2025年AI Agent岗位市场调研：基于101个职位的数据分析

AI Agent绝对是今年最热门的岗位之一。

我经常在各种平台上看到有人说想转AI Agent方向的工作，我们组有一个”AI Application Developer”岗位从今年年初招聘至今还没有找到合适的候选人，而且我自己也在做这个岗位，于是就从技能、薪资、地域等角度分析了一下目前市场上AI Agent相关的岗位。

薪资分析

在这次分析中，我一共收集了101份AI Agent相关岗位的招聘信息（JD），其中有99份包含明确的薪资信息。

这99个岗位中，仅有1个岗位月薪低于10K。
这个岗位的工作地点是成都，薪资是8-13K，其下限低于10K，上限依然是高于10K的，仅从这一点来看，AI Agent开发的薪资确实要比普通的开发岗位高。

整体薪资分布

整体的薪资分布情况如图：

可以看到，有59.6%的岗位月薪都超过了25K。

地域薪资差异

我们再看看不同城市的薪资分布情况：

可以看到北京最高，平均薪资已经超过了40K，深圳紧随其后，上海和杭州比较接近。
由于其他城市的样本数量少于10个，所以就没有单独列出来。

招聘企业分析

看完了薪资，我们再看看到底有哪些企业在招聘AI Agent岗位。

可以看出来，互联网大厂和AI科技公司是绝对的主力军，占比超过50%。

在传统企业的AI部门中，招聘主要来自银行和传统汽车厂，可能是这两个行业对AI Agent的业务应用场景比较明确。

但有个数据让我挺意外的：科研院所和高校的占比有9.1%。虽然不知道具体的比例，但是从以往找工作时刷JD的情况来看，这一比例要比学术机构在其他技术岗位的招聘中高的多。
这说明学术界在AI Agent领域比其他领域更加活跃。

技能要求分析

编程语言需求

注：统计方式为在所有职位样本中提到该编程语言的次数，单个职位可能涉及多种语言

Python一共出现了125次，断层领先于其他语言，不过这也不意外，毕竟Python几乎是AI开发的标配语言。

让我意外的是js/ts 和 c++。

我没想到c++会被提到45次之多，我去看了具体的JD，发现是有一些芯片公司和嵌入式设备公司在招AI Agent岗位，这两个领域都是以c++为主的。从这一点来看，未来不久很可能会有AI Agent相关的硬件面世。

我也没想到js/ts仅仅被提到了15次之少，毕竟现在vide coding几乎首先js/ts 和 Python，没想到在AI Agent开发中js/ts的需求远不如Python。

技术栈要求分析

看完了编程语言，我们再看看整体的技术栈要求：

通过对技术栈要求的深入分析，可以发现以下特点：

• RAG + 向量数据库：出现123次，几乎成为所有AI Agent项目的标准配置
• LangChain/LangGraph：这两个是最常被提到的框架，而且大多数职位要求”熟练”或”精通”水平，说明他们已经成为AI Agent开发团队的首选。
• 机器学习/深度学习：虽然出现了92次，仅次于RAG和向量数据库，但大多只是要求了解即可，并不要求精通，更像是面试官的“随口一提”，而不是工作内容的实际要求。
• 模型微调：虽然只出现了42次，但在月薪超过60K的高端岗位中，SFT/LoRA/QLoRA等微调技术几乎是必备技能

市场趋势

基于对职位描述的深入分析，我还发现了以下几个趋势：

1. 从单智能体向多智能体系统演进

与今年年初的JD相比，最近的招聘需求已从单一”AI Agent”开发转向”多Agent/Multi-Agent”开发。这一变化看似微小，但是背后涉及到Agent之间的协作，上下文的管理等诸多复杂问题，所以实际上招聘要求在变高。

2. RAG技术要求日趋细化

RAG技术的应用要求越来越具体化，主要体现在这两点：

• 知识更新与rerank：强调知识库的持续维护和检索结果的重新排序
• 多模态RAG：文本、图像、视频、语音等多模态数据的集成应用

我记得我去年换工作的时候，看到的关于RAG的要求基本上是有相关经验即可，鲜少有提到知识更新和rerank的，更别说多模态RAG。

3. 垂直行业应用深化

特定行业的AI Agent需求开始显现，主要有这三个行业：

• 医疗健康：主要是体检报告/病历解读和健康信息管理
• 金融服务：智能投资顾问
• 教育培训：主要是开发个性化学习、智能答疑系统，而且产品主要针对幼儿园和小学阶段的学生。

4. 工程化能力依然重要。

尽管聚焦于AI技术，传统工程技能依然非常重要，以下几个技术领域也被提到了较多次数。

技术领域	需求频次
容器化	55次
微服务	42次
云平台	38次
CI/CD	28次

这跟我在实际工作中的感受是一致的，AI Agent系统通常需要部署在复杂的生产环境中，良好的工程化能力对于系统的稳定性和可维护性至关重要。

一点遗憾

在收集到的101份JD中，只有极少数提到了上下文工程或者Context Engineering的，虽然这个概念已经在相关社区和社媒上流行了一阵子了，但是在JD中似乎还有比较长的延迟。

最大的遗憾是，没有任何一个JD提到了claude code sdk。虽然claude code很火热，但是知道claude code sdk的人似乎不多。但是claude code sdk其实具备了开发一个Agent所需要的几乎全部功能，我个人觉得这是一个非常值得关注的工具。

总结

根据以上分析，如果想找一份AI Agent开发工作，Python + LangChain + RAG 已成为市场主流的技术组合。

另外我也知道为什么我们组招了一年都没有招到合适的人选了，因为我们开的工资竞争力不足，而且我们还要求流畅的英语表达能力……

说明

我使用MiniMax Agent来帮忙收集数据，并做了初步的分析，最后自己撰写了这篇博客，虽然在写博客的时候已经尽量人工review相关数据，但是不敢确保完全正确，但是我想整体的趋势应当是没有问题的。