学习目标

阅读本文后，您将能够：

• ✅ 理解 Coding Interview University 的核心理念与学习方法
• ✅ 掌握完整的学习路线图（从基础到进阶）
• ✅ 熟悉数据结构和算法的核心知识点
• ✅ 了解推荐的学习资源和面试书籍
• ✅ 制定个人化的每日学习计划
• ✅ 准备一份优秀的简历和面试技巧

一、项目概述

1.1 什么是 Coding Interview University

Coding Interview University（简称 CIU）是由 jwasham 创建的多月度软件工程师学习计划。创始人最初只是想准备 Google 面试而整理了一份学习清单，后来这份清单不断扩充，最终成为 GitHub 上最受欢迎的面试准备指南之一。

学习目标

阅读本文后，您将能够：

• ✅ 理解 Neovim 的设计理念与 Vim 的区别
• ✅ 掌握 Neovim 的安装方式（从包管理器到源码编译）
• ✅ 熟练使用 Neovim 的核心功能（API、异步、Terminal）
• ✅ 配置和优化 Neovim（init.vim / init.lua、插件管理）
• ✅ 开发 Neovim 插件（Vimscript / Lua）
• ✅ 使用 Neovim API 进行扩展开发
• ✅ 理解 Neovim 的内部架构（Event Loop、RPC、UI 分离）
• ✅ 从 Vim 平滑迁移到 Neovim

一、项目概述

1.1 什么是 Neovim

Neovim 是从 Vim 分叉（fork）的现代化文本编辑器，专注于可扩展性和可用性。Neovim 不是要取代 Vim，而是通过激进的重构来：

学习目标

阅读本文后，您将能够：

• ✅ 理解 ShanClaw 的核心定位与设计理念
• ✅ 掌握 ShanClaw 的本地工具集（18类 + 50+工具）
• ✅ 熟练使用命名 Agent 与独立指令/记忆机制
• ✅ 配置 MCP 客户端连接第三方服务（GitHub、Slack、数据库等）
• ✅ 使用 Daemon 模式实现跨平台消息通道（Telegram、Slack、LINE）
• ✅ 配置定时任务与心跳保持机制
• ✅ 通过 /research 和 /swarm 命令进行远程研究与多智能体协作
• ✅ 理解 ShanClaw 的技术架构与源码结构
• ✅ 完成从安装到生产环境部署的完整流程
• ✅ 开发自定义 Skills 与 MCP 工具集成

一、项目概述

1.1 什么是 ShanClaw

ShanClaw（命令名 shan）是由 Kocoro-lab 开发的 macOS 原生交互式 AI Agent CLI，由 Shannon Gateway 提供 LLM 推理能力支持。

PaddleOCR：让PDF和图片秒变结构化数据的AI神器

在AI时代，大模型虽然强大，但直接处理PDF和图片文档始终是短板——你需要先将文档"读"成文字，才能喂给模型。今天要介绍的 PaddleOCR，正是解决这个痛点的开源利器。

Shannon：生产级多智能体编排框架完全指南

§1 学习目标

完成本文档后，你将能够：

• ✅ 理解 Shannon 的定位与核心设计理念
• ✅ 掌握 Shannon 的四大核心执行策略
• ✅ 部署和配置 Shannon 开发环境
• ✅ 使用多种方式与 Shannon 交互（REST API / Python SDK / 桌面应用 / Web UI）
• ✅ 配置多 LLM 提供商和工具集成
• ✅ 理解 Swarm 多智能体协作机制
• ✅ 实施 WASI 沙箱安全代码执行
• ✅ 配置 Token 预算控制和自动模型降级
• ✅ 实现 Human-in-the-Loop 审批工作流
• ✅ 掌握时间旅行调试和问题排查

§2 项目概述

2.1 什么是 Shannon？

Shannon（GitHub 仓库）是一个生产级多智能体编排框架，核心理念是：

Agency Agents：轻量级多智能体工作流框架完全指南

§1 学习目标

完成本文档后，你将能够：

• ✅ 理解 Agency Agents 的定位与设计理念
• ✅ 掌握 Agency Agents 的核心功能与使用方法
• ✅ 部署和配置 Agency Agents 开发环境
• ✅ 构建多智能体工作流
• ✅ 实现高级记忆管理与上下文追踪
• ✅ 集成自定义工具扩展智能体能力
• ✅ 优化推理性能和流式响应
• ✅ 集成到生产级应用

§2 项目概述

2.1 什么是 Agency Agents？

Agency Agents（GitHub 仓库）是一个轻量级框架，用于构建具有高级记忆、推理和工具使用的多智能体工作流，基于 Claude API 构建。