【AI Agent】入门、学习、求职

根据招聘软件总结的Agent相关工作的要求：

1. 业界前沿的 LLM-Agents 框架（如 LangChain, LlamaIndex, Dify 等）

2. 有能够提供展现个人严谨逻辑、系统性思维或创新能力的项目作品、研究报告、 技术博客或 GitHub 项目。

3. 设计并优化Agent的核心上下文循环，重点提升 ​​KV缓存命中率​​以降低延迟和成本。

4. 使用Logits掩码等技术动态约束Agent的动作选择空间，确保行为精准高效。

5. 设计将文件系统等外部存储作为“外脑”的记忆策略，应对长上下文挑战。

6. 利用失败经验作为学习数据，构建能从错误中自我纠正的智能体。

7. 能通过代码和PE(Prompt Engineering)，完成数据挖掘、预处理、数据分析、链路搭建等任务；

8. 熟悉 langchain 等开发框架， 熟悉 n8n、Coze、Dify、FastGPT、 RAGflow、 Comfyui 等 ai 工作流软件，至少熟练其中的一种。

9. agent框架设计。在不同的入口，app，网页，小程序，硬件上如何做拓展性高的兼容。高并发如何做准备，高性能如何优化等。

10.探索新时代的agent框架。workflow+自主agent+沙盒的新组合形态，dify/suna/openhands/camel等agent框架局限性仍旧很大。

11. 熟悉一个开源agent框架

12. 自己弄过coze产品，成功设计部署Prompt的实际案例，需体现复杂交互/拟人化能力

13. 构建多模态意图识别模型（文本/语音/图像），设计动态澄清策略（置信度阈值/主动追问机制）

14. 开发长短期记忆模块（LSTM+知识图谱），实现用户偏好与对话历史的持续跟踪。

15. 探索大模型（LLM）在Agent场景中的应用，包括基础微调（如LoRA、Prompt Tuning等）与部署测试。

16. 熟悉LangChain、AutoGPT等框架者优先，熟悉RAG（检索增强生成）、MCP/A2A多智能体协作技术

17. 熟悉主流大模型（如GPT、DeepSeek、LLaMA、文心一言）原理及微调方法

18. 了解模型轻量化部署（OLLMA、模型量化）

19. 有AI Agent或AIGC产品的落地研发经验（如大数据分析Agent、多模态Agent、长思维链Agent等）

20. 探索和实验先进的提示工程技术，如Self-Consistency, Self-Correction等

21. 编写高质量的系统提示词、思维链提示词，并利用少样本学习等技术优化Agent的决策质量。

22. 设计和实现多Agent协作系统，管理Agent间的通信、任务分解与结果汇总。

23. 熟悉常用的AI开发框架，如LangChain、LlamaIndex、Semantic Kernel等至少一种。

24. 熟悉至少一种 Agent 框架（LangChain、AutoGen、LlamaIndex）

25. 编写、测试并版本化 Prompt Chain、Function Calling、ReAct / Plan-and-Execute 模板

26. 基于Dify/MaxKB等低代码平台或LangChain/LlamaIndex等框架，构建与部署智能体（Agent）及自动化工作流，实现数据采集、报告生成、数据质检等金融应用。

27. 精通LangChain/LlamaIndex等LLM开发框架，了解阿里百炼/百度千帆等模型平台。

28. 熟悉 Transformer、BERT、GPT 等深度学习架构，熟练掌握常用开发框架，如 langChain、langGraph、llamaIndex、AutoGen 等，能够运用这些框架快速构建 Agent、RAG 等应用。熟悉多源数据采集、清洗及向量化存储和知识库构建技术。

29. 对自然语言处理、机器学习和深度学习有深刻的理解，熟悉主流智能体开发框架如 Dify、Coze 、FastGPT 等，掌握通过 MCP 协议集成各类工具（如数据库操作、文件管理、Web 自动化等）的方法，能够利用 MCP 实现智能体对不同数据源的访问和数据交互。

30. 熟悉主流Agent框架，如LangChain、CrewAI、AutoGen、ChatDev、GPT Researcher等

31. 对LLM原理、Prompt Engineering、工具调用（Function Calling / Toolformer / ReAct 等）有实战经验

32. 在高影响力的权威榜单（CLUE、SuperGlue等）中取得优势名次，或在人工智能顶会/期刊上发表研究论文者优先（例如：ACL/EMNLP/NIPS/ICML/ICLR/CVPR等）

33. 关注 Reasoning 、Planning、Function call、DPO、MCTS相关技术，有相关经验者优先

34. 在预训练模型，生成式AI, Prompt工程，SFT 微调，对话交互等中的一个或多个领域中具备实践经验

35. 有 AI 应用项目经验，有成熟的代表作，熟悉 Agent 开发框架（LangGraph / Eino）

36. 在ACL、EMNLP、SIGIR、NAACL、COLING、IJCAI、AAAI、KDD等学术会议或期刊以第一作者发表过文章，大型NLP竞赛获奖者或有实际项目开发经验者优先；

37. 在 ICLR/ICML/NeurIPS 等会议发表相关方向论文；对头部开源项目有显著贡献；有强化学习（RL）经验

38. 精通Python，深入理解LangChain与LangGraph框架，有从前者迁移至后者实操经验者优先；熟悉ReAct/CoT等推理范式，能独立设计工具调用与记忆管理逻辑

