AgentGuide: ein MDX-Wissensrepository für Agentenentwicklung und Bewerbungsvorbereitung

Ein Repository als Ersatz für verstreute Lesezeichen

Das Problem, das AgentGuide adressiert, benennt die README selbst: Wer LangGraph, OpenAI Agents SDK, MCP, Skills und Multi-Agent-Konzepte parallel verfolgt, verliert den Überblick. Die Beschreibung listet genau diese Begriffe als Themen. Der Lösungsansatz ist eine kuratierte Sammlung: bestehende Kurse, Tutorials und Paper werden verlinkt statt neu geschrieben. Die README formuliert das Prinzip als „站在巨人的肩膀上", also auf den Schultern von Riesen stehen. Das ist eine redaktionelle Entscheidung, keine technische. Wer eine Bibliothek sucht, die er in eine Anwendung importieren kann, wird hier nichts finden. Wer eine Reihenfolge sucht, in der er Themen abarbeitet, schon. Die Zielgruppe ist entsprechend eng: Menschen mit Bewerbungsziel in Richtung Agentenentwicklung, RAG-Systeme oder LLM-Anwendungen, die aus einem heterogenen Feld eine Lernreihenfolge brauchen. Die README nennt diese Rollen explizit, darunter AI Agent 算法工程师, AI Agent 开发工程师 und RAG 系统工程师.

MDX als einziger technischer Mechanismus

Technisch ist der Aufbau unspektakulär und das ist kein Vorwurf. Das Repository besteht aus MDX-Dateien, die über die GitHub-Oberfläche und die verlinkte Seite adongwanai.github.io/AgentGuide gelesen werden. Die Struktur ist in Verzeichnisse gegliedert: docs/00-getting-started/, docs/04-interview/, docs/05-roadmaps/, docs/06-research-frontiers/ und projects/. Die README verlinkt einzelne Dateien darin direkt, etwa docs/05-roadmaps/learning-roadmap-development.md und docs/05-roadmaps/learning-roadmap-algorithm.md. Es gibt also zwei getrennte Lernpfade, einen für Entwicklungsstellen und einen für Algorithmusstellen, mit unterschiedlichen Zeitangaben: 8 bis 12 Wochen für den Entwicklungsweg, 10 bis 15 Wochen für den Algorithmusweg. Diese Trennung ist die eigentliche inhaltliche Arbeit. Ein Datenfluss oder eine Laufzeitkomponente existiert nicht. Es gibt keinen Build-Schritt, der im vorliegenden Material dokumentiert wäre, keine package.json und keine Testkonfiguration. Wer den Wert des Projekts beurteilen will, beurteilt die Redaktion, nicht die Software.

Was die README unter Harness versteht

Inhaltlich ordnet die README den Stoff in drei Schichten. Die Anwendungsschicht enthält Frameworks wie LangGraph, OpenAI Agents SDK, AutoGen, CrewAI und Pydantic AI sowie Aufgabenformen wie Research-, Coding- und Web-Agenten. Die mittlere Schicht, in der README als Harness bezeichnet und als Kern markiert, umfasst Context Engineering, Tool-Schemas, MCP, Skills, A2A und ACP, dazu Sandbox, HITL, Retry, Cost Guard, Trace und Replay. Die untere Schicht enthält Datenaufbereitung, Vektor- und Graphdatenbanken, Evaluationswerkzeuge und Post-training. Diese Dreiteilung ist brauchbar, weil sie die häufig vermischten Fragen trennt: Was tut der Agent, wie wird er zuverlässig, und wie wird er gemessen. Die README liefert dazu eine Reihe von Problembeschreibungen, etwa dass Agenten bei langen Aufgaben früh abbrechen, in Schleifen laufen oder Zustand verlieren. Ob die verlinkten Kapitel diese Probleme tatsächlich auflösen, lässt sich aus dem vorliegenden Material nicht beurteilen. Die Gliederung allein belegt nur, dass die Fragen gestellt werden.

