如果AI时代你还要花钱学Agent，我劝你别做AI了😅 钱交了也不一定能找到工作，开源资料很多，而且还有很多AI软件，你完全可以进行自学！教大家最直接的打法：做个AI项目+写简历+投递面试，没有实习你就找个小公司AI业务实习，管他钱多钱少，最重要的是你要真实的接触业务场景啊！！！！ 当然如果你运气好，能进大厂，那更是锦上添花了！！！最基本的路线：1、了解什么是Agent？2、市面上最前沿的讨论是什么？3、怎么做个小项目？看了很多同学的简历，其实大部分都是玩具项目，没啥数据也没啥使用，这个不要紧，重要的是会做！会用AI二次解构一些项目，例如烂大街的“点评”项目，你完全可以用AI进行二次解构，如...

上一篇发出来之后，私信和评论里问得最多的就是："有没有具体项目可以参考"，现在四个方向各挑了一个GitHub 高质量开源项目供大家参考。AI Coding：Aider44k+ stars，Apache 2.0最值得学的部分是 repo map。前一篇里讲过"为什么不能直接把整个仓库塞给模型"，repo map 就是这个问题最早的开源答案之一：用tree-sitter解析代码，提取每个文件里的类、函数、关键定义，再用图算法算出哪些符号和当前任务最相关，只把这些塞进context。二改：repo map 适配熟悉的语言生态（Aider对Python/JS 最好Deep Research：GPT-Researcher27k+ stars，MIT核心是planner和execution两类agent分工：planner把研究问题拆成一组子问题，execution agents并行去抓信息，最后由publisher聚合成带引用的报告。为了控制成本，会按需在 gpt-4o-mini 和 gpt-4o 之间切，一次任务平均 2 分钟、几美分。二改：挑具体领域，比如医疗文献综述、行业财报对比、学术 survey，在被大部分项目忽略的环节上做深，评测体系、引用质量、矛盾信息的处理。AIOps：HolmesGPT2025 年 10 月成为 CNCF Sandbox 项目，Apache 2.0。只读权限和 RBAC 是写在架构层的，agent 没有误操作生产的能力二改方向：HolmesGPT 默认覆盖云原生场景，如果方向偏数据库、偏前端监控、偏业务告警，可以基于它的架构做垂直版本。长期记忆：Letta（原 MemGPT）22k+ stars，Apache 2.0Letta 是 agent runtime，整个 agent 跑在 Letta 里，记忆系统是它的核心而不是附加层。核心设计来自 MemGPT 论文：把 LLM 的 context window 当成虚拟内存来管。二改方向：挑一个很小但真实的场景，比如基于过去几个月聊天记录学写作风格助手，然后在 short-term/long-term怎么分、何时清理、怎么避免老信息污染上做扎实。

本人bg 双非本 211 硕，暑期/日常实习投递从3月一直到现在 0 offer简历情况是一段包装的实习经历 + 仿小红书项目除了简历挂也收到过大厂的面试（虽然不多），感觉似乎简历不容易被捞起来，或者被捞起来但不感兴趣。抛开运气、表达能力等难以改进因素。认为可能的因素如下：包装的实习经历有漏洞、太简单、公司知名度小？自身的仿小红书项目没有亮点、太简单、业务相关度低？现在是5月22号了已经，不可能不焦虑内耗。目前自己能想到的改进意见是：个人项目优化，在原有的基础上融合黑马点评 或 直接换一个项目如马丁的牛卷找一个独立的包含工作流的Agent项目加上去说实话自己因为心态起伏状态挺差，找不到方向比较...

面试时感觉还行，来了干活感觉沟通很不顺畅，啥也不会，啥都问问问，有些简单问题能不能先问问AI啊😰  面试时不这样啊，真想和组长说我不想要这个实习生了，添堵😅