第 1.2.5 节：把学习路径沉淀成作品集能力证据
这一节把前面完成的材料收束成可展示、可复盘的交付件。完成本节后，你应该能够把学习路径与能力整理成证据材料、复核标准和可展示检查项。
本节交付物与面试讲法
练习题
基础练习
用七层能力地图分析“AI（人工智能）客服”项目。每一层至少写出 2 个需要解决的问题。
项目练习
设计一个 create_support_ticket 工具的输入输出结构。要求至少包含用户 ID（编号）、问题分类、问题摘要、优先级和处理结果。
挑战任务
选择一个你熟悉的业务场景，把它拆成：
- 模型层风险。
- Prompt（提示词）层约束。
- 工具层接口。
- 数据层来源。
- 编排层状态。
- 服务层部署方式。
- 交付层验收标准。
面试官追问与回答要点
能力地图背后最容易被追问的是“你为什么这样分层，以及每层怎么验收”。
| 追问 | 回答要点 |
|---|---|
| 你为什么把 Prompt 和数据层分开？ | Prompt 负责任务和输出契约，数据层负责资料处理、权限和检索来源；混在一起会导致回答无依据、难更新。 |
| 如果只做一个聊天页面，算不算 Agent（智能体）项目？ | 不一定。要看是否有目标推进、工具调用、状态、边界和失败兜底。只有页面不能证明 Agent 工程能力。 |
| 为什么 Mock（模拟）模式也算能力？ | Mock（模拟）让流程、字段、权限和失败样例可稳定验证，不依赖真实模型额度，是测试和交付的基础。 |
| 你最先补哪块能力？ | 先补能支撑客服工作台闭环的能力：模型调用、结构化输出、工具契约、状态日志、失败兜底，然后再扩展 RAG（检索增强生成）和 MCP（模型上下文协议）。 |
| 如果客户只要快速上线，哪些能力不能省？ | 身份权限、资料来源、工具边界、日志、失败兜底和人工转接不能省；可以先缩小功能范围。 |
面试题和推荐回答
| 面试官可能问 | 推荐回答要点 | 常见扣分点 |
|---|---|---|
| AI Agent 工程师和普通后端工程师最大的差异是什么？ | 普通后端更多处理确定逻辑，Agent 工程师要把不确定的模型输出纳入确定的工程边界，重点是上下文、工具、状态、评估、日志和失败兜底。 | 只说“会调用大模型”。 |
| 为什么只会 Prompt 不足以交付 Agent 项目？ | Prompt 只能影响模型行为，商业项目还需要数据、工具、权限、服务、部署、测试和验收。 | 把 Prompt 当万能解法。 |
| 为什么 RAG 项目失败经常不是模型问题？ | 资料质量、分块、元数据、权限、检索、重排和引用都会影响效果，模型只是最后生成环节。 | 只说“换更强模型”。 |
| 为什么 AI 项目必须设计 Mock（模拟）模式？ | Mock（模拟）模式让无密钥学习、自动化测试和流程验证不依赖真实模型，也能稳定复现失败。 | 认为 Mock（模拟）只是临时假数据。 |
| 商业项目中的验收标准应该如何影响系统设计？ | 验收样例会反推字段、日志、测试、资料范围和转人工规则。没有验收标准，系统容易变成不可证明的 Demo（演示）。 | 只讲技术实现，不讲客户验收。 |
| BOSS（招聘平台名称）岗位常要求 MCP 和多智能体，怎么准备？ | 先掌握 Tool Calling（工具调用）和状态管理，再理解 MCP 如何标准化工具生态，LangGraph（智能体状态图框架）如何表达多步骤流程。 | 直接背框架名，不讲底层问题。 |
| 如何把客服 Agent 项目写进简历？ | 用“业务问题 + 技术方案 + 风险控制 + 量化验收 + 复盘”表达，例如资料问答、订单查询、工单创建、转人工、日志追踪。 | 写成“使用某框架完成智能客服”。 |
| 如果你目前没有真实企业项目，如何补作品集？ | 做可展示的模拟业务闭环，资料、工具、权限、日志和验收样例都要完整，明确说明数据是模拟。 | 伪造真实客户或夸大上线状态。 |
本章交付物
| 交付物 | 本章产出 |
|---|---|
| 系统流程图 | 七层能力学习路径图。 |
| 字段契约表 | 能力证据字段契约，可用于作品集和面试。 |
| 失败与兜底表 | 能力缺口、项目表现、学习兜底和面试说法。 |
| 面试讲法 | 能把岗位要求翻译成模型、Prompt、工具、数据、编排、服务和交付能力。 |
小结
AI Agent 工程师不是单一技能岗位，而是模型能力、软件工程和商业交付的组合。你不需要一开始就成为所有领域的专家，但必须知道每一层会如何影响项目成败。
本书后续章节会沿着这张能力地图逐步展开。学习时不要只追求“代码能跑”，还要不断追问：这个系统能不能验收、能不能维护、能不能上线给真实用户使用。