校招必看！Agent应用研发工程师简历模板：RAG系统优化+Prompt Engineering实战

这类岗位的简历应该怎么写

根据招聘信息，度小满科技（北京）有限公司本次秋招的 Agent应用研发工程师 岗位，要求本科及以上学历，工作地点在北京或上海。岗位摘要明确指出：负责企业级 Agent 平台架构设计与研发、RAG 系统关键链路优化，参与 Agent 工作流引擎建设，跟踪大模型与 Agent 前沿技术并快速验证创新场景。 这意味着简历必须紧扣大模型 Agent 和 RAG 系统两大技术方向，突出工程落地能力，而非泛泛罗列课程知识。

简历核心要点

• 技术栈匹配度：精通 Python，熟悉 Java 或 Golang 之一，深入理解 Prompt Engineering、RAG、Agent 核心，最好有 LangChain、LlamaIndex、Dify、FastGPT 等框架的实践经历。
• 项目成果量化：不要只说“参与了RAG系统开发”，而要写“优化了检索链路，使准确率提升15%”或“将响应时间从2秒降低到0.8秒”。
• 突出金融科技背景：度小满属于金融行业，如果有信贷风控、金融数据分析、大模型辅助风控等经历，会非常加分。

如果你还在纠结简历排版，可以参考 Agent应用研发工程师/金融行业/应届生简历模板，它专门针对这类岗位设计，结构清晰，重点突出。

哪些经历最值得写

高价值经历清单

1. Agent框架开发经验：使用 LangChain、Dify、FastGPT 等框架搭建过 Agent 应用，例如智能客服、自动化工作流、多轮对话系统。
2. RAG系统优化项目：参与过检索增强生成系统的关键链路优化，包括文档切分策略、向量检索调优、重排序模型集成等。
3. Prompt Engineering改进实践：通过设计系统提示词、few-shot 示例、链式提示等方式，显著提升大模型输出质量。
4. 多Agent编排项目：使用 CrewAI、AutoGen、LangGraph 等框架实现多 Agent 协作，解决复杂任务。
5. 大模型API调用与微调：熟悉 OpenAI、文心一言、通义千问等主流大模型 API，有模型微调或效果评估经验。

避坑清单：这些内容不要硬写

• 不要写“精通C++、熟悉Python” 这种空泛的技能列表，而应结合项目说明你在什么场景下使用了这些语言。
• 不要堆砌无关课程：比如“高等数学、大学物理”等基础课，除非你申请的是算法岗，否则应聚焦 AI 相关课程。
• 不要虚构项目：面试官会深挖技术细节，尤其是 Agent 和 RAG 的底层原理，编造经历很容易露馅。
• 不要忽略量化结果：只说“负责RAG系统开发”等于没写，必须带上指标，如检索准确率、响应时间、用户满意度等。

教育背景与技能清单

教育背景写法示例

可参考写法：

北京邮电大学 | 计算机科学与技术 | 本科 | 2024.09 - 2027.06
核心课程：机器学习、自然语言处理、深度学习、数据结构与算法、数据库系统

技能清单写法示例

可参考写法：

• 编程语言：Python（精通）、Java（熟练）、Golang（基础）
• 大模型与Agent框架：LangChain、LlamaIndex、Dify、FastGPT、CrewAI
• RAG技术：文档切分（RecursiveCharacterTextSplitter）、向量检索（FAISS、Milvus）、重排序（Cross-Encoder）
• Prompt Engineering：系统提示词设计、few-shot 示例、链式提示、思维链
• 工具与平台：Git、Docker、Linux、PyTorch、Hugging Face

如果你需要更完整的简历模板，可以查看 研发技术/能源行业/应届生简历模板，虽然行业不同，但技术研发岗的排版逻辑是通用的。

项目经历（推荐2-3个）

项目一：企业级智能客服Agent平台

可参考写法：

项目名称：基于LangChain的企业智能客服Agent平台
项目时间：2026.03 - 2026.06
项目角色：核心开发
项目描述：

• 使用 LangChain 框架搭建多轮对话 Agent，集成意图识别、实体抽取、知识库检索等功能。
• 设计 Prompt Engineering 策略，通过系统提示词和 few-shot 示例，将意图识别准确率从82%提升至94%。
• 实现 RAG 系统关键链路优化：采用 RecursiveCharacterTextSplitter 进行文档切分，使用 FAISS 进行向量检索，并引入 Cross-Encoder 重排序，使检索准确率提升18%，平均响应时间降低至1.2秒。
• 参与 Agent 工作流引擎建设，支持多步骤任务编排，如订单查询、退换货处理等场景。

