AgentGuide

💡 核心理念 Copy Chapter

📌 本项目定位：资源整合 + 系统化路径 + 实战导向

🎯 我们的原则：

• ✅ 站在巨人的肩膀上 - 互联网已有的优质资源（课程、教程、论文），我们直接引用，不重复造轮子
• ✅ 只分享干货 - （坚持更新中，欢迎催更）
• ✅ 提供系统化路径 - 将碎片化资源串联成完整学习路线，告诉你先学什么、再学什么
• ✅ 求职导向 - 每个知识点都标注"面试怎么考"、"简历怎么写"

💪 AgentGuide 的独特价值：不是简单的资源堆砌，而是系统化 + 求职导向 + 实战验证的完整解决方案！

📑 目录 Copy Chapter

🎯 核心内容：

• 💡 关于本项目 - Agent开发指南、转行大模型、高级RAG、大模型面试
• 🆕 求职新范式 - 1-2-5框架、个人品牌、投递策略
• 🧭 Agent 求职通关 Todo List - 当前优先级、8阶段学习产出、项目落地5步法
• 🚦 6步学习路径 - 从岗位选择到拿Offer
• 🔬 算法岗 vs 🛠️ 开发岗 - 岗位选择决策树
• 📚 学习路线图 - 算法岗10-15周 | 开发岗8-12周
• 💼 实战项目 - 开源优质项目合集+N X Agent项目
• 📖 技术教程 - LangGraph、RAG、上下文工程、监督微调、强化学习
• 🎯 面试题库 - 1500+题/面经、系统设计、编程题

🛠️ 快速导航：

• ⭐ 阿东作品推荐：learn-workbuddy - 从 0 搭建 WorkBuddy-style Desktop Agent Harness，clean-room 教学复现 Agent Loop、工具调用、上下文工程、长期记忆、Sidecar、权限审计和真实模型评测
• 🚀 10分钟快速开始 | 💬 加入学习社群 | ❓ 常见问题
• 🧭 新手快速开始 | 🧭 2026 Agent 求职路线 | 🛠️ Agent 项目落地方法 | 🧩 Agent Harness Engineering
• 🔬 前沿算法完整路线 | 🤖 具身智能/VLA路线 | 💻 算法+AI手撕题库 | 📋 小红书AI算法岗面经
• 📄 Paper Agent | 🧳 Travel Agent | 🌐 Web Agent | 🖼️ Multimodal RAG

📖 关于本项目 Copy Chapter

3 分钟了解为什么你需要 AgentGuide

😰 你是否正在经历这些痛点？ Copy Section

• ❌ 学了一堆 LLM API 调用，但不知道 Agent 和普通对话有什么区别
• ❌ 看了无数篇 LangChain 文档，却依然不知道从哪里开始
• ❌ 做了一些 Demo 项目，但简历上写不出亮点，面试讲不清楚
• ❌ 想转 AI Agent 方向，但不知道算法岗和开发岗应该准备什么
• ❌ 网上资料又多又杂，缺少一条清晰的学习路线

AgentGuide 是什么？

AI Agent 开发学习指南 | 转行大模型 | LangGraph 实战 | 高级RAG | 大模型面试

一份系统化、求职导向的 AI Agent 学习与面试指南，涵盖：

• Agent 工程：Agent Loop、LangGraph / OpenAI Agents SDK、MCP、Skills、权限与状态管理
• Context Engineering：上下文分层、Memory、Tool Loadout、长任务压缩、成本与缓存优化
• RAG / Multimodal RAG：文档解析、Embedding、Rerank、GraphRAG、Agentic RAG、视觉文档检索
• Eval / Observability / Safety：Agent 评测集、trace、LLM-as-judge、红队、安全边界与 human-in-the-loop
• Post-training / Agent RL：SFT、偏好优化、GRPO/DPO、工具调用数据合成、轨迹数据训练
• 实战与求职：Paper Agent、Travel Agent、Web Agent、项目复盘、简历表达与面试题库

🗺️ AgentGuide 在 LLM 生态中的定位 Copy Section

我们覆盖 AI Agent 开发的完整技术栈 - 从模型微调到应用部署的全流程：

📌 AgentGuide 涵盖的核心技术栈（2026 版）：

| 🤖 Agent 应用层

• ✅ Agent / Workflow
  • LangGraph、OpenAI Agents SDK
  • AutoGen、CrewAI、Pydantic AI
  • Dify、n8n、Flowise
• ✅ 任务形态
  • Research / Coding / Web Agent
  • Multi-Agent / Supervisor / Handoff
  • Computer Use / Browser Automation | 🧩 Agent Harness 层（核心）
• ✅ Context Engineering
  • System / Memory / Retrieval / Trace
  • Context Compression、Prompt Cache
• ✅ Tools & Protocols
  • Tool Schema、MCP、Skills
  • A2A / ACP、权限分级
• ✅ Reliability
  • Sandbox、HITL、Retry、Cost Guard
  • Trace、Replay、Observability | 📊 Data / Eval / Training 层
• ✅ RAG & Data
  • Docling、MinerU、Unstructured
  • Milvus、Qdrant、Chroma、FAISS
  • GraphRAG、Agentic RAG、Multimodal RAG
• ✅ Eval & Safety
  • Promptfoo、DeepEval、Inspect、RAGAS
  • WebArena、OSWorld、SWE-bench
• ✅ Post-training
  • SFT、LoRA / QLoRA、DPO / GRPO
  • Tool-use / Trajectory 数据合成 |
    | --- | --- | --- |

💡 AgentGuide 的完整覆盖：

🔬 算法工程师路径：

• Agent 推理与规划：ReAct、Reflexion、Tree/Graph Search、Tool-use 策略
• RAG 与记忆算法：Hybrid Retrieval、Rerank、GraphRAG、Agentic RAG、Memory 压缩与召回
• Post-training：SFT、LoRA/QLoRA、DPO/GRPO、工具调用/轨迹数据合成与评测

🛠️ 开发工程师路径：

• Agent Harness：状态管理、工具注册、权限确认、sandbox、trace、replay、成本控制
• 工具与协议：MCP、Skills、A2A/ACP、API adapter、Browser / Computer-use 工具封装
• 生产级 RAG：文档解析、向量库、rerank、引用、观测、CI eval 与安全红队

🔀 通吃型路径：用算法能力提升 Agent 决策质量，用工程能力把 Agent 做成可运行、可评测、可复盘、可写进简历的系统。

🎯 适合人群 Copy Section

求职目标：

• ✅ AI Agent 算法工程师 | AI Agent 开发工程师 | RAG 系统工程师
• ✅ LLM 应用工程师 | 大模型工程师 | 多模态算法工程师

学习需求：

• ✅ Agent Loop | LangGraph | OpenAI Agents SDK | MCP / Skills
• ✅ RAG / Multimodal RAG | 向量数据库 | Agent Memory | Eval Harness
• ✅ 大模型面试 | 算法岗面试 | 开发岗面试 | HR面试 | 谈薪技巧

🌟 AgentGuide 的 6 大核心价值 Copy Section

| 📚 系统化学习路径

• ✅ 从零基础到面试通过的完整路线

• ✅ 理论 → 工具 → 实战 → 求职，环环相扣

• ✅ 不用再到处找资料，一个仓库学完全部 | 🎯 100% 求职导向

• ✅ 每个知识点都标注"面试怎么考"

• ✅ 提供真实大厂面试题

• ✅ 手把手教你如何将项目写进简历 |
  | --- | --- |
  | 💼 n个简历级实战项目

• ✅ XXXAgent（RAG方向）

• ✅ XXXMulti-Agent（协作方向）

• ✅ XXXAgent（高级方向）

• ✅ 持续收集高质量开源项目 | 🔀 算法 × 开发双线通吃

• ✅ 同一项目，可投算法岗或开发岗

• ✅ 算法线：原理、创新、实验设计

• ✅ 开发线：架构、优化、系统设计 |
  | 🆓 完全开源，持续更新

• ✅ 所有内容永久免费

• ✅ 作者一线大模型算法工程师

• ✅ 社区驱动，欢迎贡献 | 🚀 快速上手，立即见效

• ✅ 10 分钟跑通第一个 Agent

• ✅ 2-3 周完成简历级项目

• ✅ 8-10 周系统掌握，准备面试 |

🎁 学完 AgentGuide，你能获得什么？ Copy Section

从迷茫到清晰，从理论到Offer，一站式成长路径

✅ 【概念清晰】深刻理解：Agent 和普通 LLM 调用的本质区别
✅ 【技能掌握】熟练使用：CamelAI、LangGraph、向量数据库等核心工具  
✅ 【动手能力】独立开发：RAG Agent、Multi-Agent、Web Agent 系统
✅ 【简历亮点】2-3 个可以写进简历、面试能讲清楚的项目
✅ 【面试自信】掌握 Agent 方向的高频面试题和标准答案
✅ 【职业规划】明确算法岗和开发岗的差异，找到适合自己的方向
✅ 【人脉资源】加入 AI Agent 学习社群，结识同行，互相成长

