一个能拿到面试的 AI Agent 项目,长什么样

简历上写"使用 LangChain 开发 AI Agent 系统"，面试官为什么继续往下翻？8.11周二晚19：00，我们把一个求职级 Agent 项目整个拆开给你看

你打开招聘网站，搜"AI Engineer"，跳出来一堆岗位。

你心想，这个我能做啊——ChatGPT 我用了一年多，Prompt 写得比同事都溜，前阵子还照着教程搭过一个聊天机器人。

然后你投了。

然后就没有然后了。

一、你不是不努力，你是在三条路上原地打转

我们见过太多这样的简历。

翻开来，项目经历那一栏写着："使用 LangChain 开发 AI Agent 系统"。

一行字，句号。

面试官看到这行会想什么？他会想：所以这个系统解决了谁的什么问题？数据存在哪？Agent 卡住了怎么办？你换过方案吗？

这些问题，简历上一个都答不出来。

这节课把这种情况归成了三条路：

只学 Prompt。 你把 Prompt 写到极致，但企业招的不是会说话的人，是会做东西的人。

只追框架名。 今天 LangChain 明天 LlamaIndex，名字换了一轮，手里还是没有一个能打开给人看的项目。

只做聊天机器人 demo。 跑起来了，本地跑起来了。然后呢？没有用户、没有数据、没有部署，面试官问三句就到底了。

三条路都很努力。三条路都到不了岗位那头。

二、真正的分水岭，在你以为不重要的地方

这节课有一句话，是整场的骨架：

Agent 是招牌，后端是护城河。

意思是，让你被看见的是 Agent，但让你留下来的是后端。

会调模型的人一年比一年多，会把模型调用变成一个能上线、能存数据、能被别人用的系统的人，一直很少。

所以第三章讲的是后端底座——Python、FastAPI、uv、PostgreSQL、pgvector、Alembic。

不是名词科普。是讲清楚：为什么向量检索要放进数据库、为什么数据库结构变更要有版本管理、以及这些东西怎么在面试里变成"我不是只会写本地 demo"的证据。

第四章讲的是七个 Agent 模块——Model、Prompt、Skills、Memory、RAG、MCP、Tools。

同样不是名词科普。是讲清楚每个模块解决什么问题、什么时候需要它、以及被面试官追问的时候该怎么答。

三、这场讲座会给你什么

一次完整拆解：从项目该长什么样，到简历该怎么写，到面试该怎么讲。

① AI Agent 岗到底在招什么人
普通 AI 用户、Prompt 使用者、AI 应用开发者，中间隔着什么。

② 一个求职级项目长什么样
好项目至少要能答清六件事：目标用户是谁、解决什么痛点、Agent 工作流是什么、接了哪些数据和工具、技术难点在哪、业务价值怎么体现。

③④ 后端底座 + 七个 Agent 模块
每一块都配一条面试表达重点。

⑤ 简历怎么写，面试怎么讲
简历公式：场景 + 技术 + 工作流 + 结果。
面试讲项目的六步顺序：为什么做 → 用户痛点 → 工作流设计 → 后端怎么支撑 → 遇到什么问题怎么优化 → 继续迭代会怎么做。

⑥ 六步学习路线
从模型调用，到 FastAPI 接口，到数据库，到 RAG / Memory / Tools，到作品集展示，到面试准备。听完你知道下一步该动哪里。

全程会围绕一个真实项目【主案例待定】展开，把项目结构、API 示例、数据库表设计和 Agent 工作流全部打开。

四、先说清楚两件事

这不是代码教学课。

不会带着你一行行敲。会展示项目结构、API 示例、数据库表设计和 Agent 工作流伪代码，让你看清一个真实项目长什么样。

这也不是零基础课。

路线会尽量讲得让人听得懂，但真要把项目落地，你需要有基础编程和后端能力。

我们宁可现在说清楚，也不想你听到一半发现不是你要的。

五、谁在讲

Kerry Zheng

AI Agent 实战讲师，3 年AI Agent开发经验，参与过大型企业级项目，也参与过初创 AI 产品从 0 到 1 落地，踩过坑，也真的做出来过东西。

B 站 AI 区内容创作者，日常把 AI 技术知识讲成零基础也能听懂的版本，专注真实业务里用得上、小白也能快速上手的 AI 方法。

六、时间与报名

🗓 8 月 11 日（周二）19:00，悉尼时间
💻 线上，【平台】

名额有限，快来报名👇