#按岗位准备的建议
#1. 算法研究岗
重点顺序：基础架构 -> 预训练/微调 -> 对齐训练 -> 评测
需要特别加强：
- 公式和原理是否能手讲清楚
- 为什么某方法有效
- 与替代方案的比较
- 论文和实验意识
#2. RAG / Agent 应用工程岗
重点顺序：RAG -> Agent -> prompt -> 评测安全 -> 系统设计
需要特别加强：
- 真实链路拆解能力
- 问题定位能力
- 线上效果与成本权衡
- 工具调用、记忆、观测与防护
#3. 推理平台 / 部署优化岗
重点顺序：推理链路 -> 显存优化 -> 量化 -> batch 调度 -> 监控
需要特别加强：
- Prefill/Decode 分离理解
- KV cache 和 attention kernel
- 引擎对比
- 吞吐、延迟、稳定性指标
#4. 多模态 / AIGC 岗
重点顺序：多模态表示 -> 对齐训练 -> 生成范式 -> 数据与评测
需要特别加强：
- 图文对齐 / 视频时序理解
- diffusion 与 autoregressive 差异
- 多模态 benchmark
- 线上推理成本
#岗位选择的判断标准
算法研究岗更看重公式、实验和论文理解，回答要能从目标函数讲到训练现象；应用工程岗更看重链路、评测和失败排查，回答要能从用户请求讲到系统闭环；平台岗更看重吞吐、延迟、显存、并发和稳定性，回答要能把模型问题拆成资源和调度问题。
准备时不要平均用力。每个岗位都需要基础架构和 Transformer，但后续深挖方向不同：算法岗补对齐、优化器和 reasoning；应用岗补 RAG、Agent、评测和安全；平台岗补 KV cache、batching、量化、并行和监控；多模态岗补图文/音视频对齐、生成范式和数据评测。
#复盘清单
- 为目标岗位选出 3 个主线模块和 2 个加分专项。
- 每个主线模块准备一题定义、一题机制、一题系统或失败排查。
- 把项目经验映射到题库模块，避免面试时项目和知识点脱节。
#准备节奏
如果目标还不确定，先按通用底座准备：Transformer、Tokenizer/RoPE、SFT/PEFT、推理部署、RAG、Agent、评测安全。等岗位方向明确后，再把时间集中到对应专项。这样既不会漏掉通用高频题，也不会在冷门方向上过早投入。
每个岗位都要保留一个“项目连接表”：把自己做过的项目分别映射到训练、推理、RAG、Agent、评测、系统设计中的哪个模块。面试时不要只说技术栈，要能说明项目里遇到的瓶颈、指标、替代方案和最后取舍。
如果某个方向没有项目经验，就用可复述的案例补齐。比如应用岗可以准备一个企业知识库问答案例，平台岗可以准备一个推理服务容量规划案例，算法岗可以准备一个 SFT/LoRA/评测闭环案例。案例不需要夸大经历，但必须能讲清需求、方案、指标、风险和替代路线。