Shadowgraph
TrendingAbout
Sign in

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。

Jupyter Notebook

856

106 commits

updated Aug 10, 2026

limouren2000.github.io/llms-dev-study

See the code

README

LLM-0

本仓库为本人学习🔥大模型应用开发🔥时整理的核心学习资料，此学习路线主打 “最快速上岸”，全是干货无冗余扩展，💰以高效求职搞钱为第一要务💰。

欢迎阅读仓库内容，如果对你有用，麻烦点一下 🌟 star，谢谢！

📖 更适合阅读的网页版本：大模型应用开发在线文档

✅ 导读

🚀 本项目为大模型应用开发 RAG 和 Agent 的学习路线和面试八股，包含最基础的扫盲课程，和系统的优化课程，主要是协助大家🧐快速入门🧐。

⚠️ 注意：因为 LangChain 官方的包版本机制混乱，这里的一些包大概率已经过时。解决方案也很简单：直接把报错和相关代码交给 Codex、Claude Code 或 Cursor，让它们根据当前依赖版本协助定位和修改。

📖 目录结构为五部分：

  • 0.LLM-Dev Study Router 文件夹：大模型应用开发岗位学习路线总览，说明岗位边界、技术栈选择和整体学习顺序；
  • 1.RAG 文件夹：RAG相关的项目Demo和课程；
  • 2.Agent 文件夹：Agent相关的Demo和课程；
  • 3.Interview：大模型RAG和Agent的面试八股；
  • 4.Paper-read 文件夹：学习大模型免不了关注最新论文，但很多同学平时没有阅读论文的习惯。这里提供论文阅读相关的 Codex Skill，帮助你快速提炼论文精要、了解核心思想。

✅ LLM-Dev Study Router

本部分是整套学习路线的入口，用来说明大模型应用开发岗是什么、和普通后端开发/大模型算法岗有什么区别，以及不同基础的同学应该如何选择学习顺序。

  • 🌹路线介绍：大模型应用开发岗位学习路线
  • 适合人群：想快速判断自己该先学后端开发、RAG/Agent，还是基于已有后端经验直接补 AI 应用落地技术栈的同学。
  • 核心结论：大模型应用开发岗的技术栈可以概括为 后端开发技术栈 + AI 落地相关技术栈，本项目后续重点围绕 RAG、Agent、面试八股和论文阅读展开。

✅ RAG

本部分一共四个部分：

  • llms-1和llms-2为B站上的🕶️扫盲课🕶️，两位Up主讲的清楚且简洁，主要是入门了解的，快速过一下即可；
  • llms-3为Langchain官方出的RAG教程，视频部分这里展示了原版和国内翻译版，主要讲解了RAG过程中的主要流程及其优化点，🔥建议重点看这个，面试会问很多优化点🔥；
  • llms-4为langchain是官方给出的💡RAG项目💡例子，这里会包含最基础的RAG项目的流程，保证你立马就能run起来，并且代码结构很简单。

llms-1

视频地址（看整个系列）：

代码：

llms-2

视频地址（看单篇既可）：

代码：

llms-3

视频地址（看整个系列）：

代码：

llms-4（RAG入门项目）

代码：

说明：

  • langchain-chat是官方给出的RAG项目例子，也是我推荐给各位的入门级项目，应网友要求，录制了手把手运行视频，保证你能运行起来。

参考资料：

✅ Agent

本部分一共四个部分：

  • 1.AI_Agent 和 2.QW_Agent 是B站两个简单的 Agent Demo，比较通俗易懂，主要是入门了解的，快速过一下即可；
  • 3.Google_and_Kaggle 为谷歌联合Kaggle于2025.11.10——2025.11.14推出了他们的实践性课程 ——— AI Agent 强化课程。
  • 4.Agent入门项目 使用 MCP 快速搭建一个能够实际运行的 Agent，把前面学到的概念落实到完整项目中。

1.AI_Agent

视频地址：

代码：

2.QW_Agent

视频地址：

说明：

  • 这个项目运行起来需要申请【千问相关key和api】，有坑，建议下载本人更改过后的代码，可以直接运行，千问更新版本需要代码更新，我已更改。

代码：

3.Google_and_Kaggle

课程介绍官网：https://www.kaggle.com/learn-guide/5-day-agents
下面是对整个课程的快速解读，可以让你更容易的上手Agent课程。

