Job-Targeted Roadmap
AI Agent 开发工程师 · 从零到 Offer
面向 8 年 Java 后端工程师 · 20 周 · 4 阶段 · 约 200 学时 · 目标：拿下 Agent 岗 Offer
👨💻 8 年 Java 后端
🗄️ 数据库 + 分布式硬功底
🎯 目标岗位：AI Agent 开发工程师
⚔️ 策略：工程经验差异化
规划假设：① 主攻 Python（2026 年 Agent 岗位的绝对主流语言），Java 保留为差异化工程优势；② 在职学习，每周约 10h（工作日 1–1.5h + 周末 4–6h）；③ 不再走「算法/模型训练」深水区——Agent 开发岗的核心是把 LLM 工程化落地，这部分恰恰是后端工程师的主场。
一、岗位画像：Agent 开发工程师在做什么Job Profile
调研了 2026 年多家公司的真实招聘 JD（滴滴、拼多多、供应链/教育/半导体行业企业等），Agent 开发岗的核心职责高度一致：
三类岗位的差异（为什么这样规划）
| 维度 | AI Agent 开发工程师 | LLM 算法工程师 | 传统后端工程师（你） |
|---|
| 核心任务 | LLM 工程化落地：Agent/RAG/工具调用/部署 | 训练、微调、评估模型本身 | 业务系统、API、分布式服务 |
| 语言栈 | Python 为主（Java/Go 加分） | Python + PyTorch | Java / Go |
| 关键技能 | LangGraph/LangChain、MCP、RAG、向量库、Agent 安全与可观测 | Transformer、训练/微调、GPU 集群 | 高并发、数据库、微服务、可靠性 |
| 你的差距 | — | 大（算法理论深水区） | — |
| 你的优势 | 系统设计、API/微服务、数据库、消息队列、容器化、CI/CD、安全意识——全部是 Agent 工程化的硬通货，几乎零迁移成本。 |
📊 从真实 JD 提炼的高频技能 → 对应本路线图：LangGraph / LangChain（Phase 3）· Function Calling / 工具调用（Phase 2–3）· RAG + 向量数据库（Phase 2）· MCP 协议（Phase 3）· Agent 安全与可观测性（Phase 3）· Prompt/Context 工程（Phase 2）· 微调加分项（Phase 4）· AI 编程工具使用（Phase 1 起全程）。
二、路线总览Overview
与上一版「通用大模型学习」相比，本版做了三处关键调整：① 砍掉深度学习的深水区（不再从零训练大模型，只学面试要用的原理）；② 新增 Agent 专项与 MCP（岗位 JD 的核心）；③ 新增求职冲刺阶段（作品集、简历、面试闭环）。
PHASE 1 · 3 周 · 30h
Python 与 AI 工程基础
★★☆☆☆
切到 Python 生态 + AI 原生工作流
产出：命令行 AI 聊天工具
PHASE 2 · 5 周 · 50h
LLM 应用开发核心
★★★☆☆
Prompt/Context 工程 + RAG
产出：知识库问答服务
PHASE 3 · 6 周 · 60h
Agent 开发专项
★★★★☆
LangGraph + MCP + 安全与可观测
产出：生产级多工具 Agent
PHASE 4 · 6 周 · 60h
作品集与求职冲刺
★★★★☆
项目上线 + 简历 + 模拟面试
产出：Offer 到手
阶段速览对比Comparison
| 维度 | Phase 1 基础 | Phase 2 应用核心 | Phase 3 Agent 专项 | Phase 4 求职冲刺 |
|---|
| 时长 | 3 周 | 5 周 | 6 周（核心攻坚） | 6 周 |
| 学时 | ≈ 30h | ≈ 50h | ≈ 60h | ≈ 60h |
| 难度 | ★★☆☆☆ | ★★★☆☆ | ★★★★☆ | ★★★★☆ |
| 对 JD 的覆盖 | 工具链 | RAG / Prompt / 向量库 | Agent 框架 / MCP / 安全 | 作品集 / 面试 |
| Java 经验杠杆 | 中（语法迁移快） | 高（数据库/服务化） | 极高（系统设计/安全） | 极高（叙事素材） |
| 可展示成果 | CLI 工具 | RAG 服务 | 多工具 Agent | 上线产品 + 简历 |
PHASE 1
Python 与 AI 工程基础
3 周 · ≈30 学时 · 难度 ★★☆☆☆
🎯 阶段目标：以最快速度切到 Python 生态，并建立「AI 原生开发者」的工作习惯——2026 年 JD 普遍明确要求熟练使用 Cursor / Claude Code 等 AI 编程工具。
知识节点清单
学时分配
流式 API 4h + AI 工具 3h + 刷题 3h
