先说结果：我本科人工智能专业，毕业后第一份工作偏运维，投简历石沉大海 3 个月，秋招面了几轮，现在拿到了深圳某公司 Agent 开发岗的 Offer，薪资 15K。
对我这个背景来说，挺满意了。
但说实话，三个月前我根本不是这个状态。
如果你也在准备后端 + AI 或者 Agent 方向，这篇文章我想讲清楚一件事：真正让我拿到 Offer 的，不是多刷了多少教程，而是想明白并做对了 5 个改变。
01 最迷茫的时候，我连该学什么都不知道
刚决定转 Agent 方向的时候，我犯了一个很多人都会犯的错：看到 "Agent" 三个字，就只学 Agent。
今天看 LangChain 教程，明天学一个新框架，后天又去刷 MCP 的概念。笔记记了一大堆，真到面试的时候，面试官问一句 "你这个项目的请求链路怎么走"，我当场卡住。
投出去的简历也石沉大海。偶尔有回复的，面完就没有然后了。
那段时间最焦虑的不是学不会，是不知道自己学的东西面试到底考不考。MySQL 索引到底要不要深入看？RAG 的重排算法需不需要手推？后端并发问到什么程度算够？全是问号。
后来我才想明白一件事：Agent 岗根本不是一个统一的岗位。
同样叫 "Agent 开发工程师"，不同公司考察的重点完全不一样。
有的岗位本质是 AI 应用开发，重点考 Tool Calling、MCP、RAG、Memory、Workflow、多轮状态维护。面试官关心的是模型怎么选工具、参数怎么生成、工具结果怎么反馈、什么时候转人工。
有的岗位更像后端加大模型业务，重点就回到了 Java/Go 基础、MySQL、Redis、并发、消息队列、网络。尤其是 MySQL，索引、B+Tree、联合索引、覆盖索引、回表、MVCC、事务隔离、慢 SQL 排查，每一个都能被连续追问三层。
所以第一步不是学，是先看 JD，判断这个岗位到底偏什么，再决定怎么准备。
02 我踩过最大的坑：教程跑通了，不等于项目会了
这是我前期浪费时间最多的地方。
跟过不少教程，很多教程会带你完成一个简单的工具调用，或者按固定步骤把一个流程跑通。对理解概念有帮助，但问题是，这种 Demo 和面试里真正追问的企业项目，中间隔着一条巨大的鸿沟。
面试官很少问 "你会不会调用工具"。他会问：
- 为什么这么设计？
- 请求链路怎么走？
- 状态放在哪里？
- 工具失败怎么重试？
- 如何避免重复执行？
- 知识库召回不准怎么排查？
- 大文件入库为什么要异步？
- 线上出了问题怎么定位？
这些问题一出来，只跟教程把 Demo 跑通是完全不够的。
后来我才意识到，项目学习不能只看最终效果，要把整个链路拆开。
一个 RAG 项目，要真正理解从文档上传、解析、Chunk、Embedding、向量入库，到召回、融合、重排、上下文拼接、最终生成的每一步。
一个 Agent 项目，要理解从用户问题进入 Runtime，到知识检索、工具选择、参数生成、执行反馈、多轮状态维护、人工接管的完整流程。
知道每个模块为什么存在，比知道怎么调用 API 重要一百倍。
03 转折点：路线清晰了，进度就快了
我自己摸索了快两个月，进度非常慢。不是学不会，是没有体系。
后来经朋友推荐认识了王中阳，阳哥。第一次通话，他没有直接给我甩资料，而是先问了我三个问题：你目标城市是哪？你学历和基础什么情况？你之前做过最接近开发的项目是什么？
然后他帮我做了一个判断：以我的背景，从 RAG 和 Agent 应用切入，结合 Go 后端工程化，是最现实的路线。不要去碰模型训练和算法，那不是我的优势。
接下来的事情就顺了很多。
他把后端、数据库、Redis、RAG、Agent 这些模块按优先级排好，每个阶段配对应的资料和练习。不是今天看一点 LangChain，明天又去学一个新框架，而是一条线走到底。
项目阶段对我帮助最大。不是那种 "帮你把项目代做出来" 的模式，而是晚上开项目会，围绕当前实现、遇到的问题、下一步研发进行复盘。
我印象最深的一次，是我做 RAG 检索模块的时候，召回率一直上不去。阳哥没有直接告诉我答案，而是让我先把召回的 Top20 结果打出来，一条条看哪些是相关的、哪些是噪声，然后再问我：你觉得问题出在 Chunk 策略还是 Embedding 模型？
那一瞬间我突然明白了，真实的工程研发不是背答案，是学会定位问题。
项目也尽量按照企业实际链路去拆，异步任务、缓存、权限、多租户、检索治理、工具调用、可观测性，这些东西教程里不会教，但面试一定会问。
04 简历和源码必须对应，否则一追就露馅
面试到后面我越来越明显地感觉到：简历写得多不一定是好事，写进去的每一个技术点都可能成为下一轮追问的入口。
我亲身经历过几次：
简历写了 RRF，面试官问：为什么不用直接加权融合？RRF 的 k 值你怎么定的？
写了 Redis Stream，追问：ACK 机制怎么设计？Pending 列表里的消息消费者挂了怎么办？
写了动态 TopK，问：到底依据哪些指标动态调整？阈值怎么定的？
写了 MCP，继续问：工具注册怎么做的？参数校验在哪一层？调用失败怎么降级？
所以我后来总结了一套准备方法：简历主张，代码证据，设计原理，面试答案，连续追问。
简历上的每一句话，最好都能找到对应代码，能讲出入口、调用链、为什么这么设计、异常情况下怎么处理。
对我来说最大的变化不是把简历 "包装得更厉害"，而是逐渐知道怎么把自己真正做过和理解过的东西表达清楚。
05 几轮面试下来，企业到底在考什么
面了几轮之后我发现，很多问题其实并不偏，反而非常实际。
后端方向会问：MySQL 慢查询怎么定位？Redis 缓存怎么设计？Go 并发出了问题怎么查？
RAG 方向会问：Chunk 到底怎么切？Embedding 用的什么模型？召回效果怎么评估？
Agent 方向会问：Tool Calling 失败怎么办？Workflow 和自主 Agent 怎么选？上下文越来越长怎么处理？
这些问题的共同点是：它们不只考概念，而是在判断你到底有没有参与过真实研发。
我面深圳那家公司的时候，三轮技术面，几乎没有问 "什么是 RAG" 这种定义题，全是场景题。比如给你一个业务场景，让你设计一个 Agent 系统，要求支持多工具调用、失败重试、人工审核介入。然后从你的设计里继续追问细节。
好在项目阶段把这些链路都拆过，答的时候心里有底。
写在最后
从一开始方向不明确、投简历石沉大海，到现在真正把后端 + AI/Agent 作为后续发展方向，我觉得这段准备很有价值。
如果用一句话总结这次秋招：先选对方向，再把基础和项目做深。
Agent 这个方向变化很快，但真正能让你在面试里站得住的，最后还是扎实的工程能力和真实的项目理解。
如果你也在准备后端 + AI 或者 Agent 方向的面试，或者简历投出去没回音，可以微信我：wangzhongyang1993，我把这篇文章里提到的所有面试题和追问场景整理成的 PDF 发你。
