前端工程师转 AI Agent 全栈工程师学习计划

版本：岗位导向版（2026-07-13）
周期：20 周
建议投入：每周 10～15 小时
前端主线：TypeScript + Vue 3 / React
后端主线：Python + FastAPI + PostgreSQL + Redis
最终目标：独立开发、评测、部署并维护生产级 AI Agent 应用

1. 招聘岗位调研结论

本计划根据 Boss 直聘、智联招聘公开搜索页中的 AI Agent、LLM 应用开发、智能体工程师等岗位要求调整。

调研时观察到的典型要求包括：

使用 Python 开发 AI 应用和服务端系统。
掌握大模型、Tool Use、Planner、Memory、RAG 和多步骤任务编排。
能把 Agent 与 API、数据库、搜索服务和企业系统集成。
掌握 MySQL / PostgreSQL、Redis、Kafka 等传统后端组件。
具备异步任务、高并发、微服务、分布式系统和架构设计能力。
熟悉 LangChain、LangGraph、LlamaIndex、MCP 或类似 Agent 技术。
熟悉 Elasticsearch、Milvus、FAISS、pgvector 等检索或向量存储组件。
熟悉 Linux、Docker，部分岗位进一步要求 Kubernetes 和云服务。
Java、Go 经常作为企业系统集成或高并发服务的加分项，但 Agent 应用层以 Python 更常见。

公开页面样本中，Boss 直聘的 AI Agent 开发岗位明确出现了 Java、Python、MySQL、Kafka、Hadoop、Scrapy、架构设计，以及 LLM、Tool Use、Planner、Memory、API、数据库、搜索集成等要求。智联招聘公开搜索页也存在多个 AI Agent 工程师岗位，经验要求覆盖 1～5 年。

注意：招聘结果会受到城市、日期、登录状态和个性化排序影响。这不是严格的全量统计，而是用于确定学习方向的岗位样本分析。

技术优先级

优先级	必须掌握的内容
P0：求职核心	Python、FastAPI、SQL、PostgreSQL / MySQL、Redis、LLM API、Tool Calling、RAG、Docker
P1：岗位竞争力	asyncio、Celery、Kafka / RabbitMQ、Elasticsearch、向量数据库、LangGraph、MCP、pytest、Linux
P2：中高级能力	Kubernetes、微服务、分布式系统、可观测性、模型评测、安全治理、Java / Go 基础

路线调整

原方案采用 Node.js 主后端、Python 补充，不够贴近当前 AI Agent 岗位。调整为：

text

TypeScript 前端
    ↓ SSE / WebSocket / REST
Python FastAPI Agent 服务
    ├── PostgreSQL / MySQL
    ├── Redis / Celery
    ├── Kafka / RabbitMQ
    ├── Elasticsearch / 向量数据库
    ├── LLM / Embedding / Rerank
    └── 企业 API、MCP 和内部系统

Node.js 不再作为必修后端主线，只在以下场景选学：

团队已有 Node.js 服务，需要维护或集成。
使用 Next.js / Nuxt 构建 BFF。
需要在前端与 Python Agent 服务之间增加轻量聚合层。

2. 最终技术栈

模块	主线技术	掌握程度
前端	Vue 3 / React、TypeScript、SSE、WebSocket	熟练
Python 基础	Python 3.11+、类型标注、asyncio、虚拟环境	熟练
Web 后端	FastAPI、Pydantic、Uvicorn / Gunicorn	熟练
ORM 与迁移	SQLAlchemy 2、Alembic	熟练
关系数据库	PostgreSQL；能阅读和使用 MySQL	熟练
缓存	Redis	熟练
异步任务	Celery + Redis / RabbitMQ	熟练
消息队列	Kafka 或 RabbitMQ	会用并理解适用场景
Agent	模型 SDK、LangChain、LangGraph、MCP	熟练一个，了解其他
RAG	Elasticsearch / OpenSearch、pgvector / Milvus	熟练一种组合
测试	pytest、HTTP API 测试、Agent 评测	熟练
部署	Linux、Docker、Docker Compose	熟练
云原生	Kubernetes、CI/CD	能部署和排查
可观测性	OpenTelemetry、Prometheus、Grafana	能接入和分析
可选后端	Node.js BFF、Java / Go 基础	按岗位选学

