AI领域全景地图 — Agent/应用开发求职视角

约 1152 字大约 4 分钟

2026-04-20

查询背景

求职导向（AI应用开发/Agent开发方向），用户已有 Claude Code/OpenCode 使用经验。目标是了解 AI 各领域全景 + 获得深入学习资源。

覆盖评估

Wiki 覆盖：Agent 开发、上下文工程、评估、AI 驱动开发 — SUFFICIENT
Web 补充：AI 全景分层、求职技能树 — 🟡 Partially Grounded

AI 领域分层全景

┌─────────────────────────────────────────────────────┐
│                   应用层（解决什么问题）                  │
├──────────────┬──────────────┬────────────────────────┤
│  AI Agent    │  AI 应用开发   │  AI + 行业              │
│  自主决策/执行 │  嵌入业务流程   │  医疗/金融/教育/网安...   │
├──────────────┴──────────────┴────────────────────────┤
│                   技术方向层（核心能力）                  │
├──────────┬──────────┬──────────┬─────────────────────┤
│  NLP/LLM │   CV     │  多模态   │  强化学习              │
│  理解/生成 │  看懂图像  │ 跨模态融合 │  通过试错学习           │
├──────────┴──────────┴──────────┴─────────────────────┤
│                   方法层（怎么做到）                      │
├─────────────────────────────────────────────────────┤
│  机器学习 → 深度学习（CNN/RNN/Transformer）→ LLM        │
├─────────────────────────────────────────────────────┤
│                   基础层                                │
├─────────────────────────────────────────────────────┤
│  数学（线代/概率/优化）+ 编程（Python）+ 工程（系统设计）   │
└─────────────────────────────────────────────────────┘

各领域速查

领域	核心问题	关键技术	岗位方向
机器学习	如何从数据中学习规律？	监督/无监督/强化学习	ML Engineer
深度学习	如何用神经网络处理复杂模式？	CNN、RNN、Transformer	DL Engineer
NLP/LLM	如何让机器理解/生成人类语言？	Transformer、SFT、RLHF	LLM Engineer
计算机视觉	如何让机器看懂图像/视频？	目标检测、图像分割、视觉生成	CV Engineer
AI Agent	如何让 AI 自主完成复杂任务？	ReAct、工具调用、MCP、多Agent	Agent 开发工程师
上下文工程	如何在有限 token 内传递最相关信息？	RAG、GSSC 管线、记忆系统	AI 应用开发
AI 应用开发	如何把 AI 能力嵌入产品？	Prompt 设计、API 集成、评估	AI 应用工程师
模型部署	如何高效运行大模型？	vLLM、量化、推理优化	MLOps / 推理工程师

Agent/应用开发技能树

基于 wiki 中 82 篇素材的编译结果：

第 4 层  工程化
         FastAPI / Docker / 评估体系（SWE-Bench）
         ↑
第 3 层  Agent 专项 ← 核心竞争力
         框架（LangGraph） / MCP 协议 / 多 Agent / 评估
         ↑
第 2 层  LLM 能力
         Prompt → Context Engineering / RAG / 记忆系统
         ↑
第 1 层  基础
         Python / Transformer 原理 / API 调用

各层对应的 wiki 知识：

层级	wiki 概念页	核心要点
Agent 专项	../../02_AREAS/AI/wiki/concepts/Agent架构与编排、../../02_AREAS/AI/wiki/concepts/Agent基础与训练	ReAct/Plan-and-Solve/Reflection 三范式、Harness 设计、MCP/A2A 协议
Context Engineering	../../02_AREAS/AI/wiki/concepts/上下文工程	GSSC 管线、Contextual Retrieval、记忆系统
评估	../../02_AREAS/AI/wiki/concepts/评估与基准	Eval 设计、SWE-Bench、基础设施噪声
AI 驱动开发	../../02_AREAS/AI/wiki/concepts/AI驱动开发	Vibe Coding、多模型协作、SOP 设计
工具实践	../../02_AREAS/AI/wiki/concepts/AI工具实践	Claude Code、MCP 工具生态、GUI Agent

学习路线（求职导向）

已有 Claude Code/OpenCode 使用经验，跳过入门阶段：

现在 ─────────────────────────────────────→ 目标岗位
│
├─ 阶段一（2-3周）：补齐 Agent 理论
│  ├── hello-agents 课程（Ch.1-7）→ Agent 范式 / 框架设计
│  ├── Anthropic "Building Effective Agents" → 设计模式
│  └── 产出：能讲清楚 ReAct/Plan-and-Solve/Reflection 的区别
│
├─ 阶段二（3-4周）：Agent 开发实战
│  ├── 学 LangGraph（当前最主流的 Agent 框架）
│  ├── 实现 MCP Server（Anthropic 的工具调用标准）
│  └── 产出：GitHub 上有 1-2 个 Agent 项目
│
├─ 阶段三（2-3周）：Context Engineering + 评估
│  ├── 搭建 RAG 系统（向量数据库 + Contextual Retrieval）
│  ├── 实现 Eval 流程（测试 Agent 在什么条件下失败）
│  └── 产出：项目中有完整的评估报告
│
└─ 阶段四（持续）：工程化 + 面试
   ├── Docker 部署、API 设计
   ├── 系统设计题准备（如何设计一个多 Agent 系统）
   └── 产出：可演示的端到端 Agent 应用

深入学习资源

Wiki 内部素材

../../02_AREAS/AI/wiki/summaries/Summary - hello-agents课程 — Datawhale 16 章完整课程
../../02_AREAS/AI/wiki/summaries/Summary - Anthropic Agent工程 — Effective Agents + Harness 设计
../../02_AREAS/AI/wiki/summaries/Summary - 上下文工程 — Context Engineering 完整方法论
../../02_AREAS/AI/wiki/summaries/Summary - Agent评估 — Eval 方法论 + SWE-Bench
../../02_AREAS/AI/wiki/summaries/Summary - Agent协议与框架 — ACP/A2A/MCP 通信协议

外部资源

Web 补充

资源	说明
Andrew Ng - AI Agentic Design Patterns (Deeplearning.ai)	免费短课，Agent 设计模式系统讲解
Lilian Weng 博客 - LLM Powered Autonomous Agents	OpenAI 技术经理，Agent 综述经典文章
LangChain/LangGraph 官方文档	最主流 Agent 框架，必学
MCP 协议官方文档 (modelcontextprotocol.io)	Anthropic 的工具调用标准
斯坦福 HAI 2025 AI 指数报告	AI 全景权威年度报告

建议后续查询

"LangGraph 和 CrewAI 怎么选？各适合什么场景？" — 框架选型
"MCP 协议完整技术细节是什么？" — 工具调用标准深入
"Agent 面试常考的系统设计题有哪些？" — 面试准备