今天要解决的问题
如果你是一路从 Day 0 走过来的,现在手里有一个能跑的 SupportPilot、一个代码审查 Agent,能说清楚 Agent 循环、RAG、MCP、评测和上线那一套。这已经够投大部分「AI Agent 开发工程师」岗位了。但你翻招聘网站时大概也注意到了,同样叫 Agent 工程师,有的标 25K,有的标 70K 起步还写着「16 薪」。差的那一截是什么,今天要先弄清楚。
学完今天,你应该能:
- 用数据说出资深 Agent 岗位和普通岗位在薪资和要求上差多少,差在哪几项。
- 拿一张能力对照表给自己打分,知道自己离资深还缺哪几块。
- 看懂进阶篇 50 天的安排,以及每周练习最后怎么拼成 AgentOps 平台。
- 换一种学习方式:从「跟着教程敲代码」变成「读一手资料、做实验、写文档」。
预计用时 3–4 小时,一半时间用在动手练习里那份自我评估和第一份 ADR 上。前置:学完 Day 0–60,手里有 SupportPilot 仓库。
先看数据:资深岗到底贵多少
基础篇 Day 59 讲薪资时用的是全部样本。今天换个切法:在 Boss 直聘和猎聘抓到的国内岗位里,把标题带「资深、专家、架构师、leader、负责人、高级」的挑出来,单独算。
带薪资的这类岗位有 42 条,挂牌年包(区间中点乘薪数)的中位数是 66 万,四分位是 47 万到 88 万。其余 375 条普通岗位,中位数 48 万,四分位 33 万到 71 万。也就是说,只看标题,资深岗的中位数比普通岗高出将近 40%,上四分位已经接近 90 万。样本不大,这个数字只能当方向看,但方向很清楚。
更有意思的是要求。这批资深岗里有 37 条抓到了完整的职位描述,我按关键词数了一下出现的比例:
| 关键词 | 出现比例 |
|---|---|
| 落地 | 84% |
| 架构 | 73% |
| 上下文 | 54% |
| 评测 | 51% |
| 平台 | 46% |
| 稳定性 | 46% |
| 主导 / owner | 38% |
| 多 Agent | 30% |
| 成本 | 27% |
| MCP | 24% |
| 微调 / SFT / RL | 11% |
几个读法。第一,「落地」和「架构」几乎是标配,说明资深岗要的不是会用某个框架,而是能把一件事从设计做到线上跑稳。第二,「平台」和「稳定性」都接近一半,资深的人经常要做的是给别的团队用的东西,而且要扛线上事故。第三,「主导」出现了 38%,这是普通岗 JD 里很少见的词。第四,微调和强化学习只有一成,别被网上「不会训练模型就不是资深」的说法吓到,它是加分项,不是门槛。
海外的情况在 Day 59 讲过:美国 Staff 级岗位的年限要求普遍在 8 年以上,职位描述里 design doc、mentoring、cross-team 这几个词很常见。国内外在这一点上是一致的,资深的核心是判断力和影响力,不是多会几个库。
拿一条真实的 JD 看看味道。腾讯营销线一个「AI Agent 架构师」岗位,职责里写的是:搭建平台级的统一 Agent 中枢,主导多子 Agent 集群编排与调度,搭建跨层全局记忆与上下文体系,设计 B 端和 C 端资产的共享复用机制。你会发现每一句都在说「平台」「体系」「机制」,没有一句是「用 LangChain 开发某某功能」。
中级和资深,差的是哪几种能力
我把 JD 里的要求、几家公司公开的工程师职级描述、还有自己面试别人的经验揉在一起,整理成下面这张表。左边是你学完基础篇大概的样子,右边是资深岗想要的样子。
| 维度 | 中级(学完 Day 60) | 资深 |
|---|---|---|
| 设计 | 会用一种架构把需求做出来 | 能比较两三种架构,用数据说明为什么选这个,并写清楚什么时候该换 |
| 评测 | 有测试集,会跑分 | 知道分数差多少才算数,能设计线上实验,评测体系能被别人复用 |
| 规模 | 单个服务能上线 | 能估算 10 倍流量下的成本、延迟、容量,知道哪里先撑不住 |
| 平台 | 为一个业务写一个 Agent | 把运行时、工具接入、评测做成别的团队能用的平台 |
| 模型 | 会选 API、会写提示词 | 知道什么时候该自部署、该微调、该蒸馏,能算清总成本 |
| 稳定性 | 加了重试和超时 | 能设计持久化执行、降级和熔断,出事故能带着复盘 |
| 信息源 | 看教程、看视频 | 读论文、读源码、读官方工程博客,自己找答案 |
| 影响力 | 把自己的活干好 | 写设计文档说服别人,带新人,推动跨团队采用 |
