外观
模块导读与岗位版图
这一模块解决一个问题：学会 Agent 技术之后，怎么把它变成一份工作和一份有竞争力的简历。 本节是全模块的地图——先看清楚市场上到底有哪些岗位、分别要什么、给多少钱，再决定自己从哪条路切进去。
先说一个容易被忽略的判断：「Agent 工程师」在 2026 年的招聘市场上不是一个单一岗位，而是一个光谱。从偏业务的「用 Coze/Dify 搭工作流」到偏底层的「给 Agent 写沙箱和调度系统」，薪资和门槛差出好几倍。投简历之前，先搞清楚 JD 上写的到底是光谱的哪一段。
数据时效说明
本页所有薪资与招聘热度数据均来自 2025 年底至 2026 年 8 月的公开招聘报告与在招岗位快照（脉脉高聘、猎聘、LinkedIn 等），标注 dataAsOf: 2026-08。样本量较小的调研数据会明确标注。薪资数字会随行情波动，求职谈判前请以当季在招 JD 为准。
一、Agent 浪潮创造了哪些岗位
1.1 五类岗位总览
| 岗位 | 一句话定位 | 核心产出 | 典型薪资带（国内一线城市，月薪） |
|---|---|---|---|
| AI Agent 工程师 | 设计并实现 Agent 的决策循环 | Agent Loop、规划、工具编排、多 Agent 协作 | 25K–60K（资深更高） |
| AI 应用工程师 | 把 LLM 能力落地成业务功能 | RAG 管线、对话系统、Prompt 工程、评测 | 20K–45K |
| Agent 平台工程师 | 搭供别人开发 Agent 的平台 | Agent 运行时、编排引擎、沙箱、权限 | 30K–60K |
| AI Infra 工程师 | 支撑模型推理与训练的基础设施 | 推理加速、GPU 调度、向量库、网关 | 35K–70K |
| AI 产品经理（Agent 方向） | 定义 Agent 产品做什么、怎么衡量 | 场景定义、评测标准、人机协作流程 | 比普通 PM 高约 20% |
几个需要说明的边界：
- 岗位名混乱是常态。同一份工作，A 公司叫「AI Agent 开发工程师」，B 公司叫「大模型应用工程师」，C 公司叫「AI 全栈工程师」。别按 title 筛岗位，按 JD 里的关键词筛：出现 LangGraph/工具调用/MCP/eval 的基本是 Agent 工程师；出现 RAG/知识库/对话机器人偏多的是应用工程师；出现 k8s/vLLM/推理优化的是 Infra。
- AI Infra 是这五类里最接近传统后端/系统工程的，也是转型阻力最小、薪资天花板最高的一支，但它对「Agent 语义」的要求最低——这是个取舍。
- 「Agent 平台工程师」是 2025 年才明显分化出来的岗位：当一家公司里有三个以上团队都在做 Agent，就会有人被抽出来做统一平台（类似当年的中台逻辑）。字节（扣子/Coze 团队）、阿里（百炼）、腾讯（元器）以及一批 Agent 创业公司都在招这类人。
1.2 AI Agent 工程师：岗位的「正宗」
这是本手册默认的目标岗位。职责可以浓缩成一句话：对 Agent 的行为质量负责——它规划得对不对、工具调得准不准、失败了能不能恢复、成本超没超。
典型职责（综合多份 2026 年在招 JD 归纳）：
- 设计 Agent Loop：任务拆解、规划策略（ReAct / Plan-and-Execute）、反思与重试机制；
- 工具生态建设：定义 tool schema、接入 MCP server、处理工具失败与超时；
- 上下文工程：设计 memory 结构、上下文压缩、多轮状态管理；
- 评测体系：搭 trace 采集、写 eval 集、定义成功率指标并持续回归；
- 上线与运维：观测告警、成本监控、人机回退（human-in-the-loop）流程。
技能要求按出现频率排序（硬技能部分详见后面的技能矩阵）：LLM API 与 Prompt 工程 > RAG > 至少一种 Agent 框架 > 评测 > 工具/MCP 开发。值得注意的是，「有评测经验」在 2026 年的 JD 里出现频率明显上升——行业已经过了「能跑起来就行」的阶段，现在的痛点是「怎么证明它可靠」。这正是本站单开一章讲 评测 的原因。
