知识体系
从 LLM 应用后端、Agent Loop、Tool Calling，到 Memory、RAG、SSE、稳定性与评测。
AI大模型
&Agent训练营
不只听课。用系统课程打基础，用 2～3 个生产级项目建立竞争力，再把算法、简历、项目表达和模拟面试一路练到能投递、能讲清、能经得住追问。
16 + A5核心课程
2～3生产级项目
4 / 8 周冲刺或完整陪跑
2～3 轮模拟面试
LIVE RUNTIME
RUNNING
gatewayrequest accepted · trace_7f21
contexthistory + memory + tool schema
modeltool_call · knowledge_retrieval
toolschema validated · call_rag_01
eventtool_result → model
streamfirst token delivered
AgentFlowTool CallingSSETrace
01 / 最终交付
你拿走的不是一份课表，
而是一套求职作战系统。
项目证据
代码、架构图、测试、实验报告、演示脚本和可复现数据共同组成项目证据链。
面试表达
每个模块同步沉淀成简历 Bullet、90 秒回答、技术难点和压力追问答案。
投递节奏
周目标、每日任务、代码验收、模拟面试和简历迭代贯穿整个陪跑周期。
02 / 项目矩阵
三个项目层层递进，
从 Runtime 到复杂智能体。
项目不是拼 API，而是围绕真实后端问题完成设计、实现、测试、评测和面试表达。
01
简历主项目
AgentHub 通用 Agent 平台
构建完整 Agent Runtime，串起上下文、模型、多 ToolCall、流式事件、记忆、限流、降级、幂等和链路追踪。
- OpenAI-compatible Model Runner
- Production Tool Runtime
- SSE Event Protocol
- Redis Ledger + Trace & Metrics
Chat Gateway
AgentFlow Runtime
ContextToolsModelEvents
02
质量工程项目
企业知识库 RAG Agent
完成文档处理、混合召回、重排、引用回传和答案评测，把“能检索”升级成“有证据地回答”。
- Document Pipeline
- Hybrid Retrieval + Rerank
- Citation & Grounding
- Recall / Faithfulness Eval
query → rewrite → retrieve
0.92Agent Runtime 设计文档
0.87Tool Calling 事件协议
0.81Memory 注入策略
grounded answer + citations
03
高阶加分项目
Deep Research 多 Agent
用任务状态机组织 Planner、Searcher、Reader、Writer 和 Judge，完成复杂问题拆解、并行检索、证据聚合与报告生成。
- Task Graph & Checkpoint
- Agent Forward
- Failure Recovery
- Trajectory Evaluation
ORCHESTRATOR
Planner
Searcher
Reader
Writer
Judge
03 / 四条训练线
项目只是主轴，求职能力必须并行推进。
PROJECT
项目工程线
代码实现、架构设计、测试评测、压测证据和故障案例。
每周代码验收ALGORITHM
算法题训练线
按岗位高频题型拆分训练，建立模板、边界意识和现场表达。
题型诊断 + 复盘PROFILE
简历与项目表达线
从个人贡献、技术难点到数据口径，逐条打磨成经得住追问的简历。
多轮定向修改INTERVIEW
面试实战线
基础知识、项目深挖、系统设计、压力追问与完整模拟面试。
逐题反馈校准04 / 8 周完整路径
每一周都有明确产出，
不靠“学完再说”。
时间紧可以压缩成 4 周冲刺版，但交付标准不变：能运行、能演示、能解释、能复盘。
诊断与 Agent 基础
能力摸底、岗位定位、Agent Loop、Go 主链路和学习计划。
上下文与流式协议
Context Builder、Session、Memory、SSE 与事件层。
Production Tool Runtime
Schema、自修复、多 ToolCall、幂等、隔离、熔断和 Result Guard。
稳定性与可观测性
限流、超时、降级、Trace、指标和固定故障注入实验。
RAG Agent
文档管线、检索、重排、引用和质量评测。
Deep Research
任务拆解、多 Agent 协作、状态机、恢复和轨迹评测。
简历与算法冲刺
项目 Bullet、个人贡献、指标边界和岗位高频算法题。
模拟面试与校准
项目面、系统设计面、压力面，逐轮修正表达和知识缺口。
05 / 陪跑机制
真正拉开差距的，
是反馈密度。
入营诊断
识别项目、基础、算法和表达短板，建立个人优先级。
代码评审
检查主链路、模块边界、失败分支、测试和面试可讲点。
周任务验收
每周以可运行交付物验收，不用“看过了”代替“会做了”。
算法辅导
按题型拆解思路、复杂度、边界条件和白板表达。
简历打磨
把代码事实翻译成项目价值，严格区分线上数据与本地实验。
模拟面试
完整还原项目深挖、系统设计和压力追问，现场给出校准建议。
06 / 可见的交付物
每一个“我会”，都对应一份证据。
阶段交付物验收标准
课程学习16+A5 课件、逐字稿、源码讲解能复述主链路并定位代码
项目建设源码、README、架构图、测试与实验报告能运行、演示、解释失败分支
求职准备目标简历、项目讲稿、算法复盘库项目表达不空泛、数据有口径
面试校准模拟面试记录、问题清单、改进计划关键追问能独立回答
07 / 适合谁
适合愿意真正做项目的人。
零基础可以从主链路开始；有后端经验的人会更快进入稳定性、评测和系统设计。唯一共同要求是：愿意写代码、接受反馈、按周交付。
研二、研三，准备秋招或补录
Java / Go 后端，希望转向 AI Agent
做过 RAG Demo，但项目深度不足
有项目，却不会写简历、不会讲难点
08 / 常见问题
报名前先把边界说清楚。
没有 Agent 基础能参加吗？
可以。课程从 HTTP、SSE、Go 接口和 Agent Loop 开始，但需要投入稳定学习时间并完成代码任务。
项目可以直接写进简历吗？
完成代码、实验和口述验收后可以。不会把未实现能力、容量推导或本地实验冒充真实线上数据。
只讲项目，不练算法吗？
算法是独立训练线。会根据目标岗位和当前基础安排题型、练习节奏和复盘，不用统一题量强行推进。
4 周和 8 周有什么区别？
8 周版更完整，适合从基础开始；4 周版压缩理论讲解，优先完成主项目、简历和面试表达，要求更高的每日投入。
把下一次面试，
变成一次有准备的交付。
先做能力诊断，再确定 4 周冲刺或 8 周完整路径。