综合合集
landedjobs/llm-engineer-jobs · Auto-updated LLM and AI Agent Engineer jobs (RAG, agents, evals), refreshed every 2 days. Top companies first. Free. By landed.
该项目是一个自动更新的招聘信息仓库，汇总 LLM 与 AI Agent 工程师岗位，覆盖 RAG、工具调用 Agent、编排、微调、评测与推理等方向。README 显示其收录约 300 个在招职位，其中 91 个远程、每周新增 69 个，按顶级公司优先排序，并每隔两天刷新一次。职位按美国与远程分区列出，表格内提供公司、职位、地点、发布时间与申请入口，申请链接跳转至聚合页面后再指向雇主官方申请地址。适合寻找 LLM/Agent 方向工作的工程师作为持续更新的职位索引使用。
展开详情收起详情：LLM Engineer Jobs：每两天更新的 LLM 与 AI Agent 工程师招聘信息聚合⌄
程序员作为持续更新的 LLM 与 AI Agent 工程师职位索引，程序员可按美国与远程分区浏览约 300 个在招职位，查看公司、职位、地点、发布时间并通过申请入口跳转至雇主官方申请地址，用于寻找 RAG、工具调用 Agent、编排、微调、评测与推理等方向的岗位。
HR作为 LLM 与 AI Agent 工程师招聘信息聚合，HR 可参考其按美国与远程分区、顶级公司优先排序的职位列表，了解在招岗位的公司、职位、地点与发布时间，用于相关技术岗位的招聘信息整理与人才市场参考。
★ 2 · 资料合集
原文发布：未知收录：2026-10-10
综合合集
PatrickWiloak/cloud-data-ai-security-zero-to-hero · Cloud + Data + AI + Security from zero to hero. 149 certs across 27 providers, 53 plain-English concepts, 15 hands-on builds, cross-cloud + AI service comparisons.
这是一个以 Markdown 文档为主的开源学习与参考资料库，围绕云、数据、AI 与安全四大主题组织内容。仓库包含 149 个认证学习指南（覆盖 AWS、Azure、GCP、Kubernetes、NVIDIA、Anthropic Claude 等 27 家厂商）、53 个概念页（LLM、RAG、MCP、Agent、VPC、K8s、IAM 等）、15 个动手项目（含 RAG、MCP Agent、vLLM、评测框架、LoRA 微调）、跨云服务对比、CLI 速查表、架构模式、职业认证路线图与面试准备指南，并发布为支持全文检索的网站。
展开详情收起详情：cloud-data-ai-security-zero-to-hero：云、数据、AI 与安全从零到进阶的学习与认证资料库⌄
程序员程序员可借助仓库中的 53 个概念页（LLM、RAG、MCP、Agent、VPC、K8s、IAM 等）和 15 个动手项目（含 RAG、MCP Agent、vLLM、评测框架、LoRA 微调）学习并实践 AI 与云相关开发技能，也可参考 CLI 速查表和架构模式进行日常开发。
HRHR 可参考仓库中的职业认证路线图与面试准备指南，用于技术岗位招聘时的能力要求梳理和候选人面试准备参考。
★ 40 · 资料合集
原文发布：未知收录：2026-09-30
综合合集
yibie/awesome-jev · A curated list of public projects, integrations, and discussions built on Jev — TypeSafe AI's System One model for typed decisions.
