最近知乎有一个热帖怎么成为 Agent 工程师常见答案是一张学习路线图先学 Prompt再学 Skill、Tools、RAG、Memory接着研究工作流、部署和多 Agent。看多了这类讨论很容易把 Agent 工程师当成软件工程师在 AI 时代的必选方向。我不太认同。从工程角度看Agent 和 Web、App 一样都是用来解决业务问题的一类应用。Agent 有自己的工作方式也需要理解一些新的基本原理。但如果业务不需要 Agent就没有必要为了跟上潮流先把整套技术栈学一遍。Agent 开发是一种方向。借助 AI 解决问题是一种适用面更广的能力。我们最早以为问题出在 SkillOpenClaw 火的时候我们用它开发了几个 Skill解决一些业务问题。调优和测试时Skill 的执行经常不稳定。最开始我们也沿着最显眼的地方改继续调整 Skill补脚本增加规则。但改了一段时间我发现问题不在 Skill 这一层。在我们当时采用的 OpenClaw 方案里Tools 和 System Prompt 不能根据业务需要修改。默认 Tools 更偏个人助理而我们的 Agent 面向商家。商家场景需要更细的安全控制哪些文件能读哪些业务操作能执行。我们的批量任务运行时间很长如果没有任务管理经常执行到一半就会中断。继续研究 Skill 怎么写解决不了这些问题。我们后来转向 OpenClaw 的内核 Pi自己定义 Tools 和 System Prompt再根据业务需要建立安全控制和长程任务管理。后面的 Memory 和上下文管理也是这样来的。不是因为学习路线走到了这里而是测试又暴露了新的问题。用 Coding Agent 往源码里多追一层每次测试暴露一个新问题我都会用 Coding Agent 往源码里多追一层看看其他 Agent 是怎么处理的再回到自己的业务里验证。这段时间我其实是在用 Agent 学习 Agent。前一个 Agent 指 Coding Agent。我会让它研究其他 Agent 的源码找相似实现也会观察它如何理解代码和报错。需要做新模块时我还会让它结合业务约束写出第一版。它给出的解释只能当线索不能直接当结论。它对源码的理解对不对换到我们的场景还成不成立最后都要用测试和业务结果验证。Coding Agent 可以帮我理解实现但安全边界应该落在哪里长程任务怎样才不会中断Memory 到底该记什么仍然要根据业务来定。代码里没有现成答案。理解 Agent是为了知道该改哪一层无论最后做的是 Web、App 还是 AgentCoding Agent 都能参与读文档、研究源码、比较方案甚至写出第一版。但代码能运行不等于业务问题解决了。要判断 AI 给出的方案能不能用仍然要理解 Agent 眼下看到了什么、能调用哪些工具、工具返回的结果怎样影响下一步以及哪里必须由人设定边界。我也看到有些同学发现 Skill 对业务重要就一直研究 Skill、脚本和部署。可问题不在 Skill 层时规则和脚本加得再多Agent 还是会选错 Tool、记不住信息或者执行到一半停下来。先看业务需不需要如果业务需要 Agent就去做。如果业务不需要 Agent也没有必要为了跟上潮流先学完一整套 Agent 技术栈。我现在更关心的不是自己算不算 Agent 工程师而是业务出了问题时能不能借助 AI 把它追到应该解决的那一层。说真的这两年看着身边一个个搞Java、C、前端、数据、架构的开始卷大模型挺唏嘘的。大家最开始都是写接口、搞Spring Boot、连数据库、配Redis稳稳当当过日子。结果GPT、DeepSeek火了之后整条线上的人都开始有点慌了大家都在想“我是不是要学大模型不然这饭碗还能保多久”我先给出最直接的答案一定要把现有的技术和大模型结合起来而不是抛弃你们现有技术掌握AI能力的Java工程师比纯Java岗要吃香的多。即使现在裁员、降薪、团队解散的比比皆是……但后续的趋势一定是AI应用落地大模型方向才是实现职业升级、提升薪资待遇的绝佳机遇这绝非空谈。数据说话2025年的最后一个月脉脉高聘发布了《2025年度人才迁徙报告》披露了2025年前10个月的招聘市场现状。AI领域的人才需求呈现出极为迫切的“井喷”态势2025年前10个月新发AI岗位量同比增长543%9月单月同比增幅超11倍。同时在薪资方面AI领域也显著领先。其中月薪排名前20的高薪岗位平均月薪均超过6万元而这些席位大部分被AI研发岗占据。与此相对应市场为AI人才支付了显著的溢价算法工程师中专攻AIGC方向的岗位平均薪资较普通算法工程师高出近18%产品经理岗位中AI方向的产品经理薪资也领先约20%。当你意识到“技术AI”是个人突围的最佳路径时整个就业市场的数据也印证了同一个事实AI大模型正成为高薪机会的最大源头。最后我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我整理出这套 AI 大模型突围资料包【允许白嫖】✅从入门到精通的全套视频教程✅AI大模型学习路线图0基础到项目实战仅需90天✅大模型书籍与技术文档PDF✅各大厂大模型面试题目详解✅640套AI大模型报告合集✅大模型入门实战训练这份完整版的大模型 AI 学习和面试资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】①从入门到精通的全套视频教程包含提示词工程、RAG、Agent等技术点② AI大模型学习路线图0基础到项目实战仅需90天全过程AI大模型学习路线③学习电子书籍和技术文档市面上的大模型书籍确实太多了这些是我精选出来的④各大厂大模型面试题目详解⑤640套AI大模型报告合集⑥大模型入门实战训练获取方式有需要的小伙伴可以保存图片到wx扫描二v码免费领取【保证100%免费】 告别死磕技术栈！从 Coding Agent 开始，这样打造真正解决问题的 AI Agent
