[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-datawhalechina--daily-interview":3,"tool-datawhalechina--daily-interview":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-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。\n\n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。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-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。\n\n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。\n\n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",138956,2,"2026-04-05T11:33:21",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},2271,"ComfyUI","Comfy-Org\u002FComfyUI","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。\n\n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。\n\n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。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","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。\n\n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。\n\nNextChat 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。",87618,"2026-04-05T07:20:52",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-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。\n\n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。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","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。\n\n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。\n\n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。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":79,"owner_email":79,"owner_twitter":79,"owner_website":80,"owner_url":81,"languages":79,"stars":82,"forks":83,"last_commit_at":84,"license":85,"difficulty_score":86,"env_os":87,"env_gpu":87,"env_ram":87,"env_deps":88,"category_tags":92,"github_topics":93,"view_count":23,"oss_zip_url":79,"oss_zip_packed_at":79,"status":16,"created_at":98,"updated_at":99,"faqs":100,"releases":136},3926,"datawhalechina\u002Fdaily-interview","daily-interview","Datawhale成员整理的面经，内容包括机器学习，CV，NLP，推荐，开发等，欢迎大家star","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。\n\n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。\n\n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。","\u003Cdiv align='center'>\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_daily-interview_readme_2d813c2fce39.png\" alt=\"alt text\" width=\"100%\">\n    \u003Ch1>⭐Daily Interview - 面试必看 \u003C\u002Fh1>\n\u003C\u002Fdiv>\n\u003Cdiv align=\"center\">\n\u003Cdiv align=\"center\">\n\n[![GitHub stars](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fstars\u002Fdatawhalechina\u002Fdaily-interview?style=for-the-badge&logo=github)](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fdaily-interview\u002Fstargazers)\n[![GitHub