从Prompt到GraphAI工程师能力模型的五代进化Graph Engineering 系列课程 · 第1章第5节这是 127 篇 Graph Engineering 系统课程的第五篇。今天我们聊一个很现实的话题——你在这条进化链上处于什么位置每一代 AI 工程师到底在做什么、能赚多少、怎么往上走本文导航一、你在进化 ladder 的第几层大多数人连 ladder 都不知道二、第一代Prompt Writer提示词写手三、第二代Context Designer上下文设计师四、第三代Loop Builder循环构建者五、第四代Graph Architect图架构师六、第五代Multi-Graph Orchestrator多图编排者七、五代能力模型全景对比八、自测清单你处于第几代九、跃迁指南从当前代到下一代十、技能雷达图每一代长什么样一、你在进化 ladder 的第几层大多数人连 ladder 都不知道我先问你一个问题你觉得自己是什么级别的 AI 工程师别急着回答。因为我发现一个很普遍的现象——大部分人对自己的定位是模糊的。做了两年 ChatGPT 套壳应用的觉得自己是AI 工程师。写了几百条 prompt 的觉得自己是Prompt Engineer。用 LangChain 搭了个 RAG 的觉得自己已经入门 AI 了。但如果你问他你知道 AI 工程师的能力模型分几代吗每代之间的核心差异是什么从一代跃迁到下一代需要什么技能十个里面九个摇头。这就是问题所在。不是你不努力是没有人给你一张地图。你知道你在走路但你不知道路的终点在哪里也不知道自己走了多远。更不知道在你前面还有多少层你没到达的境界。今天这篇文章我要给你这张地图。一张 AI 工程师能力模型的五代进化图谱。从最基础的会写 prompt到最顶层的能设计跨组织的多 Agent 联邦协议——每一代的核心技能、薪资区间、典型岗位、跃迁路径我全部拆解清楚。读完之后你会知道自己在哪该往哪走以及路上需要什么装备。先给你看全景图然后我们逐代拆解掌握上下文工程掌握循环编排掌握图拓扑设计掌握跨系统联邦‍ 第一代Prompt Writer提示词写手 15-25万/年 第二代Context Designer上下文设计师 25-45万/年 第三代Loop Builder循环构建者 35-60万/年️ 第四代Graph Architect图架构师 50-100万/年 第五代Multi-Graph Orchestrator多图编排者 80-150万/年好我们一代一代来。二、第一代Prompt Writer提示词写手你在做什么每天的工作就是跟 LLM “说话”。写 system prompt、调 user prompt、设计 few-shot examples、优化输出格式。你精通各种 prompt 技巧——Chain-of-Thought、Tree-of-Thought、ReAct 模板、角色设定、输出约束。你能把一个模糊的需求转化成一段让 LLM 稳定输出的 prompt。这是你的核心能力。典型工作场景给公司的客服机器人写对话 prompt配置 AI 助手的 system message 和行为约束设计 prompt 模板让 LLM 输出结构化的 JSON做 few-shot 调优让输出质量从 70 分提到 90 分在各种 AI 产品里做提示词优化核心技能树Prompt Writer 技能树 ├── 自然语言表达精准描述需求、消除歧义 ├── Few-shot 设计选择有代表性的示例 ├── 输出格式控制JSON/Markdown/结构化输出 ├── Prompt 模式CoT、ToT、ReAct、Self-Consistency ├── 模型特性理解不同模型的行为差异和偏好 └── 评估方法A/B 测试、人工评估、自动评估薪资与岗位年薪区间15-25 万典型岗位名称Prompt Engineer提示词工程师AI 内容运营AI 产品配置专员Chatbot DesignerAI Assistant Configurator说实话这一代的门槛是最低的。我不客气地说一个文科生花两周学学 prompt 技巧就能干这个活。所以这一代的薪资天花板也很明显——当你的核心能力是写一段文字的时候你的可替代性是很高的。但这不意味着这一代没有价值。好的 prompt 依然是整个 AI 系统的基础。后面每一代都需要好的 prompt就像盖楼需要好的砖头一样。问题是如果你只停在第一代你的职业护城河太浅了。