这张表里没有一项是「会某个新框架」。框架半年一变,上面这些能力换什么框架都用得上。这也是进阶篇的写法跟基础篇不一样的原因:基础篇在教你做出东西,进阶篇在教你做判断。
拿一个具体场景感受一下差别。假设 SupportPilot 上线一个月后,运营反馈「最近转人工的工单变多了」。
中级的做法通常是:翻几条转人工的 trace,发现分类节点把一些账单问题分成了 other,改一下分类提示词,加几个 few-shot 例子,在测试集上跑一遍分数涨了两个点,提交。
资深的做法是先问几个问题。转人工率涨了多少,是绝对数还是比例,跟工单总量、工单类型分布的变化有没有关系?是不是上周换了模型版本或者知识库更新导致的?然后从线上 trace 里按类别抽样做错误分析,把失败分成几类各占多少。改完以后,两个点的提升在 60 条测试集上是不是统计显著?上线时用灰度,盯着转人工率和客户重问率两个指标,准备好回滚。最后写一页复盘,把这次发现的失败类型加进回归测试集,让它不会再悄悄回来。
两种做法写的代码可能差不多,差的是前后那一圈。进阶篇的 W11 会专门讲后面这一圈里的统计和实验,W13 讲事故复盘。
进阶篇 50 天的地图
进阶篇从 Day 61 到 Day 110,分七块:
W10 Agent 架构深水区(Day 61–67)。harness 怎么设计、长任务里的上下文怎么管、记忆系统怎么写和怎么忘、跑几小时的任务怎么不怕重启、单 Agent 和多 Agent 到底怎么选。这周结束时你要写出一份 Agent 运行时的设计文档。
W11 评测科学(Day 68–74)。评测在团队里怎么组织,样本量和显著性,大规模 LLM 评审的校准,线上 A/B,自动化红队,自己设计 benchmark。
W12 模型层(Day 75–81)。用自己的评测集选模型,vLLM 自部署,LoRA 微调,DPO,蒸馏和路由,强化学习在 Agent 上的用法。这周会训练一个路由小模型。
W13 平台化与规模(Day 82–88)。多租户平台架构、模型网关、MCP 网关和 OAuth、规模化可观测、治理合规、事故复盘。
W14 前沿形态(Day 89–95)。Coding Agent 内部、Computer Use、语音 Agent、Deep Research、A2A 协议、Agent 的产品交互。
W15–W16 进阶毕业项目(Day 96–105)。把前面的零件拼成 AgentOps 平台。
W17 资深求职(Day 106–110)。设计文档和 ADR、Staff 级系统设计面试、带人和推动、开源影响力、资深谈薪。
要做的项目:AgentOps 平台
基础篇的毕业项目是一个 Agent。进阶篇的毕业项目是让很多 Agent 跑在上面的平台。设想云簿公司把 SupportPilot 做成功以后,销售、财务、研发几个团队都想要自己的 Agent。如果每个团队都从头写一遍模型调用、工具鉴权、评测和监控,三个月后公司里会有五套互不兼容的轮子,每套都有自己的坑。AgentOps 要解决的就是这个问题。
它大致有这几层:
- 模型网关:所有模型调用都过它,负责路由、限流、按租户配额、供应商故障切换、成本归因。
- MCP 工具中心:工具统一注册,按租户和用户授权,每次调用都有审计日志。
- 持久化运行时:长任务能断点续跑,人工审批这类步骤能等几个小时。
- 评测平台:离线回归带统计检验,线上做 A/B 分流。
- 可观测:OpenTelemetry 全链路,成本看板,告警。
- 路由小模型:用 SupportPilot 积累的数据微调一个小模型,接住大部分简单请求。
W10 到 W14 每周的练习都在给它准备零件,到 W15 拼起来。做完以后,你的作品集里就同时有「一个能用的 Agent」和「一个让 Agent 规模化的平台」,后者正好对上那 46% 提「平台」的资深 JD。
学习方式要换了
基础篇每天都有一段能照着敲的代码。进阶篇也有代码,但更多时候你要做的是下面这几件事。
读一手资料。Anthropic、OpenAI、LangChain、Cognition、Manus 这几家的工程博客,是目前 Agent 工程最好的教材,比任何二手解读都准确。论文也要开始读,不用每篇精读,至少能看懂摘要、方法图和实验表,知道它解决什么问题、代价是什么。我的习惯是每读一篇就写三行笔记:它说了什么,证据是什么,我的系统要不要跟着改。
读源码。框架文档只告诉你怎么用,源码才告诉你它怎么做取舍。Day 62 我们会读 OpenAI Agents SDK 和 LangGraph 的运行循环。读源码不用从头读到尾,带着一个问题去找答案,比如「工具调用失败时它怎么处理」,找到那几十行就够了。