forks](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002Fdatawhalechina\u002Fdaily-interview?style=for-the-badge&logo=github)](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fdaily-interview\u002Fnetwork)\n[![GitHub issues](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fissues\u002Fdatawhalechina\u002Fdaily-interview?style=for-the-badge&logo=github)](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fdaily-interview\u002Fissues)\n[![License](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-CC%20BY--NC--SA%204.0-lightgrey?style=for-the-badge)](http:\u002F\u002Fcreativecommons.org\u002Flicenses\u002Fby-nc-sa\u002F4.0\u002F)\n\n**每一个面试者面试之前必看一遍的小面经**\n\n[📖 在线阅读](https:\u002F\u002Fdatawhalechina.github.io\u002Fdaily-interview\u002F) | [🚀 快速开始](#使用指南) | [🤝 参与贡献](#招募)\n\n\u003C\u002Fdiv>\n\n## 📖 项目背景\n\n在求职路上，我们经常面临这样的困扰：\n\n- 📚 **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\n- ⏰ **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\n- 🎯 **缺乏重点**：不知道哪些是真正的高频考点，复习没有针对性\n\n**Daily Interview** 就是为了解决这些问题而生的！\n\n## 🎯 项目宗旨\n\n> 💡 **核心理念**：不求大而全，但求精而准\n\n- ✅ **精选高频**：只收录面试中真正高频的知识点和题目\n- ✅ **快速复习**：面试前半天时间，温故而知新\n- ✅ **举一反三**：提供思路和方法，而非标准答案\n- ❌ **不求全面**：知识在更新迭代，我们专注核心内容\n- ❌ **不做补习**：每个人短板不同，需要自主完善知识体系\n\n## 📚 内容体系\n\n\u003Cdiv align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_daily-interview_readme_0683b33c530f.png\" width=\"500px\" alt=\"内容体系图\">\n\u003C\u002Fdiv>\n\n### 🗂️ 知识模块\n\n| 模块 | 内容 | 适用岗位 |\n|------|------|----------|\n| 🧮 **算法基础** | 数据结构、算法思想、复杂度分析 | 🌟 所有技术岗位 |\n| 💻 **编程语言** | Java、JavaScript、Python等 | 开发岗、算法岗 |\n| 🔧 **计算机基础** | 操作系统、网络、数据库、数学 | 🌟 所有技术岗位 |\n| 🤖 **AI算法** | 机器学习、深度学习、NLP、CV | 算法岗、AI工程师 |\n| 🏗️ **系统设计** | 分布式系统、高并发架构 | 高级开发岗 |\n| 🛠️ **开发技术** | 前端、后端、大数据技术栈 | 开发岗 |\n| 📋 **项目经验** | 项目介绍、技术难点、优化方案 | 🌟 所有岗位 |\n| 🗣️ **行为面试** | 自我介绍、职业规划、团队协作 | 🌟 所有岗位 |\n\n### 📊 Star History\n\n\u003Cdiv align=\"center\">\n\n[![Star History Chart](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_daily-interview_readme_04d97530e1ee.png)](https:\u002F\u002Fstar-history.com\u002F#datawhalechina\u002Fdaily-interview&Date)\n\n\u003C\u002Fdiv>\n\n\n## 🚀 使用指南\n\n### 📖 在线阅读\n访问 [https:\u002F\u002Fdatawhalechina.github.io\u002Fdaily-interview\u002F](https:\u002F\u002Fdatawhalechina.github.io\u002Fdaily-interview\u002F) 获得最佳阅读体验。\n\n### 🎯 按岗位复习\n\n#### 🤖 算法岗位\n```\n重点模块：AI算法 + 数据结构与算法\n辅助模块：数学基础 + 计算机基础\n复习时间：面试前1-2天重点复习\n```\n\n#### 💻 开发岗位\n```\n重点模块：开发技术 + 数据结构与算法 + 计算机基础\n辅助模块：系统设计（高级岗位）\n复习时间：面试前半天快速过一遍\n```\n\n#### 📋 通用准备\n```\n必备模块：项目经验 + 行为面试\n适用对象：所有技术岗位\n建议：提前准备，形成自己的表达模板\n```\n\n### 💡 使用技巧\n\n1. **🔖 收藏重点**：标记自己薄弱的知识点，重点复习\n2. **🔄 反复练习**：算法题要动手实现，不能只看不练\n3. **🗣️ 模拟面试**：找朋友或同事进行模拟面试练习\n4. **📝 个人笔记**：基于本项目内容，整理自己的面试笔记\n\n\n## 🤝 招募贡献者\n\n我们欢迎所有对面试准备有经验的朋友参与贡献！