AgentGuide
💡 核心理念
📌 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
🎯 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
- 🚦 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 - 1000+题、系统设计、编程题
🛠️ 快速导航：
- 🚀 10分钟快速开始 | 💬 加入学习社群 | ❓ 常见问题
📖 关于本项目
3 分钟了解为什么你需要 AgentGuide
😰 你是否正在经历这些痛点？
- ❌ 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 开发：LangChain、LangGraph、AutoGen、CrewAI、Swarm 框架教程
- RAG 系统：向量数据库、Embedding、文档解析、检索优化、GraphRAG
- Multi-Agent：多智能体协作、Supervisor模式、任务分解、工作流编排
- 上下文工程：Memory管理、Tool Loadout、Context优化（6大技巧）
- 面试求职：算法岗 vs 开发岗、面试题库、简历优化、大厂面经
- 实战项目：论文检索Agent、旅行规划Multi-Agent、Web Agent
🗺️ AgentGuide 在 LLM 生态中的定位
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：
🤖 AI Agent 层（核心）
- ✅ Agent 框架
- LangGraph、LangChain
- AutoGen、CrewAI
- Swarm、CAMEL-AI
- ✅ Agent 工作流
- Dify、n8n、Flowise
- ✅ Multi-Agent 协作
- ✅ Memory & Tool Use
🔧 Training 层（算法岗必备）
- ✅ 模型微调（Fine-tuning）
- SFT（监督微调）
- LoRA、QLoRA、Adapter
- Function Call 微调
- LlaMA-Factory 实战
- ✅ 强化学习（RLHF）
- PPO、DPO、GRPO
- Reward Model 训练
- Agent RL 策略优化
- ✅ 训练框架
- PyTorch、DeepSpeed
- 分布式训练优化
📊 AI Data 层（开发岗常用）
- ✅ 向量数据库
- Milvus、Chroma
- Qdrant、FAISS
- ✅ 数据处理
- 文档解析、OCR
- Embedding 模型
- ✅ 应用框架
- FastAPI、Streamlit
- Gradio
💡 AgentGuide 的完整覆盖：
🔬 算法工程师路径：
- Agent 架构算法（ReAct、Reflexion、ToT）+ RAG算法优化（GraphRAG、Agentic RAG、GraphRAG）
- 模型微调（SFT、LoRA）+ 强化学习（PPO、DPO、GRPO）
- 实验设计 + 论文撰写 + 算法优化
🛠️ 开发工程师路径：
- Agent 框架实战（LangChain、LangGraph、AutoGen）+ RAG 系统搭建
- 向量数据库+ 文档解析
- 系统设计 + 性能优化 + 生产部署
🔀 通吃型路径：完整技术栈，算法创新 + 工程落地双修
🎯 适合人群
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：
- ✅ LangChain 学习 | LangGraph 教程 | AutoGen 实战
- ✅ RAG 开发 | 向量数据库 | Agent Memory
- ✅ 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
- ✅ 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
- ✅ 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
- ✅ 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
- ✅ 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
- ✅ 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
- ✅ 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？
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）
👋 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
做出什么 > 学过什么
🎯 第一步
算法 vs 开发？
💡 第二步
如何准备？
📚 第三步
学什么？
💼 第四步
做什么？
🎓 第五步
技术细节
🎯 第六步
如何面试？
⚡ 重要提醒：
- 一定要先完成"第一步"和"第二步" - 确定方向再学习！
- "第四步"实战项目最重要 - 简历的核心竞争力！
- 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
⚡ 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
| 维度 | 内容 | |:---|:---| | 1个原则 | 从"我会什么"转向"我做出了什么" | | 2条轨道 | Agent开发（工程落地）vs Agent算法（研究创新） | | 5步链路 | 简历 → 投递 → 模拟面试 → Vibe Coding → 成果展示 |
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
| 环节 | 旧方式 | 新范式 | |:---|:---|:---| | 简历 | 一份通用简历打天下 | AI读JD，动态生成针对性版本 | | 投递 | 手动上传，逐一投递 | 一键全网投，AI做适配分析 | | 模拟面试 | 背八股，刷题库 | AI扮演面试官，无限迭代实战 | | Vibe Coding | 手写算法题 | AI协作设计Agent系统 | | 成果展示 | PDF+截图 | 个人站+在线demo+社区影响力 |
个人品牌：让面试官主动找你
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
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：
- Boss/猎聘找具体的Hiring Manager或Team Lead
- 提前关注他们的开源项目/技术Blog
- 带着具体问题主动联系（不是「请问还招人吗？」）
- 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
- 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
| 资源 | 简介 | 链接 | |:---|:---|:---| | Learn Claude Code | 从零构建迷你Claude Code，12节渐进式，覆盖工具调用/子Agent/上下文压缩/多Agent协作 | GitHub | | claw0 | 10章10个核心概念~7000行Python，从while循环到生产级Agent网关 | GitHub | | 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 | | OpenClaw | 生产级个人AI助手框架，支持Telegram/Discord/Slack等 | GitHub | | Anthropic官方：Building Effective Agents | Anthropic工程团队出的Agent设计原则，面试必读 | 链接 | | Vibe Coding 教程 | 从零掌握AI协作编程，Cursor/Claude Code实操指南，Vibe Coding面试攻略 | 链接 |
🎯 第一步：确定你的目标岗位
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
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？
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！）
🔬 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