每天的课程都包含以下三部分：

  1. 代码：课程视频中使用的配套代码。
  2. 课程视频：官方课程的录播，整体节奏为：课程总览|课程大纲（白皮书）｜Q&A(类似圆桌会议)｜codelabs（课程配套代码解读）｜随堂小测｜总结。
  3. 白皮书及其解读：相关技术的白皮书。

第1天——Agents介绍

  1. 代码：https://github.com/limouren2000/llms-dev-study/tree/main/2.Agent/3.Google_and_Kaggle/1-Day/codelabs
  2. 课程视频：https://www.bilibili.com/video/BV1UQm3BPEzX
  3. 白皮书及其解读：

第2天——Agent 工具以及与 （MCP） 的互作性

  1. 代码：https://github.com/limouren2000/llms-dev-study/tree/main/2.Agent/3.Google_and_Kaggle/2-Day/codelabs
  2. 课程视频：https://www.bilibili.com/video/BV1pHm3B9EN6/
  3. 白皮书及其解读：

第3天——上下文工程：会话和记忆

  1. 代码：https://github.com/limouren2000/llms-dev-study/tree/main/2.Agent/3.Google_and_Kaggle/3-Day/codelabs
  2. 课程视频：https://www.bilibili.com/video/BV1E8mRBMEMR/
  3. 白皮书及其解读：

第4天——Agent 质量

  1. 代码：https://github.com/limouren2000/llms-dev-study/tree/main/2.Agent/3.Google_and_Kaggle/4-Day/codelabs
  2. 课程视频：https://www.bilibili.com/video/BV1PBmYBpE8X/
  3. 白皮书及其解读：

第5天——原型到生产

  1. 代码：https://github.com/limouren2000/llms-dev-study/tree/main/2.Agent/3.Google_and_Kaggle/5-Day/codelabs
  2. 课程视频：https://www.bilibili.com/video/BV1ArmYBnEJW/
  3. 白皮书及其解读：

4.Agent入门项目

✅ Interview

本部分包含两部分面试八股，是本人在找工作期间收集和整理的大模型应用开发八股文，本人实测，可以通过这些找到了一些大厂高级AI研发工程师相关岗位。

RAG

  • 详细介绍大模型（LLMs）RAG检索增强生成学习/面试过程中可能遇到的知识点，全文4w+字，按照处理流程整理：大模型RAG知识笔记

Agent

  • 详细介绍大模型（LLMs）智能体Agent学习/面试过程中可能遇到的知识点，全文1w+字，按照模块整理：大模型Agent知识笔记

✅ Paper-read

本部分用于沉淀论文阅读相关的 Codex skills，方便把论文、arXiv、PDF、网页或截图整理成中文阅读笔记。

paper-read-brief（论文速读精要）

Contributors

limouren2000

106 commits

Similar repos

adongwanai/AgentGuide

https://adongwanai.github.io/AgentGuide | AI Agent开发指南 | LangGraph实战 | 高级RAG | 转行大模型 | 大模型面试 |…

10,004

guocong-bincai/ai-interview-guide

AI 应用开发、Agent开发、RAG开发、FDE开发岗位面试宝典 - 二狗子整理

693

datawhalechina/llm-universe

本项目是一个面向小白开发者的大模型应用开发教程，在线阅读地址：https://datawhalechina.github.io/llm-universe/

14,025

songuu/agent

1

mac999/LLM-RAG-Agent-Tutorial

LLM-RAG-Agent-Tutorial for AI application developers and researchers.

