[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"project-73607":3},{"id":4,"name":5,"fullName":6,"owner":7,"repo":5,"description":8,"homepage":9,"htmlUrl":10,"language":11,"languages":10,"totalLinesOfCode":10,"stars":12,"forks":13,"watchers":14,"openIssues":15,"contributorsCount":16,"subscribersCount":16,"size":16,"stars1d":17,"stars7d":18,"stars30d":19,"stars90d":16,"forks30d":16,"starsTrendScore":20,"compositeScore":21,"rankGlobal":10,"rankLanguage":10,"license":10,"archived":22,"fork":22,"defaultBranch":23,"hasWiki":24,"hasPages":24,"topics":25,"createdAt":10,"pushedAt":10,"updatedAt":39,"readmeContent":40,"aiSummary":41,"trendingCount":16,"starSnapshotCount":16,"syncStatus":42,"lastSyncTime":43,"discoverSource":44},73607,"AgentGuide","adongwanai\u002FAgentGuide","adongwanai","https:\u002F\u002Fadongwanai.github.io\u002FAgentGuide | AI Agent开发指南 | LangGraph实战 | 高级RAG | 转行大模型 | 大模型面试 | 算法工程师 | 面试题库 | 强化学习｜数据合成","",null,"HTML",5783,575,16,90,0,154,384,1109,462,39.28,false,"main",true,[26,27,28,29,30,31,32,33,34,35,36,37,38],"agenticrag","ai-agent","crewai","graphrag","grpo","interview","job-hunting","langchain","llm","multi-agent","rag","sft","tutorial","2026-06-12 02:03:15","# AgentGuide\n[![1764666915027.png](https:\u002F\u002Ffree.picui.cn\u002Ffree\u002F2025\u002F12\u002F02\u002F692eadf2be3ac.png)](https:\u002F\u002Ffree.picui.cn\u002Ffree\u002F2025\u002F12\u002F02\u002F692eadf2be3ac.png)\n\n\u003Cdiv align=\"center\">\n    \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FAgent-开发指南-blue?style=for-the-badge\" alt=\"Agent开发指南\">\n    \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F面试-求职导向-green?style=for-the-badge\" alt=\"求职导向\">\n    \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F项目-完全开源-orange?style=for-the-badge\" alt=\"完全开源\">\n    \n\u003Cbr\u002F>\n    \n\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fadongwanai\u002FAgentGuide\">\n        \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fstars\u002Fadongwanai\u002FAgentGuide?style=social\" alt=\"stars\">\n    \u003C\u002Fa>\n    \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fadongwanai\u002FAgentGuide\u002Fnetwork\u002Fmembers\">\n        \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002Fadongwanai\u002FAgentGuide?style=social\" alt=\"forks\">\n    \u003C\u002Fa>\n    \n\u003Cbr\u002F>\n    \n\u003Ch2>🔥 AI Agent 开发 × 面试求职 = 一站式解决方案\u003C\u002Fh2>\n    \n\u003Cp>\n        \u003Cstrong>对标 JavaGuide 的 AI Agent 学习指南\u003C\u002Fstrong>\u003Cbr\u002F>\n        \u003Cstrong>从入门到拿 Offer，系统化 + 实战化 + 求职导向\u003C\u002Fstrong>\n    \u003C\u002Fp>\n\u003C\u002Fdiv>\n\n---\n\n## 💡 核心理念\n\n> **📌 本项目定位：资源整合 + 系统化路径 + 实战导向**\n>\n> 🎯 **我们的原则**：\n> - ✅ **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\n> - ✅ **只分享干货** - （坚持更新中，欢迎催更）\n> - ✅ **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\n> - ✅ **求职导向** - 每个知识点都标注\"面试怎么考\"、\"简历怎么写\"\n>\n> 💪 **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！\n\n---\n\n## 📑 目录\n\n**🎯 核心内容**：\n- [💡 关于本项目](#-关于本项目) - Agent开发指南、转行大模型、高级RAG、大模型面试\n- [🆕 求职新范式](#-求职新范式做出什么--学过什么) - 1-2-5框架、个人品牌、投递策略\n- [🚦 6步学习路径](#-从零到offer的完整路径快速导航) - 从岗位选择到拿Offer\n- [🔬 算法岗 vs 🛠️ 开发岗](#-第一步确定你的目标岗位) - 岗位选择决策树\n- [📚 学习路线图](#-第三步基于岗位的学习路线) - 算法岗10-15周 | 开发岗8-12周\n- [💼 实战项目](#-第四步完成实战项目可写进简历) - 开源优质项目合集+N X Agent项目\n- [📖 技术教程](#-第五步系统学习-agent-技术技术准备) - LangGraph、RAG、上下文工程、监督微调、强化学习\n- [🎯 面试题库](#-第六步面试准备与-offer-冲刺) - 1000+题、系统设计、编程题\n\n**🛠️ 快速导航**：\n- [🚀 10分钟快速开始](#-快速开始) | [💬 加入学习社群](#-联系作者--加入社群) | [❓ 常见问题](.\u002FFAQ.md)\n\n---\n\n## 📖 关于本项目\n\n> **3 分钟了解为什么你需要 AgentGuide**\n\n### 😰 你是否正在经历这些痛点？\n\n- ❌ **学了一堆 LLM API 调用，但不知道 Agent 和普通对话有什么区别**\n- ❌ **看了无数篇 LangChain 文档，却依然不知道从哪里开始**\n- ❌ **做了一些 Demo 项目，但简历上写不出亮点，面试讲不清楚**\n- ❌ **想转 AI Agent 方向，但不知道算法岗和开发岗应该准备什么**\n- ❌ **网上资料又多又杂，缺少一条清晰的学习路线**\n\n**`AgentGuide` 是什么？**\n\n> **AI Agent 开发学习指南 | 转行大模型 | LangGraph 实战 | 高级RAG  | 大模型面试**\n\n一份系统化、求职导向的 AI Agent 学习与面试指南，涵盖：\n- **Agent 开发**：LangChain、LangGraph、AutoGen、CrewAI、Swarm 框架教程\n- **RAG 系统**：向量数据库、Embedding、文档解析、检索优化、GraphRAG\n- **Multi-Agent**：多智能体协作、Supervisor模式、任务分解、工作流编排\n- **上下文工程**：Memory管理、Tool Loadout、Context优化（6大技巧）\n- **面试求职**：算法岗 vs 开发岗、面试题库、简历优化、大厂面经\n- **实战项目**：论文检索Agent、旅行规划Multi-Agent、Web Agent\n\n### 🗺️ AgentGuide 在 LLM 生态中的定位\n\n**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：\n\n\u003Cdiv align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Fraw.githubusercontent.com\u002Fadongwanai\u002FAwesome-Awesome-LLMs\u002Fmain\u002F20251210154458267.png\" alt=\"LLM开源生态图谱\" width=\"100%\">\n\u003Csub>图片来源：\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FLangchainai\u002Fllm-oss-landscape\">LLM Open Source Landscape\u003C\u002Fa>\u003C\u002Fsub>\n\u003C\u002Fdiv>\n\n**📌 AgentGuide 涵盖的核心技术栈**：\n\n\u003Ctable>\n\u003Ctr>\n\u003Ctd width=\"33%\">\n\n**🤖 AI Agent 层**（核心）\n- ✅ **Agent 框架**\n  - LangGraph、LangChain\n  - AutoGen、CrewAI\n  - Swarm、CAMEL-AI\n- ✅ **Agent 工作流**\n  - Dify、n8n、Flowise\n- ✅ **Multi-Agent 协作**\n- ✅ **Memory & Tool Use**\n\n\u003C\u002Ftd>\n\u003Ctd width=\"33%\">\n\n**🔧 Training 层**（算法岗必备）\n- ✅ **模型微调（Fine-tuning）**\n  - SFT（监督微调）\n  - LoRA、QLoRA、Adapter\n  - Function Call 微调\n  - LlaMA-Factory 实战\n- ✅ **强化学习（RLHF）**\n  - PPO、DPO、GRPO\n  - Reward Model 训练\n  - Agent RL 策略优化\n- ✅ **训练框架**\n  - PyTorch、DeepSpeed\n  - 分布式训练优化\n\n\u003C\u002Ftd>\n\u003Ctd width=\"33%\">\n\n**📊 AI Data 层**（开发岗常用）\n- ✅ **向量数据库**\n  - Milvus、Chroma\n  - Qdrant、FAISS\n- ✅ **数据处理**\n  - 文档解析、OCR\n  - Embedding 模型\n- ✅ **应用框架**\n  - FastAPI、Streamlit\n  - Gradio\n\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftable>\n\n> **💡 AgentGuide 的完整覆盖**：  \n> \n> **🔬 算法工程师路径**：  \n> - Agent 架构算法（ReAct、Reflexion、ToT）+ RAG算法优化（GraphRAG、Agentic RAG、GraphRAG）  \n> - 模型微调（SFT、LoRA）+ 强化学习（PPO、DPO、GRPO）  \n> - 实验设计 + 论文撰写 + 算法优化  \n> \n> **🛠️ 开发工程师路径**：  \n> - Agent 框架实战（LangChain、LangGraph、AutoGen）+ RAG 系统搭建  \n> - 向量数据库+ 文档解析  \n> - 系统设计 + 性能优化 + 生产部署  \n> \n> **🔀 通吃型路径**：完整技术栈，算法创新 + 工程落地双修\n\n---\n\n### 🎯 适合人群\n\n**求职目标**：\n- ✅ AI Agent 算法工程师 | AI Agent 开发工程师 | RAG 系统工程师\n- ✅ LLM 应用工程师 | 大模型工程师 | 多模态算法工程师\n\n**学习需求**：\n- ✅ LangChain 学习 | LangGraph 教程 | AutoGen 