从2024年开始，Agent 开发这个概念就慢慢的火爆了起来，2025更是被称为 Agent 开发元年，经常会在牛客上刷到很多在后端找工作碰壁的同学发帖，要不要学一些 AI 相关的东西，怎么转大模型应用开发。其实这样的观念本身就带有一定的偏差。我之前在红薯做过一段时间的 agent，也是某7k+ star 的 Agent 开发框架 committer，所以我认为我在这上面还是有一点点自己的心得的。误区一：把 Agent 开发和后端拆开来看据我观察，很多同学所谓的转 AI 应用开发，就是用 Spring AI 或者 langchain 去实现了一个 demo（当然现在可能更高级一点GraphRAG，整个可拖拽的工作流之类的）然后没有任何后端的内容，然后放到了简历上，这个行为其实和在简历上写了一个自实现 RPC 框架和自实现网关没有任何区别。AI Agent 是模型工程化应用层最重要的环节，也比我们平常想想的要复杂的多，我们大部分接触的都是业务开发这个场景，比如电商中的智能客服，或者内部的提效工具。这种其实说的不好听一点就是调用 API，本身和其他的业务场景没有一点点区别，所以对于这样的业务开发岗位，不存在从后端转到大模型应用开发，而是说本身就是后端+新场景。本身最重要的就是 数据+prompt+稳定性，那就不存在任何转方向的说法。所以，如果想做这个业务的同学，只要好好看看mcp,planning这样的新概念，然后快点去找一份相关的实习，因为这个最重要的不是你怎么做这个 Agent，而是怎么让这个 Agent 更稳定，可观测，prompt调优等等。也更看重你的服务端开发的相关经验误区二：Agent 开发是不是工资会更高呢，或者更有技术含量，毕竟大家现在都在卷AI？这个就是一个更大的误区了，刚才上面说的这些，一般就是各个业务部门自己在搞，本身不涉及什么技术。所以本质上和后端同学的薪资基本没有区别。比较有技术含量的呢？就是各个大厂的基础架构和中台部门，提供 AI 开发的基础设施，比如阿里百炼，字节火山方舟，快手万擎，这样的模型算法开发平台，Agent开发平台，智能体沙箱，Agent runtime 这些以前鸡架部门做的工作。为业务方提供集成的 Agent 能力，这个会更有技术含量，可能也会有一定的溢价，以及更高的就是做SFT/RL/AI infra 的岗位了，这样的才是 Agent 的薪资天花板所以再回看 AI 落地的相关的岗位的话，其实还是业务和鸡架二选一，或者有的大佬去做infra和强化学习之类的。比起盲目的去追求这个火热的方向，我觉得更重要的是踏踏实实的去学一下这些技术，如果想做 Agent 的话，Agent相关的技术也是日新月异，学一下怎么将 AI 和业务结合，稳定的落地，或者底层的相关技术，我觉得是更重要的。ps：最近好多牛友问我做开源对找工作到底有没有帮助1. 没实习之前一定有，有实习之后并不如实习（除非你是做鸡架的同学）2. 如果为了找工作参加开源，ospp，glcc 是最好的选择3. 用 AI 写 pr 一定要自己本地先看一遍，测一遍再提交