开篇词｜百场面试录音复盘，我总结出一套 Agent 面经

邓明

讲述：邓明大小：3.97M时长：11:34
你好，我是大明，好久不见。
这一次，我想和你聊一个已经躲不开的问题：AI 时代来了，软件工程师到底该怎么准备下一轮求职？
过去几年，很多人把 AI 当成一个热点：看看新闻，试试工具，写几个 Prompt，觉得离自己的日常工作还很远。但从我这一年做面试辅导和项目辅导的观察来看，事情已经变了。它不再只是一个“加分项”，而是正在变成很多岗位筛人的新门槛。
更准确地说，招聘市场正在从“你会不会用 AI”转向“你能不能讲清楚一个 Agent 项目”。
你有没有做过 Agent？
Agent 怎么理解用户意图？
怎么规划任务？
怎么调用工具？
怎么管理上下文？
怎么评估效果？
这些问题正在越来越频繁地出现在面试里。
所以，这个专栏不是一门泛泛而谈的 AI 科普课，也不是一门试图把 Agent 所有理论都讲透的工程课。它的定位很直接：帮工程师们用面试能听懂、项目能落地、表达能站住的方式，补上 Agent 这一块能力。
为什么现在开这个专栏？其实 2025 年，就有不少小伙伴问我：大明哥，你为什么不开 AI 或 Agent 相关的课？
我当时没有开，不是因为不想追热点，而是因为我自己也还在探索。那时候我对 Agent 的理解还不够稳定，项目经验也不够完整。如果只是把网上流行的概念重新讲一遍，那不叫课程，叫资料搬运，我不想这么干。
现在为什么敢开？不是因为我觉得自己已经站在 Agent 工程的最高处，而是因为我对“工程师该如何准备 Agent 面试”这件事，已经有了足够多的一线样本。
过去几年，我陆陆续续做过不少一对一面试辅导，也听过上百份面试录音做复盘，还帮一些同学改过简历、拆过项目表达。这里有一个变化，我印象非常深。
在 2025 年 10 月之前，招聘还是传统后端那一套为主。高并发、高可用、性能优化、故障排查这些内容，只要准备扎实，面试基本还能打。但 2025 年 10 月前后，风向明显变了。很多 Java 岗位“不见了”，Java 工程师岗变成了 Agent 工程师岗。名字一改，筛人的逻辑也跟着改。
到了 2025 年 11 月，这个变化就更明显了。我当时帮一个社招同学调整简历。他原本几乎没有 Agent 相关内容，面试机会很少。后来我们补了一个能讲清楚的 Agent 项目，把用户意图、执行规划、工具调用、上下文管理这些点串起来，面试机会很快就变多了。一周能有三四场面试，第二周就拿到了一个做 Agent 的公司的 Offer，薪资也不低。
这件事对我的刺激很大。这说明 Agent 项目不再只是“锦上添花”的新概念，而是在一些岗位里变成了筛选入口。你没有，别人有，机会就会先流向别人。
2026 年春节后，我做这类辅导少了很多，忙着创业。但直面市场反而让我更加确定了一件事：如果没有 Agent 项目，求职难度会明显上升。因为越来越多的岗位转向了 AI 应用、Agent 平台、智能助手、企业内部自动化。
到今天，大厂的要求又往前走了一步。普通 demo、内部小工具、套一层大模型 API 的玩具项目，已经越来越难打动人了。面试官开始看你有没有真实场景、有没有复杂链路、有没有评估指标、有没有失败处理。换句话说，Agent 项目还要有分量，不能只是“我也调过模型”。
这就是我开这个专栏的原因：不是为了制造焦虑，而是因为窗口期已经出现。你现在补 Agent 项目、补 Agent 表达、补 Agent 工程判断，还来得及。等大部分候选人都补上了，门槛就会继续抬高，难度也会越来越大。
这门课解决什么问题？你可以把这个专栏理解成《后端工程师的高阶面经》的 AI 版本。但我得先把边界讲清楚：
第一，它不会把你训练成大模型研究员。我们不会从 Transformer 数学细节一路讲到前沿论文，也不会假装几篇文章就能让你掌握所有 Agent 工程。
第二，它也不是教你“背八股”。Agent 面试最大的坑，恰恰是只会背概念。你背了 Plan、ReAct、RAG、Memory、Tool Calling，但一问到项目里为什么这么设计、哪里会失败、怎么评估、怎么兜底，就露馅。
第三，它会围绕面试和项目表达来组织内容。也就是说，我更关心一个软件工程师怎么把 Agent 讲清楚，怎么把项目做得不像玩具，怎么在面试里体现工程判断，而不是堆一堆时髦名词。
这个专栏的目标很朴素：让你面对 Agent 相关岗位时，不再只会说“我用过大模型 API”，而是能讲清楚一个 Agent 系统从输入、计划、执行、上下文、检索、评估到反馈的完整链路。
课程设计整个专栏会按照 Agent 相关主题拆开，每个主题下面有几讲内容。每讲都会尽量抓住一个核心问题，不追求把所有边角料都铺满，而是优先讲最适合面试、最容易落到项目里的部分。
第一章：意图识别
Agent 的第一步不是调用工具，而是理解用户到底想要什么。很多项目看起来失败在执行，其实一开始就理解错了目标。
第二章：计划和执行
这里会讨论 Agent 怎么拆任务、怎么选择下一步、怎么设计 Plan，怎么在 TAO 之间循环，以及这些机制在面试中应该怎么讲，才不像背概念。
第三章：上下文管理
