跳到主要内容

第 1.2.2 节：把岗位要求拆成初级、中级和项目级能力

本节围绕“把岗位要求拆成初级、中级和项目级能力”展开，先建立直观判断，再进入工程细节。完成本节后，你应该能够把岗位要求拆成能力项、训练任务、项目证据和自查标准。

能力分层​

层级核心能力典型问题
模型层模型、Token（文本计量单位）、上下文、成本、延迟用哪个模型？能放多少资料？一次调用多少钱？
Prompt（提示词）层Prompt、结构化输出、Few-shot（少样本示例）、Guardrail（护栏）怎么让模型稳定按格式输出？
工具层Tool Calling（工具调用）、API（应用程序接口）、文件、数据库模型如何查订单、建工单、读文件？
数据层文档解析、Embedding（嵌入向量）、向量检索、RAG（检索增强生成）企业资料如何进入系统？回答依据从哪里来？
编排层状态、记忆、Workflow（工作流）、LangGraph（智能体状态图框架）、多智能体多步骤任务如何推进和停止？
服务层FastAPI（后端接口框架）、Pydantic（数据校验库）、日志、测试、部署Demo（演示）如何变成稳定服务？
交付层需求访谈、报价、验收、运维、迭代项目如何卖、如何交付、如何维护？

这七层不是孤立的。一个客服 Agent（智能体）调用工单系统时，工具层会影响 Prompt 层；一个知识库资料质量差时，数据层会拖垮模型层；一个没有日志的系统，出了错就无法验收和维护。

四层解释法：AI Agent（人工智能体）工程师能力​

层级解释
人话解释AI Agent 工程师不是只会写 Prompt 的人，而是能把模型、资料、工具、状态和业务流程做成可交付系统的人。
项目位置在客服工作台里，你要把知识库、订单系统、工单系统、人工客服和日志后台连成一个受控闭环。
工程动作设计能力地图、系统分层、字段契约、工具边界、部署监控、验收样例和项目复盘材料。
面试说法我会从业务问题出发选择 RAG、Tool Calling、Workflow 或 Agent 编排，并用日志和验收标准证明系统可用。

岗位要求映射​

结合 BOSS（招聘平台名称）直聘优先、其他公开 JD（职位描述）补充的岗位样本，智能体工程师岗位通常不是只要“会调模型”，而是要求能把模型能力落到可运行、可监控、可验收的业务系统里。

岗位要求本章对应能力后续学习入口
RAG 知识库、文档问答、引用回答数据层、模型层、交付层第 2 卷 RAG 章节和企业知识库项目
MCP（模型上下文协议）、Tool Calling、工具连接器工具层、服务层、安全边界MCP 基础、MCP Server（模型上下文协议服务端）与 Client（客户端）制作方法
LangGraph（智能体状态图框架）、多智能体、Handoff（任务转交）、Supervisor（监督者）编排层、状态、停止条件LangGraph（智能体状态图框架）与多智能体章节
Python（编程语言）/Java（编程语言）后端、FastAPI（后端接口框架）、API 服务服务层、配置、日志、测试FastAPI（后端接口框架）、Pydantic（数据校验库）、测试日志配置章节
Docker（容器工具）、Nginx（反向代理服务器）、审计日志、限流、成本监控部署层、安全层、运维层部署、可观测性、安全和发布流程章节
需求调研、业务流程拆解、项目交付和验收交付层商业项目需求访谈、50 个项目案例、求职与面试模块

求职时要把这些能力翻译成项目证据：你设计过什么业务闭环，资料如何进入系统，工具如何受控调用，失败如何处理，日志如何追踪，验收如何证明有效。

本章在客服 Agent（智能体）工作台中的位置​

客服工作台不是单一功能，而是一组能力协作。你可以把本章的七层能力映射到实际模块：

工作台模块主要能力层交付时要说明什么
对话入口Prompt 层、服务层用户问题如何进入系统，如何保留会话编号。
知识库问答数据层、模型层文档如何处理，答案如何引用来源。
工单处理工具层、编排层何时创建工单，哪些字段必须收集。
风险分流Prompt 层、交付层投诉、退款、隐私和合规问题如何处理。
管理后台服务层、交付层如何查看日志、失败案例和验收结果。
部署运维服务层、交付层如何控制成本、密钥、监控和版本更新。

这张映射表也可以直接变成面试项目讲解提纲。面试官问“你做过什么 Agent 项目”，不要只说页面功能，要按模块讲能力证据。

本书不教什么​

本书不从以下内容开始讲：

  • 变量。
  • 循环。
  • 函数。
  • 类。
  • Python（编程语言）基础语法。
  • HTML（超文本标记语言） / CSS（层叠样式表） / React（前端框架）入门。

这些内容你可以通过普通编程教程补齐。本书要教的是做 AI Agent 项目真正会用到的工程能力。

推荐技术流：把岗位要求转成学习任务​

求职导向学习不能只按兴趣走。建议按下面技术流推进：

步骤学什么产出什么为什么
1Agent、Chatbot（聊天机器人）、Workflow、RAG 的边界一页需求判型表面试先看你是否会选型。
2模型、Token（文本计量单位）、上下文和 API模型调用与成本说明证明你知道模型不是无限资源。
3Prompt 和结构化输出意图识别字段契约证明模型输出能被系统读取。
4Tool Calling查订单、查政策、建工单工具契约证明你能连接业务系统。
5状态、记忆和会话多轮客服处理状态表证明你能做多步骤任务。
6RAG企业资料处理和引用回答方案证明你能处理知识库项目。
7MCP 和 LangGraph（智能体状态图框架）工具生态和状态图方案证明你能做更复杂编排。
8部署、监控、安全和验收项目交付清单证明你能从 Demo（演示）走到交付。

这条路线的核心是：每学一个技术点，都要落到客服工作台的一个交付物上。否则知识会停在“听过”。

继续学习​