天花板在哪当你发现以下情况时说明你快到天花板了你每天的工作就是写 prompt、测 prompt、改 prompt没有其他技术产出你不确定一个 prompt 的改动到底是因为运气好还是真的更优你开始觉得模型越来越聪明了prompt 好像没那么重要了你的薪资两年没怎么涨如果你中了三条以上恭喜你你该往第二代走了。三、第二代Context Designer上下文设计师你在做什么你已经不满足于写好一段 prompt了。你开始关注prompt 之外的东西。你意识到一个关键事实LLM 的输出质量80% 取决于你给它提供了什么上下文而不是你的 prompt 写得多漂亮。这就是 Andrej Karpathy 说的那句话的意思——“Prompt Engineering 只是冰山一角Context Engineering 才是水面下的部分。”你开始做的事情是构建一个完整的上下文环境让 LLM 在回答之前能看到它需要看到的一切。典型工作场景搭建 RAGRetrieval-Augmented Generation系统向量数据库、文档切分、检索策略设计对话记忆管理短期记忆、长期记忆、记忆压缩定义工具描述Tool Definitions让 LLM 知道有哪些工具可用、怎么调用管理环境状态当前对话历史、用户画像、业务上下文做 chunk 策略优化、reranking、query 改写核心技能树Context Designer 技能树 ├── RAG 工程向量数据库、Embedding 模型、检索策略 ├── 记忆管理短期/长期记忆、记忆压缩与摘要 ├── 工具定义Function Calling、Tool Schema 设计 ├── 文档处理切分策略、元数据管理、多模态文档 ├── 检索优化Reranking、Query 改写、HyDE └── 状态管理会话状态、用户状态、业务状态薪资与岗位年薪区间25-45 万典型岗位名称RAG EngineerAI 应用开发工程师LLM Application DeveloperAI 平台工程师初级Knowledge Engineer这一代的关键跃迁从第一代到第二代的跃迁本质上是从关注输入到关注环境的转变。第一代想的是“我怎么把问题说清楚”第二代想的是“我怎么让 LLM 看到完整的背景信息”这个转变非常重要因为它意味着你开始从系统层面思考问题而不只是从一段文字的层面。天花板在哪你的系统还是一问一答模式LLM 自己不会主动做任何事你能让 LLM 检索到正确的文档但没法让它基于文档自主完成一个多步骤任务你开始遇到LLM 看到了信息但还是做不对的问题因为你给它的只是一个静态的上下文没有让它循环验证你想做更复杂的事情但发现单次的 retrieve → generate 模式不够用了四、第三代Loop Builder循环构建者你在做什么到了这一代你完成了一个质的飞跃你让 LLM 跑起来了。不再是问一次答一次而是让 LLM 进入一个循环——观察、推理、行动、检查、再观察、再推理……直到任务完成。你构建的是一个有自主行动能力的 Agent。2026 年最火的 AI 工具——Claude Code、Cursor Agent、Devin——它们的内核都是一个 loop。而你就是那个设计和构建这个 loop 的人。典型工作场景构建 Agent Loopobserve → think → act → verify → repeat实现 ReAct 模式推理和行动交替进行设计工具调用链LLM 调用工具 A → 拿到结果 → 决定调用工具 B → 再拿结果 → …实现验证循环LLM 生成代码 → 自己跑测试 → 失败了修改 → 再跑 → 直到通过错误恢复LLM 走错了路能自己发现并回退核心技能树Loop Builder 技能树 ├── Agent Loop 设计核心循环、终止条件、超时控制 ├── ReAct 模式推理-行动交替、思维链追踪 ├── 工具调用链多工具编排、结果传递、错误处理 ├── 验证循环自我检查、自动测试、输出验证 ├── 错误恢复回溯机制、状态快照、重试策略 └── 成本控制Token 预算管理、循环次数限制薪资与岗位年薪区间35-60 万典型岗位名称Agent DeveloperAI Automation EngineerAI 工程师中高级LLM Systems EngineerAI Workflow Engineer这一代的关键跃迁从第二代到第三代本质上是从静态上下文到动态运行时的转变。