🚦 从零到Offer的完整路径（快速导航） Copy Chapter

👋 新来的同学看这里！先看新范式，再按步骤执行，8-10周拿到Offer！

| 🆕 新范式

求职新范式

做出什么 > 学过什么 | 🎯 第一步

确定目标岗位

算法 vs 开发？ | 💡 第二步

拿Offer方法论

如何准备？ | 📚 第三步

学习路线

学什么？ | 💼 第四步

实战项目

做什么？ | 🎓 第五步

系统学习

技术细节 | 🎯 第六步

面试冲刺

如何面试？ |
| --- | --- | --- | --- | --- | --- | --- |

⚡ 重要提醒：

1. 一定要先完成"第一步"和"第二步" - 确定方向再学习！
2. "第四步"实战项目最重要 - 简历的核心竞争力！
3. 学习时对照"第六步"面试题 - 知道学的东西面试怎么考！

🆕 求职新范式：做出什么 > 学过什么 Copy Chapter

⚡ 求职规则已经变了。2026年，HC:投递比约1:200，核心问题不再是"我够不够格"，而是"我用什么方式让自己被看见"。

1-2-5 求职框架 Copy Section

工具不再是壁垒，你用工具做出的东西才是。

旧方式 vs 新范式 Copy Section

个人品牌：让面试官主动找你 Copy Section

个人网站必备要素（免费部署：Vercel/GitHub Pages，5分钟上线）：

• 每个项目一个页面 + 在线可访问的demo链接
• 技术Blog：至少3篇有深度的原理解析
• 社区数据：GitHub Star数 / 真实用户数
• 时间线里程碑

简历项目描述公式：

❌ 「参与开发了一个AI客服系统」
✅ 「基于LangGraph + MCP构建多Agent客服系统，工具调用成功率94%，响应时长从3.2s降至0.8s，日处理10万+对话」

投递策略：AI筛简历时代的人工突围 Copy Section

招聘方也在用AI筛简历——两个AI在对话，人的主动触达反而更稀缺。

核心目标公司（5-10家）走人工路线：

1. Boss/猎聘找具体的Hiring Manager或Team Lead
2. 提前关注他们的开源项目/技术Blog
3. 带着具体问题主动联系（不是「请问还招人吗？」）
4. 目标：一个warm intro，不是冷申请

时机窗口： 3-6月提前批竞争烈度比8-9月低30-40%，往往是真正的机会窗口。

AI辅助投递工具：

• Auto Job Apply - 开源自动投递简历工具，支持批量投递与AI简历适配

说几句实话 Copy Section

• 语言不是门槛，设计才是。 Python/TypeScript AI都能帮你写。但Agent状态机怎么设计、Memory何时截断、工具调用失败如何fallback——这些必须你自己想清楚、讲明白。
• AI工具人人都有，判断力才是壁垒。 会用Cursor写代码不算竞争力。当AI给你一个错误的Agent设计，你能30秒内发现并说清楚为什么错——这才是L5和L3的分水岭。
• 分享即异步面试。 一篇深度Blog、一个有Star的仓库，相当于提前通过了一轮面试。
• 拿结果说话。 不是"我学过LangChain"，是"我用LangGraph做了一个有300个真实用户的工具"。

新增优质资源 Copy Section

后续实践重点：在 Superpowers 的 Skills 工作流基础上，我将重点使用 grill-me / grilling 系列 Skills。它们会一次只追问一个问题，逐项压测计划、决策与设计中的假设、依赖、边界和取舍；达成共同理解后，再进入实现。

🧭 Agent 求职通关 Todo List（新增） Copy Chapter

不是链接收藏夹，是可以照着执行的 todo list。

目标很简单：从“我学过什么”，推进到“我做出了什么、怎么验证、怎么写进简历、怎么讲给面试官听”。

• 完整路线：2026 Agent 求职通关路线
• 项目落地方法：如何落地一个可写进简历的 Agent 项目
• 工程核心专题：Agent Harness Engineering

How To Use Copy Section

What To Learn Now Copy Section

Agent 方向变化很快，当前更值得投入的是能落地、能验证、能讲清楚取舍的工程能力：

8 阶段学习产出 Copy Section

项目落地 5 步法 Copy Section

1. 建立全局认知：先搞清楚目标项目的 agent loop、tool registry、context 拼装、memory、channel 抽象。
2. 准备 AI 编程环境：沉淀 CLAUDE.md / AGENTS.md、需求规格、实现计划和跨会话 todo。
3. 建立项目理解 Skill：把项目结构、关键模块、测试方式写成可复用的项目理解文档。
4. 先写 Spec，再写代码：明确目标用户、工具列表、权限策略、失败处理、成本约束、成功标准。
5. 评测 + 归因 + 消融实验：记录通过率、失败原因、工具调用次数、成本、延迟，把结果写进简历。

面试深水区 Copy Section

面试不只问“会不会 LangChain”，更会追问你有没有真正写过能跑的 Agent：

• Agent Loop：observe → think → act → observe，最大步数、停止条件、错误恢复、HITL 怎么设计？
• Context + Cost Engineering：上下文分层、压缩、缓存友好结构、模型路由、token 成本怎么降？
• Tool Design：工具命名、description、schema、分页截断、权限分级、工具选错怎么修？
• Memory System：working / episodic / semantic memory，什么值得存、怎么召回、什么时候遗忘？
• Eval + Governance：component / trajectory / end-to-end eval，golden dataset 怎么来，trace 怎么审计？
• Reliability Engineering：idempotency、timeout、retry、cost guard、permission tier、observability 六件套。

简历三维表达法 Copy Section

不要只写“基于大模型实现智能问答”。一个 Agent 项目要从三维表达：

示例：

基于轻量 Agent Harness 构建垂直场景助手，使用 ReAct loop + dispatch 表注册 5 个业务工具，四层分级 context 管理 system / long-term / short-term / turn 信息；高风险操作接入三级权限确认，20 条评测 case 端到端通过率 82%，通过上下文压缩和模型路由将 token 成本降低 60%。

🎯 第一步：确定你的目标岗位 Copy Chapter

核心理念：选择 > 努力！选对方向，事半功倍！

🤔 AI Agent 岗位的两条主线 Copy Section

在大模型时代，Agent 方向的岗位主要分为两条线：

| ### 🔬 算法工程师线

核心工作：算法创新、论文研究

日常任务：

• 读论文、设计算法
• 跑实验、做消融
• 写论文、开源贡献

产出形式：

• 论文发表（顶会/期刊）
• 算法库、开源项目
• 专利、技术报告

评价标准：

• 算法性能提升（+15%准确率）
• 创新性（新架构、新策略）
• 影响力（论文引用、Star数）

岗位数量：⭐⭐⭐ 中等
竞争激烈度：⭐⭐⭐⭐⭐ 很激烈
薪资天花板：⭐⭐⭐⭐⭐ 很高（60-200万） | ### 🛠️ 开发工程师线

核心工作：系统搭建、业务落地

日常任务：

• 写代码、优化系统
• 对接业务、解决问题
• 性能调优、监控告警

产出形式：

• 生产系统上线
• 业务指标提升
• 用户满意度提高

评价标准：

• 系统稳定性（P99延迟<500ms）
• 业务价值（成本降低40%）
• 工程能力（QPS、并发、可用性）

岗位数量：⭐⭐⭐⭐⭐ 最多
竞争激烈度：⭐⭐⭐ 适中

薪资天花板：⭐⭐⭐⭐ 较高（40-80万） |
| --- | --- |

🎯 你应该选哪条线？ Copy Section

👉 点击查看详细的岗位选择决策树

问题1：你的核心优势是什么？

├─ 数学/理论强 + 喜欢钻研原理 + 有论文发表
│   → 【算法工程师线】
│   
│   细分方向选择：
│   ├─ 想优化 Agent 算法 → Agent 算法工程师（Memory优化、规划策略）
│   ├─ 想优化 RAG 算法 → RAG 算法工程师（检索策略、Reranker）
│   └─ 想改进模型本身 → 模型算法工程师（Reasoning、对齐）
│
└─ 工程能力强 + 喜欢做系统 + 注重落地
    → 【开发工程师线】
    
