AI Agent 工程师 — 这职业到底是干啥的

如果说大模型是发电厂，那 AI Agent 工程师就是装空调、装灯、装电梯的工程队。

发电厂（OpenAI、Anthropic、智谱、MiniMax）不直接给你电费收据，它们卖电（API）。装电的人才是让普通用户「按一下开关，房间就亮」的人。

这就是 AI Agent 工程师做的事：把现成大模型接成一个能上线给用户跑的产品流程。

AI Agent 工程师做什么（具体）

打个比方。客户说：「我想要一个客服机器人，能查订单、能退款、能转人工。」

传统后端工程师会去写一堆 if-else + 数据库查询，三个月做完，还需要不停加规则。

AI Agent 工程师做法不一样：

1. 把大模型当大脑：用 GPT-4 / Claude / 智谱 GLM 当推理引擎
2. 设计工具：写几个函数（query_order、issue_refund、transfer_human），告诉大模型「这是你能用的工具」
3. 写 prompt：告诉大模型「你是客服，根据用户输入决定调哪个工具」
4. 挂上 RAG：把退款政策文档塞进向量数据库，让大模型查文档而不是凭记忆答
5. 加上日志评测：每天看 100 条对话，看哪些场景模型答错了，回去改 prompt 或加工具

整个流程 2 周可以拉起 MVP。这就是「Agent + Tool + RAG」的工程范式。

三套硬核能力

1. 熟一套 Agent 框架。 LangChain / AutoGen / 智谱的 AutoGLM / Microsoft Semantic Kernel — 至少熟一套，能从 0 拉起一个能上线的多 Agent 工作流。面试代码题往往是「设计一个多 Agent 协作流」，不是手撕 Transformer。

2. RAG 全链路调通。 知道怎么切文档（chunking）、怎么选 embedding 模型、怎么调 retrieval top_k、怎么做 reranking。调不调得通 RAG 是 AI Agent 工程师和「只会用 ChatGPT 的人」的分水岭。

3. Prompt 工程 + 评测。 不是「写了一句 prompt 跑通了」就行。要会设评测集（10-100 条 case）、跑回归、看模型在 corner case 上的退化。这是从「玩具 demo」到「线上产品」最大的一道坎。

AI Agent 工程师的真实数据

Agent Hunt 抓到国内 1538 条 AI Agent 工程师岗位，是国内最大的 AI 岗位簇（v0.12 ByteDance 数据合并后）。

指标	数据
国内岗位数	1538
中位月薪	32.5k（p25 20k / p75 50k，样本 417 条）
中位经验要求	3 年
头部公司	字节跳动、腾讯、MiniMax、智谱 AI、Moonshot
最高频技能	LLM (116) / Agent 架构 (60) / Python (35) / RAG (23)

32.5k 比国内 AI 岗位整体中位（27.5k）高一档 — 是工程实战门槛兑现溢价的位置。AI 大模型创业公司（智谱、MiniMax、Moonshot、百川）几乎全在挂这类岗，没有学历硬指标，看简历卡的就一件事：有没有做过能上线的 Agent / RAG 项目。

怎么开始

第一步：做完一个 Agent 项目。 用 Coze / Dify 这种 no-code 平台先做一个能跑的 Agent（客服 / 笔记助手 / 知识库问答都行）。用 1 周时间做完一个，写到简历里。

第二步：换成代码版。 同一个项目，用 LangChain 或 LlamaIndex 重写一遍。重点是体会「框架到底帮你做了什么」。这个过程 2-3 周。

第三步：上 RAG 大菜。 找一个真实文档集（公司文档 / 法律条款 / 医学指南），做一个 RAG 系统。学会怎么评测「答得对不对」、怎么调 chunking 和 retrieval。这一关过了才算是 AI Agent 工程师。

第四步：投头部公司。 国内优先：字节跳动 / 腾讯 / MiniMax / 智谱 / Moonshot / 百川。这几家几乎全年挂位置，不挑学校但挑项目。

不适合谁

1. 完全没碰过 LLM 调用、只会传统 CRUD 后端的人。这条线现在岗多但卡简历的「AI 项目经验」门槛清晰，没产出物投了基本沉。

2. 想做研究 / 训模型的人。这条线是「用模型」不是「造模型」。如果你想训自己的模型 / 发 paper，去看 算法工程师 那条线。

3. 想避开后端工程化的人。Agent 工程师本质还是工程师 — 要写代码、要部署服务、要值班看监控。不是「写 prompt」一个动作就能交付。

下一步

• 想看 AI Agent 工程师完整数据（薪资分位 / 头部公司 / 技能频次）→ 国内 AI 工程师角色页
• 想看「用模型 vs 造模型」的区别 → 算法工程师 Lv2 篇
• 想看 AI 产品经理怎么和 Agent 工程师配合 → AI 产品经理 Lv2 篇