第二代想的是“怎么给 LLM 提供正确的信息”第三代想的是“怎么让 LLM 自主完成一个复杂任务”这个跃迁的难点在于你不再只是设计一个输入-输出的函数你是在设计一个持续运行的进程。这个进程可能跑 5 分钟也可能跑 2 小时。它可能走正确的路径也可能走错路然后自己纠正。你要处理的不再只是信息还有时间、“状态和错误”。天花板在哪你做的所有东西都是单 Agent 的——一个 loop 里只有一个 LLM 在做所有事当任务变复杂的时候你的 loop 变得越来越臃肿一个 prompt 里塞了太多职责你想让代码生成和代码审查分开做但发现单 loop 里很难干净地分离你遇到了 Context Rot 的问题——loop 跑久了上下文窗口被撑满LLM 开始变蠢你想并行处理多个子任务但 loop 是串行的做不到如果你中了三条以上说明你已经到了 Loop Builder 的天花板。你需要进入第四代。五、第四代Graph Architect图架构师你在做什么你不再构建单个 Agent你在构建 Agent 系统。你意识到一个关键问题一个 loop 里塞一个 LLM 做所有事情就像一个人同时当产品经理、架构师、程序员、测试工程师和运维——理论上可以实际上会崩。你需要的是一个团队每个成员各司其职按照一定的组织结构协作。这个组织结构就是一个图Graph。典型工作场景设计多 Agent 拓扑Pipeline、Diamond、Hierarchical、Mesh定义节点/边契约每个 Agent 的输入输出格式、数据传递协议状态管理共享状态Shared State的设计与隔离失败路由某个 Agent 挂了系统怎么降级、回退、重试并行编排哪些任务可以并行、哪些必须串行、怎么汇合结果可观测性追踪每个节点的执行状态、Token 消耗、延迟分布核心技能树Graph Architect 技能树 ├── 图拓扑设计Pipeline/Diamond/Hierarchical/Mesh 等模式 ├── 节点/边契约输入输出 Schema、数据传递、类型安全 ├── 状态管理共享状态、状态隔离、状态持久化 ├── 失败路由断路器、降级策略、回退路径、死信处理 ├── 并行编排Fan-out/Fan-in、条件分支、动态路由 ├── 可观测性分布式追踪、指标监控、日志聚合 └── 框架精通LangGraph / CrewAI / ADK 2.0 / AutoGen薪资与岗位年薪区间50-100 万典型岗位名称Graph EngineerMulti-Agent ArchitectAI Platform Engineer高级Agent Systems ArchitectAI Infrastructure Lead这一代的关键跃迁从第三代到第四代是从单个进程到分布式系统的转变。第三代想的是“怎么让一个 Agent 自主完成任务”第四代想的是“怎么让多个 Agent 高效协作完成复杂任务”这个跃迁之所以难是因为它要求你具备分布式系统设计的思维。你需要考虑一致性多个 Agent 共享的状态怎么保持一致隔离性一个 Agent 出错了怎么不影响其他 Agent可扩展性想加一个新 Agent怎么做到不改现有代码可观测性系统出问题了怎么快速定位是哪个节点的问题成本5 个 Agent 同时跑Token 消耗怎么控制这些问题的答案跟你做微服务架构时的思路是相通的——但又有本质不同因为你的服务是有自主决策能力的 AI Agent它的行为不是确定性的。天花板在哪你设计的图都是单张图——在一个系统内、一个团队内、一个公司内你想让 A 公司的 Agent 和 B 公司的 Agent 协作但发现没有标准化的通信协议你想把多个已有的图组合成一个更大的系统但发现它们的状态模型不兼容你开始思考图的图应该怎么设计——元图Meta-Graph的问题六、第五代Multi-Graph Orchestrator多图编排者你在做什么你已经不设计单个图了。你设计的是图与图之间的关系。想象一下这个场景你们公司有一个客服 Agent 图负责处理客户问题合作方有一个供应链 Agent 图负责库存和物流另一个合作方有一个财务 Agent 图负责结算和对账这三个图需要跨组织协作——客户下了单客服图触发供应链图查库存供应链图触发财务图生成账单你要做的是设计一个元图Meta-Graph让这些独立的图能像一个整体一样协作。