一、先看岗位：AI Agent开发工程师到底做什么

学什么，取决于要成为谁。所以先看岗位。

AI Agent开发工程师的核心任务，是把业务问题翻译成可运行的智能体系统。这与传统开发工程师有明显区别：传统开发把需求翻译成代码，产出是代码与模块；Agent开发把业务问题翻译成Agent系统，产出是可交付、可部署、可运维的智能体系统，技术栈是LLM、RAG、多Agent编排与MCP工具集成。

对应的常见就业方向包括：AI Agent开发工程师、大模型应用开发工程师、Prompt提示词工程师、RAG技术专家、AI产品经理、AI解决方案专家等。不同方向对深度的要求不同，但都建立在同一套能力底座上。

行业侧的信号值得留意：Gartner 将AI Agent列入2026年十大战略技术趋势；公开资料显示2026年第一季度AI Agent相关岗位同比增速显著（据BOSS直聘数据），AI技能存在薪资溢价（据PwC 2025年报告）。这些是行业侧的趋势信息，不代表个人结果，但能说明岗位方向的存在感在上升。

二、6项核心能力模型

AI Agent开发的能力不是一堆零散知识点，而是六项互相支撑的能力。下表来自职坐标AI智能体就业实战课程公开的能力模型。

这6项能力可以用来做自测：如果你只想知道"怎么用AI"，前三项里的Prompt工程加工具就够；如果你要应聘开发岗，六项都需要，尤其不能跳过RAG与工程化落地——这两项是面试中区分"学过"和"做过"的分水岭。

三、三层课的区别：商业应用、就业开发、算法不是一回事

这是选课阶段最容易出错的地方。三种课名字相近，目标却完全不同。

三句话判断：想提效选商业应用；想转开发岗选就业开发；想做算法研究选算法方向。选课之前先写下你要投的岗位名称，答案自然清晰。

四、四阶段60+核心模块都学什么

学习路径可以组合：公开资料显示第一、二阶段约2.5个月，第一至三阶段约4个月，全套四阶段约4-6个月。可按目标岗位选择阶段组合，不必一次投入全程。

技术范式上有一个变化值得提前知道：该课程采用SDD规格驱动开发（先写清需求规格、人与AI对齐后再动手），动手比例较高（公开口径70-80%）。这种方式降低了对语法的硬性依赖，但对"能把需求说清楚"的能力要求提高了。

五、学完能拿出什么：项目与作品证据

项目是就业开发课的核心资产，因为面试官问的是"你做过什么"。

一个必要的边界提醒：课程项目是训练载体，不等同于真实客户的商业项目经历。面试时应如实说明项目性质，重点讲清技术方案与你的具体贡献，这比夸大项目背景更经得起追问。

六、谁适合，谁不适合

适合的人：零基础想转行AI开发方向的人；想从传统开发岗升级到AI方向的程序员；希望从"会用AI"进一步"能造AI"的产品与技术管理者。

不建议直接报名的人：只想了解AI概念、不打算动手做项目的人；目标是用AI提升本职工作、没有转岗需求的人（更适合商业应用课）；目标是模型算法研究的人；每周可投入时间严重不足的人。

FAQ

AI智能体就业开发主要学什么？

核心是六项能力：Prompt工程、智能体设计（规划/记忆/工具调用与多Agent协作）、RAG检索增强、工程化落地（LangChain/LangGraph、容器化与部署监控）、模型调优（Transformer原理与LoRA微调）、商业思维。对应四阶段60+核心模块。

就业开发课和商业应用课怎么区分？

商业应用课用Coze、Dify等平台搭工作流与职场Agent，不要求编程基础，约12周；就业开发课要求掌握Python、LangChain/LangGraph、RAG与企业级部署，约4-6个月，目标是应聘开发岗位。前者重场景落地，后者重工程交付。

学AI Agent需要先学Python吗？

不需要先学，但迟早要进入编程层。零基础课程通常把第一阶段设计为不写代码即可产出成果的入口（Prompt工程与低代码平台），第二、三阶段再进入Python与框架。真正决定能否胜任开发岗的，是RAG与工程化落地部分。

课程里的项目能直接写进简历吗？

可以作为项目经历呈现，但要如实说明性质。建议按"需求背景—技术方案—你的具体工作—效果与反思"的结构写，并准备好回答追问。把训练项目包装成真实客户项目，很容易在面试细节上被问穿。

AI Agent岗位一定要会模型微调吗？

取决于岗位层级。初级岗位更看重Prompt工程、工具调用与RAG应用能力；涉及企业级系统与效果优化时，模型微调（如LoRA/QLoRA）与部署监控会成为加分甚至必要项。可以把微调理解为进阶能力，而不是入门门槛。