实战\n- ✅ RAG 开发 | 向量数据库 | Agent Memory\n- ✅ 大模型面试 | 算法岗面试 | 开发岗面试 | HR面试 | 谈薪技巧\n\n\n### 🌟 AgentGuide 的 6 大核心价值\n\n\u003Ctable>\n\u003Ctr>\n\u003Ctd width=\"50%\">\n📚 系统化学习路径\n\n- ✅ 从零基础到面试通过的完整路线\n- ✅ 理论 → 工具 → 实战 → 求职，环环相扣\n- ✅ 不用再到处找资料，一个仓库学完全部\n\u003C\u002Ftd>\n\u003Ctd width=\"50%\">\n 🎯 100% 求职导向\n \n- ✅ 每个知识点都标注\"面试怎么考\"\n- ✅ 提供真实大厂面试题\n- ✅ 手把手教你如何将项目写进简历\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>\n💼 n个简历级实战项目\n\n- ✅ XXXAgent（RAG方向）\n- ✅ XXXMulti-Agent（协作方向）\n- ✅ XXXAgent（高级方向）\n- ✅ 持续收集高质量开源项目\n\u003C\u002Ftd>\n\u003Ctd>\n🔀 算法 × 开发双线通吃\n\n- ✅ 同一项目，可投算法岗或开发岗\n- ✅ 算法线：原理、创新、实验设计\n- ✅ 开发线：架构、优化、系统设计\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>\n🆓 完全开源，持续更新\n\n- ✅ 所有内容永久免费\n- ✅ 作者一线大模型算法工程师\n- ✅ 社区驱动，欢迎贡献\n\u003C\u002Ftd>\n\u003Ctd>\n🚀 快速上手，立即见效\n\n- ✅ 10 分钟跑通第一个 Agent\n- ✅ 2-3 周完成简历级项目\n- ✅ 8-10 周系统掌握，准备面试\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftable>\n\n---\n\n\n### 🎁 学完 AgentGuide，你能获得什么？\n\n> **从迷茫到清晰，从理论到Offer，一站式成长路径**\n```\n✅ 【概念清晰】深刻理解：Agent 和普通 LLM 调用的本质区别\n✅ 【技能掌握】熟练使用：CamelAI、LangGraph、向量数据库等核心工具  \n✅ 【动手能力】独立开发：RAG Agent、Multi-Agent、Web Agent 系统\n✅ 【简历亮点】2-3 个可以写进简历、面试能讲清楚的项目\n✅ 【面试自信】掌握 Agent 方向的高频面试题和标准答案\n✅ 【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\n✅ 【人脉资源】加入 AI Agent 学习社群，结识同行，互相成长\n```\n\n---\n\n## 🚦 从零到Offer的完整路径（快速导航）\n\n> **👋 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！**\n\n\u003Ctable>\n\u003Ctr>\n\u003Ctd align=\"center\" width=\"14.3%\">\n\n**🆕 新范式**\n\n[求职新范式](#-求职新范式做出什么--学过什么)\n\n做出什么 > 学过什么\n\n\u003C\u002Ftd>\n\u003Ctd align=\"center\" width=\"14.3%\">\n\n**🎯 第一步**\n\n[确定目标岗位](#-第一步确定你的目标岗位)\n\n算法 vs 开发？\n\n\u003C\u002Ftd>\n\u003Ctd align=\"center\" width=\"14.3%\">\n\n**💡 第二步**\n\n[拿Offer方法论](#-第二步拿offer的方法论)\n\n如何准备？\n\n\u003C\u002Ftd>\n\u003Ctd align=\"center\" width=\"14.3%\">\n\n**📚 第三步**\n\n[学习路线](#-第三步基于岗位的学习路线)\n\n学什么？\n\n\u003C\u002Ftd>\n\u003Ctd align=\"center\" width=\"14.3%\">\n\n**💼 第四步**\n\n[实战项目](#-第四步完成实战项目可写进简历)\n\n做什么？\n\n\u003C\u002Ftd>\n\u003Ctd align=\"center\" width=\"14.3%\">\n\n**🎓 第五步**\n\n[系统学习](#-第五步系统学习-agent-技术技术准备)\n\n技术细节\n\n\u003C\u002Ftd>\n\u003Ctd align=\"center\" width=\"14.3%\">\n\n**🎯 第六步**\n\n[面试冲刺](#-第六步面试准备与-offer-冲刺)\n\n如何面试？\n\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftable>\n\n> **⚡ 重要提醒**：  \n> 1. **一定要先完成\"第一步\"和\"第二步\"** - 确定方向再学习！  \n> 2. **\"第四步\"实战项目最重要** - 简历的核心竞争力！  \n> 3. **学习时对照\"第六步\"面试题** - 知道学的东西面试怎么考！\n\n---\n\n## 🆕 求职新范式：做出什么 > 学过什么\n\n> **⚡ 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\"。**\n\n### 1-2-5 求职框架\n\n| 维度 | 内容 |\n|:---|:---|\n| **1个原则** | 从\"我会什么\"转向\"我做出了什么\" |\n| **2条轨道** | Agent开发（工程落地）vs Agent算法（研究创新） |\n| **5步链路** | 简历 → 投递 → 模拟面试 → Vibe Coding → 成果展示 |\n\n> **工具不再是壁垒，你用工具做出的东西才是。**\n\n### 旧方式 vs 新范式\n\n| 环节 | 旧方式 | 新范式 |\n|:---|:---|:---|\n| 简历 | 一份通用简历打天下 | AI读JD，动态生成针对性版本 |\n| 投递 | 手动上传，逐一投递 | 一键全网投，AI做适配分析 |\n| 模拟面试 | 背八股，刷题库 | AI扮演面试官，无限迭代实战 |\n| Vibe Coding | 手写算法题 | AI协作设计Agent系统 |\n| 成果展示 | PDF+截图 | 个人站+在线demo+社区影响力 |\n\n### 个人品牌：让面试官主动找你\n\n**个人网站必备要素（免费部署：Vercel\u002FGitHub Pages，5分钟上线）：**\n- 每个项目一个页面 + **在线可访问的demo链接**\n- 技术Blog：至少3篇有深度的原理解析\n- 社区数据：GitHub Star数 \u002F 真实用户数\n- 时间线里程碑\n\n**简历项目描述公式：**\n> ❌ 「参与开发了一个AI客服系统」\n> ✅ 「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」\n\n### 投递策略：AI筛简历时代的人工突围\n\n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。\n\n**核心目标公司（5-10家）走人工路线：**\n1. LinkedIn找具体的Hiring Manager或Team Lead\n2. 提前关注他们的开源项目\u002F技术Blog\n3. 带着具体问题主动联系（不是「请问还招人吗？」）\n4. 目标：一个warm intro，不是冷申请\n\n**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。\n\n**AI辅助投递工具：**\n- [Auto Job Apply](https:\u002F\u002Fzread.ai\u002Floks666\u002Fget_jobs) - 开源自动投递简历工具，支持批量投递与AI简历适配\n\n### 说几句实话\n\n- **语言不是门槛，设计才是。** Python\u002FTypeScript 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。\n- **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。\n- **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。\n- **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\"。\n\n### 新增优质资源\n\n| 资源 | 简介 | 链接 |\n|:---|:---|:---|\n| **Learn Claude Code** | 从零构建迷你Claude Code，12节渐进式，覆盖工具调用\u002F子Agent\u002F上下文压缩\u002F多Agent协作 | [GitHub](https:\u002F\u002Fgithub.com\u002FshareAI-lab\u002Flearn-claude-code) |\n| **claw0** | 10章10个核心概念~7000行Python，从while循环到生产级Agent网关 | [GitHub](https:\u002F\u002Fgithub.com\u002FshareAI-lab\u002Fclaw0) |\n| **hello-agents（Datawhale）** | 《从零开始构建智能体》，16章，含MCP实战、DeepResearch复现、多Agent协同 | [GitHub](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhello-agents) |\n| **OpenClaw** | 生产级个人AI助手框架，支持Telegram\u002FDiscord\u002FSlack等 | [GitHub](https:\u002F\u002Fgithub.com\u002Fopenclaw\u002Fopenclaw) |\n| **Anthropic官方：Building Effective Agents** | Anthropic工程团队出的Agent设计原则，面试必读 | [链接](https:\u002F\u002Fwww.anthropic.com\u002Fengineering\u002Fbuilding-effective-agents) |\n| **Vibe Coding 教程** | 从零掌握AI协作编程，Cursor\u002FClaude Code实操指南，Vibe Coding面试攻略 | [链接](https:\u002F\u002Fadongwanai.github.io\u002Fvibecoding\u002F) |\n\n---\n\n## 🎯 第一步：确定你的目标岗位\n\n> **核心理念：选择 > 努力！选对方向，事半功倍！**\n\n### 🤔 AI Agent 岗位的两条主线\n\n在大模型时代，Agent 方向的岗位主要分为两条线：\n\n\u003Ctable>\n\u003Ctr>\n\u003Ctd width=\"50%\">\n\n### 🔬 **算法工程师线**\n\n**核心工作**：算法创新、论文研究\n\n**日常任务**：\n- 读论文、设计算法\n- 跑实验、做消融\n- 写论文、开源贡献\n\n**产出形式**：\n- 论文发表（顶会\u002F期刊）\n- 算法库、开源项目\n- 专利、技术报告\n\n**评价标准**：\n- 算法性能提升（+15%准确率）\n- 创新性（新架构、新策略）\n- 影响力（论文引用、Star数）\n\n**岗位数量**：⭐⭐⭐ 中等  \n**竞争激烈度**：⭐⭐⭐⭐⭐ 很激烈  \n**薪资天花板**：⭐⭐⭐⭐⭐ 很高（60-200万）\n\n\u003C\u002Ftd>\n\u003Ctd width=\"50%\">\n\n### 🛠️ **开发工程师线**\n\n**核心工作**：系统搭建、业务落地\n\n**日常任务**：\n- 写代码、优化系统\n- 对接业务、解决问题\n- 性能调优、监控告警\n\n**产出形式**：\n- 生产系统上线\n- 业务指标提升\n- 用户满意度提高\n\n**评价标准**：\n- 系统稳定性（P99延迟\u003C500ms）\n- 业务价值（成本降低40%）\n- 工程能力（QPS、并发、可用性）\n\n**岗位数量**：⭐⭐⭐⭐⭐ 最多  \n**竞争激烈度**：⭐⭐⭐ 适中  \n**薪资天花板**：⭐⭐⭐⭐ 较高（40-80万）\n\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftable>\n\n### 🎯 你应该选哪条线？\n\n\u003Cdetails>\n\u003Csummary>\u003Cb>👉 点击查看详细的岗位选择决策树\u003C\u002Fb>\u003C\u002Fsummary>\n\n\u003Cbr\u002F>\n\n**问题1：你的核心优势是什么？