3. 20 周总体路线

阶段	周数	主要目标	阶段项目
Python 后端基础	1～4	API、数据库、鉴权、缓存、异步任务	多用户任务系统
LLM 与工具调用	5～7	流式输出、结构化输出、Tool Calling、MCP	AI 效率 Agent
RAG 工程	8～10	文档处理、检索、重排、引用、评测	企业知识库助手
Agent 工作流	11～13	LangGraph、状态、记忆、长任务、人工审批	研究型 Agent
生产工程能力	14～17	安全、分布式、测试、部署、监控	生产化改造
毕业项目与求职	18～20	完整项目、评测报告、作品集与面试	Agent 全栈平台

4. 分周学习计划

第一阶段：Python 后端基础（第 1～4 周）

第 1 周：Python 工程基础

学习内容：

[ ] Python 数据结构、函数、类、异常和模块
[ ] 类型标注、泛型、dataclass 和枚举
[ ] 虚拟环境、依赖管理和环境变量
[ ] 文件、JSON、时间和日志处理
[ ] pytest 基础

实践任务：

[ ] 编写一个命令行 Todo 应用
[ ] 使用类型标注覆盖核心代码
[ ] 使用 pytest 编写不少于 15 条测试
[ ] 配置格式化、静态检查和 Git 忽略文件

验收标准：能够独立创建结构清晰、可测试的 Python 项目。

第 2 周：FastAPI 与异步编程

学习内容：

[ ] HTTP、REST、状态码、Cookie 和 CORS
[ ] FastAPI 路由、依赖注入和中间件
[ ] Pydantic 请求与响应校验
[ ] asyncio、协程、并发和阻塞操作
[ ] 统一异常、日志和配置管理

实践任务：

[ ] 把 Todo 应用改造为 REST API
[ ] 实现分页、过滤和排序
[ ] 实现统一错误码和请求日志
[ ] 对外部 API 调用增加超时与重试

验收标准：能够解释同步、异步的区别，避免在异步接口中执行阻塞任务。

第 3 周：SQL、ORM 与数据库设计

学习内容：

[ ] PostgreSQL 表、约束、索引和事务
[ ] JOIN、聚合、分页和执行计划
[ ] SQLAlchemy 2 Session 和关系映射
[ ] Alembic 数据库迁移
[ ] 连接池、N+1 查询和慢查询

实践任务：

[ ] 设计用户、任务、会话、消息数据表
[ ] 使用 Alembic 创建和回滚迁移
[ ] 为高频查询增加索引
[ ] 编写数据库集成测试

验收标准：能够设计业务表，并通过执行计划判断索引是否生效。

第 4 周：鉴权、Redis 与异步任务

学习内容：

[ ] JWT、Session、OAuth2 和 RBAC
[ ] 密码哈希和密钥管理
[ ] Redis 缓存、过期、限流和分布式锁
[ ] Celery 任务、重试、幂等和任务状态
[ ] RabbitMQ、Kafka 的基本区别

实践任务：

[ ] 实现注册、登录和角色权限
[ ] 确保用户数据严格隔离
[ ] 使用 Redis 实现缓存和接口限流
[ ] 使用 Celery 执行一个长耗时任务
[ ] 实现任务取消、重试和状态查询

阶段项目：多用户异步任务系统。

第二阶段：LLM 与工具调用（第 5～7 周）

第 5 周：LLM API 与流式交互

学习内容：

[ ] Token、上下文窗口和采样参数
[ ] System、User、Assistant 消息
[ ] SSE 与 WebSocket
[ ] 结构化输出和 JSON Schema
[ ] 超时、重试、限流、熔断和成本统计

实践任务：

[ ] 用 FastAPI 实现流式聊天接口
[ ] 前端实现停止、重试和断线提示
[ ] 保存会话、Token、延迟和费用
[ ] 让模型稳定输出可校验 JSON

第 6 周：Tool Calling

学习内容：

[ ] 工具 Schema 和参数描述
[ ] 工具选择、执行和结果回传循环
[ ] 参数校验、幂等、超时和最大步数
[ ] 只读、可写、高风险工具分级
[ ] 工具调用审计日志

实践任务：

[ ] 实现计算器、搜索、Todo 和数据库查询工具
[ ] 在前端展示工具参数、状态和结果
[ ] 为写操作增加用户确认
[ ] 模拟超时、重复调用和错误参数

第 7 周：LangChain、LangGraph 与 MCP

学习内容：

[ ] 理解模型、Prompt、Tool、Retriever 的抽象
[ ] 使用 LangGraph 构建最小状态图
[ ] MCP Client、Server、Tool 和 Resource
[ ] 框架封装与模型原生 SDK 的取舍

实践任务：

[ ] 使用原生 SDK 实现一次工具调用
[ ] 使用 LangGraph 重构为有状态流程
[ ] 开发一个只读 MCP Server
[ ] 为 Agent 设置明确终止条件

