AI 系统设计指南
面向生产级 AI 系统的实战参考，覆盖 RAG、LLM 工程、Agentic AI 与面试准备。
- Star 数
- ★ 3.6k
- 最近更新
- 10 天前
- License
- MIT
- FA 评分
- 27/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台
- 费用
- 免费，无需付费服务
- 上手难度
- 低 · 几分钟可跑通
- 典型场景
- 准备 AI 工程面试的工程师，可使用问题库和答题框架进行练习。
- 不适合
- 需要可运行代码或动手实验环境的读者
- 完全零基础、不熟悉机器学习基础的人
- 希望内容长期稳定、不随模型版本变化的读者
这个 Agent 能做什么，适合哪些场景？
这是一份持续更新的开源指南，帮助工程师设计生产级 AI 系统并准备高级面试。内容涵盖 RAG 架构、LLM 工程、Agentic AI、MCP 与 A2A 协议、模型选型、评估方法及真实案例研究。仓库包含 19 个专题章节、122 道面试题、15 个带完整架构图的案例研究，以及两个深度评估指南。指南明确标注了七月 2026 的模型和价格，并对比了传统书籍的时效性。项目 MIT 许可，欢迎贡献，并可在 aidaddy.tech 在线阅读。
该仓库是一份 Markdown 文档合集，按主题组织于目录中。它提供结构化学习路径：从基础 LLM 内部机制到 RAG 构建、Agent 开发、模型选型、评估和案例研究。包含 122 道真实面试题及答题框架，还提供两个深度评估指南（分别针对 Phoenix+Langfuse 和 LangWatch+Langfuse），介绍构建 LLM 裁判、RAG 评估和统计修正的方法。每个案例研究均包含问题描述、关键模式和架构图，帮助用户理解生产风险。指南持续更新，反映最新模型、协议和最佳实践。
- 准备 AI 工程面试的工程师，可使用问题库和答题框架进行练习。
- 需要设计生产级 RAG 系统（如多租户隔离）的架构师，可参考安全与访问章节。
- 构建 AI Agent 的开发者，可学习 MCP/A2A 协议和 Agent 循环工程。
- 负责模型选型的技术决策者，可对比 2026 年主流模型的价格和特性。
- 需要建立 AI 评估流程的团队，可参考两个深度评估指南。
- 从后端、QA 或 PM 转型 AI 的人员，可使用角色转型指南和课程推荐。
如何安装或部署这个 Agent？
无需安装，指南以 Markdown 文件形式托管在 GitHub 仓库中。可直接克隆仓库或在线浏览。
如何使用这个 Agent？
克隆仓库后，按需阅读对应章节。推荐从 README 中的快速导航表开始，根据目标选择路径。例如，准备面试可阅读 '00-interview-prep/01-question-bank.md'，构建 RAG 可阅读 '06-retrieval-systems/01-rag-fundamentals.md'。指南可离线阅读，也可访问 aidaddy.tech 获取搜索和更好的阅读体验。
这个 Agent 有哪些优点和局限？
- 内容持续更新，覆盖 2026 年最新模型（如 Claude Opus 5、GPT-5.6）和协议（MCP 2.0、A2A）。
- 包含 122 道真实面试题和 15 个详细案例研究，深度超过普通面试准备资料。
- 提供两个独立的 AI 评估深度指南，涵盖主流平台和统计修正方法。
- MIT 许可，免费开放，允许自由使用和贡献。
- 多路径导航和图表（如 Mermaid 流程图）便于不同目标的读者快速定位。
- 作为文档指南，不提供可运行的代码或交互式环境，需要自行实践。
- 内容量大（19 个章节），初学者可能感到信息过载。
- 高度依赖 2026 年的模型状态，可能需要频繁更新以保持时效性。
- 面向高级工程师，不适合完全零基础的学习者。
这个 Agent 与同类方案有什么区别？
与传统书籍相比，本指南实时更新，避免出版时已过时。但与其竞争的不是特定工具，而是其他在线教程或课程，如 Coursera 或 DeepLearning.AI 的专项课程。指南在 README 中列出了推荐课程（COURSES.md），作为补充资源。
