adongwanai/AgentGuide

해결하는 문제

AgentGuide는 단순한 LLM API 호출과 신뢰할 수 있는 프로덕션급 AI 에이전트 시스템 구축 사이의 간극을 메우기 위해 설계된 오픈소스 지식 베이스입니다. 장기 작업 중 에이전트 실패, 멀티 에이전트 조정을 위한 체계적인 아키텍처 부족, 기술 프로젝트를 AI 직무를 위한 경쟁력 있는 이력서로 변환하는 데 겪는 어려움 등 일반적인 문제들을 해결합니다.

작동 방식

이 프로젝트는 알고리즘 엔지니어링(연구, 혁신, 실험적 검증 중심)과 개발 엔지니어링(시스템 아키텍처, 신뢰성, 비즈니스 배포 중심)이라는 두 가지 주요 트랙으로 나뉜 포괄적인 학습 경로를 구성합니다. 다음을 다루는 구조화된 커리큘럼을 제공합니다.

• Agent Harnessing: 상태 관리, 도구 등록, 권한 및 관측 가능성.
• Context Engineering: 메모리, 검색 및 prompt caching 처리.
• RAG Systems: 하이브리드 검색, GraphRAG 및 멀티모달 RAG 구현.
• Evaluation & Safety: 평가 세트, 추적/재생 메커니즘 및 샌드박스 환경 구축.
• Post-training: SFT, DPO/GRPO 및 궤적 데이터 합성에 대한 가이드.

대상 독자

• AI 에이전트, RAG 또는 LLM 애플리케이션 엔지니어를 꿈꾸는 분.
• AI 직무로 전환하려는 개발자.
• Agentic RL, 세계 모델 또는 체화된 지능에 집중하는 연구자.
• 학습부터 합격까지 구조화된 경로가 필요한 구직자.

주요 특징

• 취업 지향적 접근: 모든 지식 포인트가 면접에서 어떻게 테스트되는지, 이력서에 어떻게 기술해야 하는지와 매핑되어 있습니다.
• 듀얼 트랙 학습: 알고리즘 중심 직무와 엔지니어링 중심 직무를 위한 별도의 전문 로드맵 제공.
• 포괄적인 기술 스택: LangGraph, OpenAI Agents SDK와 같은 최신 프레임워크 및 MCP (Model Context Protocol)와 같은 프로토콜을 다룹니다.
• 실용적인 프레임워크: '1-2-5 구직 프레임워크'와 실제 프로젝트를 성공시키기 위한 5단계 방법론 포함.