daily-interview
daily-interview 是由 Datawhale 社区精心整理的 AI 与技术岗面试备考指南。面对求职季海量且分散的面经信息，它摒弃了“大而全”的堆砌模式，秉持“精而准”的核心理念，专为算法工程师、软件开发人员及各类技术岗位求职者打造。
该项目直击求职者“信息过载、时间紧迫、复习无重点”的痛点，系统梳理了机器学习、计算机视觉（CV）、自然语言处理（NLP）、推荐系统、编程语言及系统设计等高频考点。其独特之处在于不提供死记硬背的标准答案，而是侧重解题思路与方法论的传递，帮助使用者在面试前短时间内高效温故知新，实现举一反三。
近期，daily-interview 完成了从 Docsify 到 VitePress 的技术架构升级，不仅构建速度大幅提升，还新增了本地中文搜索、LaTeX 数学公式渲染及响应式双侧边栏设计，显著优化了阅读与检索体验。无论是需要突击复习的应届生，还是希望查漏补缺的资深开发者，都能通过在线阅读或本地部署，快速掌握核心面试技巧，从容应对技术考核。
使用场景
应届生小林正在备战一家头部互联网公司的算法工程师面试，距离终面仅剩 48 小时，他急需对机器学习与深度学习核心考点进行最后冲刺。
没有 daily-interview 时
- 信息过载迷失方向：在牛客网和知乎翻阅海量面经，内容杂乱无章，难以分辨哪些是真正的高频考点，浪费大量宝贵时间。
- 复习重点模糊：面对庞大的知识体系，不知道面试官更倾向于问模型推导还是工程落地，导致复习缺乏针对性，心理压力剧增。
- 临时抱佛脚效率低：试图全面补习所有短板，结果连基础概念都没记牢，反而因贪多嚼不烂在模拟面试中频频卡壳。
使用 daily-interview 后
- 精准锁定高频考点：直接聚焦 daily-interview 中"AI 算法”模块的精选内容，快速覆盖机器学习、NLP 及 CV 领域的必问真题，复习效率倍增。
- 策略化备考路径：依据项目提供的“算法岗复习指南”，合理分配时间主攻核心算法思想与数学基础，果断舍弃低频偏题，心态更加平稳。
- 掌握解题思路而非死记：通过阅读项目中提供的举一反三思路，小林学会了如何拆解未知问题，在模拟面试中能流畅阐述技术难点与优化方案。
daily-interview 的核心价值在于将散乱的面试资源提炼为“精而准”的实战指南，帮助求职者在有限时间内实现从盲目刷题到高效突击的转变。
运行环境要求
- 未说明
未说明
未说明
快速开始
⭐每日面试 - 面试必看
📖 项目背景
在求职路上，我们经常面临这样的困扰：
- 📚 信息过载：牛客网、知乎等平台虽然有海量面经，但往往大而散，难以高效利用
- ⏰ 时间紧迫：面试前临时抱佛脚，翻阅大量材料反而增加心理压力
- 🎯 缺乏重点：不知道哪些是真正的高频考点，复习没有针对性
Daily Interview 就是为了解决这些问题而生的！
🎯 项目宗旨
💡 核心理念：不求大而全，但求精而准
- ✅ 精选高频：只收录面试中真正高频的知识点和题目
- ✅ 快速复习：面试前半天时间，温故而知新
- ✅ 举一反三：提供思路和方法，而非标准答案
- ❌ 不求全面：知识在更新迭代，我们专注核心内容
- ❌ 不做补习：每个人短板不同，需要自主完善知识体系
📚 内容体系
🗂️ 知识模块
| 模块 | 内容 | 适用岗位 |
|---|---|---|
| 🧮 算法基础 | 数据结构、算法思想、复杂度分析 | 🌟 所有技术岗位 |
| 💻 编程语言 | Java、JavaScript、Python等 | 开发岗、算法岗 |
| 🔧 计算机基础 | 操作系统、网络、数据库、数学 | 🌟 所有技术岗位 |
| 🤖 AI算法 | 机器学习、深度学习、NLP、CV | 算法岗、AI工程师 |
| 🏗️ 系统设计 | 分布式系统、高并发架构 | 高级开发岗 |
