RAG 工程师需要什么技能？技能树与学习顺序
这一页只讲RAG 工程师要会什么：按入门、进阶、资深三个阶段拆开，硬技能、软技能、工具和证书分别标出来。
RAG 工程师技能树（入门 → 进阶 → 资深）
-
阶段 1
入门必备
大致对应 0-6 个月经验- RAG 基本链路 切分、向量化、检索、生成各环节的作用。
- 向量库使用 能独立完成索引构建与相似度检索。
- Python 数据处理 批量处理文档的脚本与管道。
- 排查耐心 效果差时逐环节定位而不是笼统换模型。
-
阶段 2
进阶
大致对应 6-24 个月经验- 文档解析与清洗 PDF、表格、扫描件的版面还原，这一步决定上限。
- 混合检索与重排 向量加关键词，再对召回结果重排序。
- 引用溯源 让答案指回原文位置，企业场景的硬要求。
- 评测集构建 从真实用户问法出发构造问答对。
-
阶段 3
资深
大致对应 24+ 个月经验- 难文档攻坚 扫描件、复杂表格、跨文档综合问题。
- 检索效果调优 系统性提升召回与准确率，而非逐例修补。
- 知识系统架构 从单个知识库扩展到企业级知识中台。
RAG 的能力结构是「搜索工程 + 数据处理 + 一点模型理解」，其中搜索工程的比重远高于多数人的预期。
硬技能
- 文档解析：PDF / Office / OCR 的实际处理经验，含表格与版面还原。
- 检索基础：向量检索与关键词检索的原理与各自适用场景。
- 向量库使用：索引构建、相似度度量、过滤条件设计。
- 评测：召回率、准确率的度量方法与评测集构建。
- 编程：Python 为主，能处理批量数据管道。
软技能
- 定位问题的耐心：效果差时要能逐环节排查，而不是笼统地换模型。
- 与业务方沟通：搞清楚用户到底会怎么提问，这决定了评测集长什么样。
一个实用的判断标准：遇到「回答不准」时，你的第一反应是换个更大的模型，还是先去看检索召回了什么。后者才是这个岗位该有的直觉。
下一步：把它变成一次有效投递
了解清楚之后，把简历按 RAG 工程师 的岗位要求改一版，再去看哪些公司在招。
看懂这个岗位之后，下一个问题是「我的简历对得上吗」
知道岗位做什么，和让 HR 从你的简历里看出你能做，是两件事。简历里的经历要按这个岗位的 JD（岗位要求）重新组织关键词，还得先过得了机器筛选。基础功能免费； 秋招冲刺包 ¥499：AI简历姬 1 年会员（简历诊断、JD 匹配优化、AI 模拟面试） + 1 次 1V1 深度语音求职指导 + 1 年微信答疑。
用于提升求职方向判断与准备效率，不承诺录用结果；不提供代投服务，不保证内推或 Offer。
内容说明：本页内容按公开资料整理并经人工复核，用于帮助了解岗位，不构成招聘承诺。具体岗位职责和要求，请以用人单位发布的招聘公告为准。