阶段项目：AI 个人效率 Agent。

项目最低要求：

[ ] 多用户与权限控制
[ ] 流式聊天与任务状态
[ ] 至少 4 个工具
[ ] 高风险操作人工确认
[ ] 完整的调用日志和成本统计

第三阶段：RAG 工程（第 8～10 周）

第 8 周：文档处理与向量检索

学习内容：

[ ] PDF、Word、Markdown 和网页解析
[ ] 文档清洗、元数据和分块策略
[ ] Embedding、余弦相似度和向量索引
[ ] pgvector 或 Milvus

实践任务：

[ ] 使用 Celery 异步解析文件
[ ] 保存文档、Chunk、页码和来源
[ ] 实现 Top-K 向量检索
[ ] 对上传文件设置类型和大小限制

第 9 周：Elasticsearch 与混合检索

学习内容：

[ ] 倒排索引、BM25 和中文分词
[ ] Elasticsearch / OpenSearch 基础
[ ] 向量检索与关键词检索的差异
[ ] Hybrid Search、Query Rewrite 和 Rerank

实践任务：

[ ] 建立 Elasticsearch 文档索引
[ ] 实现关键词与向量混合检索
[ ] 接入一个 Rerank 模型
[ ] 对比不同 Chunk 和 Top-K 参数

第 10 周：引用、权限与 RAG 评测

学习内容：

[ ] 原文引用和证据定位
[ ] 无答案识别和拒答
[ ] 用户、部门和知识库权限隔离
[ ] 召回率、准确率和引用正确率

实践任务：

[ ] 建立至少 30 条 RAG 测试集
[ ] 回答中展示文档、页码和原文
[ ] 测试跨用户和跨部门数据越权
[ ] 生成检索参数对比报告

阶段项目：企业知识库助手。

第四阶段：Agent 工作流（第 11～13 周）

第 11 周：状态机与任务编排

学习内容：

[ ] ReAct、Router、Planner-Executor
[ ] LangGraph 节点、边、状态和条件分支
[ ] 确定性代码与模型决策的边界
[ ] 最大步数、超时和失败分支

实践任务：

[ ] 将复杂请求拆分为计划和执行步骤
[ ] 根据任务类型路由到不同流程
[ ] 保存每一步输入、输出、状态和耗时

第 12 周：记忆与长任务

学习内容：

[ ] 短期上下文、对话摘要和长期记忆
[ ] Checkpoint、暂停、恢复和取消
[ ] Celery / Kafka 长任务架构
[ ] 幂等键、重复消费和失败补偿

实践任务：

[ ] 刷新页面后恢复 Agent 状态
[ ] 从失败节点继续执行
[ ] 为长期记忆提供查看和删除功能
[ ] 模拟消息重复和消费者宕机

第 13 周：人工审批与多 Agent

学习内容：

[ ] Human-in-the-loop
[ ] 计划查看、修改和审批
[ ] Supervisor 与专业 Agent 协作
[ ] 多 Agent 的成本和复杂度控制

实践任务：

[ ] 在写操作前暂停并等待审批
[ ] 允许用户修改执行计划
[ ] 仅在确有价值时加入第二个 Agent

阶段项目：可暂停、恢复、审批的研究型 Agent。

第五阶段：生产工程能力（第 14～17 周）

第 14 周：测试与 Agent 评测

学习内容：

[ ] 单元测试、集成测试和端到端测试
[ ] 固定数据集和 Prompt 回归测试
[ ] 工具选择、参数、引用和任务成功率
[ ] 规则评测、人工评测与 LLM Judge

实践任务：

[ ] 建立至少 50 条 Agent 测试用例
[ ] 自动生成准确率、延迟和成本报告
[ ] 在 CI 中运行核心回归测试

第 15 周：安全与权限治理

学习内容：

[ ] Prompt Injection 和间接注入
[ ] 工具越权和数据泄漏
[ ] SSRF、文件上传和恶意内容风险
[ ] 命令白名单、沙箱和审计日志

实践任务：

[ ] 构造恶意知识库文档
[ ] 测试普通用户调用管理员工具
[ ] 对删除、发送和执行命令增加审批
[ ] 将攻击用例加入回归测试

第 16 周：Linux、Docker 与 CI/CD

学习内容：

[ ] Linux 进程、端口、权限和日志
[ ] Dockerfile、镜像分层和多阶段构建
[ ] Docker Compose 服务编排
[ ] CI/CD、Secret 和数据库迁移