| 🛠️ 开发技术 | 前端、后端、大数据技术栈 | 开发岗 |
| 📋 项目经验 | 项目介绍、技术难点、优化方案 | 🌟 所有岗位 |
| 🗣️ 行为面试 | 自我介绍、职业规划、团队协作 | 🌟 所有岗位 |
📊 Star History
🚀 使用指南
📖 在线阅读
访问 https://datawhalechina.github.io/daily-interview/ 获得最佳阅读体验。
🎯 按岗位复习
🤖 算法岗位
重点模块：AI算法 + 数据结构与算法
辅助模块：数学基础 + 计算机基础
复习时间：面试前1-2天重点复习
💻 开发岗位
重点模块：开发技术 + 数据结构与算法 + 计算机基础
辅助模块：系统设计（高级岗位）
复习时间：面试前半天快速过一遍
📋 通用准备
必备模块：项目经验 + 行为面试
适用对象：所有技术岗位
建议：提前准备，形成自己的表达模板
💡 使用技巧
- 🔖 收藏重点：标记自己薄弱的知识点，重点复习
- 🔄 反复练习：算法题要动手实现，不能只看不练
- 🗣️ 模拟面试：找朋友或同事进行模拟面试练习
- 📝 个人笔记：基于本项目内容，整理自己的面试笔记
🤝 招募贡献者
我们欢迎所有对面试准备有经验的朋友参与贡献！
🎯 我们需要你的帮助
- 📝 内容贡献：补充面试题目、优化答案解析
- 🐛 问题反馈：发现错误或改进建议
- 🌐 技术支持：网站优化、功能开发
- 📚 经验分享：分享面试经验和技巧
📧 联系方式
- 项目负责人：@muxiaoxiong
- Issue：GitHub Issues
- 讨论：GitHub Discussions
👥 贡献者
感谢所有为这个项目做出贡献的朋友们！
🏆 特别贡献者
- @muxiaoxiong - 项目负责人，主要维护者
- @heitao - 项目发起人，核心内容贡献者 (66+ commits)
- @xiaorrancs - 主要内容贡献者，算法题目整理 (39+ commits)
- @1985312383 - VitePress迁移，网站重构，内容整理
📅 更新日志
🎉 2025-08-26 - 重大更新
- ✨ 技术栈升级：从Docsify迁移到VitePress，构建速度提升99%+
- 🎨 界面重构：全新的双侧边栏设计，支持VS Code Dark主题
- 🔍 搜索优化：新增本地搜索功能，支持中文搜索
- 📱 响应式设计：完美适配各种屏幕尺寸
- 🧮 数学公式：支持LaTeX数学公式渲染
- 🗂️ 内容重组：系统性重组所有文档，修复乱码问题
- 🖼️ 图片优化：统一图片路径，确保所有图片正常显示
- 💻 代码高亮：为所有代码块添加语言标识，提升阅读体验
- 🚀 部署优化：更新GitHub Actions，支持自动化部署
- 📋 导航重构：从Docsify的侧边栏导航升级为VitePress的双侧边栏设计
📚 历史版本
- 2025-07-15：新增大语言模型相关面试资料
🌟 关注我们
📱 微信公众号
扫描下方二维码关注 Datawhale 公众号，获取更多学习资源
🔗 相关链接
📄 开源协议
本作品采用 知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议 进行许可。
这意味着你可以：
- ✅ 分享 - 在任何媒介以任何形式复制、发行本作品
- ✅ 演绎 - 修改、转换或以本作品为基础进行创作
但需要遵循以下条件：
- 📝 署名 - 必须给出适当的署名
- 🚫 非商业性使用 - 不得用于商业目的
- 🔄 相同方式共享 - 如果修改、转换或以本作品为基础进行创作，必须基于与原先许可协议相同的许可协议分布
⭐ 如果这个项目对你有帮助，请给我们一个Star！⭐
💪 祝愿所有使用这份面经的朋友都能拿到心仪的offer！💪
常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。