\n\n### 🎯 我们需要你的帮助\n\n- 📝 **内容贡献**：补充面试题目、优化答案解析\n- 🐛 **问题反馈**：发现错误或改进建议\n- 🌐 **技术支持**：网站优化、功能开发\n- 📚 **经验分享**：分享面试经验和技巧\n\n### 📧 联系方式\n\n- **项目负责人**：[@muxiaoxiong](https:\u002F\u002Fgithub.com\u002Fmuxiaoxiong)\n- **Issue**：[GitHub Issues](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fdaily-interview\u002Fissues)\n- **讨论**：[GitHub Discussions](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fdaily-interview\u002Fdiscussions)\n\n## 👥 贡献者\n\n感谢所有为这个项目做出贡献的朋友们！\n\n### 🏆 特别贡献者\n\n- **[@muxiaoxiong](https:\u002F\u002Fgithub.com\u002Fmuxiaoxiong)** - 项目负责人，主要维护者\n- **[@heitao](https:\u002F\u002Fgithub.com\u002Fheitao)** - 项目发起人，核心内容贡献者 (66+ commits)\n- **[@xiaorrancs](https:\u002F\u002Fgithub.com\u002Fxiaorrancs)** - 主要内容贡献者，算法题目整理 (39+ commits)\n- **[@1985312383](https:\u002F\u002Fgithub.com\u002F1985312383)** - VitePress迁移，网站重构，内容整理\n\n## 📅 更新日志\n\n### 🎉 2025-08-26 - 重大更新\n- ✨ **技术栈升级**：从Docsify迁移到VitePress，构建速度提升99%+\n- 🎨 **界面重构**：全新的双侧边栏设计，支持VS Code Dark主题\n- 🔍 **搜索优化**：新增本地搜索功能，支持中文搜索\n- 📱 **响应式设计**：完美适配各种屏幕尺寸\n- 🧮 **数学公式**：支持LaTeX数学公式渲染\n- 🗂️ **内容重组**：系统性重组所有文档，修复乱码问题\n- 🖼️ **图片优化**：统一图片路径，确保所有图片正常显示\n- 💻 **代码高亮**：为所有代码块添加语言标识，提升阅读体验\n- 🚀 **部署优化**：更新GitHub Actions，支持自动化部署\n- 📋 **导航重构**：从Docsify的侧边栏导航升级为VitePress的双侧边栏设计\n\n### 📚 历史版本\n- **2025-07-15**：新增大语言模型相关面试资料\n\n\n## 🌟 关注我们\n\n\u003Cdiv align=\"center\">\n\n### 📱 微信公众号\n扫描下方二维码关注 **Datawhale** 公众号，获取更多学习资源\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_daily-interview_readme_303cd5dfe9c5.jpeg\" width=\"200\" height=\"200\" alt=\"Datawhale公众号\">\n\n### 🔗 相关链接\n\n[![GitHub](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FGitHub-datawhalechina-black?style=for-the-badge&logo=github)](https:\u002F\u002Fgithub.com\u002Fdatawhalechina)\n[![Website](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FWebsite-datawhale.cn-blue?style=for-the-badge&logo=internet-explorer)](https:\u002F\u002Fdatawhale.cn)\n\n\u003C\u002Fdiv>\n\n## 📄 开源协议\n\n\u003Cdiv align=\"center\">\n\n\u003Ca rel=\"license\" href=\"http:\u002F\u002Fcreativecommons.org\u002Flicenses\u002Fby-nc-sa\u002F4.0\u002F\">\n\u003Cimg alt=\"知识共享许可协议\" style=\"border-width:0\" src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-CC%20BY--NC--SA%204.0-lightgrey?style=for-the-badge\" \u002F>\n\u003C\u002Fa>\n\n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](http:\u002F\u002Fcreativecommons.org\u002Flicenses\u002Fby-nc-sa\u002F4.0\u002F) 进行许可。\n\n**这意味着你可以：**\n- ✅ **分享** - 在任何媒介以任何形式复制、发行本作品\n- ✅ **演绎** - 修改、转换或以本作品为基础进行创作\n\n**但需要遵循以下条件：**\n- 📝 **署名** - 必须给出适当的署名\n- 🚫 **非商业性使用** - 不得用于商业目的\n- 🔄 **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\n\n\u003C\u002Fdiv>\n\n---\n\n\u003Cdiv align=\"center\">\n\n**⭐ 如果这个项目对你有帮助，请给我们一个Star！