agent开发还能干多久

我问了 ai 一个问题，我说如果一个机构鼓吹 agent 的 开发，但说 java 已死，是什么心态？ ai 告诉我啊，是制造焦虑，迈克赚钱。然后呢，还分析它的具体套路，比如说 java 已死，让后端工程师啊恐慌，说 agent 的 开发是未来制造新赛道的幻觉，说 agent 啊必须报班，目的是收割转型。焦虑，说传统后端没前途呢，就是为了打压自学的可能性。然后呢，还罗列出来各种各样的矛盾点，比如真做 agent 的 后端开发，都知道大部分系统呢，是在原有的系统上进行再开发。 举个例子，原有系统 java， 你 还得用 java 做。所以呢， java 的 生态啊，根本绕不开 spring ai language 框架。而真实的需求啊，从来都不是 java 和 agent 做对比。 实际上呢， agent 它只是后端工程师拓展的一个基础站。之前系统用什么语言写的啊？继续用之前的语言写就对了。之前呢，你用 java， 你 就继续用 java， 之前用 go， 你 就用 go， 之前用 python， 你 才用 python， 你 告诉我， 之前系统是不是绝大多数都是 java 呢？所以啊，你还得靠 java 继续写 ai， 只不过在此基础上呢，加上了一下大模型集成的经验。它得了一个结论啊，说这种培训机构呢，它不是蠢， 是坏，利用技术变更的人心惶惶呢，把技能更新包装成了职业淘汰。麦克割韭菜。我觉得这个结论啊，真的是非常好， 有些啊，他真的不是蠢，他就单纯的坏，毕竟割韭菜要割外行人，韭菜内行的人啊，割不动外行人。不知道的是啊，你现在学 c 加加 java pattern 嵌物式，之所以入不了行呢，不是因为你要学 ai， 而是因为培训这两个字它本身又过时了。因为培训呢， 他是没有办法让你拥有工作经验的，但现在企业招人呢，他一定要你有工作经验。所以啊，如果你真的想入行，你需要的是实习， 或者找那种培训加上模拟工作一起做的就业机构实习或者模拟工作，都能让你拥有真实的工作经验，当你拥有工作经验的时候，自然能够入行。

二五年毕业的学院本求职一项大模型算法工程师，然后呢，他在南京这家公司呢，做的呢，号称就是算法工程师，我们看他这个工作中做了哪些算法吧。首先第一个项目 是一个多智能体医疗决策系统做的呢，是基于 define 叉叉叉叉 a 这个 a 叉，它跟这个算法是不是关系有点差距大？你是不是很了解这个什么叫做算法工程师呢？然后项目成果还是 四个专项， agent 的 独立步数， agent 内部多阶段状态流转，通过验证。总而言之，这个跟算法有关系吗？ agent 是 算法吗？这什么理解啊？第二个 r a g 加多策略检测 ok， r a g 要几个这个 a p i 你 就成算法工程师了，我们不要呢对这个行业这么低认知，好吧，现在都什么年代了，这么低的认知真能够入行吗？啊？你这样说你自己算法工程师，你不觉得可笑吗？真真正的算法工程师， 他至少我跟你讲，他是了解里面那些数学原理的，并且他做的事情呢，基本上都在反听，你都在这个微调这个层面上。而 复杂一点的算法工程师，他干的事情可能要读一些 paper， 那 个 paper 是 全部的英文的 paper， 然后你要迅速在短时间内理解这个 paper 的 backbone， 这就是我们基本的一个考察策略。换句话来讲， 你没有一个硕士学历，没有个九八的硕士学历，你搞什么算法呢？根本连这个什么是 paper 的 backbone 你 都搞不明白啊，自己没有读过 paper， 自己没有发过 paper， 你 怎么可能做的了算法？ 我说句实话，我在大厂，我就在阿里巴巴见过高中学历算法工程师，但是我跟你讲，人家这个算法工程师，人家就是能读那个全英文的 paper， 很 快能读出来，跟你用全英文进行交流。因为在当时那些年代下，对于很多八零后来讲， 这个知识条件非常差，你能理解我意思吧？现在什么时候？现在是二零二六年，你们找工作都是零零后了，你们没有这么差的生活条件了，当时饭都吃不饱，你们先有饭都吃不饱的这个情况吗？没有了对不对？所以说有些八零后他确实这个学历低啊，他学历低是有原因的，他家里太穷了，没有钱供他读书， 而就算这些低学历的人，他后来成长了之后，拿到高 p 的 职位之后，他的英语能力有一样过关，他照样我跟你讲能考很复杂的东西， 但是你这个我跟你讲就是个笑话，二零二六年了，入行入普通的行，我跟你讲都需要工作经验，你想搞这种算法没有九八五的数真的清醒一下好吗？ 不要被那些培训机构去欺骗，人家给你讲什么什么，学个 ai 就 拿个高薪，我们稍微有点认知对不对？现在入行都需要你有工作经验，你不要说培训能当算法岗，培训连个普通岗位都进不去，原因很简单，因为你培训完的时候还是没有工作。 有工作经验和没工作经验差多大？我就这么跟你讲，一个人从阿里跳槽到腾讯，阿里和腾讯基础上完全不同，但是没有人觉得需要重新学一下，他一瞬间就会了。就怎么讲呢？一个知识能力的区别， 换句话说，他是内力的区别，能理解我意思吗？工作经验至少拥有内力，拥有这个内力之后，你学习速度会快很多。你去培训就学这个 ai， 学四个月。我跟你讲，一个大厂入门级的程序员， 学一天就完事了，半天完事就是差距，他从 java 变成 go 半天，一瞬间就变成了不用其他的样。模拟工作二十七关，闯过二十七关，你有这个水平的半天时间学会 a 阵的开发，半天时间学人家四个月的东西，半天时间就能从 java 形成 go。 这是每一个我跟你讲， 通过模拟工作获得这个工作经验的人所有的能够生出的一个神通。所以现在想入行啊，一定要培训，加上模拟工作培训，先学知识，然后模拟工作，学习这个工作技能，工作能力，最后才能成功入行。

