最近刷到一个挺猛的 GitHub 仓库，专门整理 AI 工程岗位面试题。名字叫 AI Engineering Interview Questions Company Wise，把 35 家公司的公开面试题按公司整理了一遍，Anthropic、OpenAI、Google DeepMind、Microsoft 这些都有。能找到答案的题，下面也挂了解析。

这份资料的高频题直接分了 10 大类：Transformer、KV Cache、RAG、Agent、系统设计、推理优化、安全等。比如 KV Cache，不只是问"是什么"，还会追问规模上来以后显存怎么算；RAG 会问怎么发现线上幻觉；Agent 会问工具调用怎么保证稳定。

Anthropic 那部分也挺有意思。公开整理的信息里，它的流程包含 30 分钟初筛、70 到 90 分钟左右的编程测评，再到多轮技术面，整体周期可能拉到几周甚至更久。题目也越来越像真实工作。比如："5 万份文档需要调用模型处理，但接口限制 100 并发，还会随机报错，你怎么写？"这种题，已经不是背 Transformer 公式能解决的了。你得想到 async、队列、retry、限流、失败隔离。

还有一道方向很新的题：像 Claude Code 这种编码 Agent，到底是模型更重要，还是外面的框架、工具链更重要？这类问题其实已经很接近现在 AI 产品开发的实际情况了。

建议准备 AI 岗的兄弟，可以先别急着刷几百道零散题。先把里面这些高频方向吃透：Attention 为什么这么设计；KV Cache 怎么省显存；RAG 怎么评估；Agent 怎么控风险；一个 AI 服务从请求进来到返回，中间有哪些坑。

Github：https://github.com/pallavi-shekhar/ai-engineering-interview-questions-company-wise