1、自我介绍2、项目介绍3、Agent 的核心组成是什么LLM Agent 本质上不是单独一个大模型，而是由模型、提示策略、工具、知识、记忆和执行接口组成的系统。可以概括成：[Agent = LLM + Prompt + Tools + Knowledge + Memory + Interface]其中 LLM 负责理解和生成，Prompt 决定任务边界和行为方式，Tools 负责访问外部能力，比如检索、地图、计算、数据库和 API，Knowledge 负责补充外部知识，Memory 负责保留短期上下文和长期用户信息，Interface 则负责把 Agent 和外部系统连起来。如果任务比较简单...

本人双非本，大佬们能不能来帮我看看我简历哪里有问题，真的很努力地写了，可boss上投好多已读不回😓😓，要么直接说不合适，小中大厂都投了

最近在准备找第二段实习，主要方向想转向 Agent / 智能体开发。目前已经学习了 SpringAI 和 langchain等技术栈，完成了一个支持自定义工作流的项目，能够理解整体架构设计与执行逻辑，具备一定的智能任务编排思路。希望大佬们看看我的简历！

一、项目经历与基础了解二、RAG 系统设计你重构的检索增强架构，整体数据是如何设计的？文档上传后是直接做向量化吗？流程是怎样的？向量化用的是哪个模型？是怎么转化成向量的？向量化调用了哪个第三方 API？向量检索和关键词检索为什么要结合使用？重排策略是怎么设计的？用了什么算法？有没有验证过重排效果？双方召回后，最终的排序是如何融合的？如果 RAG 系统上线后用户反馈不准确，你会从哪些维度排查和优化？三、MCP 工具调用与 Function Call 区别你实现的 MCP 工具调用是怎么做的？MCP、Function Call、手写提示词拼接、Skill 这些分别在什么场景使用？有什么区别？Fun...