AgentGuide

# AgentGuide
[![1764666915027.png](https://free.picui.cn/free/2025/12/02/692eadf2be3ac.png)](https://free.picui.cn/free/2025/12/02/692eadf2be3ac.png)

<div align="center">
    <img src="https://img.shields.io/badge/Agent-开发指南-blue?style=for-the-badge" alt="Agent开发指南">
    <img src="https://img.shields.io/badge/面试-求职导向-green?style=for-the-badge" alt="求职导向">
    <img src="https://img.shields.io/badge/项目-完全开源-orange?style=for-the-badge" alt="完全开源">
    
<br/>
    
<a href="https://github.com/adongwanai/AgentGuide">
        <img src="https://img.shields.io/github/stars/adongwanai/AgentGuide?style=social" alt="stars">
    </a>
    <a href="https://github.com/adongwanai/AgentGuide/network/members">
        <img src="https://img.shields.io/github/forks/adongwanai/AgentGuide?style=social" alt="forks">
    </a>
    
<br/>
    
<h2>🔥 AI Agent 开发 × 面试求职 = 一站式解决方案</h2>
    
<p>
        <strong>对标 JavaGuide 的 AI Agent 学习指南</strong><br/>
        <strong>从入门到拿 Offer，系统化 + 实战化 + 求职导向</strong>
    </p>
</div>

---

## 💡 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](#-关于本项目) - Agent开发指南、转行大模型、高级RAG、大模型面试
- [🚦 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
- [🔬 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
- [📚 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
- [💼 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
- [📖 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
- [🎯 面试题库](#-第六步面试准备与-offer-冲刺) - 1000+题、系统设计、编程题

**🛠️ 快速导航**：
- [🚀 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](./FAQ.md)

---

## 📖 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：

<div align="center">
<img src="https://raw.githubusercontent.com/adongwanai/Awesome-Awesome-LLMs/main/20251210154458267.png" alt="LLM开源生态图谱" width="100%">
<sub>图片来源：<a href="https://github.com/Langchainai/llm-oss-landscape">LLM Open Source Landscape</a></sub>
</div>

**📌 AgentGuide 涵盖的核心技术栈**：

<table>
<tr>
<td width="33%">

**🤖 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**

</td>
<td width="33%">

**🔧 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

</td>
<td width="33%">

**📊 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

</td>
</tr>
</table>

> **💡 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

<table>
<tr>
<td width="50%">
📚 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
</td>
<td width="50%">
 🎯 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
</td>
</tr>
<tr>
<td>
💼 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
</td>
<td>
🔀 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
</td>
</tr>
<tr>
<td>
🆓 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
</td>
<td>
🚀 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
</td>
</tr>
</table>

---


### 🎁 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！按照这6个步骤，8-10周拿到Offer！**

<table>
<tr>
<td align="center" width="16.6%">

**🎯 第一步**

[确定目标岗位](#-第一步确定你的目标岗位)

算法 vs 开发？

</td>
<td align="center" width="16.6%">

**💡 第二步**

[拿Offer方法论](#-第二步拿offer的方法论)

如何准备？

</td>
<td align="center" width="16.6%">

**📚 第三步**

[学习路线](#-第三步基于岗位的学习路线)

学什么？

</td>
<td align="center" width="16.6%">

**💼 第四步**

[实战项目](#-第四步完成实战项目可写进简历)

做什么？

</td>
<td align="center" width="16.6%">

**🎓 第五步**

[系统学习](#-第五步系统学习-agent-技术技术准备)

技术细节

</td>
<td align="center" width="16.6%">

**🎯 第六步**

[面试冲刺](#-第六步面试准备与-offer-冲刺)

如何面试？

</td>
</tr>
</table>

> **⚡ 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！

---

## 🎯 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：

<table>
<tr>
<td width="50%">

### 🔬 **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）

</td>
<td width="50%">

### 🛠️ **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）

</td>
</tr>
</table>

### 🎯 你应该选哪条线？

<details>
<summary><b>👉 点击查看详细的岗位选择决策树</b></summary>

<br/>

**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！

</details>

---

### 🎯 技术方向细分（重要！）

<details>
<summary><b>👉 点击查看 Agent 方向的细分岗位</b></summary>

<br/>

#### 🔬 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）
- Ag

[truncated…]