从一个完全不懂 agent 的 小白到上手作项目从零到一，怎么做的，你是不是刷到一个讲 pro 的 技巧的视频收藏，第二天又刷到一个 rap 必看继续收藏，再到两天听到说有个框架特别牛，又收藏， 收藏的时候特别爽，感觉自己马上就变成大神了，关上手机，打开电脑，完蛋了，连个简单的 agent 他 都打不起来。相信我，你不是一个人。 网上关于大模型 a 证的资料真的是多到看不完，但问题是他们都是碎片，你今天听一点，明天学一点，你看着好像都懂了，你连门都没摸到。想这种入门，你得有一条完整的路线， 只要你愿意动手，一个月足够。第一周，打地基，先别去碰那些复杂的概念，你就老老实实把 a 证的核心结构搞清楚，大模型他是怎么思考的？是怎么调用工具的，记忆模块怎么存， 怎么取？把这几个问题搞明白，你的 a 诊呢，它就有了股价，就像盖房子，你地基要是打不好，后面全是隐患。第二周，让它动起来，股价有了，那得让它跑起来，对吧？ 这周去学 react、 c u t 这些经典的 a 诊的运行模式，你要真正的去理解一个 a 诊呢？它接到任务之后是怎么一步一步的推理，行动，观察，再推理，搞懂这个，你的 a 诊呢？它就有灵魂了。第三周， 少难度，一个 agent 能跑了，那多个 agent 怎么配合？这周就得做进阶，了解多智能体系统，同时系统性的优化一下你的 prompt 的 结构，不要再凭感觉去写了，要有方法的让模型输出更准确。第四周，做项目，简历上要写的 三周撒下来的东西，这周全都给他用上，自己动手，从零开始做几个完整的应用。你不要只跑别人的 demo 去接真实的业务流程。当你真的能够用大模型解决一个实际问题的时候，掌心晋升那只是时间问题。如果你现在还不知道从哪开始，我可以告诉你一条现成的路径，从大模型的基础到 rag agent， 再到工程化实战和项目落地，每一步都告诉你为什么要这么做。并且我给你四个实打实的能够写到简历上的项目，特别适合 ai agent， 大 模型应用工程师岗位的求职者， 想进 ai 创业公司、 ai 中间建基础设施公司的同学，全站后端想转 ai 工程方向的人，以及想做独立开发者、 ai 创业者、副业变现的同学，笑的同学。预约领取。

大家直观的感受一下下一个阶段的某一种类型的 ai 产品，它可能是一种什么形态？比如说你有业务拓展，可能你需要找到一些需要贷款的企业， 我是重庆做中国银行负责贷款的经理，我需要拓展我的业务，需要在重庆去找到我的目标的客户，你需要帮我匹配一下贷款额度在一千万以内的这些企业大概都是什么样的类型，他们在重庆都分布在哪里？直接帮我找到他们， 不管是电话号码，他们的邮箱还有地址，他们公司的信息等等。我找到五十个，我说一下原理，他们自己搞了一个虚拟的电脑，你可以理解为刚才的这段指令，你是嫁给了一个人，他需要自己上电脑上去找你这些信息去。 可能这个活这五十家企业他得找一天，有可能找一周。那像 agent， 现在他在做的事情其实就是基于你一个比较模糊的目标，在进行自我推理， 自己去研究这事该怎么干，然后去验证，去执行。执行的过程当中如果是不通过返回来重新再去迭代，再去验证， 然后也就意味着什么呢？那你作为负责贷款的经理，你肯定有不同类型的工作，就是一系列需要去进行某种推理，把这个工作完成得去执行。按理论上来讲， ai 的 形态就是这种叫 agent 的 形态，它就是在逐渐的干这个事情， 这一套下来大概是三千积分，一百块钱招助理，假如说是三千五四千，把这个钱你充给他，一个月的活可能一周就干完了。

假如你从五月五号决定转行 ai agent 要学多久才能上岸？答案是，三个月足够你从小白变成企业抢着要的人才。只要你的年龄在四十七岁以下，并且不是三分钟热度，这条高校路线必眼冲。第一周，先吃透 agent 四大核心， l l m 规划模块、记忆机制、工具调用，这是你后续实战的地基。第二周，掌握经典工作范式 react， 学会让 a 阵子自主拆解复杂任务。第三周，进阶突破多智能体协助，让多个 a 阵子分工配合， cunt 调优，输出更稳定更精准。第四周，实战闭环，亲手跑通两到三个小项目，比如智能客服、个人知识库，掌握这些足以胜任百分之九十的 ai 应用岗。当时多次报道，预计到二零三零年， 我国 ai 人才需求将达到五万。我看到如果你不知道从何开始，我把这道大数据就能帮他打造完美的实战项目整理好了，而我们是不是还停留在只能和 ai 文具聊天的时代呢？ 