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 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 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 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 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到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：按三层追问结构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。 如果一个人做 Agent 项目总是停在 demo，先回到上面的九项证据清单逐项补。补不动时再找外部反馈，重点是让别人帮你指出哪一层虚，而不是替你把项目做完。 Agent 项目要证明会执行 Agent 项目最怕演示时很酷，面试一问就只剩"调用了几个工具"。下面几行看框架没意义，重点看他们怎么把项目补成一个执行系统：能拆任务、能处理失败、能解释为什么停。 | 背景 | 原来卡在哪 | Agent 项目怎么补 | 后来发生了什么 | 可以学哪一招 | |---|---|---|---|---| | 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