结业:60 天回顾、能力自检清单、接下来怎么进阶

今天要解决的问题

六十天前你可能还没写过 Python,不知道 function calling 是什么。今天你手里有一个带评测、带 trace、带安全测试、部署在公网上的客服 Agent,可能还有一个代码审查 Agent,一份对着真实 JD 改过的简历,和一个准备好的题库。

今天是最后一天,不学新的大块内容,做三件事:

1. 对照 JD 给自己的每项能力打勾,每个勾都要有证据,没有证据的就是没达标。
2. 把没达标的部分排进一个两周的补课计划,同时开始投递,不要等「全部学完」。
3. 选一到两个进阶方向,规划接下来三个月。

预计用时 3–5 小时。如果你想今天就动手体验一个进阶方向,后面的浏览器 Agent 例子再加 2 小时。

60 天走过的路

如果让我挑这门课里最重要的一个习惯,那就是:**每一个「它变好了」的判断都要有数字,每一个数字都要说得清口径。**招聘方用来区分「跟着教程搭了 demo 的人」和「能在生产上负责一个 Agent 的人」,看的几乎就是这一点。站长整理的 880 条 JD 里,海外 62%、国内 48% 的岗位提到评测;腾讯一个 Agent 岗的要求是「每次 Prompt、模型、工具变更都有量化的收益与回归判定」;智联上一家公司直接要求候选人「能讲清上线后效果指标是多少、是怎么测出来的」。这件事你已经练了五周,带走它。

能力自检:每个勾都要有证据

下表左边是 JD 里出现频率较高的能力和它在国内(有正文的 334 条)、海外(185 条)样本里的比例(关键词匹配,只看方向;最后一行 Computer/Browser Use 只在第一批 305 条里统计过),右边两列你自己填。证据要具体到「哪个文件、哪个数字、哪个链接」;填不出证据的,就算你「觉得会」,也打叉。

能力	国内	海外	课程	我的证据	达标
Python 工程(类型、异步、测试)	65%	63%	Day 2 起
上下文工程与记忆	52%	25%	Day 20、48
工具调用与 Agent 循环(能手写)	55%	39%	Day 8–12
评测(测试集、judge、轨迹、CI 门禁)	48%	62%	W5、Day 50–51
RAG(混合检索、rerank、检索评测)	51%	54%	W3、Day 45
Agent 框架及其原理、何时不用	46%	36%	Day 24–27
多 Agent 与子 Agent 分工	37%	22%	Day 26
部署(Docker、云、HTTPS)	39%	53%	Day 41、53
提示词与结构化输出	46%	46%	Day 5–6
面向业务或客户的需求拆解	33%	46%	Day 43、58、59
可观测与 tracing	21%	31%	Day 34、52
成本、延迟与 ROI	31%	39%	Day 38、52、58
MCP(写 server、接 client)	17%	16%	Day 22–23、46
熟练使用并审查 Coding Agent	21%	15%	Day 55
SQL 与数据系统	31%	41%	Day 17、46
安全(注入、权限、沙箱)	11%	22%	Day 39–40、53
Skills 与 Agent Harness 概念	10%	3%	Day 27、57
微调(LoRA)	23%	19%	进阶方向
Computer / Browser Use	5%	1%	进阶方向

再加三条和技能无关、但决定你能不能拿到 offer 的检查:

• SupportPilot 在公网可访问,README 第一屏有演示、有带口径的数字。
• 简历中英文各一页,每个技能词都有证据,所有链接可点。
• 60 道基础题第二轮没有答不上来的,手写 Agent 循环 10 分钟内完成,做过至少一次完整的系统设计模拟。

没达标怎么办

先说一个判断:不要等所有格子都打勾再开始投递。 招聘本身就是最好的反馈。从明天开始按 Day 59 的节奏投,同时用两周时间补短板。

补课的顺序按「JD 频次高 × 你差得多」排。几种常见情况:

