南京
10k-22k 为主，资深/行业落地岗可到 15k-35k+
业务系统集成、Python/FastAPI、RAG/Agent 原型交付、私有化部署表达。
FastAPIDify/RAGFlowLangChain向量库Docker
行动建议：优先准备企业知识库 MVP：文档解析、引用返回、评测表和部署说明。
市场摘要
2026-10-01 更新（W40）：本轮核对官方技术发布，并查看南京招聘搜索样本。 搜索样本仍出现 Python 后端、Dify/RAGFlow、RAG 与业务系统集成，但抓取时间不一致，无法证明当前在招数量或薪资变化。 薪资与经验区间沿用历史样本，不视为 10 月实时统计。新增学习建议来自 GPT-6.1 Sol 与 Agents API 官方文档， 属于项目准备方向，不等同于已统计的招聘高频要求；投递前请核对具体职位发布日期与职责。
数据更新时间：
城市范围
南京 + 北上广深对照
高频技能
13 项
薪资样本
南京样本 10k-22k 为主，资深/算法/行业落地岗常见 15k-35k+；北上深广 RAG/Agent 岗位常见 20k-40k 或 25-40W/年起跳
经验样本
南京 1-5 年与 5 年+ 并存；北上深广中高级多要求 3 年+ 大模型/深度学习经验，校招更看项目与实习
10k-22k 为主，资深/行业落地岗可到 15k-35k+
业务系统集成、Python/FastAPI、RAG/Agent 原型交付、私有化部署表达。
中高级更常见 25k-45k+ 或 30W-60W/年
平台化、模型服务、Agent 工作流、评测体系和大厂工程规范。
AI 应用/数据产品多在 20k-40k 区间，中高级看行业场景
金融、零售、企业数据分析、知识库和业务流程自动化。
应用开发与交付岗常见 15k-30k，中高级看项目闭环
低代码、企业微信/CRM/客服系统、Agent 落地与交付效率。
RAG/Agent/模型工程中高级常见 25k-45k+
硬件/制造/跨境/金融科技场景，强调性能、部署和多模态。
区间差异大，更看英文沟通、开源作品和可验证交付
异步协作、文档化、API 产品、开源生态和端到端 demo。
Snapshot
GPT-6.1 Sol 的工具调用要求 Responses API，且不支持 none/minimal 推理档位； Agents API 托管浏览器的站点批准与登录由应用处理。建议展示接口兼容回归、审批记录、 任务取消和失败恢复；这些是官方发布映射出的工程准备建议，不是招聘样本统计结论。
AI 应用/大模型应用开发职位多落在 10k-22k；5 年+ 或算法/行业落地背景职位多在 15k-35k+。 低薪区间通常要求原型交付，高薪区间更看工程化、私有化部署、性能优化与行业经验。
南京从 1-3 年、3-5 年到 5-10 年均有样本；北上深广中高级更偏 3 年+ 大模型/深度学习经验， 校招与实习更看能否拿出可运行项目和真实业务闭环。
Python、FastAPI/Flask、Dify、LangChain/LangGraph/LlamaIndex、RAG、Agent、向量库、Docker、业务系统集成、MCP、Agent 工作流编排
企业级 RAG、多租户知识库、Milvus/Qdrant/Pinecone、vLLM/TGI、LoRA/QLoRA、ReAct/Self-Ask、多 Agent、 MCP/Function Calling、评测体系、安全合规与高并发低延迟服务、A2A 协议、Agent 可观测性、模型迁移。
脉脉公开报道显示 2026 年 1-4 月 AI 新发岗位同比增长 8.7 倍，Agent 应用落地推动 AI 应用人才需求； 科锐国际报告强调招聘从「拼想象力」转向「拼落地能力」，场景、工程、行业理解和产品化思维并重。 8月趋势：权限疲劳治理（Auto Mode 分类器）、沙箱强隔离防逃逸、MCP 生产无状态架构与多模型弹性路由成为高频考点。
2026 年 9 月初秋招全面打响，南京及全国大模型企业对候选人要求从“Demo 原型搭建”转向“高确定性工程落地”： Claude Fable 5.1 将 Prompt Cache 读取价格降 75%，使如何设计前缀命中降低 40%+ 成本成为架构必考题； Google Gemini 3.8 Flash 带来新的长任务评测候选；缓存收益和任务停止机制应通过项目实验验证，不能据此推断招聘要求。
