agentguide

AgentGuideはJavaGuideに相当するAI Agent学習ガイドであり、リソース統合、体系的な学習パス、実践重視のオープンソース知識ベースとして位置づけられています。『作り出せる、安定稼働、正確な評価、明確な説明』を軸にコンテンツを構成し、Agentシステムとハーネス、コンテキストエンジニアリングとメモリ、ツールとプロトコルエコシステム、RAGと知識システム、評価と可観測性、ポストトレーニングとAgentic RL、そしてプロジェクト・研究・就職活動を網羅しています。 本プロジェクトは、アルゴリズム職向け（10～15週間）と開発職向け（8～12週間）の2つの主要学習ルートを提供し、ゼロから内定獲得までの完全な6ステップ（目標職種の決定、内定獲得の方法論、学習ルート、実践プロジェクト、体系学習、面接対策）を含んでいます。コアコンテンツは以下の通り： - **就職活動の新パラダイム**：『何を学んだか』よりも『何を作ったか』を重視し、1-2-5就職活動フレームワーク、個人ブランド構築、応募戦略、履歴書表現の公式を提供。 - **Agent就職突破Todo List**：8段階の学習成果物、プロジェクト実装5ステップ法、面接の深掘り質問（Agent Loop、Context Engineering、Tool Design、Memory、Eval、Reliability）。 - **技術能力4層モデル**：L1基礎知識（Agent概念、大規模モデル原理）、L2開発実装（ReAct、LangGraph、AutoGen）、L3高度最適化（RAG、コンテキストエンジニアリング、MCP、ファインチューニングと強化学習）、L4面接準備。 - **実践プロジェクト**：履歴書掲載可能なプロジェクトを提供し、完全なコード、アーキテクチャ設計、アルゴリズム職と開発職の両方向けの履歴書作成例を含む。 - **面接問題集**：1500問以上の問題・面接体験記、システム設計、プログラミング問題、および2026年最先端面接トピックス（自己進化Agent、Agentic RL、AIインフラ、Coding Agent、世界モデルなど）。 本プロジェクトは完全オープンソースで継続的に更新され、著者は大手企業の先端大規模モデルアルゴリズムエンジニアで、コミュニティ駆動の開発であり、貢献を歓迎しています。