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。

简单来说：

这个仓库是一份个人精选的学习指南，面向那些希望在大语言模型（LLM）之上构建应用并找到工作的人——这是ChatGPT等技术的背后支撑。作者的既定目标是快速就业：README中说这条路径是为“快速就业”设计的，并将效率和赚钱潜力视为最高优先级。

内容包含：

该仓库分为五个部分：

0.LLM-Dev学习路由器 —— 概述，解释“LLM应用开发者”角色实际上是什么，它与普通后端开发者或LLM算法研究员有何不同，以及新手应该按什么顺序学习。核心要点：该工作等于后端开发技能加上AI应用技能，本仓库专注于AI部分。
1.RAG —— 关于RAG（检索增强生成）的材料，这是一种让LLM通过先从知识库中提取相关文本来回答问题，而不是仅仅依赖其已有知识的技术。本节包含四个部分：
- 来自Bilibili（一个中国视频网站）的两个入门“速成”视频，附有作者更新的代码，可在当前包版本上运行。原作者代码中的包已过时，因此作者重新运行并修复了它们（标记为“note”文件夹）。推荐用于快速熟悉。
- 官方LangChain RAG教程（llms-3）：作者指出这是最重要的部分，因为面试会问其优化点。包括原始英文视频和中文翻译。
- 一个官方LangChain示例RAG项目（llms-4），简单到可以立即运行；作者的修改版本位于单独的仓库（chat-langchain-study）中。
- 许多部分可以在Kaggle上运行，这是一个免费的云计算平台，作者链接了使用Kaggle免费计算资源的指南。
2.Agent —— 关于智能体的材料：使用LLM来规划和执行步骤（如使用工具或搜索）的程序，而不仅仅是回答查询。这部分也有四个部分：
- 来自Bilibili教程的两个简单演示智能体（AI_Agent和QW_Agent）。QW_Agent需要申请Qwen（一个LLM服务）的API密钥——作者指出有“坑”（困难），并提供了预先修复的代码。
- 来自Google + Kaggle的5天强化课程（日期为2025年11月10日至14日），涵盖智能体基础、工具和MCP互操作性标准、上下文工程、智能体质量以及从原型到生产。每天都有代码、官方视频录制和白皮书。
- 一个使用MCP（一种让LLM连接外部工具/服务的协议）快速构建的入门级智能体项目，位于单独的仓库easy-mcp中。
3.Interview —— 面试准备，作者称之为“八股”（中文俚语，指公式化知识问题）。它包含作者在求职期间收集的两份长笔记：
- 一份RAG知识笔记，超过40,000个中文字符，按处理流程组织。
- 一份Agent知识笔记，超过10,000个中文字符，按模块组织。
- 作者声称这些笔记个人帮助他获得了大公司的“高级AI研发工程师”职位。
4.Paper-read —— 阅读研究论文的辅助工具。它提供了一个Codex技能（OpenAI Codex工具的可重用指令集），名为paper-read-brief，可将ML/DL/多模态/生成式AI论文浓缩为简洁的中文阅读笔记——逐节提取核心思想、方法、关键图表/公式和实验结论。包含ReAct、Mem0、Graph of Thoughts和Tree of Thoughts等论文的示例笔记。

作者关于过时代码的警告：

README明确警告LangChain官方包版本管理混乱，因此一些依赖可能已经过时。他们建议的修复方法是务实的：将错误消息和相关代码粘贴到AI编码助手（他们提到Codex、Claude Code或Cursor）中，让它将代码适配到当前依赖版本。

在线版本：整个指南的网页版本可在limouren2000.github.io/llms-dev-study/上查看，便于阅读。

底线：

这是一个以就业为导向、精心策划的学习材料集合——视频、可运行代码、面试笔记和论文阅读辅助工具——面向任何立志成为LLM应用开发者的人，强调快速行动和避免偏离主题。