本文目录
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。一种便于理解控制流的做法是从最小 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:常见 RAG 可以是线性检索问答链,也可以包含多步检索;Agent 可以由模型或确定性工作流编排工具、分支与状态,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。两者会重叠,复杂度取决于任务,不能据“Agent”标签断言项目更难或更有价值。