AI Agent绝对是今年最热门的岗位之一。

我经常在各种平台上看到有人说想转AI Agent方向的工作，我们组有一个"AI Application Developer"岗位从今年年初招聘至今还没有找到合适的候选人，而且我自己也在做这个岗位，于是就从技能、薪资、地域等角度分析了一下目前市场上AI Agent相关的岗位。

薪资分析

在这次分析中，我一共收集了101份AI Agent相关岗位的招聘信息（JD），其中有99份包含明确的薪资信息。

这99个岗位中，仅有1个岗位月薪低于10K。 这个岗位的工作地点是成都，薪资是8-13K，其下限低于10K，上限依然是高于10K的，仅从这一点来看，AI Agent开发的薪资确实要比普通的开发岗位高。

整体薪资分布

整体的薪资分布情况如图：

薪资分布

可以看到，有59.6%的岗位月薪都超过了25K。

地域薪资差异

我们再看看不同城市的薪资分布情况：

不同城市的薪资分布情况

可以看到北京最高，平均薪资已经超过了40K，深圳紧随其后，上海和杭州比较接近。 由于其他城市的样本数量少于10个，所以就没有单独列出来。

招聘企业分析

看完了薪资，我们再看看到底有哪些企业在招聘AI Agent岗位。

招聘企业分布

可以看出来，互联网大厂和AI科技公司是绝对的主力军，占比超过50%。

在传统企业的AI部门中，招聘主要来自银行和传统汽车厂，可能是这两个行业对AI Agent的业务应用场景比较明确。

但有个数据让我挺意外的：科研院所和高校的占比有9.1%。虽然不知道具体的比例，但是从以往找工作时刷JD的情况来看，这一比例要比学术机构在其他技术岗位的招聘中高的多。 这说明学术界在AI Agent领域比其他领域更加活跃。

技能要求分析

编程语言需求

编程语言分布

注：统计方式为在所有职位样本中提到该编程语言的次数，单个职位可能涉及多种语言

Python一共出现了125次，断层领先于其他语言，不过这也不意外，毕竟Python几乎是AI开发的标配语言。

让我意外的是js/ts 和 c++。

我没想到c++会被提到45次之多，我去看了具体的JD，发现是有一些芯片公司和嵌入式设备公司在招AI Agent岗位，这两个领域都是以c++为主的。从这一点来看，未来不久很可能会有AI Agent相关的硬件面世。

我也没想到js/ts仅仅被提到了15次之少，毕竟现在vide coding几乎首先js/ts 和 Python，没想到在AI Agent开发中js/ts的需求远不如Python。

技术栈要求分析

看完了编程语言，我们再看看整体的技术栈要求：

技术栈要求

通过对技术栈要求的深入分析，可以发现以下特点：

• RAG + 向量数据库：出现123次，几乎成为所有AI Agent项目的标准配置
• LangChain/LangGraph：这两个是最常被提到的框架，而且大多数职位要求"熟练"或"精通"水平，说明他们已经成为AI Agent开发团队的首选。
• 机器学习/深度学习：虽然出现了92次，仅次于RAG和向量数据库，但大多只是要求了解即可，并不要求精通，更像是面试官的“随口一提”，而不是工作内容的实际要求。
• 模型微调：虽然只出现了42次，但在月薪超过60K的高端岗位中，SFT/LoRA/QLoRA等微调技术几乎是必备技能

市场趋势

基于对职位描述的深入分析，我还发现了以下几个趋势：

1. 从单智能体向多智能体系统演进

与今年年初的JD相比，最近的招聘需求已从单一"AI Agent"开发转向"多Agent/Multi-Agent"开发。这一变化看似微小，但是背后涉及到Agent之间的协作，上下文的管理等诸多复杂问题，所以实际上招聘要求在变高。

2. RAG技术要求日趋细化

RAG技术的应用要求越来越具体化，主要体现在这两点：

• 知识更新与rerank：强调知识库的持续维护和检索结果的重新排序
• 多模态RAG：文本、图像、视频、语音等多模态数据的集成应用

我记得我去年换工作的时候，看到的关于RAG的要求基本上是有相关经验即可，鲜少有提到知识更新和rerank的，更别说多模态RAG。

3. 垂直行业应用深化

特定行业的AI Agent需求开始显现，主要有这三个行业：

• 医疗健康：主要是体检报告/病历解读和健康信息管理
• 金融服务：智能投资顾问
• 教育培训：主要是开发个性化学习、智能答疑系统，而且产品主要针对幼儿园和小学阶段的学生。

4. 工程化能力依然重要。

尽管聚焦于AI技术，传统工程技能依然非常重要，以下几个技术领域也被提到了较多次数。

技术领域	需求频次
容器化	55次
微服务	42次
云平台	38次
CI/CD	28次

这跟我在实际工作中的感受是一致的，AI Agent系统通常需要部署在复杂的生产环境中，良好的工程化能力对于系统的稳定性和可维护性至关重要。

一点遗憾

在收集到的101份JD中，只有极少数提到了上下文工程或者Context Engineering的，虽然这个概念已经在相关社区和社媒上流行了一阵子了，但是在JD中似乎还有比较长的延迟。

最大的遗憾是，没有任何一个JD提到了claude code sdk。虽然claude code很火热，但是知道claude code sdk的人似乎不多。但是claude code sdk其实具备了开发一个Agent所需要的几乎全部功能，我个人觉得这是一个非常值得关注的工具。

总结

根据以上分析，如果想找一份AI Agent开发工作，Python + LangChain + RAG 已成为市场主流的技术组合。

另外我也知道为什么我们组招了一年都没有招到合适的人选了，因为我们开的工资竞争力不足，而且我们还要求流畅的英语表达能力…

说明

我使用MiniMax Agent来帮忙收集数据，并做了初步的分析，最后自己撰写了这篇博客，虽然在写博客的时候已经尽量人工review相关数据，但是不敢确保完全正确，但是我想整体的趋势应当是没有问题的。

如何学习AI大模型？

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。

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】

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉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】🆓