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
• 🧭 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+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
• 🧭 新手快速开始 | 🧭 2026 Agent 求职路线 | 🛠️ Agent 项目落地方法 | 🧩 Agent Harness Engineering
• 📄 Paper Agent | 🧳 Travel Agent | 🌐 Web Agent | 🖼️ Multimodal RAG

---

📖 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 工程：Agent Loop、LangGraph / OpenAI Agents SDK、MCP、Skills、权限与状态管理
• Context Engineering：上下文分层、Memory、Tool Loadout、长任务压缩、成本与缓存优化
• RAG / Multimodal RAG：文档解析、Embedding、Rerank、GraphRAG、Agentic RAG、视觉文档检索
• Eval / Observability / Safety：Agent 评测集、trace、LLM-as-judge、红队、安全边界与 human-in-the-loop
• Post-training / Agent RL：SFT、偏好优化、GRPO/DPO、工具调用数据合成、轨迹数据训练
• 实战与求职：Paper Agent、Travel Agent、Web Agent、项目复盘、简历表达与面试题库

🗺️ 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：

📌 AgentGuide 涵盖的核心技术栈（2026 版）：

💡 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：

• ✅ 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：

• ✅ Agent Loop | LangGraph | OpenAI Agents SDK | MCP / Skills
• ✅ RAG / Multimodal RAG | 向量数据库 | Agent Memory | Eval Harness
• ✅ 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

---

🎁 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！

⚡ 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

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

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：

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。

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

---

🧭 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”。

• 完整路线：2026 Agent 求职通关路线
• 项目落地方法：如何落地一个可写进简历的 Agent 项目
• 工程核心专题：Agent Harness Engineering

How To Use

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：

8 阶段学习产出

项目落地 5 步法

1. 建立全局认知：先搞清楚目标项目的 agent loop、tool registry、context 拼装、memory、channel 抽象。
2. 准备 AI 编程环境：沉淀 CLAUDE.md / AGENTS.md、需求规格、实现计划和跨会话 todo。
3. 建立项目理解 Skill：把项目结构、关键模块、测试方式写成可复用的项目理解文档。
4. 先写 Spec，再写代码：明确目标用户、工具列表、权限策略、失败处理、成本约束、成功标准。
5. 评测 + 归因 + 消融实验：记录通过率、失败原因、工具调用次数、成本、延迟，把结果写进简历。

面试深水区

面试不只问“会不会 LangChain”，更会追问你有没有真正写过能跑的 Agent：

• Agent Loop：observe → think → act → observe，最大步数、停止条件、错误恢复、HITL 怎么设计？
• Context + Cost Engineering：上下文分层、压缩、缓存友好结构、模型路由、token 成本怎么降？
• Tool Design：工具命名、description、schema、分页截断、权限分级、工具选错怎么修？
• Memory System：working / episodic / semantic memory，什么值得存、怎么召回、什么时候遗忘？
• Eval + Governance：component / trajectory / end-to-end eval，golden dataset 怎么来，trace 怎么审计？
• Reliability Engineering：idempotency、timeout、retry、cost guard、permission tier、observability 六件套。

简历三维表达法

不要只写“基于大模型实现智能问答”。一个 Agent 项目要从三维表达：

示例：

基于轻量 Agent Harness 构建垂直场景助手，使用 ReAct loop + dispatch 表注册 5 个业务工具，四层分级 context 管理 system / long-term / short-term / turn 信息；高风险操作接入三级权限确认，20 条评测 case 端到端通过率 82%，通过上下文压缩和模型路由将 token 成本降低 60%。

---

🎯 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：

🎯 你应该选哪条线？

---

🎯 技术方向细分（重要！）

📖 完整技术方向详解：转行大模型热门方向准备指南

💡 新手建议：优先选择上下文工程开发（RAG/Agent 系统），岗位最多、最易落地

---

💡 第二步：拿Offer的方法论

不同岗位，完全不同的准备策略！

🔬 算法工程师 - 如何准备？

🛠️ 开发工程师 - 如何准备？

🔀 通吃策略 - 如何准备？（⭐ 最推荐）

---

📚 第三步：基于岗位的学习路线

根据你在"第一步"的选择，选择对应的学习路线

🎯 快速导航

🚀 新手推荐：

• 📘 AgentGuide开源学习路线（简易版） - 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 ⭐⭐⭐

