Agent 实习冲刺导航：资料、基础、算法、项目与开源

这是一页导航，不是又一份收藏夹。默认场景：

  • 方向：Agent 应用 / 全栈 / 平台（能把 Agent 做进真实产品）
  • 城市与节奏：约 9 月中起投实习
  • 并行线：基础 → 面经对照 · 每日算法 · 1 个主 Demo · 维护已有开源 PR

用法：从上往下走主链；每条链接下的 标注 是我自己的用途说明（为何点、点完验收什么）。链接会腐烂，标注里的验收标准尽量不烂。

导航页只回答「先点哪、为什么」；本地 vault 才管当日勾选

0. 四条线权重（先定边界）

线权重做什么砍线时
主线~55%公共基础 + 面经对照 → 落到 1 个可 clone Demo不砍
算法~20%每天中等手撕过线不砍
开源~15%维护已有 PR ≫ 新开水文先砍新 issue 扫荡
简历口述~10%3 个可深挖故事 + 1 页简历投递前两周加重

相关系统文（站内）：

1. 学习资料主链（按顺序点）

P0 · 必跟

  • Datawhale · Agent-Learning-Hub
    标注：主执行清单（Stage 0–8）。最小 loop → Tool → RAG → Memory → Harness / MCP / Skills。每天对照勾选，不当网址博物馆。

  • Anthropic · Building effective agents
    标注：工业默认必读。验收：能口述 workflow vs agent、举 2 个「不该上 Agent」的场景。

  • Datawhale · all-in-rag
    标注：RAG 全链路。验收：切分 / 检索 / 引用 / 拒答各能讲 1 个坑；最好有 30 条小评测集。

  • Datawhale · hello-agents
    标注：中文从零做智能体。验收：跳读也行，但 Memory / 工具 相关章必须能复述。

  • LangGraph 文档 · 仓库
    标注：状态图、可恢复执行。先手写 loop，再上框架；面试要讲 state / checkpoint / 重试。

P1 · 求职包装与概念骨架

P2 · 扩展（有空再开）

  • Hugging Face Agents Course
    标注：系统课；时间紧可只做与 Tool / 多步相关单元。
  • OpenAI Practical guide to building agents（官网检索标题）
    标注：产品化 checklist；与 Anthropic 文对照「边界」即可，不必二选一信仰。
框架收藏夹再长，也换不来一个可 clone 的 Demo

后端底座（面经高频，口述级）

不必另开一门后端课，嵌在 Demo 里学：

主题验收（能讲清即可）
Python 异步事件循环、并发工具调用、何时用线程池
FastAPI路由、依赖注入、SSE / 流式
Redis缓存会话、限流字段怎么存
任务队列概念长任务为何不能堵在请求线程

2. 公共基础过一遍（顺序固定）

1
1 Agent 边界（Anthropic）     ~2 天
2
2 最小 loop + Tool schema     ~3 天
3
3 RAG + 引用 + 评测           ~5 天
4
4 FastAPI 异步 + 流式         ~3 天
5
5 Memory / Checkpoint / 重试  ~3 天
6
6 MCP / Skill / Harness 对齐你已有经验  ~3 天
7
7 Redis / MySQL / 限流 口述   每天穿插 20min

完成定义（阶段出口）

  • 白纸画 Agent loop + 失败重试
  • 3 个工具 schema，含失败路径
  • RAG 会拒答，且有引用
  • 30 条评测有数字（对 / 胡编 / 越权）
  • 能讲 MCP vs function call 的差别（结合自己项目）

3. 面经怎么用（不贴原文）

私有笔记与用户帖归档放在本地；公开页只保留考点地图。

应用 / 全栈岗高频（优先练口述）

  1. 项目是否真做：State / Checkpoint、失败重试、SSE、MCP 封装
  2. Agent 边界：vs workflow / chatbot / RPA
  3. RAG 工程：hybrid、rerank、评估、badcase
  4. 工具层：registry、MCP、Skill、Harness
  5. 多 Agent：路由、并行、HITL
  6. 后端：Redis / 锁 / 异步 / FastAPI
  7. 中等手撕 1 题

练习法

节奏动作
每天 15min抽 1 个考点，录音 3 分钟口述
每周深挖自己 Demo 一次：「数据量大 10 倍呢？」
投递前模拟面 2 次：项目 20min + 手撕 20min

