面试话术与简历：把“我做了个 Agent”讲成“我能设计可靠的 Agent 系统”

面试话术与简历把“我做了个 Agent”讲成“我能设计可靠的 Agent 系统”配套课程加餐简历篇 面试题篇 开篇词。这一篇是前面五篇的收口。1. 先治简历的病课程加餐-简历篇第一句话就扎心很多人简历写“用了 RAG 和大模型”。这六个字面试官一天看 20 份。正确写法写清你解决了什么工程问题。对照本系统的简历素材❌ 反面八股✅ 正面工程 指标使用 RAG 实现知识问答实现零依赖 TF-IDF 检索按 chunk 粒度权衡召回/精度检索相关性指标 1.0使用大模型做意图识别设计三层意图机制归一/分类/澄清“那个最划算的帮我订了”经指代消解识别为 book置信度 0.92Agent 自动规划任务G4C 结构化计划失败经根因回溯自愈Replan 次数 1、自愈成功率 1.0管理对话上下文f(Context)预算压缩 细节找回 相关度过滤上下文效率可量化简历不是功能清单是“问题 → 机制 → 指标”的三段式。2. 一张图记牢五大主线面试题篇课程的“一张图总结”可以压缩成一张表面试前 5 分钟过一遍主线面试官想听你该讲意图识别模糊输入怎么懂三层机制L1 归一指代消解/ L2 分类打分置信/ L3 澄清规划执行复杂任务怎么拆、失败怎么办G4C 计划 失败点≠根因点 Replan 根因回溯上下文管理上下文爆炸怎么办f(Context)预算压缩、细节找回、相关度过滤智能检索只说 RAG 不够该查什么/去哪查、chunk 粒度、查询改写与重排评估反馈怎么知道好不好六维指标 失败沉淀成反馈闭环3. 主线剧情法开场就赢面试官一上来大概率问“设计一个可靠的 AI Agent 系统你怎么搞”别列名词。用本课程项目当主线剧情一镜到底“我会按五条主线设计。先用意图识别把用户模糊输入理清——比如‘那个最划算的帮我订了’我先归一化做指代消解把‘那个’替换成上下文里最近的实体再用打分分类确认是 book 意图然后规划用 G4C 出结构化计划执行层用TAO做可解释的工具选择过程中上下文按f(Context)管理知识用检索补齐如果执行失败比如下单缺目的地我会回溯根因到输入层、补参数、只重跑失败步实现自愈最后用评估反馈把这次运行量化成指标并沉淀失败经验。我这个系统实测总分 0.945、自愈成功率 1.0。”这一通下来你不是在“回答名词”是在从问题出发主动搭解法——正是课程目标。4. 高频追问的应答骨架Q为什么不用纯 LLM 做意图分类A黑盒、不可解释、不可回归。我用规则打分输出分布和置信度低置信才澄清LLM 只用于生成澄清话术这种非关键路径。QPlan 为什么结构化而不是让 LLM 写 stepsA结构化才能校验G4C、才能做依赖图和回退、失败才能精准重跑某步而不是全重来。Q上下文塞满不行吗A噪声淹没关键信号、token 成本爆炸。我用预算压缩细节找回相关度过滤上下文是“当前任务”的函数。Q检索为什么不用现成向量库A为了讲清原理——chunk 粒度、查询改写、重排对召回/精度的影响。生产里可直接换向量库接口不变。Q怎么知道 Agent 错了A每次运行量化成六维指标失败按类型根因修复沉淀形成反馈闭环逐步降低同类失败。5. 从“会调用大模型”到“会设计 Agent 系统”课程的定位很准有说服力方案不靠堆技术名词靠清晰的问题拆解和工程判断。本系列用一套真能跑、跨 4 台机器分布协作的系统把五大主线落成代码和指标——你照着它讲就是从“我做过 Agent 项目”升级到“我能设计一个可靠的 Agent 系统”。6. 附本项目的可迁移框架无论你做的是客服 Agent、研报 Agent 还是运维 Agent都可以套这个骨架网关编排把分散的 Agent 串成链路负责失败重试与根因调度。意图层三层机制永远可解释。规划层G4C Replan失败回溯根因。执行层TAO 工具选择结构化成功/失败。记忆层f(Context) 检索。评估层指标 反馈闭环 看板。把这六层讲清楚你的 Agent 面试作战地图就齐了。系列完。代码与完整 Demo 链路见仓库agentkit/、demo_output.json以及前 5 篇总览 · 意图识别 · 规划执行 · 上下文与检索 · 执行与评估