有些底牌，就摆在明面上。
现在的科技圈，几乎没有谁不在谈AI。
各家的产品更新一个接一个，发布会上讲的战略也越来越宏大。但这些大厂究竟把钱和人才投向了哪里？除了看产品和发布会，招聘信息或许也是一个不错的窗口。
比如字节、阿里、腾讯都在招募AI人才，尤其是最近火热的Agent方向。三家大厂的业务各不相同，招人的标准又有什么差别？从这些岗位里，能不能看出它们接下来准备做些什么？
带着这份好奇，我决定翻一翻三家公司的招聘网站，试着从中扒出一些有意思的线索。
让豆包工作当一次行业情报分析员
真要把三家大厂的招聘信息摸清楚，工作量还真不小。
首先光是岗位名称就五花八门。同样是做AI Agent，有的叫算法工程师，有的叫智能体研发，还有的岗位名称里压根没有Agent，但实际工作却和智能体密切相关。
再加上各家公司的招聘网站不同，想把相关岗位找全，再逐一比较职责和技术要求，光靠人工翻网页就得花不少时间。
正好最近我在研究「豆包工作」，发现它既能调用操作浏览器Skill访问网页，也支持多个Agent并行执行任务。
于是，我决定把活儿交给它：
“帮我调查字节跳动、阿里巴巴和腾讯三家大厂的AI Agent人才招聘情况。
请使用多Agent并行调查，分别负责一家企业，通过操作浏览器搜索各家官方招聘渠道，搜集Agent相关岗位，包括岗位名称、职责、技能要求和工作地点。
最后将三家公司的招聘信息统一整理、去重和分类，生成一份Excel表格，方便我比较它们的AI人才需求差异。需要保留原始招聘链接。”
之所以强调多Agent并行，是因为三家公司的调查完全可以分头进行，没必要等字节的岗位查完了，再去查阿里和腾讯。
我比较关注的是，它能不能找到那些岗位名称不太明显，但实际工作又与Agent有关的职位。
毕竟，大厂内部的技术分工远比外界想象中复杂。
以Agent为例，模型算法只是其中一环，要让智能体真正执行任务，还涉及工具调用、运行环境和任务调度等工作。如果只检索几个关键词，很容易遗漏一部分岗位。
随着招聘信息陆续汇总，调查也逐渐有了眉目。
最直观的感受是，大厂围绕Agent的人才争夺，重心已经明显从“训模型”转向了“做系统”。
以前当我们谈起大厂高薪招募AI人才时，往往第一反应是各种算法博士。
但在这份表格里，纯粹的“算法/研究类”岗位其实只占了不到一成，反而是“工程开发类”岗位占到了三分之二以上。
豆包工作在抓取时，不仅找到了常规的智能体研发岗，还顺着岗位职责挖出了不少隐蔽的周边角色，比如腾讯在招浏览器内核与自动化工程师、Agent沙箱方向的SRE工程师，字节在招IaaS层的Agent套件后端与测试开发，阿里甚至在招专门做标注与强化学习环境平台、涉及Agent运行时追踪的架构师。
由此看来，当基础大模型的能力不再是问题，怎么给Agent提供安全的沙箱环境、怎么管好长周期记忆、怎么在调用外部工具出错时自动兜底，这些实打实的系统工程问题，正在成为大厂用人需求最大的缺口。
不过，初步整理出来的岗位信息，还不足以判断三家公司的投入重点。
一方面，表面的招聘数量很容易让人产生误判。比如表格里腾讯有30个岗位，几乎是字节或阿里的近两倍，但这主要是因为腾讯习惯按具体业务线分别发岗，而字节和阿里更多集中在平台部门招人，单看岗位条数并不能直接代表投入力度。
另一方面，大厂的招聘入口比想象中更分散。豆包工作在表格的采集说明里专门提到，阿里这次查的是控股集团总站，像阿里云、淘天等业务集团还有独立的招聘渠道；而字节像Seed等核心团队的不少前沿岗位，也没有直接出现在常规关键词的搜索结果里。
所以，看完第一轮结果，我又有了新的想法。
原本准备让电脑一直开着，没想到还能这样操作
