01 · 核心判断
本报告所称 Agent 人才： 主要职责直接参与 Agent 系统的构建、运行、研究、评测、产品化或技术部署的人才。本文统计的 JD / 人才均与 Agent 系统强相关；下文分类名称省略 Agent 前缀以减少重复。Agent 系统能基于模型规划步骤、调用工具并完成任务。
十个岗位组： Application Engineering、Research / Model Behavior、Runtime / Platform、Deployment Engineering、Product / Design、Post-training / Robustness、Evals / Quality、Orchestration / Workflow、Solutions Architecture、Safety / Governance。
Agent 人才是共享生产底层的多个岗位市场
本报告基于 259 个可见 Agent JD 与 513 名可识别在职 Agent 人才，覆盖美国 32 家公司。同一套十个岗位组贯穿招聘需求与人才存量，使公司重点可以直接对比。
01Agent 共同底层是接入、评测与稳定运行能力
Reliable operation、Continuous evaluation 与 Real-system integration 分别覆盖 87.3%、73.4% 和 69.5% 的 JD；LangChain / LangGraph 仅覆盖 9.3%。
02Application Engineering 最大，但公司的首要缺口完全不同
Application Engineering 有 77 个 JD、覆盖 18 家公司；但 Google 的 22 个 JD 中有 11 个是 Deployment Engineering，Salesforce 的 27 个中有 8 个是 Orchestration / Workflow，OpenAI 还同时发布 6 个 Post-training / Robustness 与 5 个 Safety / Governance 岗位。
03最大人才库与最激进招聘方分属两批公司
Microsoft 与 Salesforce 集中 273 / 513 名可识别在职人才；Scale AI 与 OpenAI 合计发布 68 个 JD，却只观察到 18 名在职人才，招聘需求与现有人才存量明显错位。
04主要人才来源不只在 AI Lab，也在云平台、咨询与企业软件
Amazon / AWS 是最大可见来源，共 21 人；Bain 向 Decagon 输送 6 人，Slack 与 MuleSoft 合计向 Salesforce 输送 8 人。不同 Agent 岗位对应不同来源生态。
02 · 公司瓶颈
同样在招 Agent，各家公司要的人完全不同
同样在招 Agent，OpenAI 要的是安全接入真实系统，Anthropic 要的是测清模型行为，Scale AI 要的是评测工厂，Salesforce 要的是企业工作流持续验证，ServiceNow 要的是状态层运行。它们共享 Agent 标签，但真正竞争的能力栈并不相同。
OpenAI33 JD
安全系统接入
Real-system integration 覆盖 33 / 33，Safety / permissions 覆盖 32 / 33。OpenAI 的反常点在于：几乎每个 Agent JD 都要碰到真实系统边界，需求已经超出 demo 构建。
Real-system integration
100.0%33 / 33
Reliable operation
100.0%33 / 33
Safety / permissions
97.0%32 / 33
Continuous evaluation
57.6%19 / 33
Agent orchestration
33.3%11 / 33
数据来源: Metix AI
Anthropic16 JD
模型行为评测
Continuous evaluation 覆盖 12 / 16，高于 Real-system integration 的 6 / 16。它和 OpenAI 的差异在这里最清楚：Anthropic 更像评测、环境与模型行为队形。
Real-system integration
37.5%6 / 16
Reliable operation
87.5%14 / 16
Safety / permissions
68.8%11 / 16
Continuous evaluation
75.0%12 / 16
Memory / state
12.5%2 / 16
数据来源: Metix AI
Scale AI35 JD
评测工厂
Continuous evaluation 覆盖 35 / 35，是六项能力中唯一拉满的一项；同时 Agent orchestration 覆盖 19 / 35，说明它在招的是可规模化评测与反馈流水线。
Real-system integration
80.0%28 / 35
Reliable operation
85.7%30 / 35
Safety / permissions
57.1%20 / 35
Continuous evaluation
100.0%35 / 35
Agent orchestration
54.3%19 / 35
数据来源: Metix AI
Google22 JD
云与产品编排
Google 的 Agent orchestration 覆盖 12 / 22，高于全市场 42.1% 的基准；但 Real-system integration 只有 12 / 22，不像 OpenAI 那样饱和。
Real-system integration
54.5%12 / 22
Reliable operation
86.4%19 / 22
Safety / permissions