典型工作场景设计跨组织的 Agent 联邦协议制定 MCPModel Context Protocol/ A2AAgent-to-Agent通信标准构建 Agent 市场/注册中心Agent 的发现、认证、授权设计元图拓扑多个独立图之间的编排关系治理与安全跨组织数据流合规、权限控制、审计追踪成本分摊多个组织共用 Agent 基础设施时的计费模型核心技能树Multi-Graph Orchestrator 技能树 ├── 元图设计图间拓扑、跨图状态传递、全局编排 ├── 协议设计MCP / A2A / 自定义 Agent 通信协议 ├── 联邦治理跨组织认证、数据合规、SLA 管理 ├── Agent 市场注册/发现/版本管理/能力描述 ├── 安全架构零信任、数据隔离、审计追踪 └── 商业思维成本模型、定价策略、生态建设薪资与岗位年薪区间80-150 万典型岗位名称AI Platform Lead / Head of AI PlatformChief AI ArchitectMulti-Agent Systems DirectorAI Ecosystem ArchitectVP of AI Engineering这一代的关键跃迁从第四代到第五代是从一个系统到一个生态的转变。第四代想的是“怎么在我的系统里编排多个 Agent”第五代想的是“怎么在多个系统之间编排多张图”这个跃迁之所以最难是因为它不仅是技术问题还是组织问题和商业问题。你需要回答不同组织的 Agent 怎么互相信任Agent 之间的数据共享边界在哪谁来制定标准谁来执行治理成本怎么分摊价值怎么分配出了事故谁负责这些问题已经不是单纯写代码能解决的了。你需要同时具备技术深度、架构视野和商业洞察。七、五代能力模型全景对比为了让你更直观地看到五代之间的差异我做了一个完整的对比维度第一代 Prompt Writer第二代 Context Designer第三代 Loop Builder第四代 Graph Architect第五代 Multi-Graph Orchestrator核心对象一段 Prompt上下文环境Agent LoopAgent 图图的联邦核心问题怎么把问题说清楚怎么给 LLM 提供背景怎么让 Agent 自主行动怎么让多 Agent 协作怎么让多张图跨组织协作技术深度低中中高高极高系统思维无单点单进程单系统多系统年薪区间15-25 万25-45 万35-60 万50-100 万80-150 万可替代性高中高中低极低典型工作年限0-1 年1-2 年2-4 年3-6 年5 年核心框架无/ChatGPTLangChain/LlamaIndexClaude Code/CursorLangGraph/CrewAI/ADK自研平台/MCP/A2A类比写指令的实习生管图书馆的管理员独当一面的全能选手管理团队的 CEO制定行业标准的盟主八、自测清单你处于第几代来做个快速自测。回答下面的 10 个问题看看你处于哪一代自测题1. 你日常工作中花最多时间的事情是什么A. 写 prompt、调 prompt → 第一代 2B. 搭 RAG、管向量库、做检索优化 → 第二代 2C. 设计 Agent 循环、调工具调用链 → 第三代 2D. 设计多 Agent 拓扑、定义节点契约 → 第四代 2E. 设计跨系统协议、做架构治理 → 第五代 22. 你最近在读的技术资料是什么A. Prompt 技巧文章、ChatGPT 使用指南 → 第一代 1B. RAG 论文、向量数据库文档 → 第二代 1C. Agent 框架源码、ReAct 论文 → 第三代 1D. 分布式系统论文、图编排框架文档 → 第四代 1E. 协议规范MCP/A2A、多 Agent 系统论文 → 第五代 13. 你能独立完成的最高复杂度任务是什么A. 让 LLM 按指定格式输出 → 第一代 2B. 搭建一个能检索公司文档的问答系统 → 第二代 2C. 做一个能自动完成编码任务的 Agent → 第三代 2D. 设计一个多 Agent 协作的代码审查系统 → 第四代 2E. 设计跨组织的 Agent 协作平台 → 第五代 24. 你遇到的最头疼的问题是什么A. LLM 不听话输出格式不对 → 第一代 1B. 检索到的文档不相关回答质量差 → 第二代 1C. Agent 跑着跑着就跑偏了 → 第三代 1D. 多个 Agent 之间状态不一致 → 第四代 1E. 跨团队 Agent 协议不兼容 → 第五代 15. 你的代码库里最多的代码是什么类型A. 字符串模板、Prompt 拼接 → 第一代 1B. 