这两周，关注 AI 工程化的人都会觉得有点不对劲。知乎上「Agent 目前最大的瓶颈是什么？」讨论得火热，连「研究生搞 agent 还有搞头吗」的评论区，都开始有人逐条拆解 AI 量产的职业指导文；腾讯云 ADP 连续更新，把「评测」直接放进了 AgentOps 的核心；B 站上「一口气讲清 AI 工程化三代演进」的视频播放量已经几千。而做了几年 MLOps 的朋友开始慌：LLMOps 还没整明白，AgentOps 就来了，我干的这行是不是要被淘汰了？
先说结论：MLOps 没死，但这门技能正在被重新定价。有的技能能平移，有的在明显升值，有的在悄悄贬值，还有的「学习路径」根本别碰。今天把这笔账算清楚。
三代演进，管的根本不是一回事
很多文章把 MLOps、LLMOps、AgentOps 讲成「概念升级」，其实一句话就能讲清：管的对象变了。
MLOps 管的是「一个模型」。当年的痛点是模型在实验室表现好、一上线就崩：数据漂移、训练推理不一致、版本混乱。于是从 DevOps 借来 CI/CD，把训练、部署、监控串成流水线，跑「训练—部署—监控—再训练」的闭环。
LLMOps 管的是「一次调用」。大模型火起来之后，很多团队不再自己训模型，而是调 API，问题变成了：怎么判断一次提示词修改是变好还是变差、怎么管 RAG 的检索质量、怎么控制成本和幻觉。AgentOps 管的则是「一次任务」——Agent 会读数据库、发邮件、调工具，一个任务跑几十步，任何一步跑偏都可能级联放大，要管的就是整条执行轨迹。有知乎专栏总结得很准：可以看到，三者并非简单的替代关系，而是关注层级在不断上升：从「一个模型」到「一次调用」，再到「一次任务」。知乎每往上升一层，系统的自由度越大，工程治理的复杂度也就越高。
打个比方：MLOps 像维护一台自动售货机，只要保证每瓶掉出来的饮料都正常；AgentOps 像带一个会跑腿的实习生，你得盯着他走了哪些门、花了谁的钱、有没有卡死在循环里、最后到底办没办成事。这套演进也不是纸上谈兵，已经成为视频里的常见选题：B 站有 UP 主做了「AI 工程化三代演进」专题，把问题直接摆到台面上——MLOps、LLMOps、GenAIOps 分别在管什么？为什么大模型时代不能只靠传统MLOps？哔哩哔哩这条视频已有 4780 播放、133 收藏，说明确实有人在认真补课。
这波行情，是真的还是炒的？
什么值得买的习惯：先看证据，再下判断。把知乎、B 站、微博、招聘和企业产品页的信号交叉核对之后，可以分成真实信号和噪音两类。
真实信号一：岗位市场在真金白银定价。知乎科技博主引述 Business Insider 的报道：Forward Deployed Engineer 岗位在一年内增长 729%，从 2025 年 4 月的 643 个职位增加到 2026 年 4 月的 5330 个职位。知乎比数字更重要的是 JD 的用词变了：Neuron7 明确要求 distributed tracing、trajectory evaluation、cost-per-goal optimization，Google Cloud 的 GenAI 岗位把细粒度追踪、cost-per-request、state management 写进要求——都是非常具体的工程词汇，不是泛泛的「懂 AI」。
真实信号二：钱在涌进工具生态。LLM 可观测性平台市场规模在 2026 年为 26.9 亿美元，高于 2025 年的 19.7 亿美元，到 2030 年预计达到 92.6 亿美元，预测期年复合增长率为 36.2%；Gartner 预测到 2028 年，LLM 可观测性投入将覆盖 50% 的生成式 AI 部署。知乎主流平台也被拉出来逐项对比，Langfuse、LangSmith、Braintrust、Arize 们的比较维度，都集中在追踪深度、评估能力和生产监控上。
真实信号三：企业端开始动真格。当 Agent 进入生产环境，评测就从「开发习惯」变成了正式工程问题：腾讯云 ADP 4.0 将效果评测作为 AgentOps 的重要组成部分。知乎腾讯云官方则直接把 ADP 定位为「以AgentOps为核心的企业原生智能体平台」，端到端支撑企业 Agent 全生命周期。腾讯云
真实信号四：社区痛点对得上。「Agent 目前最大的瓶颈」讨论里，认同度最高的不是模型不够聪明，而是工程复杂度：一到真实业务，链路拉到二十步，状态空间爆炸，误差累积，结果不可复现。知乎这恰恰是技能升值的反向证明——正因为落地难，能让系统「可观测、可评估、可治理」的人才值钱。组织层面的传言也已经出现：关于「支付宝体验技术部被拆分、员工统一切换为 Agent 开发全栈工程师」的知乎问题下，有回答说这类消息已经在技术圈里刷了屏。知乎注意，这是网传消息、未经官方证实，只能说明大家对组织重构的焦虑和预期有多高。
噪音同样明显，一共三类。
第一类，证书营销。微博上流传「大模型应用工程师证书，考之前先看这7条」的推广帖，帖子自己都承认：「坑②：被各种证书晃花眼政企国企认工信部教考中心，外企认NVIDIA/AWS，通用市场认人社部」。微博证书连认谁都没统一，冲上去交钱，更像是为信息差焦虑买单。