实践任务：

[ ] 容器化前端、FastAPI、Celery、数据库和 Redis
[ ] 配置自动测试与镜像构建
[ ] 部署一个可在线访问的测试环境

第 17 周：Kubernetes 与可观测性

学习内容：

[ ] Pod、Deployment、Service、Ingress 和 ConfigMap
[ ] 健康检查、扩缩容和滚动发布
[ ] OpenTelemetry 链路追踪
[ ] Prometheus、Grafana 和结构化日志

实践任务：

[ ] 将核心服务部署到 Kubernetes 测试环境
[ ] 建立错误率、P95 延迟和队列积压监控
[ ] 记录一次 Agent 请求的完整调用链
[ ] 设置模型费用预算和告警

第六阶段：毕业项目与求职（第 18～20 周）

第 18 周：毕业项目架构与核心链路

从以下方向选择一个：

客服工单 Agent
数据分析 Agent
电商运营 Agent
招聘筛选 Agent
研发任务 Agent

本周完成：

[ ] 需求说明和系统架构图
[ ] 数据模型和 API 设计
[ ] 登录、权限、会话和核心 Agent 流程
[ ] 至少 3 个真实工具

第 19 周：生产化与评测

[ ] 接入 RAG 和原文引用
[ ] 实现异步任务、暂停、恢复和审批
[ ] 完成安全测试和 Agent 评测
[ ] 完成 Docker 部署和监控面板

第 20 周：作品集与面试准备

[ ] 完善 README、架构图和接口文档
[ ] 录制 3～5 分钟演示视频
[ ] 整理技术难点、故障案例和方案取舍
[ ] 准备 Python、数据库、Redis、网络和 Agent 面试题
[ ] 根据目标岗位决定是否补充 Java 或 Go

5. 毕业项目最低要求

产品功能

[ ] 多用户、登录和 RBAC 权限
[ ] 流式交互和任务状态展示
[ ] 至少 3 个真实工具
[ ] RAG 和可定位的原文引用
[ ] 暂停、取消、恢复和失败重试
[ ] 高风险操作人工确认

后端工程

[ ] FastAPI + Pydantic + SQLAlchemy + Alembic
[ ] PostgreSQL 和 Redis
[ ] Celery 或消息队列长任务
[ ] 超时、限流、重试、幂等和熔断
[ ] 单元测试和集成测试
[ ] Docker 部署和 CI/CD

Agent 工程

[ ] LangGraph 或清晰的自研状态机
[ ] 工具输入输出严格校验
[ ] 明确的最大执行步数和终止条件
[ ] 固定评测集和回归报告
[ ] 模型、Token、延迟和费用统计

安全与运维

[ ] 用户和部门数据严格隔离
[ ] Prompt Injection 测试
[ ] 工具白名单和操作审计
[ ] 日志、指标和链路追踪
[ ] 错误率、P95 延迟、队列和费用监控

6. 每周执行方式

时间	任务
周一	阅读文档，运行最小示例
周二	独立重写核心功能
周三	完成前后端联调
周四	处理异常、并发、权限和安全场景
周五	编写测试、运行评测
周六	完善项目、README 和架构图
周日	复盘数据，规划下一周

周复盘模板

markdown

## 第 N 周复盘

### 本周完成
- [ ]

### 没有完成
- [ ]

### 遇到的问题及根因
-

### 本周数据
- 学习时长：
- 完成功能：
- 测试数量：
- Agent 任务成功率：
- P95 响应时间：
- 平均任务成本：

### 下周调整
-

7. 面向不同岗位的选修方向

AI Agent 应用工程师

重点加强：

Python、FastAPI、LangGraph、MCP
RAG、向量数据库和模型评测
Tool Calling、工作流和安全

AI 后端工程师

重点加强：

asyncio、高并发和性能优化
Redis、Kafka、Celery 和分布式系统
Kubernetes、可观测性和云服务

企业 Agent 全栈工程师

重点加强：

Vue / React + TypeScript
Python Agent 服务
Java Spring Boot 或 Go 的接口集成基础
SSO、RBAC、审计和企业数据隔离

