人具备更完整的 AI 工程视角。
训练面试表达
围绕定义、机制、对比、局限、工程取舍和面试追问组织答案，让用户从“知道概念”变成“能在压力下讲清楚”。
跟上岗位变化
持续吸收 RAG、Agent、MCP、多模态、视频生成、数字人、VLA 与工业级推理系统等新能力要求，减少“学完就过时”的焦虑。
形成社区反馈
通过开源共建、面经投稿、社群答疑和内推信息，把个人准备接入真实市场反馈，让内容持续被面试现场校准。
持续沉淀成长
开源内容降低学习门槛，社区交流补充真实反馈，让知识不只停留在收藏夹里，而能逐步变成自己的能力资产。
Contributors
由真实产业经验共同沉淀，而不是匿名资料拼接
AI 面试题最容易变成陈旧八股，真正稀缺的是经历过模型研发、工程部署、业务落地、招聘面试和行业变化的人，把经验持续整理成可以被后来者复用的结构。
Continuous Growth
在开源知识、社区交流与真实反馈中持续成长
《三年面试五年模拟》不只服务一次求职冲刺，也希望成为 AI 从业者持续学习、交流和复盘的长期入口。开源内容负责沉淀，社区交流带来更新，真实反馈让体系不断变得更贴近一线。
AIGC / LLM 交流群
传统深度学习交流群
自动驾驶交流群