今天我们将通过对 ai agent 基本概念的了解，带你讲解一下如何去使用我们的 agent 来强化我们的效率最高呢？能节省我们百分之五十的时间占用。我们先来看一下 第一部分呢，我们会带你了解一下 ai agent 它到底是什么？那它有没有什么特色呢？第二部分，我们会带你了解一下我们现在的大模型，它发展到了一个什么样的程度，它是怎么样让我们的智能体变得真正智能可用的？ 那第三部分，我们会带你了解一下现在 agent 技术的框架和工程实践到底是怎么做的？有了这些知识，你也能搭建出自己的 ai 工作流。最后我们会带你了解一下，如果说你想学习或者是从事智能体相关工作，你需要哪些必备的技能？ 好，我们先来看一下，那么智能体它到底是什么呢？相信大家呢最近也听到过 openclaw 这个东西啊，它是一个呢小龙虾的一个图标，它说呢是一个真正可以做到任何事情的 ai， 但是实际上它就是我们很火的概念，就是智能体。 智能体的定义，它说是可以观察周遭的环境，并且做出行动来达到目的，那这里我们就来给大家拆解一下。 那大家听说 ai agent， 相信很多人呢都会认为这个 agent 它难道不是一个代理的意思吗？那为什么在中文中我们称它为智能体呢？实际上我们就是为了强调它是独立的和自主的。 为什么我们这么说呢？我们现在只需要给我们的 agent 一 条指令，那它就能自己去规划整个任务的流程，完全不需要人类去介入。 而且最重要的是什么呢？当他发现他自己缺乏一些知识，无法完成任务的时候，他还可以自主的通过工具或者是去联网搜索来提升自己的能力。 好，我们接下来看一下我们的 ai agent 它到底需要哪些前提条件，那么第一个前提条件就是我们的大模型，它得足够的智能，它才能成为智能体。那我们来看一下最近的大模型它到底发展成什么样了？ 首先呢，我们称之为超级大脑，那么随着我们大模型的进步呢，你会发现他现在知道的知识非常的多，而且丰富，最重要的是他的响应速度变得非常的快速了。 而且你会发现在我们二四年初的时候，我们的 ai 他 只能去给我们进行些文本创作，创作或者是代码的编辑。你会发现当你问他一些复杂的数学问题的时候，他还是会犯错误。但是随着我们大模型的发展，现在他已经可以自动的拆解任务， 分成简单的步骤，然后逐步完成，即使你问他一些数学计算问题，他也能给你满意的回答了。 那么我们现在多模态感知为什么是如此重要呢？因为在传统的 ai 对 话中，我们只能和 ai 发送文字，我们也只能接收 ai 给我们生成的文字内容，那显然是不能满足我们的需求的。 有了多模态的模型，我们就可以通过文字、语音、视频等等方式给我们大模型提供信息，而且呢，我们的大模型也能为我们生成图片，生成语音，甚至是生成视频。 那有了我们多模态的这样一个特性，我们发现我们大模型呢现在就可以和人进行自然的交互了。 那什么是自然的交互呢？我们可以看一下右侧这张图片啊，这里呢就是我们最火的这个 cloud bot 啊，它的一个对话演示，你会发现我们和 ai 聊天的时候，就像 ai 和我们现在这个现实生活中的通讯录中的好友进行聊天是一样的， 我们只需要呢打开我们的通讯软件，跟 ai 说我们的需求，它现在呢就可以直接地为我们进行处理，对吧？比如说这里说让我们的 ai 帮它生成一个 word 文档，那么 ai 呢就可以直接进行处理， 那我们多模态有什么优势呢？比如说我现在呢遇到了一个问题，我完全可以把这个问题直接截图，然后截图把图片发送给我们的 ai， 我 们就不再需要用文字去描述这些困难的问题了， ai 呢可以直接看懂图片，然后为我们生成答案。 那我们现在了解了我们大模型，获得了这些技能的提升，那么我们接下来来去看一下，我们大模型距离智能体还需要走哪一个步骤， 那如何才能构建一个智能体呢？这里呢我们就为大家拆解了智能体三大核心架构。首先呢就是感知模块， 那作为一个智能体，他能独立的完成任务，那他肯定就需要对外界的环境进行感知，这里呢就是由我们刚刚说到的多模态来完成的。 好，那我们我们来看一下大脑模块，那既然它能接收到外界的消息，那它呢就必须进行思考决策，对吧？和规划。看一下我们的图片， 我们的 agent 右边这个部分就是 planning 部分，这里呢就包含了我们核心的一些部件，比如说 reflection， 它能进行反思， 他能进行自我批判，对吧？还能进行呢。思维练什么意思呢？就是练式思考，我们现在呢就像我们点一下大模型的深度思考按钮，他就会开始呢，把这个任务啊分解成一步一步的，首先他要做什么，然后接下来要做什么，这就是练式思考。 那有了这些模块呢，我们的这个大脑模块就构建完成了，看一下我们的行动模块，那行动模块我们如果说只让大模型在我们电脑里进行对话的话，那显然是没有办法真的完成任务的。那看一下我们左侧呢，就为他准备了一些工具， 那通过让我们大模型在行动的阶段，使用我们用代码给他编写的一些工具，比如说当他遇到困难的计算问题时，可以使用我们给他编写的 calculator 这样一个计算器的代码。 