    细分方向选择：
    ├─ 想做业务应用 → Agent 应用开发（RAG系统、RPA、智能客服）⭐ 推荐
    ├─ 想做基础设施 → AI Infra 开发（推理部署、训练平台）
    └─ 想做产品化 → AI 应用开发（前端集成、产品化）

问题2：有什么背景？

• ✅ 有论文/科研经历 → 优先算法线
• ✅ 有工程/项目经验 → 优先开发线
• ✅ 两者都有 → 通吃策略（最推荐！）

⭐ 最佳策略：两手抓！

• 简历中既有算法项目（论文、算法优化）
• 又有开发项目（完整系统、业务指标）
• 可以同时投两类岗位，机会翻倍！

🎯 技术方向细分（重要！） Copy Section

👉 点击查看 Agent 方向的细分岗位

🔬 算法线细分方向

1. 上下文工程算法工程师 ⭐⭐⭐⭐⭐ 最热门！

技术方向：

• RAG 算法：GraphRAG、Agentic RAG、Reranker 训练
• Agent 算法：Memory 机制、规划算法优化、Multi-Agent 协作
• 多模态算法：跨模态对齐（CLIP改进）、多模态融合

项目示例：

• GraphRAG 检索算法优化（召回率 +12%）
• Agent Memory 压缩算法（存储 -60%）
• Agentic RAG 策略设计（准确率 +20%）

岗位数量：⭐⭐⭐⭐（大厂+头部创业公司）

2. 模型算法工程师 ⭐⭐

技术方向：

• Reasoning 算法（Long COT、工具调用 RL）
• 对齐算法（RLHF、DPO、GRPO）
• 模型架构（MoE、长文本、Attention 改进）

岗位数量：⭐⭐（主要在大厂研究院）

🛠️ 开发线细分方向

1. 上下文工程开发工程师 ⭐⭐⭐⭐⭐ 岗位最多！

技术方向：

• RAG 系统：企业知识库、智能客服、文档解析
• Agent 应用：RPA 自动化、研究助手、工作流 Agent
• 多模态系统：图文检索、OCR pipeline、视觉问答

项目示例：

• 企业级 GraphRAG 知识问答系统（服务1000+员工）
• Agent 驱动的 RPA 系统（自动化率80%，节省200万/年）

岗位数量：⭐⭐⭐⭐⭐（所有 AI 公司都需要）

2. AI Infra 开发工程师 ⭐⭐⭐

技术方向：

• 推理服务部署（vLLM、TGI、Triton）
• 训练平台搭建（KubeFlow、Ray）
• 模型服务化（API 网关、负载均衡、监控）

岗位数量：⭐⭐⭐（大厂需求多）

👉 Agent 开发工程师核心能力要求（大厂真实招聘）

基于 OpenAI、DeepMind、Meta、蚂蚁等大厂真实 JD 总结

三层能力模型

Layer 1：后端与系统功底（基础能力）

• 大型分布式、高并发、高性能系统设计
• 云原生 PaaS 平台、Kubernetes 架构理解
• 价值：Agent 系统本质是复杂分布式服务

Layer 2：Agent 核心技术（重点能力）

• 混合 Agent 架构（单 Agent vs Multi-Agent）
• 上下文工程（动态打包、向量索引、信息检索）
• 工具编排（Tool 设计、Function Calling）
• 记忆与个性化（Memory 设计、Mem0、Zep）
• 任务规划（Orchestration、Workflow）
• 评估体系（如何证明 Agent 比人工更好？）

Layer 3：模型理解（加分项）

• 主流模型长短板（GPT-4/Claude/Llama 选择）
• 微调能力（Function Call 微调、垂直领域适配）
• 强化学习基础（Agent RL、DPO）

从"调包侠"到"真实项目"的关键转变

❌ 玩具项目：

• 只用 LangChain 跑个 demo
• 没有评估、没有优化、没有生产化考虑
• 面试一问就穿帮

✅ 真实项目：

• 具体业务场景（智能客服、RPA、研究助手）
• 完整技术栈（文档解析 + 高级 RAG + Agentic 逻辑）
• 量化评估（构建测试集、使用 Ragas、持续追踪优化）
• 生产化考虑（成本控制、性能优化、可观测性、异常处理）

📖 完整技术方向详解：转行大模型热门方向准备指南

💡 新手建议：优先选择上下文工程开发（RAG/Agent 系统），岗位最多、最易落地

💡 第二步：拿Offer的方法论 Copy Chapter

不同岗位，完全不同的准备策略！

🔬 算法工程师 - 如何准备？ Copy Section

点击查看算法岗完整准备方案

简历重点：

✅ 必须强调：

• 算法创新："提出XX算法"、"改进XX方法"、"设计XX策略"
• 实验验证：对比实验、消融实验、baseline对比、指标提升
• 论文/专利："论文在投XXX"、"发表于XXX"
• 开源贡献："开源代码XX stars"

❌ 尽量少提：

• 业务指标（用户数、QPS）
• 系统架构细节
• 工程优化

项目示例（算法岗）：

【Agentic RAG 策略优化】
- 问题：多跳推理场景召回率低（实验测得62%）
- 方法：提出基于RL的子图采样算法，优化路径排序策略
- 实验：在KGQA数据集上F1提升12%，对比5种baseline
        消融实验：RL策略贡献8%，路径排序贡献4%
- 产出：论文在投EMNLP（一作），代码开源300+ stars
- 技能：强化学习、图神经网络、知识图谱

面试准备重点：

• 📚 理论深度（能推导算法原理）
• 🧪 实验设计（对比实验、消融实验）
• 📄 论文阅读（顶会最新进展）
• 💻 代码实现（能手撕核心算法）

🛠️ 开发工程师 - 如何准备？ Copy Section

点击查看开发岗完整准备方案

简历重点：

✅ 必须强调：

• 完整系统："搭建XX系统"、"端到端实现"、"上线服务"
• 业务价值：服务用户数、处理量、业务指标提升
• 性能优化：QPS提升、延迟降低、成本节省
• 技术栈：具体框架、工具、数据库、部署方案
• 工程能力：高并发、高可用、监控告警

❌ 不要过度强调：

• 算法细节和理论推导
• 论文（开发岗更看重系统）

项目示例（开发岗）：

【企业级 Agent 自动化系统】
- 背景：客服部门日均5000+重复工单，人力成本高
- 技术：LangChain + WebShaper + Mem0
        多Agent协同（规划Agent、执行Agent、审核Agent）
        集成20+工具（数据库、API、浏览器操作）
- 优化：异常重试机制，成功率从70%→95%
        并发处理，吞吐量提升5倍
- 成果：自动化率80%，效率提升3倍
        节省人力成本200万/年，获部门最佳项目奖
- 技能：Agent开发、工具集成、系统监控

面试准备重点：

• 🏗️ 系统设计（高可用、高并发）
• ⚡ 性能优化（缓存、批处理）
• 🔧 工程实践（部署、监控、异常处理）
• 💼 业务理解（为什么这样设计）

🔀 通吃策略 - 如何准备？（⭐ 最推荐） Copy Section

点击查看"通吃"完整准备方案

为什么推荐通吃？

1. 机会翻倍：可同时投算法和开发岗
2. 展现全栈：大模型时代，算法+工程都重要
3. 灵活适配：大厂偏算法，创业公司偏工程

理想简历结构（3-4个项目）：

项目1：算法创新型 🔬
  → 体现算法能力：Agent Memory优化 / Agentic RAG策略
  → 关键词：论文、实验、开源
  
项目2：系统落地型 🛠️
  → 体现工程能力：完整RAG系统 / Multi-Agent应用
  → 关键词：业务指标、性能优化、上线
  
项目3：微调/训练型（加分项）
  → 体现训练能力：Function Call微调 / RLHF
  → 关键词：多少卡、参数设置、训练稳定性

AgentGuide 的学习路径：

1. 先学理论（第一部分）- 建立算法认知
2. 再学工具（第二部分）- 掌握工程技能
3. 做实战项目（第三部分）- 同时准备算法版和开发版
4. 面试准备（第四部分）- 掌握两类面试技巧

