didilili/ai-agents-from-zero を採用前に読む: 教程・ソース・面接対策を1本に束ねた中国語チュートリアル

このリポジトリが埋めようとしている穴

README は、市場に AI 大模型応用の教材は多いが「绝大多数是碎片化帖子、收费训练营等」だと述べ、有料訓練キャンプに数千元から1万元を払わずに体系的に入れるようにすると位置づけている。対象は明確で、Python を主言語とし、LangChain と LangGraph を軸に Agent を組めるようになりたい人、そして「AI 应用开发工程师」「AI Agent 工程师」といった職種に応募する準備をしたい人だ。README はさらに、多くの講座が Spring AI や langchain4j を扱う Java 寄りであるのに対し、本教程は Python 側に寄せると明言している。つまりこれは、フレームワークの API リファレンスではなく、学習順序と職種要件に合わせて編まれたカリキュラムである。読了後の成果として README が挙げるのは、環境構築からデプロイまでの一連の流れ、RAG や MCP の設計判断を説明できる語彙、面接題庫と本文の相互リンク、そして企業向け案例を简历の素材にできることだ。

中身の構造: 概念篇と2つの実戦プロジェクト

README によれば、概念篇はすべて更新済みで、実戦プロジェクトは2本が完成している。1本目は NL2SQL と LangGraph を組み合わせた「电商问数」（2026年5月3日完了、ソースは didilili/shopkeeper-agent）、2本目は DeepAgents によるマルチエージェントの「深度研搜」（5月17日完了、ソースは didilili/deepsearch-agents）だ。どちらも本リポジトリ内のディレクトリ（实战项目-电商问数/、实战项目-深度研搜/）から本文が読め、実装は別リポジトリに切り出されている。教程大纲の抜粋を見ると、01 が大模型基礎（Transformer、MoE、Ollama によるローカル推論、提示詞工程）、02 が Coze と Dify の低コード平台と Docker、以降に LangChain/LangGraph、RAG、MCP、微調整、デプロイが続く構成だ。技術スタック表には PEFT、LoRA、QLoRA、DeepSpeed、Llama-Factory、vLLM、Xinference、MinerU、OCR、BGE-Rerank、RAGAS といった名前が並ぶ。個々のツールを独立した章として扱うのではなく、RAG の多路召回や评测、观测、成本、护栏といった実務の文脈に埋め込む方針が README から読み取れる。

読み進めるための実際の入口

リポジトリを手元に置く手順は通常の clone で足りる。git clone https://github.com/didilili/ai-agents-from-zero を実行し、README が案内する入口ファイルを開く。导航は 教程目录大纲.md、案例の一覧とソース・デモの対応は 教程案例链接汇总.md、変更履歴は 教程更新日志.md、面接対策は AI智能体与大模型应用开发面试题库.md、初学者向けの疑問は 新手入门与常见问题.md にある。オンライン版は https://didilili.github.io/ai-agents-from-zero/ で読める。個別案例の実行は、本リポジトリではなく shopkeeper-agent や deepsearch-agents 側の手順に従うことになる。ここで注意したいのは、本リポジトリ自体には requirements.txt や pyproject.toml の存在が README からは確認できない点だ。Python が主言語とされているが、依存関係の解決は案例ごとのソースリポジトリに分散していると見るのが妥当で、環境構築の手順もそちらを読む必要がある。

教材リポジトリとしての限界

これは動くソフトウェアではなく、Markdown を中心とした教程だ。README 自身が「案例内容均按人工实际跑通的思路整理」と書いており、すべての案例が CI で検証されているわけではない。フレームワークの API は変化が速く、LangChain や LangGraph の記述が数か月で古くなるリスクは構造的に避けられない。README も「这份大纲不是固定目录」と認め、技術スタックの進化に合わせて改訂するとしている。もう1つの制約は言語だ。バッジに language-Chinese とあり、本文・コメント・面接題庫は中国語が前提で、日本語話者には読解コストがかかる。さらに、面接題庫は「培训班与 JD 常见能力域」に沿って構成され、大厂の面接题や公開面经を整理したものと説明されているが、特定企業の合否を保証するものではない。採用前に自分の応募先の JD と突き合わせて、問法と答法の粒度が合うかを確認したほうがよい。

