Agent 应用与产品工程
把模型、工具和状态做成用户可理解、失败可恢复的产品。
- 交互状态
- 记忆与反馈
- 流式体验
- 人工接管
建议证据：一个有真实失败恢复路径的 Agent 应用
就业方向
就业方向不是七套互不相关的题库。它们共享软件系统、机器学习、LLM、Agent可靠性和评测底座，差异主要在于日常工作对象、约束和需要证明的作品证据。
Agent Runtime、Harness 与评测
构建可运行、可追踪、可回放和可比较的执行环境。
- 工具协议
- trace/replay
- 故障注入
- 评测数据集
建议证据：一个能回放失败并生成报告的 Harness
AI 后端与可靠性工程
保证流式 API、队列、状态和成本在故障下仍可控制。
- 并发与取消
- 幂等与事务
- 可观测性
- 容量与成本
建议证据：一个能处理断线、重复请求和 worker 失败的服务骨架
LLM、搜索与检索工程
围绕数据、召回、排序、grounding 和评测提升答案质量。
- 数据构建
- 混合检索
- 重排
- 离线/在线评测
建议证据：一个有可解释召回和无答案处理的检索系统
GUI、OS 与多模态 Agent
让 Agent 理解界面状态，并安全执行可验证、可恢复的动作。
- 视觉/DOM grounding
- 动作空间
- 权限
- 回滚与验证
建议证据：一个在模拟界面上执行并验证动作的 Lab
游戏 AI 与交互式叙事
把传统游戏系统、规划、记忆和生成模型组合起来。
- NPC 状态
- 行为与规划
- 玩家体验
- 内容边界
建议证据：一个能解释状态、计划、记忆和 fallback 的 NPC 系统
端侧与推理工程
在设备约束下平衡模型质量、延迟、内存和功耗。
- 模型转换
- 量化
- 性能测量
- 运行时集成
建议证据：一个包含误差、延迟和内存对比的端侧实验
怎么选第一条方向
Section titled “怎么选第一条方向”优先回答三个问题：
- 我更喜欢面向用户体验，还是执行环境与系统边界？
- 我愿意长期调数据与模型质量，还是更喜欢运行时与可靠性？
- 我能在两到四周内做出哪个方向的可运行证据？
第一条方向不等于永久身份。先做一个可验证的小项目，再用真实反馈调整，比根据岗位标题猜测更可靠。
不论方向，作品都应说明：
- 输入、输出与状态；
- 基线和测量条件；
- 失败模式与恢复策略；
- 安全边界和不会做什么；
- 如何复现测试结果。