这是一个围绕 TypeSafe AI 的 System One 模型 Jev 的 awesome 列表，汇总了公开使用 Jev 的项目、集成与实践案例。Jev 不是聊天模型，而是接收非结构化状态与类型化问题、返回带置信度的类型化决策（选择、评分或布尔值），因此被用作软件中的决策层，覆盖分类与路由、验证与护栏、评分与排序、Agent 决策、数据标注、评测与基准、校准研究、基础设施与 SDK、游戏与模拟、金融、合规、内容审核等十余个类别。列表按应用领域对条目归类，并单列相关实践与讨论；同时明确声明收录不等于背书，不审查代码质量、安全性、成熟度或可运行性，建议采用前自行核查是否真正调用 Jev API、是否有可运行检查以及许可证情况。
展开详情收起详情：awesome-jev：Jev 类型化决策模型的公开项目与集成精选列表⌄
程序员作为程序员，可参考该精选列表中的代码审查、验证与护栏、Agent 决策等类别条目，例如 DiffJury 按风险路由拉取请求、jev-review 分阶段代码审查、is-malicious 检查软件供应链安全，用于辅助代码审查、测试与排错工作。
HR作为 HR，可参考列表中招聘类条目，例如 typesafe-jev CV screener 使用 Jev 类型化判断按可编辑策略筛选简历，并在策略变更时免费重新评分候选人。
★ 967 · 资料合集
原文发布：未知收录：2026-09-22
Agent Skill
dmoshehun-prog/learn-from-materials · Turn PDFs, books and papers into interactive learning webpages｜将复杂材料转化为可追溯、可测验、可做笔记的学习网页
learn-from-materials 是一个基于开放 Agent Skills 规范构建的跨代理学习技能，可将 PDF、EPUB、MOBI/AZW、DOCX、PPTX、HTML、Markdown、TXT、RTF 及多文件材料集转化为可追溯的知识库、自包含的交互式学习 HTML 页面和同步 Markdown。它支持「快速概览」和「系统学习」两种学习深度，提供页码/幻灯片/章节级来源映射、覆盖率审计、来源哈希与增量更新校验，并明确区分材料事实、模型补充内容和外部验证内容。该技能默认离线运行、不自动安装依赖，笔记与学习者档案仅保存在浏览器本地存储中，需在具备文件读取和 Python 执行能力的代理环境中使用。
展开详情收起详情：learn-from-materials：把 PDF、书籍和论文转化为可追溯的交互式学习网页⌄
HR将培训材料（如 PDF、PPTX、DOCX 等）转化为可追溯的知识库和交互式学习网页，用于员工培训与学习内容整理。
产品经理将用户研究或需求相关的 PDF、论文、文档等材料转化为可追溯的知识库和交互式学习网页，辅助需求分析与知识整理。
★ 366 · 开发框架
原文发布：未知收录：2026-09-20
综合合集
dataPro-lgtm/fde-interview-fieldbook · Source-backed, production-first FDE interview fieldbook with cases, scorecards, and current role research.
该项目是一个以可溯源资料和实际生产为导向的前向部署工程师（FDE）面试手册，提供角色画像、面试流程与评分说明、发现与拆解方法、系统设计与生产 AI（RAG、Agent、MCP、评估、可观测性、安全、持久执行等）内容、案例集与评分卡、模拟面试和练习工作流，并附有带来源和检查日期的更新流程与版本化研究数据。手册明确声明为独立教育材料，不代表任何雇主官方流程。
展开详情收起详情：fde-interview-fieldbook：面向前向部署工程师面试的生产实践手册⌄
程序员程序员可借助该手册中的生产 AI 内容（RAG、Agent、MCP、评估、可观测性、安全、持久执行）以及系统设计、编码与交付章节，准备前向部署工程师面试中的技术环节，并练习从工作流与风险出发进行系统设计。
HRHR 可使用该手册中的角色画像、面试流程与评分说明、评分卡、模拟面试和练习工作流，为前向部署工程师岗位的面试准备与候选人评估提供结构化参考。
产品经理产品经理可参考该手册中的发现与拆解方法、案例集与评分卡，练习将模糊客户需求转化为有边界的任务与验收标准，并理解从现场学习到产品能力的闭环。
★ 44 · 资料合集
原文发布：未知收录：2026-09-20
综合合集
narsinghlaga124/ARIS-in-AI-Offer · Streamline your AI research and campus recruiting tasks with the ARIS agent framework to secure job offers.
该项目是 ARIS（Auto Research in Sleep）agent 框架的产出集合，收录了一系列中英双语的机器学习、LLM、多模态、扩散模型、Agent 与生成模型面试速查表。每份速查表以长文教程形式呈现，包含公式推导、从零实现的 PyTorch 代码，以及按 L1/L2/L3 分层的高频面试题；内容由 ARIS 的 /interview-cheatsheet 与 /render-html 工作流生成，并提供单文件 HTML（MathJax 公式、highlight.js 代码高亮、响应式布局、粘性目录、可离线阅读）。此外仓库还包含将个人简历转换为学术主页的 ARIS-Homepage 流程。
展开详情收起详情：ARIS-in-AI-Offer：面向 AI 秋招面试的中英双语 ML/LLM 面试速查表合集⌄
程序员程序员可用该仓库的中英双语 ML/LLM/多模态/扩散模型/Agent 面试速查表复习高频面试题，速查表包含公式推导、从零实现的 PyTorch 代码以及按 L1/L2/L3 分层的高频面试题，并可通过单文件 HTML 离线阅读。
HRHR 可参考该仓库的 AI 面试速查表与分层面试题，用于准备 AI 相关岗位的面试提问和候选人技术考察。
★ 6 · 资料合集
原文发布：未知收录：2026-09-19