代替手段との違い: 公式ドキュメントと有料講座

第一の比較対象は LangChain や LangGraph の公式ドキュメントだ。公式は API の正確さと最新性で勝るが、学習順序や職種要件との対応は提供しない。本教程は逆で、順序と文脈を与える代わりに、個々の API の正確さは公式に劣る可能性がある。第二の比較対象は有料の訓練キャンプで、こちらは講師による添削や同期の学習者が付くが、費用と期間の拘束がある。本リポジトリは MIT ライセンスで無料、自分のペースで進められる反面、質問できる相手がいない。第三に、Coze や Dify の公式ドキュメントがある。低コード平台の操作は公式が一次情報で、本教程の価値はそれを Python から呼び出す文脈や、企業案例の中での位置づけを与える点にある。つまり本リポジトリは公式ドキュメントの代替ではなく、公式ドキュメントの間をつなぐ地図として使うのが正しい。

ライセンスと保守コストの見積もり

ライセンスは MIT で、リポジトリはアーカイブされておらず、最終 push は 2026年6月23日、README は「2026 持续更新中」と述べている。MIT なので、社内研修資料への転用や改変、再配布は比較的自由だが、個別の画像やスポンサー向け素材、案例ソースのライセンスは別途確認が必要だ。README には優云智算（UCloud 系）のスポンサー記載と紹介リンクがあり、教材の一部は特定ベンダーの文脈と結びついている。これは法的な問題ではないが、社内で採用する際に「特定サービスへの誘導が混ざる」点は把握しておきたい。保守コストの観点では、読むだけなら追加コストはほぼゼロだが、案例を実行して自分の環境に合わせるなら、フレームワークのバージョン差分を自分で埋める作業が発生する。更新は継続されているが、リリースタグは取得できておらず、どの時点のスナップショットが安定版かは 教程更新日志.md を読んで判断するしかない。

誰が採用し、誰が避けるべきか

採用が向くのは、中国語で AI Agent 開発を一通り学び、面接や简历に載せる企業案例が欲しい Python エンジニアだ。特に前端・後端・プロダクトから転向する人にとって、概念篇から実戦プロジェクト、面接題庫までが1つのリポジトリでつながっている構成は、何をどの順で学ぶかの判断コストを下げる。避けるべきなのは、すぐ import して使えるライブラリを探している人、日本語または英語の教材しか読めないチーム、そして API の正確さを最優先する人だ。後者には公式ドキュメントのほうが適する。導入を決める前に、教程目录大纲.md と 教程案例链接汇总.md を開いて章の粒度を確認し、shopkeeper-agent と deepsearch-agents を clone して環境が組めるか試し、教程更新日志.md で直近の更新が自分の対象スタックに触れているかを確かめる。この3つが自分の目的と噛み合わなければ、教程としての網羅性は高くても、あなたにとっての学習効率は上がらない。

編集部の結論

中国語で AI Agent 開発を体系的に学び直したい Python エンジニア、特に前端・後端・プロダクトから AI 領域へ転向する人には、教程・ソース・面接題庫が1か所にまとまっている点が実用的だ。逆に、すぐ動くライブラリや API を探している人、日本語や英語の教材しか読まないチームには向かない。採用前に確認すべきは、教程目录大纲.md と教程案例链接汇总.md を開き、各案例のソースリポジトリ（shopkeeper-agent、deepsearch-agents）が実際に clone できて requirements が解決するかどうか、そして 教程更新日志.md の最終更新日が自分の対象技術スタックと噛み合っているかだ。

公式情報源

1. didilili/ai-agents-from-zero on GitHub
2. Issues
3. License: MIT
4. Project website
5. README