# 从「黄金赛道」到「职业焦虑」:我做 AI Agent 这两年的真实体感

10 阅读5分钟

上周和几个做 AI Agent 搭建的老伙计线下聚了聚,酒过三巡没人聊新出的框架,全在吐苦水 ——2024 年入行时,我们都以为踩中了替代传统程序员的黄金赛道,结果才两年,反而陷入了前所未有的职业焦虑。这种慌,不是怕丢工作,是突然找不到自己的核心价值了。

那些曾经的「护城河」,正在被技术迭代慢慢消解

前两年我最引以为傲的,是花三个月磨出来的一套金融客服 Agent 工作流:把 Prompt 拆成 12 层逻辑,RAG 知识库做了三级向量检索,当时客户夸我「把大模型的能力榨到了极致」。结果去年 GPT - 4o 一更新,原生的长上下文理解直接覆盖了我大半的调优成果 —— 原来需要嵌套五六个 Prompt 才能实现的意图识别,现在一个指令就搞定了。

更扎心的是「全民搭建师」的趋势。上个月帮朋友公司面试,一个非技术岗的应届生掏出作品集:用某低代码平台拖拖拽拽,三天就做了个能处理电商售后的 Agent。我当时看着自己电脑里存的上百个 Prompt 模板,突然意识到:原来靠 Prompt 调优和基础 RAG 吃饭的日子,真的快到头了。

焦虑的核心:三个绕不开的坎

这种慌不是凭空来的,是每次做项目、聊职业时都能碰到的现实问题:

1. 能力边界的摇摆:到底该往哪走?

最近一直在纠结:是啃 Java、Go 把工程能力拉满,还是继续深挖大模型「调教」的底层逻辑?身边有人转去写 Agent 框架源码,也有人死磕 Prompt 工程,但好像都没摸到明确的方向 —— 做工程的觉得自己不如纯后端开发,做调教的又怕哪天被大模型原生能力彻底替代。

2. 落地的不确定性:永远在和「幻觉」赛跑

上个月交付一个制造行业的 Agent 项目,临上线前还在排查幻觉问题:明明给了精准的 RAG 知识库,它还是会瞎编设备参数,最后只能加了三层人工校验才敢上线。客户虽然没说啥,但我自己知道,这种「补窟窿」的方式根本不是长久之计 —— 现在 Agent 框架一抓一大把,但复杂业务场景下的落地,依然像走钢丝。

3. 商业价值的质疑:我们的溢价到底在哪?

前阵子有个甲方吐槽:花了几十万做的 Agent,除了答答售后问题啥也干不了,核心的生产排程、质量管控根本碰不了。后来直接把项目预算砍了一半,我们的报价也跟着降了不少。确实,很多企业现在都在质疑:Agent 到底能解决多少核心业务问题?这种质疑直接传导到我们身上,市场溢价肉眼可见地在下滑。

破局:从「工具使用者」到「系统架构师」的转身

焦虑归焦虑,总得找条出路。这半年我一直在调整自己的职业路线,也摸到了一些方向:

1. 扎进垂直领域:做「AI + 行业」的复合型选手

大模型的通用能力轮不到我们来做,但 Agent 的落地,核心在行业。我最近开始啃医疗领域的文献,跟着做临床的朋友跑了几次会诊,发现 Agent 在辅助诊断这块的需求真的大,但前提是你得懂病历规范、影像术语,光会调 Prompt 根本没用。以后的核心竞争力,肯定属于那种能把 AI 技术和行业逻辑拧成一股绳的人 —— 比如懂法律的 AI 搭建师,能做合规审查的 Agent;懂精密制造的,能搞生产流程优化的系统。

2. 从单智能体到多智能体协同:设计「团队」而非「工具」

上个月我尝试用多智能体协同系统(MAS)做了个法律行业的 Agent:把「案情分析员」「法条检索员」「文书撰写员」三个角色的智能体串起来,让它们分工协作、互相校验,结果比单智能体的准确率高了 30%,客户直接追加了二期项目。这才意识到,单一智能体的能力边界太有限了,能设计不同角色的协同、处理冲突与反馈,才是真的硬核门槛 —— 这已经不是「搭积木」,而是「建团队」。

3. 盯着「长效价值」:让 Agent 会学习,而不是只会执行

最近在研究 LangChain 的记忆模块,给之前的售后 Agent 加了增量学习的逻辑:让它能把每次用户反馈的错误记录下来,下次自动修正。现在这个 Agent 处理售后问题的准确率已经从 70% 升到了 92%,客户满意度直接上来了。原来我们之前做的都是「一次性工具」,但真正有价值的 Agent,应该是能持续学习、自主进化的 —— 这才是能适配复杂业务的核心。

最后想说:技术迭代下的不变逻辑

其实回头看,这种焦虑和当年打字员转文案策划差不多 —— 初级的「智能体搬运工」肯定会被淘汰,但能抓住技术与业务结合点的「AI 系统设计者」,永远有饭吃。

对我们 AI Agent 搭建师来说,唯一的护城河不是掌握多少个框架,也不是能写多么精妙的 Prompt,而是:

  • 能不能扎进一个垂直领域,吃透别人不懂的业务逻辑;
  • 能不能从「用工具」变成「设计系统」,搞定复杂场景的协同;
  • 能不能让 Agent 真正「活」起来,而不是只会执行固定指令。

AI Agent 的故事才刚写到一半,与其焦虑技术迭代的速度,不如把自己的「不可替代性」练到极致 —— 毕竟,真正的职业护城河,从来都不是技术本身,而是你用技术解决问题的能力。