面向国内 AI Agent 工程师、AI Agent 应用工程师、Agent Platform 工程师、RAG/知识库 Agent 工程师、Coding Agent 工程师、Personal Agent / Desktop Agent 工程师、Tool/MCP 工程师、Agent Safety/Evaluation 工程师等岗位方向。
默认学习者已具备 Python / TypeScript / 后端开发 / API / 数据库 / 基础部署能力。本路线不展开 Linux、Docker、K8s、CI/CD 等通用基础设施内容，详见对应路线。
AI Agent 工程的核心问题不是"如何调用大模型 API"，而是：
让大模型从"回答问题"变成"能在受控环境里执行任务"——构建可执行、可观测、可评测、可治理、可上线的 Agent 系统。
核心目标：从"会调用大模型"走到"能建设可执行、可观测、可评测、可治理、可上线的 Agent 系统"。
LLM 应用基础 → 上下文工程与 RAG → Tool Calling 与 MCP → Agent Runtime/Harness →
Agent 工作流编排 → Workspace/Memory/State → Skills/Plugins → Agent 评测与可观测 →
安全护栏与权限治理 → 产品化与业务集成 → 岗位分支深入| 阶段 | 核心内容 | 分值/重点度 |
|---|---|---|
| LLM 应用基础 | Prompt / JSON Schema / Function Calling / 多轮状态 / 流式输出 | 8分/必会 |
| 上下文工程与 RAG | 文档解析/Embedding/Hybrid Search/Rerank/★Context 工程 | 12分/必会 |
| Tool Calling 与 MCP | Tool Schema/MCP/A2A/★Browser·Computer Use | 12分/必会 |
| Agent Runtime / Harness | Agent Loop/Policy/Hooks/Sandbox/★预算治理 | 15分/必会 |
| Agent 工作流编排 | ReAct/Workflow/State Machine/Multi-Agent/HITL | 15分/必会 |
| Workspace/Memory/State | 会话/任务状态/Workspace/Memory/Checkpoint | 8分/需要会 |
| Skills/Plugins/Agent Extension | Skill 结构/Marketplace/★供应链安全 | 10分/必会 |
| Agent 评测与可观测 | Trace/Trajectory Eval/★基准谱系/成本统计 | 10分/必会 |
| 安全护栏与权限治理 | Guardrail/Permission/★Confused Deputy/供应链 | 7分/必会 |
| 产品化与业务集成 | 企业 API/IM 渠道/多租户/计量 | 3分/需要会 |
| 维度 | 2026 现状 |
|---|---|
| 个人 Agent | OpenClaw/ClawHub 现象级爆发（28万+ star，已超 React），"龙虾类目"成形（字节 Coze / 阿里 QwenPaw / 百度红手指 Operator） |
| 办公 Agent | 腾讯 WorkBuddy（2026-03 上线）等本地执行型办公 Agent 进入企业内部规模化使用；腾讯有 WorkBuddy（办公）、QClaw（个人）等 Claw 系 Agent（CodeBuddy 编程助手为独立且更早的产品，常被一并提及） |
| 协议 | MCP（agent↔工具）成事实标准，2025-12 并入 Linux Foundation 的 Agentic AI Foundation（AAIF）；A2A（agent↔agent，Google，2025-06 单独捐给 Linux Foundation，非 AAIF 项目）补齐多 Agent 协作 |
| Computer Use | 从"浏览器自动化"扩展到"操作整个 GUI/桌面" |
| 安全 | prompt injection 是 OWASP LLM Top 10 头号风险（LLM01）、Agent 时代增长最快的攻击类别之一；Confused Deputy（混淆代理人）是 MCP 授权层的标志性威胁；技能供应链攻击高发（据 Palo Alto Unit42，ClawHub 约两成技能有风险） |
| 评测 | trajectory-level eval + 基准谱系（τ-bench/GAIA/WebArena/SWE-bench/Terminal-Bench）成 AgentOps 标配 |
├── 必会：通用 AI Agent 工程师默认需要掌握
├── 需要会：国内岗位和成熟产品高频出现，至少能解释和基础实践
├── 岗位重点：某类 Agent 岗位必须重点掌握
├── 加分项：不强制要求，但会明显提高竞争力
└── 暂不优先：技术重要，但不适合作为第一阶段主线├── Coding Agent 类
│ ├── Claude Code
│ ├── OpenAI Codex / Codex CLI / Codex Cloud
│ ├── Cursor Agent / Windsurf
│ └── OpenCode / Aider / Cline / OpenHands
├── Office / Productivity Agent 类
│ ├── 腾讯 WorkBuddy（2026-03 上线，本地执行型办公 Agent）
│ ├── 腾讯 CodeBuddy（编程助手，独立产品，内部广泛使用）
│ ├── Manus 类自主任务 Agent
│ └── 数据分析 / 报告生成 / 企业流程 Agent
├── Personal / Desktop Agent 类（2026 "龙虾类目"爆发）
│ ├── OpenClaw（开源个人 Agent，GitHub 28 万+ star）
│ ├── ClawHub（OpenClaw 技能市场，13,729+ 技能）
│ ├── 字节 Coze / 阿里 QwenPaw / 百度红手指 Operator
│ └── 邮件 / 日历 / 文件 / IM 渠道 Agent
├── Agent Platform / Workflow 类
│ ├── Dify / Coze
│ ├── LangGraph / LangSmith / Langfuse
│ ├── LlamaIndex
│ └── OpenAI Agents SDK / Google ADK
└── Agent Protocol / Runtime 类
├── MCP（agent ↔ 工具/上下文）
├── A2A（agent ↔ agent）
├── Agent Runtime / Agent Harness
├── Skills / Plugins / Hooks
├── Sandbox
└── Trace / Eval / Guardrails完成主路线后按目标岗位深入：
答案默认折叠，点题目展开；可开「自测模式」全部收起。