岗位关键词：智能体搭建· 工作流编排 · 工具调用 · 记忆管理 · 思维链 CoT · 系统提示词

本篇继续「招聘需求→ 能力图谱」系列，解析 AI 智能体搭建师 / AI 应用专家。岗位通常基于 Dify、Coze、OpenClaw 等平台搭建对话型或自动化型智能体，把业务需求拆成可执行步骤，再通过工作流、工具调用和逻辑控制完成任务。

一、这个岗位每天要做什么？

图 1 AI 智能体搭建师 / AI 应用专家的典型工作场景示意

不同企业的分工会有差异，常见工作主要包括以下几个环节：

1. 需求分析：明确使用场景、目标用户、输入输出和完成标准，判断哪些任务适合交给智能体。

2. 智能体与工作流搭建：配置模型、节点和连线，设计多步骤任务、条件分支及异常处理。

3. 提示词编写：编写系统提示词和用户提示词，说明任务目标、规则、边界和输出格式，并根据测试结果迭代。

4. 工具与知识库集成：按需接入 API、插件、MCP 工具或企业知识库，让智能体检索信息或执行获准的操作。

5. 测试与优化：检查回答质量、工具调用和流程稳定性，处理失败场景，并根据使用反馈持续改进。

二、需要掌握哪些 AI 能力？

1.平台与工作流能力。熟悉智能体平台的搭建、调试和发布，理解节点间的数据传递，以及条件分支、循环和失败处理。

2.提示工程与结构化输出。能写清系统规则和用户任务，使用少样本示例帮助模型遵循格式，并按需输出 JSON、表格或固定字段。

3.工具调用与记忆管理。了解 API、插件和 MCP 的使用方式，知道如何处理工具参数与返回结果；也要合理配置上下文、记忆和知识检索，避免无关信息长期保留。

4.任务拆解与测试评估。将复杂任务拆成可检查的步骤，准备正常、边界和异常测试案例，确认智能体是否可靠地完成目标。

图 2 从需求分析到上线应用的智能体工作流示意

三、对应 CAIE LEVEL Ⅰ 大纲的哪些内容？

PART 6：智能体 Agent。这是本岗位的主要对应模块，包括自主智能体架构中的感知与规划 ReAct、工具与行动中的 MCP / 插件、记忆 Memory，以及工作流编排中的节点与连线、逻辑控制。需求拆解、工具调用、条件分支和异常处理都与这些内容直接相关。

PART 4：深度思考与思维链 CoT。这部分可用于理解多步骤任务的拆解与推理。实际应用中，应明确每一步的目标和检查点，并把最终结果整理成稳定、可验证的结构化输出。

系统提示词范式、结构化输出控制、自我反思与修正，对应 PART 6 的基于 Agent 的提示工程；少样本示例等方法可与 PART 4 的相关知识结合使用。

四、放进真实工作里，会怎么用？

以企业 IT 服务助手为例。员工询问 VPN 无法连接时，智能体先识别意图，再检索知识库中的排查步骤；如果需要创建工单，则在权限允许的情况下调用工单工具。若知识不足、工具失败或涉及高风险操作，就提示补充信息或转交人工。上线前还要用不同问法测试回答依据、调用结果和异常分支。

五、求职作品集怎么准备？

建议围绕一个具体业务场景，展示需求目标、智能体架构图、工作流节点图、系统与用户提示词、工具调用示例、测试用例及优化记录。招聘方不仅能看到最终效果，也能判断你是否理解每个节点的作用、失败时如何处理，以及怎样验证方案确实解决了问题。

写在最后~

AI 智能体搭建师更关注智能体结构和工作流实现，AI 应用专家还需要把方案与具体业务目标结合起来。平台操作是起点，能否拆解任务、设计可靠流程、控制输出并持续验证效果，才是应用落地的关键。

若想了解自己的能力起点，可以点击文末小程序，完成「AI 应用能力测评 · 职业方向测试」，获取推荐学习路径。

👉 AI  应用能力测评  ·  职业方向测试

👉 完成测试后，还可领取 《 CAIE LEVEL 考试大纲》 与更多实战练习题