我扒了 10,221 条 JD：腾讯技术岗 75% 在要 AI

最近在招前端。打开招聘软件翻了几天岗位描述，发现「熟练使用 AI 工具」这类字眼出现的频率高得有点离谱。

我不太信个人体感，去找了找有没有人正经统计过。还真有：澎湃新闻拆了今年春招的 10,221 条岗位描述，把 JD 里写没写 AI 要求挨个数了一遍。

先看大盘。

维度	含 AI 要求的占比
全样本 10,221 条 JD	47%
腾讯全部岗位	56%
腾讯技术岗	75%
字节全部岗位	56%
字节设计岗	63%

近一半岗位写了。腾讯技术岗更是四分之三。

这个数字对做技术的人来说意味着什么，不用翻译------面试你的人大概率默认你已经在用 AI 写代码了。你没在用，反而是你要解释的那个。

先说钱

占比说明方向，薪资说明这件事是不是动真格的。

猎聘大数据研究院的年度报告里有一组对照：AI 相关岗位的平均年薪是 29.6 万，非 AI 岗位是 21.8 万。

数据	数字
AI 相关岗位平均年薪	29.6 万
非 AI 岗位平均年薪	21.8 万
差价	一年 7.8 万

同一个岗位方向，挂上 AI 相关要求，一年差出 7.8 万。这是招聘平台全量数据算的平均值，不是哪家公司开出来的噱头价。

简历那边动得更快。写「掌握 AI 工具」的求职者一年涨了 81.8%------大家都不傻。但价差还摆在那里，说明会的人还是不够多。这个缺口什么时候被填平不好说，填平之后，这 7.8 万就没了。

前端这边发生的三件事

大盘数字之外，我把和前端直接相关的几个变化单独拎出来了。

第一件，岗位名字改了。字节招聘官网上，番茄小说团队在招的岗位叫「AI 大前端开发工程师」。AI 直接进了岗位名，不是任职要求末尾的修饰词。改岗位名是要动职级体系的，这个成本公司不会为跟风付。

第二件，校招写死了。美团今年校招的全栈岗，任职要求里明明白白写着「会使用 AI Coding 工具」。做过校招的都知道这意味着什么：这是筛简历的硬条件，不是聊起来加分的软话题。应届市场永远是最灵敏的风向标。

第三件，面试已经在考。牛客这些地方的面试题库里，「AI 编程」成了固定板块：工具工作流、AI 生成的代码怎么 review、需求怎么拆给 AI。没有标准答案，但有一类回答基本等于出局------「我平时还是自己写，AI 的代码我不放心」。在现在的面试语境里，这句话约等于「我不读文档」。

JD 里的 AI 要求，一半是跟风

写到这里，肯定有人要抬杠：JD 写 AI 要求就是跟风，面试根本不问。

这个质疑我认真查过，有一半道理。字节设计岗 63%，比研发的 56% 还高------设计岗的 AI 要求里，姿态成分肯定不小。JD 里加一句「会 AI」的成本是零，不写显得落伍，跟风必然存在。

但判断一个要求是真是假，别看 JD 措辞，看公司为它花了多少成本：

跟风的证据	动真格的证据
字节设计岗 63% 超研发 56%，姿态不小	岗位名改动要动职级体系，字节改了
JD 加一句话成本为零	校招要求要动筛选流程，美团写死了
不写显得落伍	面试题要动考官培训，题库已经在考

我的判断：跟风的那一半会自己过期，不用管。剩下那一半是实打实的筛选条件。按真的准备永远不亏，因为准备成本比你想的低得多------往下看。

接下来做什么

「会 AI」不是让你学个新框架，不用啃语法啃全家桶。核心就一件事：把日常开发的工作流切过去。我按优先级排了三步。

第一步，把写代码的流程换成 AI 先动手。现在的 AI 编程不是当年按 Tab 补全了，是在 Claude Code、Cursor Agent 里把需求说清楚，它直接把整个组件、整个文件生成出来，你负责看、改、提交。切过去只要一天。卡住大多数人的不是工具是习惯------把需求描述清楚比直接上手写更费脑子，写着写着手就痒了。给自己立个规矩：新代码默认让 AI 先写一版，你只做 review。两周，肌肉记忆就有了。