• 评测这一行打了叉。 这是最该优先补的。回到 Day 29–35,把 SupportPilot 的测试集扩到 100 条,把 judge 和人工标注的一致率算出来,让 CI 门禁真正跑起来。没有这一行,简历上其他内容的说服力都会打折。
• 框架原理答不上来。 回到 Day 24–25,再读一遍 LangGraph 的持久化和运行时文档,然后试着不用 LangGraph 实现一个带 checkpoint 的最小状态机,做过一次就再也忘不了。
• 上下文工程只会说概念。 在 SupportPilot 里加一个真实的压缩机制:对话超过一定 token 后自动摘要,用多轮评测证明压缩前后成功率没有明显下降。
• 安全这一行没把握。 把 Day 53 的注入测试集扩到 40 条,再请一个朋友完全不看你的代码,只看演示地址,试着攻破它。
• 部署没真正做过。 不要跳过。一个能打开的公网地址,在简历上的分量比十行技术栈大。

接下来三个月:选一到两个方向

课程刻意没讲的东西有很多。下面这几个方向是我认为最值得投入的,按「JD 需求 × 和你现有能力的衔接」排序。不要都做,选一到两个做深。

方向一:LoRA 轻量微调

课程一开始就说不教训练,这个判断对两个月速成是对的。但调研数据显示,国内约 23%、新加坡香港约 28% 的 Agent 岗提到微调或强化学习,中小公司的 JD 里常见一句「独立完成过至少一次开源模型的轻量微调,能说明微调前后的量化差异以及付出的代价」。这正好是一个可以在一个月内补上的点,而且你已经有了评测能力,这是做微调最关键的前提。

LoRA 的直觉不难。模型里有大量形状为 d × d 的权重矩阵,全量微调要更新所有参数。LoRA 冻结原矩阵 W,另外训练两个小矩阵 B(d × r)和 A(r × d),用 W + BA 代替 W,r 通常取 8 或 16。算一下:一个 4096 × 4096 的矩阵有 16,777,216 个参数;r = 8 时,B 和 A 合计 4096 × 8 × 2 = 65,536 个参数,只有原来的约 0.39%。要训练的参数少两个数量级,显存和时间都降下来,一张消费级显卡或者按小时租的云 GPU 就能跑 7B 以下的模型。

一个能写进简历的 LoRA 实验,我建议这样设计,用你已有的 SupportPilot:

1. 选一个窄任务:工单分类。现在它由一个通用小模型加 prompt 完成,你有准确率基线。
2. 造数据:用大模型按类别合成加人工校对,做 1,000 到 3,000 条训练样本,另外留出 Day 50 的测试集绝对不进训练(这一步最容易犯错)。
3. 训练:用 LLaMA-Factory 或 Unsloth 在一个 1.5B 到 7B 的开源模型上做 LoRA,记录 GPU 型号、时长、花费。
4. 评测:在同一个测试集上比较「通用小模型 + prompt」「微调后的模型」「大模型 + prompt」三者的准确率、延迟、单次成本。
5. 写结论:微调值不值,包括你付出的代价(数据准备时间、训练成本、部署一个自托管模型的运维成本)和副作用(比如在训练集没覆盖的类别上是否变差)。

结论是「不值得」也完全可以写进简历,只要数据扎实。面试官想看的是你会判断,而不是你会跑训练脚本。

方向二:浏览器 Agent 与 Computer Use

这个方向在样本里比例不高(第一批 120 条国内样本里约 5%),但出现的地方都很有分量:一家大型游戏公司把 Computer/Browser Use 列为加分项,腾讯有专门的浏览器自动化岗。它的价值在于很多企业系统没有 API,只有网页界面,浏览器 Agent 是让 Agent 能操作这些系统的唯一办法。

它的原理就是你熟悉的 Agent 循环,只是工具换成了操作浏览器。下面是一个最小可跑的版本,把 Playwright 包成四个工具,接到 Day 9 的循环上就能用:

# agent-60-lab/advanced/browser_tools.py
# 依赖:uv add playwright && uv run playwright install chromium
from urllib.parse import urlparse

from playwright.sync_api import sync_playwright

ALLOWED_HOSTS = {"demo.your-domain.com", "help.cloudledger.example"}  # 只允许访问白名单站点