那如果说呢，他现在缺少一些知识，需要进行联网搜索的时候，就需要用到我们给他准备的 search 工具，他就可以联网搜索。 那如果他在编辑代码的时候，需要检查这个代码它是不是正确的，就需要使用到我们的 code interceptor， 也就是我们的代码解释器的工具。 有了这个工具呢，大模型就能真正地做出行动了，比如说点外卖这种任务，那大模型呢就会先进行思考，那思考什么呢？用户说给我点一杯咖啡，那他就会思考说用户喜欢什么样的咖啡种类。 然后呢，当他完成这些步骤之后，他选择了一个咖啡之后，那他是不是就需要使用工具，使用我们给他编辑的可以进行啊调取这个支付接口的这样一个工具进行下单这个操作呢？是吧？ 那有了整体的这个架构之后，我们发现呢，现在 ai 已经有点达到我们一开始提到的可以自主的规划决策，进行行动这样一个智能体的形态了。但是注意我还有一个模块没有讲解，那就是记忆模块， 那为什么我们需要记忆呢？那大模型的记忆到底是怎么实现的呢？我们来看一下 ai 的 对话管理。那在开始之前，先来问大家一个问题，那大家认为我们平时在和 ai 聊天的时候，我们跟 ai 说的话，他每次呢都能记住我们之前说了什么， 那它到底是不是有一个 ai 专门为我们服务呢？只对接我们自己呢？其实不是的，每一次呢， ai 都只能看到现在的对话，它是看不到之前的对话的，对吧？它每一次呢都是以一个陌生的新的 ai 来为你服务的， 那你说他怎么能够每一次换一个新的 ai 为我服务，他还能记住这些记忆呢？还能给我的感觉好像一个专业的 ai 一 直为我进行服务呢？实际上就是我们的 ai 对 话管理。 那 ai 众所周知对吧？我们有一个叫什么 context window， 叫上下文窗口，那上下文窗口是什么呢？其实这里面就包含了我们和 ai 所有的对话，对吧？还有呢，我们大模型公司其实呢会在这个上下文窗口中编写一些指令， 比如说他会跟模型说说，你现在呢是我们 open ai 公司的一个 ai， 那 你的核心任务呢？就是解答用户的问题，对吧？只不过呢这些被隐藏起来了，我们也看不到。那如果说 我们说这个上下文窗口，它是一个面积有限的黑板，那整个窗口大家很简单就能想到这个窗口呢？它肯定是容量有限的，这是毋庸置疑的。那如果说我一直和 ai 进行对话，一直和 ai 进行对话， 那当我们的对话达到几万字，甚至是几十万字的时候，那这块窗口满了大模型，是不是就会忘掉我之前跟他讲的一些事情呢？答案是会的， 那我们怎么做呢？可以看一下我们的工程化手段。第一个呢就是我们的 system prompt， 叫我们称之为人设注入，实际上呢它的翻译就是我们系统提示词， 那系统提示词是干嘛的呢？就是我们刚刚讲到的，我们需要呢在整个的这个上下文窗口的顶端，对吧？我们把它一直放着一句话，那这一句话呢是不会随着我们这个对话的这个流程的进行，然后被删除的，它是永远不会忘记的， 那这句话呢，我们就把它锁定在这个窗口的顶端，核心的任务我们就放在这句话里，比如说你是一个呃，资深的这个健身专家，那你的目标呢？是 对用户的这个需求进行分析，给出一些健身的建议，那我们就让这个人设，让他一直保持在我们的上下文窗口中，那接下来就遇到问题了，那我们跟他和他对话的轮数过多之后，我们发现呢，这个窗口已经要满了，我们要怎么做呢？这里就提到了我们的记忆减脂， 那这个时候呢，我们就需要去压缩我们的历史记录，然后呢剔除一些无聊的，就是跟 ai 进行一些寒暄的对话，然后保留一些关键的信息。 那这个过程是怎么做的呢？其实也非常简单，当我们发现我们和用户对话，用户和 ai 的 对话的人数过多之后，我们的窗口马上要满了，对吧？ 这个时候我们把整个窗口中所有的对话，我们给他交给另一个 ai， 让他总结一下，说，你来总结一下我们用户和 ai 的 所有的对话，并帮助我提取出重要的信息。这个时候 ai 就 在后台 提取出了我们对话中一些重要的信息，比如说用户叫什么啊？用户呢喜欢做什么事情，那这些呢就会被保留在我们的上下文窗口中，然后呢其他的无用的信息呢就会被删掉，然后呢我们用户就可以继续和大木星对话了啊， 好，了解了我们对话管理之后，那大家会发现其实这个记忆呢，它本身并不是非常长期的记忆，对吧？这个记忆呢就是我们的短期记忆的一个形态，那如果有一些非常长期的记忆，我们要怎么进行处理呢？可以看一下我们 ai 的 知识来源和记忆管理。 那么左侧呢我们演示的过程实际上呢是我们的 red， 它的全称呢叫解锁增强生成， 它其实呢就是我们现在的 ai agent 用来管理一些用户的长期记忆常用的手段，而且呢它还可以解决我们的 ai 知识来源不足的问题，那它是怎么做的呢？其实非常简单， 我们呢把用户之前的一些历史记录，一些购物的记录，或者是用户和我们发生的所有的对话，我们呢都把它存储到我们这个知识库中。 然后呢再把我们 ai 需要用到的一些知识，比如说企业的私有的知识也存储在我们的知识库中。 当我们的用户进行提问的时候，我们把用户的问题给它转化成向量，然后呢去到我们这个向量知识库中进行一个查找，那找出来相关的片段之后呢，我们就把相关的资料，比如说用户的习惯，用户的记录，对吧？