LLM智能体工程师真实日常：写API比搭Agent多得多？
One_Fix5763 · reddit · 2026-08-02
一位拥有 Python 后端背景的软件工程师发帖求助，希望了解转型 AI/LLM 智能体工程师后的真实工作日常与求职市场现状。作者表示，自己已经学习了 RAG、微调、LangGraph、CrewAI 以及 MCP 等主流技术与框架。
他向社区提出了几个核心问题：
- 日常工作比例：真正花在构建 Agent 逻辑上的时间，是否少于构建周边 API 和基础设施的时间？
- 生产级框架：企业实际落地时究竟在用 LangGraph、OpenAI SDK 还是 CrewAI？
- 核心技能：公司是更看重对 AI 底层的深刻理解，还是熟练应用工具的强大工程能力？
这反映了传统软件工程师向 AI 工程转型时普遍面临的困惑：教程与真实生产环境之间到底有多大差距。
「编程与Agent」频道最新
- 探讨生物领域智能体可验证环境：前沿模型为何仍不可信 — kenbwork · 2026-08-02
- Opik：开源 LLM 应用可观测性工具 — dl_weekly · 2026-08-02
- 网友用 Opus 5 纯代码生成《魔兽世界》暗夜精灵主城 — TAbrodi · 2026-08-02
- 非程序员也能搞定：用自然语言指挥 AI 自动化你的 PC — FaithlessnessFar6431 · 2026-08-02
- 像用 Git 一样管理 Agent 上下文：新框架大幅提升编程任务表现 — JundeMorsenWu · 2026-08-02
- Codex 实用技巧：配置专属子代理执行复杂任务 — alexcovo_eth · 2026-08-02