2026-08-16 观察表明，随着 Agent 自主能力的跃升，安全焦点从“提示词防注入”升级为“运行时权限分类与沙箱强隔离”： Claude Code 默认开启 Auto Mode，利用工具分类器自动放行低风险操作，并设置连续 3 次阻断熔断降级机制； OpenAI 因 Astra 漏洞发掘能力强化受限网络沙箱与 CoT 行为监控。面试中展现“如何设计人审机制避免权限疲劳”是高阶加分项。
随着 Claude Opus 5 (7-24) 和 Gemini 3.7 Flash (8-13) 的相继发布，多模型路由策略有了新的优质选项。 Gemini 3.7 Flash ($0.75/M) 成为低成本 Agent 与代码生成的主力工作马，而 Claude Opus 5 (1M context, 默认深度思考) 则适用于高难度推理任务。企业端评估重点转向如何在不同复杂度的任务间进行精确调度。
2026-08-12 复核显示，OpenAI gpt-5.2/gpt-5.3 chat snapshots 已过 2026-08-10 shutdown date， 面试表达应从“迁移计划”升级为“残留依赖清理、生产日志巡检、回归集复测和错误 fallback 阻断”。 同期南京与周边岗位样本仍反复出现 LangChain/LlamaIndex、RAG、智能 Agent、Dify、FastAPI、知识库 API 等关键词； Vercel Sandbox、AI Gateway 与 Agent guardrails 提醒候选人把工具权限、凭证隔离、数据外流和 sandbox 执行讲成工程闭环。
2026 年 6 月中旬的技术信号集中在生产约束：MCP RC 让工具协议更适合水平扩展， A2A / A2UI 强调 Agent 发现、通信与界面互操作，Vercel AI SDK 6 / Workflow 把 durable agent 和流式 UI 推前， OpenAI Agents SDK 强调沙箱执行与 Manifest 工作区。面试会更关注失败恢复、审计日志、任务生命周期和协议边界。
2026 年 6 月底至 7 月上旬，模型选择从单一默认值进一步转向分层路由与可配置推理投入。 Claude Sonnet 5 的 effort levels 与 GPT-5.6 (Sol/Terra/Luna) API 开放， 使应用层能够按任务复杂度、延迟和 Token 成本配置路由策略；真正可写进简历的仍是回归集和实测数据， 而不是未经验证的固定节省比例。
MCP 2026-07-28 正式版为无状态工具协议和扩展生命周期建立新基线； OpenAI Presence 强调策略、仿真评测、护栏和人工升级，Vercel Agent 则展示独立身份、 计划范围短时权限与隔离沙箱。系统设计题会更关注“Agent 出错时影响范围有多大、如何发现、谁能批准、如何回退”。
2026 年 8 月初，团队普遍进入 GPT-5.2/5.3 8-10 淘汰前的最终迁移与回归阶段； 同时，MCP 2026-07-28 正式规范与 OpenAI Presence / Vercel Agent 的沙箱验证、计划范围短时授权被广泛纳入架构考题。
每周行动
| 周次 | 新增高频词 | 覆盖度（会/能做/可讲） | 下周补齐动作 |
|---|---|---|---|
| W40（2026-09-28 ~ 10-04） | GPT-6.1 Sol、Responses 工具调用、reasoning.effort 兼容、Agents API computer use、浏览器访问批准、Gemini 3.8 TTS | 会（解释模型、端点和推理档位的兼容关系）/ 能做（建立工具调用回归与浏览器审批链路）/ 可讲（账单核算、取消恢复与语音链路延迟） | 用固定任务集对比候选模型的成功率、P95 和完整账单；补一条浏览器任务的访问批准、登录、提交确认与取消路径； 更新简历证据，明确已完成、实验中和计划中的能力，节省比例仅引用自己的实测结果。 |
| W36（2026-08-31 ~ 09-06 · 金九银十开局） | Prompt Caching 深度优化、Gemini 3.8 Flash、Claude Fable 5.1、Agent Kill-Switch 自动化关断、o3 界面退役闭环、长任务自愈 | 会（解释 Prompt Cache 前缀编排机制与 Kill-Switch 触发条件）/ 能做（重构静态/动态 Prompt 命中缓存、降低 40% 成本）/ 可讲（长周期 Agent 稳定性、沙箱防逃逸与成本双向优化） | 在现有 Agent Demo 中重构上下文编排以最大化 Prompt Caching 命中率；接入 Gemini 3.8 Flash 评测长周期多步代码重构任务； 设计基于 Redis 状态机的分布式 Kill-Switch 接口；针对 9 月秋招投递更新简历 STAR 案例与量化证据链。 |