数据与搜索方向

重点加强：

Elasticsearch、Milvus、Rerank
数据清洗、ETL 和检索评测
Kafka；必要时补充 Spark / Hadoop

8. 最终能力标准

当以下条件全部满足时，可认为具备 AI Agent 全栈工程师的基础求职能力：

[ ] 能使用 Python 独立开发结构清晰、可测试的后端服务
[ ] 能设计 PostgreSQL 表、索引、事务和数据权限
[ ] 能使用 Redis、Celery 或消息队列处理长任务
[ ] 能实现流式响应、Tool Calling、RAG 和 Agent 工作流
[ ] 能通过评测数据比较 Prompt、模型和检索方案
[ ] 能处理超时、重复调用、越权和提示词注入
[ ] 能使用 Docker 部署并排查 Linux 环境问题
[ ] 能解释微服务、消息队列、缓存和分布式锁的取舍
[ ] 至少上线 2 个完整项目，其中 1 个达到毕业项目标准
[ ] 有可展示的代码、文档、评测报告和在线演示

求职作品的重点不是“接入了多少模型”，而是能否证明系统可靠、安全、可评测、可维护，并且能够真正连接企业数据和业务工具。

前端工程师转 AI Agent 全栈工程师学习计划 ​

1. 招聘岗位调研结论 ​

技术优先级 ​

路线调整 ​

2. 最终技术栈 ​

推荐学习组合 ​

3. 20 周总体路线 ​

4. 分周学习计划 ​

第一阶段：Python 后端基础（第 1～4 周） ​

第 1 周：Python 工程基础 ​

第 2 周：FastAPI 与异步编程 ​

第 3 周：SQL、ORM 与数据库设计 ​

第 4 周：鉴权、Redis 与异步任务 ​

第二阶段：LLM 与工具调用（第 5～7 周） ​

第 5 周：LLM API 与流式交互 ​

第 6 周：Tool Calling ​

第 7 周：LangChain、LangGraph 与 MCP ​

第三阶段：RAG 工程（第 8～10 周） ​

第 8 周：文档处理与向量检索 ​

第 9 周：Elasticsearch 与混合检索 ​

第 10 周：引用、权限与 RAG 评测 ​

第四阶段：Agent 工作流（第 11～13 周） ​

第 11 周：状态机与任务编排 ​

第 12 周：记忆与长任务 ​

第 13 周：人工审批与多 Agent ​

第五阶段：生产工程能力（第 14～17 周） ​

第 14 周：测试与 Agent 评测 ​

第 15 周：安全与权限治理 ​

第 16 周：Linux、Docker 与 CI/CD ​

第 17 周：Kubernetes 与可观测性 ​

第六阶段：毕业项目与求职（第 18～20 周） ​

第 18 周：毕业项目架构与核心链路 ​

第 19 周：生产化与评测 ​

第 20 周：作品集与面试准备 ​

5. 毕业项目最低要求 ​

产品功能 ​

后端工程 ​

Agent 工程 ​

安全与运维 ​

6. 每周执行方式 ​

周复盘模板 ​

7. 面向不同岗位的选修方向 ​

AI Agent 应用工程师 ​

AI 后端工程师 ​

企业 Agent 全栈工程师 ​

数据与搜索方向 ​

8. 最终能力标准 ​

9. 调研入口 ​

前端工程师转 AI Agent 全栈工程师学习计划

1. 招聘岗位调研结论

技术优先级

路线调整

2. 最终技术栈

推荐学习组合

3. 20 周总体路线

4. 分周学习计划

第一阶段：Python 后端基础（第 1～4 周）

第 1 周：Python 工程基础

第 2 周：FastAPI 与异步编程

第 3 周：SQL、ORM 与数据库设计

第 4 周：鉴权、Redis 与异步任务

第二阶段：LLM 与工具调用（第 5～7 周）

第 5 周：LLM API 与流式交互

第 6 周：Tool Calling

第 7 周：LangChain、LangGraph 与 MCP

第三阶段：RAG 工程（第 8～10 周）

第 8 周：文档处理与向量检索

第 9 周：Elasticsearch 与混合检索

第 10 周：引用、权限与 RAG 评测

第四阶段：Agent 工作流（第 11～13 周）

第 11 周：状态机与任务编排

第 12 周：记忆与长任务

第 13 周：人工审批与多 Agent

第五阶段：生产工程能力（第 14～17 周）

第 14 周：测试与 Agent 评测

第 15 周：安全与权限治理

第 16 周：Linux、Docker 与 CI/CD

第 17 周：Kubernetes 与可观测性

第六阶段：毕业项目与求职（第 18～20 周）

第 18 周：毕业项目架构与核心链路

第 19 周：生产化与评测

第 20 周：作品集与面试准备

5. 毕业项目最低要求

产品功能

后端工程

Agent 工程

安全与运维

6. 每周执行方式

周复盘模板

7. 面向不同岗位的选修方向

AI Agent 应用工程师

AI 后端工程师

企业 Agent 全栈工程师

数据与搜索方向

8. 最终能力标准

9. 调研入口