前端转 AI Agent 工程师进阶指南

主题

附录 05 简历与自我介绍模板 ​

本附录面向“已经做了一些 AI Agent 项目，但不知道怎么写进简历、怎么开口讲自己”的场景。很多前端工程师在转型时并不是没有内容，而是不会把已有经历重新组织成适合 AI Agent 岗位的表达方式。

核心目标不是“把前端经历藏起来”，而是把前端经验升级成更高一层的工程叙事：你不是只会做页面，而是会把交互、状态、工具、工作流、评测和上线治理串成一个完整产品系统。

1. 简历改写的核心原则 ​

建议始终坚持三个原则：

  • 不虚构：没有做过的能力不要硬写。
  • 不贬低前端：前端经验是迁移资产，不是转型包袱。
  • 不写流水账：要写问题、动作、结果和你的决策价值。

2. 简历整体结构模板 ​

一份面向 AI Agent 岗位的简历，建议至少包含：

  • 基本信息。
  • 职业定位。
  • 技能标签。
  • 代表项目。
  • 工作经历。
  • 教育 / 补充信息。

如果你已有项目作品集，简历里要尽量形成“短描述 + 外部证据入口”的结构。

3. 职业定位模板 ​

3.1 标题模板 ​

text
前端开发 / AI Agent 应用工程
前端工程师（转 AI Agent / LLM 应用方向）
AI Agent 产品工程师（前端背景）

3.2 简介模板 ​

text
具备 X 年前端工程经验，近阶段重点转向 AI Agent / LLM 应用工程，围绕 RAG、Tool Calling、Workflow、评测、观测与 Agent UI 完成多条项目实践，能够从业务问题出发设计并落地可解释、可评测、可交付的智能系统。

4. 技能标签模板 ​

建议分组写，而不是堆名词：

text
AI Agent：RAG、Tool Calling、Workflow、Structured Output、Eval、Tracing、Human-in-the-Loop
前端工程：React、TypeScript、状态管理、流式交互、任务工作台设计
工程能力：发布流程、监控告警、回滚、权限治理、跨团队协作

5. 项目描述模板 ​

5.1 简版项目描述模板 ​

适合放在简历里，每个项目 3 到 4 行：

text
项目名称 + 场景
我负责的核心链路
关键技术动作
结果或指标

5.2 详版项目描述模板 ​

适合做作品集或面试讲稿底稿：

text
业务背景：
目标用户：
核心问题：
方案设计：
关键能力：
我的职责：
结果指标：
复盘：

6. 前端转 AI Agent 的经历改写模板 ​

6.1 传统前端经历的改写思路 ​

不要只写：

  • 负责页面开发。
  • 负责接口联调。
  • 负责活动页搭建。

更好的写法是：

  • 负责复杂业务流程的前端状态设计与交互治理。
  • 推动数据链路、埋点和监控建设。
  • 协同后端 / 产品完成关键功能的发布与问题回溯。

这些能力都能自然迁移到 Agent 工程里。

6.2 转型表达模板 ​

text
在原有前端工程基础上，我开始将重点转向 AI Agent 应用场景，围绕知识问答、工具调用、任务工作流与 Agent 交互体验做了系统化实践。相比传统页面开发，我更关注的是如何把模型能力做成可解释、可评测、可上线的产品系统。

7. 自我介绍模板 ​

7.1 30 秒版本 ​

text
你好，我有 X 年前端工程经验，最近在重点转向 AI Agent / LLM 应用工程。我的优势是能把前端的交互、状态和工程协作能力，和 RAG、Tool Calling、Workflow、评测与观测结合起来，做成可落地的智能系统。我目前重点做了企业知识库问答、浏览器 / 办公自动化和多步骤工作流三类项目。

7.2 60 秒版本 ​

text
我之前主要做前端工程，积累了复杂交互、状态管理、接口协作和上线治理经验。最近这段时间我在系统转向 AI Agent 工程，重点围绕三个方向做了实践：一是企业知识库问答 Agent，二是浏览器 / 办公自动化 Agent，三是多步骤业务工作流 Agent。我的关注点不只是模型接入，而是如何把上下文工程、工具调用、评测、观测、Human-in-the-Loop 和前端可解释交互结合起来，做成真正能落地的系统。

7.3 3 分钟版本 ​

text
我过去的主线是前端工程，主要做过复杂业务系统、交互流程和工程治理相关工作。转向 AI Agent 后，我并不是把前端经验推倒重来，而是把原有能力迁移到更完整的智能系统问题上。例如在知识库 Agent 项目里，我不仅关注 RAG 和结构化输出，也关注引用展示、风险提示和反馈闭环；在自动化 Agent 项目里，我重点做计划展示、确认机制和执行状态可视化；在工作流 Agent 项目里，我关注状态机、人工审批、失败恢复和任务工作台。我的优势是既能理解模型系统的工程化要求，也能把它做成用户真正敢用、愿意用的产品体验。

7.4 自托管经验专项表达 ​

当你需要在面试中突出自托管 Agent 的实践经验时，可以用这段话把云端和本地两条技术路线的理解串起来：

text
在 AI Agent 方向，我不仅能使用 OpenAI 等云端 API 快速构建，还独立搭建过完全自托管的方案。我用 Ollama 部署 Qwen3 模型、BGE-M3 做本地 Embedding、ChromaDB 做向量库，实现了一套零外部依赖的知识问答 Agent。这让我对云端和本地两种技术路线的 trade-off 有深入理解——什么场景选云端更合适，什么场景必须自建，我都能给出有理有据的建议。

