💡 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!
🧭 按目标进入
| 🛠️ 开发岗路线 | 🔬 算法岗路线 | 🔥 科研前沿专题 |
|---|---|---|
| 面向工程落地与系统实践 | 面向原理、算法与实验能力 | 面向 Agent 前沿研究方向 |
| 进入开发岗学习路线 | 进入算法岗学习路线 | 进入科研前沿专题 |
前沿研究:Follow RSI
Follow RSI 是我维护的递归自我改进(RSI)进展追踪与 Harness 自进化证据库,重点关注 Agent 如何根据执行反馈改进可复用的提示、工具、技能与工作流。读论文时一起看留出集、同预算对照、跨模型迁移和代码等证据;未知项保留未知,新发现经人工审核后进入公开动态。
- 进入 Follow RSI 网站:查论文、证据卡片与阅读路线。
- 先读《为什么 AI 还不会自我进化》:从评测与泛化问题理解自进化的边界。
- Follow RSI GitHub 仓库:Star 收藏,查看资料与审核记录。
📑 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
- 🧭 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 + 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
- 🔥 2026 前沿面试专题 - 自进化 Agent、Agentic RL、AI Infra、Coding Agent、世界模型、图像/语音生成
🛠️ 快速导航:
- Follow RSI:Harness 自进化证据库 · 先读深度解读
- ⭐ 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 | 📚 完整文档导航 | 💼 项目导航
📖 关于本项目
3 分钟了解为什么你需要 AgentGuide
🧭 你可能正卡在这些地方
- 会调用模型、也接过工具,但 Agent 一跑长任务就早停、循环、丢状态,出了问题不知道怎么定位
- LangGraph、OpenAI Agents SDK、MCP、Skills、Multi-Agent 概念很多,却缺少一张完整的系统架构图
- Context、Memory、Tools、权限、Sandbox、Trace 混在一起,Demo 能跑,离可靠系统还很远
- RAG 做过基础问答,但复杂文档、多模态、引用溯源、评测集与线上观测没有形成闭环
- 项目只有功能截图,没有基线、指标、失败分析和工程取舍,简历写不实,面试经不起追问
- 想进入 Agent 方向,却不清楚开发岗、算法岗、Agentic RL 和前沿研究分别需要什么能力与作品
- 论文、框架和开源项目更新太快,不知道哪些值得学、先做什么、如何沉淀成可验证成果
AgentGuide 是什么?
AI Agent 工程、研究与求职的开源知识库
AgentGuide 围绕 “做得出、跑得稳、测得准、讲得清” 组织内容,不绑定单一框架,也不止于资源收藏:
- Agent 系统与 Harness:Agent Loop、Workflow / Agent / Multi-Agent 边界、状态、调度、权限与运行时
- Context Engineering 与 Memory:上下文分层、检索、压缩、长期记忆、Prompt Cache 与成本优化
- Tools 与协议生态:Tool Schema、MCP、Skills、A2A / ACP、Browser / Computer Use 与 Sandbox
- RAG 与知识系统:文档解析、Hybrid Retrieval、Rerank、GraphRAG、Agentic RAG、Multimodal RAG 与引用溯源
- Eval、Observability 与 Safety:评测集、Trace / Replay、LLM-as-a-Judge、红队、HITL 与生产可靠性
- Post-training 与 Agentic RL:SFT、DPO / GRPO、轨迹数据、Reward / Verifier、长程信用分配与环境构建
- 项目、研究与求职:可复现实战、开源项目、前沿论文、实验设计、简历表达、系统设计与面试题库
🗺️ 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:
Agent Infra Landscape 2026 · 图中署名:Ant Open Source / Ant Inclusion AI
📌 AgentGuide 涵盖的核心技术栈(2026 版):
No comments yet.