| W33（2026-08-10 ~ 08-16） | Auto Mode 权限治理、权限疲劳破解、Agent 沙箱强隔离、CoT 行为监控、Gemini 3.7 Flash 评估、Claude Opus 5 评估、o3 退役准备、Vercel Sandbox / AI Gateway | 会（解释权限分类器与 CoT 行为监控）/ 能做（搭建只读放行+高危拦截+3次熔断降级架构）/ 可讲（生产级 Agent 安全沙箱与权限疲劳治理实践） | 给现有 Agent 增加工具分类器与熔断降级（连续 3 次拦截切换为强制人工审批）；沙箱环境配置 Egress 出站白名单与 CoT 风险拦截； 用 20+ 条回归集评估 Gemini 3.7 Flash 与 Claude Opus 5 在多模型路由中的分流效果；准备 8-26 o3 退役迁移。 |
| W32（2026-08-03） | 8-10 模型迁移倒计时、GPT-5.6 评估回归集、MCP 2026-07-28 生产落地、Agent 计划授权与隔离沙箱 | 会（解释模型迁移与无状态 MCP）/ 能做（搭建迁移回归集与沙箱审批流）/ 可讲（生产 Agent 安全治理与平滑版本切换） | 为现有的 Agent 路由网关跑一轮 GPT-5.2/5.3 -> GPT-5.6 20 条迁移回归集；完成 MCP 2026-07-28 无状态发现接口改造，增加高风险动作的短时计划授权与沙箱验证。 |
| W31（2026-07-29） | MCP 2026-07-28 正式版、Agent 独立身份、最小权限、计划审批、沙箱验证、评测与人工升级 | 会（解释无状态 MCP 与 Agent 权限边界）/ 能做（实现只读默认态、审批、短时权限和审计）/ 可讲（用评测与生产会话推动受控迭代） | 给 Agent Demo 增加一条高风险工具链路：默认只读，先输出执行计划，经人工批准后获取短时 capability， 在沙箱中验证，再执行并记录 trace；补 10 条越权/失败场景回归集与一页回滚说明。 |
| W28（2026-07-13） | Claude Sonnet 5、GPT-5.6 (Sol/Terra/Luna)、可配置 effort、多级模型降级与提升路由 | 会（解释新模型能力边界）/ 能做（搭建三级模型路由与推理 effort 控制）/ 可讲（在长周期任务中如何根据成本和复杂度动态调度模型） | 在现有 Agent 框架中重构三级路由（Luna 用于低风险分类，Terra 用于常规执行，Sol 用于高难任务或失败升级）， 用固定回归集记录误路由率、成功率、P95 延迟和单任务成本，再决定是否写入简历。 |
| W27（2026-07-06） | 24/7 主动式 Agent、自适应代理规划、Browser Use 自主控制 | 会（了解主动 Agent 交互）/ 能做（配置 Agent 终端与浏览器工具调用）/ 可讲（长周期规划与错误回滚） | 结合 Claude Sonnet 5 的 agentic 能力，写一个支持自主终端和网页读写的自动化巡检脚本 demo，并在简历中加入此经历。 |
| W25（2026-06-15） | MCP 2026-07-28 RC、AI SDK 6 Agent 抽象、Vercel Workflow durable agent、A2A / A2UI、Agents SDK 沙箱执行、gpt-5.2/5.3 迁移 | 会（解释 MCP/A2A/A2UI 分工与模型生命周期）/ 能做（给 Agent demo 加沙箱边界、trace_id、工具重试和流式状态）/ 可讲（长任务恢复、模型迁移回归、协议选型） | 1) 把 Agent 项目补一张「协议与运行时架构图」：MCP 工具层、A2A 协作层、UI streaming、workflow/checkpoint； 2) 建 20 条模型迁移回归集，覆盖 RAG 引用、工具调用、摘要和中文求职材料； 3) 在简历项目讲述里补「失败恢复 + 审计日志 + 成本/延迟」三组证据。 |
| W24（2026-06-13） | A2A 协议生态升温、GPT-5.5 迁移倒计时、Vercel AI SDK 6、Agent 可观测性、多模型灰度切换 | 会（理解 MCP vs A2A 分工）/ 能做（在 Agent demo 中加入任务编排与跨 Agent 通信）/ 可讲（模型迁移策略与 A/B 测试方案） | 1) 在 Agent 项目中对 GPT-5.2/5.3 调用标记废弃警告，实测 gpt-5.5-pro 迁移差异；2) 研究 A2A / A2UI 核心概念， 写一页「MCP 与 A2A 在架构中的定位」笔记；3) 为现有 Agent 项目补充可观测性：trace_id、耗时分解、失败分类统计。 |