8. 简历项目示例模板 ​

示例 1：企业知识库问答 Agent ​

text
企业知识库问答 Agent：负责从知识检索、结构化输出到前端引用展示的完整链路设计，建设基础评测集与回归流程，补充拒答策略、风险提示和反馈入口，使系统具备更稳定的命中率、引用准确率与可解释性。

示例 2：浏览器 / 办公自动化 Agent ​

text
浏览器 / 办公自动化 Agent：围绕多步骤任务执行设计计划展示、人工确认和失败恢复流程，推动工具调用状态与前端任务面板统一，提升任务执行过程的可见性、可控性与用户信任度。

示例 3：多步骤业务工作流 Agent ​

text
多步骤业务工作流 Agent：参与业务流程拆解、节点状态设计、人工审批与补偿机制设计，并结合前端任务工作台和链路观测能力，推动系统从 Demo 走向可评测、可发布、可回溯的交付状态。

示例 4：自托管企业知识问答 Agent ​

text
自托管企业知识问答 Agent：在数据不出域的合规要求下，独立完成自托管 AI Agent 的技术选型与全栈实现。使用 Ollama + Qwen3 替代云端 API 实现推理层本地化，部署 BGE-M3 本地 Embedding 与 ChromaDB 向量库搭建全链路 RAG 管道，基于 Next.js + Vercel AI SDK 实现流式对话前端并支持云端/本地一键切换，使用 Docker Compose 编排全栈服务实现 5 分钟一键部署。系统零 API 费用运行，首次响应 < 2s，知识问答准确率 > 80%。

STAR 格式展开 ​

text
Situation：团队需要在数据不出域的合规要求下搭建智能问答系统，第三方 API 方案无法满足数据安全要求。
Task：负责自托管 AI Agent 的技术选型、架构设计和全栈实现。
Action：
  - 使用 Ollama + Qwen3 替代 OpenAI API，实现推理层完全本地化
  - 部署 BGE-M3 本地 Embedding + ChromaDB 向量库，搭建全链路 RAG 管道
  - 基于 Next.js + Vercel AI SDK 实现流式对话前端，支持云端/本地一键切换
  - 使用 Docker Compose 编排全栈服务，实现 5 分钟一键部署
Result：系统零 API 费用运行，首次响应 < 2s，知识问答准确率 > 80%，满足合规要求。

简历要点写法 ​

text
✅ 独立搭建零 API 依赖的企业知识问答 Agent（Ollama + Qwen3 + BGE-M3 + ChromaDB），数据完全本地化，月运行成本降至 0
✅ 对比云端 API 与自托管方案，基于并发量、数据合规和成本三维度完成技术选型决策
✅ 使用 Docker Compose 编排推理/向量库/应用三层服务，实现 5 分钟私有化交付

9. 常见面试开场模板 ​

模板 1：偏工程型 ​

text
我希望找的是 AI Agent / LLM 应用工程方向的岗位。我过去主要做前端工程，但近阶段的重点已经转向智能系统场景，尤其关注 RAG、Workflow、Agent 交互、评测和观测。我想做的不只是把模型接起来，而是把它做成真正可交付的产品系统。

模板 2：偏产品落地型 ​

text
我之前做前端时，最关注的是复杂交互和业务流程。转到 AI Agent 方向之后，我发现自己最有优势的地方，是把模型能力做成用户可理解、可控制、可追踪的产品体验，这也是我现在重点积累的方向。

10. 高频坑位提醒 ​

10.1 不要把自己写成“只会 Prompt” ​

如果简历里满是 Prompt、Chatbot 这类词，而缺少工程链路、评测、观测、权限、工作流，会显得太浅。

10.2 不要把前端经验一笔带过 ​

你的前端背景本来就是差异化优势，尤其在 Agent UX、状态设计、任务工作台、人工确认这类方向上。

10.3 不要只写“参与” ​

尽量写你主导或实质负责的部分。

10.4 不要全是概念，没有结果 ​

即使没有特别漂亮的数字，也要尽量写出：

  • 指标。
  • 质量变化。
  • 交付结果。
  • 使用反馈。

11. 一页速用模板 ​

text
职业定位：前端工程师（转 AI Agent / LLM 应用工程）
简介：具备 X 年前端经验，围绕 RAG、Tool Calling、Workflow、Eval、Tracing 与 Agent UI 完成多项实践。
技能标签：前端工程 / Agent 工程 / 工程治理
代表项目：
1. 企业知识库问答 Agent
2. 浏览器 / 办公自动化 Agent
3. 多步骤业务工作流 Agent
一句话优势：能把前端交互与状态能力迁移到 AI Agent 的可解释、可评测、可交付系统设计中。

12. 面试表达 ​

你可以这样理解这份附录的价值：

“转型表达的关键，不是把前端背景抹掉，而是把它升级成 AI Agent 工程里的差异化优势。我要证明的不是我也学了大模型，而是我能把智能能力做成真正可交付、可展示、可讲清楚的产品系统。”