AI时代下，你的岗位要求有什么变化？

分享一个近期看到字节开源的工具Midscene: https://mp.weixin.qq.com/s/8I39_TTiGM13BL2fi6gFBA以后的软件测试行业只会更加智能化,简单化, 传统手写测试用例,人工写UI自动化/接口自动化脚本的方式已经逐渐落幕,更多的是利用AI/已集成的平台, 以最低的成本和时间就可以快速上手完成自动化和专项,同时解决目前自动化存在不稳定,维护麻烦等一系列痛点,人脑学习的速度永远跟不上机器,劝谏做测试岗位实习|正岗的同学向六边形战士靠拢,市场存量竞争现在是非常激烈了~

最近感觉工作内容彻底变天了，跟几个同行聊完，发现大家的KPI里都悄悄多了一条：“AI工具使用熟练度”。没错，AI时代，岗位要求真的不一样了。以前老板问我：“这个事你几天能搞定？”现在老板问我：“这个事，你用ai，能不能下午搞完？”卷，太卷了。

现在AI技能是求职的默认必备技能，不管是传统的前后端项目还是现在AI潮流新涌出的AI应用开发工程师、AI Agent工程师以及最顶的AI 算法工程师，笔者为前端岗位，秋招投递了15+互联网大厂，收获3家大厂Offer（快手、京东、拼多多），下面聊聊个人对面试中的AI的一些idea：总结（通过JD总结要学什么）前端基础JS&算法、React&Vue框架、Vite、Monorepo、Pnpm工程化、性能优化、主流（微前端、SSR、大前端）仍为基础，全栈+AI是亮点，前端&AI学习：框架前端开发者不再只是 UI 渲染层，而是要理解大模型、Agent、多模态交互，并能在业务中落地 AI 能力。整体架构可以分为四层：AI基础知识大模型基础核心概念：LLM（大语言模型）、Token、上下文窗口、Embedding、微调（Fine-tuning）、提示工程（Prompt Engineering）。关键能力：文本生成、代码生成、多模态理解（文生图 / 文生视频）、知识问答。前端视角：如何通过 API 调用模型、如何处理流式输出（SSE/WebSocket）、如何优化 Token 消耗。Agent 与 RAGAgent：能自主规划、调用工具、完成复杂任务的 AI 实体（如 Coze 扣子、TRAE）。RAG（检索增强生成）：结合私有知识库，让大模型回答更精准、可控。前端视角：如何设计 Agent 交互界面、如何展示 RAG 检索过程、如何做多轮对话管理。多模态 AI核心：文本、图像、音频、视频的融合生成与理解（如剪映的 AI 生成、实时交互）。前端视角：Canvas/WebGL 渲染、WebRTC 实时流、WebGPU 加速、多模态内容预览与编辑。AI工具链应用场景AI IDE 开发（TRAE、Cursor 方向）核心：打造端到端生成真实软件的智能协作平台。前端职责：AI 功能交互实现（代码生成、代码理解、知识问答）、IDE 内核框架开发、插件生态与工具链。技术栈：React/TypeScript、WebAssembly、Monaco Editor、WebSocket/SSE。Agent 平台开发（Coze、HiAgent 方向）核心：新一代 AI Agent 平台，支持协同办公与应用开发。前端职责：LLM 驱动的 AI Agent 框架实现、多 Agent 协同界面、可视化编排工具。技术栈：React/Vue、状态管理、可视化编辑器、实时通信。多模态创作与交互（剪映、抖音方向）核心：生成模型优化、多模态内容合成、实时交互体验提升。前端职责：AI 生成内容预览、实时滤镜 / 特效、多模态编辑界面。技术栈：WebGL/WebGPU、WebRTC、Canvas、性能优化（FPS、内存）。AI + 全栈开发（小红书、美团方向）核心：在 AI Coding 工具协助下完成前后端开发、测试、部署。前端职责：全栈开发、AI 辅助需求分析与方案设计、提升开发效率。技术栈：Node.js/Python、前后端协作、CI/CD、AI 工具深度使用。可视化与 AI 交互（同顺方向）核心：大模型应用的可视化交互、RAG/Agent 工作流演示。前端职责：可视化 Prompt 编排、多轮对话可视化、模型输出调试界面。技术栈：ECharts/D3.js、流程图库、实时数据渲染、响应式设计。工程化与能力要求前端基础扎实的 HTML/CSS/JS/TS，熟悉 React/Vue 等框架。工程化工具：Webpack/Vite、NPM/Yarn、CI/CD、自动化测试。跨端能力：WebAssembly、Electron、Taro 等。AI 工程化模型接入：OpenAI API、火山方舟 SDK、流式输出处理。性能优化：Token 压缩、缓存策略、推理延迟优化、首屏加载。安全合规：数据脱敏、隐私计算、内容审核。软能力拥抱新技术，紧跟 AI 前沿，不设边界。跨团队协作：与算法、后端、产品紧密配合。创新思维：将 AI 技术与前端体验创造性结合。

