怎么应对agent项目相关的面试

实习每天写点mcp tool，搭搭server，langgraph实现一下agent工作流，不知道秋招简历上要怎么样去写，写自己搭了个智能体也不知道怎么描述，而且也没有深度

现在的 Agent 面试，已经过了“比谁会写 Prompt”的阶段了。说实话，现在的实习生如果只会调个 LangChain、写两段 System Message，在我这儿大概率是过不了初筛的。我想换个视角，带大家看看面试官在听你回答那些“高频题”时，脑子里到底在过滤什么。1. 关于架构：别光背那个“四元组”大家现在都能背出 Agent 的四大要素：规划、记忆、工具使用、执行。但我面试时更想听的是：你为什么不用传统的 Workflow（工作流）？很多同学的项目，明明用一个简单的 IF-ELSE 逻辑就能跑通，非要套个大模型的“自主规划”。在我看来，这不叫专业，这叫“为了用 AI 而用 AI”。我...

之前一直走的是前端，后来慢慢对 agent 感兴趣，就开始跟着网上的教程学 RAG、LangChain，也看了一些开源项目。学了一段时间之后，寒假开始投实习，比较幸运，最后顺利去了 深信服做上下文工程相关的实习。这是我第一次真正接触企业级的 agent 系统。最大的感受是： 以前自己做的项目，真的只能算 toy project。真实跑在企业里的智能体，其实一点都不“魔法”。它背后需要大量的中间件、工程化设计和系统架构来兜底，而不是一个 prompt 或一个 demo 就能解决问题。在这个过程中学到了很多之前几乎不会接触的东西，比如 K8s、Pulsar 这种偏基础设施和系统层的技术，也第一次意识到： Agent 落地，拼的不只是模型，而是完整的工程能力。

ai应用开发作为新兴岗位，许多同学对于其岗位构成，岗位职责等都尚有些模糊，因此我将我在相关实习中的工作内容进行简单总结，抛砖引玉，以期能对大家有一些帮助。项目背景 我在公司中做的最主要的项目即合同文档智能审核系统，这个是企业风控及降本增效的核心组件之一，传统Java微服务架构下，敏感词审核、错别字校验、风险分析等模块存在服务耦合度高、AI能力集成成本高、策略调整需全量发布的问题。MCP（Model Context Protocol）作为标准化工具调用协议(即JSON-RPC协议)，结合multi - Agent架构可实现工具层与业务逻辑层解耦，既保留微服务模块化优势，又提升系统对AI能力的适配...