为什么这份路线很重要

2025-2026 年是国内 AI Agent 岗位的爆发期。AI Agent 市场规模预计从 2023 年的 574 亿元增长至 2028 年的 3.3 万亿元，超过 59.6% 的岗位月薪超过 25K，头部大厂 AI Agent 开发专家年薪可达 70-100 万。

通过对字节跳动、阿里、腾讯、百度、美团、华为六大厂的 JD 调研，总结出大厂最看重的 7 项核心能力：

能力	权重	大厂 JD 出现频率
Python + 工程化能力	★★★★★	几乎所有岗位必考
LLM 应用开发（Prompt/SFT/RAG）	★★★★★	95%+
Agent 系统设计与实现	★★★★★	90%+
国产模型生态适配	★★★★	80%（大厂偏好自家模型）
分布式部署与高可用	★★★★	70%（P7+必问）
评估体系与 AB 测试	★★★★	65%
数据飞轮（RLHF/在线学习）	★★★	50%（加分项）

---

20 周路线总览

周次	阶段	时间
1-2	第一阶段：AI 基础理论（含国产模型生态）	30-40h
3-4	第二阶段：Prompt Engineering 与 Function Calling	30-35h
5	第三阶段：工程基建	15-20h
6-7	第四阶段：RAG 深度攻坚	35-40h
8-10	第五阶段：Agent 架构与设计模式	40-50h
11-13	第六阶段：主流框架实战	35-40h
14	第七阶段：MCP 与 A2A 协议	15-20h
15	第八阶段：多模态 Agent	15-20h
16	第九阶段：模型部署与推理优化	20-25h
17	第十阶段：安全、测试与可观测性	15-20h
18-20	第十一阶段：项目实战与面试准备	50-60h

总学习时间预估：300-350 小时（每周 15-18 小时）

---

2026 年技术趋势总结

1. Agent 框架收敛： OpenAI Agents SDK + LangGraph 成为事实标准
2. MCP 生态爆发： 工具标准化使 Agent 能力快速扩展
3. 多模态成为标配： GPT-4o 级别视觉/语音能力向开源普及
4. 推理成本持续下降： DeepSeek V3/R1 + 量化部署
5. 国产模型崛起： DeepSeek、Qwen 在中文场景已接近 GPT-4 水平
6. Agentic RAG 成为主流： 从被动检索转向主动、多步、自适应
7. 安全重视度提升： OWASP LLM Top 10 成为大厂标配
8. 端侧 Agent 兴起： 手机/PC 本地运行的轻量 Agent
9. 数据飞轮闭环： 用户反馈 → 自动标注 → 模型优化
10. Agent 评估标准化： LLM-as-Judge + AB 测试成为标准流程

---

各阶段学习优先级与时间分配

阶段	时间	P0（必须）	P1（重要）	P2（加分）
一：AI 基础	30-40h	Transformer、LLM 原理	国产模型生态	论文精读
二：Prompt+FC	30-35h	Prompt Engineering、Function Calling	LangGPT	高级提示技术
三：工程基建	15-20h	Python 异步、FastAPI、Pydantic	分布式基础	K8s 深入
四：RAG	35-40h	RAG 全流程、向量库	Reranking、混合检索	Agentic RAG
五：Agent 架构	40-50h	ReAct、多 Agent、记忆管理	评估体系、AB 测试	数据飞轮
六：框架实战	35-40h	LangGraph、OpenAI SDK	CrewAI、Dify	Coze
七：协议	15-20h	MCP 概念	A2A	自定义协议
八：多模态	15-20h	视觉理解	音频	实时语音
九：部署优化	20-25h	vLLM、量化	分布式部署	SGLang
十：安全测试	15-20h	Prompt 注入防御	可观测性	渗透测试
十一：实战面试	50-60h	项目实战、面试题	系统设计	手撕代码

---

最终建议

1. 项目驱动学习：每阶段做一个能跑的小 Demo，理论学到够用就行
2. 关注国产生态：面试国内大厂，DeepSeek + Qwen 是加分项
3. 工程能力是关键：大厂不只看 AI 知识，更看工程落地能力
4. 准备系统设计：P7+ 必考系统设计题，建议重点准备
5. 保持学习：Agent 技术快速演进，持续关注最新动态比掌握任何特定技术更重要

[热门] 2026 年大厂 AI Agent 岗位薪资参考：

• P6（高级工程师）：40-60 万/年
• P7（技术专家）：60-100 万/年
• P8（高级专家）：100-150 万/年
• Seed/星火计划（研究岗）：80-200 万/年