数据加载、Embedding、检索逻辑 → 第二代 1C. 循环控制、工具调用、状态检查 → 第三代 1D. 图定义、节点注册、边路由 → 第四代 1E. 协议定义、服务注册、治理策略 → 第五代 1评分解读2-4 分你处于第一代Prompt Writer。你的基础是好的但需要尽快往上走。5-7 分你处于第二代Context Designer。你已经有了系统思维下一步是让 Agent 动起来。8-10 分你处于第三代Loop Builder。你是目前市场上最主流的 AI 工程师但天花板在眼前。11-13 分你处于第四代Graph Architect。你是稀缺人才薪资已经在高位。14-15 分你处于第五代Multi-Graph Orchestrator。你是行业顶尖定义标准的人。九、跃迁指南从当前代到下一代知道自己在哪之后关键问题来了怎么往上走第一代 → 第二代学会给 LLM 配环境你需要补的核心能力RAG 记忆管理 工具定义具体行动学一个向量数据库推荐 ChromaDB 或 Milvus跑通一个最基础的 RAG pipeline做一个文档问答项目把你的公司文档/技术文档灌进去搭一个能用的问答系统学 Function Calling理解 LLM 怎么调用外部工具自己写 3-5 个 tool 让 LLM 调用读 Andrej Karpathy 关于 Context Engineering 的推文和相关资料预计时间1-2 个月第二代 → 第三代学会让 Agent 跑起来你需要补的核心能力Agent Loop ReAct 工具链编排具体行动手写一个 Agent Loop不要先用框架自己用 Python 写一个while True循环让 LLM 在里面反复调用工具直到任务完成学 ReAct 模式读论文 “ReAct: Synergizing Reasoning and Acting in Language Models”然后实现它用 Claude Code 或 Cursor Agent 工作一个月深度体验一个成熟的 Agent Loop 产品理解它的行为模式做一个能自动完成编码任务的 Agent给它一个 GitHub Issue让它自己分析、写代码、跑测试、修 bug预计时间2-3 个月第三代 → 第四代学会让多个 Agent 协作你需要补的核心能力图拓扑设计 状态管理 失败路由具体行动学 LangGraph这是目前最成熟的 Graph Engineering 框架把它的官方文档和示例全部跑一遍实现经典的图模式Pipeline、Diamond、Verifier、Hierarchical——每种模式至少做一个项目学分布式系统基础如果你没有分布式系统经验补一下 CAP 定理、断路器模式、Saga 模式做一个多 Agent 项目比如一个代码审查系统——一个 Agent 写代码、一个 Agent 审查、一个 Agent 跑测试它们之间有明确的协作关系预计时间3-4 个月第四代 → 第五代学会让多张图互联你需要补的核心能力协议设计 联邦治理 生态思维具体行动深入研究 MCP 和 A2A 协议读规范、跑实现、理解设计哲学做一个跨系统的 Agent 项目比如让你的 Agent 系统跟第三方的 Agent 系统通过标准协议通信学平台思维从做产品到做平台理解 API 经济、开发者生态关注行业标准动态参与 MCP/A2A 的社区讨论了解最新的协议演进预计时间4-6 个月十、技能雷达图每一代长什么样为了更直观地展示五代工程师在不同技能维度上的差异我用雷达图来呈现第五代生态构建者第四代系统架构师第一/二代基础构建者第三代Agent开发者P5-MultiGraphP4-GraphP3-LoopP2-ContextP1-PromptPrompt能力系统架构单点深度全局视野各代工程师技能维度对比说明横轴从Prompt 能力到系统架构纵轴从单点深度到全局视野。每一代都在前一代的基础上向外扩展而不是替代。