| W23（2026-06-06） | MCP Streamable HTTP 实现、OpenAI Agents SDK 沙箱、Realtime Voice Agent、多模型路由与 fallback 治理 | 会（跟进 MCP RC 实现细节）/ 能做（给 Agent demo 加沙箱边界与语音交互草图）/ 可讲（多模型路由策略：成本、延迟、准确率权衡） | 1) 在 RAG/Agent 原型中验证 MCP Streamable HTTP 传输，从 stdio 迁移到 HTTP 并对比延迟差异； 2) 参考 Agents SDK / AI SDK 6 重写一个最小 agent 示例（包含 tool calling + 错误恢复 + 流式状态）； 3) 输出一页「模型路由决策矩阵」：按任务类型（分类/摘要/推理/embedding）映射模型、成本、延迟、fallback 策略。 |
| W22（2026-05-28） | MCP 无状态扩展 (Tasks/Apps)、GPT-5.5 多步工具调用、OAuth 2.0 / OpenID 安全校验 | 会（读过 MCP 新规范）/ 能做（在 FastMCP 接入 UI）/ 可讲（无状态 HTTP 传输方案与安全边界） | 在 RAG/Agent 原型中用 MCP Spec RC 版重构工具接口，将 stdio 传输升级为 Streamable HTTP，并配置 API 鉴权与防重放签名校验。 |
| W21（2026-05-21） | HTTP+SSE 弃用、MCP 规范 RC、OAuth Mix-up 防御、Durable Tasks | 会（知道规范迭代）/ 能做（用 tasks 管理长任务）/ 可讲（长短任务生命周期管理与异常恢复） | 在 Agent Demo 中引入任务生命周期管理接口（tasks/get、tasks/update），替代纯内存的单次执行，实现长任务可暂停、可恢复。 |
| W20（2026-05-16） | Dify/RAGFlow、LangGraph、企业级 RAG、vLLM/Ollama、Milvus/Qdrant、Function Calling/MCP、安全合规 | 会（能解释岗位词）/ 能做（能搭最小闭环）/ 可讲（能说明为什么这样设计、如何评测、如何上线） | 把现有 RAG 项目补成「企业知识库 MVP」：文档解析 + 向量库 + FastAPI + 引用返回 + 20 条评测集 + 成本/延迟记录； 同时准备一个 3 分钟录屏，证明不是只会写 prompt。 |
| W19（2026-05-11） | GPT-5.5、Realtime Voice API、Anthropic 算力扩容、LangGraph 1.x | 会（跟模型发布）/ 能做（选一条进项目）/ 可讲（成本+场景+降级） | 把「新模型能力」映射到一条可演示用户路径；更新简历里的模型路由与成本表述 |
| W18 | Enterprise AI JV、Agent 岗位表述、多模态交付 | 会（读新闻）/ 能做（写一页 B 端交付假设）/ 可讲（数据与安全边界） | 整理「企业侧采购关注点」清单，对照你当前项目能否回答 |
| W17 | LangGraph 类型化 stream、checkpoint、评测回归 | 会（跑通子图）/ 能做（加 trace_id）/ 可讲（失败重试与回放） | 给现有 Agent demo 加最小评测集 + 一次回归记录（markdown 即可） |
| W16 | 向量库对比、RAG bad case、延迟与成本 | 会（能改 prompt）/ 能做（出延迟分解）/ 可讲（取舍理由） | 做一页「召回失败类型」归因表，并对应到代码改动点 |
2026-10-01 更新（W40）：本轮核对官方技术发布，并查看南京招聘搜索样本。 搜索样本仍出现 Python 后端、Dify/RAGFlow、RAG 与业务系统集成，但抓取时间不一致，无法证明当前在招数量或薪资变化。 薪资与经验区间沿用历史样本，不视为 10 月实时统计。新增学习建议来自 GPT-6.1 Sol 与 Agents API 官方文档， 属于项目准备方向，不等同于已统计的招聘高频要求；投递前请核对具体职位发布日期与职责。
编辑文件：content/market/nanjing-weekly.md