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| AI 系统设计指南 当前 | 27 · 缺口较多 | 网页应用免费 | ★ 3.6k | 10 天前 | — | — |
| AgentGuide - AI Agent 开发求职一站式指南 | 23 · 缺口较多 | 代码库 / SDK免费 + 模型费 | ★ 11k | 1 个月前 | MDX | OpenAI API · Claude API |
| AI 智能体实战速成指南（从零到企业级落地） | 34 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 5.4k | 5 天前 | Python | OpenAI API · Claude API |
| AI Agent 工程学习手册 | 55 · 缺口较多 | 开发框架免费 | ★ 601 | 2 天前 | HTML | — |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
证据显示这是一个静态文档仓库，没有可执行代码、权限声明或数据处理逻辑。因此，所有信任相关标准（最小权限、用户确认、数据流透明性、敏感数据处理、依赖安全、外部影响、回滚、来源归属）均无证据支持，评分为0。来源归属方面，README和LICENSE中明确标注了作者（Om Bharatiya），但发布者身份未经验证，且没有提供内容来源的详细追溯，因此未给予加分。
自洽性：指南结构清晰，章节划分和导航一致，FAQ与内容对应，无明显矛盾，评分为2。依赖可用性：仓库没有声明任何运行时依赖，因此无法评估，评分为0。失败消息：没有提供任何错误处理或故障排除信息，评分为0。
受众与场景：明确面向AI工程师、面试准备者等，提供了多种使用路径和场景，评分为2。能力边界：明确说明了指南是什么和不是什么，评分为2。触发精度：没有定义任何触发机制或指令，评分为0。环境适配：作为文档，不依赖特定环境，但未提供安装或运行说明，评分为1。
信息架构：目录结构清晰，导航表完善，评分为2。安装说明：没有安装步骤，评分为0。命名稳定性：章节命名一致，但未提供版本控制或变更记录，评分为1。示例与FAQ：提供了丰富的示例和FAQ，评分为2。已知限制：在'What This Guide Is (and Is Not)'中说明了限制，但不够详细，评分为1。许可证：MIT许可证明确，评分为2。版本与变更日志：没有版本号或变更日志，评分为0。维护责任：README中提到了持续更新和贡献指南，但未明确维护者责任，评分为1。
输出可用性：内容组织良好，易于导航，评分为2。边际价值：提供了大量独特内容，如案例研究和深度指南，评分为2。成本效益：免费且开源，但未提供成本分析，评分为1。
声明可追溯性：部分声明（如模型价格）有日期标注，但缺乏具体来源，评分为1。跨来源佐证：没有引用外部来源，评分为0。事实与推断分离：部分内容区分了事实和观点，但不够明确，评分为1。
- 源码中未见：最小权限约束只授予完成任务所需的权限：用专用账号或只读令牌，并限定可访问的目录和仓库。
- 源码中未见：执行前用户确认开启或自行加上执行前确认；先在沙箱或测试环境跑通，确认行为后再接入真实数据。
- 源码中未见：数据流向说明运行时观察它连接了哪些外部服务（代理或防火墙日志）；弄清数据去向之前不要输入敏感数据。
- 源码中未见：敏感信息处理使用专用、低权限、可随时吊销的 API 密钥，不要复用生产凭据，也不要让密钥出现在日志里。
- 源码中未见：依赖安全审查安装前固定版本并做一次依赖扫描（如 npm audit、pip-audit）；优先放在容器里运行。
- 源码中未见：外部影响披露先弄清它会写入、发送或修改哪些外部系统，用测试账号或测试仓库验证后再接入正式环境。
- 源码中未见：回滚或恢复路径运行前先备份，或在 git 分支、快照上操作，确保改动可以撤销。
- 源码中未见：来源归属可核验从官方仓库或包源安装，核对发布者和仓库地址，避免同名仿冒包。
- 这是一个静态文档仓库，不包含可执行代码或运行时行为，因此无法评估任何安全或执行相关的属性。
- 发布者身份未经验证，且内容来源缺乏详细追溯，读者应谨慎对待其中的具体数据（如模型价格、基准测试）。
- 仓库没有版本控制或变更日志，内容可能随时间变化，引用时需注意时效性。