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
- 用数学模式与 Gemini 智能体在 Antigravity CLI 里作曲的玩法实验 — fofrAI · 2026-10-16
- 去掉框架手写 Agent 循环：LangGraph 到底帮你做了什么 — m3m3o · 2026-10-16
- 博主称免费版用户已严重低估 10 个月来 AI Agent 的进步 — realmeetjames · 2026-10-16
- Google 开源 AX:像 Kubernetes 一样编排数十亿 Agent 任务 — thisdudelikesAI · 2026-10-16
- 腾讯混元开源 Hy Memory 2.0:模型+框架+MemHub 三件套管 Agent 记忆 — TencentHunyuan · 2026-10-16
- ERP•AI 推出按机器计费的企业软件:0 美元席位, $1 可跑 4000 次记录写入 — rohanpaul_ai · 2026-10-16