39. 熟练掌握 PyTorch、DeepSpeed、Megatron、VeRL、OpenRLHF框架，有文本/多模态大模型的强化学习训练经验。

40. 熟悉检索增强生成（RAG）、Agent架构、搜索算法（如倒排索引、语义检索）等技术或熟悉Prompt Engineering、微调对齐技术，对搜索场景的Query理解与结果生成有深入理解

41. 在ACL/EMNLP/NeurIPS等顶会发表LLM或搜索相关论文；有开源项目（如LangChain、AutoGPT）贡献或独立AI Agent开发经验；熟悉多模态模型（如GPT-4V）或强化学习（RL）者优先

42. 对 RAG、向量检索（Elasticsearch、Pinecone、Weaviate 等）及知识图谱有实战经验，熟悉向量数据库的部署与使用（如 FAISS / Qdrant / Pinecone /Weaviate）

43. 在开源社区（Transformer、LangChain、RAG 等）有贡献或发表过相关技术文章

44. 熟悉 LangGraph、LCEL、Autogen、CrewAI 等框架

45. 理解 Memory / Tool / Planner / Router / Loop / 状态管理机制，能独立设计执行链路，调试链式调用、多 Agent 分工等复杂行为

46. 理解 Embedding、Chunking、RAG Pipeline、Semantic Search，能根据产品需求优化搜索精度与召回率

47. 使用过 Replicate / TorchServe / Modal / RunPod / Docker / HuggingFace Spaces，能将大模型封装成服务接口并部署，熟悉模型缓存、流式输出、LoRA 微调机制

48. 深入研究 AI Agent 系统中​​插件工具链​​（工具标准化定义、安全调用机制）、​​知识库模块​​（向量检索策略、RAG 检索优化）、​​多智能体协作​​（角色分工、通信协议、任务分配）的设计意图与实现方法，输出技术调研报告。

49. 基于开源项目梳理主流 Agent 架构（如 Google 的 ReAct+MCP+A2A 路线），通过代码阅读与轻量级复现（如实现一个简易插件调用链路、搭建最小化知识库检索 demo），验证关键技术点（如工具参数校验、向量索引选型、多智能体通信流程）。

50. 研究 ​​vLLM、TensorRT-LLM 等推理框架​​ 与 Agent 系统的协同可能性，输出衔接方案的技术可行性分析。

51. 能主动调研英文开源资料（如 Google Agent 架构白皮书、MCP 协议 Spec、LangChain/AutoGen 源码注释），并通过实践（如跑通最小化 demo、调试代码片段）理解复杂系统设计逻辑。

52. 深入理解并集成主流大模型（如OpenAI、Qwen、Claude、Gemini等），实现多模型协作与能力调度。

53. 熟悉一种或多种主流AI框架（如LangChain、Autogen、CrewAI、LlamaIndex、Semantic Kernel、agentScope），并具备实际项目经验。

54. 有自主开发或开源AI Agent框架/插件经验

55. 至少熟悉Megatron、deepspeed、langchain、verl等一种基础框架。

56. 参与过企业级Agent平台设计和实现;有Prompt调优、RAG系统调优、上下文压缩等优化经验。

57. 在重要算法竞赛（Kaggle/天池等）中取得优异成绩

58. 掌握主流大模型(DeepSeek、LLaMA、Baichuan、Qwen等)的算法原理，Fine-tuning策略、Prompt策略，熟悉PyTorch，DeepSpeed、Megatron-LM等训练框架。

59. 扎实的python编程基础和算法基础，熟练掌握pandas、numpy等数据科学技术栈，以及vllm、ollama等大模型推理框架。

60. 有使用Docker、K8s等容器化部署技术者优先

61. 有AI Agent, RAG, MCP开发经验，熟悉开源框架（Langchain/autogen/crew ai/openai agent sdk等）

62. 有 AI 大厂相关项目经验，具备模型能力理解（如 Prompt 设计、LoRA 微调、推理链设计）

63.  精通Python/C++，熟悉PyTorch/TensorFlow框架，具备大规模分布式训练（如Megatron、DeepSpeed）和模型部署经验可加分 

64. 熟悉多智能体系统（Multi-Agent）设计，包括协作/竞争框架、通信协议、博弈论等

65. 对CV、多模态、AIGC等相关领域有深入的理解，负责过大型项目和互联网架构优先

AIGC领域：

66. 熟悉LLM/MLLM/VLLM等大模型技术优先；熟悉Diffusion类生成技术优先；有语音算法经验者优先

67. 熟悉机器学习以及其中的深度学习相关原理，精通 Attention 、 Transformer 模型架构及其各种扩展模型，能熟练应用预训练、 PEFT 、 SFT 、 RLHF 等各种优化技术，熟悉VLLM等常见的推理框架

68. 深入理解业界主流Diffusion类算法的原理和优化方法，熟练掌握ControlNet、LoRA、P-Tuning、IA3等微调技术，有相关项目经验

69. 有多模态生成式算法研究经验，深刻理解Diffusion、GAN、VAE、Auto-regressive等生成式AI算法原理，并有实际项目经验。

70. 自己全程参与训练的生图类全参数微调模型（civitai.com或其他UGC模型分享网站的链接）

71. 熟练使用Stable Diffusion（SD）、ControlNet（如Canny、Scribble、Depth等条件控制），具备图生图项目经验。

72. 具有CCF-A、CCF-B等国际顶会或者期刊上有相关论文发表者优先，领域竞赛获奖者优先，相关领域发明专利者优先；

73. CAIE证书。