_MARK_ELEMENTS = """
() => {
  const els = [...document.querySelectorAll('a, button, input, textarea, select')]
    .filter(e => e.offsetParent !== null)
    .slice(0, 80);
  return els.map((e, i) => {
    e.setAttribute('data-agent-id', String(i));
    const label = e.innerText || e.value || e.placeholder || e.getAttribute('aria-label') || '';
    return { id: i, tag: e.tagName.toLowerCase(), text: label.trim().slice(0, 60) };
  });
}
"""


class BrowserTools:
    def __init__(self, headless: bool = True):
        self._pw = sync_playwright().start()
        self._browser = self._pw.chromium.launch(headless=headless)
        self.page = self._browser.new_page()

    def read_page(self) -> dict:
        """返回当前页面的标题、正文前 3000 字和带编号的可交互元素列表。"""
        elements = self.page.evaluate(_MARK_ELEMENTS)
        text = self.page.inner_text("body")[:3000]
        return {"url": self.page.url, "title": self.page.title(), "text": text, "elements": elements}

    def goto(self, url: str) -> dict:
        """打开一个网址,只允许白名单域名。"""
        if urlparse(url).hostname not in ALLOWED_HOSTS:
            return {"error": "该域名不在允许访问的列表里"}
        self.page.goto(url, timeout=15_000)
        return self.read_page()

    def click(self, element_id: int) -> dict:
        """点击 read_page 返回的某个元素。"""
        self.page.click(f'[data-agent-id="{element_id}"]', timeout=5_000)
        self.page.wait_for_load_state("domcontentloaded")
        return self.read_page()

    def type_text(self, element_id: int, text: str) -> dict:
        """在输入框里填入文字(会先清空)。"""
        self.page.fill(f'[data-agent-id="{element_id}"]', text, timeout=5_000)
        return self.read_page()

    def close(self) -> None:
        self._browser.close()
        self._pw.stop()

给元素编号再让模型按编号操作,是 browser-use 这类开源项目常用的思路,比让模型自己写 CSS 选择器可靠得多。正式的项目还会加截图让多模态模型看,加滚动和等待,处理弹窗和登录态。

浏览器 Agent 把 Day 53 讲过的风险放大了好几倍:它读的每一个网页都是不可信内容,可能藏着注入;它能点「确认付款」「删除」「发送」这类不可逆按钮;如果用的是已登录的浏览器会话,它拥有你的全部权限。所以最小原则是:域名白名单、独立的浏览器配置(不复用你自己登录过的浏览器)、敏感按钮之前强制人工确认、全程录屏或记录操作日志。练手时只在你自己部署的 SupportPilot 演示站上操作,比如让它「登录演示账号,提交一张工单,把回复内容读出来」,这本身就是一个不错的端到端测试。

方向三:Agent Harness 与可观测

如果你本来是后端或平台工程师,这是和你原有能力衔接最好的方向。国内大厂的「Agent Harness」「Agent Infra」岗位关心的是运行底座:任务调度、状态持久化与恢复、工具和 Skill 的注册、沙箱、全链路 tracing、评测流水线。可以从两件事入手:把 SupportPilot 的 tracing 改成基于 OpenTelemetry 的 GenAI 语义约定,让它能接入任何支持 OTel 的后端;给代码执行类工具做一个基于容器的沙箱,限制网络、文件和执行时间。这两件事都很「工程」,恰好是很多算法背景候选人的短板。

方向四:语音 Agent

在样本里比例很低(约 2% 到 3%),但客服、销售、预约这类场景的需求在增长。技术上多了语音识别、语音合成、打断处理和低延迟的流式管道。如果你对实时系统感兴趣可以看看 Pipecat、LiveKit Agents 这类开源框架。作为转方向后的第一个进阶方向,我不太推荐,岗位还少。

方向五:开源贡献

一个被合并的 PR 是招聘方很认的信号,而且能让你接触到比个人项目复杂得多的代码。门槛最低的入口:给你用过的 MCP server 修 bug 或补文档;给 LangGraph 的文档补一个中文场景的例子;给 Datawhale 的 hello-agents 这类中文教程提 PR。先从文档和测试开始,不要一上来就挑核心功能。

怎么跟上这个领域

Agent 领域半年一个样,你今天学的框架 API,明年可能就变了。但评测、上下文管理、权限设计、成本意识这些底层的东西变得很慢。跟进新东西时,我的习惯是只跟少数几个高质量信息源,而不是刷所有新闻:

• Simon Willison 的博客:几乎每天更新,对新模型、新工具的上手实测和安全问题最敏锐。
• Anthropic Engineering 博客和 OpenAI、LangChain 的工程博客:一手的工程实践,课程里引用了很多篇。
• Hamel Husain 和 Chip Huyen 的博客:评测和 AI 工程的方法论。
• Latent Space 播客和 smol.ai 的 AI News:每天的行业动态汇总,扫标题就行。
• 中文:Datawhale 的开源教程,B 站上几个认真做原理讲解的 UP 主,课程里引用过的那些可以关注。