一个反直觉的观察
Agent 工程师的日常里，写 Prompt 和调框架只占三分之一，另外三分之二在处理「脏活」：工具返回的垃圾数据、模型不稳定的输出格式、边界 case 的兜底逻辑。面试时大谈 ReAct 论文的人往往不如能讲清楚「我的 Agent 上周挂了三次，分别是什么原因、我怎么修的」的人。后者叫不确定性管理，是这个岗位真正的护城河。
1.3 AI 应用工程师：需求量最大的一支
如果把 Agent 工程师比作「造发动机的人」，应用工程师就是「造车的人」——用 LLM 能力解决具体业务问题：智能客服、知识库问答、审核辅助、营销文案生成、办公自动化。
职责与 Agent 工程师有大量重叠（RAG、Prompt、评测都要会），区别在于：
- 更看重业务落地速度：低代码平台（Coze、Dify）在这类岗位里是正经工具，不是玩具。很多 JD 明确要求「熟悉 Dify/Coze 二次开发」；
- 对模型层的要求更浅：一般不涉及 Agent 复杂规划，以单轮/少轮 RAG 和固定工作流为主；
- 对全栈能力要求更高：经常需要一个人把前端界面、后端 API、LLM 调用全包了。
对转行者来说，这是门槛最低、岗位量最大的入口。但也要有清醒认识：纯「调 API + 拼 LangChain」的应用岗正在快速商品化，2026 年还能拿到溢价的，是那些真正懂 RAG 调优、懂评测、能把准确率从 70% 磨到 95% 的人。
1.4 Agent 平台工程师与 AI Infra：系统人的机会
这两个岗位放在一起说，因为它们本质上是传统后端/分布式系统能力在 Agent 时代的平移。
Agent 平台工程师的典型工作：
- Agent 运行时：会话状态持久化、长任务的断点续跑、多租户隔离；
- 编排引擎：可视化工作流拖拽背后的 DAG 执行器（参考 Dify、Coze 的架构）；
- 工具与权限中台：统一的 tool registry、MCP gateway、鉴权与审计；
- 沙箱：给 Agent 生成的代码提供安全执行环境（参考本站安全一章）。
AI Infra 则更偏底层：推理服务（vLLM/SGLang）、GPU 调度、KV cache 优化、模型网关与限流、向量数据库运维。这个方向 2025-2026 年的热度极高——脉脉报告里「高性能计算工程师」进入了人才紧缺榜，推理优化方向的高级岗位月薪普遍在 50K 以上。
如果你做了五年分布式系统，不想从头学一堆「Agent 黑话」，这两条路是最顺的切入方式：你已有的能力占岗位的 70%，剩下 30% 补 LLM API 和 Agent 基本概念即可。
1.5 AI 产品经理（Agent 方向）
脉脉《2025 年度人才迁徙报告》显示，AI 产品经理是 2025 年 1-10 月新发岗位量增幅 Top3 的岗位之一（另两个是大模型算法、机器人算法），且 AI 产品经理平均月薪比普通产品经理高出约 20%。
Agent 方向的 PM 和传统 PM 有三个本质区别：
- 需求是非确定性的：传统功能「点按钮必出结果」，Agent「同样输入可能给出不同质量的输出」。PM 必须学会用「成功率」「评测集」而不是「功能清单」来定义需求；
- 必须懂技术边界：不知道 context window 是什么、不知道工具调用会失败的 PM，会设计出根本做不出来的 Agent 产品；
- 设计对象包含人机协作：什么时候该让 Agent 自主跑、什么时候必须停下来问人（human-in-the-loop），是产品决策而不是技术决策。
这个岗位适合有 PM 经验、愿意补技术课的人，也适合想转产品的工程师——后者的技术判断力反而是稀缺优势。
二、技能矩阵
2.1 硬技能：五块拼图
┌─────────────────────────────┐
│ 评测与观测（Evals/Tracing） │ ← 2026 年溢价最高
├─────────────────────────────┤
│ 一种 Agent 框架（精通即可） │
├──────────────┬──────────────┤
│ 工具/MCP 开发 │ RAG 管线 │