和我们这个 企业中的一些私有资料，我们把它和我们用户提出的问题拼接在一起，我们再交给大模型进行回答，那大模型每一次就能答的准了。实际上呢，这就是我们 red 技术解锁增强生成的它的一个详细的原理， 那如果想要深入了解呢？我们后期还会继续讲解，那我们来看一下右侧，那右侧呢，我们就说 openclaw 啊，最近非常火的 openclaw， 那 它的记忆是怎么实现的呢？它也有它的方法，比如说它的方式就是以一个 markdown 文件的形式存存在的， 那它是怎么做的呢？比如说我现在呢，把所有的和用户之间的发生的这个记忆，我都通过一个记事本，实际上 markdown 呢，和我们平时编写的这个 word 呀，这些文字记录啊是没有区别的， 那它呢都写在这里，对吧？那写在这里之后呢，我们发现我们人就可以直接读取，我们可以看到 ai 记住了什么，而且呢我们还可以直接改，对吧？比如说我们现在呢有隐私需求的业务， 这个时候呢，我们就需要修改这个片段，我们就可以直接更改。那有了这种知识来源的处理和我们的记忆管理之后，现在我们的大模型就真正的能了解我们用户的习惯来为我们进行服务了。好，我们最后来看一下我们的总结页面， 那我们本节课程就为大家介绍了我们大元模型，他变得足够强大之后，他成为了超级大脑，那通过我们刚刚给他讲解的说，通过多模态的方式啊，可以感知到外界的环境， 通过他的这个深度思考，他就能进行决策，通过我们给他提供的工具，他就能进行行动了。 那他的核心特征，其实我们的智能体就这几个核心特征。第首先呢就是他具备独立自主性，他不需要别人一步一步教他该怎么做，而且呢他有目标导向性，那他做所有的事情最终的目的就是为了完成任务， 那他有环境感知能力，这是毋庸置疑的，他能读取啊，我们的一些传感器，听到我们用户给他的一些语音，看到我们用户传给他的视频，甚至呢是看到我们现在电脑桌面上的啊整个环境的情况， 然后呢他能对此进行反应，做出行动，可以使用我们编辑好的代码工具，对吧？还能进行联网搜索。 那最后我们发现现在呢我们的 ai agent 发展如此的迅速，而且看到呢我们 ai 真正的开始为我们人类进行提供一些高质量的内容，进行服务的时候， 我们就必须要掌握我们的 rap 技术和对我们 ai 工作原理的一个理解，那它呢将会是成为未来我们企业非常需要的技能。 那如果你想继续深入学习 ai agent reg m c p 等相关 ai 知识，我们也为你呢准备了相关的代码和学习路线，如果需要请告诉我，我们下期再见。

如果你从二零二六年五月二十日开始学习 ai agent， 到底要学多久？给大家分享一下我自己的真实经历。从只会一点点代码，到企业抢着录用，只花了三个月，关键是年龄别超过四十五岁，也别是三分钟热度， 方向找对了，闭眼充就行。第一阶段，先别着急搭系统，关键是搞明白 ai agent 的 四个核心，规划、记忆、工具、调用和执行，这是后面所有实战的基础。第二阶段，重点练 react、 coach 这些主流流程，让 agent 自己能拆解，复杂任务，一步步搞定。第三阶段，试着做多智能体协助，让不同 agent 分 工配合， 同时把提示词调好，输出才稳。第四阶段，直接上手跑两三个小项目，比如智能客服、个人知识库，把这套走通，百分之九十的 ai 应用岗位你都能胜任。如果你还不清楚从哪入手，我已经把整套大模型学习资料、配套视频和实战项目整理好了，留言学习双手奉上。

三十天是生理上喜欢一个人的极限，三个月足够让你从零到胜任百分之九十以上的 ai 岗位。接下来告诉你一条最快的学习路线，建议收藏，避免以后走弯路。第一阶段，死磕基础、拍蹭基础和简单 api 调用，这两个必须吃透， 千万别小看这些基础，这是和模型打交道的根本，很多人学了半年还在 complex 语法，方向就错了。第二阶段，掌握两大框架和三大技能，这是你转行成功的关键。两大框架是 like chat 和 luma index， 一个用于构建 agent 逻辑框架，另一个用于构建外部数据缩影。 三大技能是指 r i g iint 模型微调。这三项直接对应了当前 ai 岗位的核心需求， ai 岗位窗口期不会等你，先把这五样东西搞定。最后阶段，取战项目， 选择常见的大模型应用场景，结合前面所学知识做两到三个项目，比如基于 r a g 做智能客服系统， 基于 argent 做企业办公住宿，再搞一个数据分析类项目，掌握这些足够让你在面试中拿出硬货。如果你还不知道从何开始，这里整理了大模型应用开发系统学习路线，配套视频教程，实战项目，留下学习暴走！

