给大家普及下走AI应用开发，公司的最低要求
想入行AI应用开发，这行对学历卡得不严，领域新，大小厂都在抢人。RAG和Agent是落地最频繁的两个方向，别被招聘要求吓住，但下面几条才是真正筛人的。

Python得能扛生产
异步编程躲不掉，Agent调多工具全程走async，并发和超时控制要熟。Pydantic校验必须会，模型返回JSON缺字段、格式乱，代码层要能第一时间拦截兜底。类型注解、虚拟环境、依赖管理，面试官爱从这些细节筛人。

RAG和Agent链路都得能从头搭
RAG要亲手跑通：文档解析、切片策略、Embedding选型、向量库索引、检索延迟压测、重排序、生成引用。Agent同样要能讲清任务拆解、多步推理状态流转、工具调用失败后的回滚与降级。两条链路从头讲到尾，才算有落地能力。

框架要用深，别只调包
LangChain或LlamaIndex至少深度用一个。建议先手写最简执行循环，自己管上下文、判断触发、处理终止，把工具调用和异常回退手撕一遍。Agent还要加码：记忆分层、短期长期联动、死循环加步数止损，必须亲手实现过。

吃透Function Calling
工具描述怎么写模型不乱选？参数Schema细到什么粒度？返回格式乱或字段丢，兜底是重试、切备用还是降级？多工具并行依赖怎么理？多Agent上下文怎么隔离？这些是日常天天撞上的硬骨头。

拿一个完整项目说话
面试官想听你踩过什么坑、怎么爬出来。文档解析崩了清洗流水线怎么设计？检索不准先动切片还是换Embedding，怎么验证？幻觉怎么压？Agent项目还要讲清多步推理调度、记忆取舍、失败兜底。一开口就知道你是真在脏数据里滚过，还是只看过教程。

成本和性能意识不能缺
推理延迟、QPS、显存、首Token时间、幻觉率要能看懂。缓存热点问答省Token，量化压显存但精度会掉，批处理提吞吐但延迟涨，这些取舍心里要有数。

线上排查是基本功
输出变差，能否定位是检索、Prompt、模型还是数据问题？工具调用失败，能否分清Schema、路由还是下游挂了？面试官一问就知道你有没有扛过线上。

说白了，公司最低要求不是你什么都懂，而是能在RAG或Agent链条上扎得够深，把一条链路从头扛到尾。基础夯稳，项目做透，比刷十份简历都管用。
大模型 AI应用开发 程序员 Agent 大模型应用 大模型学习 Agent开发 AI大模型 AI应用