Einstieg über die Dokumentationsnavigation

Es gibt keinen Installationsbefehl. Das ist der wichtigste praktische Punkt. Man klont das Repository oder liest es direkt auf GitHub, ein npm install oder pip install existiert nicht, weil kein ausführbarer Code enthalten ist. Der vorgesehene Einstieg ist die Datei docs/README.md, die als vollständige Dokumentationsnavigation bezeichnet wird. Von dort führen Verweise in die Unterverzeichnisse. Für Unentschlossene gibt es zusätzlich FAQ.md und docs/00-getting-started/README.md. Die README verspricht einen Einstieg in zehn Minuten, was sich auf das erste Beispiel beziehen dürfte, nicht auf das Repository als Ganzes. Ein Konfigurationsschlüssel, eine Umgebungsvariable oder eine Versionsangabe taucht im vorliegenden Material nicht auf. Wer das Repository als Grundlage für ein eigenes Projekt nutzen will, muss daher mit einem leeren Blatt beginnen und die verlinkten externen Quellen separat beschaffen. Das ist ein bewusster Zuschnitt, aber er verschiebt den Aufwand auf den Leser.

Chinesisch, keine Lizenz, keine Releases

Die deutlichste Einschränkung ist die Sprache. Alle Überschriften, Abschnittstitel und Beschreibungen im vorliegenden Material sind chinesisch. Für Leser ohne Chinesischkenntnisse ist der Inhalt damit praktisch unzugänglich, unabhängig von der Qualität der Zusammenstellung. Ein zweiter Punkt ist die Lizenz. Im vorliegenden Material ist keine Lizenz angegeben. Ohne Lizenzdatei besteht keine automatische Erlaubnis zur Weitergabe oder Bearbeitung, und wer Teile in eigene Materialien übernehmen will, muss das vorher klären. Drittens sind keine Releases verzeichnet. Das Repository wird über Commits gepflegt, es gibt keine versionierten Stände, an die man sich binden könnte. Ein Lernender, der ein Kapitel in drei Monaten erneut aufschlägt, findet möglicherweise eine umgeschriebene Fassung vor. Für eine Lernressource ist das vertretbar, für eine Referenz, auf die man sich beruft, nicht.

Abgrenzung zu einem ausführbaren Framework-Repository

Die naheliegende Alternative ist kein konkurrierender Leitfaden, sondern ein Framework-Repository selbst, etwa der Quellcode von LangGraph oder des OpenAI Agents SDK. Der Unterschied liegt nicht im Umfang, sondern in der Beweislast. Ein Framework-Repository enthält ausführbare Beispiele, Tests und Versionsnummern. Man kann einen Fehler reproduzieren und sehen, ob er nach einem Update verschwindet. AgentGuide verlinkt auf solche Projekte, führt sie aber nicht aus. Wer wissen will, wie sich ein Agent unter Last verhält, braucht die erste Kategorie. Wer erst entscheiden muss, welche Kategorie überhaupt zu seiner Stelle passt, profitiert von der zweiten. Die README positioniert das Projekt ausdrücklich als Wegweiser und nicht als Werkzeug. Diese Selbstbeschreibung ist ehrlich, sie sollte aber bei der Erwartungsbildung ernst genommen werden.

Pflegeaufwand und was der Leser selbst tragen muss

Die Wartungslast liegt beim Autor, nicht beim Nutzer, und sie ist hoch. Ein Repository, das Frameworks, Paper und Interviewfragen sammelt, veraltet an allen drei Fronten gleichzeitig. Die README nennt Aktualisierungen als laufendes Vorhaben. Der Nutzer trägt einen anderen Aufwand: Er muss die verlinkten externen Quellen selbst auf Aktualität prüfen, weil das Repository ihre Stabilität nicht kontrolliert. Für die Übernahme von Inhalten in eigene Unterlagen ist die Lizenzfrage der erste Schritt, nicht der letzte. Solange keine Lizenz angegeben ist, ist unklar, ob eine Übersetzung, ein Fork oder eine kommerzielle Nutzung zulässig ist. Das ist keine Rechtsberatung, sondern der Hinweis, dass die Frage vor der Nutzung geklärt werden muss und nicht danach. Ein Repository ohne Lizenzangabe ist als Grundlage für ein eigenes Produkt ein Risiko, als private Lektüre nicht.

Redaktionelles Fazit

Wer eine deutschsprachige oder englischsprachige Einführung in Agentenarchitektur sucht, findet hier nur chinesische Inhalte und sollte zuerst docs/README.md öffnen und prüfen, ob der eigene Kenntnisstand zum Einstieg passt. Wer reproduzierbare Experimente, CI und Versionspinning braucht, ist hier falsch und sollte stattdessen ein einzelnes Framework-Repository mit ausführbaren Tests wählen. Vor jeder Übernahme in ein eigenes Produkt ist die Lizenzdatei im Wurzelverzeichnis zu prüfen, denn ohne Angabe gilt kein automatisches Nutzungsrecht.

Offizielle Quellen

1. adongwanai/AgentGuide on GitHub
2. Issues
3. README