如何在零项目经验的前提下准备LLM和Agent方面的经验

本人最近开始面试AI方面的求职者，具体的要求是，要用过LLM和Agent，当然最好再用过Rag，关键是要有真实项目的经验。

本人结合最近的工作经验和面试官的相关经验，先说如下的观点。

1 当下确实有不少系统教程和视频讲如何跑通一个LLM，甚至还包含Agent和Rag，或者有些是基于低代码的coze之类的框架，这些案例和技术入门不难，但不足以让求职者找到AI的工作。

2 要证明自己有AI方面的项目乃至架构经验，在之前零基础的情况下依然可以做到，但不能仅证明自己调用接口，也不必要证明熟悉LLM底层（如transformer模型）方面的算法和细节，而是第一要讲清楚相关语法细节，第二要有优化模型产出准确率的经验。

当然这些话要说在前面，如果零Python基础，直接上手要准备AI方面的LLM和Agent经验，这很难，基本上是，还是需要先了解下AI Agent相关概念，（这不难，大概1,2天就能做好），同时在自己的电脑上跑通LLM相关案例。

同时，要用真实的场景来驱动，比如想象一个场景，某项目要回答生产或销售方面的问题，只是产生结果这仅是第一步，之后要通过调整Rag参数，用训练集评估模型，来优化模型，再进一步还要部署和上线模型。

以下是具体的做法。

1 从调用API，进阶到理解LLM模型的工作流程和能力边界。

这个阶段，不能再把LLM当黑盒，不能因调通API实现功能就浅尝则之。当然也不必要去了解底层transformer模型的数学原理和细节，但需要了解和调优和提升正确性的必要参数。

比如是把文字转成机器能理解的向量过程，即向量化或Embedding ，如何通过余弦相似度来对比信息相似度。

在Rag层面，需要在调用API的基础上，理解Rag不仅是知识库，而要理解如何解决Rag幻觉，再进一步，要知道如何用Rag从海量信息中找到上下文的技巧，比如知识搜索和信息分块。同时，再去看下ReAct模式如何实现思考+搜索信息库的流程。

这块的实践技巧是，比直接调用LangChain提供的接口，可以自己用sentence-transformers库进行加文档切块，再把生成的向量存到Faiss等本地向量库。

针对用户的提问，可以手写一套代码来检索向量库，把得到的结果整合提示词（prompt），再调用OpenAI的接口生成返回结果。

做好这点以后，你甚至都能知道这块面试官会问什么，会从哪些点来确认相关技能的真实经验。而且你由于踩过些必要的坑，哪怕之前零项目经验，也都能说些解决问题的细节，比如基于Rag的检索结果和问题不匹配该从哪些方面去调优。

这样一来，再包装个项目经验公司经历，至少能证明自己用过LLM,Rag和Agent。

2 继续细化真实的场景，围绕细节准备优化和解决问题的说辞。

如果能做到第一点，一般能证明自己具有真实AI Agent的经验，如果连第一点都做不到，仅是跑通项目，那对不起了，估计甚至连调用接口的经验也未必能证明。

但为了进一步去挑战高级Agent方面的岗位，甚至是架构级别的岗位，或许更要结合场景。比如你之前简历写的是一个科技公司，这个科技公司为某大公司或政府平台，做了个智能财务（或税务）分析系统。

结合这个场景，可以准备或实践如下方面的问题。

2.1 这个系统会收到不少pdf或其它格式的财报或其它类文件，你说在这个项目里，你搭建的Agent是能解析这些文档，回答一些问题。

比如可以回答，根据税务法，根据A公司的各种财务数据，该缴纳多少税，报税单该如何填写和生成。

2.2 围绕这些问题，你所做的Agent就需要处理多模态数据，比如用OCR解析文档里的图片或发票，或直接解析pdf里的格式。

这时你就要手动写一些数据清洗和补全的规则。或者是在Rag优化层面，就不能用简单的检索方式，或许更要用到Multi-Query Retriever（多查询检索）和知识图谱。

而且LLM模型本身仅限于是文字方面的工作，一些数学计算方面的事情还得自己做，比如此时就要用到Function Calling，具体是，自己需要定义些数据统计和数据分析的方法。

这个过程中可能会遇到的问题是，LLM模型为什么没有按逻辑代码所定义的那样调用期望的工具方法，或者是要自己实现ReAct来定义和管理复杂的执行流程。这些说起来或许很玄乎，但做一次后应该都能清楚，知道能知道该怎么说。

2.3 最后还需要量化评估所生成模型的准确性。

简单的方法可以是搭建评估集，即找50份真实文档，然后根据财务方面的知识，设计出100个左右的问题，就去看回答正确性。

或者用Ragas等工具，确认回答相关性等指标。此时就会发现第一个版本所设计出来的模型需要改进的点太多，比如Rag的搜索方法不对，甚至是评估集不行导致过拟合。

2.4 体现在面试层面，哪怕你没有真实经验，但就在自己电脑上跑通并简单调优后，至少能给出如下的说明点。

比如解析PDF和多模态时你遇到的问题以及解决方法，或者是不同Rag策略的量化和评估过程。总之可以围绕一个点，你是如何把这套基于Agent系统的准确率，从50%提升到80%。

这样不仅能证明你真做过Agent项目，而且还能证明你解决实际问题，有调优经验。这样的求职者，如果有本科学历的话，放现在应该可以拿到3万月薪。

3 更要围绕上线和落地，补全学习项目的短板。

说实话，如果没参与过真实项目，凭学习项目，很难说清楚模型上线的方式和流程，但这块并不是无法弥补。相关做法是，就去看网上人家怎么做的。

比如是如何用云或各种工具部署模型，部署后，向量数据库放哪里，如何开放接口让人家调用。

再进一步，比如LLM的调用是按token收费的，你可以准备下如何优化成本的说辞，比如缓存策略，或者是从业务角度如何优化Agent的调用链路。

或者是如何用微调后的本地模型来替代对于OpenAI的调用，以及如何优化提示词（prompt）的结构来优化token成本。

再进一步，可以通过引入LangSmith和wandb 等监控工具，追踪每一次调用的Prompt、中间各环节以及token的消耗位置，这样不仅在出问题后能定位问题所在，比如能定位是检索失效还是工具调用有问题，而且还能制定优化的策略。

最后本人想说的是，一般如果在面试时，围绕以上的三个方向，从“实现功能”，“优化准确性”和“部署和监控”三个方面讲技术和流程，基本上能证明自己的相关经验。

这部分需要说的话不多，基本上面试官能用20分钟的时间能确认求职者的真实能力，再啰嗦一下，其关键点是，结合业务，围绕优化（功能和性能方面的优化），再结合技术讲细节。但如果单纯讲功能实现，很难证明自己做过真实项目。

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！