limouren2000/llms-dev-study

小李的大模型应用开发学习路线，涵盖 RAG、Agent、面试八股与论文速读。

簡単に言うと：

このリポジトリは、**大規模言語モデル（LLM）**の上にアプリケーションを構築する仕事に就きたい人向けの、個人が厳選した学習ガイドです。これはChatGPTのような技術の背後にあるものです。著者の明言した目標は最速の就職です。READMEには、このパスは「迅速な就職」のために設計されており、効率性と収入の可能性を最優先にしていると書かれています。

内容：

リポジトリは5つのセクションに分かれています：

0.LLM-Dev学習ルーター — 「LLMアプリケーション開発者」という役割が実際に何であるか、通常のバックエンド開発者やLLMアルゴリズム研究者とどう違うか、初心者がどの順序で学ぶべきかを説明する概要。核心的な要点：仕事はバックエンド開発スキルとAIアプリケーションスキルの組み合わせであり、このリポジトリはAI部分に焦点を当てています。
1.RAG — RAG（検索拡張生成）に関する資料。これは、LLMが既知の知識だけに頼るのではなく、まず知識ベースから関連テキストを取得して質問に答えるようにする技術です。このセクションには4つの部分があります：
- Bilibili（中国の動画サイト）からの初心者向け「クラッシュコース」動画2つ。著者が現在のパッケージバージョンで動作するように更新したコード付き。元の著者のコードはパッケージが古かったため、著者が再実行して修正しました（「note」フォルダとしてマーク）。迅速な理解に推奨。
- 公式LangChain RAGチュートリアル（llms-3）：著者は、面接でその最適化ポイントが質問されるため、これが最も重要だと指摘しています。元の英語動画と中国語翻訳の両方を含みます。
- 公式LangChainサンプルRAGプロジェクト（llms-4）で、すぐに実行できるほどシンプルです。著者の修正版は別のリポジトリ（chat-langchain-study）にあります。
- 多くの部分はKaggle（無料のクラウドコンピューティングプラットフォーム）で実行でき、著者はKaggleの無料計算リソースの使用ガイドへのリンクを提供しています。
2.Agent — エージェントに関する資料：LLMを使用して、クエリに答えるだけでなく、ステップを計画し実行する（ツールや検索を使用するなど）プログラム。これも4つの部分があります：
- Bilibiliチュートリアルからの2つの簡単なデモエージェント（AI_AgentとQW_Agent）。QW_AgentはQwen（LLMサービス）のAPIキーの申請が必要で、著者は「落とし穴」（困難）があると述べ、事前修正済みのコードを提供しています。
- Google + Kaggleからの5日間集中コース（2025年11月10日〜14日）で、エージェントの基礎、ツールとMCP相互運用性標準、コンテキストエンジニアリング、エージェント品質、プロトタイプから本番への移行をカバー。各日にはコード、公式ビデオ録画、ホワイトペーパーがあります。
- MCP（LLMが外部ツール/サービスに接続できるようにするプロトコル）を使用して迅速に構築された入門レベルのエージェントプロジェクトで、別のリポジトリeasy-mcpにあります。
3.Interview — 面接準備。著者はこれを「八股」（公式的な知識問題を指す中国の俗語）と呼んでいます。就職活動中に収集した2つの長いノートが含まれています：
- RAG知識ノート、40,000字以上の中文字、処理フローに沿って整理。
- Agent知識ノート、10,000字以上の中文字、モジュールごとに整理。
- 著者はこれらが個人的に大企業での「シニアAI研究開発エンジニア」の役割を得るのに役立ったと主張しています。
4.Paper-read — 研究論文を読むためのヘルパー。Codexスキル（OpenAIのCodexツール用の再利用可能な命令セット）paper-read-briefを提供し、ML/DL/マルチモーダル/生成AI論文を簡潔な中国語の読書ノートに凝縮します——コアアイデア、方法、主要な図/表/式、実験結論をセクションごとに抽出します。ReAct、Mem0、Graph of Thoughts、Tree of Thoughtsなどの論文の例ノートが含まれています。

古いコードに関する著者の警告：

READMEは、LangChainの公式パッケージバージョン管理が混乱しているため、一部の依存関係はおそらくすでに古いと明示的に警告しています。提案された修正は実用的です：エラーメッセージと関連コードをAIコーディングアシスタント（Codex、Claude Code、Cursorを挙げています）に貼り付け、現在の依存関係バージョンにコードを適応させます。

オンラインバージョン：ガイド全体のウェブページ版がlimouren2000.github.io/llms-dev-study/で利用可能で、読みやすくなっています。

結論：

これは、LLMアプリケーション開発者を目指す人向けに、動画、実行可能なコード、面接ノート、論文読解支援など、就職志向で厳選された学習資料のコレクションであり、迅速な進歩と脱線の回避を強く重視しています。