AI Agent 工程师简历怎么写
Agent 岗位的简历很容易写成框架清单：LangChain、LangGraph、RAG、MCP 全都有。面试官真正想知道的是：你做的 Agent 上线了没有，效果怎么衡量，出错了怎么办。
01面试官在区分「跑通 Demo」和「上线运行」
调通一个能查天气、能搜文档的 Agent 只需要一个下午，所以「基于 LangChain 开发了智能问答 Agent」这样的描述几乎没有区分度。Agent 岗位的面试官看简历时，第一件事就是判断这个人做的东西有没有真实用户、有没有经历过线上的各种意外。
能证明「上线运行」的信息有这么几类：服务了多少用户或业务、运行了多久、效果用什么标准衡量、出过什么问题、怎么处理的。把这些写进简历，比多列几个框架名有用得多。
基于 LangChain + RAG 开发企业知识库问答 Agent，支持多轮对话和工具调用，大幅提升了客服效率。
客服要在 5 个系统之间查订单、配额和告警记录。把查询拆成 9 个只读工具，Agent 负责规划调用顺序并汇总结论，写操作只生成待确认草稿；上线半年，一线客服平均处理时长从 14 分钟降到 6 分钟。
后者交代了真实的业务问题、工具设计的边界和上线后的效果，面试官可以顺着问工具怎么拆、写操作为什么要确认。
02五类最能体现水平的经历
下面五类问题是 Agent 从 Demo 走到上线必然会遇到的，面试也几乎一定会问。简历里有其中几类的真实经历，就值得展开写。
边界设计
哪些步骤交给模型规划，哪些必须走确定的代码分支；哪些操作需要人工确认。写清楚你的判断标准，比如涉及资金和权限的操作一律不让模型直接执行。
检索质量
切块策略、混合召回、重排、引用溯源。写清楚召回不准时你是怎么排查的，以及引用正确率、无答案比例这类指标的变化。
工具调用的容错
参数校验、超时、幂等、失败后重新规划。单个工具出错时整个任务会怎样，这是区分 Demo 和上线系统的关键。
评测体系
评测集从哪来、多大、怎么标注，用模型打分还是人工打分，两者一致率多少，拦下过什么问题。没有评测就只能凭感觉调提示词。
成本、延迟与安全
大小模型路由、缓存、首字时间；提示词注入、越权调用、跨租户数据隔离。写清楚做法和效果。
03效果怎么写成数字
Agent 的效果不容易量化，但并不是没有办法。最有说服力的是业务指标的变化，比如处理时长、人工介入率、用户放弃率；其次是评测集上的指标，比如答案正确率、引用正确率、工具选择正确率；再次是工程指标，比如首字时间、成功率、单次成本。
写评测指标时要交代评测集的来源和规模，比如「从线上差评和人工抽检中整理的 600 条问题」。只写「准确率 95%」而不说怎么评的，面试官会直接追问，而且很可能不信。
| 类别 | 常用指标 | 写法示例 |
|---|---|---|
| 业务效果 | 处理时长、人工介入率、放弃率 | 客服平均处理时长从 14 分钟降到 6 分钟 |
| 回答质量 | 正确率、引用正确率、无答案比例 | 评测集上引用正确率从 62% 提到 87% |
| 工具调用 | 工具选择正确率、任务完成率 | 多步任务完成率从 71% 提高到 90% |
| 工程指标 | 首字时间、成功率、单次成本 | 首字时间 P50 从 3.1 秒降到 1.4 秒 |
04技术栈怎么写
Agent 相关的框架更新很快，面试官不太在意你用的是哪一个，更在意你理解它解决了什么问题、为什么选它。技术栈里写项目实际用到的，不要把看过教程的框架都列上。
模型名称可以不写具体版本，写「按难度路由大小模型」这样的做法比写一串模型名有信息量。向量数据库、检索引擎、可观测性工具这类工程组件反而值得写，它们说明你处理过真实的工程问题。
常见问题
没有在公司做过 Agent，个人项目能写吗？
能写，但要解决一个真实问题，并且有评测和失败处理。只是调通框架示例的项目建议不写。
提示词工程要单独写吗？
不建议单独作为一项技能。把提示词的改进放在具体项目里写，并说明是用评测集验证过的。
要不要写用过哪些大模型？
可以在技术栈里简单提一句，重点写你怎么选模型、怎么在效果和成本之间取舍。