让我再用一个更详细的技能维度表来补充技能维度第一代第二代第三代第四代第五代Prompt 工程★★★★★★★★★☆★★★☆☆★★★☆☆★★☆☆☆上下文工程★★☆☆☆★★★★★★★★★☆★★★☆☆★★★☆☆Agent 循环设计☆☆☆☆☆★★☆☆☆★★★★★★★★★☆★★★☆☆图拓扑设计☆☆☆☆☆☆☆☆☆☆★★☆☆☆★★★★★★★★★☆分布式系统☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆★★★★☆★★★★★协议与标准☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆★★☆☆☆★★★★★商业与生态☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆★★☆☆☆★★★★★可观测性☆☆☆☆☆★☆☆☆☆★★☆☆☆★★★★☆★★★★★注意一个关键规律每一代对上一代的核心技能要求会降低因为已经内化了同时增加新的技能维度。你不需要丢掉 prompt 能力去学 graph——你需要在保持 prompt 能力的基础上叠加 graph 能力。十一、关键洞察组合不是替代讲到这里我必须再次强调这个最重要的点——因为这个点决定了你的学习策略。每一代都是在前一代的基础上 COMPOSE组合而不是 REPLACE替代。第五代 Multi-Graph Orchestrator └── 包含多个第四代 Graph Architect 设计的图 └── 每张图里有多个第三代 Loop Builder 构建的 Agent Loop └── 每个 Loop 里有第二代 Context Designer 设计的上下文 └── 每个上下文里包含第一代 Prompt Writer 写的 prompt这意味着什么意味着你之前学的东西不会白费。你现在是个 Prompt Writer很好你写的 prompt 在第五代的系统里依然会被用到——只是不再由你一个人写了而是由你设计的 Agent 系统里的某个节点来写。你现在是个 Loop Builder很好你的 loop 在 Graph 里会被嵌入到每个节点内部继续运行——Graph 不是来替代你的 loop 的是来帮你组织多个 loop 的。“We didn’t stop prompting when we found context. We didn’t drop context when we built loops. We don’t abandon loops when we build graphs.”这句话值得你反复品味。所以你的学习策略应该是确认你当前在第几代用上面的自测清单把当前代的核心技能练到扎实不要跳级开始学习下一代的核心技能但不用丢掉当前的用项目驱动学习每学一个新技能就做一个小项目十二、市场供需为什么越往上越值钱你可能会问为什么第五代能拿 150 万这不是吹的吗不是。让我用供需关系来解释。供给端第一代几乎所有会用 ChatGPT 的人都能做。供给量百万级第二代会搭 RAG 的开发者。供给量十万级第三代能做 Agent Loop 的工程师。供给量万级第四代能设计多 Agent 图拓扑的架构师。供给量千级第五代能设计跨组织 Agent 联邦的顶尖架构师。供给量百级需求端2026 年几乎所有公司都在做 AI 应用第一代需求大越来越多公司发现需要 RAG 来处理内部知识第二代需求增长快Agent 自动化是下一个热点第三代需求爆发单 Agent 到顶了企业开始需要多 Agent 系统第四代需求急剧增长但供给严重不足跨组织 Agent 协作还处于早期但头部企业已经在布局第五代需求刚起步但单价极高供需缺口最大的就是第四代和第五代。这就是为什么 Graph Engineer 能拿到 50-100 万Multi-Graph Orchestrator 能拿到 80-150 万。不是因为这些岗位看起来高大上而是因为能做这些事的人太少了而需要做这些事的公司太多了。十三、职业路径建议不同背景的人怎么走如果你现在是后端架构师你的优势分布式系统思维、服务编排经验、状态管理理解。你需要补的LLM 调用链、Prompt 工程、Agent 行为模式。建议路径直接瞄准第三代用 2-3 个月补齐 AI 基础然后快速进入第四代。如果你现在是前端工程师你的优势用户体验设计、交互逻辑、前后端协作。你需要补的后端编排逻辑、分布式系统基础、Agent 架构。建议路径从第二代开始先学会 RAG 和上下文管理然后进入第三代做 Agent 产品。如果你现在是数据工程师你的优势Pipeline 思维、数据处理、ETL 经验。你需要补的Agent 行为模式、图拓扑设计、实时编排。建议路径从第三代开始你的 Pipeline 思维跟 Agent Loop 很接近然后快速进入第四代。如果你现在是算法工程师你的优势模型理解、训练经验、评估方法。你需要补的工程化落地、系统设计、产品思维。