Agent项目简历怎么写？别只写"调用了工具"，工具编排、错误恢复、多步规划亮点这样写

最近在知识星球 (opens new window)里看简历，发现Agent项目越来越多了。

但写法几乎都是这样：

基于大模型的智能Agent系统

• 使用Function Calling实现工具调用
• 采用ReAct循环实现推理与行动
• 基于RAG检索增强生成技术

每个词都是对的，但面试官看完不知道你做了什么决策、解决了什么问题。

Agent项目比RAG项目更难写好，因为Agent的坑更多、更隐蔽——工具调用不稳定、多步推理中断、死循环、上下文污染——这些你遇到过的坑，才是简历上最该写的。

Agent项目，面试官到底想看什么

面试官看Agent项目，不是看你会不会写Function Calling——这玩意谁不会？他看的是三件事：

1. 工具你怎么设计的？ 工具描述写清楚了没？参数定义合理不？粒度对不对？工具设计不好，Agent一定失控。
2. 推理不稳定你怎么处理的？ 多步推理出错了怎么办？工具调用失败了怎么办？死循环怎么防？这些是Agent最核心的工程挑战。
3. 你用什么模式？为什么？ ReAct？规划-执行？Workflow？为什么选这个模式不选那个？选型背后要有理由。

Agent简历的核心不是"我用了Agent"，是"我的Agent怎么做到稳定可靠的"。

Agent项目的三个技术深度维度

维度一：工具设计

工具设计是Agent项目的地基。工具描述不清楚，模型不知道什么时候该调；参数定义不合理，调用经常出错；粒度太粗，模型没法灵活组合。

反面：

• 使用Function Calling实现工具调用

面试官：几个工具？工具描述怎么写的？参数怎么定义的？调用成功率多少？

正面：

• 设计Function Calling工具编排方案，定义6类运维工具（查询/执行/回滚/通知/审批/日志），工具调用成功率从78%提升至96%

或者：

• 基于MCP协议接入3个外部数据源工具，统一工具描述格式与参数Schema，工具识别准确率从82%提升至95%

区别在哪？左边只说"用了什么能力"，右边说了"设计了什么、覆盖了什么、效果怎么样"。

维度二：推理稳定性

Agent和普通问答最大的区别就是多步推理。但多步推理天然不稳定——中间某一步出错，后续全歪了；工具调用失败，整个流程中断；上下文太长，Agent行为漂移。

反面：

• 采用ReAct循环实现推理与行动的交替

面试官：推理出错了怎么办？工具调用失败了怎么办？你处理了吗？

正面：

• 实现ReAct循环的错误恢复机制，多步推理中断后可自动重试并回退至上一稳定状态，任务完成率从67%提升至89%
• 设计结构化Prompt约束输出格式，解析失败率从35%降至5%
• 实现工具调用超时检测+降级策略，单步调用失败不影响整体任务执行

每一条都是：遇到了什么不稳定问题 → 怎么解决的 → 效果提升了多少。

维度三：Agent模式选型

Agent有好几种实现模式，你选的哪种、为什么选，能体现你的技术判断力。

反面：

• 实现了智能Agent系统

面试官：Agent和Workflow的区别你清楚吗？为什么用Agent不用Workflow？

正面：

• 选用ReAct模式而非规划-执行模式，原因：工单处理场景步骤依赖动态查询结果，无法预先规划完整执行路径

或者：

• 采用规划-执行分离架构，规划阶段生成任务DAG，执行阶段按DAG顺序调用工具，相比ReAct模式减少40%的无效推理步骤

选型有理由，面试官就知道你思考过，不是别人用啥你用啥。

完整反面/正面对比

反面：

基于大模型的智能Agent系统

• 使用Function Calling实现工具调用
• 采用ReAct循环实现推理与行动
• 基于RAG检索增强生成技术
• 采用Prompt Engineering优化模型输出

正面：

基于Agent架构的智能工单处理系统，面向企业IT运维场景，支持6类运维工具联动与多步推理任务执行

个人工作：

• 设计Function Calling工具编排方案，定义6类运维工具（查询/执行/回滚/通知/审批/日志），工具调用成功率从78%提升至96%
• 实现ReAct循环的错误恢复机制，多步推理中断后可自动重试并回退，任务完成率从67%提升至89%
• 设计结构化Prompt约束输出格式，解析失败率从35%降至5%
• 引入滑动窗口+关键信息摘要机制，解决长对话中Agent行为漂移问题

项目难点：

• 多步推理中工具调用结果不可控，引入结果校验+重试机制，调用成功率提升至96%
• 长对话上下文丢失导致Agent行为漂移，通过滑动窗口+关键信息摘要稳定Agent行为
• 工具调用偶发超时，设计降级策略：超时工具跳过并标记，后续步骤可补充调用

个人收获：

• 理解了Agent设计的核心挑战，积累了工具编排与错误恢复的工程经验

Agent项目最容易忽略的3个亮点

1、错误恢复机制

这是Agent项目最有价值的技术点，但几乎没人写。Agent翻车是常态，你怎么兜底？重试？回退？降级？写出来，面试官就知道你不是只会跑Demo。

2、工具粒度设计

工具不是越多越好，也不是越细越好。你怎么划分工具边界的？为什么这个操作是一个工具而不是两个？工具描述怎么写的才能让模型准确识别？这体现了你的系统设计能力。

3、防死循环

Agent最怕死循环——模型反复调用同一个工具、在两步之间反复横跳。你怎么检测的？怎么中断的？怎么引导Agent走出循环？这是生产环境必须解决的问题。

Agent和RAG项目简历的核心区别

很多录友搞不清Agent和RAG项目简历的区别，这里说清楚：

RAG项目写的是检索链路上的决策——Chunk怎么切、检索怎么优化、幻觉怎么降。核心是"检索质量"。

Agent项目写的是推理链路上的稳定性——工具怎么设计、错误怎么恢复、死循环怎么防。核心是"任务完成率"。

同一个项目如果既有RAG又有Agent，把RAG部分和Agent部分分开写，别混在一起。

一张表总结

维度	写什么	不写什么
工具设计	几个工具、怎么定义、调用成功率多少	"使用了Function Calling"
推理稳定性	出错怎么恢复、完成率多少	"采用ReAct循环"
模式选型	为什么选这个模式、和替代方案的对比	"实现了Agent系统"

Agent项目简历的核心：不是展示你用了Agent，是展示你的Agent怎么做到稳定可靠。

下一篇讲微调项目简历怎么写。