最近知乎有一个热帖怎么成为 Agent 工程师常见答案是一张学习路线图先学 Prompt再学 Skill、Tools、RAG、Memory接着研究工作流、部署和多 Agent。看多了这类讨论很容易把 Agent 工程师当成软件工程师在 AI 时代的必选方向。我不太认同。从工程角度看Agent 和 Web、App 一样都是用来解决业务问题的一类应用。Agent 有自己的工作方式也需要理解一些新的基本原理。但如果业务不需要 Agent就没有必要为了跟上潮流先把整套技术栈学一遍。Agent 开发是一种方向。借助 AI 解决问题是一种适用面更广的能力。我们最早以为问题出在 SkillOpenClaw 火的时候我们用它开发了几个 Skill解决一些业务问题。调优和测试时Skill 的执行经常不稳定。最开始我们也沿着最显眼的地方改继续调整 Skill补脚本增加规则。但改了一段时间我发现问题不在 Skill 这一层。在我们当时采用的 OpenClaw 方案里Tools 和 System Prompt 不能根据业务需要修改。默认 Tools 更偏个人助理而我们的 Agent 面向商家。商家场景需要更细的安全控制哪些文件能读哪些业务操作能执行。我们的批量任务运行时间很长如果没有任务管理经常执行到一半就会中断。继续研究 Skill 怎么写解决不了这些问题。我们后来转向 OpenClaw 的内核 Pi自己定义 Tools 和 System Prompt再根据业务需要建立安全控制和长程任务管理。后面的 Memory 和上下文管理也是这样来的。不是因为学习路线走到了这里而是测试又暴露了新的问题。用 Coding Agent 往源码里多追一层每次测试暴露一个新问题我都会用 Coding Agent 往源码里多追一层看看其他 Agent 是怎么处理的再回到自己的业务里验证。这段时间我其实是在用 Agent 学习 Agent。前一个 Agent 指 Coding Agent。我会让它研究其他 Agent 的源码找相似实现也会观察它如何理解代码和报错。需要做新模块时我还会让它结合业务约束写出第一版。它给出的解释只能当线索不能直接当结论。它对源码的理解对不对换到我们的场景还成不成立最后都要用测试和业务结果验证。Coding Agent 可以帮我理解实现但安全边界应该落在哪里长程任务怎样才不会中断Memory 到底该记什么仍然要根据业务来定。代码里没有现成答案。理解 Agent是为了知道该改哪一层无论最后做的是 Web、App 还是 AgentCoding Agent 都能参与读文档、研究源码、比较方案甚至写出第一版。但代码能运行不等于业务问题解决了。要判断 AI 给出的方案能不能用仍然要理解 Agent 眼下看到了什么、能调用哪些工具、工具返回的结果怎样影响下一步以及哪里必须由人设定边界。我也看到有些同学发现 Skill 对业务重要就一直研究 Skill、脚本和部署。可问题不在 Skill 层时规则和脚本加得再多Agent 还是会选错 Tool、记不住信息或者执行到一半停下来。先看业务需不需要如果业务需要 Agent就去做。如果业务不需要 Agent也没有必要为了跟上潮流先学完一整套 Agent 技术栈。我现在更关心的不是自己算不算 Agent 工程师而是业务出了问题时能不能借助 AI 把它追到应该解决的那一层。说真的这两年看着身边一个个搞Java、C、前端、数据、架构的开始卷大模型挺唏嘘的。大家最开始都是写接口、搞Spring Boot、连数据库、配Redis稳稳当当过日子。结果GPT、DeepSeek火了之后整条线上的人都开始有点慌了大家都在想“我是不是要学大模型不然这饭碗还能保多久”我先给出最直接的答案一定要把现有的技术和大模型结合起来而不是抛弃你们现有技术掌握AI能力的Java工程师比纯Java岗要吃香的多。即使现在裁员、降薪、团队解散的比比皆是……但后续的趋势一定是AI应用落地大模型方向才是实现职业升级、提升薪资待遇的绝佳机遇这绝非空谈。数据说话2025年的最后一个月脉脉高聘发布了《2025年度人才迁徙报告》披露了2025年前10个月的招聘市场现状。AI领域的人才需求呈现出极为迫切的“井喷”态势2025年前10个月新发AI岗位量同比增长543%9月单月同比增幅超11倍。同时在薪资方面AI领域也显著领先。其中月薪排名前20的高薪岗位平均月薪均超过6万元而这些席位大部分被AI研发岗占据。与此相对应市场为AI人才支付了显著的溢价算法工程师中专攻AIGC方向的岗位平均薪资较普通算法工程师高出近18%产品经理岗位中AI方向的产品经理薪资也领先约20%。当你意识到“技术AI”是个人突围的最佳路径时整个就业市场的数据也印证了同一个事实AI大模型正成为高薪机会的最大源头。最后我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我整理出这套 AI 大模型突围资料包【允许白嫖】✅从入门到精通的全套视频教程✅AI大模型学习路线图0基础到项目实战仅需90天✅大模型书籍与技术文档PDF✅各大厂大模型面试题目详解✅640套AI大模型报告合集✅大模型入门实战训练这份完整版的大模型 AI 学习和面试资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】①从入门到精通的全套视频教程包含提示词工程、RAG、Agent等技术点② AI大模型学习路线图0基础到项目实战仅需90天全过程AI大模型学习路线③学习电子书籍和技术文档市面上的大模型书籍确实太多了这些是我精选出来的④各大厂大模型面试题目详解⑤640套AI大模型报告合集⑥大模型入门实战训练获取方式有需要的小伙伴可以保存图片到wx扫描二v码免费领取【保证100%免费】