💼 招聘 JD 需求拆解与能力映射¶
本页把 2026 年主流"AI 应用开发 / RAG / Agent"岗位 JD 拆成可对照的能力项，并映射到本专题的对应篇章。依据公开招聘趋势（Boss 直聘 / 拉勾 / 社区统计：RAG、LangChain、MCP、大模型应用架构为高频关键词）与官方技术栈。
数据来源说明
以下 JD 关键词来自 2025-2026 公开招聘信息聚合（RAG/Agent 应用开发被列为务实高薪入行方向）。具体薪资因城市/公司差异大，本页聚焦能力项而非薪资数字，避免失真。
📌 适用版本 / 更新日期：招聘趋势（2025-2026 聚合）；最后更新 2026-08。
1. JD 高频关键词拆解¶
| JD 常见要求 | 真实含义 | 本专题对应 |
|---|---|---|
| 熟悉主流大模型（GPT/Claude/通义/DeepSeek）API | 会调模型、懂参数 | 模型 API 与流式响应 |
| 掌握 RAG / 向量检索 | 能搭知识库问答 | RAG + 向量库 |
| 熟悉 LangChain / LangGraph | 会编排 Agent/Workflow | AI Agent 与编排 |
| 了解 MCP / 工具调用 | 能接外部系统 | MCP + 结构化输出与工具调用 |
| 有 Agent / 多智能体经验 | 自主任务编排 | AI Agent 与编排 + 实战 Agent |
| 前端框架（React/Vue） | 能写 AI 交互界面 | 你已有，复用 |
| Node/TS 全栈 | 后端代理 + 部署 | 你已有，复用 |
| 了解微调 / 私有化部署 | 选做，加分项 | 学习路线-阶段5 |
| 安全意识（注入/越权） | 生产必备 | 最佳实践-安全 |
JD 没写的隐性要求（更关键）
招聘方不会写但极看重：能判断该不该用 Agent（见 Workflow vs Agent）、有 Eval 意识、成本控制意识、交付可运行项目。这些恰恰是机构培训忽略的，本专题重点覆盖。
2. 按层级的能力矩阵¶
| 层级 | JD 典型 title | 必备能力（本专题） | 加分项 |
|---|---|---|---|
| 初级 | AI 应用开发助理 | 聊天应用 / RAG 基础 / 流式 UI | 做过小项目 |
| 中级 | AI 应用开发工程师 | RAG 落地 / 工具调用 / 上下文管理 / Eval | MCP / 向量库运维 |
| 高级 | AI Agent 工程师 | Agent 编排 / 记忆 / 护栏 / Tracing | 多 Agent / 成本优化 |
| 资深 | AI 架构 / Tech Lead | 系统评估 / 可观测 / 私有化决策 / 合规 | 带团队 / 平台化 |
3. 简历项目建议（照做能过筛）¶
按"由浅入深"准备 2-3 个项目：
- AI 智能客服（RAG）：展示切片策略、带引用、Eval 指标。
- AI Agent 助手（工具+MCP+记忆）：展示自主调用、护栏、Tracing 截图。
- （加分）企业知识库平台：展示向量库运维、成本看板、权限隔离。
简历写法要点
- 写做了什么决策而非堆技术名词："为控制成本，用 gpt-4o-mini + RAG 替代直连大模型，幻觉率下降 X%"。
- 附 可运行 demo 链接 / 仓库，比描述有力。
4. 面试高频考点（来自 JD + 社区）¶
- Token / 上下文窗口 / 成本计算
- RAG 流程与切片策略、为什么幻觉、如何缓解
- Function Calling 的执行者是谁（陷阱题：模型不执行）
- MCP 是什么、Host/Client/Server 区分
- Workflow vs Agent 何时用（官方准则）
- Agent 安全：注入 / 越权 / 护栏
- 评估 Eval 怎么做
面试最大扣分项
张口"我用智能体做了 XX"，但说不清为什么用 Agent 而不是 Workflow、工具谁执行、有没有护栏。本专题反复强调的点，正是面试官筛人的刀。
5. 与学习路线的对应¶
| JD 要求 | 学完本专题哪个阶段 |
|---|---|
| 会调模型做聊天 | 阶段1 |
| RAG / 向量 | 阶段2 |
| Agent / MCP | 阶段3 |
| 多 Agent / 评估 / 可观测 | 阶段4 |
| 私有化 / 微调 / 合规 | 阶段5 |
路线详述 → 学习路线（初级→资深）