📋 详细路线（按岗位分）：

🗺️ 选择你的学习路线

---

🗺️ 通用学习流程图

graph TD
    A[开始学习 AI Agent] --> B{你的背景是什么?}
    
    B -->|算法/研究背景| C[第一部分: 核心理论深入理解 Agent 原理]
    B -->|开发/工程背景| D[第二部分: 核心技术栈快速上手开发框架]
    
    C --> E[第二部分: 核心技术栈掌握工具和框架]
    D --> F[第一部分: 核心理论补充理论基础]
    
    E --> G[第三部分: 系统设计与实战完成简历项目]
    F --> G
    
    G --> H[第四部分: 面试指南准备求职]
    
    H --> I{目标岗位?}
    
    I -->|算法工程师| J[强化: 论文复现 + 实验设计准备算法面试题]
    I -->|开发工程师| K[强化: 系统架构 + 性能优化准备系统设计题]
    I -->|全栈 Agent 工程师| L[双线并进准备两类面试]
    
    J --> M[投递简历 + 面试]
    K --> M
    L --> M

⏱️ 学习时间概览

💡 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

---

💼 第四步：完成实战项目（可写进简历）

这是最重要的一步！没有项目，一切都是空谈！

AgentGuide 提供 n 个简历级实战项目，每个项目都提供：

• ✅ 完整的代码实现
• ✅ 系统架构设计
• ✅ 算法岗和开发岗两种简历写法
• ✅ 面试时如何讲解

👉 直接跳转到实战项目：点击这里查看n个项目

---

🎓 第五步：系统学习 Agent 技术（技术准备）

💡 学习目标：掌握 Agent 开发完整技术栈，从理论到实战全覆盖
🔬 算法岗重点：深入理解原理，能推导公式，关注创新点
🛠️ 开发岗重点：熟练使用框架，快速实现功能，注重工程化

📊 技术能力四层模型

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： 我来创建一个三列的内容导航表格：

📑 内容导航

---

🔰 L1-基础认知层详解

学习时长：1-2 周 | 难度：⭐⭐⭐ | 重要性：⭐⭐⭐⭐⭐

🎯 阶段目标

• ✅ 理解 Agent 的本质定义与核心组件
• ✅ 掌握 Transformer 架构与大模型基础
• ✅ 了解 Agent 技术发展历程与未来趋势

📚 学习内容

---

🛠️ L2-开发实现层详解

学习时长：3-4 周 | 难度：⭐⭐⭐⭐ | 重要性：⭐⭐⭐⭐⭐

🎯 阶段目标

• ✅ 手撕核心 Agent 架构（ReAct、Plan-Solve、Reflexion）
• ✅ 掌握主流开发框架（LangChain、AutoGen、AgentScope）
• ✅ 能够独立搭建完整的 Agent 系统

🔨 实操内容

---

🚀 L3-高阶优化层详解

学习时长：4-5 周 | 难度：⭐⭐⭐⭐⭐ | 重要性：⭐⭐⭐⭐⭐

🎯 阶段目标

• ✅ 掌握 RAG 全栈技术（数据处理、检索优化、高级 RAG）
• ✅ 精通上下文工程（Context Engineering 2.0）
• ✅ 理解 Agent 评估体系与微调方法

💡 高级技术

---

🛡️ 生产级系统设计（工程化实践）

高可用架构设计

• 缓存策略（Semantic Cache、KV Cache）
• 异步任务队列与重试机制
• 降级与熔断

可观测性（Observability）

• LangSmith/LangFuse 链路追踪
• 成本监控与 Token 审计
• 性能分析与优化

安全性（Security）

• Prompt 注入防御
• 权限控制与沙盒隔离
• 人机协作边界（Human-in-the-loop）

📖 完整指南：高可用 RAG 系统
📖 安全性指南

---

💼 简历级实战项目 🚀

💡 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
⏱️ 学习时长：3-4 周 | 难度：⭐⭐⭐⭐⭐ | 重要性：⭐⭐⭐⭐⭐（简历核心）

🎯 核心收获

• ✅ 掌握复杂 Multi-Agent 系统设计
• ✅ 理解生产级系统的工程化实践
• ✅ 完成可写进简历的高质量项目

---

🎨 简历级实战项目详解

每个项目都提供完整代码 + 算法岗/开发岗双版本简历写法

🎯 简历项目详细教程

---

💼 第六步：面试准备与 Offer 冲刺

💡 学习目标：系统准备面试，提升 Offer 成功率
📝 两条线不同的面试策略：算法岗讲创新，开发岗讲价值

📚 完整面试题库（300+题）🔥 全面升级

🎯 题库特色：

• ✅ 完整覆盖 LLM/VLM/RLHF/RAG/Agent 全技术栈
• ✅ 包含美团、字节、阿里、DeepSeek等一线大厂真题
• ✅ 难度分级 + 公司来源标注 + 考点分析
• ✅ 区分算法岗/开发岗重点，覆盖最新技术（DeepSeek-V3/R1）