📚 第三步：基于岗位的学习路线 Copy Chapter

根据你在"第一步"的选择，选择对应的学习路线

🎯 快速导航 Copy Section

🚀 新手推荐：

• 📘 AgentGuide开源学习路线（简易版） - 从零到Offer完整路径，8-15周系统化学习方案，包含完整资源清单 ⭐⭐⭐

🔬 算法 / 具身方向新增：

• 🧠 前沿算法岗位完整学习指南 - 覆盖算法岗从工程基础、模型训练、RAG/Agent、多模态到推理部署的完整能力栈
• 🤖 具身智能与 VLA 完整学习指南 - 面向 VLA/机器人岗位的多模态、动作建模、仿真、Sim2Real 与数据闭环路线

📋 详细路线（按岗位分）：

🗺️ 选择你的学习路线 Copy Section

| ### 🔬 算法岗学习路线

学习时长：10-15 周
难度：⭐⭐⭐⭐⭐
产出：论文 + 开源项目

学习重点：

• 📚 理论深度（能推导公式）
• 🧪 实验设计（对比、消融）
• 📄 论文阅读（顶会前沿）
• 💻 算法实现（手撕核心）

项目类型：

• Agentic RAG 策略优化
• Agent Memory 压缩算法
• Multi-Agent 协作策略

👉 查看详细路线图 | ### 🛠️ 开发岗学习路线

学习时长：8-12 周
难度：⭐⭐⭐
产出：完整系统 + 业务指标

学习重点：

• 🏗️ 系统设计（架构、扩展性）
• ⚡ 性能优化（缓存、批处理）
• 🔧 工程实践（部署、监控）
• 💼 业务理解（痛点、价值）

项目类型：

• 企业级 RAG 系统
• Agent 自动化系统
• Multi-Agent 协作应用

👉 查看详细路线图 |
| --- | --- |

🗺️ 通用学习流程图 Copy Section

graph TD
    A[开始学习 AI Agent] --> B{你的背景是什么?}
    
    B -->|算法/研究背景| C[第一部分: 核心理论深入理解 Agent 原理]
    B -->|开发/工程背景| D[第二部分: 核心技术栈快速上手开发框架]
    
    C --> E[第二部分: 核心技术栈掌握工具和框架]
    D --> F[第一部分: 核心理论补充理论基础]
    
    E --> G[第三部分: 系统设计与实战完成简历项目]
    F --> G
    
    G --> H[第四部分: 面试指南准备求职]
    
    H --> I{目标岗位?}
    
    I -->|算法工程师| J[强化: 论文复现 + 实验设计准备算法面试题]
    I -->|开发工程师| K[强化: 系统架构 + 性能优化准备系统设计题]
    I -->|全栈 Agent 工程师| L[双线并进准备两类面试]
    
    J --> M[投递简历 + 面试]
    K --> M
    L --> M

⏱️ 学习时间概览 Copy Section

💡 建议：点击上面的"查看详细路线图"，获取每日学习计划和详细任务清单

💼 第四步：完成实战项目（可写进简历） Copy Chapter

这是最重要的一步！没有项目，一切都是空谈！

AgentGuide 提供 n 个简历级实战项目，每个项目都提供：

• ✅ 完整的代码实现
• ✅ 系统架构设计
• ✅ 算法岗和开发岗两种简历写法
• ✅ 面试时如何讲解

👉 直接跳转到实战项目：点击这里查看n个项目

🎓 第五步：系统学习 Agent 技术（技术准备） Copy Chapter

💡 学习目标：掌握 Agent 开发完整技术栈，从理论到实战全覆盖
🔬 算法岗重点：深入理解原理，能推导公式，关注创新点
🛠️ 开发岗重点：熟练使用框架，快速实现功能，注重工程化

📊 技术能力四层模型 Copy Section

我们将 Agent 技术划分为四大能力层级，每个层级对应不同的学习模块：
我来创建一个三列的内容导航表格：

📑 内容导航 Copy Chapter

🔰 L1-基础认知层详解 Copy Section

学习时长：1-2 周 | 难度：⭐⭐⭐ | 重要性：⭐⭐⭐⭐⭐

🎯 阶段目标

• ✅ 理解 Agent 的本质定义与核心组件
• ✅ 掌握 Transformer 架构与大模型基础
• ✅ 了解 Agent 技术发展历程与未来趋势

📚 学习内容

| 模块1：Agent 核心概念解析

• 智能体定义、类型、范式与应用
• 5级自主性分类体系
  • L1: 基础响应器（Responder）
  • L2: 路由模式（Router）
  • L3: 工具调用者（Tool Caller）
  • L4: 多智能体协作（Multi-Agent）
  • L5: 完全自主（Autonomous）
• Agent 系统解剖学
  • 角色与聚焦（Role & Focus）
  • 记忆系统（Memory）
  • 工具生态（Tools）
  • 安全防护（Guardrails）

📖 阅读：什么是 AI Agent？ | 模块2：技术演进历程与趋势洞察

• 符号主义时代（1950s-1990s）
• 连接主义崛起（1990s-2010s）
• 深度学习革命（2012-2020）
• LLM 驱动的 Agent 时代（2020-至今）
• 关键里程碑论文解读
  • ReAct（推理+行动）
  • Reflexion（自我反思）
  • AutoGPT（自主规划）
  • Multi-Agent（协作涌现）

📖 阅读：Agent 技术演进史 |
| --- | --- |
| 模块3：大模型工作原理（Agent的大脑）

Agent 的"大脑"是 LLM，理解大脑的工作原理是构建 Agent 的前提

知识模块 核心内容 学习要点
:----- :--------- :---------
架构层 Transformer、Self-Attention、MoE 注意力机制、上下文窗口、位置编码（RoPE/ALiBi）
数据层 Word2Vec、BPE、WordPiece Tokenizer 原理、中文分词（jieba）、Token 计算
训练层 预训练、SFT、LoRA/QLoRA 分布式训练、参数高效微调、显存优化技巧
推理层 vLLM、TGI、量化技术 PagedAttention、GPTQ/AWQ 量化、推理优化
对齐层 RLHF、PPO、DPO Reward Model、策略优化、人类偏好对齐

📖 深入阅读：Transformer 架构详解
📖 DeepSeek 系列完整深度笔记 🆕
📖 LLaMA 系列完整深度笔记 🆕
📖 Qwen 系列深度学习笔记 🆕 | |

🛠️ L2-开发实现层详解 Copy Section

学习时长：3-4 周 | 难度：⭐⭐⭐⭐ | 重要性：⭐⭐⭐⭐⭐

🎯 阶段目标

• ✅ 手撕核心 Agent 架构（ReAct、Plan-Solve、Reflexion）
• ✅ 掌握主流开发框架（LangChain、AutoGen、AgentScope）
• ✅ 能够独立搭建完整的 Agent 系统

🔨 实操内容

| 模块4：经典 Agent 范式手撕实现

从零实现三大核心模式：

1. ReAct 模式

• Thought（思考）→ Action（行动）→ Observation（观察）
• 工具调用与结果解析
• 循环终止条件设计

2. Plan-Execute 模式

• 任务分解（Task Decomposition）
• 子任务规划与执行
• 依赖关系处理

3. Reflection 模式

• Self-Evaluation（自我评估）
• Error Analysis（错误分析）
• Strategy Adjustment（策略调整）

📖 实战教程：手撕 ReAct
📖 实战教程：规划与执行 | 模块5：低代码平台快速验证

工具选型与使用：

1. 代码优先（Code-First）

• LangChain/LangGraph：工业界标准
• LlamaIndex：数据导向，RAG 首选
• AutoGen/CrewAI：Multi-Agent 协作
• AgentScope：阿里开源，易上手

2. 低代码/无代码（Low-Code）

• Dify：开源 LLM 应用平台
• Coze/扣子：字节跳动，快速搭建
• n8n：工作流自动化神器

📖 框架对比：如何选择？

📖 Multi-Agent 框架详解 |
| --- | --- |
| 模块6：主流框架深度实战

框架能力对比与应用：

框架 核心特性 适用场景 学习资源
:----- :--------- :--------- :---------
LangGraph 图导向、状态管理、循环控制 复杂工作流、需要精确控制的场景 📖 完整教程
AutoGen 多 Agent 对话、角色扮演 团队协作、复杂任务分解 📖 实战指南
AgentScope 消息驱动、灵活扩展 国内场景、中文优化 📖 快速上手
CrewAI 角色分工、层级管理 企业级应用、流程自动化 📖 企业实战

