入职之前，我以为Agent开发岗是这样的：每天写提示词、编排工作流、调试模型，坐在AI浪潮的正中心，做的事和两年前的自己完全不在一个世界。

入职两个月之后，我发现这个岗位更像是：上午对着配置后台改字段，下午和一个接口的返回格式搏斗，晚上复盘为什么那批调用失败了千分之三。

没错，我入职美的的Agent开发岗，两个月，正在经历一场彻底的去魅。

先说结论：去魅不是坏事。恰恰相反，我觉得这是转型路上必须经历的一步——你只有真的坐进这个岗位，才知道它到底由什么组成。

先交代背景。我，34岁，在一家银行的信用卡中心做了六年Java后端，做的是风控系统。去年底行业收缩，整个风控条线开始优化，我拿了赔偿金出来，花了三个月准备转型，主攻Agent开发。今年九月入职美的，做的也是Agent开发相关的工作。

为什么选美的？说实话，当时手里有两个offer，另一个是一家同体量的互联网大厂，薪资差不多。我最后选了美的，除了离家近，还有一个很重要的原因：美的的AI业务是真的在往业务里落，不是PPT创新。面试的时候，面试官给我看了一页内部材料，说的是他们把Agent用在售后和供应链场景，一年省下来的人力成本是算得出来的。我当时就觉得，这个岗位有实物，不是空气。

入职第一个月，我的感受是"这也算Agent开发？"

我原来在银行写风控，一个策略上线，需求评审、方案设计、开发、测试、灰度、全量，一步不落。我以为Agent开发会更"智能"——不就是设计个流程，让模型自己干活吗？

结果入职第一周，leader给我的第一个任务是：把内部知识库的一个检索模块从旧版ES迁移到新版，同时保证召回率不掉。没有模型，没有提示词，没有Agent，就是一次很朴素的检索系统迁移。

我当时心里是有点落差的。然后第二周，是给一个工单分类的Agent补历史数据的清洗脚本。第三周，是排查为什么某个工具调用的成功率从97%掉到了91%，最后发现是上游一个字段悄悄改了枚举值。

一个月下来，我干的事和"AI"两个字的关系，大概只有20%。剩下的80%，是检索、清洗、排查、监控、对接——全是后端老本行。

但转折发生在第二个月。

第二个月，我开始接触到这个岗位真正核心的东西，才发现自己第一个月的落差，其实是误解。

比如，那个检索模块迁移完之后，leader让我做一次召回率对比评测。我搭了个评测集，三百条真实query，分场景打标，新旧两版各跑一遍，出了一个对比报告。过程比想象中麻烦得多：有二十几条query，两版召回的结果都不一样，业务方说"感觉新版的更好"，但说不出来好在哪。我把这二十几条一条条拉出来人工对，最后发现其中一大半是业务方自己的标注口径不一致。报告交上去，leader看完说了一句话，我到现在还记得：“你搭的这套评测，比模型本身重要。模型随时可以换，评测集是攒出来的资产。”

这句话我在银行听过一模一样的版本。风控那边管这个叫"策略资产"，模型可以换，样本和标签不能丢。原来隔了一个行业，方法论是通的。

比如，那个工具调用成功率的问题，我顺着排查下去，发现上游改字段之前没有任何通知机制。我没有止步于修好这次，而是顺手写了一个字段变更的监听脚本，接进了告警群。后来leader把这件事报给了平台组，说要在整个Agent平台层面推。

再比如，月底的时候，组里在讨论要不要给某个客服Agent加一个"转人工"的兜底策略。会上吵了很久，业务方觉得加了会显得"AI不行"，算法侧觉得不加风险太高。最后是拿数据说话的：我把过去一个月的会话日志拉出来，四万多条，按"模型置信度"分了五档，算出每一档的转人工率和用户满意度，做了一页对比。结论很清楚：置信度最高的两档，人工介入率不到百分之一，满意度反而比均值高；最低那一档，满意度直接掉了一半。第二天方案就定了——只对最低两档开转人工，成本和体验都兜住了。

那一刻我突然明白：Agent开发岗的去魅，去的是"每天都在跟模型对话"的魅，留下来的，是工程能力和判断力。

这两个月的失败数据，我也照实记了一笔：第一周迁移ES，因为没估准索引重建的时间，召回验证拖了三天，被leader点名了一次；第二周写数据清洗脚本，漏了一个字段的历史空值处理，跑批失败回滚了一次；第三周排查成功率下跌，方向先猜错了模型版本，浪费了半天。三次都是后端时期就见过的坑，坑没变，变的只是场景。

说白了，这个岗位的真相是：模型是买来的，提示词是几天就能学会的，真正稀缺的，是三样东西——

第一，让Agent稳定运行的能力。上线只是开始，字段变更、上游超时、脏数据、并发毛刺，任何一样都能让你的Agent在凌晨三点发疯。能兜住这些的人，才是团队里不可替代的人。

第二，用数据做判断的能力。加不加兜底、换不换模型、阈值设多少，这些问题的答案都不在模型里，在数据里。会拉日志、会搭评测、会把模糊的业务争议变成一页可对比的数字，这是硬通货。

第三，把AI嵌进存量系统的能力。任何一个真实业务里的Agent，都不是凭空长出来的，它要长在已有的ES集群、已有的工单系统、已有的权限体系上。六年风控后端在这件事上的优势，比我想象中大得多。

所以如果你问我，两个月去魅之后，还推荐转这个岗吗？

我的答案是：推荐，但请带着正确的预期来。

先泼冷水劝退一部分人。如果你现在的工作很安稳，只是因为"Agent"三个字听起来时髦就想跳过来，我劝你冷静。这个岗位现在招人，看重的不是你会不会调模型，是你的后端基本功：分布式、稳定性、数据链路、线上排查。这些能力没有三五年攒不下来。指望三个月速成一个"提示词工程师"然后拿高薪的路，今年已经基本走不通了，面试官问的都是实打实的工程问题。

但如果你是像我这样，后端做了五六年以上，正赶上行业收缩或者天花板到了，那Agent开发值得认真看一眼。因为如果你把Agent开发理解为"给AI当后端工程师"，用你最熟悉的工程能力，去解决Agent的稳定性、可观测性和评测问题——那这个岗位对你来说不是转型，是平移，而且是往上升的平移。你过去几年攒下的那些"不性感"的能力，恰好是这个新兴岗位上最稀缺的东西。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

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人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传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】