推荐资源
- 廖雪峰 Python 教程 / Real Python免费中文 语法速成，跳过与 Java 重复的部分
- Python 官方 asyncio 文档 + 《Python Concurrency with asyncio》免费 异步是 Agent 应用的骨架
- pytest 官方文档免费 测试习惯从 Java 直接迁移
- Cursor / Claude Code 官方文档与社区实践JD 高频 不是「学了会用」，而是「形成肌肉记忆」
💡 Java 优势迁移：语法 3 天切换；venv/pip ≈ Maven/Gradle；pytest ≈ JUnit；asyncio ≈ Netty/响应式；「重试/超时/流式」就是后端调用第三方 API 的老本行。
命令行 AI 聊天工具。用 Python 调用 OpenAI 兼容 API，支持流式输出、多轮上下文、重试与超时；全程用 AI 编程工具完成——这一件作品同时证明「Python 能力」和「AI 原生习惯」两个 JD 关键词。
PHASE 2
LLM 应用开发核心
5 周 · ≈50 学时 · 难度 ★★★☆☆
🎯 阶段目标：掌握岗位 JD 中出现频率最高的两块——Prompt/Context 工程与 RAG。RAG 的索引/检索/优化思维与数据库工作完全同构，是后端工程师最容易做出亮点的部分。
知识节点清单
学时分配
推荐资源
- DeepLearning.AI Short Courses免费首选 《ChatGPT Prompt Engineering for Developers》《Building RAG from Scratch》《Function Calling》
- LangChain / LlamaIndex 官方文档免费 当「框架文档」查，类比查 Spring 文档的习惯
- 《大模型应用开发极简入门》(Building LLM Apps)中文 工程视角系统书
- Hugging Face 官方课程（NLP 与 Embedding 部分）免费 补 tokenizer 与模型基础
- RAGAS 官方文档 + 经典 RAG 文章（如「Building RAG from Scratch」）免费 评估体系是区分 Demo 与生产级的关键
💡 Java 优势迁移：RAG 的索引/检索/重排序 ≈ 数据库索引与查询优化；向量库选型 ≈ MySQL/ES/Redis 选型；切分策略 ≈ 数据建模；API 重试/限流/成本 ≈ 你在做的服务治理。
企业知识库 RAG 问答服务。FastAPI 封装 + 向量库 + 引用溯源 + RAGAS 评估报告，回答必须可追溯到原文。这是简历上第一块 Agent 相关的硬核作品。
PHASE 3
Agent 开发专项
6 周 · ≈60 学时 · 难度 ★★★★☆
🎯 阶段目标：这是与「普通 LLM 应用开发者」拉开差距的阶段——Agent 架构、LangGraph 编排、MCP 工具协议、安全治理与可观测性。八年后端经验在这里全面爆发。
知识节点清单
学时分配
框架横向对比（面试高频考点）
| 框架 | 定位 | 适用场景 | 学习优先级 |
|---|
| LangGraph | 生产级图编排（StateGraph） | 复杂流程、循环、条件分支、持久化 | ⭐⭐⭐ 主攻 |
| LangChain | LLM 应用工具链 | RAG、链式调用、生态最全 | ⭐⭐ 必会 |
| LlamaIndex | 数据连接与检索框架 | RAG 深度优化、复杂索引 | ⭐⭐ 必会 |
| AutoGen / CrewAI | 多智能体协作 | 多角色对话、任务分工 | ⭐ 了解即可 |
| Dify / Coze | 低代码 Agent 平台 | 快速验证、非技术交付 | ⭐ 会用（加分） |
| OpenAI Agents SDK / Claude Agent SDK | 官方 Agent 框架 | 上手快、工具调用标准 | ⭐⭐ 建议掌握 |
推荐资源
- LangGraph 官方教程（LangChain Academy）免费首选 从 StateGraph 到多 Agent，跟着做一遍
- Anthropic《Building Effective Agents》免费必读 Agent 设计哲学的权威文章，面试引用加分
- MCP 官方文档（modelcontextprotocol.io）+ 官方 Python SDK免费JD 高频 自己写一个 MCP Server（如天气/数据库查询工具）
- Langfuse / LangSmith 官方文档免费 tracing 与评估，生产级 Agent 的标配
- 《AI Agents in Action》(Manning) 或社区 Agent 实战系列文章