⭐**\n\n**💪 祝愿所有使用这份面经的朋友都能拿到心仪的offer！💪**\n\n\u003C\u002Fdiv>\n","\u003Cdiv align='center'>\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_daily-interview_readme_2d813c2fce39.png\" alt=\"alt text\" width=\"100%\">\n    \u003Ch1>⭐每日面试 - 面试必看 \u003C\u002Fh1>\n\u003C\u002Fdiv>\n\u003Cdiv align=\"center\">\n\u003Cdiv align=\"center\">\n\n[![GitHub stars](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fstars\u002Fdatawhalechina\u002Fdaily-interview?style=for-the-badge&logo=github)](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fdaily-interview\u002Fstargazers)\n[![GitHub forks](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002Fdatawhalechina\u002Fdaily-interview?style=for-the-badge&logo=github)](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fdaily-interview\u002Fnetwork)\n[![GitHub issues](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fissues\u002Fdatawhalechina\u002Fdaily-interview?style=for-the-badge&logo=github)](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fdaily-interview\u002Fissues)\n[![License](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-CC%20BY--NC--SA%204.0-lightgrey?style=for-the-badge)](http:\u002F\u002Fcreativecommons.org\u002Flicenses\u002Fby-nc-sa\u002F4.0\u002F)\n\n**每一个面试者面试之前必看一遍的小面经**\n\n[📖 在线阅读](https:\u002F\u002Fdatawhalechina.github.io\u002Fdaily-interview\u002F) | [🚀 快速开始](#使用指南) | [🤝 参与贡献](#招募)\n\n\u003C\u002Fdiv>\n\n## 📖 项目背景\n\n在求职路上，我们经常面临这样的困扰：\n\n- 📚 **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\n- ⏰ **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\n- 🎯 **缺乏重点**：不知道哪些是真正的高频考点，复习没有针对性\n\n**Daily Interview** 就是为了解决这些问题而生的！\n\n## 🎯 项目宗旨\n\n> 💡 **核心理念**：不求大而全，但求精而准\n\n- ✅ **精选高频**：只收录面试中真正高频的知识点和题目\n- ✅ **快速复习**：面试前半天时间，温故而知新\n- ✅ **举一反三**：提供思路和方法，而非标准答案\n- ❌ **不求全面**：知识在更新迭代，我们专注核心内容\n- ❌ **不做补习**：每个人短板不同，需要自主完善知识体系\n\n## 📚 内容体系\n\n\u003Cdiv align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_daily-interview_readme_0683b33c530f.png\" width=\"500px\" alt=\"内容体系图\">\n\u003C\u002Fdiv>\n\n### 🗂️ 知识模块\n\n| 模块 | 内容 | 适用岗位 |\n|------|------|----------|\n| 🧮 **算法基础** | 数据结构、算法思想、复杂度分析 | 🌟 所有技术岗位 |\n| 💻 **编程语言** | Java、JavaScript、Python等 | 开发岗、算法岗 |\n| 🔧 **计算机基础** | 操作系统、网络、数据库、数学 | 🌟 所有技术岗位 |\n| 🤖 **AI算法** | 机器学习、深度学习、NLP、CV | 算法岗、AI工程师 |\n| 🏗️ **系统设计** | 分布式系统、高并发架构 | 高级开发岗 |\n| 🛠️ **开发技术** | 前端、后端、大数据技术栈 | 开发岗 |\n| 📋 **项目经验** | 项目介绍、技术难点、优化方案 | 🌟 所有岗位 |\n| 🗣️ **行为面试** | 自我介绍、职业规划、团队协作 | 🌟 所有岗位 |\n\n### 📊 Star History\n\n\u003Cdiv align=\"center\">\n\n[![Star History Chart](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_daily-interview_readme_04d97530e1ee.png)](https:\u002F\u002Fstar-history.com\u002F#datawhalechina\u002Fdaily-interview&Date)\n\n\u003C\u002Fdiv>\n\n\n## 🚀 使用指南\n\n### 📖 在线阅读\n访问 [https:\u002F\u002Fdatawhalechina.github.io\u002Fdaily-interview\u002F](https:\u002F\u002Fdatawhalechina.github.io\u002Fdaily-interview\u002F) 获得最佳阅读体验。