既然第一轮常规检索还有很多漏网之鱼，最直接的办法，就是让豆包工作顺着现有的线索再做一轮补充调查。
比如专门去翻一翻阿里云、淘天的独立招聘渠道，定向检索字节Seed等核心团队的岗位，同时把搜索范围从单纯的“Agent”，扩大到“AI Coding”“智能体底座”“执行框架”等更具体的业务词上。
但问题也随之而来。
这种跨站点、多关键词的补充核对，比第一轮花的时间还要长。当时已经快到下班时间，按以往用这类桌面Agent的经验，任务跑在本地电脑上，电脑就必须一直开着。
市面上有些工具虽然宣传能“用手机远程操控电脑”，但本质上还是依赖本地设备运行，一旦把笔记本合上装进包里，或者电脑休眠断网，跑了一半的任务就会直接中断失败。
我原本已经做好了让电脑在工位上一直开着的准备，结果在界面上准备追加指令时，发现豆包工作新上线了一个很实用的功能——任务执行环境可以随时自由切换。
以前在开始一项任务时，选定了“本地电脑”或者“云电脑”，中途是没办法更改的。如果一开始在本地跑，跑到一半想换到云端，就只能重新开一个对话，把前面的背景、要求和已经拿到的资料再重新交代一遍。
但现在，同一个任务可以根据需要直接切换执行环境，完全不用重新建立对话。
我当场试了一下这个操作。在原本已经跑完第一轮调查的对话窗口里，我直接把执行环境从「本地电脑」切换到了「云电脑」，然后接着输入补充指令：
“在刚才整理的岗位表格基础上，继续补充调查：一是去阿里云、淘天等独立招聘站点以及字节Seed团队渠道搜集遗漏的Agent岗位；二是补充检索包含Code Agent、Agent Infra、Agent Harness等细分方向的职位，核对无误后合并进原有的表格里。”
切换过去之后，最省心的一点是它完全没有失忆。云电脑直接继承了前面本地电脑已经搜集到的65个岗位数据和筛选标准，顺着原有的分类逻辑继续往后查。
所以当我把这项耗时的搜集任务丢给云端后，直接关掉电脑大大方方下了班。
路上我拿出手机打开豆包看了一眼，发现云端依然在后台顺畅地执行任务，在手机上就能随时查看最新的调查结果。
等云端把所有的补充资料全部跑完，我回到家里的电脑前，又可以在同一个对话里把环境切回「本地电脑」，结合我电脑里的参考资料对这份完整的表格做进一步处理。
这次体验让我很直观地感受到，它和普通的多端同步完全不是一回事。
传统的办公软件多端同步，往往只是让你在手机和电脑上看同一份文档、同步一下聊天记录；而豆包工作做到的，是让同一项复杂工作不再从头到尾绑定在一台电脑或一个执行环境上。
而随着云端把遗漏的岗位全部补齐，三家大厂在AI人才布局上的真实底牌，也终于完整地浮出了水面。
从招聘信息里，能看出大厂AI布局的哪些差异？
等云端把补充搜集的岗位全部合入表格，手头的样本已经相当完整。但面对上百条密密麻麻的岗位职责和技能要求，靠肉眼逐行对比显然不太现实。
所以，我直接调用了豆包工作官方推荐的数据分析Skill，让它对整理好的招聘数据做进一步处理。
结果还挺有意思。
首先，三家大厂在人才需求上表现出了惊人的一致性。
无论字节、阿里还是腾讯，工程开发类岗位的占比都在60%到68%之间。而在157个岗位的技术关键词统计中，除了Agent和大模型，出现频率最高的竟然是“评测（Eval/Benchmark）”，共有93个岗位提到了相关要求。
相比模型能不能完成任务，大厂显然也越来越在意Agent完成任务的质量。
毕竟，AI生成一段代码，和独立完成一个软件开发项目是两回事。执行过程中如何调用工具、出现错误后怎么恢复，最终交付的结果又该如何验证，都需要一套可靠的工程体系。