基哥这两周翻 github 翻到一个怪事，就是做拆的 gpt 套壳的产品死了一半，做 agent 的 项目反而每天暴涨。 star 那 mcp 协议呢？从 astropica 开源到现在的十八个月，相关的 github 项目从零涨到了上千个，这事不正常。那基哥其实琢磨两周呢，那得出一个判断， 这个是本身二零二六年属于开发者的最后一波红利，那下次再有这种二十四个月的窗口，大家可能要等五年甚至更久。那后台被问呢？被问爆的还是这几个问题，鸡哥，我现在学 agent 是 不是已经晚了？ agent 的 红利是不是只有头部大厂能吃？我一个普通后端怎么挤上这条船？那鸡哥先把结论甩出来， 来得及赶紧上车。但是你得搞清楚这一波红利的一个真实形态，别再用二零二四年的方法去蹭二零二六年的红利。那从几个角度来给大家拆。首先纠正大家常见的一个误区，误区，如果大家还以为这一波 a 阵的红利跟两年前的 ai 红利是同一波东西，那方向上其实就走偏了。 怎么做个对比呢？二零二四年，当时的那波 ai 红利啊，其实就走偏了。怎么做个对比呢？二零二四年，当时的那波 ai 红利啊，能接 oppai 接口，会做销售数据库。那这个组合，其实你在二零二四年的时候，你能拿到一份高薪的 offer， 也能让你公司变成一个天使的人。那二零二六年呢？这一波你做什么呢？红利就变成了核心，是我们的多智能匹配安排 to use mcp 协议， 这些 promote 在 二零二六年其实是一个非常基础的技能，不再值钱。那真正值钱呢，就是你能不能让这个多个 agent 呢？向一个团队来去做你很多的一些复杂的任务，能不能让 agent 呢？在真实的业务系统里自主调用工具，能不能用 m c p 这种新标准把不能服务编织起来？那拆背在哪呢？ 二零二四年的红利就是让 ai 陪你聊天，二零二六年的红利是让 ai 替你干活，那这两个是完全不同物种的红利。更有意思的就是上一波没赶上的人，这一波反而是张白纸更好上手，那上一波吃到了人，反而容易被一些路路径的依赖坑住， 对吧？你以为接着写 promos 就 行，结果发现就是规则全变了。那五个判断我们来看一看。首先第一个就是做大模型本身的钱，其实跟百分之九十九的人都没关系，为什么呢？ openai， astropics， deep seek。 同意，这条赛道其实已经被焊死了好吧，你想从头去训一个 gpt 的 模型，跟人家去掰手腕，那是完全不可能的， 没个几十亿上百亿的资金，然后你想去做这些东西，根本不可能的。那这不要紧，那做大模型的钱呢？其实跟我们没关系，我们是做用大模型去解决问题的钱，跟我们是有关系的，后者才是我们真正能去吃到的一个红利。 第二个呢，其实是我们真正红利在 agent 的 具体行业，比如说金融的对账，医疗的病例，法律合同的审核，电商客服教育答疑，这些垂直方向都够去养活一家公司。那第三个就是我们说的个体开发者的窗口其实比大公司大，那这点其实反直觉，那我给大家解释一下，做垂直行业 agent， 其实你需要三件东西， 行业理解、技术和速度。那大公司有技术，但缺行业理解，那和速度的东西呢？是他的决策链太长，为什么还说他缺行业理解呢？是他有的大公司，他在某一个垂直行业，他没有去在里面深耕过， 对吧？那这是其实个人开发者反向碾压大公司的难的时刻，等到二零二七年，所有大公司都反应过来，然后去反吞市场的时候，你的窗口期其实就关上了。那我们再来看第四个，就是我们判断的东西，就是个体开发的窗口比大窗口大，为什么这么说呢？ 哎，就是如果你现在还在练怎么写好提示词，杰克劝你赶紧跑。然后如果提示词呢，是二零二四年的事，二零二二年你要干的事是什么？让 agent 的 调用工具，让都 agent 的 协助用 m、 c、 p 把都不分连起来，这三样才是咱们最值钱的技能。 那第五个呢？其实大家说的就是窗口，其实可能就是十八到二十四个月。那预判来说呢，从到二零二七年的下半年，大厂的 agent 的 战略会全面的落地， 大量行业的 sas 涌现，市场已经被瓜分完，所以普通开发者红利窗口就会逐渐关闭，也就是说你最多还有一年半到两年窗口期，那一年半之后，如要么你就站住了一块小地盘，要么你的活法就跟现在不一样。哎，差不多应该是这样说， 那如果说你去做两种这种情况下的话，你怎么去基于什么样的方式能去上车呢？那第一条呢，就是我们去做这种业务内嵌，把 a 证呢引入公司的一个核心业务里面， 如果你在公司有业务话语权，主动找一个公司核心业务的板块，写一份 agent 的 落地方案上交，争取主导这个项目成功了升职加薪，外加二十四个月的项目经验，下次跳槽一家， 那退一半说，就算你项目没有跑出这个大数据，然后但是你的简历上也多了主导 agent 的 项目落地，这一项两头你都是赚的。 那第二个呢？其实我们的路线是什么？就是最高 r i y， 但最难，你需要找一个你熟悉的行业流程，做一个小而美 s s 工具，不需要做大平台，做一个能让五十个客户每月付你九十九美金的一个小工具就可以养活自己。那这种小作坊的 s s 在 二零二六年其实是非常容易出现的一种形态， 那有一些坑大家还要去避免的是什么东西呢？哎，就是有一些坑，千万不要去干什么事。然后第一个坑呢，就是你别再去做这种叉 h p t 的 套工具了， 是二零二四年的一个红利，二零二五年已经被卷死，所以二零二五年根做出来根本还没人买单，大家不要去看。第二个就是你不要去做 agent 的 框架本身，那这条赛道其实已经血卷成河了啊，你下半场做框架，你是在跟什么字节？阿里 astropica 去卷，你根本赢不了。 