63.6%14 / 22
Continuous evaluation
68.2%15 / 22
Agent orchestration
54.5%12 / 22
数据来源: Metix AI
Salesforce27 JD
工作流持续验证
Continuous evaluation 覆盖 26 / 27，Real-system integration 覆盖 24 / 27。Salesforce 的 Agent 需求集中在企业工作流接入后的持续测量。
Real-system integration
88.9%24 / 27
Reliable operation
92.6%25 / 27
Safety / permissions
48.1%13 / 27
Continuous evaluation
96.3%26 / 27
Agent orchestration
48.1%13 / 27
数据来源: Metix AI
ServiceNow27 JD
状态层运行
Memory / state 覆盖 6 / 27，是全市场 6.6% 基准的 3.4 倍；ServiceNow 的差异更像长流程、工单状态与平台运行。
Real-system integration
44.4%12 / 27
Reliable operation
88.9%24 / 27
Safety / permissions
40.7%11 / 27
Continuous evaluation
44.4%12 / 27
Agent orchestration
33.3%9 / 27
Memory / state
22.2%6 / 27
数据来源: Metix AI
垂直公司也在暴露更窄的能力缺口
LangChain
状态层公司
全市场 Memory / state 只有 17 / 259 个 JD 提到；LangChain 自身达到 5 / 6，同时 Agent orchestration 为 6 / 6。
5 / 6Memory / state6 / 6Agent orchestration
Snowflake
数据系统接入
Snowflake 的 6 个 JD 全部提到 Real-system integration、Continuous evaluation 与 Reliable operation，需求集中在把 Agent 接入数据系统并稳定运行。
6 / 6Real-system integration6 / 6Continuous evaluation
Harvey
法律工作流落地
6 个 JD 同时拉满 Real-system integration、Continuous evaluation 与 Reliable operation，更像行业工作流里的生产落地。
6 / 6Real-system integration6 / 6Reliable operation
Databricks
平台运行优先
Reliable operation 覆盖 8 / 8，Safety / permissions 覆盖 6 / 8，说明 Agent 需求紧贴数据平台的运行边界。
8 / 8Reliable operation6 / 8Safety / permissions
03 · 十组需求地图
最大需求是做应用，最有辨识度的需求却在公司自己的瓶颈
十个岗位组共同构成 Agent 招聘需求地图。Application Engineering 有 77 个 JD，Research / Model Behavior 有 50 个，Runtime / Platform 有 34 个，三组合计占 62.2%；但公司层面的招聘重心并不随大盘走。
十个岗位组的公开招聘需求
Application Engineering 是最大需求组，但岗位最多不等于最稀缺。后文将把同一岗位组框架与 513 名可识别人才存量对齐。
Application Engineering
77 JD · 18 家公司
Research / Model Behavior
50 JD · 11 家公司
Runtime / Platform
34 JD · 11 家公司
Deployment Engineering
19 JD · 5 家公司
Product / Design
16 JD · 9 家公司
Post-training / Robustness
14 JD · 4 家公司
Evals / Quality
13 JD · 5 家公司
Orchestration / Workflow
13 JD · 2 家公司
Solutions Architecture
12 JD · 5 家公司
Safety / Governance
11 JD · 5 家公司
数据来源: Metix AI
四家重点公司的十岗位组招聘构成
完整 JD 大盘呈现四种招聘配方：OpenAI 的 33 个岗位覆盖 10 个岗位组中的 8 个，Application Engineering 最多（10），同时加码 Post-training / Robustness（6）与 Safety / Governance（5）；Anthropic 的 16 个中 Research / Model Behavior 有 6 个；Scale AI 的 35 个中 Application Engineering 有 11 个、Research / Model Behavior 有 9 个；Google 的 22 个中 Deployment Engineering 独占 11 个。
OpenAI
33JD
- Application Engineering10
- Research / Model Behavior4
- Runtime / Platform3
- Post-training / Robustness6
- Safety / Governance5
Anthropic