第二步，把 JD 里的措辞翻译成准备动作。这些表述看着差不多，背后要的东西完全不一样：

JD 里的表述	实际在要什么	你要准备什么
熟练使用 AI Coding 工具	默认你天天在用	讲得出自己的工作流
具备 AI 辅助开发经验	要细节不要态度	备一两个真实案例，需求怎么拆、结果多少
会用 AI 提效	要数字	「交付周期从 3 天到 1 天」这种话
了解 AI 生成代码的质量把控	考 review 能力	说得清 AI 代码的典型毛病和你怎么查
熟悉 Prompt 工程	会拆任务	把大需求拆成 AI 能消化的块

第三步，改简历。这个放最后细说，因为坑最多。

简历上怎么写才算数

很多人简历的问题不是没写 AI，是写错了位置。

写错的版本长这样：「熟练使用 ChatGPT、Cursor 等 AI 工具」。这句话躺在技能特长栏里，是一句态度。筛简历的人一天几百份，态度没有区分度。

要写，就写进项目经历里，带场景带数字：「负责营销活动页开发，用 AI 辅助工作流（需求拆解、AI 生成初版、人工 review），常规活动页交付周期从 3 天缩短到 1 天，全年覆盖 12 个活动」。

三个要素：真实场景，具体工作流，量化结果。句式可以直接抄。

手里暂时没有数字？攒一个。挑下周的常规需求，刻意用 AI 工作流跑一遍，记下耗时，跟上一次同类需求比。一周后你的简历就有一句真话可写了。

顺手分享我整理 JD 时写的小函数，把岗位描述丢进去，它告诉你 AI 要求落在哪一类、该准备什么：

const JD_AI_PATTERNS = {
  日常使用: [/ai\s*coding/i, /ai\s*编程/, /cursor|claude\s*code|copilot/i, /ai\s*辅助开发/],
  经验细节: [/ai.*经验/, /大模型应用/, /agent/i, /mcp/i],
  量化提效: [/提效/, /效率提升/, /降本/],
  质量把控: [/review|评审/, /代码质量/, /把控/],
  任务拆解: [/prompt/i, /拆解|拆分/],
};

function scanJD(jdText) {
  const hits = Object.entries(JD_AI_PATTERNS)
    .filter(([, patterns]) => patterns.some((p) => p.test(jdText)))
    .map(([category]) => category);

  if (hits.length === 0) {
    return { level: '未写明', advice: '不写不代表不考，面试聊到 AI 别接不上话' };
  }
  return {
    level: hits.length >= 3 ? '硬性要求' : '有要求',
    hits,
    advice: hits.length >= 3
      ? '按筛选条件准备：工作流 + 带数字的案例 + review 清单，三样都要有'
      : '准备一两个带数字的 AI 使用案例就行',
  };
}

console.log(scanJD('熟练使用 AI Coding 工具，具备 AI 辅助开发经验，注重代码质量与 review'));

最后一行跑出来是「硬性要求」。这基本就是今年技术岗 JD 的默认长相。

最后

47% 的岗位写了，腾讯技术岗 75%，价差一年 7.8 万，校招硬性筛，面试固定考。五个信号单独拎出来都能挑毛病，同时指向一个方向的时候，再纠结「是不是真的」就有点自欺了。

对前端来说，最不值钱的是焦虑，最值钱的是把「会用 AI」从一个态度变成一段你能脱口而出的工作流程。两周的事，不是两年的事。

你最近看机会了吗？看到的 JD 写 AI 要求了吗------是真在面试里考，还是只挂在页面上？评论区报个坐标聊聊，我想看看不同城市这个比例差多少。

---