所以说大家要做的就是做应用大于做框架，框架卷的深度，然后应用我们卷的是行业的，理解，后者这些营面比较大的多， 下周我们可以干一些什么事呢？第一件就是跑通一个最简单的多 agent demo， 对 吧？你可以换一个框架，然后这框架搭一个最简单的严谨 agent 加创建 agent 加编辑 agent 做一个文案的 demo， 对 吧？可以。然后第二个呢，你可以跑一个最熟的行业流程，画出能被 agent 改造的一些环节， 对吧？在一张纸上画出你最熟悉的业务流程，哪些是基于 ai 提交，哪些是可以让 ai 来干的事儿？那这些东西我们来去想一想。那最后呢，其实想给大家说的就是不太客气的业务流程，哪些是基于 ai 提交，哪些是可以让 ai 来干的事儿？那最后呢，其实想给大家说的就是这波 agent 红利， 对于程序员朋友来说，可能是我们二零二零年最后一次靠技术改变命运的一个窗口，那下一波这种红利，无论是什么量子计算、脑溢接口，反正不是大模型啊，那可能要等二零二三，二零三零年之后了，那中间这三五年这次机会你没抓住，那你可能又要回到那种上班圣地的老路上面。好，小伙伴们，今天我们就聊到这。

kimi 啊， deepsea 啊，就是一些顶尖的公司，他招那种 agent 的 工程师就基本上四十到七十，当然这是顶尖的水平，市面上的水平现在整体而言也非常的高，但最关键的就是 agent 的 这块，这个开发 明显是一个需求量非常非常大班里的学生现在来讲，说句大实话啊，就是即使把这些研究生海归九八五二幺幺都算上，走 agent 的 这个方向的学生大概能占到百分之八十以上，剩下的百分之二十 走所谓的一些什么大模型啊，算法呀。但是我仔细统计过，能走大模型算法那几个的，要么就是海外回来的也都是好学校，要么就是国内的这种九八五背景的，不是这种背景的 只能走 agent。 而且呢，现在只要是你在简历上有非常好的这种 agent 的 开发商，当然了，辅助一些你对于大模型的一些理解，那你这个简历投出就呼呼的喊面试，当然有的学生比如说他在这个面试的过程中吧，他也得打磨一些面试的技巧啊。网上也有那种学生直接来找我 整一些什么所谓的什么简历面试辅导，我一看那个那个简历写的，后来我说你为什么来找我，他都不是说面试面，不过他就简历投出去石沉大海，根本就不知道自己问题出在哪。你一看那个简历写的就全都是传统技术战，你没有这种非常好的学历背景的加持，或者说你之前那个公司就是好公司， 对吧？你平行跳一下，没有这两点的话，就是那种传统技术站投出去没人理，但是你只要是你的这个简历里边体现出跟 ai 的 一个联系，尤其是现在在 a 诊的这块市场真的特别火。

官宣新融资估值马上冲到万亿美元的 antravica 刚刚发布 kolod opus 四点八，这次还上线了一个新东西动态工作流。简单理解就是 kolod 不 再只是一个 agent， 而是开始向一个 ai 工程团队遇到复杂任务， 他会先自己拆计划，然后同时启动几十个上百个病型子 agent 替起干活，有的负责分析，有的负责验证，还有专门的对抗 agent 负责挑错，最后所有结果再统一汇总给你。比如一个 a 流水线推荐 antropic 还放了个案例，已经有早期用户用它十一天把报案从 z 移植到 rust， 七十五万行代码测试通过率百分之九十九点八，这节奏简直是把人月神话按在地上摩擦。

假如你从二零二六年五月六日决定转行 ai agent 要学多久？答案是，三个月，足够你从小白变成企业抢着要的人才。只要你的年龄在四十岁以下，不是三分钟热度，这条高校路线必眼冲。 第一周，先吃透 agent 四大核心， i l m 规划模块、记忆机制、工具调用，这是你后续实战的地基。第二周，掌握经典工作范式 react 扣 t， 学会让 agent 自主拆解复杂任务。 第三周，进阶突破多智能体协助，让多个 agent 分 工配合 trump 调优，输出更稳定、更精准。第四周，实战闭环，亲手跑通两到三个小项目，比如智能客服、个人知识库，掌握这些足以胜任百分之九十的 ai 应用岗。 央视多次报道，预计到二零三零年，我国 ai 人才缺口将达到五百万。如果你还不知从何开始，我把这套大模型学习包加配套视频加实战项目整理好了，无偿分享。

猴哥，今天咱聊聊第四范式，这正宗 ai 龙头，成长性拉满，二零二五年营收大涨百分之三十五点六，二零二六年一季度营收再增百分之三十五点四， 业绩稳不走高，妥妥的成长好票。呆子，别光看营收增速，这票看着增收，实则不赚钱。目前市盈率持续为负，全年只是微利扭亏，靠营收堆数据，真实盈利能力根本撑不起股价。 你懂啥，人家核心赛道优势够硬，连续七年拿下国内机器学习平台是占第一， 决策 ai 避雷扎实， ai agent api 业务全面爆发，赛道前景绝佳。避雷都是虚的，百度、阿里、华为大厂疯狂入局， ai 赛道 还低价清消，抢占市场。第四范式，溢价能力极弱，市场份额随时会被巨头挤压残食。 二零二六年 a p i 业务直接爆火，一季度投垦掉用量较去年四季度暴涨百分之四百，单季投垦收入超去年全年新增长动能彻底打开。 