做一个 Agent 项目怎么做：从最小 Agent 到 Deep Research

一个能写进简历的 Agent 项目,不是"能调工具的 demo",而是把 Agent Harness(agent loop、工具 schema、记忆、权限确认、失败恢复、trace、评估、成本)一层层做扎实,并留下和 RAG 项目一样完整的证据链。正确的做法是从 30 行的最小 Agent 起步,先把"决策—调用—观察—再决策"的循环跑通,再逐步长成 Deep Research 这类多步任务系统,每加一层都留下能被面试官追问的痕迹。 作者:吴师兄 适合:想主打 Agent 方向、要攒一个能进简历的自建项目的人 前置:会用 Python 调一次大模型 API,了解 function calling 是什么 Agent 项目和 RAG 项目到底差在哪 先给结论:RAG 项目的骨架是一条相对固定的检索问答链,Agent 项目多了"自主决策 + 多步 + 工具 + 失败恢复",工程复杂度和不确定性都更高,面试更看你对稳定性和可控性的把握。RAG 里模型基本是"给定检索结果作答";Agent 里模型要自己决定下一步调哪个工具、什么时候停、失败了要不要重试换路。这就是为什么 Agent 项目更难讲清、也更值钱。 维度 RAG 项目 Agent 项目 主链路 检索 → 重排 → 拼上下文 → 作答 观察 → 决策 → 调工具 → 再观察(循环 N 步) 控制流 基本线性,一次调用出结果 循环 + 分支,步数不定 最大风险 检索不准、幻觉 循环不收敛、工具调用失败、成本失控 面试重点 召回率、切块、引用溯源 失败恢复、可观测、步数/成本上限、可控性 你要证明 检索链每个环节的取舍 Harness 骨架的稳健,而非"能调通一次" 如果你还没做过 RAG 项目,建议先看没有大模型项目经验怎么攒出 RAG 项目那篇的证据链,两个项目的证据链结构是一套逻辑,Agent 只是在上面加了决策与循环这几层。 Agent 项目该产出哪些证据 结论先行:一个像样的 Agent 项目不是一份代码,而是九项证据 + 一份能被追问的叙事。缺哪一项,面试官就会从那一项切进去问倒你。下面这张表把"每项证据"和"面试会怎么追问"对齐,你可以直接拿它当自检清单。 证据 具体产物 面试会怎么追问 ① 任务定义 这个 Agent 解决什么任务、输入输出边界、什么算成功 "为什么这个任务需要 Agent 而不是一次 RAG 就够?" ② tool schema / 工具注册 每个工具的名字、参数 JSON schema、描述 "模型怎么知道该调哪个?描述写不好会怎样?" ③ agent loop 决策—调用—观察—再决策的主循环,带步数上限 "循环不收敛怎么办?最大步数设几、为什么?" ④ memory 设计 短期(对话/中间结果)与长期(可检索)记忆怎么存 "上下文超长了怎么截断?哪些信息必须保留?" ⑤ 权限确认 危险动作(写库、发消息、花钱)前的人工/规则确认 "Agent 误删了数据谁负责?你怎么拦?" ⑥ 失败恢复 工具报错、超时、返回垃圾时的重试/换路/降级策略 "工具调用失败你怎么兜底?会不会死循环重试?" ⑦ trace / 可观测 每一步的输入、决策、工具返回、耗时都能回放 "线上跑错了一次,你怎么定位是哪一步坏的?" ⑧ 评估集 一批带标准答案/评分标准的任务,能算通过率 "你怎么知道 Agent 做得对?改一版怎么证明变好了?" ⑨ 成本控制 单次任务的 token / 调用次数统计与上限 "一次任务多少钱?怎么防止一条 query 烧掉几十次调用?" 再加两样收口:一段能写进简历的项目描述(见大模型简历怎么写),和一份把上面九项串成"为什么→为什么不用别的→出了问题怎么办"的三层追问稿。有了这两样,证据才变成能过面的叙事。 从最小 Agent 到 Deep Research 的进阶路径 结论:别想着一上来就搭一个大而全的 Agent,那样每一层都是半成品。正确顺序是先用最少的代码把 loop 跑通,建立"Agent 到底在循环什么"的手感,再按一个真实多步任务(Deep Research)逐层加厚。下面这条路径全部映射到站内自建内容,不借任何外站项目: 阶段 你要搞定的事 站内落点 0 起点 用 30 行写出最小 agent loop,看清决策—调用—观察循环 30 行写最小 Agent 1 立项 想清为什么要做多步研究,而非一次问答 为什么做 Deep Research 2 主循环 ReAct 与迭代式研究:怎么组织多轮推理 ReAct 与迭代式研究 3 工具 搜索、抓取、计算等工具的注册与调用 工具设计 4 记忆 中间结论怎么存、长上下文怎么管 记忆设计 5 数据 训练/评估要什么样的数据、怎么造 数据 6 训练 需要时怎么训一版策略模型 训练 7 服务化 把 Agent 包成能被调用的服务,处理并发与超时 服务化 8 评估 用评估集算通过率,证明它做得对 评估 阶段 0 是最容易被跳过、也最不该跳过的一步:很多人直接抄一个框架的 Agent 例子,结果连"loop 在哪、什么时候停"都说不清。先手写最小 loop,后面每一层加什么、为什么加,你才有判断力。 两类人怎么分工:研究生 vs 3 年后端 结论:同一条路径,两类人该重仓的层不一样,把你相对别人的优势那一层做深,比九层都做平更能打。 