├──────────────┴──────────────┤
│ LLM API + Prompt 工程 │ ← 地基，人人必会
└─────────────────────────────┘- LLM API + Prompt 工程：不是「会调 chat completion」就算数。要理解 temperature 等采样参数的实际影响、structured output、function calling 的协议细节、token 计费与 context window 的约束。参考本站 Prompt 工程 一章。
- RAG：索引切分、embedding 选型、混合检索、重排序、查询改写——每个环节都有面试官可以追问三层的深度。
- 工具与 MCP 开发：tool schema 设计原则、错误处理、幂等性；MCP 从 2025 年起已成为工具接入的事实标准，不会 MCP 在 2026 年约等于不会 REST。
- 一种框架，精通即可：LangGraph、OpenAI Agents SDK、Claude Agent SDK、CrewAI 任选一个吃透。框架之间思想相通，贪多嚼不烂。选型逻辑见框架总览。
- 评测：会写 eval 集、会用 LLM-as-judge、会看 trace 定位失败原因。这是当前市场上最稀缺的技能，详见评测与可观测性。
2.2 软技能：决定上限的部分
- 产品 sense：Agent 项目最大的失败模式不是技术不行，而是「这个场景根本不该用 Agent」。能判断「哪些任务适合 Agent、哪些适合固定工作流、哪些传统代码就够」的人，直接决定了项目的生死。
- 不确定性管理：传统工程师的本能是消除不确定性；Agent 工程师必须学会与不确定性共处——用评测量化它、用兜底逻辑圈住它、用人工审核兜住它。这是思维方式的转变，不是技术点。
- 把模糊问题拆成可验证步骤的能力：老板说「做个能自动处理客户投诉的 Agent」，你要能拆成：意图分类（可评测）→ 知识库检索（可评测）→ 回复生成（可评测）→ 升级人工的触发条件（可定义）。
- 写作能力：Agent 时代，设计文档、Prompt、eval 用例、AGENTS.md 全是写作。写得清楚的工程师影响力天然大一圈。
三、市场需求现状（2025–2026）
3.1 国内：爆发之后进入「精准稀缺」
关键数据（均来自脉脉高聘《2025 年度人才迁徙报告》，2025 年 12 月发布）：
- 2025 年 1-10 月，新发 AI 岗位量同比攀升 543%，9 月单月同比增幅超过 11 倍；
- 新发岗位量增幅 Top3：AI 产品经理、大模型算法、机器人算法；岗位量绝对数最多的是算法工程师和大模型算法；
- 高薪岗位 Top20 平均月薪均超过 6 万元，AI 研发岗占据大半；AI 科学家平均月薪 12.7 万元；
- 薪资溢价：AIGC 算法工程师平均月薪较普通算法工程师高约 18%，AI 产品经理较普通产品经理高约 20%；
- 企业侧：字节跳动在整体招聘量和 AI 人才招聘量上均断层领先。
但有一个必须泼的冷水：同一报告显示，2025 年 AI 领域人才供需比首次超过 1，进入供大于求状态。这不矛盾——供大于求的是「泛 AI 求职者」，稀缺的是「能独立把 Agent 做上线并拿出评测数据的人」。岗位的结构性分化非常明显：初级、只会调 API 的候选人内卷加剧，有完整项目闭环（开发+评测+上线+成本控制）的候选人依然被抢。
聚焦到 Agent 细分岗位，几个 2026 年的行情快照（样本量较小，仅供参考）：
- 猎聘在招岗位（2026 年 8 月检索）：AI Agent 开发工程师，南京 20–40K×14 薪；Agent 开发专家，北京 40–60K×15 薪；中级岗位，上海 35–50K；
- 一份对 2026 年 101 份 AI Agent 岗位 JD 的调研显示：59.6% 的岗位月薪超过 25K，北京岗位平均突破 40K；薪资主力区间集中在 25–40K。
别被「543%」冲昏头
岗位量暴增的基数很低（2024 年 Agent 岗位几乎不存在），且其中相当比例是传统岗位换了个 AI 的 title。真正决定你议价能力的不是市场热度，而是你能不能回答那个问题：「你做的 Agent，成功率多少，怎么测的？」
