一个带工程化（内容索引 / 文档 lint / 进度看板）的中文面试工程库，不是资料堆：手册层原创整理 + 训练路线，参考层挂接外部原始仓库。
一个面向 后端 / 算法 / 系统设计 / 操作系统 / LLM / AI Infra / AI 编译器 的长期面试工程。
这个仓库现在不是“资料堆”，而是两层结构：
手册整合层负责把知识点、题单、路线、drill、mock 组织成可学习、可输出、可复习的手册。原始参考层负责把外部原始仓库通过 bootstrap 脚本拉到external/下，保留完整目录结构，避免只剩二手摘要。
这一层是你真正用来学习和准备面试的内容：
docs/topicsquestionstrackspracticeprojects
它解决的是：
- 该先学什么
- 该先保哪些题
- 每一块怎么练成面试输出
这一层是外部原始仓库的完整接入层，通过 bootstrap 脚本拉到 external/ 下（首次使用前先跑 bash scripts/bootstrap_llm_sources.sh / bash scripts/bootstrap_ai_infra_sources.sh）：
它解决的是：
- 想看原始目录时，直接进源仓库
- 想对照手册和原始章节时，有映射表可查
- 想从源码、项目、文档细节回补时，有明确入口
- 从“刷过很多，但讲不顺”到“能稳定输出”
- 从“只有二手笔记”到“手册层 + 原始层”双层闭环
- 从“AI Infra / LLM / 编译器混成一坨”到三条主线分开又能互相映射
- 手册正文以原创整理和结构化重写为主
external/保留原始仓库结构，作为原始层（由 bootstrap 脚本拉取，不进 git）- 原始仓库是参考源，不直接等于你的面试答案
仓库不是纯 markdown 堆，带一套内容工程工具链（在 scripts/）：
build_index.py— 扫描内容生成索引（counts / domains / coverage / files）lint_docs.py— 校验每篇题目的结构完整性（1 分钟速答 / 核心机制 / 高频问法 / 深挖与误区）generate_progress.py— 生成进度看板bootstrap_llm_sources.sh/bootstrap_ai_infra_sources.sh— 拉取外部参考仓库到external/
测试用 pytest：
pip install -e ".[dev]"
pytest -qtests/ 覆盖索引生成与文档 lint，6 个测试。当前 external/ 未拉取时也可独立运行（工具链不依赖外部内容）。
MIT License © 2026 aznikline