你是谁 该重仓哪几层 里程碑 常见误区 研一/研二在校生 ⑤数据、⑥训练、⑧评估——偏策略与实验证据 能讲清"我造了什么数据、训了一版、评估通过率从多少到多少" 只调 API 不碰训练/评估,浪费了在校做实验的时间 工作约 3 年 Java/后端 ①—⑨里的 Harness 工程骨架:权限、trace、失败恢复、成本、并发 能讲清"这个 Agent 怎么在失败、超时、高并发下不崩、不烧钱" 花大力气去卷训练,反而丢了自己最大的优势 3 年后端要记住:应届生最缺的恰恰是把系统做稳的工程功底——限流、重试、幂等、超时、可观测、成本核算,这些你在后端做过无数遍,搬到 Agent Harness 上就是你压倒性的差异化优势。把 trace 和失败恢复做到能现场画时序图的程度,比你临时学一点微调更值钱。相关工程题可以对着系统设计与稳定性那篇校准深度。 一个典型反例:function calling 查天气 ≠ Agent 项目 很常见、看起来也努力的做法:跟着教程写一个"用 function calling 查天气/查股价"的 demo,能跑通,截个图就写进简历叫"Agent 项目"。为什么没用——它只证明了你会调一次工具,而 Agent 项目九项证据里,它只有半项(②工具 schema)。 面试官三个问题就能拆穿:第一,"工具调用失败你怎么兜底"——demo 没有失败恢复,答不上;第二,"你怎么知道 Agent 做得对"——没有评估集,答不上;第三,"一次任务多少 token、怎么防止烧钱"——没有成本统计,答不上。三连问全空,面试官会判定你只做过 demo、没做过系统。区别不在功能多炫,而在你有没有把 loop、失败恢复、trace、评估、成本这几层真做出来。 行动清单:接下来按这个顺序做 先跑通循环:照着30 行最小 Agent 手写一遍 agent loop,直到你能不看代码讲清"它在哪一步决定停"。 做完整项目:按Deep Research Agent 教程 八章逐层加厚,每做完一层就往证据清单里补一项产物。 刷对应真题:Agent 题库(154 题)按工具调用、记忆、失败恢复、评估分块刷,边刷边回填你项目里的追问稿。 校准追问强度:读字节 Agent/记忆/RAG 实习面经,看真实面试官是怎么围着 Agent 的记忆和工具往下钻的。 收口成叙事:用三层追问模板把九项证据串成能过面的一段话,再拿简历工具过一遍找漏洞。 如果你想有人带着把这条路径走完——项目陪跑、简历修改、模拟面试到答疑纠偏,训练营就是干这件事的,里面的项目会盯着你把上面九项证据一项项做实,而不是停在 demo。 看几个真实反馈:Agent 项目要证明"会执行",不是只会调工具 我挑了几条 Agent 方向的反馈放在这里,都做了脱敏。它们的共同点不是用了多酷的框架,而是把 Agent 从"一次工具调用"做成了能被追问的执行系统。 背景 原始卡点 Agent 项目怎么补 反馈结果 可借鉴点 双非本科 + 海外硕,春招碰壁 没有完整 Agent 项目,投递反馈弱 做通用 Agent、Coding Agent、Agent Sandbox 和 RAG 组合项目 拿到吉利等 Agent 方向机会 Agent 项目要能展示多步执行和工程约束,不是只展示调用 API 985 硕士,时序方向 研究方向和大模型岗位连接不强 做办公 Agent、PPT 智能体、RAG/Post-Train 项目,补业务闭环 收到商汤、联想等 AI 相关机会反馈 原方向可以保留,但要用 Agent 项目证明应用落地能力 211 本硕,项目零散 只有浅层 Prompt 调优,简历项目不成体系 围绕 Coding Agent 做闭环:任务拆解、代码生成、执行、错误修复和评估 获得两份阿里系 AI 相关机会 Agent 简历要突出闭环和可验证结果,不要堆框架名 如果你的 Agent 项目只能回答"调用了哪些工具",还不够。继续往下补:失败了怎么办、什么时候停止、怎么记录 trace、怎么评估任务完成质量、一次任务成本是多少。能讲出这些,项目才像系统。 常见问题 做 Agent 项目一定要自己训模型吗 不一定。多数应用岗的 Agent 项目,重点在 Harness 工程(loop、工具、记忆、失败恢复、评估、成本),用现成模型 API 就能做出有深度的项目。训练那一层主要给研究生和想主打算法方向的人加分,后端转行者优先把工程骨架做扎实,收益更高。 最小 Agent 和 Deep Research 差多少工作量 最小 Agent 是半天到一天的事,目的是建立 loop 手感;Deep Research 是一个 4-8 周(经验值)能做完整的项目,八章覆盖了工具、记忆、数据、训练、服务化、评估。建议不要跳过最小 Agent 直接上完整项目,否则你会看不清每一层在解决什么。 Agent 项目怎么量化结果写进简历 用评估集算通过率是最硬的量化:一批带标准答案的任务,基线通过多少、改进后通过多少。再补上单次任务的平均调用次数和 token 成本、失败恢复后的成功率提升。有数字的叙事永远赢过"实现了一个智能体"。具体写法见大模型简历怎么写。 面试官最爱从 Agent 项目哪里追问 三个高频入口:失败恢复("工具调用失败怎么办、会不会死循环")、可观测("线上错了一次怎么定位到哪步")、成本可控("一次任务多少钱、怎么设上限")。这三点恰好是 demo 最薄弱、真系统最扎实的地方,提前把Agent 题库里这几块刷透。 相关阅读 没有大模型项目经验,怎么攒出能写进简历的 RAG 项目 大模型项目在面试里怎么被三层追问、怎么准备 Deep Research Agent 从立项到评估的完整教程 Agent 方向的真题都考什么