做实验而不是看结论。网上关于「哪种上下文策略更好」「多 Agent 好不好」的结论很多,大部分是在别人的任务上测的。资深的做法是在自己的评测集上跑一遍,用数字说话。进阶篇的很多练习都是实验设计,结果表我会留空,你自己填。
写文档。每周最后一天的产出都是一份文档:设计文档、评测方案、选型报告。资深工程师花在写文档上的时间往往比写代码多,因为一份好的设计文档能让五个人少走一个月弯路。写得好不好,面试官看一眼你作品集里的文档就知道。
关于时间:进阶篇每天的内容比基础篇重,很多天需要 5 小时以上,微调和自部署那几天还要租 GPU。不用赶,宁可一天学透,也别跳过动手练习。
动手练习
今天的练习有两部分,都是写东西,不写代码。
第一步:给自己做一次能力评估。 复制上面那张中级和资深的对照表,每一行按 1 到 5 分给自己打分。1 分是「没接触过」,3 分是「做过,但说不清为什么这样做」,5 分是「能给别人讲清楚并且有作品证明」。每一行写一句证据,比如「评测 3 分:SupportPilot 有 100 条测试集,但从没判断过改动是否显著」。
第二步:找出三个最低分。 对照进阶篇地图,标出这三项分别在哪一周补。这三周学的时候多花时间。
第三步:写你的第一份 ADR。 ADR(架构决策记录)是资深工程师最常写的小文档。回顾 SupportPilot,挑一个你当时做过的技术决定,比如「为什么用 pgvector 不用 Milvus」或者「为什么用 LangGraph 不自己写循环」,按下面这个模板写一份,放进仓库的 docs/adr/0001-xxx.md:
# 0001 · 知识库向量存储选用 pgvector
- 状态:已采纳
- 日期:2026-10-12
## 背景
SupportPilot 的知识库约 60 篇帮助文章、几百个切块,业务数据已经在 Postgres 里。
需要一个支持向量检索和关键词检索的存储。
## 考虑过的方案
1. pgvector:和业务库同一个 Postgres,运维成本最低。
2. Milvus:专业向量库,适合亿级向量,但要多运维一套服务。
3. Chroma:上手快,但多副本和权限控制弱。
## 决定
选 pgvector。
## 理由
- 数据量小两个数量级,用不上专业向量库的优势。
- 混合检索可以直接用 Postgres 全文检索,不用再接一套。
- 团队只有一个人,少一套服务就少一类故障。
## 代价和重新评估的条件
- 向量数超过 500 万,或检索 P95 超过 200ms 时,重新评估 Milvus。
- 多租户隔离要靠行级权限,复杂度在应用层。验收标准:能力评估每一行都有一句具体证据;三个短板都对应到了周;ADR 里有至少两个被放弃的方案,并写清楚了「什么情况下要推翻这个决定」。最后一条最重要,它是 ADR 和普通技术说明的区别。
名词解释
| 名词 | 意思 |
|---|---|
| 资深 / Senior | 能独立负责一块系统的设计和交付,在不确定中做取舍 |
| Staff 工程师 | 资深再往上一级,影响范围跨多个团队,常见于海外公司职级 |
| ADR | Architecture Decision Record,架构决策记录,一页纸记下一个决定的背景、方案、理由和代价 |
| 设计文档 | 动手前写的方案文档,包含目标、非目标、方案、取舍、风险,供团队评审 |
| AgentOps | 本课进阶项目的名字,指让多个 Agent 规模化运行的平台和流程 |
| 多租户 | 一套系统同时服务多个团队或客户,彼此数据和配额隔离 |
| 挂牌薪资 | JD 上写的薪资区间,不等于实际 offer |
常见误区
以为资深就是会更多框架。 数据显示资深 JD 最常出现的是落地、架构、平台、稳定性这些词,框架名反而不显眼。多学一个框架,不如把一个系统的取舍讲透。
以为不会训练模型就当不了资深。 资深 Agent 岗位里提微调和强化学习的只有一成左右。W12 会讲这块,目的是让你知道什么时候该用、怎么跟算法同事配合,不是让你转行做算法。
把读论文当成负担一口气读完。 论文是工具,带着问题读。大部分时候读摘要、看方法图和实验表就够了,只有决定要用它的时候才精读。
跳过写文档。 很多工程师觉得写文档浪费时间,能写代码就不写字。资深面试几乎一定会问「讲一个你主导的技术决策」,平时没写过 ADR 和设计文档的人,这道题很难答得有条理。
进阶篇太重就开始跳天。 宁可慢一点。进阶篇的每一周都会被后面的毕业项目用到,跳过的部分最后还是要补。
学习资料
文档与文章
