TOPIC 04

Agent研发职业：工具、状态、权限与评测

Agent可以调用工具并执行多步骤流程，但生产系统还要处理状态、权限、超时、成本、错误恢复和人工确认。专题不把Agent简化为提示词，而是说明后端、AI应用、评测与产品职责怎样协作。

METHOD

专题方法

阅读顺序建议从问题定义开始，再进入任务拆解、技术环节、验证方法和职业证据。不同企业的岗位名称与职责会变化，本专题不发布未经核查的实时职位、薪资或招聘数量。

专题检查线问题 → 任务 → AI能力 → 人工判断 → 验证 → 作品证据

READING PATH

Agent工程需要工具协议、状态管理、权限、规划、评测与失败恢复。本文围绕工具调用、状态、权限、评测拆解实际任务、检查方法和可以用于作品集的证据，避免把职业名称或热门工具当成能力本身。

RAG把文档处理、检索、上下文组装、生成与引用验证连成系统。本文围绕文档、检索、上下文、引用拆解实际任务、检查方法和可以用于作品集的证据，避免把职业名称或热门工具当成能力本身。

应用工程师把模型、知识、工具和业务流程组织成可观测、可回退的产品。本文围绕API、工作流、可观测、回退拆解实际任务、检查方法和可以用于作品集的证据，避免把职业名称或热门工具当成能力本身。

判断AI岗位不能只数Python、模型和Agent等词。先查岗位处理的输入、必须交付的输出、需要承担的技术深度以及业务角色，才可以区分模型研发、AI应用工程、AI产品和“原职业＋AI工具”。分类没有高低之分，但会决定作品集和面试准备方向。

AI产业远大于基础模型研究。应用工程、评测、AI QA、数据质量、部署和技术产品都需要可验证的工程成果。本文不承诺低门槛捷径，而是逐项说明六条入口各自的输入、输出、技能证明和常见误区，帮助读者选择与背景匹配的切入点。

ACTION