是继续做推广搜还是转agent

做推广搜有几年了，主要还是用pytorch去搭模型，模型里也用一些transformer 的构架。现在想找下一份工作， 本来想看看LLM training 有没有机会，发现没有直接经验很难过interview。剩下的有两个方向：a)继续推广搜，b)agent。

推广搜的技术壁垒高一些，感觉到agent 没有深度。然而，2年后推广搜可能和现在还是差不多，agent却一日千里，现在是不是应该放弃推广搜去做agent?

除非你的agent 完全不考虑performance
, 否则它的开发的门槛并不低。

开发agent 需要非常多sde的知识，大多数train model 的 MLE并不具备。我曾见过MLE为了并行llm call,居然用多进程。这种操作进了agent, 稍微复杂点的任务，估计直接就能把agent 给炸了。

各种agent概念被扔进垃圾堆里的速度确实是一日千里

反复横跳后果一般不会太好
16-18年ai不火一群人劝我放弃AI转swe呢，不如深耕自己擅长的

agent一日千里体现在哪里呢？

匿名用户 发表于 2026-8-15 17:11
agent一日千里体现在哪里呢？

楼主都不知道怎么回答你了

能在推广搜里做agent可能是最方便的转型手段，进可攻退可守。如果能接触到posttraining就更好了，不能也可以接触一下agent eval，experimentation这些

https://netflixtechblog.com/in-h ... etflix-a5a8e799ea2c

这也是搜广推

匿名用户 发表于 2026-08-15 15:39:49
. 1point 3 acres楼主都不知道怎么回答你了

你看看层出不穷的名词就知道发展快了

匿名用户 发表于 2026-08-15 15:57:59
能在推广搜里做agent可能是最方便的转型手段，进可攻退可守。如果能接触到posttraining就更好了，不能也可以接触一下agent eval，experi

推广搜的agent 应该受限制比较多的，如果做agent,就要做通用的

微信用户_a74b39d 发表于 2026-08-15 16:36:08
https://netflixtechblog.com/in-house-llm-serving-at-netflix-a5a8e799ea2c

这也是

这几家大公司都这样做啊，这是ml infra, 推荐模型都是用tensor, GPU

匿名用户 发表于 2026-8-15 20:11
-baidu 1point3acres这几家大公司都这样做啊，这是ml infra, 推荐模型都是用tensor, GPU

tiktok是这样的 meta不是捏