【三个月 AI Agent 实战学习】 Day 53：第五阶段启动 —— 作品集整合与简历撰写

Day 53第五阶段启动 —— 作品集整合与简历撰写欢迎来到第五十三天恭喜你完成了前四个阶段的全部学习你已经从零基础成长为能够独立构建多智能体系统的开发者。从今天起我们进入第五阶段——综合实战与求职准备。这个阶段的目标很明确把你过去 52 天积累的项目、代码和知识转化为一份有竞争力的作品集和简历让你在 AI Agent 开发岗位上具备真正的求职能力。今天我们将完成两件事梳理作品集和撰写简历中的项目经验。一、今日学习目标回顾并盘点前四个阶段的所有项目筛选出最适合放入作品集的 4-5 个。为每个项目撰写标准化的项目描述背景、技术栈、个人贡献、成果。学习如何将项目经验转化为简历中的高质量 bullet points。完成一份针对 AI Agent 开发岗位的简历初稿。了解 AI Agent 岗位的常见面试考察点为后续模拟面试做准备。二、详细实现步骤步骤 1盘点你的项目资产回顾过去 52 天你完成的主要项目有阶段项目技术栈亮点第一阶段命令行翻译软件OpenAI SDK、Prompt、JSON 解析结构化输出、重试机制第一阶段全自动日报生成器LangChain、PydanticOutputParser非结构化→结构化、文件输出第二阶段数学专家 AgentLangChain AgentExecutor、ReAct工具调用、多步推理第二阶段网络爬虫 Agentrequests、BeautifulSoup、ReAct真实世界工具、错误处理第二阶段多功能路由助手RunnableBranch、意图分类路由分发、多链协作第三阶段带记忆客服 AgentChroma、SQLite、记忆抽取/更新/遗忘长期记忆、记忆感知、真实工具第四阶段内容创作团队CrewAI角色分工、Task 依赖第四阶段市场调研分析团队CrewAI、Pydantic结构化输出、复杂流程第四阶段投资辩论赛AutoGen GroupChat自定义发言顺序、终止条件第四阶段迷你软件公司CrewAI、代码执行、迭代修复闭环迭代、工具共享筛选原则优先选择完整度高、有真实业务场景、体现技术深度的项目。每个项目应体现不同的能力维度如 RAG、记忆、多智能体、工具调用。避免项目同质化如两个都是简单的 ReAct Agent。推荐作品集组合4 个带记忆的智能客服 Agent第三阶段——体现记忆系统、RAG、真实工具整合。迷你软件公司第四阶段——体现多智能体协作、迭代闭环、代码生成。投资辩论赛第四阶段——体现 AutoGen GroupChat、辩论模式、决策分析。网络爬虫 Agent 或市场调研团队二选一——体现真实世界工具或结构化调研能力。步骤 2为每个项目撰写标准化描述每个项目按以下模板撰写用于 README 和简历素材## 项目名称带记忆的智能客服 Agent ### 项目背景 传统客服机器人无法记住用户历史每次对话都从零开始导致用户体验割裂。 本项目旨在构建一个能跨会话记住用户偏好、历史问题的智能客服系统。 ### 技术栈 Python、LangChain、DeepSeek API、智谱 Embedding、Chroma、SQLite ### 核心功能 - 长期记忆自动从对话中抽取事实/偏好/事件存入向量库 - 记忆检索基于 MMR 元数据过滤精准召回相关记忆 - 记忆更新支持偏好变更、矛盾检测、软删除 - 真实工具订单查询、物流追踪、工单创建 - 记忆感知对话前自动注入相关记忆对话后自动更新 ### 个人贡献 - 设计了短期记忆 长期记忆的双层架构 - 实现了基于 LLM 的记忆抽取管道准确率约 85% - 设计了记忆冲突检测机制语义相似度 LLM 判断 - 集成了 SQLite 订单数据库和模拟物流 API ### 成果 - 支持 5 轮以上多轮对话记忆召回准确率 90% - 代码开源github.com/xxx/customer-service-agent步骤 3将项目转化为简历 Bullet Points简历中的项目描述要简洁、量化、突出技术深度。每个项目 2-4 条 bullet points使用 STAR 法则情境、任务、行动、结果的变体。示例带记忆的智能客服 Agent- 基于 LangChain DeepSeek 构建带长期记忆的电商客服 Agent支持跨会话记住用户偏好与历史问题 - 设计短期记忆消息窗口 长期记忆Chroma 向量库 SQLite双层架构实现记忆的自动抽取、检索、更新与遗忘 - 实现基于 MMR 和元数据过滤的记忆检索策略记忆召回准确率达 90% - 集成订单查询、物流追踪、工单创建等真实工具完成端到端客服场景闭环示例迷你软件公司- 基于 CrewAI 构建多智能体软件开发模拟系统包含产品经理、架构师、程序员、评审员、测试员五个角色 - 设计需求→设计→编码→评审→测试→迭代修复的闭环流程测试不通过时自动触发修复迭代 - 实现代码执行工具让测试员可实际运行生成的 Python 代码并验证功能 - 在 3 轮迭代内将生成代码的测试通过率从 60% 提升至 100%示例投资辩论赛- 基于 AutoGen GroupChat 构建多智能体投资辩论系统包含死多头、大空头、裁判三个角色 - 自定义发言选择函数控制辩论节奏实现交替发言 裁判阶段总结 最终裁决的流程 - 设计结构化裁决输出和自定义终止条件避免无限辩论 - 支持辩论记录自动保存为 JSON/Markdown便于复盘分析撰写要点用动词开头构建、设计、实现、集成、优化。