模块7：自研 Agent 框架设计原理

理解框架底层设计，培养自主开发能力：

• 消息路由与状态管理机制
• 工具注册与动态加载系统
• 异常处理与重试策略
• 可观测性与日志追踪

📖 实战项目：打造自己的 Agent 框架 | |

🚀 L3-高阶优化层详解 Copy Section

学习时长：4-5 周 | 难度：⭐⭐⭐⭐⭐ | 重要性：⭐⭐⭐⭐⭐

🎯 阶段目标

• ✅ 掌握 RAG 全栈技术（数据处理、检索优化、高级 RAG）
• ✅ 精通上下文工程（Context Engineering 2.0）
• ✅ 理解 Agent 评估体系与微调方法

💡 高级技术

| 模块8：检索增强生成（RAG）全栈技术

8.1 数据预处理

• 文档解析（PDF/Markdown 高保真提取）
• 智能分块（Semantic Chunking 语义切分）
• 元数据增强（结构化信息提取）

8.2 索引构建与管理

• Embedding 模型选型与评估
• 向量数据库对比（Milvus/Chroma/Qdrant）
• 多模态索引（图文混合处理）

8.3 检索策略优化

• 混合检索（Hybrid Search 向量+关键词）
• 查询重写（HyDE/Query Expansion）
• Reranker 二次排序
• Text2SQL 自然语言查询

8.4 高级 RAG 架构

• GraphRAG：知识图谱增强检索
• Modular RAG：模块化可组合架构
• Agentic RAG：智能体驱动的自主检索
• Multimodal RAG：跨模态理解与检索

📖 完整教程：RAG 系统开发指南
📖 向量数据库选型 | 模块9：上下文工程（Context Engineering）⭐⭐⭐

"将海量信息中最相关的内容，精准放入有限上下文窗口的艺术"

核心策略 - The 4 Acts：

• Write（写入）：Prompt 设计、Memory 结构化存储
• Select（选择）：RAG 检索、动态工具加载
• Compress（压缩）：摘要生成、Token 剪枝优化
• Isolate（隔离）：状态隔离、沙盒环境设计

工程实践技巧：

• KV Cache 优化（降低 90% 成本与延迟）
• 12-Factor Agents 生产级设计原则
• Claude Code 最佳实践

常见问题修复：

• 上下文中毒（Poisoning）
• 注意力分散（Distraction）
• 信息冲突（Clash）

📖 必读：上下文工程资源合集 🔥

📖 深度指南：Context Engineering 2.0 |
| --- | --- |
| 模块10：智能体通信标准与协议

协议 功能定位 核心能力 应用场景
:----- :--------- :--------- :---------
MCP Model Context Protocol 标准化上下文与工具交换 跨平台工具调用、统一接口
A2A Agent-to-Agent 智能体间协作通信 Multi-Agent 系统、任务分发
ANP Agent Negotiation Protocol 智能体协商与共识 资源分配、冲突解决

📖 协议详解：MCP 完全指南 | |
| 模块11：模型微调与强化学习

从监督微调到强化学习的完整路径：

11.1 监督微调（SFT）

• LoRA/QLoRA 参数高效微调原理
• Function Call 微调实战
• 指令数据集构建技巧
• LlaMA-Factory 实战应用

11.2 强化学习（RLHF）

• PPO：Proximal Policy Optimization
• DPO：Direct Preference Optimization
• GRPO：DeepSeek 的群组相对策略优化
• Reward Model 训练技巧

11.3 Agent RL 应用

• 工具调用策略优化
• 规划能力增强训练
• 自我修正机制训练

📖 完整指南：Agent 强化学习
📖 实战：SFT 监督微调
📖 Post-Training 完整面试指南 🆕 | 模块12：性能评估与效果量化

如何科学评估 Agent 性能？

评估维度：

• 准确性：任务完成率、答案正确率
• 效率：平均步数、Token 消耗
• 鲁棒性：错误恢复、异常处理
• 成本：API 调用次数、计算资源

评估框架：

• AgentBench：通用 Agent 评测基准
• WebArena：Web 任务评测
• KGQA：知识图谱问答
• HotPotQA：多跳推理测试

自定义评估：

• 构建测试集的方法论
• 使用 Ragas 自动评估
• 人工评估与 LLM-as-Judge

🔥 新增：AI Agent 评估完全指南

• 💡 Anthropic 万字评估指南译文
• 🎯 三种评分器正确打开方式 (Code/Model/Human-based)
• 🏗️ 四类 Agent 评估秘籍 (编程/对话/研究/计算机操作)
• 🎲 驯服非确定性：pass@k vs pass^k
• 🗺️ 从零开始的八步路线图
• 🧀 瑞士奶酪组合拳评估法
• 🛠️ 工具选择避坑指南

📖 评估指南：科学评估 Agent
📖 AgentBench 详解
📖 🔥 AI Agent 评估完全指南 (Anthropic官方万字长文) ⭐ 必读 |

🛡️ 生产级系统设计（工程化实践） Copy Section

高可用架构设计

• 缓存策略（Semantic Cache、KV Cache）
• 异步任务队列与重试机制
• 降级与熔断

可观测性（Observability）

• LangSmith/LangFuse 链路追踪
• 成本监控与 Token 审计
• 性能分析与优化

安全性（Security）

• Prompt 注入防御
• 权限控制与沙盒隔离
• 人机协作边界（Human-in-the-loop）

📖 完整指南：高可用 RAG 系统
📖 安全性指南

💼 简历级实战项目 🚀 Copy Section

💡 学习目标：掌握复杂 Multi-Agent 系统设计，完成可写进简历的高质量项目
⏱️ 学习时长：3-4 周 | 难度：⭐⭐⭐⭐⭐ | 重要性：⭐⭐⭐⭐⭐（简历核心）

🎯 核心收获

• ✅ 掌握复杂 Multi-Agent 系统设计
• ✅ 理解生产级系统的工程化实践
• ✅ 完成可写进简历的高质量项目

🎨 简历级实战项目详解

每个项目都提供完整代码 + 算法岗/开发岗双版本简历写法

🎯 简历项目详细教程

📄 项目一：自动化论文检索与分析 Agent（⭐ 推荐新手）

项目核心：为研究人员打造智能论文分析助手，整合 ArXiv 检索、多跳推理、自主规划等核心技术

适合场景：

• ✅ 面试 RAG 相关岗位（检索增强生成）
• ✅ 展示 Agentic 思维和系统设计能力
• ✅ 零基础友好，2-3周可完成

你将获得的核心能力：

| 🔬 算法线能力

• Agentic RAG 策略设计
• 多跳推理算法实现
• 检索召回率优化（65% → 85%）
• 消融实验设计与分析 | 🛠️ 工程线能力
• 端到端 RAG 系统搭建
• Redis 缓存优化（降低70%成本）
• LangSmith 链路追踪集成
• 高可用架构设计 |
  | --- | --- |

技术栈：LangChain + Milvus + ArXiv API + GPT-4 + Redis

学习路径：

• 项目需求与技术选型 （即将推出）
• 系统架构设计 （即将推出）
• 核心代码实现 （即将推出）
• 部署与演示 （即将推出）
• 📝 如何写进简历？（算法岗 vs 开发岗）（即将推出）

