一、概述与全链路 RAG（检索增强生成）：用户提问 → 检索知识库相关片段 → 注入 Prompt → LLM 基于真实数据生成。解决知识截止、幻觉、无法访问私有数据。 Naive RAG（检索-拼接-生成）→ Advanced RAG（Query 改写、混合检索、Rerank）→ Modular RAG（可插拔模块、Agent 动态决策） 文档 → Chunking → Embedding → 向量数据库 用户查询 → Query改写 → 向量化 → 混合检索 → Rerank → Prompt → LLM生成  二、文档处理（Chunking + Metadata） 切分策略    策略 ...

小红书你来的有点晚了已经是节孝子了

做 Agent 开发，其实可投的岗位比想象中更广，不只是单一的“AI岗位”。最直接对口的是 AI应用开发工程师、大模型应用工程师 或 智能体开发工程师，这类岗位主要负责基于大模型做工具调用、任务编排、多轮对话等。如果你更偏工程落地，也可以投 后端开发工程师 或 平台开发工程师，很多公司在做 Agent 平台，本质还是服务端架构问题。此外，一些公司会把相关岗位叫做 AI产品工程师 或 解决方案工程师，更偏向把 Agent 技术应用到具体业务场景中，比如客服、自动化办公、数据分析等。