项目二：RAG系统在金融文档问答中的应用

可参考写法：

项目名称：金融文档智能问答系统（RAG）
项目时间：2025.09 - 2025.12
项目角色：独立开发
项目描述：

• 针对金融研报、财报等长文档，设计分层文档切分策略，结合标题层级和段落语义，将文档切分为语义完整的块。
• 使用 LlamaIndex 构建索引，集成 OpenAI Embedding 和 BGE 模型，实现混合检索（稀疏+稠密）。
• 优化检索链路：引入查询重写和 HyDE（假设文档嵌入）技术，使检索召回率提升12%。
• 部署为 Web 服务，支持用户上传文档并提问，系统在内部测试中达到95%的答案准确率。

项目三：多Agent协作的自动化报告生成系统

可参考写法：

项目名称：多Agent协作的金融报告自动生成系统
项目时间：2026.01 - 2026.03
项目角色：核心开发
项目描述：

• 使用 CrewAI 框架设计多 Agent 编排流程，包括数据采集Agent、分析Agent、撰写Agent、审核Agent。
• 数据采集Agent调用金融API获取实时数据，分析Agent使用大模型进行趋势分析，撰写Agent生成报告初稿，审核Agent检查逻辑一致性。
• 通过 Prompt Engineering 优化各 Agent 的提示词，使报告生成时间从人工2小时缩短至10分钟，且内容质量通过专家评审。

实习经历

实习经历写法示例

可参考写法：

公司名称：某金融科技公司 | AI研发实习生 | 2025.06 - 2025.09
工作内容：

• 参与公司内部智能客服系统的升级，负责 Agent 对话流程的优化，使用 LangChain 重构了意图识别模块，将用户意图识别准确率从85%提升至92%。
• 负责 RAG 系统的日常维护与调优，通过调整文档切分参数和向量检索策略，使知识库检索的 Top-5 准确率提升10%。
• 协助团队进行大模型效果评估，设计自动化测试脚本，覆盖100+测试用例，输出评估报告供模型选型参考。

重点提醒： 实习经历一定要突出你在其中的具体贡献，而不是只写“参与了XX项目”。最好能用数据说话，比如“提升了X%”、“缩短了X时间”。

竞赛与证书

竞赛经历写法示例

可参考写法：

• 2025年 Kaggle 竞赛：NLP 文本分类比赛，排名前5%，使用 BERT 微调 + 集成学习，F1 分数达到0.92。
• 2024年 ACM 程序设计竞赛：区域赛银奖，负责算法设计与实现，擅长图论和动态规划。

证书写法示例

可参考写法：

• TensorFlow 开发者证书
• AWS 机器学习专项课程证书
• 大学英语六级（CET-6）

如果你对金融科技校招的其他岗位感兴趣，可以阅读 平安养老险2027校招启动：平台稳、方向多，但信息不全怎么投？ 了解更多。

自我评价与职业目标

自我评价写法示例

可参考写法：

对 Agent 和 RAG 技术充满热情，具备扎实的 Python 编程能力和大模型应用开发经验。在多个项目中实践了 LangChain、LlamaIndex 等框架，并取得可量化的优化效果。关注大模型前沿技术，持续阅读相关论文并尝试复现。期望在度小满这样的金融科技平台，将 Agent 技术应用于真实业务场景，提升金融服务的智能化水平。

职业目标写法示例

可参考写法：

短期目标：深入参与企业级 Agent 平台的建设，积累 RAG 系统优化和多 Agent 编排的工程经验。长期目标：成为大模型应用领域的专家，推动 Agent 技术在金融行业的落地与创新。

自查清单

• 技术栈是否与岗位要求匹配？是否突出了 Python、LangChain、RAG 等关键词？
• 项目经历是否有量化成果？如准确率提升、响应时间降低等。
• 是否避免了空泛描述？如“熟悉XX”应改为“在XX项目中使用XX实现了XX”。
• 教育背景是否清晰？是否列出了相关课程？
• 实习经历是否突出了个人贡献？是否使用了数据？
• 自我评价是否与岗位契合？是否表达了对 Agent 技术的热情？

如果你还想了解其他科技公司的校招情况，可以看看 TP-LINK 2027届秋招：9类岗位、6+城市，但研发岗门槛不低，谁适合冲？ 作为参考。

总结

度小满27秋招的 Agent应用研发工程师 岗位，对候选人的技术深度和工程能力要求较高。简历中一定要突出 Agent 框架、RAG 系统、Prompt Engineering 等核心实践，并用数据说话。避免堆砌无关内容，聚焦于与岗位直接相关的经历。希望这篇范文能帮助你写出一份高质量的简历，顺利拿到面试机会。