3.2 海外：AI Engineer 连续两年霸榜
- LinkedIn《Jobs on the Rise 2025》（基于 2022-2024 三年数据）：Artificial Intelligence Engineer 位列美国增长最快岗位第一名，同时也是英国榜单第一名，是这份全球榜单上出现频率最高的岗位；
- 据 CBS News 2026 年 4 月援引 LinkedIn 数据：2023 至 2025 年间，美国新增 63.9 万条 AI 相关职位发布，其中 7.5 万条为 AI Engineer 岗位；
- 薪资（2026 年年中多来源综合）：美国 AI 工程师典型 base 约 $140K–$240K（随级别浮动），中级总包约 $230K–$380K，FAANG 资深可达 $340K–$550K+；头部实验室（如 OpenAI）的工程师总包中位数在 levels.fyi 自报数据上显著高于此区间，但自报数据存在样本偏差，仅供参考。
海外岗位的一个显著特征：title 高度统一为「AI Engineer」，职责描述里 Agentic workflow、tool use、evals 三个词的出现率极高——与国内「Agent 工程师/应用工程师/算法工程师」混杂的局面不同，海外已经把这条职业路径收敛成了一个标准岗位。
3.3 一个冷热不均的事实
热潮集中在头部：字节、阿里、腾讯、美团等大厂和一线 Agent 创业公司拿走了大部分 HC，中小公司的「Agent 岗位」往往是一个人身兼数职的应用岗。求职策略上，作品集比学历更能帮你穿过简历筛选——具体做法见作品集项目一章。
四、不同背景的转型路线
不存在「零基础三个月转行 Agent 工程师」这种神话，但不同起点的人路径长度差异很大。下面三条路线按 6-12 个月的业余学习周期设计。
4.1 后端工程师：最顺的一条路
你的存量优势：系统设计、API 开发、数据库、并发与异步、线上排障——这些占 Agent 工程日常工作的 50% 以上。
已有能力 需要补齐
───────────── ─────────────────────────
API/微服务/数据库 ──▶ LLM API + Prompt 工程（2-4 周）
异步任务/消息队列 ──▶ RAG：embedding/检索/重排（4-6 周）
分布式排障/监控 ──▶ 一种框架 + 工具/MCP 开发（4-6 周）
CI/CD ──▶ 评测与观测（持续，贯穿项目）落地路径：
- 第 1-2 个月：跟一个完整教程做出第一个能跑的 Agent（见动手教程），别急着看论文；
- 第 3-4 个月：做一个有真实数据的项目——把公司内部系统的某条 API 封装成工具，让 Agent 能查询和操作它。注意脱敏；
- 第 5-6 个月：给项目补评测集和 trace 观测，把「成功率从 60% 提到 90%」的过程写成文章——这就是你简历上最有说服力的一行；
- 求职时优先投「Agent 平台工程师」和「AI 应用工程师」，你比纯算法背景的人多出来的工程直觉在这些岗位上是直接加分项。
4.2 算法/ML 工程师：向下走一步
你的存量优势：模型原理、训练/微调、数据处理、实验思维（这让你做评测时天然上手快）。
你的短板大概率在工程交付：写过训练脚本不等于写过能扛并发的线上服务。转型动作：
- 补一门扎实的后端课：FastAPI/Node、数据库、缓存、队列、Docker 部署——目标是把 Agent 做成一个别人能调的服务，而不是 Jupyter notebook；
- 把「优化模型指标」的思维平移到「优化 Agent 行为指标」：eval 集就是你的 test set，trace 分析就是你的 bad case 分析；
- 微调（SFT/RL）技能别丢——2026 年越来越多的团队发现「给垂直场景微调一个小模型」比「给通用大模型写一万字 Prompt」更划算，会做这件事的 Agent 工程师很稀缺；
- 求职方向：Agent 工程师、大模型应用算法岗。简历上突出「模型能力边界判断」——什么时候该调 Prompt、什么时候该上 RAG、什么时候该微调，这是算法背景独有的判断力。