📝 简历示例

| 算法岗写法：

【Agentic RAG 策略优化】
- 问题：传统RAG召回率仅65%
- 方法：基于ReAct框架设计自主
  规划检索策略，引入多跳推理
- 实验：召回准确率提升至85%
  消融实验：规划策略贡献12%
- 产出：论文在投，代码开源
``` | **开发岗写法**：

【高可用论文分析系统】

• 背景：研究员日均检索50+论文
• 技术：LangChain + Milvus + Redis
  混合检索策略 + 缓存优化
• 优化：P99延迟2s→300ms
  API成本降低70%
• 成果：服务20+研究员，日均
  500+查询，满意度95%

| --- | --- |






**🌍 项目二：旅行规划 Multi-Agent 系统（⭐ 适合展示协作能力）**



**项目核心**：打造智能旅行助手，通过多Agent协作实现从需求分析到行程规划的完整闭环

**适合场景**：
- ✅ 面试 Multi-Agent 协作岗位
- ✅ 展示复杂任务分解与Agent编排能力
- ✅ 中等难度，适合有一定基础的同学

**你将获得的核心能力**：



| **🔬 算法线能力**
- Multi-Agent 协作策略设计
- 任务分解与规划算法
- Agent 通信协议优化
- 共识机制与冲突解决 | **🛠️ 工程线能力**
- AutoGen/CrewAI 框架实战
- 多API集成与编排
- 异步任务处理与并发控制
- 分布式 Agent 系统设计 |
| --- | --- |



**技术栈**：AutoGen / CrewAI + 天气API + 航班API + 酒店API + GPT-4

**项目亮点**：
- ✅ 3 个专业 Agent 协同工作（需求分析师、预算规划师、行程执行者）
- ✅ 层级式通信：Supervisor 模式 + 消息队列
- ✅ 智能决策：预算超支自动调整、天气影响行程变更

**学习路径**：
- [ ] 项目需求与技术选型 _（即将推出）_
- [ ] 系统架构设计 _（即将推出）_
- [ ] 核心代码实现 _（即将推出）_
- [ ] 部署与演示 _（即将推出）_
- [ ] 📝 如何写进简历？（算法岗 vs 开发岗）_（即将推出）_




**🕷️ 项目三：Web Agent - 自主浏览与任务完成（⭐ 高级，适合冲刺大厂）**



**项目核心**：打造能自主浏览网页、理解页面内容、完成复杂任务的智能Agent（如在线购物、表单填写）

**适合场景**：
- ✅ 面试顶级 Agent 岗位（字节、阿里等）
- ✅ 展示视觉理解 + 决策执行的完整能力
- ✅ 高级项目，适合冲刺大厂SP/SSP

**你将获得的核心能力**：



| **🔬 算法线能力**
- 视觉-语言多模态理解
- 强化学习策略优化
- 自我修正与反思机制
- Benchmark评估（WebArena） | **🛠️ 工程线能力**
- Playwright 浏览器自动化
- GPT-4V 视觉理解集成
- 异常处理与重试机制
- 复杂工作流编排 |
| --- | --- |



**技术栈**：Playwright + GPT-4V + LangChain + 强化学习（PPO）

**项目亮点**：
- ✅ 视觉理解 + 操作执行的完整闭环
- ✅ 基于反馈的自我修正机制（识别错误 → 分析原因 → 调整策略）
- ✅ 在 WebArena 基准测试上达到 75% 成功率（超越 Baseline 10%）

**学习路径**：
- [ ] 项目需求与技术选型 _（即将推出）_
- [ ] 系统架构设计 _（即将推出）_
- [ ] 核心代码实现 _（即将推出）_
- [ ] 部署与演示 _（即将推出）_
- [ ] 📝 如何写进简历？（算法岗 vs 开发岗）_（即将推出）_




**📂 项目四：优质 Agent 实战开源项目、Workflow 项目与 Agent 项目集合**



**项目核心**：整理分享一些优质的 Agent 实战开源项目、Workflow 项目与 Agent 项目集合

**包含内容**：
- [优质 Agent 实战开源项目](./projects/04-end-to-end-projects/README.md)
- [优质 Workflow 项目](./projects/05-agent-workflows/README.md)
- [优质 Agent 项目集合](./projects/06-project-collections/README.md)




**🧳 项目五：智能旅行助手 - Multi-Agent 协作系统（⭐ 适合展示协作能力）**



**项目核心**：打造智能旅行助手，通过多Agent协作实现从需求分析到行程规划的完整闭环

**适合场景**：
- ✅ 面试 Multi-Agent 协作岗位
- ✅ 展示复杂任务分解与Agent编排能力
- ✅ 中等难度，适合有一定基础的同学

**你将获得的核心能力**：



| **🔬 算法线能力**
- Multi-Agent 协作策略设计
- 任务分解与规划算法
- Agent 通信协议优化
- 共识机制与冲突解决 | **🛠️ 工程线能力**
- AutoGen/CrewAI 框架实战
- 多API集成与编排
- 异步任务处理与并发控制
- 分布式 Agent 系统设计 |
| --- | --- |



**技术栈**：AutoGen / CrewAI + 天气API + 航班API + 酒店API + GPT-4

**项目亮点**：
- ✅ 3 个专业 Agent 协同工作（需求分析师、预算规划师、行程执行者）
- ✅ 层级式通信：Supervisor 模式 + 消息队列
- ✅ 智能决策：预算超支自动调整、天气影响行程变更
- ✅ MCP 协议集成实践

**学习路径**：
- [ ] 项目需求与技术选型 _（即将推出）_
- [ ] 系统架构设计 _（即将推出）_
- [ ] 核心代码实现 _（即将推出）_
- [ ] 部署与演示 _（即将推出）_
- [ ] 📝 如何写进简历？（算法岗 vs 开发岗）_（即将推出）_




**🔬 项目六：自动化深度研究智能体（⭐ 适合科研方向）**



**项目核心**：复现 DeepResearch Agent，打造自动化文献检索与分析系统

**适合场景**：
- ✅ 面试 AI 研究助手相关岗位
- ✅ 展示复杂工作流设计与知识整合能力
- ✅ 高级项目，适合有科研背景的同学

**你将获得的核心能力**：



| **🔬 算法线能力**
- 知识图谱构建算法
- 多源信息融合策略
- 自动化推理与总结
- 长文本生成优化 | **🛠️ 工程线能力**
- LangGraph 状态机设计
- ArXiv / Semantic Scholar API集成
- GraphRAG 知识整合
- 分布式爬虫与数据处理 |
| --- | --- |



**技术栈**：LangGraph + ArXiv API + Semantic Scholar + GraphRAG + GPT-4/Claude

**项目亮点**：
- ✅ 复现 DeepResearch Agent 核心功能
- ✅ 自动化文献检索与分析（日均处理100+论文）
- ✅ 知识图谱自动构建与可视化
- ✅ 研究报告自动生成（3000+字深度报告）

**学习路径**：
- [ ] 项目需求与技术选型 _（即将推出）_
- [ ] 系统架构设计 _（即将推出）_
- [ ] 核心代码实现 _（即将推出）_
- [ ] 部署与演示 _（即将推出）_
- [ ] 📝 如何写进简历？（算法岗 vs 开发岗）_（即将推出）_




**🎮 项目七：桌游小镇社会模拟 - 大规模Agent系统（⭐ 高级，展示系统设计能力）**



**项目核心**：构建25个Agent角色的社会模拟系统，探索复杂社交网络与记忆机制

**适合场景**：
- ✅ 面试大规模Agent系统设计岗位
- ✅ 展示社交模拟与记忆系统设计能力
- ✅ 高级项目，适合冲刺大厂

**你将获得的核心能力**：



| **🔬 算法线能力**
- 社交网络建模
- 记忆压缩与检索算法
- 行为预测与模拟
- 涌现行为分析 | **🛠️ 工程线能力**
- 自定义 Agent 框架设计
- SQLite 记忆存储优化
- 事件驱动架构
- 大规模并发处理 |
| --- | --- |



**技术栈**：自定义 Agent 框架 + SQLite + 事件驱动架构 + 可视化界面

**项目亮点**：
- ✅ 25 个 Agent 角色自主交互与演化
- ✅ 记忆与关系网络动态管理
- ✅ 复杂社交行为模拟（友谊、竞争、合作）
- ✅ 可视化展示社交网络演化过程

**学习路径**：
- [ ] 项目需求与技术选型 _（即将推出）_
- [ ] 系统架构设计 _（即将推出）_
- [ ] 核心代码实现 _（即将推出）_
- [ ] 部署与演示 _（即将推出）_
- [ ] 📝 如何写进简历？（算法岗 vs 开发岗）_（即将推出）_




**🎓 项目八：毕业设计 - 综合实战项目（⭐⭐⭐ 必做）**



**项目核心**：综合运用所学知识，构建属于你的完整 Agent 应用

**适合场景**：
- ✅ 所有同学必做
- ✅ 简历核心项目
- ✅ 面试必讲项目

**设计要求**：
1. ✅ **选择真实业务场景**（RAG/自动化/研究助手等）
2. ✅ **端到端系统设计**（需求分析 → 架构设计 → 实现 → 优化 → 部署）
3. ✅ **包含量化评估**（构建测试集、性能指标、成本分析）
4. ✅ **生产级考虑**（异常处理、监控告警、成本优化）
5. ✅ **可写进简历**（提供算法岗和开发岗两种描述版本）

**推荐方向**：



| **🔬 算法岗方向**
- 企业级 RAG 检索算法优化
- Agent 规划策略创新
- Multi-Agent 协作算法
- 强化学习策略优化 | **🛠️ 开发岗方向**
- 企业级 RAG 知识问答系统
- Agent 驱动的 RPA 自动化平台
- 智能研究助手（论文分析/代码生成）
- Multi-Agent 协作系统（客服/销售/运营） |
| --- | --- |



**核心产出**：
- ✅ 完整的系统设计文档
- ✅ 可运行的代码实现
- ✅ 性能评估报告
- ✅ 算法岗 + 开发岗双版本简历描述
- ✅ 面试讲解准备材料

📖 [毕业设计完整指南](./docs/03-practice/04-graduation-project.md)



---

## 💼 第六步：面试准备与 Offer 冲刺

> 💡 **学习目标**：系统准备面试，提升 Offer 成功率  
> 📝 **两条线不同的面试策略**：算法岗讲创新，开发岗讲价值

#### 📚 完整面试题库（1500+题/面经）🔥 全面升级

> **🎯 题库特色**：
> - ✅ 完整覆盖 LLM/VLM/RLHF/RAG/Agent 全技术栈
> - ✅ 包含美团、字节、阿里、DeepSeek等一线大厂真题
> - ✅ 难度分级 + 公司来源标注 + 考点分析
> - ✅ 区分算法岗/开发岗重点，覆盖最新技术（DeepSeek-V3/R1）

**📖 核心通用题库（两个岗位都需要）**



| **理论基础（必学）**
- [x] [📘 LLM/VLM/RLHF理论题](./docs/04-interview/01-theory-questions.md)
