第 1.2.1 节:把 AI Agent 工程师能力拆成训练地图
先从整体看 AI Agent 工程师能力,梳理组成模块和各自职责。完成本节后,你应该能够把 AI Agent 工程师能力拆成能力项、训练任务、项目证据和自查标准。
本章要解决什么问题
很多学习者一开始会把 AI Agent(人工智能体)工程师理解成“会写提示词的人”或“会调模型 API(应用程序接口)的 Python(编程语言)程序员”。这两个理解都太窄。
真正能做商业项目的 AI Agent 工程师,需要把模型、工具、数据、服务、部署、质量和交付放在同一张图里看。否则做出来的系统很容易停留在 Demo(演示):能跑一次,但不能给客户稳定使用;能回答几个样例问题,但不能处理资料缺失、权限边界、异常输入和真实业务接口。
本章建立这本书的能力地图。你不需要从 Python(编程语言)语法重新学起,但需要知道哪些工程能力会直接影响 AI Agent 项目的成败。
学习目标
读完本章后,你应该能够:
- 说清 AI Agent 工程师和普通应用开发者的差异。
- 理解模型层、Prompt(提示词)层、工具层、数据层、编排层、服务层和交付层之间的关系。
- 判断自己当前缺的是概念能力、编码能力、架构能力,还是交付能力。
- 用能力地图规划后续学习路径。
- 明白本书为什么不讲 Python(编程语言)语法入门,而是讲 AI(人工智能)工程必备能力。
为什么要学这一章
读者如果已经对 AI Agent 行业有一点了解,通常会听过很多词:RAG(检索增强生成)、MCP(模型上下文协议)、Tool Calling(工具调用)、LangGraph(智能体状态图框架)、多智能体、向量数据库、FastAPI(后端接口框架)。问题是:听过不等于知道岗位真正要什么。
岗位和商业项目看重的不是“你知道多少名词”,而是你能不能把模型能力变成一个可运行、可追踪、可验收的业务系统。客服工作台就是一个很好的训练场:它既有知识库问答,也有订单查询、工单创建、转人工、日志审计和上线维护。
这一章的目标是帮你建立能力地图。后面每学一章,你都应该能回答三个问题:
- 这个能力解决客服工作台里的哪个问题?
- 它会留下什么项目证据?
- 面试官追问时,我能不能讲清风险、边界和验收?
业务场景
假设一个客户说:
我们公司资料太多,员工总是问重复问题。你能不能帮我们做一个 AI 助手?
新手可能会马上想到:
- 接一个模型 API。
- 做一个聊天页面。
- 把资料上传进去。
- 让模型回答。
但真实项目马上会遇到更具体的问题:
- 资料是 Word(文字文档)、PDF(便携式文档格式)、Excel(电子表格)、网页还是扫描件?
- 哪些资料过期了?
- 哪些资料只有部分员工能看?
- 回答要不要显示引用来源?
- 模型不知道答案时能不能拒答?
- 用户问到合同、薪酬、客户隐私怎么办?
- 系统部署在客户服务器还是云上?
- 客户怎么验收?
- 后续资料更新谁负责?
这些问题已经超出了“调用模型”的范围。AI Agent 工程师要能把这类模糊需求拆成系统边界、数据流程、工具接口、权限规则、验收标准和维护方案。
贯穿项目:能力如何落到客服工作台
本章继续使用“企业客服知识库与工单 Agent 工作台”作为主线。这个项目能把岗位能力拆得很清楚:
| 客服工作台任务 | 背后的能力 | 为什么面试有价值 |
|---|---|---|
| 用户问售后政策,系统给出带来源的回答 | RAG、文档解析、引用管理 | 能证明你不只会让模型自由回答。 |
| 用户问订单状态,系统查询业务数据 | Tool Calling、API、权限校验 | 能证明你会连接真实业务系统。 |
| 用户情绪激烈或涉及退款,系统转人工 | 风险分级、Workflow(工作流)、人工审批 | 能证明你知道安全边界。 |
| 多轮追问订单号、问题类型、处理诉求 | 状态、记忆、会话管理 | 能证明你会做 Agent 编排。 |
| 客服主管复盘一次失败回答 | 日志、trace_id(追踪编号)、评估和监控 | 能证明你会做可维护系统。 |
所以本书不是让你背一堆框架名,而是让你能把这些能力组织成一个可讲、可做、可验收的项目。
真实岗位会怎么问
真实岗位不会只问“你会不会 AI”。更常见的问法是把技术点放进业务场景里。
| 真实问法 | 背后考点 | 回答方向 |
|---|---|---|
| 你做过 RAG 吗,怎么保证答案有依据? | 数据层、引用、评估 | 讲文档清洗、分块、元数据、检索、重排、引用和无答案拒答。 |
| 如果客服要查订单,你怎么让 Agent 接业务系统? | 工具层、权限、审计 | 讲 Tool Calling、字段契约、身份校验、订单归属和工具日志。 |
| 多轮售后对话里,用户补了订单号,系统怎么记住? | 状态、会话、记忆 | 讲 session_id(会话编号)、状态字段、历史摘要和停止条件。 |
| 模型输出错了怎么办? | 校验、兜底、人工协作 | 讲结构化输出校验、重试、降级、转人工和 trace_id(追踪编号)。 |
| 你怎么把项目交给客户验收? | 交付能力 | 讲典型问题集、通过标准、失败样例、日志和维护责任。 |
新手为什么会卡住
| 常见卡点 | 表面现象 | 根本原因 | 调整方式 |
|---|---|---|---|
| 学了很多工具但不会做项目 | LangChain(大模型应用框架)、MCP、向量数据库都听过 | 没有业务闭环 | 用客服工作台把工具放到具体流程里。 |
| 简历写“熟悉大模型”但没有证据 | 面试官追问就答不深 | 没有字段、日志、失败兜底和验收表达 | 把每个能力转成项目交付物。 |
| 只会调模型 API | Demo(演示)能跑,客户场景跑不稳 | 缺少数据、权限、测试和部署 | 按七层能力地图补工程短板。 |
| 过早钻语法 | 花大量时间学语法细节 | 不知道岗位真正考什么 | 先建立系统设计和项目表达,再补语法实现。 |
| 面试回答太虚 | 只说“我用了 RAG” | 没讲为什么这样设计 | 用“问题、方案、风险、验收、复盘”回答。 |