4.3 前端工程师：从「Agent 的界面」切进去
实话实说：前端转型 Agent 的距离比后端远，但有一条别人没有的差异化路径——Agent 的人机交互界面是当前最被低估的方向。
- Agent 产品的 UX 远比传统产品复杂：流式输出、中间过程展示（tool call 可视化）、用户中途介入、结果确认与回滚。这些正是前端的主场。Claude Code 的终端 UI、Manus 的任务回放界面，都是「Agent UX」的代表作；
- 具体路线：先学 LLM API 和 Prompt（人人必过的一关），然后做一个「带完整 Agent UX 的 AI 应用」——流式渲染、tool call 展示、人工确认节点。这类作品在面试官眼里比又一个聊天框亮眼得多；
- TypeScript 生态对前端友好：OpenAI Agents SDK、Mastra、Vercel AI SDK 都是 TS 优先的，入门阻力比 Python 生态小；
- 求职方向：AI 应用工程师（全栈方向）、AI 产品的前端岗。把目标定为「最懂 Agent 的前端」，而不是「半路出家的 Agent 工程师」——前者你是稀缺品，后者你是备胎。
三条路线的共同收尾
不管从哪条路进来，最后都要汇聚到同一件事：一个能公开演示、有评测数据、踩过真实坑的项目。教程作业型项目（「跟着视频做的聊天机器人」）在 2026 年的简历筛选里已经基本失效，面试官默认所有人都做过。差异化来自你独自解决的问题。
五、本模块其他页面导读
本页是地图，接下来的页面是各个目的地的详图。建议按这个顺序读：
- 岗位 JD 拆解：精选国内外真实 Agent 岗位 JD，逐条拆解「这句话实际在要求什么、面试会怎么考」。写简历前先读这篇，知道对方要什么；
- 知识地图与面试考点：把全站的技术内容映射成面试考纲——哪些概念必考、哪些是加分项、各考到什么程度；
- 简历诊断与改写：典型问题简历的反面案例 + 改写示范。核心原则：写「我做成了什么、怎么验证的」，而不是「我学过什么」；
- 面试题精选与回答思路：按频率分级的真实面试题，附回答框架而不是标准答案——Agent 岗位的面试没有标准答案，只有思考深度。
配合模块外的两篇实战内容效果更好：作品集项目（做出能写进简历的东西）和 AGENTS.md 写作（顺带展示你对 AI 协作工程的理解，本身即是面试加分项）。
如果还没想清楚要不要走这条路，先回到学习路径确认投入产出预期；想先建立技术全景再谈求职的，从全景解剖开始。
参考资料
- 脉脉高聘《2025 年度人才迁徙报告》报道（腾讯新闻/时代财经） —— 2025 年 1-10 月新发 AI 岗位同比 +543%、AI 科学家平均月薪 12.7 万等核心数据出处。
- 脉脉发布年度人才报告，AI 产品经理岗位量增幅 369%（新华网） —— 岗位增幅 Top3 与岗位量排名的官方媒体报道。
- 《2025 年度人才迁徙报告》全文（发现报告） —— 报告原文，含 AI 人才供需比、新发岗位平均月薪 61764 元等细节。
- 猎聘「Agent 开发」在招岗位列表 —— 2026 年 8 月国内 Agent 岗位薪资带实时快照（20–40K×14 薪至 40–60K×15 薪）。
- AI Agent 岗位薪资调研：59.6% 岗位月薪超 25K（知乎专栏） —— 基于 2026 年 101 份 Agent 岗位 JD 的薪资分布统计（样本量小，仅供参考）。
- LinkedIn Jobs on the Rise 2025（Duke Career Hub 转述） —— AI Engineer 位列美国增长最快岗位榜首的报告要点。
- This is the fastest-growing job for young workers（CBS News） —— 2023–2025 年美国新增 63.9 万条 AI 职位发布、其中 7.5 万条为 AI Engineer。
- AI Engineer Salary 2026（uvik） —— 美国 AI 工程师 2026 年薪资带：base $140K–$185K、资深总包 $300K+。