\n\n### 🎯 按岗位复习\n\n#### 🤖 算法岗位\n```\n重点模块：AI算法 + 数据结构与算法\n辅助模块：数学基础 + 计算机基础\n复习时间：面试前1-2天重点复习\n```\n\n#### 💻 开发岗位\n```\n重点模块：开发技术 + 数据结构与算法 + 计算机基础\n辅助模块：系统设计（高级岗位）\n复习时间：面试前半天快速过一遍\n```\n\n#### 📋 通用准备\n```\n必备模块：项目经验 + 行为面试\n适用对象：所有技术岗位\n建议：提前准备，形成自己的表达模板\n```\n\n### 💡 使用技巧\n\n1. **🔖 收藏重点**：标记自己薄弱的知识点，重点复习\n2. **🔄 反复练习**：算法题要动手实现，不能只看不练\n3. **🗣️ 模拟面试**：找朋友或同事进行模拟面试练习\n4. **📝 个人笔记**：基于本项目内容，整理自己的面试笔记\n\n\n## 🤝 招募贡献者\n\n我们欢迎所有对面试准备有经验的朋友参与贡献！\n\n### 🎯 我们需要你的帮助\n\n- 📝 **内容贡献**：补充面试题目、优化答案解析\n- 🐛 **问题反馈**：发现错误或改进建议\n- 🌐 **技术支持**：网站优化、功能开发\n- 📚 **经验分享**：分享面试经验和技巧\n\n### 📧 联系方式\n\n- **项目负责人**：[@muxiaoxiong](https:\u002F\u002Fgithub.com\u002Fmuxiaoxiong)\n- **Issue**：[GitHub Issues](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fdaily-interview\u002Fissues)\n- **讨论**：[GitHub Discussions](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fdaily-interview\u002Fdiscussions)\n\n## 👥 贡献者\n\n感谢所有为这个项目做出贡献的朋友们！\n\n### 🏆 特别贡献者\n\n- **[@muxiaoxiong](https:\u002F\u002Fgithub.com\u002Fmuxiaoxiong)** - 项目负责人，主要维护者\n- **[@heitao](https:\u002F\u002Fgithub.com\u002Fheitao)** - 项目发起人，核心内容贡献者 (66+ commits)\n- **[@xiaorrancs](https:\u002F\u002Fgithub.com\u002Fxiaorrancs)** - 主要内容贡献者，算法题目整理 (39+ commits)\n- **[@1985312383](https:\u002F\u002Fgithub.com\u002F1985312383)** - VitePress迁移，网站重构，内容整理\n\n## 📅 更新日志\n\n### 🎉 2025-08-26 - 重大更新\n- ✨ **技术栈升级**：从Docsify迁移到VitePress，构建速度提升99%+\n- 🎨 **界面重构**：全新的双侧边栏设计，支持VS Code Dark主题\n- 🔍 **搜索优化**：新增本地搜索功能，支持中文搜索\n- 📱 **响应式设计**：完美适配各种屏幕尺寸\n- 🧮 **数学公式**：支持LaTeX数学公式渲染\n- 🗂️ **内容重组**：系统性重组所有文档，修复乱码问题\n- 🖼️ **图片优化**：统一图片路径，确保所有图片正常显示\n- 💻 **代码高亮**：为所有代码块添加语言标识，提升阅读体验\n- 🚀 **部署优化**：更新GitHub Actions，支持自动化部署\n- 📋 **导航重构**：从Docsify的侧边栏导航升级为VitePress的双侧边栏设计\n\n### 📚 历史版本\n- **2025-07-15**：新增大语言模型相关面试资料\n\n\n## 🌟 关注我们\n\n\u003Cdiv align=\"center\">\n\n### 📱 微信公众号\n扫描下方二维码关注 **Datawhale** 公众号，获取更多学习资源\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_daily-interview_readme_303cd5dfe9c5.jpeg\" width=\"200\" height=\"200\" alt=\"Datawhale公众号\">\n\n### 🔗 相关链接\n\n[![GitHub](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FGitHub-datawhalechina-black?style=for-the-badge&logo=github)](https:\u002F\u002Fgithub.com\u002Fdatawhalechina)\n[![Website](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FWebsite-datawhale.cn-blue?style=for-the-badge&logo=internet-explorer)](https:\u002F\u002Fdatawhale.cn)\n\n\u003C\u002Fdiv>\n\n## 📄 开源协议\n\n\u003Cdiv