更重要的是保持动手。每个月做一个小东西,用新出的模型或工具,在你的评测集上跑一遍,写一篇短博客记录结果。半年后你会有六篇带数据的文章,这比任何证书都有用。

动手练习

步骤

1. 填完能力自检表,每个勾都写上证据(文件路径、数字或链接)。
2. 把所有打叉的项目按「JD 频次 × 差距」排序,取前三项,写一个两周补课计划,每天具体到做哪件事。
3. 今天至少投出 5 份简历,把求职漏斗表建起来(Day 59)。
4. 从五个进阶方向里选一到两个,写下三个月的目标和第一周的第一步。
5. (可选,2 小时)跑通浏览器 Agent:把 BrowserTools 的四个方法注册成工具,接到 Day 9 的循环上,让它在你的 SupportPilot 演示站上完成一次「提交工单并读回回复」。
6. 写一篇 60 天的学习复盘,发在你的博客或社交平台:你做了什么、最难的地方、最大的收获、下一步。

验收标准

• 自检表里每个勾都有可点开或可运行的证据。
• 补课计划和进阶计划都具体到「第一周做什么」。
• 今天的投递已经发出,漏斗表里有记录。
• (可选项)浏览器 Agent 能在白名单站点上完成一次完整任务,访问白名单之外的域名时被拒绝。

名词解释

名词	意思
LoRA	Low-Rank Adaptation,冻结原权重,只训练两个低秩小矩阵的轻量微调方法
秩 r	LoRA 小矩阵的中间维度,越大可学的东西越多,参数也越多
Computer Use	让模型通过截图和鼠标键盘操作整个电脑界面的能力
浏览器 Agent	通过浏览器自动化工具(如 Playwright)操作网页完成任务的 Agent
Playwright	微软开源的浏览器自动化库,支持 Chromium、Firefox、WebKit
OpenTelemetry GenAI 语义约定	OpenTelemetry 为大模型调用、Agent 等定义的标准化 span 属性
沙箱	限制程序能访问的网络、文件和资源的隔离运行环境
能力自检	对照岗位要求逐项检查,每项都要求有可验证的证据

常见误区

等「全部学完」再投简历。 永远不会有全部学完的那一天。招聘过程本身就是最好的反馈,边投边补。

进阶方向贪多。 五个方向都浅尝一下,三个月后每个都讲不深。选一到两个,做出带数据的成果。

觉得微调是「更高级」的方向。 对 Agent 工程师来说,微调是工具箱里的一个工具,不是升级路线。大多数问题用更好的上下文和评测就能解决,能判断什么时候不用微调同样是本事。

浏览器 Agent 直接用自己日常的浏览器跑。 它会继承你所有的登录态,一次注入就可能让它用你的身份做事。永远用独立的浏览器配置和白名单。

追每一个新框架。 底层能力(评测、上下文、权限、成本)比框架 API 寿命长得多,新框架等它稳定了再学,通常一两天就能上手。

学完就不再写博客和作品。 两个月的成果会随着时间贬值,持续的、带数据的公开输出才会复利。

学习资料

文档与文章

• LoRA 论文:读摘要和第 4 节方法部分,30 分钟,弄清低秩分解的思路。
• Hugging Face PEFT 文档:LoRA 等参数高效微调方法的官方库文档。
• Hugging Face LLM Course:如果想系统补一下模型和微调的基础,这是免费且更新及时的课程。
• Playwright Python 文档:浏览器 Agent 的基础,看安装、定位元素和等待机制三节。
• Anthropic · Computer use tool:截图加鼠标键盘的 Computer Use 方案,重点读它的安全建议。
• OpenTelemetry GenAI 语义约定:做 Harness 和可观测方向的起点。
• 信息源:Simon Willison、Anthropic Engineering、Hamel Husain、Chip Huyen、Latent Space、AI News by smol.ai。
• 课程回看:吴恩达《Agentic AI》中英字幕版(31 集),学完整个课程后再看一遍,会有和第一次完全不同的感受。