📖 核心通用题库（两个岗位都需要）

🎯 岗位专项题库（针对性强化）

• [x] 🔬 算法岗专项 - 算法创新/推导/实验/论文 45题
• [x] 🛠️ 开发岗专项 - 系统设计/工程实践/选型/落地 45题

🏢 真实面经与进阶

• [x] 📋 大厂真实面经 - 美团/字节/阿里等16个完整案例
• [x] 🧭 AI Agent 面试备战手册合集 - Memory、Skills、Harness、评估、数据合成、源码分析与项目话术
• [x] 📊 模型评估专题 - BLEU/ROUGE、基准测试、LLM-as-Judge 10题
• [x] 🔮 前景与趋势 - AGI、多模态、世界模型等开放讨论 9题
• [x] 💬 开放性讨论 - 技术判断、学习建议、核心素质 8题

💡 题库使用建议

第一阶段（2-3周）：系统学习
  ├─ 01-理论基础题（LLM/VLM/RLHF）→ 打基础
  ├─ 02-RAG系统题 → 掌握检索技术
  └─ 03-Agent核心题（Q1-Q13）→ 理解Agent原理

第二阶段（2-3周）：深入强化
  ├─ 03-Agent系统题（Q14-Q52）→ 工程实践
  ├─ 05/06-岗位专项 → 针对性准备
  └─ 04-编程实战题 → 手撕代码

第三阶段（1-2周）：冲刺突破
  ├─ 12-真实面经 → 模拟完整面试
  ├─ 13-模型评估 → 掌握评估方法
  └─ 14/15-开放讨论 → 展示思维深度

求职软技能

• [x] 📝 简历编写指南 - AI Agent 项目简历公式、双岗写法与自检脚本
• [x] 🎤 项目讲述技巧 - STAR+Tech 项目表达、追问地图与复盘模板
• [x] ⭐ 转行大模型指南
• [x] ⭐ 秋招完整攻略

📄 专业简历模板（新增⭐）

🎨 开源 LaTeX 简历模板 - 专为转行大模型设计

面试软技能（新增⭐）

• [x] ⭐ 校招生谈薪实用指南 - 3大原则、话术模板
• [x] ⭐ HR面试完全攻略 - 10大高频问题应对
• [x] ⭐ 秋招心态调整指南 - 保持好心态拿Offer

4.3 核心资源精选（按方向分类）

📌 只推荐面试会考、项目会用的核心资源！

🤖 Agent 方向：

• [x] Agent 资源总览 📂 - Agent 所有资源导航
  • Agent 框架对比 - 5个核心框架
  • Memory 模块 - 4个记忆系统
  • Tool Use - 工具调用
  • GUI Agent - 界面操作
  • 核心论文 - 必读论文

📊 RAG 方向：

• [x] RAG 资源总览 📂 - RAG 所有资源导航
  • 向量数据库 - 5个核心向量库
  • 文档解析 - 5个解析工具
  • 完整项目汇总 - 150+个RAG开源项目 🆕
  • Embedding 模型 - Embedding选型
  • Reranker - 重排序
  • 高级RAG - GraphRAG、HyDE
  • 核心论文 - 必读论文

🛠️ 通用工具：

• [x] 开发者工具箱 - Cursor、元宝、Excalidraw
• [x] 开发框架总览 - 快速框架对比

🎨 推荐可视化学习资源：

• 📊 100+ LLM/RL 算法原理图 - 《大模型算法：强化学习、微调与对齐》作者巨献
  • 涵盖内容：Transformer架构、注意力机制、SFT微调、LoRA/QLoRA、DPO/PPO/GRPO、RLHF全流程、逻辑推理优化等
  • 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
  • 配套书籍：《大模型算法：强化学习、微调与对齐》

🌟 需要更全面的 LLM 资源？
👉 查看作者的另一个项目：Awesome-Awesome-LLM
（涵盖训练、推理、多模态、Infra 等 LLM 全栈 200+ Awesome 系列资源）

