Agentic AI 与 AI 智能体
定义
Agentic AI（智能体化 AI）指的是：大语言模型不再只回答单次提问，而是在一个循环中运行——制定计划、调用外部工具（API、数据库、浏览器、代码执行等）、观察结果，并决定下一步，直到达成目标。一个 AI 智能体 = 模型 + 工具集 + 记忆/状态 + 带护栏的编排循环。
为什么对 AI 求职重要
智能体工程是 AI 招聘中增长最快的方向。Cohere 的“Forward Deployed Engineer, Agentic Platform”、Scale AI 的“Agentic Tooling”等职位就是专门为客户构建这类系统而设。雇主需要的能力：设计可靠的工具接口、处理失败与重试、保障安全与可观测性、并把智能体接入真实业务流程——本质上是把经典软件工程能力用在新的运行时上。
核心概念
- 工具调用（Function Calling）——向模型暴露带类型的函数，并执行其结构化调用。
- 编排循环——规划 → 行动 → 观察的循环，配合停止条件与预算控制。
- MCP（Model Context Protocol）——连接模型与工具/数据源的开放标准。
- 记忆与状态——短期上下文管理 + 长期存储（文件、向量库）。
- 多智能体模式——规划者/执行者、评审者/批评者、并行扇出与结果综合。
- 护栏与安全——权限控制、沙箱隔离、高风险操作的人工审批。
- 可观测性——追踪每次工具调用和 token 消耗，便于排错和控制成本。
学习路径
- 用 Anthropic 或 OpenAI API 手写一个最简智能体循环（while 循环把工具结果回传给模型），先理解原理再用框架。
- 开发并发布一个 MCP Server，封装一个你真实在用的 API——这是可直接写进简历的经验。
- 加入可靠性工程：超时、重试、结构化输出校验、步数/成本预算。
- 做一个端到端业务流程智能体（如：工单分流 → 调研 → 草拟回复），带人工审批环节。
- 学习智能体评估：任务成功率基准与提示词/工具的回归测试集。