💡 Java 优势迁移（全面爆发）：工具系统设计 ≈ 微服务接口契约；多 Agent 调度 ≈ 分布式任务调度；事件驱动运行时 ≈ 消息队列架构；权限/审计/沙箱 ≈ 你的安全工程经验——这些正是普通 Python 开发者最缺、JD 最想要的部分。
生产级多工具 Agent。LangGraph 编排 + 自研 MCP Server（连接企业系统/数据库）+ 记忆 + Langfuse tracing + 评估集 + 权限与防注入控制。例如：「经营分析助手」——用户自然语言提问，Agent 自动规划→查库→分析→出报告。
PHASE 4
作品集与求职冲刺
6 周 · ≈60 学时 · 难度 ★★★★☆
🎯 阶段目标：把前三个阶段的作品打磨成「能打动人」的求职弹药——上线一个可演示产品、简历完成 Agent 叙事重构、面试题全覆盖。这一阶段决定 Offer 到手的速度。
行动清单
综合项目选题参考（结合后端业务经验，面试故事感强）
| 选题方向 | 做法 | 为什么好讲 |
|---|
| 智能客服 / 工单助手 | RAG + 多工具（查订单/查工单）+ 转人工兜底 | 行业通用，评估指标好量化 |
| 经营 / 数据分析助手 | 自然语言 → 查库 → 生成报表（NL2SQL） | 数据库背景直接碾压，JD 高频场景 |
| 代码 / 运维 Agent | 接入 CI/CD 与监控，自动排障修复 | 后端开发者最懂的场景，差异化极强 |
| 行业知识库（供应链/金融/教育） | RAG + 图数据库 + 合规控制 | 你 8 年业务经验的变现 |
学时分配
推荐资源
- LLM/Agent 面试八股合集（GitHub 检索「LLM 面试」「Agent 面试」）免费 覆盖 Transformer/RAG/Agent 高频题
- Qwen 官方微调教程（LLaMA-Factory）免费中文 QLoRA 微调走通全流程，1–2 天可完成
- 《系统设计面试》类资料（LLM 应用篇） Agent 服务架构、可靠性设计题
- LeetCode Hot 100（Python 版）免费 按频率刷 60–100 题即可
💡 Java 优势迁移：这是你与应届/转行者拉开差距的战场——你有 8 年「把系统做可靠」的本能：降级、兜底、审计、容量规划、生产事故复盘。把这些写进简历的每一段 Agent 项目里。
Offer 闭环。上线可演示的 Agent 产品（有 Demo 链接 + GitHub + 架构图 + 评估数据）；简历定稿并通过 3 场模拟面试（算法 → LLM/Agent 八股 → 系统设计/项目深挖）才算达标。
求职策略Job Strategy
投递方向排序（按匹配度）
| 梯队 | 目标公司 | 特点与策略 |
|---|
| 第一梯队 | AI 原生创业公司（Agent 应用方向） | 面试快、重动手、Java 背景接受度高；用作品集 Demo 敲门，成功率最高 |
| 第二梯队 | 大厂 / 独角兽 Agent 应用岗（如滴滴司机助手、电商智能体） | 要求「1 年以上 Agent 经验」——用 3 个里程碑作品证明等效经验；突出多 Agent 与安全治理 |
| 第三梯队 | 传统企业 / 行业数字化（供应链、教育、制造、金融） | Java 后端背景加分明显、竞争较小；结合行业知识讲 Agent 落地故事 |
简历叙事重构（8 年后端 → Agent 工程师）
面试三轮结构应对
- 算法面（Python）：Hot 100 刷 60–100 题。你有 8 年算法底子，只是换语言重写，重点是速度和手熟。
- LLM/Agent 八股面：Transformer 原理、tokenizer、上下文窗口、RAG 链路细节、LangGraph 状态机、MCP 协议、Agent 安全。用「后端类比」讲会非常加分。
- 系统设计与项目深挖：高并发 Agent 服务、工具调用失败恢复、多 Agent 架构、评估体系。这是你的主场——用 8 年生产级经验碾压式作答。
学习建议How to Use This Roadmap
- 一切以作品为导向：每个知识节点学完立即动手，3 个里程碑作品是求职的全部底气，笔记只是副产品。
- 先工程后理论：Agent 开发岗不需要你从零训练模型——Transformer 原理学到「面试能讲清、不背公式」即可，把时间砸在 LangGraph/MCP/RAG 上。
- AI 编程工具是生产力：从 Phase 1 就用 Cursor/Claude Code 写代码——这既是效率，也是 JD 明写的技能。
- 每周写一篇进展记录：哪怕 5 行字。20 周后它就是你简历和面试故事的素材库。
- Phase 3 是分水岭：RAG 人人会做，但「Agent 架构 + MCP + 安全治理」才是 30k+ 与 15k+ 的分界线，务必做深。
- 提前投递、滚动迭代：Phase 4 第 3 周就可以开始投简历，用真实面试反馈校准方向，比闷头准备更高效。