align=\"center\">\n\n\u003Ca rel=\"license\" href=\"http:\u002F\u002Fcreativecommons.org\u002Flicenses\u002Fby-nc-sa\u002F4.0\u002F\">\n\u003Cimg alt=\"知识共享许可协议\" style=\"border-width:0\" src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-CC%20BY--NC--SA%204.0-lightgrey?style=for-the-badge\" \u002F>\n\u003C\u002Fa>\n\n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](http:\u002F\u002Fcreativecommons.org\u002Flicenses\u002Fby-nc-sa\u002F4.0\u002F) 进行许可。\n\n**这意味着你可以：**\n- ✅ **分享** - 在任何媒介以任何形式复制、发行本作品\n- ✅ **演绎** - 修改、转换或以本作品为基础进行创作\n\n**但需要遵循以下条件：**\n- 📝 **署名** - 必须给出适当的署名\n- 🚫 **非商业性使用** - 不得用于商业目的\n- 🔄 **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\n\n\u003C\u002Fdiv>\n\n---\n\n\u003Cdiv align=\"center\">\n\n**⭐ 如果这个项目对你有帮助，请给我们一个Star！⭐**\n\n**💪 祝愿所有使用这份面经的朋友都能拿到心仪的offer！💪**\n\n\u003C\u002Fdiv>","# Daily Interview 快速上手指南\n\nDaily Interview 是一个专为技术面试打造的高频考点精编项目，旨在帮助求职者在有限时间内高效复习核心知识点。本项目主要提供在线阅读内容，无需复杂的环境配置即可使用。\n\n## 环境准备\n\n本项目本质为静态文档库，对运行环境无特殊要求：\n\n- **操作系统**：Windows \u002F macOS \u002F Linux 均可\n- **浏览器**：推荐 Chrome、Edge 或 Firefox 等现代浏览器\n- **网络环境**：需能访问 GitHub 或项目在线文档地址\n- **前置依赖**：无（若仅需阅读，无需安装任何软件）\n\n> 💡 **提示**：如果你希望本地部署或参与贡献，需安装 `Node.js` (建议 v16+) 和 `Git`。\n\n## 安装步骤\n\n### 方式一：在线阅读（推荐）\n无需安装，直接访问官方托管站点即可获得最佳体验：\n```text\nhttps:\u002F\u002Fdatawhalechina.github.io\u002Fdaily-interview\u002F\n```\n\n### 方式二：本地克隆（适合离线阅读或贡献）\n若需下载源码到本地，请使用以下命令：\n\n```bash\n# 1. 克隆仓库\ngit clone https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fdaily-interview.git\n\n# 2. 进入项目目录\ncd daily-interview\n\n# 3. (可选) 安装依赖并启动本地预览服务\n# 需确保已安装 Node.js\nnpm install\nnpm run dev\n```\n\n> 🚀 **国内加速建议**：如果克隆速度较慢，可使用 Gitee 镜像（如有）或配置 Git 代理。\n\n## 基本使用\n\n### 1. 按岗位定向复习\n根据你的目标职位，重点关注对应模块：\n\n*   **算法岗**：重点复习 `AI 算法` + `数据结构与算法`，辅以 `数学基础`。\n*   **开发岗**：重点复习 `开发技术` + `数据结构与算法` + `计算机基础`。\n*   **通用准备**：所有岗位均需准备 `项目经验` 和 `行为面试` 模块。\n\n### 2. 高效复习技巧\n*   **标记薄弱点**：在阅读过程中，利用浏览器的书签功能或本地笔记标记不熟悉的知识点。\n*   **动手实践**：对于 `算法基础` 模块的题目，切勿只看不练，请在本地 IDE 中手写代码实现。\n*   **模拟演练**：结合 `行为面试` 模块的模板，提前组织语言并进行模拟自述。\n\n### 3. 本地预览（开发者模式）\n如果你克隆了代码并安装了依赖，启动本地服务后，在浏览器打开终端显示的地址（通常为 `http:\u002F\u002Flocalhost:5173`）即可浏览重构后的 VitePress 文档站点，支持深色模式和本地搜索。","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。\n\n### 没有 daily-interview 时\n- **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。\n- **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。\n- **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。\n\n### 使用 daily-interview 后\n- **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。\n- **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。\n- **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。\n\ndaily-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。