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
2026-07-29 联网复核：南京侧核心职位样本仍集中在 Python、FastAPI/Flask、Dify、LangChain、 RAG、Agent、Docker、私有化部署与业务系统集成；可展示项目和效果评估仍是明显加分项。 W31 新增技术信号来自 MCP 2026-07-28 正式规范、OpenAI Presence 与 Vercel Agent： 企业 Agent 的考察重点继续向独立身份、最小权限、计划审批、沙箱验证、评测与人工升级收敛。 招聘平台职位会过期或下架，本页只做方向、技能词和区间归纳，不作为精确统计。
数据更新时间：
城市范围
南京 + 北上广深对照
高频技能
12 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
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。 6月趋势：Agent-to-Agent 协作、MCP 生产级部署、模型迁移、多模型路由与成本治理成为面试高频话题。
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、如何回滚”。
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 |
|---|---|---|---|
| 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 |
2026-07-29 联网复核：南京侧核心职位样本仍集中在 Python、FastAPI/Flask、Dify、LangChain、 RAG、Agent、Docker、私有化部署与业务系统集成；可展示项目和效果评估仍是明显加分项。 W31 新增技术信号来自 MCP 2026-07-28 正式规范、OpenAI Presence 与 Vercel Agent： 企业 Agent 的考察重点继续向独立身份、最小权限、计划审批、沙箱验证、评测与人工升级收敛。 招聘平台职位会过期或下架，本页只做方向、技能词和区间归纳，不作为精确统计。
编辑文件：content/market/nanjing-weekly.md