Interview Question Bank (IQB) 是一个全面的面试题库系统，旨在帮助求职者准备技术面试和行为面试。本项目收录了各种技术岗位的常见面试题，包括算法、数据结构、系统设计、编程语言特定问题等。
- 📚 分类清晰：按技术栈、难度级别、公司类型分类整理
- 🎯 题型全面：涵盖算法题、系统设计题、行为面试题
- 💡 详细解答：提供标准答案和解题思路
- 🔍 搜索功能：快速查找特定类型的面试题
- 📊 进度追踪：记录学习进度和掌握情况
- 🌟 持续更新：定期添加最新的面试题目
IQB/
├── README.md # 项目说明文档
├── docs/ # 文档目录
│ ├── contribution.md # 贡献指南
│ └── interview-tips.md # 面试技巧
├── questions/ # 题库目录
│ ├── algorithms/ # 算法题
│ ├── data-structures/ # 数据结构题
│ ├── system-design/ # 系统设计题
│ ├── frontend/ # 前端相关题目
│ ├── backend/ # 后端相关题目
│ ├── database/ # 数据库题目
│ ├── behavioral/ # 行为面试题 (通用方法论)
│ └── company-specific/ # 特定公司题目
├── solutions/ # 解答目录
├── tools/ # 工具脚本
└── tests/ # 测试用例
- 进入
questions/目录查看分类题目 - 根据自己的需求选择相应的技术栈目录
- 每个题目文件包含题目描述、难度等级、相关标签
- 对应的解答位于
solutions/目录中 - 解答包含多种语言实现（如适用）
- 详细的解题思路和时间复杂度分析
使用项目根目录的搜索脚本快速查找题目：
# 搜索特定主题的题目
./tools/search.py --topic "二叉树"
# 按难度筛选
./tools/search.py --difficulty "medium"
# 按公司筛选
./tools/search.py --company "Google"- 数组和字符串
- 链表
- 栈和队列
- 树和图
- 动态规划
- 贪心算法
- 排序和搜索
- 分布式系统
- 数据库设计
- API 设计
- 缓存策略
- 负载均衡
- 微服务架构
- 前端：JavaScript核心概念, React生态, CSS布局设计, 性能优化
- 后端：Java, Python, Go, Node.js
- 数据库：SQL, NoSQL, 数据库优化
- 云服务：AWS, Azure, GCP
我们欢迎所有形式的贡献！您可以：
- 添加新题目：提交新的面试题和解答
- 改进现有内容：完善题目描述或解答
- 修复错误：报告或修复发现的问题
- 优化工具：改进搜索和管理工具
- Fork 本仓库
- 创建功能分支 (
git checkout -b feature/new-questions) - 提交更改 (
git commit -am '添加新的算法题目') - 推送到分支 (
git push origin feature/new-questions) - 创建 Pull Request
每个题目文件应包含以下部分：
# 题目标题
## 难度级别
- 初级 / 中级 / 高级
## 标签
- 算法, 数据结构, 动态规划
## 题目描述
[详细的题目描述]
## 示例
[输入输出示例]
## 要求
- 时间复杂度: O(n)
- 空间复杂度: O(1)
## 提示
[解题提示，可选]- 按计划学习：制定每日学习计划，循序渐进
- 理解原理：不仅要记住答案，更要理解解题思路
- 动手实践：实际编写代码，验证解答
- 模拟面试：找朋友或使用在线平台进行模拟面试
- 总结复盘：定期回顾和总结学习内容
如果您有任何问题或建议，请通过以下方式联系我们：
- 提交 Issue：GitHub Issues
- 邮箱：contact@iqb.com
- 讨论区：GitHub Discussions
本项目采用 MIT 许可证。详情请参阅 LICENSE 文件。
感谢所有为本项目贡献内容的开发者和面试官们！
⭐ 如果这个项目对您有帮助，请给我们一个 Star！
祝您面试成功！ 🎉