16JD
- Application Engineering3
- Research / Model Behavior6
- Runtime / Platform3
- Post-training / Robustness1
- Evals / Quality3
Scale AI
35JD
- Application Engineering11
- Research / Model Behavior9
- Product / Design3
- Post-training / Robustness6
- Evals / Quality6
Google
22JD
- Application Engineering4
- Runtime / Platform3
- Deployment Engineering11
- Product / Design2
- Safety / Governance2
数据来源: Metix AI
04 · JD 竞争组
259 个 JD 形成十条竞争赛道
十条竞争赛道对应十类主要交付物。公司真正争夺的是同一工作对象下的候选人；贴着 Agent 标签但工作对象不同的岗位，竞争边界也不同。能力词只说明瓶颈差异，不改变岗位竞争边界。
01Application Engineering
构建面向用户或具体业务场景的 Agent 产品、功能与应用。
77个 JD18家公司
Scale AI 11OpenAI 10Salesforce 9ServiceNow 7Harvey 6Databricks 4Decagon 4Google 4Microsoft 4Anthropic 3Perplexity 3Snowflake 3Abridge 2Hippocratic AI 2Writer 2Adobe 1Cognition 1LangChain 1
查看代表岗位
- Senior / Staff Software Engineer, Developer Experience
- Software Engineer - Early Career
- Senior Engineering Manager – Agentic Product
- Senior Staff Software Engineer, API
02Research / Model Behavior
研究 Agent 能力、模型行为、检索、规划与具体场景中的模型应用。
50个 JD11家公司
ServiceNow 10Scale AI 9Meta 7Anthropic 6Microsoft 6OpenAI 4Adobe 2Salesforce 2Snowflake 2Databricks 1Hebbia 1
查看代表岗位
- Senior Machine Learning Engineer
- Staff Agentic ML Engineer - Photoshop
- Model Performance Software Engineer, Claude Code
- Research Engineer, Computer Use
03Runtime / Platform
构建执行底座、Harness、状态、工具调用、可观测性与平台基础设施。
34个 JD11家公司
ServiceNow 9Adobe 6Anthropic 3Google 3OpenAI 3CrewAI 2Glean 2Hebbia 2Salesforce 2Databricks 1Replit 1
查看代表岗位
- Senior Software Engineer, Meta Factory Agent Harness
- Software Engineer — Model & Partnerships Management (Agentic Builders Experience team)
- Chief Architect for Adobe Intelligence Platform
- Senior AI Platform Engineer- Data and Systems
04Deployment Engineering
在客户环境完成 Agent 集成、上线、运行与生产问题闭环。
19个 JD5家公司
Google 11Decagon 3Hippocratic AI 2OpenAI 2Replit 1
查看代表岗位
- Customer Engineer, Agent Builder
- Director of Customer Engineering, Agent Builder
- Forward Deployed Engineer III, Generative AI, Google Cloud
- Forward Deployed Engineer IV, Applied AI, Google Cloud
05Product / Design
负责 Agent 产品定义、交互体验、设计与产品路线。
16个 JD9家公司
Microsoft 3Scale AI 3Decagon 2Google 2Salesforce 2Adobe 1CrewAI 1EvenUp 1OpenAI 1
查看代表岗位
- Principal Product Manager
- Product Manager, Agent Experience
- Senior Agent Product Manager
- Senior/Staff/Principal Product Manager - AI Orchestration & Agentic Workflows
06Post-training / Robustness
通过 Post-training、强化学习、Reward 与稳健性研究提升 Agent 行为。
14个 JD4家公司
OpenAI 6Scale AI 6Anthropic 1Snowflake 1
