Agent与后训练算法：就业选择与学习路径

一位即将研二的学生，目前研究方向为知识图谱，并已有一篇相关论文在投。鉴于未来就业规划，该学生希望转向AI算法领域，具体倾向于“后训练算法”或““Agent算法”方向。他已具备LLM基础知识，包括微调和强化学习理论，但缺乏实际模型训练经验。团队拥有1张5880和3张4090D显卡资源。 在Agent方面，该学生日常使用Claude和Codex，对MCP协议、工具使用（Tool Use）及RAG（检索增强生成）等概念有所了解，但对Agent的记忆、规划机制等深层技术理解有限。 该学生主要寻求以下指导： 1. 就业方向选择：在“后训练算法”与“Agent算法”之间，哪个更具就业优势？他同时提出疑问，Agent算法是否也涉及后训练优化。 2. 学习路径规划：确定方向后，如何系统学习？ 3. 学习资源推荐：包括开源项目、视频教程、论文资料及完整的学习路线图。 这反映了当前AI领域中，许多开发者在面对新兴技术方向（如Agent）与成熟优化技术（如后训练）时的选择困境，以及对系统性学习资源和职业发展路径的强烈需求。