翻了下最近的招聘JD，对比一年前变化还挺大的：以前测试岗要求：熟悉测试理论和方法会写自动化脚本熟悉Linux、数据库现在多了这些："了解AI/大模型相关技术，有AI工具使用经验""能利用AI工具提升测试效率""有prompt engineering经验优先"秋招面试的时候几乎每家都会问"你有没有用过AI工具辅助工作"，不只是测试岗，开发、产品都在问我的感受是：AI不是一个单独的技能，而是所有岗位的基础要求了。就像十年前"熟练使用Office"一样，以后可能每个JD都会写"熟练使用AI工具"

我。一个干了10多年的前端程序。从框架的extjs，到jQuery，vue，react，node。我的职业随着前端的变化，不断的去学习前端最前沿的技术。直到最近，公司使用了AI编程之后，慢慢从的tab键按到熟练，到cli命令，再到trae编辑器AI编程率达到80%。感受到AI在短短的几个月变得越来越强大，我也已经不在古法编程了。前几天公司要求全员转入AI编程，也就是所谓的全栈编程师。以后开发工作流，从前端到后端在到测试都是由自己一个来完成。而产品经理只提供一个简单的思路，后续由我们自己结合AI细化编码测试。以后前端工程师这个职业会成为历史，而被代替的是AI工程师。

上周还在调侃另一个部门的领导要求全员安装体验OpenClaw，下一步开始养龙虾，打造一人一团队，结果周末就收到通知，要求我们也要体验和思考OpenClaw的应用场景。寻思了一下我的岗位职责，一个是产品打造，一个是产品支撑，确实在基础办公、商机挖掘、产品支撑、产品打造等方面可以有不少应用场景，然后就让Claude给我搓了套PPT做介绍。但其实本质上OpenClaw就是一套有更高权限的Agents而已，图里提到的几乎所有功能，都已经有成熟的商业产品可以做了，所以从实用主义的角度，我还是倾向于用成熟的产品，至于公司这边，有人高兴就够了。

现在开发岗正在悄悄变天，很多公司都在往全栈方向转。前端、测试这些独立岗位慢慢被合并，不少前端和测试同事直接转去做后端。后端工程师一边补全前后端能力，一边用AI工具写代码、做测试，效率比以前高很多，团队人少了，成本也降下来，大家都在跟着这个趋势调整自己，结合ai进行开发，尽量走向全栈，ai开发一定要会

作为 Android 开发，明显感觉岗位要求变了。以前纯靠手写 UI、调布局、写业务逻辑，现在 AI 能快速生成基础代码、查 bug、写注释，重复劳动少了很多。但反而更卷核心能力：架构设计、性能优化、崩溃排查、复杂业务逻辑拆解，这些 AI 很难替代。现在更看重用 AI 提效，把省下来的时间花在深度思考上。只会写简单页面的开发者会越来越难，懂架构、能解决疑难问题、会用好 AI 工具的人，才更有竞争力。

最近在boss上海投，发现最近的招聘JD变化还挺大的：以前运维岗要求：熟悉各种中间件会写shell脚本熟悉Linux、数据库等现在多了这些："了解AI/大模型相关技术""有AI工具使用经验"我的感受是：感觉已经变成所有岗位的基础要求了，就像以前的办公软件一样。

作为已经毕业、正在做运营的人，明显感觉到：现在的运营，和几年前完全不是一个岗位。以前做运营：写文案、做活动、排排版、追热点、剪简单视频、拉数据。现在招运营，要求直接上了一个台阶：不只会写文案，还要会用AI写文案、改文案、批量出文案不只会做活动，还要懂用AI做选题、测标题、优化话术不只会看数据，还要会用AI快速分析数据、找问题、给结论不只会用工具，还要有prompt能力、信息整合能力、判断力最真实的变化就3点：1. 纯重复、纯体力的运营正在被替代复制粘贴、无脑排版、简单文案、机械剪辑，AI比你快得多。2. 会用AI = 基础门槛不会用AI提效，同等条件下，公司优先选能“1人干多人活”的。3. 真正值钱的，是AI替代不了的东西策略、用户洞察、文案质感、活动逻辑、沟通谈判、跨部门推进、商业理解。给正在找运营工作、春招投运营的同学一句实话：别再只练“手工活”别觉得会剪视频、会写公众号就够一定要把AI+运营当成一项硬技能去学运营从来不是消失，而是升级了。你不跟着升级，就会被更便宜、更会用AI的人换掉。

