第 007 期：自学 Agent 半年，拿下多个百万年包 Offer

嘉宾：蝈蝈
背景：985 本科，8 年经验，多家互联网大厂（P6 起步 → 中厂期权 → 百万总包），上一份在 B 圈交易所远程
结果：主动离职 → 全职学 Agent 半年 → 拿到 4-5 个 Offer（含百万级）
来源：WLB 社群内部分享

一、嘉宾背景与转型动机

1. 职业发展路径

阶段	经历	薪资变化
毕业初期	小公司，北京	1-2 万
大厂 P6	某互联网大厂	涨薪 + 期权
中厂	发展快的中厂（后变大厂）	总包大幅提升（期权增值）
B 圈交易所	远程办公 2 年+	总包与中厂持平，到手更多（避税）
Agent 转型	全职学习半年	税前总包与 B 圈持平

关键节点：薪资从毕业 1-2 万到百万级别，主要靠跳槽到中厂时获得的期权增值。

2. 赛道选择与转型决策

判断依据：2025 年 Agent 元年共识 + Manus 等现象级产品出现
核心逻辑：之前做 AI 需要算法/调模型，现在 Agent 工程让后端也能入场
转型决心：主动从 B 圈离职（非被动），全职投入 Agent 学习半年
赛道对比：Agent 工程方向 > Web3，因为 Agent 在国内外都有发展空间

二、Agent 工程师学习路径与方法论

1. 学习资源与路线

阶段	资源	说明
入门	Hello Agent 开源教程	从 0.1 入门，社区几十万星
框架	LangChain / LangGraph 官方教程	英文，用 AI 浏览器辅助看
实战	LangChain + LangGraph 开源实战项目	几百 Star，可做参考
前沿	Harness Agent 最新教程	覆盖最新热点
工具	Claude Code 入门教程	0.1 掌握 Claude Code

2. 学习技巧

AI 浏览器辅助：用豆包/Trae 侧边栏看英文文档，不懂直接问
个人知识库：Obsidian 本地 + Karpathy 的 LLM Wiki 方法，AI 帮你建索引和知识图谱
费曼学习法：边学边写博客/公众号，输出倒逼输入
每日晨报：用 Helmsman 或小龙虾搭智能体，定时拉取 GitHub/Twitter/LinksDo 数据源做成晨报

3. 学习误区

避免无效投入：初期花时间研究 AI 生图生视频（ComfyUI、SD），对求职帮助有限
聚焦 Coding 赛道：AI 赛道每半年换一个焦点（去年多模态，今年 Coding）
不要只看不做：输出 > 实践 > 看，必须动手

4. 信息获取渠道

渠道	用途
GitHub	开源项目、技术趋势
Twitter / X	AI 圈前沿信息，关注 100 个人每天刷
LinksDo 论坛	AI 程序员社区，常文教程和开源项目
张晓俊播客	宏观 AI 趋势，硅谷投资人/技术大牛
公众号	Karpathy、DataWay、一泽等高质量号

三、求职策略与面试实战

1. 简历与项目构建

必做自己的 Agent 项目：

从 0 到 1 开发一个完整的 Vibe Coding 项目
结合生活/工作痛点做智能体，解决实际问题
展示 Agent 理解能力 + AI 辅助开发能力
项目细节必须经得起深挖

GitHub 与自媒体加分：

GitHub 项目 Star 数是硬通货
猎头会主动问你要 GitHub 首页和自媒体账号
嘉宾的面经 GitHub 发了两天已有 200+ Star

2. 面试考核维度

类型	占比	内容
Agent 相关 + AI 项目	60%	RAG、Memory、Agent Runtime、框架、评测
后端通用	30%	中间件（缓存、消息队列）、场景设计
算法	10%	中等难度，手撕，按类型刷一遍

面试轮次：3-4 轮

前沿技术敏感度：

面试官会问「最新的 Agent 动态」
例如：Claude Code 源码泄露事件，第二天面试官就问"你拉源码看了吗？"
必须保持持续学习，不能只背面试题

3. 薪资谈判与 Offer 选择

谈判策略：

主要看两点：过往薪资基数 + 手中其他 Offer 做 Battle
需提供真实 Offer 邮件截图（甚至会看截图是否完整）
不能虚报，现在都让提供原件

Offer 避坑：

警惕初创公司预算不足 + 大小周文化
通过脉脉等渠道进行「反向背调」
咨询有经验的前辈（如社群里的鑫哥）

四、行业趋势与职业规划

1. 岗位需求与技能演变

维度	判断
前后端融合	小公司已全面全栈，大厂预计半年内合并
AI Native 能力	企业更青睐能熟练运用 AI 工具的候选人
替代风险	短期 1-2 年 Agent 与人协作，不会完全替代
传统开发	面临挑战，需积极拥抱 AI