32

luhengshiwo/LLMForEverybody

每个人都能看懂的大模型知识分享，LLMs春/秋招大模型面试前必看，让你和面试官侃侃而谈

7,378

lizhe2004/Awesome-LLM-RAG-Application

the resources about the application based on LLM with RAG pattern

1,659

loveunk/deep-learning-llm-agent-notes

机器学习、深度学习的学习路径及知识总结

2,765

Languages

Jupyter Notebook

99.9%

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。

Jupyter Notebook

856

106 commits

updated Aug 10, 2026

limouren2000.github.io/llms-dev-study

See the code

README

LLM-0

本仓库为本人学习🔥大模型应用开发🔥时整理的核心学习资料，此学习路线主打 “最快速上岸”，全是干货无冗余扩展，💰以高效求职搞钱为第一要务💰。

欢迎阅读仓库内容，如果对你有用，麻烦点一下 🌟 star，谢谢！

📖 更适合阅读的网页版本：大模型应用开发在线文档

✅ 导读

🚀 本项目为大模型应用开发 RAG 和 Agent 的学习路线和面试八股，包含最基础的扫盲课程，和系统的优化课程，主要是协助大家🧐快速入门🧐。

⚠️ 注意：因为 LangChain 官方的包版本机制混乱，这里的一些包大概率已经过时。解决方案也很简单：直接把报错和相关代码交给 Codex、Claude Code 或 Cursor，让它们根据当前依赖版本协助定位和修改。

📖 目录结构为五部分：

  • 0.LLM-Dev Study Router 文件夹：大模型应用开发岗位学习路线总览，说明岗位边界、技术栈选择和整体学习顺序；
  • 1.RAG 文件夹：RAG相关的项目Demo和课程；
  • 2.Agent 文件夹：Agent相关的Demo和课程；
  • 3.Interview：大模型RAG和Agent的面试八股；
  • 4.Paper-read 文件夹：学习大模型免不了关注最新论文，但很多同学平时没有阅读论文的习惯。这里提供论文阅读相关的 Codex Skill，帮助你快速提炼论文精要、了解核心思想。

✅ LLM-Dev Study Router

本部分是整套学习路线的入口，用来说明大模型应用开发岗是什么、和普通后端开发/大模型算法岗有什么区别，以及不同基础的同学应该如何选择学习顺序。

  • 🌹路线介绍：大模型应用开发岗位学习路线
  • 适合人群：想快速判断自己该先学后端开发、RAG/Agent，还是基于已有后端经验直接补 AI 应用落地技术栈的同学。
  • 核心结论：大模型应用开发岗的技术栈可以概括为 后端开发技术栈 + AI 落地相关技术栈，本项目后续重点围绕 RAG、Agent、面试八股和论文阅读展开。

✅ RAG

本部分一共四个部分：

  • llms-1和llms-2为B站上的🕶️扫盲课🕶️，两位Up主讲的清楚且简洁，主要是入门了解的，快速过一下即可；
  • llms-3为Langchain官方出的RAG教程，视频部分这里展示了原版和国内翻译版，主要讲解了RAG过程中的主要流程及其优化点，🔥建议重点看这个，面试会问很多优化点🔥；
  • llms-4为langchain是官方给出的💡RAG项目💡例子，这里会包含最基础的RAG项目的流程，保证你立马就能run起来，并且代码结构很简单。

llms-1

视频地址（看整个系列）：

代码：

llms-2

视频地址（看单篇既可）：

代码：

llms-3

视频地址（看整个系列）：

代码：

llms-4（RAG入门项目）

代码：

说明：

  • langchain-chat是官方给出的RAG项目例子，也是我推荐给各位的入门级项目，应网友要求，录制了手把手运行视频，保证你能运行起来。

参考资料：

✅ Agent

本部分一共四个部分：

  • 1.AI_Agent 和 2.QW_Agent 是B站两个简单的 Agent Demo，比较通俗易懂，主要是入门了解的，快速过一下即可；
  • 3.Google_and_Kaggle 为谷歌联合Kaggle于2025.11.10——2025.11.14推出了他们的实践性课程 ——— AI Agent 强化课程。
  • 4.Agent入门项目 使用 MCP 快速搭建一个能够实际运行的 Agent，把前面学到的概念落实到完整项目中。

1.AI_Agent

视频地址：

代码：

2.QW_Agent

视频地址：

说明：

  • 这个项目运行起来需要申请【千问相关key和api】，有坑，建议下载本人更改过后的代码，可以直接运行，千问更新版本需要代码更新，我已更改。

代码：

3.Google_and_Kaggle

课程介绍官网：https://www.kaggle.com/learn-guide/5-day-agents
下面是对整个课程的快速解读，可以让你更容易的上手Agent课程。

