LinkedIn 技能评估题库：全球最大的职业技能认证备考资源

Imagine that you want to earn a LinkedIn skill badge in Python or AWS Lambda, but you have no idea where to start. That's exactly the problem Ebazhanov/linkedin-skill-assessments-quizzes was built to solve. This repository is a massive community-driven collection of real exam questions from LinkedIn's now-discontinued Skill Assessments feature, preserved as open-source so anyone can practice and validate their professional knowledge.

一、项目起源：LinkedIn 技能测试的「数字遗产」

2019年7月，一位名叫 Evgeny Bazhanov 的开发者创建了这个仓库。彼时 LinkedIn 刚刚推出「技能评估」功能——用户通过在线测验获得徽章，证明自己在某一技术领域的专业水平。这个功能迅速受到招聘企业和求职者的认可，因为通过 LinkedIn 官方认证的技能比简历上的自述更可信。

然而，2023年12月 LinkedIn 正式关停了技能评估功能。但数以万计的题目和答案并未随之消失——Bazhanov 和社区成员迅速行动，将这些宝贵的学习资源永久保存在了这个 GitHub 仓库中。如今，该项目已拥有超过 28,700 颗星，成为全球最大的职业技能认证备考题库之一。

二、数据规模：92 个技能分类，涵盖 IT 全栈

项目包含 92 个技能分类目录，横跨编程语言、云服务、设计工具、数据库、运营管理等各个领域：

• 编程语言：Python、JavaScript、Java、Go、Rust、Scala、Kotlin、Swift、C/C++、C#、PHP、Ruby、TypeScript
• 前端技术：React.js、Angular、HTML/CSS、jQuery、JSON
• 后端与框架：Django、Spring Framework、Node.js、Ruby on Rails、.NET
• 云服务：AWS Lambda、AWS、Google Cloud Platform、Microsoft Azure
• 数据库：MongoDB、MySQL、T-SQL、NoSQL
• DevOps 与工具：Git、Bash、Linux
• 数据科学：Machine Learning、AI-ML Basics、Hadoop、MATLAB、R
• 设计与多媒体：Adobe 全套（Photoshop/Illustrator/Premiere/Maya 等）、SketchUp、AutoCAD、SolidWorks
• 办公技能：Microsoft Excel/PowerPoint/Word/Project、Keynote、iMovie
• 其他：Accounting、QuickBooks、Google Analytics、SEO、WordPress 等

每个分类目录下都有一个或多个 *-quiz.md 文件，以 Markdown 格式存储题目。每道题目包含：

1. 题目正文（支持多选题和单选题）
2. 多个选项（用 [ ] 和 [x] 标记正确选项）
3. 参考链接（指向 MDN、W3Schools、官方文档等权威来源）

例如 Python 测验中，一道关于抽象类的题目：

Q1. What is an abstract class?

• An abstract class is the name for any class from which you can instantiate an object.
• Abstract classes must be redefined any time an object is instantiated from them.
• Abstract classes must inherit from concrete classes.
• An abstract class exists only so that other "concrete" classes can inherit from it. Reference: Python Abstract Classes - Real Python

这种格式简单直观，人类可读性极强，也方便社区贡献者通过 Pull Request 持续扩充题库。

三、技术架构：纯静态 Markdown，无服务端依赖

从技术角度看，这是一个极简主义项目的典范：

• 内容格式：全部内容为 Markdown 文本，无数据库、无 API、无服务端
• 文件结构：每个技能一个目录（如 python/、git/），目录内一个或多个 .md 题目文件
• 翻译系统：通过 assets/ 目录下的语言标志 SVG 文件（如 ch.svg、de.svg、fr.svg）标记多语言版本，每个题库目录下都有对应语言的翻译版本
• 代码质量：仓库使用 Prettier 自动格式化 Markdown，贡献规范要求答案必须附上参考链接
• 维护机制：Hacktoberfest 每年吸引大量贡献者，All Contributors 机器人记录了超过 1586 位贡献者的贡献历史

作者 Bazhanov 本人贡献了 1178 次提交，核心维护者 monkrus 贡献了 444 次。

四、使用方式：从 Git 克隆到在线练习

方式一：本地使用

git clone https://github.com/Ebazhanov/linkedin-skill-assessments-quizzes.git
cd linkedin-skill-assessments-quizzes/python
cat python-quiz.md | less  # 本地阅读题目

方式二：在线练习 Web App README 提供了两个社区开发的第三方练习平台：

• MD2Practice（https://linkedin-faq.github.io/md2practice/）：将 Markdown 题目渲染为交互式测验界面
• Skill Assessments Quizzes（https://linkedin-faq.github.io/skill-assessments-quizzes/）：专门为本项目定制的 Web 应用
• Kodyfire（终端版）：如果你习惯在命令行中学习，可用 npm 安装 LinkedIn Quizzed 终端版本

五、社区生态：开源协作的教科书案例

该项目展示了如何通过开源协作维护一个超大型知识库：

1. 多语言支持：通过 de.svg、fr.svg、it.svg、hi.svg、es.svg 等语言标记支持德语、法语、意大利语、印地语、西班牙语等多语言翻译
2. Discord 社区：拥有活跃的 Discord 服务器，成员可以讨论题目答案、申请技能 endorsement
3. Hacktoberfest 参与：每年10月参与 Hacktoberfest，通过活动吸引新贡献者加入题库维护
4. All Contributors：使用 all-contributors-bot 自动追踪贡献者类型，目前已有 1586 位贡献者

六、局限性与争议

1. LinkedIn 已停止官方技能测试：2023年12月后 LinkedIn 不再提供技能徽章认证，题目失去了「通过考试换取徽章」的原始价值，但仍具有极强的学习和自测价值
2. 题目时效性：技术类题目（如 AWS Lambda 的功能特性）可能随云服务更新而变化，社区需要持续维护更新
3. 无官方质量保证：所有题目来自社区贡献，题目和答案的正确性依赖贡献者的专业水平

七、行业意义：开源如何保存「数字文化遗产」

这个项目的最深远意义在于：它证明了开源社区可以有效地保存和传承数字形式的人类知识。当一个商业平台关闭时，它的知识和数据并未消失——社区接手，永久保存，继续服务全球数百万学习者。

从数据指标看：

• ⭐ 28,769 Stars：全球排名前列的优质学习资源
• 🍴 12,974 Forks：意味着有超过一万个分支在学习使用
• 👥 1,586 位贡献者：活跃的开源协作生态
• 📂 92 个技能分类：几乎覆盖了现代职场所需的所有技术技能

如果你正在准备技术面试、想系统性地查漏补缺某个技能领域，或者想为开源社区贡献一份力量，这个项目都是绝佳的选择。