有人把 35 家科技公司公开流出的 AI 工程面试题，按公司逐家整理成了一个仓库。能找到解答的题目下面直接附了链接，找不到的也标了出处。这个仓库在 GitHub 上被反复转发，原因很简单——它把原本散落在各个论坛、面经帖里的题目，第一次按公司和主题两条线归了类。

仓库覆盖的公司名单里，Anthropic、OpenAI 这类头部 AI 公司都在其中。题目不是零散罗列，而是先按跨公司高频题分组，再按公司维度拆开，每道题旁边标注了提问频率。对准备面试的人来说，这意味着可以先把出现次数最多的那批题刷完，再针对目标公司做定向复习。

高频题集中在哪些方向

按仓库的分类，跨公司高频题覆盖了注意力机制、KV 缓存、Agent 设计、系统设计、RAG 等方向。作者的建议很直接：优先复习前 10 类高频题。这些题目在多家公司的面试中反复出现，说明它们考察的不是某家公司的特殊偏好，而是这个岗位的基础能力面。

题目贴近实际工作场景，是这份题库被讨论最多的特点。比如像 Claude Code 这样的编码 Agent，模型和外面那层框架哪个更重要——这类问题没有标准答案，但能看出候选人是否真的动手搭过东西。面试官想听的不是概念复述，而是你在具体工程取舍上的判断。

流程也被一并整理

除了题目本身，仓库还附带了各公司的面试流程说明。以 Anthropic 为例，流程包括初筛、编程测评以及多轮技术面，题目涉及并发处理、Agent 架构等实战问题。多轮评估意味着每一轮考察的侧重点不同，提前知道流程结构，能帮求职者分配复习精力，而不是把所有时间平摊在每一类题上。

这种按公司拆流程、按主题拆题目的双层结构，解决的是同一个问题：面试准备最怕的不是题难，是不知道往哪个方向使劲。仓库把提问频率标出来，等于给了一份优先级清单。

对正在看机会的 AI 工程师来说，这份题库的价值不在于押中某道原题，而在于它把 35 家公司的考察重点摊开放在一起之后，高频考点的轮廓变得清晰了。先刷前 10 类，再按目标公司补流程细节，这个顺序比漫无目的地刷面经要高效得多。