绵阳市商业银行软开

大家好，我是@程序员花海。最近后台好多同学问我，跟着网上教程把 Agent Demo 跑通了，RAG、工具调用、多轮对话都能实现，为什么一投简历没回音，面试稍微深挖一点就接不住？今天不聊通用学习路线，也不堆砌专业名词，就以我司做 AI Agent 的真实日常，跟大家掏心窝讲实话。企业里正经落地的业务级 Agent，和大家自己在家跟着教程写的 Demo，根本不是一个层级的东西，逻辑、标准、侧重点完全不一样。先说实话，绝大多数同学自学做的 Agent，只能叫可运行 demo，离公司线上真正能用的业务系统，差得不是一点半点，是整套工程化思维和落地标准的鸿沟。先说下很多人自学做 Agent 的常态。找...

如果给公司写点评，我会这么写：下午茶不错，零食很多，工位很舒服，但工作和生活之间几乎没有门。公司福利乍看真的很香。冰箱里永远有饮料，茶水间每天补零食，晚上加班还能报销宵夜。刚开始我特别吃这套，觉得公司至少在“照顾员工”这件事上做得不错。后来慢慢发现，这些福利背后的潜台词是：你最好在公司待久一点。最明显的是消息边界。白天群里聊需求，晚上10点还在群里接龙改方案，周末一条“你有空的时候看一下”能让你半天心里不踏实。最烦的是，这种工作方式不会明着说要占用你私人时间，但会让你形成一种默认在线的习惯。有段时间我甚至洗澡都把手机放在旁边，怕错过消息。后来有次我妈给我打视频，问我最近是不是很忙，怎么连说话都在看手机。我那一瞬间才意识到，原来工作已经把我切得这么碎了。所以如果按大众点评来写，我会评价：赠品很多，隐形消费也不少。适合现阶段愿意all in工作的人，不太适合下班后还想完整做回自己的人。

绷不住了

1. 怎么把 RAG 接入到你的 Agent 执行链路里的？是在调用工具之前先检索，还是在生成结果之后再做校验？我们的 RAG 是通过 Spring AI 的 Advisor 接入到 ChatClient 的：模型调用前在 before() 做向量检索，把命中文档拼成上下文注入 prompt；模型生成后在 after() 把命中文档回写到响应 metadata 便于追踪。当前是“先检索再生成”的 pre-RAG，并没有单独做生成后的事实校验，后续可以增加 verifier 节点来做 post-check。2. MCP 是完全自研的吗？和市面上成熟的 Agent 框架相比，你的方案在扩展性上有什...