LangChain 与 LangGraph 大厂高频面试题库 100 题，覆盖 LangChain 核心架构、LCEL 表达式、RAG 管线、Agent 决策、Memory 管理、LangGraph 状态图编排、生产部署与性能优化等全考点，面向大模型应用开发岗面试冲刺。

DeepAgents v0.6.8 完全学习教程，详解 LangChain 生态三层架构（LangGraph/create_agent/DeepAgents），覆盖核心 API、模型配置、内置工具体系、中间件、子代理、技能系统、记忆系统、人机协作、上下文管理与生产部署。

CrewAI 完整学习教程，从零构建多智能体协作系统。详解 Agent/Task/Crew 核心概念、Process 编排模式、Flow 工作流、记忆系统、工具集成，对比 AutoGen/LangGraph/MetaGPT，配合内容创作流水线等实战案例。

字节跳动 Trae Agent 源码深入研究，详解基于 LLM 的通用软件工程代理架构，覆盖 CLI 层、代理编排层、工具系统（文件编辑/Bash执行/顺序思维/代码知识图谱）、LLM 多提供商支持、轨迹记录、Docker 模式与评估系统。

Chroma 向量库面试突击专用指南，30+ 高频面试题全覆盖，含面试前 30 分钟速记清单、核心概念（Collection/WAL/HNSW）、基本 API 操作、高级功能、架构原理与性能优化、必踩坑点、项目场景题与向量库选型对比。

AutoGen 全面精通教程，详解微软开源多 Agent 对话框架，覆盖核心概念（ConversableAgent/AssistantAgent/UserProxyAgent）、群组聊天、代码执行沙箱、工具调用、人类反馈介入、Docker 沙箱与企业级部署架构。

大模型注意力机制深度解析，详解工业界主流组合 RoPE + GQA + FlashAttention + KV Cache 优化（Paged Attention），覆盖 MHA/MQA/GQA 演进、FlashAttention 分块计算与在线 Softmax、KV Cache 显存管理与 Paged Attention 原理。

2026 AI 大模型全栈 V11 版学习大纲，从 Python 编程基础、Transformer 原理、提示工程实战，到 RAG 应用开发、Agent 框架、模型微调与量化、向量数据库、生产部署，构建完整的 AI 大模型全栈技术体系。

2026 年 AI 开发者必备的 Agent 开源生态图谱，基于 GitHub API 真实数据，覆盖 35+ Agent 框架（AutoGPT/LangChain/DeerFlow/MetaGPT 等）、工具链、记忆系统、评估框架与部署方案，按 Stars 排名的全景式选型指南。

本文按核心框架、向量数据库、嵌入模型、文档处理、检索增强、评估工具、GraphRAG、低代码平台、Agentic RAG九大维度，整理2026年RAG技术生态的主流开源项目，便于快速选型与落地。 一、核心RAG框架（全流程编排） 项目名称 GitHub星数 核心优势 适用场景 开源协议 GitHub