Agent 岗位 7 个方向:你想做哪种?

扒过 200+ 份 2026 校招 JD(字节 / 阿里 / 腾讯 / 美团 / 蚂蚁 / 智谱 / 月之暗面 / Manus 等)后总结。

很多 uu 看到"Agent 工程师"就一头扎进去学 LangChain、LlamaIndex、AutoGen,结果投了一圈才发现:Agent 不是一个岗,是一类岗,里面至少 6 个细分,技能要求还是有些区别的~

先放一组数据

  • 字节 2026 校招 1205 个岗直接和 AI 相关(占研发岗 47%)
  • 阿里 7000+ offer 里 AI 岗超 60%
  • 腾讯技术岗扩招 36%,主要是 AI
  • LangChain 在 34.3% 的 Agent JD 中出现仍是第一框架,但 LangGraph + MCP 已是生产环境标配(89% 团队做 Observability)

可以说是今年必冲 AI 岗了

1️⃣ 模型应用工程师(最大池子)

alt

2️⃣ AI Coding 工程师(2026 年最热新赛道)

alt

3️⃣ Agent 中台 / 框架开发(技术深度型)

alt

4️⃣ Agent 算法 / 对齐工程师(训练侧,门槛最高)

alt

5️⃣ 业务 Agent 工程师(垂直场景,业务嗅觉 > 技术深度)

alt

6️⃣ Agent 产品经理 / Agent PM(非技术岗的最佳跳板)

alt

7️⃣ Agent 评测 / AI Safety(小众但极度稀缺)

alt

实操建议

你是谁 应该投什么 简历准备
本科想冲实习 ① 模型应用工程师 → 门槛最低 1 个完整 RAG 项目 + Python 后端基础
硕士想做技术深度 ② AI Coding 或 ③ Agent 中台 自研框架 / 开源贡献 / benchmark 提分
硕博算法方向 ④ Agent 算法 / 对齐 训练 pipeline 复现 + 论文阅读笔记
业务 / 产品复合型 ⑤ 业务 Agent 或 ⑥ AI PM 1-2 个能 demo 的项目 + 业务复盘
找细分避内卷 ⑦ Agent 评测 / Safety benchmark 复现 + 红队 case 集

不要被 JD 里堆砌的技术名词吓退!

"LangChain + LlamaIndex + AutoGen + Dify + Coze + MCP + A2A"——这是 HR 抄招聘模板的典型表现。你只要能做到:

  1. 1 个能讲清楚的完整项目
  2. Python 后端基础
  3. 对 LLM 局限性有自己的判断

简历别堆框架,要堆"为什么选这个框架"的判断。

#想做Agent可以做哪些岗位?#
全部评论
大佬,AI 中台/框架开发需要硕士吗,我看有些岗位写的是 AI Agent开发,但说明“参与框架开发”“框架搭建”,要求了解A2A MCP这种
点赞 回复 分享
发布于 今天 19:33 黑龙江
门槛最低那是不是竞争最大
点赞 回复 分享
发布于 今天 11:01 广东

相关推荐

大二玩了半年RAG,我发现最靠谱的解法,居然是百年图书馆逻辑本人大二,接触Agent开发从RAG入门,摸过GraphRAG、RAGFlow这些热门项目,也啃过LlamaIndex、LangChain框架,踩了不少坑,也有了些不一样的想法,纯分享思路,不做落地。先说说我看到的核心问题:RAGFlow的溯源功能能标清信息出处,解决了模型胡编的问题,却缺了LangChain那样的隐私数据守卫——检索时只过滤正文,溯源链接还留着,等于给隐私泄露、外网信息跳转留了后门。同时现在的RAG大多是文档乱塞一锅炖,海量数据根本管不住,开源框架要么太笨重新手难维护,要么功能太简陋撑不起场景。想通这些的时候我正在学校图书馆,突然发现:我们卷破头的RAG问题,现代图书馆这套人类用了上百年的「信息管理系统」,早就完美解决了。核心思路完全对标图书馆逻辑,分三点:1. 先分级管控,从根源堵隐私漏洞像图书馆分普通阅览区、内部资料室、涉密档案室一样,给文档做分级。敏感内容直接拦在库外,内部文档没权限连检索都搜不到,自然不会有溯源链接泄露的问题,只有合规公开内容才开放完整溯源。2. 先分类入库,解决海量数据混乱图书馆新书不会直接堆书架,会先验收、查重、按标准分类标引再上架。对应到RAG里,就是文档先自动清洗、去重、分类打标,再分到独立向量库物理隔离,再多文档也井井有条,不会越用越臃肿。3. 统一规范做开源生态,解决「各玩各的」的痛点图书馆能跨馆互通,核心是有统一的编目规则。我们也可以定一套极简统一的开源RAG库规范,实现两个核心:一是人人都能按规范分享自己的RAG库,开箱即用不用二次处理;二是符合规范的任意两个RAG库,都能无缝拼接,自动对齐分类、去重、更新索引,不用手动改配置。现在RAG圈总在卷框架、卷算法,却忘了做RAG的初衷,是让普通人用最低成本让AI落地。这套图书馆逻辑的思路,不用高算力不堆复杂技术,刚好能让本地小模型配上标准化RAG库,真正变得可用。纯思路分享,不打算自己落地做项目,玩RAG的朋友有想法,欢迎一起交流。大模型  开源思路 #大学生编程
空想天使:有的兄弟有的,rag有这些技术,第一点叫做二级权限校验,在用户输入,调向量库之前,先去用户数据库找找有没有这用户,如果没有就挡住,第二部就是调知识库之前再去用户数据库核对一下,他的读库权限和检索库名是否对应,不对应也挡住。第二点叫做分库管理+元数据过滤。核心就是用户问2024或者指定v0.1版本的文档,那检索的时候就筛选对应的文档标签。第三点我还没听说过倒是,毕竟rag这玩意做出来的主要目的就是赋能企业的知识库,而企业知识库一般都是私有的,比较讲究私有化部署,有啥需要共享内容的直接调用web search得了
点赞 评论 收藏
分享
评论
16
37
分享

全站热榜

更多

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务