**\n\n```\n├─ 数学\u002F理论强 + 喜欢钻研原理 + 有论文发表\n│   → 【算法工程师线】\n│   \n│   细分方向选择：\n│   ├─ 想优化 Agent 算法 → Agent 算法工程师（Memory优化、规划策略）\n│   ├─ 想优化 RAG 算法 → RAG 算法工程师（检索策略、Reranker）\n│   └─ 想改进模型本身 → 模型算法工程师（Reasoning、对齐）\n│\n└─ 工程能力强 + 喜欢做系统 + 注重落地\n    → 【开发工程师线】\n    \n    细分方向选择：\n    ├─ 想做业务应用 → Agent 应用开发（RAG系统、RPA、智能客服）⭐ 推荐\n    ├─ 想做基础设施 → AI Infra 开发（推理部署、训练平台）\n    └─ 想做产品化 → AI 应用开发（前端集成、产品化）\n```\n\n**问题2：有什么背景？**\n\n- ✅ **有论文\u002F科研经历** → 优先算法线\n- ✅ **有工程\u002F项目经验** → 优先开发线\n- ✅ **两者都有** → **通吃策略**（最推荐！）\n\n**⭐ 最佳策略：两手抓！**\n- 简历中既有算法项目（论文、算法优化）\n- 又有开发项目（完整系统、业务指标）\n- 可以同时投两类岗位，机会翻倍！\n\n\u003C\u002Fdetails>\n\n---\n\n### 🎯 技术方向细分（重要！）\n\n\u003Cdetails>\n\u003Csummary>\u003Cb>👉 点击查看 Agent 方向的细分岗位\u003C\u002Fb>\u003C\u002Fsummary>\n\n\u003Cbr\u002F>\n\n#### 🔬 算法线细分方向\n\n**1. 上下文工程算法工程师** ⭐⭐⭐⭐⭐ 最热门！\n\n**技术方向**：\n- **RAG 算法**：GraphRAG、Agentic RAG、Reranker 训练\n- **Agent 算法**：Memory 机制、规划算法优化、Multi-Agent 协作\n- **多模态算法**：跨模态对齐（CLIP改进）、多模态融合\n\n**项目示例**：\n- GraphRAG 检索算法优化（召回率 +12%）\n- Agent Memory 压缩算法（存储 -60%）\n- Agentic RAG 策略设计（准确率 +20%）\n\n**岗位数量**：⭐⭐⭐⭐（大厂+头部创业公司）\n\n---\n\n**2. 模型算法工程师** ⭐⭐\n\n**技术方向**：\n- Reasoning 算法（Long COT、工具调用 RL）\n- 对齐算法（RLHF、DPO、GRPO）\n- 模型架构（MoE、长文本、Attention 改进）\n\n**岗位数量**：⭐⭐（主要在大厂研究院）\n\n---\n\n#### 🛠️ 开发线细分方向\n\n**1. 上下文工程开发工程师** ⭐⭐⭐⭐⭐ 岗位最多！\n\n**技术方向**：\n- **RAG 系统**：企业知识库、智能客服、文档解析\n- **Agent 应用**：RPA 自动化、研究助手、工作流 Agent\n- **多模态系统**：图文检索、OCR pipeline、视觉问答\n\n**项目示例**：\n- 企业级 GraphRAG 知识问答系统（服务1000+员工）\n- Agent 驱动的 RPA 系统（自动化率80%，节省200万\u002F年）\n\n**岗位数量**：⭐⭐⭐⭐⭐（所有 AI 公司都需要）\n\n---\n\n**2. AI Infra 开发工程师** ⭐⭐⭐\n\n**技术方向**：\n- 推理服务部署（vLLM、TGI、Triton）\n- 训练平台搭建（KubeFlow、Ray）\n- 模型服务化（API 网关、负载均衡、监控）\n\n**岗位数量**：⭐⭐⭐（大厂需求多）\n\n\u003C\u002Fdetails>\n\n\u003Cdetails>\n\u003Csummary>\u003Cb>👉 Agent 开发工程师核心能力要求（大厂真实招聘）\u003C\u002Fb>\u003C\u002Fsummary>\n\n\u003Cbr\u002F>\n\n> 基于 OpenAI、DeepMind、Meta、蚂蚁等大厂真实 JD 总结\n\n#### 三层能力模型\n\n**Layer 1：后端与系统功底**（基础能力）\n- 大型分布式、高并发、高性能系统设计\n- 云原生 PaaS 平台、Kubernetes 架构理解\n- **价值**：Agent 系统本质是复杂分布式服务\n\n**Layer 2：Agent 核心技术**（重点能力）\n- 混合 Agent 架构（单 Agent vs Multi-Agent）\n- 上下文工程（动态打包、向量索引、信息检索）\n- 工具编排（Tool 设计、Function Calling）\n- 记忆与个性化（Memory 设计、Mem0、Zep）\n- 任务规划（Orchestration、Workflow）\n- 评估体系（如何证明 Agent 比人工更好？）\n\n**Layer 3：模型理解**（加分项）\n- 主流模型长短板（GPT-4\u002FClaude\u002FLlama 选择）\n- 微调能力（Function Call 微调、垂直领域适配）\n- 强化学习基础（Agent RL、DPO）\n\n#### 从\"调包侠\"到\"真实项目\"的关键转变\n\n**❌ 玩具项目**：\n- 只用 LangChain 跑个 demo\n- 没有评估、没有优化、没有生产化考虑\n- 面试一问就穿帮\n\n**✅ 真实项目**：\n- **具体业务场景**（智能客服、RPA、研究助手）\n- **完整技术栈**（文档解析 + 高级 RAG + Agentic 逻辑）\n- **量化评估**（构建测试集、使用 Ragas、持续追踪优化）\n- **生产化考虑**（成本控制、性能优化、可观测性、异常处理）\n\n\u003C\u002Fdetails>\n\n**📖 完整技术方向详解**：[转行大模型热门方向准备指南](.\u002Fdocs\u002F04-interview\u002F06-career-transition.md)\n\n> **💡 新手建议**：优先选择**上下文工程开发**（RAG\u002FAgent 系统），岗位最多、最易落地\n\n---\n\n## 💡 第二步：拿Offer的方法论\n\n> **不同岗位，完全不同的准备策略！**\n\n### 🔬 算法工程师 - 如何准备？\n\n\u003Cdetails>\n\u003Csummary>\u003Cb>点击查看算法岗完整准备方案\u003C\u002Fb>\u003C\u002Fsummary>\n\n\u003Cbr\u002F>\n\n**简历重点**：\n\n✅ **必须强调**：\n- **算法创新**：\"提出XX算法\"、\"改进XX方法\"、\"设计XX策略\"\n- **实验验证**：对比实验、消融实验、baseline对比、指标提升\n- **论文\u002F专利**：\"论文在投XXX\"、\"发表于XXX\"\n- **开源贡献**：\"开源代码XX stars\"\n\n❌ **尽量少提**：\n- 业务指标（用户数、QPS）\n- 系统架构细节\n- 工程优化\n\n**项目示例（算法岗）**：\n```\n【Agentic RAG 策略优化】\n- 问题：多跳推理场景召回率低（实验测得62%）\n- 方法：提出基于RL的子图采样算法，优化路径排序策略\n- 实验：在KGQA数据集上F1提升12%，对比5种baseline\n        消融实验：RL策略贡献8%，路径排序贡献4%\n- 产出：论文在投EMNLP（一作），代码开源300+ stars\n- 技能：强化学习、图神经网络、知识图谱\n```\n\n**面试准备重点**：\n- 📚 理论深度（能推导算法原理）\n- 🧪 实验设计（对比实验、消融实验）\n- 📄 论文阅读（顶会最新进展）\n- 💻 代码实现（能手撕核心算法）\n\n\u003C\u002Fdetails>\n\n### 🛠️ 开发工程师 - 如何准备？\n\n\u003Cdetails>\n\u003Csummary>\u003Cb>点击查看开发岗完整准备方案\u003C\u002Fb>\u003C\u002Fsummary>\n\n\u003Cbr\u002F>\n\n**简历重点**：\n\n✅ **必须强调**：\n- **完整系统**：\"搭建XX系统\"、\"端到端实现\"、\"上线服务\"\n- **业务价值**：服务用户数、处理量、业务指标提升\n- **性能优化**：QPS提升、延迟降低、成本节省\n- **技术栈**：具体框架、工具、数据库、部署方案\n- **工程能力**：高并发、高可用、监控告警\n\n❌ **不要过度强调**：\n- 算法细节和理论推导\n- 论文（开发岗更看重系统）\n\n**项目示例（开发岗）**：\n```\n【企业级 Agent 自动化系统】\n- 背景：客服部门日均5000+重复工单，人力成本高\n- 技术：LangChain + WebShaper + Mem0\n        多Agent协同（规划Agent、执行Agent、审核Agent）\n        集成20+工具（数据库、API、浏览器操作）\n- 优化：异常重试机制，成功率从70%→95%\n        并发处理，吞吐量提升5倍\n- 成果：自动化率80%，效率提升3倍\n        节省人力成本200万\u002F年，获部门最佳项目奖\n- 技能：Agent开发、工具集成、系统监控\n```\n\n**面试准备重点**：\n- 🏗️ 系统设计（高可用、高并发）\n- ⚡ 性能优化（缓存、批处理）\n- 🔧 工程实践（部署、监控、异常处理）\n- 💼 业务理解（为什么这样设计）\n\n\u003C\u002Fdetails>\n\n### 🔀 通吃策略 - 如何准备？（⭐ 最推荐）\n\n\u003Cdetails>\n\u003Csummary>\u003Cb>点击查看\"通吃\"完整准备方案\u003C\u002Fb>\u003C\u002Fsummary>\n\n\u003Cbr\u002F>\n\n**为什么推荐通吃？**\n1. **机会翻倍**：可同时投算法和开发岗\n2. **展现全栈**：大模型时代，算法+工程都重要\n3. **灵活适配**：大厂偏算法，创业公司偏工程\n\n**理想简历结构（3-4个项目）**：\n```\n项目1：算法创新型 🔬\n  → 体现算法能力：Agent Memory优化 \u002F Agentic RAG策略\n  → 关键词：论文、实验、开源\n  \n项目2：系统落地型 🛠️\n  → 体现工程能力：完整RAG系统 \u002F Multi-Agent应用\n  → 关键词：业务指标、性能优化、上线\n  \n项目3：微调\u002F训练型（加分项）\n  → 体现训练能力：Function Call微调 \u002F RLHF\n  → 关键词：多少卡、参数设置、训练稳定性\n```\n\n**AgentGuide 的学习路径**：\n1. 先学理论（第一部分）- 建立算法认知\n2. 再学工具（第二部分）- 掌握工程技能\n3. 做实战项目（第三部分）- 同时准备算法版和开发版\n4. 面试准备（第四部分）- 掌握两类面试技巧\n\n\u003C\u002Fdetails>\n\n---\n\n## 📚 第三步：基于岗位的学习路线\n\n> **根据你在\"第一步\"的选择，选择对应的学习路线**\n\n### 🎯 快速导航\n\n**🚀 新手推荐**：\n- 📘 [**AgentGuide开源学习路线（简易版）**](.\u002Fdocs\u002F05-roadmaps\u002FAgentGuide开源学习路线（简易版本）.md) - **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 ⭐⭐⭐\n\n**📋 详细路线**（按岗位分）：\n\n### 🗺️ 选择你的学习路线\n\n\u003Ctable>\n\u003Ctr>\n\u003Ctd width=\"50%\" align=\"center\">\n\n### 🔬 **算法岗学习路线**\n\n**学习时长**：10-15 周  \n**难度**：⭐⭐⭐⭐⭐  \n**产出**：论文 + 开源项目\n\n**学习重点**：\n- 📚 理论深度（能推导公式）\n- 🧪 实验设计（对比、消融）\n- 📄 论文阅读（顶会前沿）\n- 💻 算法实现（手撕核心）\n\n**项目类型**：\n- Agentic RAG 策略优化\n- Agent Memory 压缩算法\n- Multi-Agent 协作策略\n\n\u003Cbr\u002F>\n\n**👉 [查看详细路线图](.\u002Fdocs\u002F05-roadmaps\u002Flearning-roadmap-algorithm.md)**\n\n\u003C\u002Ftd>\n\u003Ctd width=\"50%\" align=\"center\">\n\n### 🛠️ **开发岗学习路线**\n\n**学习时长**：8-12 周  \n**难度**：⭐⭐⭐  \n**产出**：完整系统 + 业务指标\n\n**学习重点**：\n- 🏗️ 系统设计（架构、扩展性）\n- ⚡ 性能优化（缓存、批处理）\n- 🔧 工程实践（部署、监控）\n- 💼 业务理解（痛点、价值）\n\n**项目类型**：\n- 企业级 RAG 系统\n- Agent 自动化系统\n- Multi-Agent 协作应用\n\n\u003Cbr\u002F>\n\n**👉 [查看详细路线图](.\u002Fdocs\u002F05-roadmaps\u002Flearning-roadmap-development.md)**\n\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftable>\n\n---\n\n### 🗺️ 通用学习流程图\n\n```mermaid\ngraph TD\n    A[开始学习 AI Agent] --> B{你的背景是什么?