查看代表岗位
- Research Engineer, Machine Learning (Reinforcement Learning)
- Agent Post-Training, Frontier Evals and Environments Research
- Agent Post-Training Research
- Agent Post-Training, API & Power Users
07Evals / Quality
构建 Agent 评测、Benchmark、质量度量与反馈闭环。
13个 JD5家公司
Scale AI 6Anthropic 3OpenAI 2Databricks 1ServiceNow 1
查看代表岗位
- Data Operations Manager, Human Data
- Engineering Manager, Agent Prompts & Evals
- Staff Software Engineer - Agent Quality
- Backend Software Engineer (Evals)
08Orchestration / Workflow
构建多步骤工作流、规划、路由、状态与多 Agent 协同。
13个 JD2家公司
Salesforce 8Decagon 5
查看代表岗位
- Engineering Manager, Agent Orchestration
- Senior Software Engineer, Agent Orchestration
- Staff Software Engineer, Agent Orchestration
- Senior/Lead AI Software Engineer, Agentforce for Supply Chain
09Solutions Architecture
设计企业 Agent 方案、集成架构、云平台与技术落地路径。
12个 JD5家公司
LangChain 5Meta 3Salesforce 2Databricks 1Microsoft 1
查看代表岗位
- Specialist Solutions Architect - AI/ML
- Solutions Architect (Austin)
- Solutions Architect (Dallas)
- Solutions Architect (NYC)
10Safety / Governance
负责权限、Guardrails、安全执行、风险控制与治理。
11个 JD5家公司
OpenAI 5Google 2Salesforce 2Glean 1Microsoft 1
查看代表岗位
- Product Manager, Agent Security & Governance
- Agentic Safety and Ecosystem Architect, Trust and Safety
- Principal Product Manager, Agent 365 Security & Governance
- Principal Software Engineer, Codex Cyber
05 · 共同底层
框架不再是主角：Agent 招聘买单的是“接得上、测得准、跑得稳”
LangChain / LangGraph 是出现最多的具名框架，却只覆盖 24 / 259 个 JD。Reliable operation、Continuous evaluation 与 Real-system integration 分别覆盖 226、190 和 180 个 JD，是 7.5—9.4 倍的覆盖差距。
生产能力远比框架关键词更普遍
框架仍是实现路径，但已经不能代表 Agent 人才的共同要求。跨公司真正稳定出现的是运行、评测与集成能力。
跨公司的生产能力
这些是跨十个岗位组统计的多标签能力信号
Reliable operation
87.3% · 226
Continuous evaluation
73.4% · 190
Real-system integration
69.5% · 180
具名框架
最高仅覆盖 24 个 JD
LangChain / LangGraph
9.3% · 24
数据来源: Metix AI
06 · 存量与稀缺
人才最多与招聘最凶分属两批公司
Microsoft 与 Salesforce 合计拥有 273 / 513 名可识别 Agent 人才，占 53.2%；Scale AI 与 OpenAI 则有 35 和 33 个活跃 JD，但可识别存量只有 8 和 10 名。在同一岗位组框架下，Research / Model Behavior 是最清晰的稀缺方向。
可识别 Agent 人才公司分布
Microsoft 与 Salesforce 是最主要的存量池；高需求的 OpenAI 与 Scale AI 更依赖外部候选人市场。
数据来源: Metix AI
每 100 名可识别人才对应的活跃岗位
Research / Model Behavior 为 138.9（50 个岗位 / 36 名人才），是最清晰的稀缺信号。Safety / Governance 为 157.1（11 / 7）、Post-training / Robustness 为 140.0（14 / 10），也显示出更早期的紧张迹象。
Safety / Governance
157.1 · 11 / 7
Post-training / Robustness
140.0 · 14 / 10
Research / Model Behavior
138.9 · 50 / 36
Evals / Quality
100.0 · 13 / 13
Application Engineering
98.7 · 77 / 78
Runtime / Platform