  - **LLM核心**: 32题（Transformer、位置编码、MHA/MQA/GQA等）
  - **推理优化**: 16题（KV Cache、LoRA、量化、分布式训练）
  - **VLM多模态**: 18题（CLIP、融合策略、BLIP等）
  - **RLHF对齐**: 32题（SFT、PPO、DPO、GRPO等）
  - **总计**: **98题** ⬆️ 新增42题

**RAG系统（开发岗重点）**
- [x] [📊 RAG全流程题](./docs/04-interview/02-rag-questions.md)
  - **核心原理**: 检索、索引、生成
  - **检索优化**: 混合检索、BM25、Reranker
  - **高级技术**: GraphRAG、意图识别、增量更新
  - **总计**: **22题** ⬆️ 新增10题 | **Agent开发（核心）**
- [x] [🤖 Agent系统题](./docs/04-interview/03-agent-questions.md)
  - **核心概念**: ReAct、Memory、Tool Use
  - **Multi-Agent**: 协作机制、调度策略
  - **系统设计**: 记忆系统、工具调用、容错机制
  - **工程实践**: 并发安全、性能优化、可解释性
  - **总计**: **52题** ⬆️ 新增39题

**编程实战（必备）**
- [x] [💻 手撕代码题](./docs/04-interview/04-coding-questions.md)
  - LLM基础：Self-Attention、MHA、MQA、RoPE等 **11题** 🆕
  - Agent核心：ReAct、Tool Registry、Memory系统
  - RAG系统：文档切块、混合检索、Reranker
  - 推理优化：KV Cache、Beam Search、LoRA
  - **总计**: **34题** ⬆️ 新增11道Transformer核心组件手撕题
- [x] [💻 大模型手撕刷题路线](./docs/04-interview/17-coding-exercises.md) 🆕
  - 分阶段刷题：神经网络基础算子 → Attention 机制 → 位置编码 → 优化技术
  - 按难度分级，系统化刷题指南
- [x] [🧩 算法题：传统算法与 AI 手撕分类版](./docs/04-interview/22-algorithm-ai-coding-question-bank.md) 🆕
  - 503 道，覆盖数组/链表/树/图/动态规划/训练推理/CUDA 等分类
  - 保留公司来源和难度标签，适合按专题刷题 |
| --- | --- |



**🎯 岗位专项题库（针对性强化）**

- [x] [🔬 算法岗专项](./docs/04-interview/05-algorithm-specialized.md) - 算法创新/推导/实验/论文 **45题**
- [x] [🛠️ 开发岗专项](./docs/04-interview/06-development-specialized.md) - 系统设计/工程实践/选型/落地 **45题**

**🏢 真实面经与进阶**

- [x] [📋 大厂真实面经](./docs/04-interview/12-company-interview-cases.md) - 美团/字节/阿里等16个完整案例
- [x] [🧭 AI Agent 面试备战手册合集](./docs/04-interview/18-agent-interview-playbooks/) - Memory、Skills、Harness、评估、数据合成、源码分析与项目话术
- [x] [📚 1000篇小红书AI算法岗面经：难度递增整合版](./docs/04-interview/19-xiaohongshu-ai-algorithm-interview-bank.md) 🆕 - 按编程、ML/DL、RAG/Agent、多模态、系统设计等难度递增整理
- [x] [📊 模型评估专题](./docs/04-interview/13-model-evaluation.md) - BLEU/ROUGE、基准测试、LLM-as-Judge **10题**
- [x] [🔮 前景与趋势](./docs/04-interview/14-llm-future-trends.md) - AGI、多模态、世界模型等开放讨论 **9题**
- [x] [💬 开放性讨论](./docs/04-interview/15-open-discussion.md) - 技术判断、学习建议、核心素质 **8题**


**💡 题库使用建议**

第一阶段（2-3周）：系统学习
├─ 01-理论基础题（LLM/VLM/RLHF）→ 打基础
├─ 02-RAG系统题 → 掌握检索技术
└─ 03-Agent核心题（Q1-Q13）→ 理解Agent原理

第二阶段（2-3周）：深入强化
├─ 03-Agent系统题（Q14-Q52）→ 工程实践
├─ 05/06-岗位专项 → 针对性准备
└─ 04-编程实战题 → 手撕代码

第三阶段（1-2周）：冲刺突破
├─ 12-真实面经 → 模拟完整面试
├─ 13-模型评估 → 掌握评估方法
└─ 14/15-开放讨论 → 展示思维深度

#### 求职软技能
- [x] [📝 简历编写指南](./docs/04-interview/20-resume-guide.md) - AI Agent 项目简历公式、双岗写法与自检脚本
- [x] [🎤 项目讲述技巧](./docs/04-interview/21-storytelling.md) - STAR+Tech 项目表达、追问地图与复盘模板
- [x] [⭐ 转行大模型指南](./docs/04-interview/07-career-transition.md)
- [x] [⭐ 秋招完整攻略](./docs/04-interview/08-job-hunting-guide.md)

#### 📄 专业简历模板（新增⭐）

> **🎨 开源 LaTeX 简历模板 - 专为转行大模型设计**



| **模板特色**：
- ✅ **专业美观** - 基于 Awesome-CV，适合技术岗位
- ✅ **深度优化** - 针对 LLM/Agent/RAG 方向的项目描述模板
- ✅ **新增带头像版本** - 满足不同展示需求
- ✅ **完整板块** - 涵盖科研经历、实习经历、项目经历、技能清单
- ✅ **双岗适配** - 同时支持算法岗和开发岗的写法示例
- ✅ **AI友好** - 支持 Cursor AI 快速编辑，提效10倍
- ✅ **零门槛** - Overleaf 在线编译，无需本地配置环境

**适合人群**：
- 转行AI/大模型的同学
- 准备算法/开发岗面试
- 想要专业LaTeX简历的求职者 | **🔗 获取模板**：

👉 **[LLM-Resume-Template](https://github.com/adongwanai/LLM-Resume-Template)**

**快速开始**：
1. Fork 仓库到你的 GitHub
2. 用 Overleaf 打开项目
3. 填入你的项目和技能
4. 一键导出 PDF

**模板包含**：
- 算法岗简历示例
- 开发岗简历示例  
- 项目描述话术库
- 技能关键词清单 |
| --- | --- |



#### 面试软技能（新增⭐）
- [x] [⭐ 校招生谈薪实用指南](./docs/04-interview/09-salary-negotiation.md) - 3大原则、话术模板
- [x] [⭐ HR面试完全攻略](./docs/04-interview/10-hr-interview.md) - 10大高频问题应对
- [x] [⭐ 秋招心态调整指南](./docs/04-interview/11-mindset.md) - 保持好心态拿Offer

#### 4.3 核心资源精选（按方向分类）

> **📌 只推荐面试会考、项目会用的核心资源！**

**🤖 Agent 方向**：
- [x] [Agent 资源总览 📂](./resources/agent/) - Agent 所有资源导航
  - [Agent 框架对比](./resources/agent/frameworks.md) - 5个核心框架
  - [Memory 模块](./resources/agent/memory.md) - 4个记忆系统
  - [Tool Use](./resources/tools.md) - 工具调用
  - [GUI Agent](./resources/agent/gui-agent.md) - 界面操作
  - [核心论文](./resources/agent/papers/README.md) - 必读论文

**📊 RAG 方向**：
- [x] [RAG 资源总览 📂](./resources/rag/) - RAG 所有资源导航
  - [向量数据库](./resources/rag/vector-db.md) - 5个核心向量库
  - [文档解析](./resources/rag/document-parsing.md) - 5个解析工具
  - [完整项目汇总](./resources/rag/projects.md) - 150+个RAG开源项目 🆕
  - [Embedding 模型](./resources/rag/embedding.md) - Embedding选型
  - [Reranker](./resources/rag/reranker.md) - 重排序
  - [高级RAG](./resources/rag/advanced.md) - GraphRAG、HyDE
  - [核心论文](./resources/rag/papers/README.md) - 必读论文

**🛠️ 通用工具**：
- [x] [开发者工具箱](./resources/tools.md) - Cursor、元宝、Excalidraw
- [x] [开发框架总览](./resources/agent/frameworks.md) - 快速框架对比

**🎨 推荐可视化学习资源**：
- 📊 **[100+ LLM/RL 算法原理图](https://github.com/changyeyu/LLM-RL-Visualized)** - 《大模型算法：强化学习、微调与对齐》作者巨献
  - 涵盖内容：Transformer架构、注意力机制、SFT微调、LoRA/QLoRA、DPO/PPO/GRPO、RLHF全流程、逻辑推理优化等
  - 适合人群：算法岗必看！通过100+原创原理图深入理解大模型算法的数学原理和实现细节
  - 配套书籍：[《大模型算法：强化学习、微调与对齐》](https://book.douban.com/subject/37331056/)

**🌟 需要更全面的 LLM 资源？**  
👉 查看作者的另一个项目：**[Awesome-Awesome-LLMs](https://github.com/adongwanai/Awesome-Awesome-LLMs)**
（涵盖训练、推理、多模态、Infra 等 LLM 全栈 200+ Awesome 系列资源）

---

## 🚀 快速开始

### 1️⃣ 如果你是算法背景（10 分钟快速入门）