}\n    \n    B -->|算法\u002F研究背景| C[第一部分: 核心理论\u003Cbr\u002F>深入理解 Agent 原理]\n    B -->|开发\u002F工程背景| D[第二部分: 核心技术栈\u003Cbr\u002F>快速上手开发框架]\n    \n    C --> E[第二部分: 核心技术栈\u003Cbr\u002F>掌握工具和框架]\n    D --> F[第一部分: 核心理论\u003Cbr\u002F>补充理论基础]\n    \n    E --> G[第三部分: 系统设计与实战\u003Cbr\u002F>完成简历项目]\n    F --> G\n    \n    G --> H[第四部分: 面试指南\u003Cbr\u002F>准备求职]\n    \n    H --> I{目标岗位?}\n    \n    I -->|算法工程师| J[强化: 论文复现 + 实验设计\u003Cbr\u002F>准备算法面试题]\n    I -->|开发工程师| K[强化: 系统架构 + 性能优化\u003Cbr\u002F>准备系统设计题]\n    I -->|全栈 Agent 工程师| L[双线并进\u003Cbr\u002F>准备两类面试]\n    \n    J --> M[投递简历 + 面试]\n    K --> M\n    L --> M\n```\n\n### ⏱️ 学习时间概览\n\n| 学习路线          |   时长   | 每日投入  | 适合人群       |\n| :------------ | :----: | :---: | :--------- |\n| **🔬 算法岗路线**  | 10-15周 | 4-6小时 | 有科研背景，想做创新 |\n| **🛠️ 开发岗路线** | 8-12周  | 2-4小时 | 有工程背景，想做落地 |\n\n\n> **💡 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**\n\n---\n\n## 💼 第四步：完成实战项目（可写进简历）\n\n> **这是最重要的一步！没有项目，一切都是空谈！**\n\nAgentGuide 提供 **n 个简历级实战项目**，每个项目都提供：\n- ✅ 完整的代码实现\n- ✅ 系统架构设计\n- ✅ **算法岗和开发岗两种简历写法**\n- ✅ 面试时如何讲解\n\n**👉 直接跳转到实战项目**：[点击这里查看n个项目](#32-简历级实战项目-)\n\n---\n\n## 🎓 第五步：系统学习 Agent 技术（技术准备）\n\n> 💡 **学习目标**：掌握 Agent 开发完整技术栈，从理论到实战全覆盖  \n> 🔬 **算法岗重点**：深入理解原理，能推导公式，关注创新点  \n> 🛠️ **开发岗重点**：熟练使用框架，快速实现功能，注重工程化\n\n### 📊 技术能力四层模型\n\n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：\n我来创建一个三列的内容导航表格：\n\n## 📑 内容导航\n\n\n| 章节                  | 内容介绍                                | 进展  |\n| :------------------ | :---------------------------------- | :-- |\n| **🔰 L1-基础认知层**     | 理解核心概念、掌握基本原理（1-2周）                 |     |\n| 模块1：Agent核心概念解析     | 智能体定义与分类体系、5级自主性模型                  |     |\n| 模块2：技术演进历程与趋势洞察     | 从专家系统到神经网络的发展轨迹                     |     |\n| 模块3：大模型工作原理         | Transformer\u002F分词\u002F训练\u002F推理\u002F对齐技术           |     |\n| **🛠️ L2-开发实现层**    | 掌握框架工具、完成系统搭建（3-4周）                 |     |\n| 模块4：经典Agent范式手撕实现   | ReAct、Plan-Execute、Reflection模式     |     |\n| 模块5：低代码平台快速验证       | LangChain、Dify、Coze、n8n工具使用         |     |\n| 模块6：主流框架深度实战        | LangGraph、AutoGen、AgentScope、CrewAI |     |\n| 模块7：自研Agent框架设计原理   | 消息路由、工具注册、异常处理、日志追踪                 |     |\n| **🚀 L3-高阶优化层**     | 检索优化、上下文管理、模型训练（4-5周）               |     |\n| 模块8：检索增强生成（RAG）全栈技术 | 数据预处理、索引构建、检索优化、高级RAG               |     |\n| 模块9：上下文工程           | Write\u002FSelect\u002FCompress\u002FIsolate四大策略   |     |\n| 模块10：智能体通信标准与协议     | MCP、A2A、ANP协议详解                     |     |\n| 模块11：模型微调与强化学习      | SFT、LoRA、PPO、DPO、GRPO算法应用           |     |\n| 模块12：性能评估与效果量化      | 评估维度、测试框架、自定义评估方法、🔥Anthropic评估完全指南   |  ✅  |\n\n\n---\n\n### 🔰 L1-基础认知层详解\n\n> **学习时长**：1-2 周 | **难度**：⭐⭐⭐ | **重要性**：⭐⭐⭐⭐⭐\n\n#### 🎯 阶段目标\n- ✅ 理解 Agent 的本质定义与核心组件\n- ✅ 掌握 Transformer 架构与大模型基础\n- ✅ 了解 Agent 技术发展历程与未来趋势\n\n#### 📚 学习内容\n\n\u003Ctable>\n\u003Ctr>\n\u003Ctd width=\"50%\">\n\n**模块1：Agent 核心概念解析**\n- 智能体定义、类型、范式与应用\n- 5级自主性分类体系\n  - L1: 基础响应器（Responder）\n  - L2: 路由模式（Router）\n  - L3: 工具调用者（Tool Caller）\n  - L4: 多智能体协作（Multi-Agent）\n  - L5: 完全自主（Autonomous）\n- Agent 系统解剖学\n  - 角色与聚焦（Role & Focus）\n  - 记忆系统（Memory）\n  - 工具生态（Tools）\n  - 安全防护（Guardrails）\n\n📖 [阅读：什么是 AI Agent？](.\u002Fdocs\u002F01-theory\u002F01-what-is-agent.md)\n\n\u003C\u002Ftd>\n\u003Ctd width=\"50%\">\n\n**模块2：技术演进历程与趋势洞察**\n- 符号主义时代（1950s-1990s）\n- 连接主义崛起（1990s-2010s）\n- 深度学习革命（2012-2020）\n- LLM 驱动的 Agent 时代（2020-至今）\n- 关键里程碑论文解读\n  - ReAct（推理+行动）\n  - Reflexion（自我反思）\n  - AutoGPT（自主规划）\n  - Multi-Agent（协作涌现）\n\n📖 [阅读：Agent 技术演进史](.\u002Fdocs\u002F01-theory\u002F02-agent-history.md)\n\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd colspan=\"2\">\n\n**模块3：大模型工作原理（Agent的大脑）**\n\n> **Agent 的\"大脑\"是 LLM，理解大脑的工作原理是构建 Agent 的前提**\n\n| 知识模块 | 核心内容 | 学习要点 |\n|:-----|:---------|:---------|\n| **架构层** | Transformer、Self-Attention、MoE | 注意力机制、上下文窗口、位置编码（RoPE\u002FALiBi） |\n| **数据层** | Word2Vec、BPE、WordPiece | Tokenizer 原理、中文分词（jieba）、Token 计算 |\n| **训练层** | 预训练、SFT、LoRA\u002FQLoRA | 分布式训练、参数高效微调、显存优化技巧 |\n| **推理层** | vLLM、TGI、量化技术 | PagedAttention、GPTQ\u002FAWQ 量化、推理优化 |\n| **对齐层** | RLHF、PPO、DPO | Reward Model、策略优化、人类偏好对齐 |\n\n📖 [深入阅读：Transformer 架构详解](.\u002Fdocs\u002F01-theory\u002F03-transformer.md)  \n📖 [DeepSeek 系列完整深度笔记](.\u002Fdocs\u002F01-theory\u002F10-deepseek-series.md) 🆕  \n📖 [LLaMA 系列完整深度笔记](.\u002Fdocs\u002F01-theory\u002F11-llama-series.md) 🆕  \n📖 [Qwen 系列深度学习笔记](.\u002Fdocs\u002F01-theory\u002F12-qwen-series.md) 🆕\n\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftable>\n\n---\n\n### 🛠️ L2-开发实现层详解\n\n> **学习时长**：3-4 周 | **难度**：⭐⭐⭐⭐ | **重要性**：⭐⭐⭐⭐⭐\n\n#### 🎯 阶段目标\n- ✅ 手撕核心 Agent 架构（ReAct、Plan-Solve、Reflexion）\n- ✅ 掌握主流开发框架（LangChain、AutoGen、AgentScope）\n- ✅ 能够独立搭建完整的 Agent 系统\n\n#### 🔨 实操内容\n\n\u003Ctable>\n\u003Ctr>\n\u003Ctd width=\"50%\">\n\n**模块4：经典 Agent 范式手撕实现**\n\n从零实现三大核心模式：\n\n**1. ReAct 模式**\n- Thought（思考）→ Action（行动）→ Observation（观察）\n- 工具调用与结果解析\n- 循环终止条件设计\n\n**2. Plan-Execute 模式**\n- 任务分解（Task Decomposition）\n- 子任务规划与执行\n- 依赖关系处理\n\n**3. Reflection 模式**\n- Self-Evaluation（自我评估）\n- Error Analysis（错误分析）\n- Strategy Adjustment（策略调整）\n\n📖 [实战教程：手撕 ReAct](.\u002Fdocs\u002F01-theory\u002F04-react-framework.md)  \n📖 [实战教程：规划与执行](.\u002Fdocs\u002F01-theory\u002F05-cot-and-planning.md)\n\n\u003C\u002Ftd>\n\u003Ctd width=\"50%\">\n\n**模块5：低代码平台快速验证**\n\n工具选型与使用：\n\n**1. 代码优先（Code-First）**\n- **LangChain\u002FLangGraph**：工业界标准\n- **LlamaIndex**：数据导向，RAG 首选\n- **AutoGen\u002FCrewAI**：Multi-Agent 协作\n- **AgentScope**：阿里开源，易上手\n\n**2. 低代码\u002F无代码（Low-Code）**\n- **Dify**：开源 LLM 应用平台\n- **Coze\u002F扣子**：字节跳动，快速搭建\n- **n8n**：工作流自动化神器\n\n📖 [框架对比：如何选择？](.\u002Fdocs\u002F02-tech-stack\u002F04-langchain-guide.md)  \n📖 [Multi-Agent 框架详解](.\u002Fdocs\u002F02-tech-stack\u002F06-multi-agent-frameworks.md)\n\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd colspan=\"2\">\n\n**模块6：主流框架深度实战**\n\n框架能力对比与应用：\n\n| 框架 | 核心特性 | 适用场景 | 学习资源 |\n|:-----|:---------|:---------|:---------|\n| **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](.\u002Fdocs\u002F02-tech-stack\u002F04-langchain-guide.md) |\n| **AutoGen** | 多 Agent 对话、角色扮演 | 团队协作、复杂任务分解 | [📖 实战指南](.\u002Fdocs\u002F02-tech-stack\u002F06-multi-agent-frameworks.md) |\n| **AgentScope** | 消息驱动、灵活扩展 | 国内场景、中文优化 | [📖 快速上手](.