94.4 · 34 / 36
Solutions Architecture
38.7 · 12 / 31
Deployment Engineering
27.5 · 19 / 69
Orchestration / Workflow
24.5 · 13 / 53
Product / Design
8.9 · 16 / 180
数据来源: Metix AI
城市集中
San Francisco
拥有 133 名可识别人才（25.9%），但招聘需求占比更高：旧金山 91 个岗位（35.1%），湾区合计 58.3%。纽约也呈现 15.1% 岗位对 5.3% 人才的错配。
岗位组存量
35.1%
Product / Design 是最大可识别存量（180 人），其次是 Application Engineering（78）与 Deployment Engineering（69）。公开履历对不同岗位组的可见度并不相同，因此供需比更适合判断优先级。
07 · 来源与流动
人才来源路线从 AI Lab 之外开始
408 名人才可识别进入当前公司的外部上一站。Amazon / AWS 以 21 人成为最大来源；Bain 向 Decagon 输送 6 人，Slack 与 MuleSoft 合计向 Salesforce 输送 8 人。云平台、咨询交付与企业软件生态分别对应不同能力来源。
进入当前 Agent 团队前的主要雇主
Amazon / AWS 的可见来源量是第二名 Microsoft 的 2.3 倍；Meta / Instagram、Google、LinkedIn 与 Bain 共同说明，来源池不应只看 AI Lab。
数据来源: Metix AI
六条最清晰的人才路径
Amazon / AWS → Microsoft云平台 → 企业 AI 平台
6Bain & Company → Decagon咨询交付 → 客户工作流 Agent
6Amazon / AWS → Google云平台 → 编排与部署
5Slack + MuleSoft → Salesforce企业软件生态 → Agent 平台
8Meta / Instagram → Google大型技术平台间流动
4Cisco + Deloitte + LinkedIn → Salesforce集成、交付与平台经验汇入
9
仅展示可识别的最近一次外部雇主流动；经历信息不完整的人才不计入路径。
01先锁定 JD 竞争组
先在十个统一岗位组中确定主要交付物，再列公司名单并比较同组公司的岗位与候选人池。
02再按瓶颈能力扩展证据
用运行、评测、集成、权限、状态与领域交付证据扩展搜索；单一框架名会过早缩窄候选人池。
03最后选择来源生态
Runtime 优先看云平台，客户工作流优先看咨询与交付，企业 Agent 平台优先看企业软件生态。
08 · 附注
本报告聚焦公开可见的 Agent 岗位与人才证据
覆盖说明
- 公开在招 Agent 岗位共 259 个，用于观察公司招聘重点。
- 可识别在职 Agent 人才共 513 人，用于观察人才存量、来源与流动。
- 岗位组：同一套十个岗位组连接招聘需求与人才存量，便于比较公司优先级。
- 流动：408 人可识别最近一次外部上一站，覆盖可识别人才的 79.5%。
岗位组定义
- 十个岗位组分别覆盖 Application Engineering、Research / Model Behavior、Runtime / Platform、Deployment Engineering、Product / Design、Post-training / Robustness、Evals / Quality、Orchestration / Workflow、Solutions Architecture 与 Safety / Governance。
- 岗位组以主要工作对象与职责为主，公司品牌、标题关键词和地点只作为辅助证据。
- 能力、框架与领域词用于解释公司瓶颈；候选人竞争仍以主要岗位组为边界。
解释边界
- 513 是公开可见下限，不代表相关公司的完整 Agent 团队人数；不同岗位组的公开履历完整度不同。
- 岗位数代表可见招聘需求，不等于预算、录用人数或净扩张。
- 可见岗位或人才较少的公司/岗位组，只用于说明招聘重点，不单独推断公司间人才竞争强度。
- 供需压力用于比较本报告覆盖范围内的岗位组优先级，不应解释为全市场空缺率。
报告回答的问题
- 现有 Agent 人才有多少，集中在哪些公司、城市和岗位组。
- 十个岗位组的需求总量，以及各公司的主要招聘重点。
- 招聘需求与人才存量在哪些岗位组上错配。
- 主要人才来源公司与可见流动路径是什么。
常见问题
本报告回答的问题
- 这份 Agent 结构报告用了哪些供需输入？
- 本报告基于 259 个可见 Agent JD 与 513 名可识别在职 Agent 人才，覆盖美国 32 家公司。同一套十个岗位组贯穿招聘需求与人才存量，使公司重点可以直接对比。
- 十个岗位组背后有多少个 Agent JD、多少名在职 Agent 人才？
- 本报告基于 259 个可见 Agent JD 与 513 名可识别在职 Agent 人才，覆盖美国 32 家公司；同一套十个岗位组贯穿招聘需求与人才存量。
- 如何引用本报告？
- Metix AI Talent Intelligence，2026-07-29。AI Agent 人才结构对比 | Metix AI。https://metix.ai/reports/zh/mapping/ai-agent-talent-supply-demand-gap-2026
需要把岗位竞争组转成可执行的人才搜索？
Metix AI 可按目标公司的具体 JD、职级、地点与瓶颈能力，生成私有候选人池、竞争公司清单与验证证据。
开始 Mira 试用人才报告 · 不展示个人信息 · 由 Metix AI 提供