第二类，平台崇拜降温。知乎出现「为啥coze和dify这种llmops没热度了，是不是没必要部署了？」的提问，播放量很高的回答上来就说：我经常看到有人在纠结：应该学LangChain还是Dify？n8n和Coze有什么区别？这些问题本身没有通用答案。知乎工具选型吵架降温，说明需求已经沉到「评测、观测、治理」的工程层，而不是停留在「用哪个框架」。
第三类，AI 量产的职业鸡汤。知乎一条热门回答的评论区，有人逐条拆作者的量产痕迹：第一，产量和篇幅不符合普通人工写作节奏。账号共有 226 个回答；加载到的近期约 60 篇，从 2026 年 6 月初一直密集发布到 7 月上旬。知乎这类模板文往往以「MLOps 已死」「必须全员转 Agent」的强硬结论开头，看到绝对化判断，不妨先打七折。
技能账：哪些升值，哪些贬值，哪些平移
这是本文的主体，分四种情况说。
第一种：平移即可，别丢。MLOps 的三件套——流水线、监控、成本——在 Agent 时代没有失效，只是换了对象：CI/CD 变成提示词、工具配置、Agent 版本的发布管道；监控从「模型指标漂移」升级为轨迹级追踪，哪一步跑偏、调了哪个工具、烧了多少 token 都要能回放；成本管理从训练资源变成按请求、按目标的成本核算。做过 MLOps 平台的工程师，转这些岗位基本零门槛。
第二种：明确升值，越早补越好。方向一：任务级评测。Agent 的评估不能只看最后一句回答，要定义「这个任务算不算办成了」，这是目前最稀缺的能力。方向二：治理与审批。企业 agent 不可能所有动作都自动执行，比如发给客户的邮件、退款、合同修改、CRM 重要字段更新、高风险建议，这些都需要设置审批门槛。知乎
方向三：可观测标准化。OpenTelemetry GenAI 语义约定为模型调用、Token 使用、智能体步骤和工具执行定义了与供应商无关的 gen_ai.* span 属性，Google Cloud、AWS、Azure、Datadog 等平台已经采用。知乎2026 年再看工具，OTel 兼容性应该当成硬性要求，而不是可有可无的加分项。
第三种：悄悄贬值，但没归零。手工特征工程、单任务调参、「训一个模型吃三年」的工作方式，溢价确实在收缩。但容易忽略的是另一面：在责任重的垂直领域，MLOps 反而建得更重——互联自动驾驶方向已经出现了面向车队集体学习的五层 MLOps 架构，用来做多级自我评估和边缘情况检测。知乎贬值的是「通用模型看护」，不是「行业模型工程」；越是垂直、越是出错代价大，传统功底越稳。
第四种：想转进来的人，补这三块。后端/DevOps 背景转型，要补的是轨迹追踪（分布式追踪、轨迹回放）、工具与参数治理（白名单、参数校验、沙箱执行）、任务级评测三块。学生党冲秋招，别从背框架名词开始——JD 的用词已经很具体（distributed tracing、trajectory evaluation、cost-per-goal optimization），拿一个开源项目把「评测—回归—发布」闭环跑通，比任何证书都有说服力。
避坑清单：这三种东西别碰
没有统一认可度的证书。连证书推广帖都承认各家认证各认各的；证书是敲门砖，但企业现在高薪买的是能解决具体问题的工程能力。
「21 天精通提示词+低代码编排」的速成营。真正升值的是评测、追踪、治理、成本工程，没有一项能靠拖拽画布教出来。
宣称「MLOps 已死」「必须全员转 Agent」的绝对化文章。社区已经有人在逐条拆这类模板文，结论的强度应该和证据的强度匹配。
不同的人，不同的走法
MLOps 老手（3-7 年经验）：别转行，升级。把流水线和监控经验延伸到 Agent 轨迹与评测，补半年的回报远大于从零开始。
后端/DevOps 工程师：你们离 Agent 工程最近——追踪、状态管理、成本控制、细粒度权限，都是现有技能树的延伸，一年暴涨 729% 的 FDE 岗位本质就是冲这类背景来的。
算法研究员：评测是当前最稀缺的方向，定义「什么算任务完成」的价值，不低于多刷两个点精度。
学生/秋招党：围绕 JD 关键词做项目——分布式追踪、轨迹评估、按目标优化成本，做出一个能演示的完整闭环，胜过一摞证书。
值得继续盯的三个信号
信号一：标准在谁手里定型。整体上，该领域正处于「标准尚未定型、工具快速迭代」的早期阶段。知乎OTel GenAI 语义约定的推进节奏、主流厂商接口的收敛方向，会决定未来三年的技能要求。
信号二：平台市场的分化。目前的市场大致分成四类：AI 原生可观测平台、开源评估库与平台、AI 网关、APM 扩展，先看清它们各自站在哪里，比逐项罗列功能更重要。知乎
信号三：组织重构是否成为常态。FDE 岗位暴涨和大厂 Agent 团队调整的传闻，说明这不是工具层面的风潮，而是分工重构；各大厂是否普遍设立独立的 Agent 平台团队，会是判断这波行情是否落地的重要标志。
最后一句
别被代际名词吓到。工程领域从来不为概念定价，只为问题定价：谁能把 AI 系统变得可观测、可评估、可治理、可控成本，谁的技能就在升值。这笔账未必精确到每一个数字，但方向不会差太多——值得收藏，一年后再回来对照，看看兑现了多少。