\u002Fdocs\u002F02-tech-stack\u002F07-agentscope.md) |\n| **CrewAI** | 角色分工、层级管理 | 企业级应用、流程自动化 | [📖 企业实战](.\u002Fdocs\u002F02-tech-stack\u002F06-multi-agent-frameworks.md) |\n\n**模块7：自研 Agent 框架设计原理**\n\n理解框架底层设计，培养自主开发能力：\n- 消息路由与状态管理机制\n- 工具注册与动态加载系统\n- 异常处理与重试策略\n- 可观测性与日志追踪\n\n📖 [实战项目：打造自己的 Agent 框架](.\u002Fdocs\u002F02-tech-stack\u002F22-build-your-agent-framework.md)\n\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftable>\n\n---\n\n### 🚀 L3-高阶优化层详解\n\n> **学习时长**：4-5 周 | **难度**：⭐⭐⭐⭐⭐ | **重要性**：⭐⭐⭐⭐⭐\n\n#### 🎯 阶段目标\n- ✅ 掌握 RAG 全栈技术（数据处理、检索优化、高级 RAG）\n- ✅ 精通上下文工程（Context Engineering 2.0）\n- ✅ 理解 Agent 评估体系与微调方法\n\n#### 💡 高级技术\n\n\u003Ctable>\n\u003Ctr>\n\u003Ctd width=\"50%\">\n\n**模块8：检索增强生成（RAG）全栈技术**\n\n**8.1 数据预处理**\n- 文档解析（PDF\u002FMarkdown 高保真提取）\n- 智能分块（Semantic Chunking 语义切分）\n- 元数据增强（结构化信息提取）\n\n**8.2 索引构建与管理**\n- Embedding 模型选型与评估\n- 向量数据库对比（Milvus\u002FChroma\u002FQdrant）\n- 多模态索引（图文混合处理）\n\n**8.3 检索策略优化**\n- 混合检索（Hybrid Search 向量+关键词）\n- 查询重写（HyDE\u002FQuery Expansion）\n- Reranker 二次排序\n- Text2SQL 自然语言查询\n\n**8.4 高级 RAG 架构**\n- **GraphRAG**：知识图谱增强检索\n- **Modular RAG**：模块化可组合架构\n- **Agentic RAG**：智能体驱动的自主检索\n- **Multimodal RAG**：跨模态理解与检索\n\n📖 [完整教程：RAG 系统开发指南](.\u002Fdocs\u002F02-tech-stack\u002F20-rag-full-pipeline.md)  \n📖 [向量数据库选型](.\u002Fdocs\u002F02-tech-stack\u002F08-vector-db-basics.md)\n\n\u003C\u002Ftd>\n\u003Ctd width=\"50%\">\n\n**模块9：上下文工程（Context Engineering）⭐⭐⭐**\n\n> \"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\"\n\n**核心策略 - The 4 Acts**：\n- **Write（写入）**：Prompt 设计、Memory 结构化存储\n- **Select（选择）**：RAG 检索、动态工具加载\n- **Compress（压缩）**：摘要生成、Token 剪枝优化\n- **Isolate（隔离）**：状态隔离、沙盒环境设计\n\n**工程实践技巧**：\n- KV Cache 优化（降低 90% 成本与延迟）\n- 12-Factor Agents 生产级设计原则\n- Claude Code 最佳实践\n\n**常见问题修复**：\n- 上下文中毒（Poisoning）\n- 注意力分散（Distraction）\n- 信息冲突（Clash）\n\n📖 [必读：上下文工程资源合集](.\u002Fdocs\u002F02-tech-stack\u002F13-context-engineering-resources.md) 🔥  \n📖 [深度指南：Context Engineering 2.0](.\u002Fdocs\u002F02-tech-stack\u002F18-context-engineering-guide.md)\n\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd colspan=\"2\">\n\n**模块10：智能体通信标准与协议**\n\n| 协议 | 功能定位 | 核心能力 | 应用场景 |\n|:-----|:---------|:---------|:---------|\n| **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 |\n| **A2A** | Agent-to-Agent | 智能体间协作通信 | Multi-Agent 系统、任务分发 |\n| **ANP** | Agent Negotiation Protocol | 智能体协商与共识 | 资源分配、冲突解决 |\n\n📖 [协议详解：MCP 完全指南](.\u002Fdocs\u002F02-tech-stack\u002F14-mcp-protocol.md)\n\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd width=\"50%\">\n\n**模块11：模型微调与强化学习**\n\n从监督微调到强化学习的完整路径：\n\n**11.1 监督微调（SFT）**\n- LoRA\u002FQLoRA 参数高效微调原理\n- Function Call 微调实战\n- 指令数据集构建技巧\n- LlaMA-Factory 实战应用\n\n**11.2 强化学习（RLHF）**\n- **PPO**：Proximal Policy Optimization\n- **DPO**：Direct Preference Optimization\n- **GRPO**：DeepSeek 的群组相对策略优化\n- Reward Model 训练技巧\n\n**11.3 Agent RL 应用**\n- 工具调用策略优化\n- 规划能力增强训练\n- 自我修正机制训练\n\n📖 [完整指南：Agent 强化学习](.\u002Fdocs\u002F02-tech-stack\u002F21-agent-reinforcement-learning.md)  \n📖 [实战：SFT 监督微调](.\u002Fdocs\u002F02-tech-stack\u002F16-sft-finetuning.md)  \n📖 [Post-Training 完整面试指南](.\u002Fdocs\u002F02-tech-stack\u002F25-post-training-complete-guide.md) 🆕\n\n\u003C\u002Ftd>\n\u003Ctd width=\"50%\">\n\n**模块12：性能评估与效果量化**\n\n如何科学评估 Agent 性能？\n\n**评估维度**：\n- **准确性**：任务完成率、答案正确率\n- **效率**：平均步数、Token 消耗\n- **鲁棒性**：错误恢复、异常处理\n- **成本**：API 调用次数、计算资源\n\n**评估框架**：\n- **AgentBench**：通用 Agent 评测基准\n- **WebArena**：Web 任务评测\n- **KGQA**：知识图谱问答\n- **HotPotQA**：多跳推理测试\n\n**自定义评估**：\n- 构建测试集的方法论\n- 使用 Ragas 自动评估\n- 人工评估与 LLM-as-Judge\n\n**🔥 新增：AI Agent 评估完全指南**\n- 💡 **Anthropic 万字评估指南译文**\n- 🎯 三种评分器正确打开方式 (Code\u002FModel\u002FHuman-based)\n- 🏗️ 四类 Agent 评估秘籍 (编程\u002F对话\u002F研究\u002F计算机操作)\n- 🎲 驯服非确定性：pass@k vs pass^k\n- 🗺️ 从零开始的八步路线图\n- 🧀 瑞士奶酪组合拳评估法\n- 🛠️ 工具选择避坑指南\n\n📖 [评估指南：科学评估 Agent](.\u002Fdocs\u002F01-theory\u002F09-evaluation-metrics.md)\n📖 [AgentBench 详解](.\u002Fdocs\u002F01-theory\u002F08-agent-bench.md)\n📖 [🔥 **AI Agent 评估完全指南** (Anthropic官方万字长文)](.\u002Fdocs\u002F02-tech-stack\u002Fagent-evaluation-complete-guide.md) ⭐ **必读**\n\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftable>\n\n---\n\n### 🛡️ 生产级系统设计（工程化实践）\n\n#### 高可用架构设计\n- 缓存策略（Semantic Cache、KV Cache）\n- 异步任务队列与重试机制\n- 降级与熔断\n\n#### 可观测性（Observability）\n- LangSmith\u002FLangFuse 链路追踪\n- 成本监控与 Token 审计\n- 性能分析与优化\n\n#### 安全性（Security）\n- Prompt 注入防御\n- 权限控制与沙盒隔离\n- 人机协作边界（Human-in-the-loop）\n\n📖 [完整指南：高可用 RAG 系统](.\u002Fdocs\u002F03-practice\u002F02-high-availability-rag.md)  \n📖 [安全性指南](.\u002Fdocs\u002F03-practice\u002F03-agent-security.md)\n\n---\n\n### 💼 简历级实战项目 🚀\n\n> **💡 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  \n> **⏱️ 学习时长**：3-4 周 | **难度**：⭐⭐⭐⭐⭐ | **重要性**：⭐⭐⭐⭐⭐（简历核心）\n\n#### 🎯 核心收获\n- ✅ 掌握复杂 Multi-Agent 系统设计\n- ✅ 理解生产级系统的工程化实践\n- ✅ 完成可写进简历的高质量项目\n\n---\n\n#### 🎨 简历级实战项目详解\n\n> **每个项目都提供完整代码 + 算法岗\u002F开发岗双版本简历写法**\n\n##### 🎯 简历项目详细教程\n\n\u003Cdetails>\n\u003Csummary>\u003Cb>📄 项目一：自动化论文检索与分析 Agent（⭐ 推荐新手）\u003C\u002Fb>\u003C\u002Fsummary>\n\n\u003Cbr\u002F>\n\n**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\n\n**适合场景**：\n- ✅ 面试 RAG 相关岗位（检索增强生成）\n- ✅ 展示 Agentic 思维和系统设计能力\n- ✅ 零基础友好，2-3周可完成\n\n**你将获得的核心能力**：\n\n\u003Ctable>\n\u003Ctr>\n\u003Ctd width=\"50%\">\n\n**🔬 算法线能力**\n- Agentic RAG 策略设计\n- 多跳推理算法实现\n- 检索召回率优化（65% → 85%）\n- 消融实验设计与分析\n\n\u003C\u002Ftd>\n\u003Ctd width=\"50%\">\n\n**🛠️ 工程线能力**\n- 端到端 RAG 系统搭建\n- Redis 缓存优化（降低70%成本）\n- LangSmith 链路追踪集成\n- 高可用架构设计\n\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftable>\n\n**技术栈**：LangChain + Milvus + ArXiv API + GPT-4 + Redis\n\n**学习路径**：\n- [ ] 项目需求与技术选型 _（即将推出）_\n- [ ] 系统架构设计 _（即将推出）_\n- [ ] 核心代码实现 _（即将推出）_\n- [ ] 部署与演示 _（即将推出）_\n- [ ] 📝 如何写进简历？