- Anthropic《Building effective agents》:基础篇读过。进阶篇开学再读一遍,这次注意它怎么论证「先用最简单的方案」,这就是资深的思维方式。20 分钟。
- Anthropic《Effective harnesses for long-running agents》:2025 年 11 月的文章,讲跨很多个上下文窗口的长任务怎么设计 harness。明天的主题,今天先扫一遍。15 分钟。
- Design Docs at Google:Google 工程师写的设计文档实践,讲清楚设计文档为什么存在、写什么、不写什么。30 分钟。
- ADR 社区站 和 ADR 模板合集:挑一个模板用,不用纠结哪个最好。
- Lilian Weng《LLM Powered Autonomous Agents》:2023 年的老文章,但它把规划、记忆、工具三块的框架搭得很清楚,W10 讲记忆时会用到。
B 站视频
其他经典视频
书籍
- Will Larson《Staff Engineer: Leadership beyond the management track》(2021),作者官网:讲 Staff 工程师的几种类型和日常工作。今天读第一部分,搞清楚资深之后的路长什么样。
- Tanya Reilly《The Staff Engineer’s Path》(O’Reilly,2022):比上一本更偏实操,讲怎么看全局、怎么推动跨团队的事。W17 之前读完前三章即可。
- Chip Huyen《AI Engineering》(O’Reilly,2025),配套仓库:基础篇已经推荐过。进阶篇会反复回到第 4 章(评测)和第 10 章(架构与用户反馈)。
开源项目与代码
- humanlayer/12-factor-agents:把生产级 Agent 的原则写成 12 条,很多条和 W10 的内容对应。今天通读一遍目录,后面几天会逐条用到。
- 你自己的 SupportPilot 仓库:今天建一个
docs/adr/目录,把练习里那份 ADR 放进去。进阶篇每做一个重要决定都往里加一份。
自测
- 资深 Agent 岗位的 JD 里,出现比例最高的两个词是什么?它们说明资深岗在要什么?
答案
「落地」(84%)和「架构」(73%)。说明资深岗要的是能把一个系统从设计做到线上跑稳的人,不是会用某个框架的人。
- 资深岗挂牌年包的中位数大约比普通岗高多少?这个数字有什么局限?
答案
资深 66 万对普通 48 万,高出将近 40%。局限:样本只有 42 条,而且是按标题关键词筛的,有的公司标题不写「资深」但其实是资深岗;挂牌价也不等于实际 offer。只能看方向。
- ADR 和普通的技术说明文档,最关键的区别是什么?
答案
ADR 记录的是「一个决定」,必须写出被放弃的方案、选这个的理由,以及什么条件下要推翻这个决定。普通说明文档只描述系统现在是什么样,不记录为什么。
- 进阶篇的毕业项目 AgentOps 和基础篇的 SupportPilot 是什么关系?
答案
SupportPilot 是跑在平台上的一个 Agent;AgentOps 是让很多 Agent 共用模型网关、工具中心、运行时、评测和监控的平台。进阶篇会把 SupportPilot 迁移到 AgentOps 上作为第一个租户。
- 资深面试题:「SupportPilot 上线后转人工率上升了,你会怎么处理?」请用两分钟讲清楚你的步骤。
答案
要点:先确认指标本身(绝对数还是比例,和工单量、类型分布变化的关系,最近有没有模型、知识库、提示词的变更);再从线上 trace 按类别抽样做错误分析,把失败分类并计数;针对占比最高的类别改动,在测试集上验证并判断改动是否显著;灰度上线,盯转人工率和重问率,准备回滚;最后复盘,把新发现的失败类型加入回归集。答题时重点讲「怎么确认问题、怎么证明改好了、怎么防止复发」,而不只是「改了提示词」。
- 为什么进阶篇建议读一手资料而不是二手解读?
答案
Agent 领域变化快,二手解读经常过时或带有作者的误读。一手资料(官方工程博客、论文、源码)能看到原始证据和作者自己承认的局限,这是做判断时最需要的东西。
明天预告
Day 62 · Agent Harness 设计:把循环做成可复用的运行时。我们会读 OpenAI Agents SDK、Claude Agent SDK 和 LangGraph 的运行时源码,看三家在循环、工具、权限、钩子、子 Agent 和状态持久化上各自怎么取舍,然后给 AgentOps 设计一个自己的 harness 接口。
评论