Při přípravě na změnu kariéry a stát se AI inženýrem jsou většina učebních materiálů dostupných online roztroušené tutoriály nebo hydrologie generovaná AI, což ztěžuje nalezení systematického vedení. Náhodou jsem našel AI Engineering Field Guide na GitHubu, open-source projekt založený na 1 765 skutečných pracovních popisech a skutečných zkušenostech z pohovorů, který je datově řízený a velmi praktický. Autor analyzuje požadavky na pracovní pozici, požadavky na dovednosti, procesy pohovorů, skutečné případy atd. a také poskytuje transformační vzdělávací cesty pro inženýry s různým zázemím, jako jsou data, back-end a front-end. GitHub: Obsah zahrnuje pozicionování rolí a analýzu dovedností, kompletní přípravný průvodce na pohovor, pečlivě vybranou sbírku výukových materiálů pro AI inženýrství a reálná data z trhu práce a případy projektů. Zahrnuje také skutečné pohovory a sdílení zkušeností od 51 společností jako OpenAI, Anthropic, Google, Meta atd., stejně jako 17 skutečných případových studií pracovních příležitostí pro domácí práci. Pokud uvažujete o tom, že se stanete AI inženýrem nebo chcete systematicky pochopit, co tato role skutečně znamená, stojí za to si tento průvodce shromáždit.

Dnešní seznam GitHub Tending je open source projekt Hermes Agent, který je docela zajímavý. AI agent s integrovanou kompletní smyčkou učení, která se sama vyvíjí a roste s námi. Automaticky vytváří dovednosti skutečným použitím, zlepšuje se při jejich provádění a aktivně si připomíná, aby si pamatoval důležité informace. Můžete dokonce vyhledávat historické rozhovory a získávat porozumění o sobě napříč konverzacemi, což znamená, že čím více to používáte, tím lépe vám rozumí. GitHub: Kromě toho je zde vestavěný plánovač plánovaných úloh, který umožňuje nastavovat denní reporty, pravidelné zálohy a další automatizované úkoly v přirozeném jazyce. Poskytuje také kompletní terminálové rozhraní, které podporuje víceřádkovou editaci, automatické dokončování příkazů, historii relací a další funkce. Pokud chcete osobního AI asistenta s pamětí a doprovodným růstem, tento projekt lze nasadit a prožít.

Spravujte více AI agentů a sledujte, co dělají, chaty, postup úkolů a dokonce i náklady v reálném čase. Stávající nástroje jsou však buď fragmentované, nebo vyžadují další API klíče, což může být nepraktické. Narazil jsem na ClawPort, open-source projekt věnovaný týmu agentů AI, OpenClaw, s vizuálním velitelským centrem, které spravuje všechny agenty prostřednictvím jednoho rozhraní. Stačí se připojit k místní bráně OpenClaw a získat organizační schémata, konverzace s agenty, Kanban tabule, plánované monitorování úkolů, sledování nákladů, logy v reálném čase a prohlížeče paměti. GitHub: Poskytuje interaktivní organizační schémata, podporuje streamování textového chatu, vizuální rozpoznávání příloh obrázků a přehrávání hlasových zpráv. K dispozici je také alokace přetahování úkolů pomocí Kanbanu, monitorování stavu naplánovaných úkolů v reálném čase a dashboard analýzy využití a nákladů tokenů, včetně denních nákladových grafů, detekce anomálií a týdenních trendů. Automatické objevování agentů v pracovních prostorech OpenClaw, bez potřeby konfiguračních souborů, pět přepínačů témat a rychlé spuštění s npm globální instalací.