（算法岗 vs 开发岗）_（即将推出）_\n\n**📝 简历示例**\n\n\u003Ctable>\n\u003Ctr>\n\u003Ctd width=\"50%\">\n\n**算法岗写法**：\n```\n【Agentic RAG 策略优化】\n- 问题：传统RAG召回率仅65%\n- 方法：基于ReAct框架设计自主\n  规划检索策略，引入多跳推理\n- 实验：召回准确率提升至85%\n  消融实验：规划策略贡献12%\n- 产出：论文在投，代码开源\n```\n\n\u003C\u002Ftd>\n\u003Ctd width=\"50%\">\n\n**开发岗写法**：\n```\n【高可用论文分析系统】\n- 背景：研究员日均检索50+论文\n- 技术：LangChain + Milvus + Redis\n  混合检索策略 + 缓存优化\n- 优化：P99延迟2s→300ms\n  API成本降低70%\n- 成果：服务20+研究员，日均\n  500+查询，满意度95%\n```\n\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftable>\n\n\u003C\u002Fdetails>\n\n\u003Cdetails>\n\u003Csummary>\u003Cb>🌍 项目二：旅行规划 Multi-Agent 系统（⭐ 适合展示协作能力）\u003C\u002Fb>\u003C\u002Fsummary>\n\n\u003Cbr\u002F>\n\n**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\n\n**适合场景**：\n- ✅ 面试 Multi-Agent 协作岗位\n- ✅ 展示复杂任务分解与Agent编排能力\n- ✅ 中等难度，适合有一定基础的同学\n\n**你将获得的核心能力**：\n\n\u003Ctable>\n\u003Ctr>\n\u003Ctd width=\"50%\">\n\n**🔬 算法线能力**\n- Multi-Agent 协作策略设计\n- 任务分解与规划算法\n- Agent 通信协议优化\n- 共识机制与冲突解决\n\n\u003C\u002Ftd>\n\u003Ctd width=\"50%\">\n\n**🛠️ 工程线能力**\n- AutoGen\u002FCrewAI 框架实战\n- 多API集成与编排\n- 异步任务处理与并发控制\n- 分布式 Agent 系统设计\n\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftable>\n\n**技术栈**：AutoGen \u002F CrewAI + 天气API + 航班API + 酒店API + GPT-4\n\n**项目亮点**：\n- ✅ 3 个专业 Agent 协同工作（需求分析师、预算规划师、行程执行者）\n- ✅ 层级式通信：Supervisor 模式 + 消息队列\n- ✅ 智能决策：预算超支自动调整、天气影响行程变更\n\n**学习路径**：\n- [ ] 项目需求与技术选型 _（即将推出）_\n- [ ] 系统架构设计 _（即将推出）_\n- [ ] 核心代码实现 _（即将推出）_\n- [ ] 部署与演示 _（即将推出）_\n- [ ] 📝 如何写进简历？（算法岗 vs 开发岗）_（即将推出）_\n\n\u003C\u002Fdetails>\n\n\u003Cdetails>\n\u003Csummary>\u003Cb>🕷️ 项目三：Web Agent - 自主浏览与任务完成（⭐ 高级，适合冲刺大厂）\u003C\u002Fb>\u003C\u002Fsummary>\n\n\u003Cbr\u002F>\n\n**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）\n\n**适合场景**：\n- ✅ 面试顶级 Agent 岗位（字节、阿里等）\n- ✅ 展示视觉理解 + 决策执行的完整能力\n- ✅ 高级项目，适合冲刺大厂SP\u002FSSP\n\n**你将获得的核心能力**：\n\n\u003Ctable>\n\u003Ctr>\n\u003Ctd width=\"50%\">\n\n**🔬 算法线能力**\n- 视觉-语言多模态理解\n- 强化学习策略优化\n- 自我修正与反思机制\n- Benchmark评估（WebArena）\n\n\u003C\u002Ftd>\n\u003Ctd width=\"50%\">\n\n**🛠️ 工程线能力**\n- Playwright 浏览器自动化\n- GPT-4V 视觉理解集成\n- 异常处理与重试机制\n- 复杂工作流编排\n\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftable>\n\n**技术栈**：Playwright + GPT-4V + LangChain + 强化学习（PPO）\n\n**项目亮点**：\n- ✅ 视觉理解 + 操作执行的完整闭环\n- ✅ 基于反馈的自我修正机制（识别错误 → 分析原因 → 调整策略）\n- ✅ 在 WebArena 基准测试上达到 75% 成功率（超越 Baseline 10%）\n\n**学习路径**：\n- [ ] 项目需求与技术选型 _（即将推出）_\n- [ ] 系统架构设计 _（即将推出）_\n- [ ] 核心代码实现 _（即将推出）_\n- [ ] 部署与演示 _（即将推出）_\n- [ ] 📝 如何写进简历？（算法岗 vs 开发岗）_（即将推出）_\n\n\u003C\u002Fdetails>\n\n\u003Cdetails>\n\u003Csummary>\u003Cb>📂 项目四：优质 Agent 实战开源项目、Workflow 项目与 Agent 项目集合\u003C\u002Fb>\u003C\u002Fsummary>\n\n\u003Cbr\u002F>\n\n**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\n\n**包含内容**：\n- [优质 Agent 实战开源项目](.\u002Fprojects\u002F04-end-to-end-projects\u002FREADME.md)\n- [优质 Workflow 项目](.\u002Fprojects\u002F05-agent-workflows\u002FREADME.md)\n- [优质 Agent 项目集合](.\u002Fprojects\u002F06-project-collections\u002FREADME.md)\n\n\u003C\u002Fdetails>\n\n\u003Cdetails>\n\u003Csummary>\u003Cb>🧳 项目五：智能旅行助手 - Multi-Agent 协作系统（⭐ 适合展示协作能力）\u003C\u002Fb>\u003C\u002Fsummary>\n\n\u003Cbr\u002F>\n\n**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\n\n**适合场景**：\n- ✅ 面试 Multi-Agent 协作岗位\n- ✅ 展示复杂任务分解与Agent编排能力\n- ✅ 中等难度，适合有一定基础的同学\n\n**你将获得的核心能力**：\n\n\u003Ctable>\n\u003Ctr>\n\u003Ctd width=\"50%\">\n\n**🔬 算法线能力**\n- Multi-Agent 协作策略设计\n- 任务分解与规划算法\n- Agent 通信协议优化\n- 共识机制与冲突解决\n\n\u003C\u002Ftd>\n\u003Ctd width=\"50%\">\n\n**🛠️ 工程线能力**\n- AutoGen\u002FCrewAI 框架实战\n- 多API集成与编排\n- 异步任务处理与并发控制\n- 分布式 Agent 系统设计\n\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftable>\n\n**技术栈**：AutoGen \u002F CrewAI + 天气API + 航班API + 酒店API + GPT-4\n\n**项目亮点**：\n- ✅ 3 个专业 Agent 协同工作（需求分析师、预算规划师、行程执行者）\n- ✅ 层级式通信：Supervisor 模式 + 消息队列\n- ✅ 智能决策：预算超支自动调整、天气影响行程变更\n- ✅ MCP 协议集成实践\n\n**学习路径**：\n- [ ] 项目需求与技术选型 _（即将推出）_\n- [ ] 系统架构设计 _（即将推出）_\n- [ ] 核心代码实现 _（即将推出）_\n- [ ] 部署与演示 _（即将推出）_\n- [ ] 📝 如何写进简历？（算法岗 vs 开发岗）_（即将推出）_\n\n\u003C\u002Fdetails>\n\n\u003Cdetails>\n\u003Csummary>\u003Cb>🔬 项目六：自动化深度研究智能体（⭐ 适合科研方向）\u003C\u002Fb>\u003C\u002Fsummary>\n\n\u003Cbr\u002F>\n\n**项目核心**：复现 DeepResearch Agent，打造自动化文献检索与分析系统\n\n**适合场景**：\n- ✅ 面试 AI 研究助手相关岗位\n- ✅ 展示复杂工作流设计与知识整合能力\n- ✅ 高级项目，适合有科研背景的同学\n\n**你将获得的核心能力**：\n\n\u003Ctable>\n\u003Ctr>\n\u003Ctd width=\"50%\">\n\n**🔬 算法线能力**\n- 知识图谱构建算法\n- 多源信息融合策略\n- 自动化推理与总结\n- 长文本生成优化\n\n\u003C\u002Ftd>\n\u003Ctd width=\"50%\">\n\n**🛠️ 工程线能力**\n- LangGraph 状态机设计\n- ArXiv \u002F Semantic Scholar API集成\n- GraphRAG 知识整合\n- 分布式爬虫与数据处理\n\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftable>\n\n**技术栈**：LangGraph + ArXiv API + Semantic Scholar + GraphRAG + GPT-4\u002FClaude\n\n**项目亮点**：\n- ✅ 复现 DeepResearch Agent 核心功能\n- ✅ 自动化文献检索与分析（日均处理100+论文）\n- ✅ 知识图谱自动构建与可视化\n- ✅ 研究报告自动生成（3000+字深度报告）\n\n**学习路径**：\n- [ ] 项目需求与技术选型 _（即将推出）_\n- [ ] 系统架构设计 _（即将推出）_\n- [ ] 核心代码实现 _（即将推出）_\n- [ ] 部署与演示 _（即将推出）_\n- [ ] 📝 如何写进简历？（算法岗 vs 开发岗）_（即将推出）_\n\n\u003C\u002Fdetails>\n\n\u003Cdetails>\n\u003Csummary>\u003Cb>🎮 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）\u003C\u002Fb>\u003C\u002Fsummary>\n\n\u003Cbr\u002F>\n\n**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\n\n**适合场景**：\n- ✅ 面试大规模Agent系统设计岗位\n- ✅ 展示社交模拟与记忆系统设计能力\n- ✅ 高级项目，适合冲刺大厂\n\n**你将获得的核心能力**：\n\n\u003Ctable>\n\u003Ctr>\n\u003Ctd width=\"50%\">\n\n**🔬 算法线能力**\n- 社交网络建模\n- 记忆压缩与检索算法\n- 行为预测与模拟\n- 涌现行为分析\n\n\u003C\u002Ftd>\n\u003Ctd width=\"50%\">\n\n**🛠️ 工程线能力**\n- 自定义 Agent 框架设计\n- SQLite 记忆存储优化\n- 事件驱动架构\n- 大规模并发处理\n\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftable>\n\n**技术栈**：自定义 Agent 框架 + SQLite + 事件驱动架构 + 可视化界面\n\n**项目亮点**：\n- ✅ 25 个 Agent 角色自主交互与演化\n- ✅ 记忆与关系网络动态管理\n- ✅ 复杂社交行为模拟（友谊、竞争、合作）\n- ✅ 可视化展示社交网络演化过程\n\n**学习路径**：\n- [ ] 项目需求与技术选型 _（即将推出）_\n- [ ] 系统架构设计 _（即将推出）_\n- [ ] 核心代码实现 _（即将推出）_\n- [ ] 部署与演示 _（即将推出）_\n- [ ] 📝 如何写进简历？（算法岗 vs 开发岗）_（即将推出）_\n\n\u003C\u002Fdetails>\n\n\u003Cdetails>\n\u003Csummary>\u003Cb>🎓 项目八：毕业设计 - 综合实战项目（⭐⭐⭐ 必做）\u003C\u002Fb>\u003C\u002Fsummary>\n\n\u003Cbr\u002F>\n\n**项目核心**：综合运用所学知识，构建属于你的完整 Agent 应用\n\n**适合场景**：\n- ✅ 所有同学必做\n- ✅ 简历核心项目\n- ✅ 面试必讲项目\n\n**设计要求**：\n1. ✅ **选择真实业务场景**（RAG\u002F自动化\u002F研究助手等）\n2. ✅ **端到端系统设计**（需求分析 → 架构设计 → 实现 → 优化 → 部署）\n3. ✅ **包含量化评估**（构建测试集、性能指标、成本分析）\n4. ✅ **生产级考虑**（异常处理、监控告警、成本优化）\n5. ✅ **可写进简历**（提供算法岗和开发岗两种描述版本）\n\n**推荐方向**：\n\n\u003Ctable>\n\u003Ctr>\n\u003Ctd width=\"50%\">\n\n**🔬 算法岗方向**\n- 企业级 RAG 检索算法优化\n- Agent 规划策略创新\n- Multi-Agent 协作算法\n- 强化学习策略优化\n\n\u003C\u002Ftd>\n\u003Ctd width=\"50%\">\n\n**🛠️ 开发岗方向**\n- 企业级 RAG 知识问答系统\n- Agent 驱动的 RPA 自动化平台\n- 智能研究助手（论文分析\u002F代码生成）\n- Multi-Agent 协作系统（客服\u002F销售\u002F运营）\n\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftable>\n\n**核心产出**：\n- ✅ 完整的系统设计文档\n- ✅ 可运行的代码实现\n- ✅ 性能评估报告\n- ✅ 算法岗 + 开发岗双版本简历描述\n- ✅ 面试讲解准备材料\n\n📖 [毕业设计完整指南](.