adongwanai/AgentGuide

解决的问题

AgentGuide 为希望进入 AI Agent 领域的个人提供系统化、职业导向的知识库。它解决了学习资源碎片化的问题，将资源组织成针对算法工程师（侧重研究与创新）和开发工程师（侧重系统实现与业务部署）的结构化路径，同时特别指导用户如何构建“简历级”项目并顺利通过技术面试。

如何工作

该项目围绕“做出、稳定运行、准确测量、清晰解释”的原则组织内容，提供：

• 结构化路线图：针对不同角色的定制化学习路径（8-15周），从基础概念逐步过渡到高级实现。
• 技术栈全覆盖：涵盖 Agent Loops、Context Engineering、Memory、工具协议（MCP、Skills）、RAG（GraphRAG、Agentic RAG）、Post-training（SFT、DPO/GRPO）的全面指南。
• 求职框架：采用“1-2-5框架”，将关注点从“我学到了什么”转向“我做出了什么”，并包含个人品牌建设与AI驱动的申请策略建议。
• 面试准备：提供1,500+道面试题库及如何从架构、业务、结果三个维度描述项目的指南。

适用人群

• 有志于成为 AI Agent 算法工程师、AI Agent 开发工程师、RAG 系统工程师者。
• LLM 应用工程师、多模态算法工程师。
• 希望转入 LLM/Agent 领域的开发者与研究人员。

亮点

• 职业导向方法：每个知识点均与面试考察方式及简历撰写方法一一对应。
• 双轨路径设计：为侧重研究/创新的算法类角色与侧重工程/稳定性的开发类角色提供独立但互补的学习路径。
• 全面技术栈覆盖：涵盖从模型微调、RAG 到 Agent 梳理工程与可观测性的全生命周期技术栈。
• 实践项目指导：提供5步法帮助构建可验证的项目，并附带“待办清单”以确保可落地的学习产出。