量化成果准确率、轮次、通过率、响应时间。突出技术关键词LangChain、ReAct、RAG、Chroma、MMR、CrewAI、AutoGen、GroupChat。每条 bullet 不超过两行避免冗长。步骤 4撰写简历初稿AI Agent 开发岗位简历结构【个人信息】 姓名 | 电话 | 邮箱 | GitHub | 求职意向AI Agent 开发工程师 【专业技能】 - 大模型应用Prompt Engineering、Function Calling、ReAct、CoT、RAG - 框架LangChain、CrewAI、AutoGen - 记忆系统短期记忆管理、长期记忆向量库 结构化存储、记忆抽取与更新 - 向量数据库Chroma、FAISSEmbedding智谱、OpenAI - 工具与工程Python、SQLite、Git、LangSmith、FastAPI可选 - 模型 APIDeepSeek、OpenAI、智谱 GLM 【项目经验】 按上述 bullet points 排列 3-4 个项目 【教育背景】 学校 | 专业 | 时间 【其他】 - 技术博客xxxReAct 技术博客链接 - GitHubxxx包含 10 个 AI Agent 项目注意事项如果没有正式工作经验项目经验就是核心放在最显眼的位置。技能列表要与项目经验呼应不要写项目中未体现的技能。GitHub 仓库要整理干净每个项目有完整 README。技术博客是加分项体现你的总结和表达能力。步骤 5整理 GitHub 仓库你的 GitHub 应该有清晰的仓库结构。建议github.com/yourname/ ├── ai-agent-learning/ # 学习历程仓库可选 │ ├── week1_basics/ │ ├── week2_advanced/ │ ├── week3_memory/ │ └── week4_multi_agent/ ├── customer-service-agent/ # 独立仓库带记忆客服 ├── mini-software-company/ # 独立仓库迷你软件公司 ├── investment-debate/ # 独立仓库投资辩论赛 ├── web-scraper-agent/ # 独立仓库爬虫 Agent └── market-research-crew/ # 独立仓库市场调研团队每个仓库的 README 应包含项目简介架构图可用 Mermaid 或文字描述技术栈运行指南安装依赖、配置环境变量、启动命令示例输出/截图项目亮点步骤 6了解 AI Agent 岗位面试考察点为后续模拟面试做准备先了解常见考察方向考察维度常见问题基础原理ReAct 和 CoT 的区别Function Calling 的原理记忆系统短期记忆和长期记忆如何设计如何防止 Token 超限RAG文档切分策略如何提升检索准确率MMR 是什么多智能体CrewAI 和 AutoGen 的区别什么时候用多智能体工程实践如何调试 Agent 的死循环如何评估 Agent 的效果项目深挖你项目中最大的挑战是什么如何解决的系统设计设计一个带记忆的客服系统你会怎么架构三、常见问题与调试Q1项目太多简历放不下怎么办→ 精选 3-4 个最有代表性的项目。其他项目可以在 GitHub 中展示简历中只放精华。也可以在简历中写更多项目见 GitHub。Q2项目没有量化数据怎么办→ 可以补充简单的评估例如测试了 20 个查询检索准确率 85%、“迭代 3 轮后测试通过率 100%”。即使是小规模测试也比没有数据好。Q3GitHub 仓库代码很乱需要重写吗→ 不需要重写但需要整理删除无用文件、补充 README、确保代码能运行。可以加一个.gitignore忽略.env和__pycache__。Q4没有技术博客怎么办→ 把 Day 35 写的 ReAct 博客发布到知乎/掘金/CSDN或者在 GitHub 仓库中放一个blog/目录。博客不需要很长重点是展示你的理解。Q5简历中的项目描述和实际代码不一致怎么办→ 确保简历中的每个技术点你都能在代码中找到对应实现。面试官可能会追问细节不要写自己没做过的功能。Q6如何让简历通过 HR 筛选→ 关键词匹配很重要。JD 中出现的词LangChain、RAG、Agent、多智能体、Prompt要在简历中自然出现。同时量化成果和项目亮点要放在显眼位置。四、今日总结与作业今天你完成了✅ 盘点了前四个阶段的所有项目筛选出 4 个作品集项目。✅ 为每个项目撰写了标准化的项目描述。✅ 将项目经验转化为简历中的高质量 bullet points。✅ 完成了 AI Agent 开发岗位的简历初稿。✅ 了解了面试常见考察点。今日作业必做完成你的简历初稿可以用 Markdown 或 Word包含个人信息、专业技能、3-4 个项目经验、教育背景。保存为resume.md。为你的 4 个作品集项目分别创建独立的 GitHub 仓库或整理现有仓库确保每个仓库有完整的 README、.gitignore、requirements.txt并且代码能正常运行。将 Day 35 的 ReAct 博客发布到至少一个技术平台知乎/掘金/CSDN并在简历中加上链接。思考题如果面试官问你你项目中最大的技术挑战是什么你会选哪个项目、哪个挑战来回答请用 150 字以内准备你的回答。明日预告我们将进行第一轮模拟面试重点考察基础原理和项目深挖。我会扮演面试官向你提出 10 个高频问题并给出参考答案和点评。请准备好你的简历和项目代码明天我们实战演练有任何问题欢迎评论交流