我们都是去为了找工作去学习的嘛，这是我们的驱动力。所以岗位要求什么我们就去学习什么，这才是我们的驱动力，因为我们工作中用不到的东西，很容易就被遗忘了！所以就必须去看岗位的JD

对于后端程序员，多了要全面拥抱ai，学会使用ai，会vibe coding还要不断学习最新的内容，因为这个圈子是不断发展的，从一开始的GPT到cursor到ClaudeCode再到龙虾。不再是 “会写 CRUD 就行” 的时代，AI 正在重塑后端开发的工作流和能力要求 ——工具使用能力、提效思维、技术敏感度，已经和 Java 基础、框架原理、数据库优化一样，成为了后端程序员的核心竞争力。过去写一个复杂的分布式锁逻辑，可能要查半天文档、翻好几篇博客；现在可以用 Claude Code 直接生成基于 Redis 的分布式锁代码，再结合自己的理解优化细节。过去排查 JVM 内存泄漏，要对着日志和监控面板逐一分析；现在可以把堆转储文件和报错信息丢给 AI，让它快速定位内存溢出的元凶。过去写接口测试用例，要手动构造几十种参数组合；现在用 Cursor 的 vibe coding 模式，边写边提示，几分钟就能生成完整的测试套件

作为入职 2 年的后端开发，明显感觉 AI 把后端岗的要求卷出了新高度，以前的核心能力全成了基础，新要求不跟上，分分钟被淘汰！以前：手搓 CRUD、死磕算法、熬夜调 bug 是核心，能独立写模块就是香饽饽；现在：AI 秒写代码、自动 debug、一键生成接口，纯编码能力已经不值钱了。当下后端岗的核心要求早变了：需求拆解能力：能把模糊的业务需求拆成 AI 能执行的清晰指令，比自己写代码更重要；AI 成果校验能力：AI 写的代码多但杂，能快速排查逻辑漏洞、优化架构、把控代码质量，才是核心竞争力；全栈思维能力：AI 能补前端、写脚本、做部署，要求后端不再只守着自己的模块，懂前端、懂 DevOps、能搭全流程才吃香。说白了，AI 成了「代码执行手」，而我们要做站在 AI 背后的决策者，不会用 AI 的会被淘汰，只会用 AI 的也走不远！

AI时代，前端岗位从代码实现者转向AI协同开发者。基础切图、样式编写被AI工具替代，岗位更看重提示词工程、AI代码审核与架构能力。要求熟练集成大模型API、流式交互、智能组件，强化工程化、性能优化与产品思维。前端需具备全链路视野，从实现页面转向打造智能交互体验，核心竞争力转向人机协同与复杂问题解决。

能够明显感觉到行业对于AI的需求越来越大，写材料，做汇报，ppt，图片，数据可视化，写代码……全部都和AI接轨，大部分需要人力，无力，甚至脑力都需要AI来做。岗位在不知不觉间对于AI的需求越来越大，甚至在招聘的时候默认“会使用AI”一年不到，AI让大部分行业有了“翻天覆地”的变化，三年之后，五年之后，那会是什么样的呢……

AI一来，岗位要求真的不一样了。不光要守好本职技能，还得学会用AI提效，不能只靠老经验。更看重创意、沟通、处理复杂问题这些AI难替代的能力，工作思路和学习节奏，都得跟着时代主动调整。

AI 重塑了技术岗的能力要求：从 “纯手写代码” 转向 “AI 协作编程”。现在不仅要会用 AI 生成代码，更要具备精准的提示词设计、快速审核 AI 输出的判断力，以及将复杂需求拆解为 AI 可执行任务的能力。岗位不再只需要 “会写代码的人”，而是能驾驭 AI、让技术服务于业务的人。

现在不是从零开始写代码，是遇到问题知道怎么用AI解决。领导说以前看你会不会写代码，现在看你会不会用工具。遇到报错，先复制给AI问原因，然后再找解决方案。解决问题的能力变成了"谁能让AI更好地帮你解决问题"。

现在公司基本都会买 AI 使用的额度，然后让员工用 AI 去开发，而且同时要每个月检查每个员工的 AI 使用额度，做一个报表，此时相关代码产出和质量也会生成一个图表，AI 不仅仅是直接对话了，如果不去学习的话，回复效果差很多，尤其是上下文长了之后，或者业务比较复杂的情况下，做好instruction, plan ,create prompt skill 等，还是比较好的习惯