youngyangyang04/llm-master

选用指南

AI 根据 README 整理 · 2026/10/14 17:11:00

目标用户

适合有Java、C++、Go、Python或前端开发基础，希望进入大模型应用开发、Agent工程或AI后端的程序员。

查看 README 依据

`LLM Master` 不是零散文章的合集，而是一套从**基础认知 → 应用开发 → RAG → Agent → 微调与部署 → Transformer → 项目与面试**逐级展开的完整知识体系。它关心的不只是“这个概念是什么”，更关心：为什么这样设计、工程上如何落地、出了问题怎么排查、面试时如何讲清楚。 如果你有 Java、C++、Go、Python 或前端开发基础，希望进入大模型应用开发、Agent 工程或 AI 后端，这个仓库就是为你准备的。 ## 为什么选择 LLM Master | | 你会得到什么 | |---|---| | 🧭 **完整路线** | 从入门到生产与面试，按知识依赖组织，不再面对一堆文章无从下手 | | 🧱 **工程视角** | 聚焦 API、数据、检索、工具、状态、评估、性能、成本和可靠性 | | 🔬 **原理与代码** | 从 Q/K/V、Attention 到手写 Tiny Transformer，把黑盒逐层拆开 | | 🛠️ **项目导向** | 每个阶段都有可交付项目和完成标准，学完能做、能讲、能写进简历 | | 🎯 **面试闭环** | 覆盖 RAG、Agent、微调、Transformer、AI 编程及真实大厂面经 |

使用方式

按学习路线从docs/roadmap/README.md开始，也可按专题索引或面试路线使用。

查看 README 依据

- [Transformer 高频面试题](docs/interview/llm/transformer_interview.md) - [RAG 高频面试题](docs/interview/llm/rag_interview.md) - [Agent 高频面试题](docs/interview/llm/agent_interview.md) - [微调面试详解](docs/interview/llm/finetuning_sft_rlhf_interview.md) - [Vibe Coding 面试题](docs/interview/llm/vibe_coding_interview.md) - [字节 Agent 开发四面面经](docs/interview/llm/20260506bytedance.md) 建议用统一结构回答项目题：**业务问题 → 技术选型 → 系统设计 → 评估指标 → 故障与优化 → 最终结果**。 ## 如何使用这个仓库 1. **第一次学习**：从[完整学习路线](docs/roadmap/README.md)开始，不建议直接刷全量目录。 2. **正在做项目**：进入对应[专题索引](docs/topics/README.md)，按问题查缺补漏。

3. **准备面试**：先补专题知识，再用[面试路线](docs/roadmap/interview.md)组织回答。 4. **寻找某篇文章**：打开[全部资料索引](docs/README.md)，浏览 150+ 篇教程与面经。 ## 适合与不适合 这个仓库适合： - 有开发基础，希望系统进入大模型应用开发的程序员 - 正在搭建 RAG、Agent、AI 后端或 AI 编程工作流的工程师 - 想补齐原理、生产工程或大模型面试能力的开发者 它不以纯算法研究和大规模预训练为主。如果你的目标是研究新型模型结构、训练基础模型或深入数学证明，建议将本仓库作为应用工程补充，而不是唯一资料。 ## 持续更新 大模型领域变化很快，仓库会持续补充新的工程实践、项目经验与面试题。欢迎点击右上角 **Star** 收藏，也可以 **Watch** 获取更新提醒。 最新内容首发于公众号「卡码大模型」。 <p align="center"> <img src="https://file1.kamacoder.com/i/web/卡码大模型二维码.jpg?v=20261005" width="180" alt="卡码大模型公众号二维码" /> </p> ## 参与贡献

已知限制

不以纯算法研究和大规模预训练为主，若目标是研究新型模型结构或深入数学证明，建议仅作为应用工程补充。

查看 README 依据

3. **准备面试**：先补专题知识，再用[面试路线](docs/roadmap/interview.md)组织回答。 4. **寻找某篇文章**：打开[全部资料索引](docs/README.md)，浏览 150+ 篇教程与面经。 ## 适合与不适合 这个仓库适合： - 有开发基础，希望系统进入大模型应用开发的程序员 - 正在搭建 RAG、Agent、AI 后端或 AI 编程工作流的工程师 - 想补齐原理、生产工程或大模型面试能力的开发者 它不以纯算法研究和大规模预训练为主。如果你的目标是研究新型模型结构、训练基础模型或深入数学证明，建议将本仓库作为应用工程补充，而不是唯一资料。 ## 持续更新 大模型领域变化很快，仓库会持续补充新的工程实践、项目经验与面试题。欢迎点击右上角 **Star** 收藏，也可以 **Watch** 获取更新提醒。 最新内容首发于公众号「卡码大模型」。 <p align="center"> <img src="https://file1.kamacoder.com/i/web/卡码大模型二维码.jpg?v=20261005" width="180" alt="卡码大模型公众号二维码" /> </p> ## 参与贡献