你会看到窗口、记忆、用户画像、压缩、历史摘要、细节召回这些概念，本质上都绕不开同一个问题：什么信息应该在什么时候进入模型上下文。理解这一点，你再看很多新概念，就不会被名词吓住。
第四章：检索，不止 RAG
核心当然包括 RAG，但不会只停留在 RAG。真正的问题是：在大量外部知识、历史状态和业务数据里，Agent 怎么找到当前最需要的信息，并且不过度污染上下文。
第五章：评估和反馈
Agent 不是一次性脚本，而是一个会持续迭代的系统。你需要知道怎么设计指标，怎么采集结果，怎么判断效果真的变好了，而不是只看模型回答得顺不顺。
在这些主题之外，我还会穿插讲一些项目包装和面试表达的方法。把一个真实项目讲得更有结构、更有分量。很多同学吃亏不是因为没做东西，而是做了也讲不出来，或者说讲得不好。
天时还在，时不我待我对今年的判断很直接：Agent 相关岗位还处在快速变化中。标准没有完全统一，很多公司自己也在摸索，面试官之间的理解差异也很大。
这对普通候选人来说反而是机会。因为在标准彻底稳定之前，一个结构完整、表达清楚、能体现工程判断的 Agent 项目，会比很多只堆概念的简历更有竞争力。
但你不能把这个机会理解成投机。真正危险的想法是：赌面试官不懂，所以我随便包装一个 demo 就能过。短期也许有人能靠这个拿到面试，但只要遇到懂行的人，几轮追问就会被打穿。
更靠谱的做法是：用面试倒逼学习。你不需要一开始就做一个完美的 Agent 系统，但你至少要讲清楚它解决什么问题、用了哪些组件、为什么这么设计、哪里可能失败、如何评估效果、下一步怎么迭代。
这也是这个专栏想帮你完成的事：不神化 Agent，也不贬低传统工程；不鼓励投机，但承认求职就是竞争。让你在有限时间内，把最能提升面试胜率的内容先补起来。
和你聊聊我做 Agent 的经历你可能会问：大明，你到底做过什么 Agent，有底气写这个专栏？
我不想把自己包装成什么 AI 大师。坦白说，和我在传统后端工程上的积累相比，我在 AI 应用和 Agent 上的时间并不算长。从 2023 年开始尝试用大模型构建应用，到现在也就是几年时间。
但这几年里，我确实做过一些真实项目，也看过不少真实面试反馈。这里我简单讲几个，不展开太细，主要是让你知道：我不是只看了几篇文章就来讲 Agent。
第一个是内容生成类的 Agent。AI 生图刚起来的时候，我做过面向本地商家的菜单、宣传图、菜品图、商品介绍图生成工具。这个方向最有意思的地方在于，它不是做一个网站等用户自己来订阅，而是直接交付结果：商家要的是一张能发朋友圈、能上菜单、能放店里的图，不是一个复杂系统。
这个项目跑通了，也赚过钱，但很快就卷了。原因也简单：门槛看起来低，大家一拥而上，最后比拼的就不是谁更懂 AI，而是谁更会获客、谁交付更快、谁成本更低。
类似的，我也试过视频生成类的 Agent。比如把一个产品素材自动套进短视频模板里，批量生成本地商家能用的宣传视频。这个方向听起来很香，但落地时会遇到几个硬问题：强模型成本高，弱模型效果不稳定，素材质量参差不齐。不过下半年我觉得这个产品还是可以考虑再做做，想想怎么营销，还是能做出利润的。
第二个是法律文书辅助类 Agent。它不是直接面向普通用户，而是给一些小型债务处理、债务催收相关团队做工具，帮助他们整理材料、生成文书草稿、跟进处理进度。这门生意归属法律范畴，没有 Agent 是做不了的，所以算是知识平权带来的收益。可惜的是现在已经是红海了。
第三个是对话类 Agent。我参与过一个模拟真人聊天的项目，主要解决的不是“怎么让模型会聊天”，而是怎么建用户画像、怎么让对话前后保持一致、怎么避免一句话一个人格。这个项目我只参与了其中一部分，做完用户画像建模相关的工作就退出了。因为这类项目越往后走，业务边界越敏感，我不想陷太深。
第四个是自动化数据采集和分析类 Agent。它会控制 OpenClaw 去操作手机 App 或网页，采集公开或半公开的数据，再结合业务规则做分析判断。比如我做过类似法拍房分析的方向：拉取房源信息、估算法拍价、参考同小区成交情况、计算装修和资金成本，再判断是否值得参与。它的问题也很明显：数据来源不稳定，合规边界复杂，重资产决策风险高。这类项目技术上能做，不代表商业上值得做，更不代表风险上划算。
所以你会发现，我做过的这些 Agent 有一个共同点：都是“野路子”。它们不是什么实验室里的漂亮 demo，而是贴着真实业务跑出来的，有的赚钱，有的失败，有的因为风险太高主动停掉。但正是这些项目让我知道，一个 Agent 项目在简历里看起来很漂亮，真正落地时会卡在哪里；也让我知道，面试官追问时，哪些回答像背概念，哪些回答像真的踩过坑。
所以我在这个专栏里不会只讲“正确答案”。我会尽量告诉你：一个方案为什么在面试里有表达价值，为什么在实践里可能不稳定，以及你应该怎么把边界讲清楚。
最后我想说AI 时代不是一个口号，它已经开始改变岗位、项目和面试标准。你可以不喜欢这种变化，但不能假装它不存在。
如果你是一名软件工程师，接下来最现实的策略不是丢掉过去的工程能力，转身去追每一个新名词；也不是守着传统经验，等市场自己回头。
更务实的选择是：把传统工程能力变成你的底盘，再补上 Agent 时代需要的新表达、新项目和新判断。这门课就从这里开始。