B 站视频

其他经典视频

书籍

• Chip Huyen《AI Engineering》(O’Reilly, 2025):第 7 章 Finetuning 和第 8 章 Dataset Engineering,选微调方向的话先读这两章;整本书值得在接下来三个月里通读一遍。
• Michael Albada《Building Applications with AI Agents》(O’Reilly, 2025):第 7 章 Learning in Agentic Systems、第 11 章 Improvement Loops、第 13 章 Human-Agent Collaboration,是课程之后的自然延伸。
• Jay Alammar、Maarten Grootendorst《Hands-On Large Language Models》(O’Reilly, 2024):第 12 章 Fine-Tuning Generation Models,配合 LoRA 实验读。

开源项目与代码

• hiyouga/LLaMA-Factory 和 unslothai/unsloth:两个最常用的 LoRA 微调工具,前者有 Web 界面、中文文档完善,后者更省显存。
• datawhalechina/self-llm:中文的开源模型部署和微调教程合集。
• browser-use/browser-use:开源浏览器 Agent,看它如何表示页面元素和处理失败。
• modelcontextprotocol/servers:官方 MCP server 合集,找一个你用过的,从修文档或补测试开始做开源贡献。
• pipecat-ai/pipecat、livekit/agents:语音 Agent 方向的两个开源框架。

自测

1. 能力自检表里,你打了勾但写不出证据的项,应该怎么处理?

答案

改成打叉。没有证据的「会」在面试里经不起追问。然后判断它在 JD 里的频次和你的差距,决定是放进两周补课计划,还是暂时从简历上拿掉。

2. 一个 4096 × 4096 的权重矩阵,用 r = 16 的 LoRA,新增的可训练参数是多少?占原矩阵的比例?

答案

B 是 4096 × 16,A 是 16 × 4096,合计 4096 × 16 × 2 = 131,072 个参数;原矩阵 16,777,216 个,比例约 0.78%。

3. 设计一个 LoRA 实验时,最容易犯、也最致命的错误是什么?

答案

测试集的数据(或者和它高度相似的数据)进入了训练集,导致评测分数虚高。测试集必须提前固定并严格隔离,合成训练数据时也要检查和测试集的重复与近似重复。

4. (面试题)「你会怎么设计一个能操作内部网页系统的浏览器 Agent?主要风险是什么?」

答案

设计:Playwright 驱动独立的浏览器配置,页面表示为正文摘要加带编号的可交互元素(必要时加截图给多模态模型),工具包括打开、读取、点击、输入,接 Agent 循环;域名白名单;对提交、付款、删除等不可逆操作前强制人工确认;全程记录操作日志和截图;步数和时间上限。风险:网页内容中的间接注入、继承登录态导致的越权、误点不可逆操作、页面结构变化导致的不稳定。可以引用致命三要素说明为什么浏览器 Agent 风险尤其高。

5. 为什么文中说「微调结论是不值得也可以写进简历」?

答案

因为面试官看重的是判断能力和方法:你有没有用同一个测试集比较多种方案,有没有算清楚训练、部署、运维的代价,有没有检查副作用。一个数据扎实的「不值得」结论,说明你知道什么时候不该用某个技术,这在工程上和「会用」同样重要。

6. 选进阶方向时,你会用什么标准?按这个标准给自己选一个。

答案

两个维度:岗位需求(JD 里出现的频次和你目标公司的方向)和衔接度(和你已有能力的距离,越近越容易做出成果)。比如后端背景的人,Agent Harness 与可观测衔接度最高;想投中小公司应用岗的人,LoRA 微调在 JD 里出现得多;对客服、电销场景感兴趣的人可以考虑语音 Agent。答案没有对错,重要的是用这两个维度说清理由。

明天预告

60 天到这里是一个能投简历的终点,但不是课程的终点。明天开始是进阶篇,Day 61:资深 Agent 工程师和中级差在哪。

进阶篇一共 50 天,目标是资深和 Staff 那一档:把 SupportPilot 升级成多租户的 AgentOps 平台,补上评测里的统计学、模型网关、自部署和微调、规模化可观测、写设计文档和带人。你可以先按 Day 59 的节奏把简历投出去,一边面试一边往下学,两件事不冲突。

如果这六十天里有哪一天的内容你觉得写错了、过时了,或者讲得不清楚,欢迎在那一篇下面留言。