```bash
# 第一步：理解 Agent 是什么
阅读：docs/01-theory/01-what-is-agent.md

# 第二步：学习核心框架 ReAct
阅读：docs/01-theory/04-react-framework.md

# 第三步：快速上手 LangChain
阅读：docs/02-tech-stack/04-langchain-guide.md

# 第四步：跑通第一个 Agent
git clone https://github.com/adongwanai/AgentGuide.git
cd AgentGuide/examples
python quickstart_agent.py

2️⃣ 如果你是开发背景（10 分钟快速入门） Copy Section

# 第一步：快速上手 LangChain
阅读：docs/02-tech-stack/04-langchain-guide.md

# 第二步：理解 Agent 核心概念
阅读：docs/01-theory/01-what-is-agent.md

# 第三步：学习向量数据库
阅读：docs/02-tech-stack/08-vector-db-basics.md

# 第四步：搭建第一个 RAG Agent
git clone https://github.com/adongwanai/AgentGuide.git
cd AgentGuide/examples
python quickstart_rag_agent.py

🤝 如何贡献 Copy Chapter

AgentGuide 是一个完全开源的项目，非常欢迎你的贡献！

贡献方式 Copy Section

1. 内容贡献：完善文档、补充案例、纠正错误
2. 代码贡献：优化示例代码、添加新的实战项目
3. 翻译贡献：帮助翻译成英文版，让更多人受益
4. 问题反馈：发现问题？请提 Issue

贡献流程 Copy Section

1. Fork 本仓库
2. 创建你的特性分支 (git checkout -b feature/AmazingFeature)
3. 提交你的修改 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 提交 Pull Request

详细贡献指南请参考：CONTRIBUTING.md

📬 联系作者 & 加入社群 Copy Chapter

👨‍💻 关于作者 Copy Section

我是阿东，一线大模型算法工程师

• 🎓 技术背景：专注 AI、RAG、LLM 应用方向
• 📝 内容创作：全网 5w+ 粉丝，持续分享 AI 技术与求职经验
• 🚀 开源贡献：多个 AI 相关开源项目维护者

🌐 在这些平台找到我 Copy Section

| 📱 小红书
阿东玩AI
短视频教程 + 技术拆解 | 📝 公众号
阿东玩AI
深度技术文章 + 求职经验 | 🎬 B站
阿东玩AI
视频教程 + 项目实战 | 💻 GitHub
@adongwanai

开源项目 + 代码示例 |
| --- | --- | --- | --- |

💬 加入 AI Agent 学习社群 Copy Section

为什么要加入社群？

• ✅ 每周技术分享：Agent 最新论文解读、工程实践经验
• ✅ 简历面试辅导：免费简历诊断、模拟面试、内推机会
• ✅ 问题实时答疑：技术问题、求职困惑，随时提问
• ✅ 学习小组：组队学习 AgentGuide，互相监督，共同进步
• ✅ 行业资源：大厂内推信息、技术资料、论文分享

如何加入？

1. 方式一：Star 本项目后，在 Issues 中评论"申请加群"
2. 方式二：关注公众号「阿东玩AI」，回复「AgentGuide」获取入群二维码
3. 方式三：小红书@阿东玩AI，私信"加群"

**🎁 社群福利**：Agent 学习路线图 PDF + 面试题库 + 项目代码模板 + 大厂内推机会 Copy Chapter

⭐ 如果这个项目对你有帮助 Copy Section

请考虑支持一下：

• ⭐ Star 本仓库，让更多人看到
• 🔀 Fork 本仓库，开始你的学习之旅
• 📣 分享 给正在找 AI 工作的朋友
• 💬 反馈 你的建议和意见（提 Issue 或 PR）

你的每一个 Star 都是我持续更新的动力！🚀

📝 更多文档 Copy Chapter

📚 项目文档 Copy Section

• ❓ 常见问题 (FAQ) - 14个常见问题解答
• 📊 项目总结 (PROJECT_SUMMARY) - 项目定位与核心优势
• 🤝 贡献指南 (CONTRIBUTING) - 如何参与贡献

🗺️ 学习路线 Copy Section

• 🧭 2026 Agent 求职通关路线 - Agent Loop、Harness、Skills、Eval、项目产出的可执行路线 ⭐ 新增
• 🚀 AgentGuide开源学习路线（简易版） - 从零到Offer完整路径（8-15周）⭐ 新增
• 🔬 算法岗详细路线 - 每日学习计划
• 🧠 前沿算法岗位完整学习指南 - 覆盖算法岗位能力栈、实践任务和交付标准
• 🤖 具身智能与 VLA 完整学习指南 - 面向 VLA/机器人岗位的系统学习路线
• 🛠️ 开发岗详细路线 - 每日学习计划

💼 实战方法 Copy Section

• 🛠️ 如何落地一个可写进简历的 Agent 项目 - Spec、AI 编程环境、项目理解 Skill、Eval 和消融实验
• 🧩 Agent Harness Engineering - Agent Harness 七层模型与可靠性六件套

📂 资源导航 Copy Section

• 🤖 Agent 资源总览 - Agent 所有资源
• 📊 RAG 资源总览 - RAG 所有资源
• 🛠️ 开发工具箱 - 效率工具推荐
• 📚 精选学习资源 - 课程、教程、书籍汇总
• 💻 算法+AI手撕题库 - 传统算法与 AI 手撕分类版
• 📋 小红书AI算法岗面经题库 - 难度递增整合版

📈 Star History Copy Chapter