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_daily-interview_2d813c2f.png","datawhalechina","Datawhale","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fdatawhalechina_f57a6118.png","for the learner，和学习者一起成长",null,"https:\u002F\u002Fdatawhale.cn","https:\u002F\u002Fgithub.com\u002Fdatawhalechina",3613,491,"2026-04-04T17:08:37","GPL-3.0",1,"未说明",{"notes":89,"python":87,"dependencies":90},"该项目为面试知识库文档，非可执行 AI 模型或软件工具。无需配置 GPU、特定内存或 Python 环境。用户可直接通过浏览器访问在线文档阅读，或克隆仓库后使用 VitePress 构建静态网站进行本地部署。",[91],"VitePress",[13,14,26],[94,95,96,97],"interview-questions","cv","nlp","llm","2026-03-27T02:49:30.150509","2026-04-06T05:37:35.173058",[101,106,111,116,121,126,131],{"id":102,"question_zh":103,"answer_zh":104,"source_url":105},17943,"Markdown 文件中的数学公式显示为乱码，无法正常阅读怎么办？","这是由于项目正在进行重构以解决格式兼容性问题。建议暂时使用 VSCode 并安装 'Markdown All in One' 插件来查看，或者等待新版本发布后获取修复后的文档。","https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fdaily-interview\u002Fissues\u002F27",{"id":107,"question_zh":108,"answer_zh":109,"source_url":110},17944,"本地打开 Markdown 文件时图片无法加载或显示不出来是什么原因？","图片可能做了防盗链处理或在当前网络环境下需要特殊网络配置（如翻墙）才能加载。最稳定的解决方案是将项目完整 Clone 到本地，然后在本地环境中查看，这样通常可以正常显示图片。","https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fdaily-interview\u002Fissues\u002F22",{"id":112,"question_zh":113,"answer_zh":114,"source_url":115},17945,"在普通 Markdown 编辑器中预览内容格式错乱或图片不显示，如何解决？","推荐使用 VSCode 编辑器，并安装 'Markdown All in One' 插件。该插件能更好地解析项目中的 Markdown 语法和图片链接，解决大部分格式显示问题。","https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fdaily-interview\u002Fissues\u002F1",{"id":117,"question_zh":118,"answer_zh":119,"source_url":120},17946,"项目是否提供 Python 版本的数据结构与算法实现？","目前团队正在整理和编写 Python 版本的内容，请耐心等待官方更新。如果读者有兴趣参与贡献，可以在相关议题下留言或直接提交 PR 协助完善。","https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fdaily-interview\u002Fissues\u002F8",{"id":122,"question_zh":123,"answer_zh":124,"source_url":125},17947,"ABTest 属于机器学习的核心内容吗？学习优先级如何？","ABTest 更多属于工程落地和数据分析范畴，并非机器学习算法的核心原理。建议学习优先级不用太高，可以在实际工作中遇到相关需求时再进行针对性了解。","https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fdaily-interview\u002Fissues\u002F10",{"id":127,"question_zh":128,"answer_zh":129,"source_url":130},17948,"发现文档中存在错别字或二叉树遍历顺序等知识性错误，如何处理？","维护者会及时修复已反馈的错误（如前序\u002F后序遍历定义反了的问题）。如果您发现类似问题，欢迎直接指出，对于明确的错误可以直接提交 Pull Request (PR) 进行修正，共同完善文档。","https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fdaily-interview\u002Fissues\u002F3",{"id":132,"question_zh":133,"answer_zh":134,"source_url":135},17949,"可以将该项目内容转载到个人博客或其他平台吗？","由于官方计划在 CSDN 等平台发布详细的解读文章，目前暂不方便直接授权全文转载。建议关注官方渠道（如 Datawhale CSDN 账号）获取最新内容。如有特殊需求，可添加官方微信（Datawhale2019）进行咨询。","https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fdaily-interview\u002Fissues\u002F2",[]]