7-e1even
精选
learn-agent
A collection of notes on building coding agents, derived from the production development of the desktop agent Reina, with each mechanism simplified into a zero-dependency, single-file Node.js demo.
AI 仓库情报摘要
FR-AI / ANALYSIS为什么值得关注
它运用第一性原理诊断真实目标与约束，采用严格的证据政策筛选资源，并通过单一核心文件支持多个 AI Agent（如 Codex、Claude Code、Gemini CLI），确保路线生成稳健、尊重隐私且可验证。
适合谁使用
- 寻求结构化、基于证据的路线图的自主学习者
- 使用 AI 工具辅助学习的开发者与 AI 爱好者
- 准备认证考试、职业转型或技能提升的职场人士
- 希望避免信息过载、聚焦可行里程碑的学习者
典型使用场景
- 设计一个三个月、每周投入8小时的 Python 自动化工具路线图
- 规划两周探索冲刺，判断是否值得转入数据分析等新领域
- 从保存的 schema v1 或 v2 路线恢复进度并根据实际完成情况重新优化
- 为特定考试制定计划：澄清官方范围、进行诊断测试、安排间隔复习
项目优势
- 第一性原理诊断：在规划前澄清真实成果、证据和约束
- 基于证据的资源选择：只包含直接相关且权威的资料，拒绝无关或过时内容
- 跨 Agent 兼容：通过单一 SKILL.md 文件支持 Codex、Claude Code、Gemini CLI 等多个 Agent
- 严格的质量验证：包含输出前核验、进度恢复及标准化契约测试套件
使用前须知
- 非教学工具：负责规划与调整路线，不提供连续的一步步教学
- 依赖 Agent 执行：技能效果取决于用户 Agent 能否正确安装和解析技能文件
- 需要明确目标：对于没有可观察成果或截止日期的模糊探索性需求，适用性较低
README 快速开始
安装
项目描述
从原点出发，无限逼近真知。目标驱动、证据导向、可验证、可迭代的学习路线规划 Skill。
相关仓库与替代方案
根据分类、Topic 和编程语言匹配的相似项目。
amitshekhariitbhu
精选
ai-agents-tutorial
A comprehensive step-by-step tutorial series that teaches AI agents from scratch, covering function calling, agent loops, ReAct, reflection, plan-and-execute, multi-agent systems, orchestration, evaluation, and related concepts like RAG, GraphRAG, and LangChain.
lopopolo
精选
harness-engineering
Harness Engineering is a methodology for improving coding agent outputs by carefully crafting the environment around them—providing curated context, tools, and executable constraints that encode an organization’s nonfunctional requirements and cumulative lessons.