\u002Fdocs\u002F03-practice\u002F04-graduation-project.md)\n\n\u003C\u002Fdetails>\n\n---\n\n## 💼 第六步：面试准备与 Offer 冲刺\n\n> 💡 **学习目标**：系统准备面试，提升 Offer 成功率  \n> 📝 **两条线不同的面试策略**：算法岗讲创新，开发岗讲价值\n\n#### 📚 完整面试题库（300+题）🔥 全面升级\n\n> **🎯 题库特色**：\n> - ✅ 完整覆盖 LLM\u002FVLM\u002FRLHF\u002FRAG\u002FAgent 全技术栈\n> - ✅ 包含美团、字节、阿里、DeepSeek等一线大厂真题\n> - ✅ 难度分级 + 公司来源标注 + 考点分析\n> - ✅ 区分算法岗\u002F开发岗重点，覆盖最新技术（DeepSeek-V3\u002FR1）\n\n**📖 核心通用题库（两个岗位都需要）**\n\n\u003Ctable>\n\u003Ctr>\n\u003Ctd width=\"50%\">\n\n**理论基础（必学）**\n- [x] [📘 LLM\u002FVLM\u002FRLHF理论题](.\u002Fdocs\u002F04-interview\u002F01-theory-questions.md)\n  - **LLM核心**: 32题（Transformer、位置编码、MHA\u002FMQA\u002FGQA等）\n  - **推理优化**: 16题（KV Cache、LoRA、量化、分布式训练）\n  - **VLM多模态**: 18题（CLIP、融合策略、BLIP等）\n  - **RLHF对齐**: 32题（SFT、PPO、DPO、GRPO等）\n  - **总计**: **98题** ⬆️ 新增42题\n\n**RAG系统（开发岗重点）**\n- [x] [📊 RAG全流程题](.\u002Fdocs\u002F04-interview\u002F02-rag-questions.md)\n  - **核心原理**: 检索、索引、生成\n  - **检索优化**: 混合检索、BM25、Reranker\n  - **高级技术**: GraphRAG、意图识别、增量更新\n  - **总计**: **22题** ⬆️ 新增10题\n\n\u003C\u002Ftd>\n\u003Ctd width=\"50%\">\n\n**Agent开发（核心）**\n- [x] [🤖 Agent系统题](.\u002Fdocs\u002F04-interview\u002F03-agent-questions.md)\n  - **核心概念**: ReAct、Memory、Tool Use\n  - **Multi-Agent**: 协作机制、调度策略\n  - **系统设计**: 记忆系统、工具调用、容错机制\n  - **工程实践**: 并发安全、性能优化、可解释性\n  - **总计**: **52题** ⬆️ 新增39题\n\n**编程实战（必备）**\n- [x] [💻 手撕代码题](.\u002Fdocs\u002F04-interview\u002F04-coding-questions.md)\n  - LLM基础：Self-Attention、MHA、MQA、RoPE等 **11题** 🆕\n  - Agent核心：ReAct、Tool Registry、Memory系统\n  - RAG系统：文档切块、混合检索、Reranker\n  - 推理优化：KV Cache、Beam Search、LoRA\n  - **总计**: **34题** ⬆️ 新增11道Transformer核心组件手撕题\n- [x] [💻 大模型手撕刷题路线](.\u002Fdocs\u002F04-interview\u002F17-coding-exercises.md) 🆕\n  - 分阶段刷题：神经网络基础算子 → Attention 机制 → 位置编码 → 优化技术\n  - 按难度分级，系统化刷题指南\n\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftable>\n\n**🎯 岗位专项题库（针对性强化）**\n\n- [x] [🔬 算法岗专项](.\u002Fdocs\u002F04-interview\u002F05-algorithm-specialized.md) - 算法创新\u002F推导\u002F实验\u002F论文 **45题**\n- [x] [🛠️ 开发岗专项](.\u002Fdocs\u002F04-interview\u002F06-development-specialized.md) - 系统设计\u002F工程实践\u002F选型\u002F落地 **45题**\n\n**🏢 真实面经与进阶**\n\n- [x] [📋 大厂真实面经](.\u002Fdocs\u002F04-interview\u002F12-company-interview-cases.md) - 美团\u002F字节\u002F阿里等16个完整案例\n- [x] [📊 模型评估专题](.\u002Fdocs\u002F04-interview\u002F13-model-evaluation.md) - BLEU\u002FROUGE、基准测试、LLM-as-Judge **10题**\n- [x] [🔮 前景与趋势](.\u002Fdocs\u002F04-interview\u002F14-llm-future-trends.md) - AGI、多模态、世界模型等开放讨论 **9题**\n- [x] [💬 开放性讨论](.\u002Fdocs\u002F04-interview\u002F15-open-discussion.md) - 技术判断、学习建议、核心素质 **8题**\n\n\n**💡 题库使用建议**\n\n```\n第一阶段（2-3周）：系统学习\n  ├─ 01-理论基础题（LLM\u002FVLM\u002FRLHF）→ 打基础\n  ├─ 02-RAG系统题 → 掌握检索技术\n  └─ 03-Agent核心题（Q1-Q13）→ 理解Agent原理\n\n第二阶段（2-3周）：深入强化\n  ├─ 03-Agent系统题（Q14-Q52）→ 工程实践\n  ├─ 05\u002F06-岗位专项 → 针对性准备\n  └─ 04-编程实战题 → 手撕代码\n\n第三阶段（1-2周）：冲刺突破\n  ├─ 12-真实面经 → 模拟完整面试\n  ├─ 13-模型评估 → 掌握评估方法\n  └─ 14\u002F15-开放讨论 → 展示思维深度\n```\n\n#### 求职软技能\n- [ ] [📝 简历编写指南](.\u002Fdocs\u002F04-interview\u002F12-resume-guide.md) - 待创建\n- [ ] [🎤 项目讲述技巧](.\u002Fdocs\u002F04-interview\u002F13-storytelling.md) - 待创建\n- [x] [⭐ 转行大模型指南](.\u002Fdocs\u002F04-interview\u002F07-career-transition.md)\n- [x] [⭐ 秋招完整攻略](.\u002Fdocs\u002F04-interview\u002F08-job-hunting-guide.md)\n\n#### 📄 专业简历模板（新增⭐）\n\n> **🎨 开源 LaTeX 简历模板 - 专为转行大模型设计**\n\n\u003Ctable>\n\u003Ctr>\n\u003Ctd width=\"60%\">\n\n**模板特色**：\n- ✅ **专业美观** - 基于 Awesome-CV，适合技术岗位\n- ✅ **深度优化** - 针对 LLM\u002FAgent\u002FRAG 方向的项目描述模板\n- ✅ **新增带头像版本** - 满足不同展示需求\n- ✅ **完整板块** - 涵盖科研经历、实习经历、项目经历、技能清单\n- ✅ **双岗适配** - 同时支持算法岗和开发岗的写法示例\n- ✅ **AI友好** - 支持 Cursor AI 快速编辑，提效10倍\n- ✅ **零门槛** - Overleaf 在线编译，无需本地配置环境\n\n**适合人群**：\n- 转行AI\u002F大模型的同学\n- 准备算法\u002F开发岗面试\n- 想要专业LaTeX简历的求职者\n\n\u003C\u002Ftd>\n\u003Ctd width=\"40%\">\n\n**🔗 获取模板**：\n\n👉 **[LLM-Resume-Template](https:\u002F\u002Fgithub.com\u002Fadongwanai\u002FLLM-Resume-Template)**\n\n**快速开始**：\n1. Fork 仓库到你的 GitHub\n2. 用 Overleaf 打开项目\n3. 填入你的项目和技能\n4. 一键导出 PDF\n\n**模板包含**：\n- 算法岗简历示例\n- 开发岗简历示例  \n- 项目描述话术库\n- 技能关键词清单\n\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftable>\n\n#### 面试软技能（新增⭐）\n- [x] [⭐ 校招生谈薪实用指南](.\u002Fdocs\u002F04-interview\u002F09-salary-negotiation.md) - 3大原则、话术模板\n- [x] [⭐ HR面试完全攻略](.\u002Fdocs\u002F04-interview\u002F10-hr-interview.md) - 10大高频问题应对\n- [x] [⭐ 秋招心态调整指南](.\u002Fdocs\u002F04-interview\u002F11-mindset.md) - 保持好心态拿Offer\n\n#### 4.3 核心资源精选（按方向分类）\n\n> **📌 只推荐面试会考、项目会用的核心资源！**\n\n**🤖 Agent 方向**：\n- [x] [Agent 资源总览 📂](.\u002Fresources\u002Fagent\u002F) - Agent 所有资源导航\n  - [Agent 框架对比](.\u002Fresources\u002Fagent\u002Fframeworks.md) - 5个核心框架\n  - [Memory 模块](.\u002Fresources\u002Fagent\u002Fmemory.md) - 4个记忆系统\n  - [Tool Use](.\u002Fresources\u002Ftools.md) - 工具调用\n  - [GUI Agent](.\u002Fresources\u002Fagent\u002Fgui-agent.md) - 界面操作\n  - [核心论文](.\u002Fresources\u002Fagent\u002Fpapers\u002FREADME.md) - 必读论文\n\n**📊 RAG 方向**：\n- [x] [RAG 资源总览 📂](.\u002Fresources\u002Frag\u002F) - RAG 所有资源导航\n  - [向量数据库](.\u002Fresources\u002Frag\u002Fvector-db.md) - 5个核心向量库\n  - [文档解析](.\u002Fresources\u002Frag\u002Fdocument-parsing.md) - 5个解析工具\n  - [完整项目汇总](.\u002Fresources\u002Frag\u002Fprojects.md) - 150+个RAG开源项目 🆕\n  - [Embedding 模型](.\u002Fresources\u002Frag\u002Fembedding.md) - Embedding选型\n  - [Reranker](.\u002Fresources\u002Frag\u002Freranker.md) - 重排序\n  - [高级RAG](.\u002Fresources\u002Frag\u002Fadvanced.md) - GraphRAG、HyDE\n  - [核心论文](.\u002Fresources\u002Frag\u002Fpapers\u002FREADME.md) - 必读论文\n\n**🛠️ 通用工具**：\n- [x] [开发者工具箱](.\u002Fresources\u002Ftools.md) - Cursor、元宝、Excalidraw\n- [x] [开发框架总览](.\u002Fresources\u002Fframeworks.md) - 快速框架对比\n\n**🎨 推荐可视化学习资源**：\n- 📊 **[100+ LLM\u002FRL 算法原理图](https:\u002F\u002Fgithub.com\u002Fchangyeyu\u002FLLM-RL-Visualized)** - 《大模型算法：强化学习、微调与对齐》作者巨献\n  - 涵盖内容：Transformer架构、注意力机制、SFT微调、LoRA\u002FQLoRA、DPO\u002FPPO\u002FGRPO、RLHF全流程、逻辑推理优化等\n  - 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\n  - 配套书籍：[《大模型算法：强化学习、微调与对齐》](https:\u002F\u002Fbook.douban.com\u002Fsubject\u002F37331056\u002F)\n\n**🌟 需要更全面的 LLM 资源？