摘要：这篇看似干货满满的转行经验，本质上是一份精心包装的卖课软文式流水账。作者把基础的文档切分与套壳调参包装成硬核技术，试图用堆砌工具链掩盖岗位天花板过低的现实。
网友动态：
32岁做了两年Agent开发，建议大家不要想太
我今年 32 岁，从传统后端转行做 Agent 开发，马上两年了，说点心里话：这行真没外界吹得那么玄乎，但也绝不是调几个接口、跑个 Demo 就能糊弄上线的。
刚转过来的前两个月，基本天天踩坑、天天熬夜。啃官方文档、复刻开源项目，一点点调试代码。最开始做知识库问答系统，线上频繁出问题，经常答非所问，不光收到用户投诉，也被老板质疑过。
就这么慢慢复盘、打磨优化，现在能独立拿下多个知识库 Agent 项目，才算真正摸懂落地的门道。
学习资源
李沐的课程我反复刷，不讲晦涩公式，全是工程落地的干货，模型推理逻辑讲得很容易懂。吴恩达的 RAG 短课，帮我搭起了检索、生成、增强的完整业务思路。平时跟着 Datawhale 的开源教程动手实操，通勤路上刷机器之心、量子位，跟进行业新技术新动态。
工具链
用下来也磨合出一套顺手的组合：
LangChain 和 LlamaIndex 交替用，复杂检索场景优先 LlamaIndex，更稳
实验用 Chroma，正式生产用 Milvus、Qdrant
表格、Markdown 这类不同文件，单独做切分优化
效果评估靠 RAGAS，链路追踪用 LangSmith，服务延迟和稳定性交给 Grafana 监控
书单
有几本反复翻看的书，适合转行新手打底：
《大模型应用开发极简入门》：快速建立全局认知
《LangChain 实战》：专讲工程落地遇到的各种坑
《提示工程：方法、技巧与行业实践》：补齐结构化输出短板
《动手学深度学习》：筑牢底层技术基础
学习顺序
别贪快跳步。先吃透 Embedding 和检索原理，亲手写一个最简检索流程，再一步步搭完整 RAG 链路，补齐重排序、内容溯源、问题复盘闭环，最后完善索引更新、日志、成本控制这些工程化细节。技术这行，看一百遍视频，不如亲手敲一遍代码。
最后说句实在话
Agent 开发没有捷径。不是把文档丢进向量库就万事大吉，真正难的，是把控分块和召回的平衡、做好知识更新后的索引和缓存同步。
新手先从简单的单文档问答 Bot 练手，把整套流程踩扎实，再去做多知识库项目。
地基打稳了，后续开发才能得心应手。
我的吐槽：
这篇看似掏心掏肺的经验分享，本质上不过是一个RAG调参仔把外包接单流水线包装成了高大上的AI架构师履历。
1、用堆砌工具链掩盖拼积木的技术含金量
槽点：把 LangChain、LlamaIndex、Chroma 到 LangSmith 罗列一整串，看似技术栈全打通，实则全是在现成开源框架的API里打转，没有任何底层算法创新。
真相：现实中这种基于开源框架做文档切分和向量召回的岗位，行业平均薪资早已从大模型刚火时的月薪30K暴跌至15K-20K，随便一个应届生用 Dify 或 FastGPT 等可视化平台半天就能搭建出同等效果的系统，技术壁垒低到发指。
2、把业务边界极窄的客服Bot包装成核心竞争力
槽点：自称独立拿下多个知识库项目，但列举的技术细节全都卡在单文档分块、向量召回和提示词工程这种最基础的问答应用上。
真相：企业真正愿意高价买单的是能接入 SAP 或 Oracle 等核心 ERP 系统的复杂工作流 Agent，而这种单纯依靠企业内部PDF做问答的知识库项目，扣除每月几百块的 Token 消耗和服务器开销后，外包市场上整套交付合同甚至很难卖出超过两万元的高价。
3、用勤奋的假象规避35岁程序员的技术断崖危机
槽点：32岁转行以为靠通勤刷公众号、看入门短课和亲手敲代码就能筑牢技术地基，完全忽视了传统工程能力与大模型应用层之间的代际断层。
真相：32岁意味着距离互联网行业不成文的35岁离职红线只剩3年，每月自费缴纳近2000元的灵活就业社保以及面对30年房贷压力时，靠看《极简入门》建立的伪技术壁垒，在AI开发平台自动化迭代面前根本不堪一击。
总结成一句话：靠拼装开源组件和调参搭建的知识库胶水代码，既撑不起高薪的溢价，也抵挡不住35岁裁员潮与自动化工具的双重清洗。
8 条评论