每天的课程都包含以下三部分：

  1. 代码：课程视频中使用的配套代码。
  2. 课程视频：官方课程的录播，整体节奏为：课程总览|课程大纲（白皮书）｜Q&A(类似圆桌会议)｜codelabs（课程配套代码解读）｜随堂小测｜总结。
  3. 白皮书及其解读：相关技术的白皮书。

第1天——Agents介绍

  1. 代码：https://github.com/limouren2000/llms-dev-study/tree/main/2.Agent/3.Google_and_Kaggle/1-Day/codelabs
  2. 课程视频：https://www.bilibili.com/video/BV1UQm3BPEzX
  3. 白皮书及其解读：

第2天——Agent 工具以及与 （MCP） 的互作性

  1. 代码：https://github.com/limouren2000/llms-dev-study/tree/main/2.Agent/3.Google_and_Kaggle/2-Day/codelabs
  2. 课程视频：https://www.bilibili.com/video/BV1pHm3B9EN6/
  3. 白皮书及其解读：

第3天——上下文工程：会话和记忆

  1. 代码：https://github.com/limouren2000/llms-dev-study/tree/main/2.Agent/3.Google_and_Kaggle/3-Day/codelabs
  2. 课程视频：https://www.bilibili.com/video/BV1E8mRBMEMR/
  3. 白皮书及其解读：

第4天——Agent 质量

  1. 代码：https://github.com/limouren2000/llms-dev-study/tree/main/2.Agent/3.Google_and_Kaggle/4-Day/codelabs
  2. 课程视频：https://www.bilibili.com/video/BV1PBmYBpE8X/
  3. 白皮书及其解读：

第5天——原型到生产

  1. 代码：https://github.com/limouren2000/llms-dev-study/tree/main/2.Agent/3.Google_and_Kaggle/5-Day/codelabs
  2. 课程视频：https://www.bilibili.com/video/BV1ArmYBnEJW/
  3. 白皮书及其解读：

4.Agent入门项目

✅ Interview

本部分包含两部分面试八股，是本人在找工作期间收集和整理的大模型应用开发八股文，本人实测，可以通过这些找到了一些大厂高级AI研发工程师相关岗位。

RAG

  • 详细介绍大模型（LLMs）RAG检索增强生成学习/面试过程中可能遇到的知识点，全文4w+字，按照处理流程整理：大模型RAG知识笔记

Agent

  • 详细介绍大模型（LLMs）智能体Agent学习/面试过程中可能遇到的知识点，全文1w+字，按照模块整理：大模型Agent知识笔记

✅ Paper-read

本部分用于沉淀论文阅读相关的 Codex skills，方便把论文、arXiv、PDF、网页或截图整理成中文阅读笔记。

paper-read-brief（论文速读精要）

Similar repos

adongwanai/AgentGuide

https://adongwanai.github.io/AgentGuide | AI Agent开发指南 | LangGraph实战 | 高级RAG | 转行大模型 | 大模型面试 |…

10,004

guocong-bincai/ai-interview-guide

AI 应用开发、Agent开发、RAG开发、FDE开发岗位面试宝典 - 二狗子整理

693

datawhalechina/llm-universe

本项目是一个面向小白开发者的大模型应用开发教程，在线阅读地址：https://datawhalechina.github.io/llm-universe/

14,025

songuu/agent

1

mac999/LLM-RAG-Agent-Tutorial

LLM-RAG-Agent-Tutorial for AI application developers and researchers.

32

luhengshiwo/LLMForEverybody

每个人都能看懂的大模型知识分享，LLMs春/秋招大模型面试前必看，让你和面试官侃侃而谈

7,378

lizhe2004/Awesome-LLM-RAG-Application

the resources about the application based on LLM with RAG pattern

1,659

loveunk/deep-learning-llm-agent-notes

机器学习、深度学习的学习路径及知识总结

2,765

Contributors

limouren2000

106 commits

Languages

Jupyter Notebook

99.9%