2. AI Native 能力的具体表现

能用多个 subagent 并行开发（主管 agent + 前端 agent + 后端 agent + 测试 agent）
国外大厂 95% 以上代码由 AI 编写，人主要负责 Review 和方向引导
给 token 花的钱都能自己挣回来

3. Web3 经历的价值

不是污点：部分企业甚至视为加分项
Web3 交易所转 Agent 的岗位需求较多
发 U 的流水证明，Web2 公司也会认

4. 长期职业规划

35 岁前：打工赚钱 + 业余探索副业
35 岁后：建立「一人公司」模式，学会自我谋生
核心认知：大环境没法一直稳定打工，必须学会自己当小老板

五、大龄程序员可直接模仿的点

全职投入半年：从 B 圈主动离职，坚定看好 Agent，全职学习
必做自己的 Agent 项目：结合生活/工作痛点做一个智能体，面试时展示
Vibe Coding 是标配：面试官看你怎么用 AI 写代码，不是看你手写能力
信息源建设：Twitter 关注 100 个 AI 领域的人，每天跟进前沿
费曼学习法：边学边写博客/公众号，输出倒逼输入
面经整理：把 Agent + 后端 + 系统设计 + 算法面经整理到 GitHub

六、风险提示

窗口期有限：Agent 岗位预计 1-2 年后会被 AI 自身能力发展压缩
年龄偏好：公司更想要 AI Native 的年轻人（20 多岁），大龄需要证明学习能力
初创不稳：聊了几家头部 AI 初创，都是大小周，预算有限
算法仍要准备：小公司也考，中等难度，不能完全跳过
薪资谈判有门槛：需要提供 Offer 原件截图，不能虚报

七、自由交流精选

问题	回答
全栈技术栈具体包含？	后端 Python（LangChain/LangGraph），前端 React/Next.js，企业级需掌握框架
现在写代码 AI 占比？	国外大厂 95%+ 由 AI 编写，人做 Review、约束设计、反馈改进
AI 工作流可操作性？	目前在探索，建议参考「一人公司」模式，用多 Sub-agent 协作
Web3 经历是污点？	不是，部分企业视为加分项，特别是 Web3 交易所转 Agent 的需求
如何辨别 Offer 靠谱？	脉脉了解团队氛围，或进行「反向背调」，咨询有经验前辈
项目有必要手敲？	没必要，但必须能看懂代码逻辑，以便指挥 AI 修正错误
Agent 要学微调/深度学习？	面试会问概念（微调流程、常用方法），但实操经验不是硬性要求
有大模型还需要个人知识库？	需要，大模型不知道你最近想的什么，个人知识库相当于本地 RAG

第 007 期：自学 Agent 半年，拿下多个百万年包 Offer ​

一、嘉宾背景与转型动机 ​

1. 职业发展路径 ​

2. 赛道选择与转型决策 ​

二、Agent 工程师学习路径与方法论 ​

1. 学习资源与路线 ​

2. 学习技巧 ​

3. 学习误区 ​

4. 信息获取渠道 ​

三、求职策略与面试实战 ​

1. 简历与项目构建 ​

2. 面试考核维度 ​

3. 薪资谈判与 Offer 选择 ​

四、行业趋势与职业规划 ​

1. 岗位需求与技能演变 ​

2. AI Native 能力的具体表现 ​

3. Web3 经历的价值 ​

4. 长期职业规划 ​

五、大龄程序员可直接模仿的点 ​

六、风险提示 ​

七、自由交流精选 ​

第 007 期：自学 Agent 半年，拿下多个百万年包 Offer

一、嘉宾背景与转型动机

1. 职业发展路径

2. 赛道选择与转型决策

二、Agent 工程师学习路径与方法论

1. 学习资源与路线

2. 学习技巧

3. 学习误区

4. 信息获取渠道

三、求职策略与面试实战

1. 简历与项目构建

2. 面试考核维度

3. 薪资谈判与 Offer 选择

四、行业趋势与职业规划

1. 岗位需求与技能演变

2. AI Native 能力的具体表现

3. Web3 经历的价值

4. 长期职业规划

五、大龄程序员可直接模仿的点

六、风险提示

七、自由交流精选