建议路径从第三代开始你对模型的理解是巨大优势重点补工程化能力。如果你现在是非技术岗想转行你的优势业务理解、沟通能力、领域知识。你需要补的编程基础、AI 基础、系统设计。建议路径从第一代开始先学会写好 Prompt然后逐步往上走。预计需要 6-12 个月到达第二代水平。十四、一个真实的案例我认识一个开发者叫他小王吧。小王 2024 年初开始接触 AI当时他的工作就是写 prompt——给公司的客服机器人写对话模板。月薪 12K年薪大概 15 万。标准的第一代。2024 年下半年他意识到光写 prompt 不够开始自学 RAG。花了两个月搭了一个公司内部知识库问答系统。跳槽到一家 AI 创业公司月薪涨到 20K。这是第二代的水平。2025 年他花了三个月深入研究 Agent Loop自己手写了一个能自动分析 GitHub Issue 并生成修复 PR 的 Agent。这个时候已经有公司愿意给他 35K 了。第三代。2026 年初他学了 LangGraph做了一个多 Agent 协作的代码审查系统——一个 Agent 分析代码、一个 Agent 写审查意见、一个 Agent 生成修复建议、一个 Agent 做最终决策。直接被一家大厂以 60K 月薪挖走。第四代。两年时间从 15 万到 60 万。他的秘诀是什么不是天赋是路径清晰。他知道自己在哪知道下一步该学什么然后用项目来验证学习成果。每一步都走得很扎实每一步都建立在前一步的基础上。这就是五代能力模型的价值——它给你一张地图让你知道路在哪。小结今天我们聊了 AI 工程师能力模型的五代进化第一代 Prompt Writer15-25 万核心能力是写好 prompt第二代 Context Designer25-45 万核心能力是构建上下文环境第三代 Loop Builder35-60 万核心能力是让 Agent 自主循环运行第四代 Graph Architect50-100 万核心能力是设计多 Agent 图拓扑第五代 Multi-Graph Orchestrator80-150 万核心能力是编排跨组织的 Agent 联邦记住三个关键点第一组合不是替代。每一代都建立在前一代的基础上你不需要丢掉旧技能去学新技能。第二供需决定价格。越往上走能做的人越少市场愿意付的钱越多。第三路径比努力重要。知道自己在哪、该往哪走比盲目努力重要得多。用上面的自测清单定位自己用跃迁指南规划下一步然后用项目来验证学习成果。你不需要成为第五代才能拿到高薪。只要你比市场平均水准高一代你就是稀缺的。下节预告第 1 章第 6 节《从 Loop 到 Graph一次不得不发生的范式跃迁》下一章我们正式进入从 Loop 到 Graph的范式跃迁。这一章的前 5 节我们做了大量的铺垫——讲清楚了 Graph Engineering 是什么、为什么重要、市场有多大、你的职业前景在哪里。从下一节开始我们要进入硬核技术区了。我们会深入剖析单 Agent Loop 的五大结构性缺陷——上下文腐烂、串行瓶颈、无故障隔离、无并行能力、状态管理混乱。每个问题都会配真实的生产案例让你对号入座。如果说前五节是为什么要学 Graph Engineering从第六节开始就是Graph Engineering 到底怎么解决 Loop 解决不了的问题。准备好了吗我们继续。互动区如果这篇文章对你有帮助请点赞 收藏 ⭐ 关注三连支持一下今天留三个问题给大家讨论你觉得自己现在处于第几代用自测清单测一下然后在评论区告诉我你的得分。你见过的最复杂的 AI 系统是什么架构单 Agent Loop多 Agent Graph还是更复杂的从你当前这一代跃迁到下一代你觉得最大的障碍是什么时间资源方向还是其他评论区见。你的回答可能会帮助到其他正在犹豫的同学。我们下篇见。作者简介资深架构师多年分布式系统开发经验现专注于 AI Agent 系统架构设计与 Graph Engineering 工程实践。系列导航Graph Engineering 系统课程 · 共 127 篇 · 持续更新中上一篇第1章第4节 · 为什么是2026Graph Engineering爆发的五大临界点下一篇第1章第6节 · 从Loop到Graph一次不得不发生的范式跃迁关键词AI工程师能力模型, 五代进化, Graph Engineer薪资, 职业路径, Prompt Engineer, Context Engineering, Loop Engineering, Graph Engineering