但进一步对比三家公司的招聘要求，又能发现各自不同的侧重点。
其中，字节对Agent底层能力的探索似乎更为激进。
在三家大厂中，字节的算法研究类岗位占比最高，达到24.3%。而在具体技术要求上，多模态相关岗位占比48.6%，多Agent协作占比40.5%，强化学习也达到27%，均高于另外两家。
结合Seed团队和TRAE等产品的相关岗位来看，字节显然不满足于让AI只会生成内容，而是希望它具备更复杂的任务执行能力。
尤其是Code Agent、桌面操作Agent等方向，已经开始让AI直接参与编程和软件操作。某种程度上，我前面体验的豆包工作，也正是这种技术思路的一个产品化体现。
而阿里的关注点则更多落在Agent如何持续工作，以及如何接入复杂的业务系统。
这次调查中，阿里的产品及应用落地类岗位占比达到26.7%，是三家里最高的。同时在技术词占比上，Memory/记忆机制（56.7%）和MCP协议（23.3%）高居三家榜首。
结合具体岗位来看，一方面，阿里在AI创新事业部（ATH）的AI编程产品Qoder以及阿里云智能内部，密集设立了Agent Infra（基础设施）、云监控可观测Agent以及企业级Agent标品底座等研发岗位；另一方面，阿里在集团安全部成建制地招募AI红队-Agent安全攻防专家，专门针对越权调用、提示词注入和记忆投毒做渗透测试。
为什么阿里这么看重Infra、长周期记忆（Memory）、标准化协议（MCP）和安全攻防？
这和阿里以阿里云、通义生态、钉钉/千问办公以及淘天电商为核心的业务盘子高度契合。对B端云客户和电商商家来说，把AI接入业务最怕两件事：一是记不住复杂的企业上下文和历史状态，二是调外部工具时出安全事故。
阿里花大力气补齐记忆机制、兼容MCP协议、夯实云端Agent Infra并组建AI红队，本质上是在为企业级Agent的大规模上云修路、筑墙。
最后，腾讯的岗位规模最庞大，而且基本围绕Agent Harness与Runtime深入全线业务。
腾讯在第二轮补充后的岗位高达90个，比字节和阿里两家加起来还多。
核心抓手就两个：一个是腾讯云大规模招揽的AgentRuntime（涵盖沙箱、弹性加速、治理与商业化），另一个则是贯穿混元、WorkBuddy和企业微信的“Agent Harness（控制框架）”。
如果说Runtime解决的是智能体在云端怎么高效跑起来，那么Harness（挽具/缰绳）解决的就是怎么把大模型稳妥地套进具体业务里。
看看腾讯其他Agent岗位的部门分布就明白它为什么如此执着于控制框架与运行时底座了——微信搜一搜、微信小程序、微信小游戏、企业微信、QQ、腾讯视频、腾讯地图、腾讯广告、光子游戏工作室……腾讯几乎正在把Agent往自己所有的王牌业务线里塞。
面对动辄数亿用户的国民级应用生态，腾讯推进AI落地的核心诉求就是稳和可控，必须用强大的Runtime和严密的Harness框架把缰绳拴牢，才能让智能体安全地渗透进每一个王牌业务里。
回过头看，这次用豆包工作完成的调查，其实也是一个挺直观的例子。
从多个Agent分头搜集，到本地与云端接力，再到最后整理分析结果，整个过程涉及的，恰好也是大厂正在投入人才解决的工程问题。
当然，一份招聘报告还不足以看清三家大厂的全部AI布局。但借助豆包工作，把原本分散在各个招聘网站的信息搜集起来，再顺着数据深入研究，确实让我发现了不少平时容易忽略的线索。
如果你也想试试，可以网页搜索「豆包工作」下载电脑端。目前新用户可领取30天免费体验套餐，老用户也可通过每日签到领取使用额度。
领到的额度可以攒着，等遇到这种多Agent并行、深度分析的大任务时再用。
