Agent

AutoGPT 精通教程，覆盖 AutoGPT Platform（可视化 Block Workflow 搭建）与 AutoGPT Classic（命令行 Agent + Forge 开发套件），详解项目架构、Block 体系、Workflow 引擎、Agent 执行逻辑、多模型支持与生产部署。

从架构师视角深度拆解OpenClaw的Agent运行时与记忆系统，涵盖双层循环引擎、状态机防御性设计、ContextEngine可插拔契约、MapReduce上下文压缩、工具循环检测、模型降级链与子Agent治理的完整架构解析。

基于OpenViking v0.4.2源码与官方文档，从资深技术专家视角深入讲解其设计原理、核心概念、架构实现，并与主流开源方案横向对比，为AI Agent开发者提供系统性学习指南。

多智能体协作工程化深度解析，从 Codex、Claude Code、OpenClaw、Hermes Agent 的实践出发，详解触发方式（显式/语义/路由/队列）、拓扑结构（星型/网状/层级）、上下文隔离、权限控制、状态管理与结果合并机制。

原力健康 AI Agent 开发岗位面试全记录，涵盖 RAG 检索流程、知识库构建、Chunk 切片优化、多路召回、LangGraph 编排、Redis 分布式锁与缓存、设计模式、排序算法等 23 道面试题详细解答。

LLM 应用开发面试 50 道核心模拟题及详细答案，覆盖 RAG 检索与评估、文本分块策略、多路召回、Agent 架构设计、LangGraph 编排、模型部署与推理优化、LLMOps 工程化等七大专题，助你全面备战大模型应用岗面试。

大模型应用开发工程师模拟面试完整记录，包含自我介绍、RAG 系统搭建、Embedding 选型、文本分块策略、多路召回、Agent 架构设计、LangGraph 编排、模型微调部署等核心面试题的候选人回答与参考答案对比分析。

10 年大厂后端老兵的 AI 转岗经验分享，帮你建立 AI 学习认知框架。从 AI 工程师与算法工程师的区别出发，绘制 AI 技术全景架构图，逐层解读模型层、编排层、应用层、基础设施层，给出可执行的学习路线和项目实战建议。

基于 QwenPaw v1.1.9 源码的 100 道面试题全解析，覆盖架构设计、Agent 系统与 ReAct 循环、记忆系统、技能系统、工具系统、频道系统、Cron 与 Heartbeat、多 Agent 与 ACP、安全体系、配置系统等 13 大模块。

MaxKB v2 全方位学习教程，从功能使用到源码深度剖析。详解企业级智能体平台的 RAG 检索增强、工作流引擎、模型中立、无缝嵌入四大核心能力，覆盖技术栈、架构设计、源码实现与生产部署。