AgentGuide README

The project's README from github.com/adongwanai/AgentGuide. As one markdown file: README.md.

AgentGuide

1764666915027.png

Agent开发指南 求职导向 完全开源
GitHub stars GitHub forks

🔥 AI Agent 开发 × 面试求职 = 一站式解决方案

对标 JavaGuide 的 AI Agent 学习指南
从入门到拿 Offer，系统化 + 实战化 + 求职导向

💡 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

📚 查看完整文档导航

📑 目录

🎯 核心内容：

🛠️ 快速导航：

📖 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

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：

🗺️ 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：

LLM开源生态图谱 图片来源：Awesome-Awesome-LLMs

📌 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

求职目标：

学习需求：

🌟 AgentGuide 的 6 大核心价值

📚 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
💼 简历级实战项目
  • ✅ 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？

从“会调用模型”到“能设计、实现、评测并讲清一个可靠的 Agent 系统”

✅ 【架构认知】分清 Chatbot、Workflow、Agent 与 Multi-Agent，理解 Agent Loop 和 Harness
✅ 【工程能力】掌握 LangGraph / OpenAI Agents SDK、Context Engineering、Memory、Tools、MCP 与 Skills
✅ 【RAG 能力】能设计 Hybrid Retrieval、Rerank、引用溯源、GraphRAG、Agentic RAG 与 Multimodal RAG
✅ 【可靠性】会构建 Eval Set、Trace / Replay、LLM-as-a-Judge、Sandbox、HITL、权限和成本控制
✅ 【训练认知】理解 SFT、DPO / GRPO、工具调用与轨迹数据合成、Reward / Verifier 的基本方法
✅ 【项目交付】完成 2-3 个可运行、可评测、可复现的项目，并写清架构、指标、取舍与失败分析
✅ 【面试表达】能围绕原理、系统设计、实验结果和工程权衡回答追问，而不是背“标准答案”
✅ 【求职路径】明确算法岗与开发岗能力差异，用项目、开源贡献和技术内容构建作品集

🚦 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

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

⚡ 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）：

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：

  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。

说几句实话

新增优质资源

资源 简介 链接
learn-workbuddy 从 0 搭建一个 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，不提取源码，只复现核心机制 GitHub
Superpowers 由可组合 Skills 构成的 AI Coding 完整开发工作流，覆盖需求梳理、计划、TDD、系统调试、代码评审和完成前验证 GitHub
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

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）

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”。

How To Use

你的状态 建议入口
零基础 从 6步学习路径 开始，先建立 Agent / Workflow / RAG / Multi-Agent 的坐标系
会 LLM 应用 重点补 Agent Loop、Tool Use、Context Engineering、Eval，不要只停留在 API 调用
想做项目 直接进入 实战项目，按“Spec → Coding → Eval → 复盘”推进
准备面试 对照 面试题库，重点准备 Agent Loop、工具设计、记忆、评测、可靠性
只想找资料 看 技术教程 和 资源导航，优先读官方文档、工程博客和可运行项目

What To Learn Now

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：

优先级 方向 为什么重要
1 Claude Code / Codex-style Coding Agents 真实代码库、shell、文件编辑、测试、权限、上下文压缩，是理解 Agent 工程的最佳样本
2 Agent Harness Engineering Agent 能力很大一部分来自 harness：工具协议、权限、状态、反馈、回放、CI、评测
3 Context Engineering Agent 的核心不是“写提示词”，而是控制信息在正确时间以正确格式进入模型
4 Skills / MCP / A2A / ACP Skills 负责能力复用，MCP 连接工具，A2A 连接 Agent，ACP 连接宿主应用
5 Browser / Computer-Use Agents 浏览器和桌面

AgentGuide (adongwanai/AgentGuide)

Searching Database…

11K ·GitHub
AgentGuide
What is this?AgentGuide is a free, open-source Chinese-language knowledge base for AI Agent engineering and job hunting, modeled on JavaGuide. It stitches scattered courses, tutorials, papers and projects into one systematic path from beginner to a job offer.
Is this a site I just read, or something I install?It is a documentation website: the MDX pages in this repo are published to GitHub Pages, so you simply read it in a browser at adongwanai.github.io/AgentGuide. There is nothing to install or run.
Any catches I should know about?Everything is in Chinese and tuned to China's job market — outreach via Boss Zhipin or Liepin hiring managers, March-June application windows. It is also a curated guide, not a course: you still build the projects yourself.
What does the guide say is worth learning right now?Its priority list for 2026: coding agents like Claude Code and Codex as the best window into Agent engineering, then harness engineering, context engineering, the Skills/MCP/A2A/ACP protocol stack, and browser or computer-use agents.
Which hands-on resources does it point to for practice?Build-along projects: learn-workbuddy (a clean-room desktop agent harness), Learn Claude Code, claw0 and Datawhale's hello-agents, plus Superpowers for Skills workflows and Anthropic's 'Building Effective Agents' as must-read.
Is the guide actively maintained?Yes — it is positioned as continuously updated and community-driven, and the material already includes 2026-specific content such as frontier interview topics and a 2026 hiring-market paradigm.
What are similar projects?ai-system-design, llm_interview_note, hello-agents, ai-agents-from-zero, ai-agent-book, agents-course, ai-engineering-interview-questions-company-wise, happy-llm
Which topics is it in?job-hunting, sft, grpo, graphrag, mdx, langgraph, roadmap, study-guide, agent-harness, interview-questions, langchain, context-engineering
Creator
adongwanai
Size
181 MB
Stars
11K
Updated
CommitSep 15
Age
11mo
Commits · 90 Days