站内相关：

4. 算法：过线路径（每天不断档）

目标是 Agent 岗中等手撕稳过，不是竞赛。

真题向模式（优先）

模式代表方向标注
链表反转、k 组翻转、入环点淘天 / 字节常见
双指针三数之和、最接近三数之和百度 / 美团向
滑动窗口最大值、无重复最长子串腾讯向
LRUHashMap + 双向链表要讲 O(1)
树前中后 / 层序淘天向
图入门岛屿 / 省份数量先看清题面
工程伪代码令牌桶 / 滑动窗口限流 + Redis 字段常比 hard DP 更致命

每日

  • 50min：1 新 + 1 旧，严格计时
  • 每题四段：暴力 → 最优 → 边界 → 自测 3 组
  • 语言固定 Python

过线标准

连续 5 天，随机抽清单题：12 分钟内可跑 + 1 分钟讲清复杂度 → 算法降为「每日 1 道维持」。

5. 项目：只深做一个主 Demo

建议形态：知识问答 + 工具调用 + 可观测（贴 Agent 应用 JD）。

模块最低完成线标注
Loop手写 ReAct 或 LangGraph 二选一能讲状态与重试
Tools≥3（检索 / API / 拒绝危险操作）失败路径必有
RAG引用 + 拒答不会就明确说不会
Eval30 条集 + 数字简历可写的证据
工程FastAPI + SSE + README 一键跑可 clone 才算完成
加分简单 trace 可视化对齐 Agent × 可视化

不做：同时开 3 个半成品；从零训练模型；完整 multi-agent 平台。

站内可对照：

6. 开源：维护 > 堆数量

原则：

  1. 先审计 open PR（状态 / 卡点 / 下一步一句）
  2. 每周新 PR ≤1，且落在 Agent 工具链或可视化
  3. 简历只写 merged 或有实质 discussion 的
  4. 写法：fix X in Y → 影响 Z，禁止「贡献了多个仓库」

方向地图见：开源学习清单 · Issue/PR 机会笔记
标注：后一篇有时效；动手前用 gh 再核验 open / 是否已有 PR。

9 月前开源目标是 1–2 个能讲深的故事，不是 open 列表变长

7. 阶段总览（到 9 月中）

阶段大致窗口出口
A 地基约 2 周最小 loop + Demo 骨架 + PR 清单干净 + 链表/LRU 过线
B 主项目约 3 周Demo 可深挖 + 评测数字 + 面经自测 ~70%
C 投递约 2 周1 页简历 + 模拟面 2 次 + 开始投；算法维持

投递前硬门槛：

  1. 公开可跑 Demo
  2. 三个故事：Harness/开源 · Demo 评测 ·（可选）真实实验分析
  3. 算法过线
  4. 每条简历 bullet = 动词 + 技术 + 结果

8. 每日模板（可缩放）

1
算法 50min（早晨第一项）
2
面经口述 15min
3
主线 2–2.5h（基础 或 Demo，二选一深挖）
4
开源 / 八股 30–40min（轮换）
5
三行日记：会了什么 / 卡点 / 明日

时间不够时的砍法：新开源扫 issue > 新项目点子 > 八股广度；算法与 Demo 不砍。

9. 一页检查清单

本周

  • Hub Stage 是否推进（不是只收藏）
  • Demo 是否有可运行 diff
  • 算法是否断档
  • 是否至少维护 1 个 open PR

投递前

  • README 外人 10 分钟能跑起来
  • 3 个故事无 AI 口述过
  • 手撕清单闭卷抽测通过
  • 岗位表（城市 / 出勤 / 方向）更新过

10. 刻意不写进本页的

  • 当日小时课表与勾选状态
  • 他人面经 / 小红书原文全文
  • 未公开 JD 内推细节、账号与 cookie
  • API key、中转配置
  • 私人简历 PDF 与联系方式

那些留在本地 vault；博客只留导航与验收。

一句话：先公共底座，再公司差；先一个可跑 Demo，再多项目；算法每天不断，开源讲深不讲多。

Liked this note? Share it on Twitter / X, or browse more writing from the home page. Feedback and pointers welcome via @qianyuhe.

Thanks for reading.

– 千羽鹤