看这业务爆发全是隐患。公司超百分之八十收入都是算力，相关业务本质就是算力倒业，业务附加值极低， 没有核心高毛利，自研产品撑盘，现在估值真心不贵，当前市销率远低于 ai 行业平均水平，估值处于低位，还有信创政策加持，后续估值修复空间巨大。估值低是有原因的， 公司长期高额投入，研发成本居高不下，毛利率提升乏力，盈利持续性极差。低估值是市场给出的真实风险定价， 公司已经成功扭亏为盈，二零二五年实现经调整规模净利润转正，彻底摆脱持续亏损困境，经营拐点已经明确落地，这盈利全是会计手段粉饰的， 靠赊销模式堆砌营收，现金流表现极差，账面微利含金量极低，根本不是真实经营改善， 资金面持续向好。 ai 算力赛道热度不减，机构持续布局超底，叠加业务持续放量，后续资金拉升，行情可期， 纯属情绪炒作跟风。二零二六年 ai 行业泡沫风险突出，多数机构警惕 ai 估值崩盘，该股股价波动剧烈，高位资金出逃迹象明显。业务落地场景越来越广，覆盖金融、工业、 医疗多个核心领域，正起订单持续落地，客户基数稳步扩大，成长确定性十足， 项目隐患极大。 ai 项目实施周期长，成本不可控，极易出现延期超支问题，且客户需求不稳定，订单落地不及预期是常态。公司战略持续升级发力通用 ai 与国产化适配， 贴合国产替代大趋势，政策红利持续赋能，长期发展底气十足。国产替代红利难落地，信创项目推进缓慢，落地效果不及预期，同时面临技术迭代风险，稍有滞后就会被行业淘汰。 对比同行优势明显，差异化布局决策， ai 赛道避开通用 ai 内卷，细分领域独占优势，竞争压力远小于其他 ai， 各股细分壁垒根本不牢固。 通用大模型持续向垂直领域渗透，跨界竞争愈发激烈，公司专属赛道被不断挤压，差异化优势逐步消失。 股价前期充分调整风险已经完全释放，当前位置性价比突出，是低位布局 ai 龙头的绝佳机会，调整并未到位。该股长期依赖题材炒作，无扎实业绩支撑，只要市场情绪退潮， 大概率会开启新一轮回调走势。不管怎么说，公司营收高增，新业务爆发赛道优质，成长逻辑完全通顺，长期持有绝对吃肉， 空谈成长毫无意义。盈利虚浮，业务廉价竞争内卷现金流缠弱，全是硬伤，纯属中看不中用的题材票。

为什么说自学 a 证的都是坑？最近发现好多人后台都在问我同一个问题，想自学 a 证的开发该怎么学啊？每次听到这个问题，我都想直接回一句，别自学了，真的全是弯路。 第一，根本不知道从哪开始，我当初自学 a 证的操作，打开 b 站搜索 ai agent 的 教程，好家伙，一下子蹦出来几百条视频，三天学会 a 证的开发，零基础入门， ai agent 手把手教你做智能助手，每个视频都说的天花乱坠，你点进去看，结果呢？这个视频讲 python 基础，那个视频讲 api 调用，还有一个讲什么图形原理，看了三天，感觉自己学了好多东西，但真要让你自己做个项目，你发现自己还啥都不会，只是短暂的留在脑子里，停了一下就走了， 这就是问题所在，你连先学什么后学什么都不知道。第二，网上的资源太乱了，你以为网上那些免费教程真的能教会你吗？其实真正有用的东西，人家公司根本不愿意放出来，你想想，一个公司花了几百万研发的技术，他会免费放到网上让你去学吗？不可能的是，那些网上能搜到的，要么是过时的技术企业，早就不用了。 皮毛的东西只讲表面不讲核心，甚至有些是错的，你叫他做都做不出来。我有个同学，大二的时候自学了半年 a 证的简历上写了一大堆项目，结果去面试的时候，面试官问了一个问题，你这个 a 证，他的决策逻辑是怎么设计的？他直接蒙了，因为他只会调用 a p i， 不知道背后原理是什么。 第三，你根本做不出有竞争力的项目。这是最扎心的一点，你以为你跟着教程做个智能客服，自动回复机器人就能找到工作了？现在企业招人看的是什么？看的是你有没有做过真实项目。什么叫真实项目？在生产环境里跑过有真实用户在使用的，解决过实际问题的。你做的那些代工项目，做十个做一百个，都不如人家一个真实项目有分量。 第四，你连自己学的对不对都不知道，你可能花了一个月时间学了一大堆东西，但其实你根本不知道你学的东西现在企业还用不用？你学的技术是不是已经过时了？你做的项目有没有价值？那到底该怎么学呢？ 综合以上，我踩过几点，如果你真的想学 a 证的开发，我建议你，第一，找个靠谱的人带，不管是学校的老师，有技术在身的那种，还是说已经工作的学长学姐，又或者说一个靠谱的机构，他们都能告诉你现在企业到底在用什么技术，应该学什么，不学什么，怎么做出有竞争力的项目。 第二，尽早去实习，哪怕是小工资，哪怕工资不高，最重要的是你能接触到真实项目，了解到企业中里是如何做事的，同时积累一定项目经验。第三，别想着把 ai 学透了， ai 这个领域太大了，你不可能什么都学会，所以建议先学最实用的，先做能做出东西的，先找到工作再说其他的技术工作，等到工作了再慢慢深入。 说了这么多，想跟大家分享点实在的。主播整理了自己学习智能体完整文档，还有相关项目，有需要的可以在评论区留个七七七，下一期我会专门出一期自己从零到一的学习路线拆解，有兴趣的可以给个三连，我们下期见。