---

🚀 快速开始

1️⃣ 如果你是算法背景（10 分钟快速入门）

# 第一步：理解 Agent 是什么
阅读：docs/01-theory/01-what-is-agent.md

# 第二步：学习核心框架 ReAct
阅读：docs/01-theory/04-react-framework.md

# 第三步：快速上手 LangChain
阅读：docs/02-tech-stack/04-langchain-guide.md

# 第四步：跑通第一个 Agent
git clone https://github.com/adongwanai/AgentGuide.git
cd AgentGuide/examples
python quickstart_agent.py

2️⃣ 如果你是开发背景（10 分钟快速入门）

# 第一步：快速上手 LangChain
阅读：docs/02-tech-stack/04-langchain-guide.md

# 第二步：理解 Agent 核心概念
阅读：docs/01-theory/01-what-is-agent.md

# 第三步：学习向量数据库
阅读：docs/02-tech-stack/08-vector-db-basics.md

# 第四步：搭建第一个 RAG Agent
git clone https://github.com/adongwanai/AgentGuide.git
cd AgentGuide/examples
python quickstart_rag_agent.py

---

🤝 如何贡献

AgentGuide 是一个完全开源的项目，非常欢迎你的贡献！

贡献方式

1. 内容贡献：完善文档、补充案例、纠正错误
2. 代码贡献：优化示例代码、添加新的实战项目
3. 翻译贡献：帮助翻译成英文版，让更多人受益
4. 问题反馈：发现问题？请提 Issue

贡献流程

1. Fork 本仓库
2. 创建你的特性分支 (git checkout -b feature/AmazingFeature)
3. 提交你的修改 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 提交 Pull Request

详细贡献指南请参考：CONTRIBUTING.md

---

📬 联系作者 & 加入社群

👨‍💻 关于作者

我是阿东，一线大模型算法工程师

• 🎓 技术背景：专注 AI、RAG、LLM 应用方向
• 📝 内容创作：全网 5w+ 粉丝，持续分享 AI 技术与求职经验
• 🚀 开源贡献：多个 AI 相关开源项目维护者

🌐 在这些平台找到我

💬 加入 AI Agent 学习社群

为什么要加入社群？

• ✅ 每周技术分享：Agent 最新论文解读、工程实践经验
• ✅ 简历面试辅导：免费简历诊断、模拟面试、内推机会
• ✅ 问题实时答疑：技术问题、求职困惑，随时提问
• ✅ 学习小组：组队学习 AgentGuide，互相监督，共同进步
• ✅ 行业资源：大厂内推信息、技术资料、论文分享

如何加入？

1. 方式一：Star 本项目后，在 Issues 中评论"申请加群"
2. 方式二：关注公众号「阿东玩AI」，回复「AgentGuide」获取入群二维码
3. 方式三：小红书@阿东玩AI，私信"加群"

🎁 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

⭐ 如果这个项目对你有帮助

请考虑支持一下：

• ⭐ Star 本仓库，让更多人看到
• 🔀 Fork 本仓库，开始你的学习之旅
• 📣 分享 给正在找 AI 工作的朋友
• 💬 反馈 你的建议和意见（提 Issue 或 PR）

你的每一个 Star 都是我持续更新的动力！🚀

---

📝 更多文档

📚 项目文档

• ❓ 常见问题 (FAQ) - 14个常见问题解答
• 📊 项目总结 (PROJECT_SUMMARY) - 项目定位与核心优势
• 🤝 贡献指南 (CONTRIBUTING) - 如何参与贡献

🗺️ 学习路线

• 🧭 2026 Agent 求职通关路线 - Agent Loop、Harness、Skills、Eval、项目产出的可执行路线 ⭐ 新增
• 🚀 AgentGuide开源学习路线（简易版） - 从零到Offer完整路径（8-15周）⭐ 新增
• 🔬 算法岗详细路线 - 每日学习计划
• 🛠️ 开发岗详细路线 - 每日学习计划

💼 实战方法

• 🛠️ 如何落地一个可写进简历的 Agent 项目 - Spec、AI 编程环境、项目理解 Skill、Eval 和消融实验
• 🧩 Agent Harness Engineering - Agent Harness 七层模型与可靠性六件套

📂 资源导航

• 🤖 Agent 资源总览 - Agent 所有资源
• 📊 RAG 资源总览 - RAG 所有资源
• 🛠️ 开发工具箱 - 效率工具推荐
• 📚 精选学习资源 - 课程、教程、书籍汇总

---

---

📈 Star History