**  \n👉 查看作者的另一个项目：**[Awesome-Awesome-LLM](https:\u002F\u002Fgithub.com\u002Fadongwanai\u002FAwesome-Awesome-LLM)**  \n（涵盖训练、推理、多模态、Infra 等 LLM 全栈 200+ Awesome 系列资源）\n\n---\n\n## 🚀 快速开始\n\n### 1️⃣ 如果你是算法背景（10 分钟快速入门）\n\n```bash\n# 第一步：理解 Agent 是什么\n阅读：docs\u002F01-theory\u002F01-what-is-agent.md\n\n# 第二步：学习核心框架 ReAct\n阅读：docs\u002F01-theory\u002F04-react-framework.md\n\n# 第三步：快速上手 LangChain\n阅读：docs\u002F02-tech-stack\u002F04-langchain-guide.md\n\n# 第四步：跑通第一个 Agent\ngit clone https:\u002F\u002Fgithub.com\u002Fadongwanai\u002FAgentGuide.git\ncd AgentGuide\u002Fexamples\npython quickstart_agent.py\n```\n\n### 2️⃣ 如果你是开发背景（10 分钟快速入门）\n\n```bash\n# 第一步：快速上手 LangChain\n阅读：docs\u002F02-tech-stack\u002F04-langchain-guide.md\n\n# 第二步：理解 Agent 核心概念\n阅读：docs\u002F01-theory\u002F01-what-is-agent.md\n\n# 第三步：学习向量数据库\n阅读：docs\u002F02-tech-stack\u002F08-vector-db-basics.md\n\n# 第四步：搭建第一个 RAG Agent\ngit clone https:\u002F\u002Fgithub.com\u002Fadongwanai\u002FAgentGuide.git\ncd AgentGuide\u002Fexamples\npython quickstart_rag_agent.py\n```\n\n---\n\n## 🤝 如何贡献\n\n`AgentGuide` 是一个完全开源的项目，非常欢迎你的贡献！\n\n### 贡献方式\n\n1. **内容贡献**：完善文档、补充案例、纠正错误\n2. **代码贡献**：优化示例代码、添加新的实战项目\n3. **翻译贡献**：帮助翻译成英文版，让更多人受益\n4. **问题反馈**：发现问题？请提 Issue\n\n### 贡献流程\n\n1. Fork 本仓库\n2. 创建你的特性分支 (`git checkout -b feature\u002FAmazingFeature`)\n3. 提交你的修改 (`git commit -m 'Add some AmazingFeature'`)\n4. 推送到分支 (`git push origin feature\u002FAmazingFeature`)\n5. 提交 Pull Request\n\n详细贡献指南请参考：[CONTRIBUTING.md](.\u002FCONTRIBUTING.md)\n\n---\n\n## 📬 联系作者 & 加入社群\n\n### 👨‍💻 关于作者\n\n我是**阿东**，一线大模型算法工程师\n\n- 🎓 **技术背景**：专注 AI、RAG、LLM 应用方向\n- 📝 **内容创作**：全网 15000+ 粉丝，持续分享 AI 技术与求职经验\n- 🚀 **开源贡献**：多个 AI 相关开源项目维护者\n\n### 🌐 在这些平台找到我\n\n\u003Ctable>\n\u003Ctr>\n\u003Ctd align=\"center\" width=\"25%\">\n\u003Cstrong>📱 小红书\u003C\u002Fstrong>\u003Cbr\u002F>\n\u003Ca href=\"https:\u002F\u002Fwww.xiaohongshu.com\u002Fuser\u002Fprofile\u002F5f310fd50000000001009df5\">\u003Ccode>阿东玩AI\u003C\u002Fcode>\u003C\u002Fa>\u003Cbr\u002F>\n\u003Csub>短视频教程 + 技术拆解\u003C\u002Fsub>\n\u003C\u002Ftd>\n\u003Ctd align=\"center\" width=\"25%\">\n\u003Cstrong>📝 公众号\u003C\u002Fstrong>\u003Cbr\u002F>\n\u003Ca href=\"https:\u002F\u002Fmp.weixin.qq.com\u002Fs\u002Fu_UFh0l8clzaPLyp2_LEnQ\">\u003Ccode>阿东玩AI\u003C\u002Fcode>\u003C\u002Fa>\u003Cbr\u002F>\n\u003Csub>深度技术文章 + 求职经验\u003C\u002Fsub>\n\u003C\u002Ftd>\n\u003Ctd align=\"center\" width=\"25%\">\n\u003Cstrong>🎬 B站\u003C\u002Fstrong>\u003Cbr\u002F>\n\u003Ca href=\"https:\u002F\u002Fspace.bilibili.com\u002F297247087\">\u003Ccode>阿东玩AI\u003C\u002Fcode>\u003C\u002Fa>\u003Cbr\u002F>\n\u003Csub>视频教程 + 项目实战\u003C\u002Fsub>\n\u003C\u002Ftd>\n\u003Ctd align=\"center\" width=\"25%\">\n\u003Cstrong>💻 GitHub\u003C\u002Fstrong>\u003Cbr\u002F>\n\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fadongwanai\">\u003Ccode>@adongwanai\u003C\u002Fcode>\u003C\u002Fa>\u003Cbr\u002F>\n\u003Csub>开源项目 + 代码示例\u003C\u002Fsub>\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftable>\n\n### 💬 加入 AI Agent 学习社群\n\n**为什么要加入社群？**\n![89491b5534a804fc5bbaab1cc7fa6c41.jpg](https:\u002F\u002Fraw.githubusercontent.com\u002Fadongwanai\u002FAwesome-Awesome-LLMs\u002Fmain\u002F89491b5534a804fc5bbaab1cc7fa6c41.jpg)\n\n\n\n\n- ✅ **每周技术分享**：Agent 最新论文解读、工程实践经验\n- ✅ **简历面试辅导**：免费简历诊断、模拟面试、内推机会\n- ✅ **问题实时答疑**：技术问题、求职困惑，随时提问\n- ✅ **学习小组**：组队学习 AgentGuide，互相监督，共同进步\n- ✅ **行业资源**：大厂内推信息、技术资料、论文分享\n\n**如何加入？**\n\n1. **方式一**：Star 本项目后，在 [Issues](https:\u002F\u002Fgithub.com\u002Fadongwanai\u002FAgentGuide\u002Fissues) 中评论\"申请加群\"\n2. **方式二**：关注公众号「阿东玩AI」，回复「AgentGuide」获取入群二维码\n3. **方式三**：[小红书@阿东玩AI](https:\u002F\u002Fwww.xiaohongshu.com\u002Fuser\u002Fprofile\u002F5f310fd50000000001009df5)，私信\"加群\"\n\n\n**🎁 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\n## Openclaw API Key\n这是我用过最便宜，价格最实惠的Key\n![](https:\u002F\u002Fraw.githubusercontent.com\u002Fadongwanai\u002FAwesome-Awesome-LLMs\u002Fmain\u002F5c715bba551b1354570f5744a1c487f2.jpg)\n\n---\n\n### ⭐ 如果这个项目对你有帮助\n\n**请考虑支持一下：**\n\n- ⭐ **Star** 本仓库，让更多人看到\n- 🔀 **Fork** 本仓库，开始你的学习之旅\n- 📣 **分享** 给正在找 AI 工作的朋友\n- 💬 **反馈** 你的建议和意见（提 Issue 或 PR）\n\n**你的每一个 Star 都是我持续更新的动力！🚀**\n\n---\n\n## 📝 更多文档\n\n### 📚 项目文档\n- ❓ [常见问题 (FAQ)](.\u002FFAQ.md) - 14个常见问题解答\n- 📊 [项目总结 (PROJECT_SUMMARY)](.\u002FPROJECT_SUMMARY.md) - 项目定位与核心优势\n- 🤝 [贡献指南 (CONTRIBUTING)](.\u002FCONTRIBUTING.md) - 如何参与贡献\n\n### 🗺️ 学习路线\n- 🚀 [AgentGuide开源学习路线（简易版）](.\u002Fdocs\u002F05-roadmaps\u002FAgentGuide开源学习路线（简易版本）.md) - 从零到Offer完整路径（8-15周）⭐ 新增\n- 🔬 [算法岗详细路线](.\u002Fdocs\u002F05-roadmaps\u002Flearning-roadmap-algorithm.md) - 每日学习计划\n- 🛠️ [开发岗详细路线](.\u002Fdocs\u002F05-roadmaps\u002Flearning-roadmap-development.md) - 每日学习计划\n\n### 📂 资源导航\n- 🤖 [Agent 资源总览](.\u002Fresources\u002Fagent\u002F) - Agent 所有资源\n- 📊 [RAG 资源总览](.\u002Fresources\u002Frag\u002F) - RAG 所有资源\n- 🛠️ [开发工具箱](.\u002Fresources\u002Ftools.md) - 效率工具推荐\n- 📚 [精选学习资源](.\u002Fresources\u002Flearning-resources.md) - 课程、教程、书籍汇总\n\n---\n\n\u003Cdiv align=\"center\">\n    \u003Cbr\u002F>\n    \u003Ch2>🚀 开始你的 AI Agent 学习之旅吧！\u003C\u002Fh2>\n    \u003Cp>\n        \u003Cstrong>从这一刻起，距离你拿到 AI Agent Offer 只有 8-10 周\u003C\u002Fstrong>\n    \u003C\u002Fp>\n    \u003Cbr\u002F>\n    \u003Cp>\n        \u003Ca href=\"#-快速开始\">\u003Cstrong>👉 点击这里，10分钟快速上手 👈\u003C\u002Fstrong>\u003C\u002Fa>\n    \u003C\u002Fp>\n    \u003Cbr\u002F>\n    \u003Cp>\n        ⭐⭐⭐ 如果觉得有帮助，请给个 Star！⭐⭐⭐\n    \u003C\u002Fp>\n    \u003Cp>\n        \u003Csub>你的 Star 是我持续更新的最大动力\u003C\u002Fsub>\n    \u003C\u002Fp>\n    \u003Cbr\u002F>\n    \u003Cp>\n        \u003Cstrong>转行大模型，看阿东玩AI\u003C\u002Fstrong>\n    \u003C\u002Fp>\n    \u003Cbr\u002F>\n\u003C\u002Fdiv>\n\n---\n\n## 📈 Star History\n\n[![Star History Chart](https:\u002F\u002Fapi.star-history.com\u002Fsvg?repos=adongwanai\u002FAgentGuide&type=Date)](https:\u002F\u002Fstar-history.com\u002F#adongwanai\u002FAgentGuide&Date)\n","AgentGuide 是一个专注于AI Agent开发的学习指南，旨在帮助开发者从入门到获得工作机会。该项目提供系统化的学习路径和实战项目，涵盖LangChain、LangGraph等技术栈，以及高级RAG（Retrieval-Augmented Generation）和多智能体系统等内容。其核心特色在于整合了互联网上优质的教育资源，并结合求职需求进行内容设计，每个知识点都附有面试考察点及简历撰写建议。适合希望转行至AI领域或提升现有技能以应对算法工程师、开发岗位面试的人员使用。",2,"2026-06-11 03:46:22","high_star"]