招聘市场最反常的地方，是两边都觉得自己很委屈。
工程师刷了一晚上岗位，看到满屏“AI”“Agent”“大模型”，投出去却像把简历塞进黑洞。招聘方也不轻松，岗位挂出去后，收进来的简历越来越厚，真正能约面的人却越来越少。双方都在喊缺口，双方都没有轻松找到彼此。
这类错觉并非中文互联网独有。The Pragmatic Engineer 在 2026 年 7 月 7 日发布的技术就业市场调研里，采访了 50 多位招聘经理、软件工程师和工程负责人，给出的描述很直接：这是一个“彼此找不到”的市场。资深工程师和管理者感觉被雇主冷落，招聘者则被大量 AI 生成简历、低质量投递和可疑候选人淹没。AI 相关岗位确实更热，但热闹没有自动变成更顺畅的跳槽。
本号此前讨论过，AI 写代码并没有让工程师岗位直接消失，先变化的是筛选方式和能力价格。
这组欧美样本，值得中文工程师认真看。它更像一份可能提前到来的市场预告。中国市场已经出现类似前奏：AI 岗位增长很快，薪资更高，需求正在从互联网公司外溢到实体经济；与此同时，岗位也在去初级化，越来越多职位要求候选人具备 AI 能力。
更要紧的变化在于，公司开始重新计算一个人的价格。AI 岗位变多不会平均改善工程师市场；企业正在重新给工程交付、AI 使用能力、业务上下文和可信背书定价。过去一名工程师主要卖工程经验；现在市场更在意一组组合能力：能不能交付复杂系统，能不能用 AI 放大效率，能不能理解业务现场，能不能让招聘方相信这些能力真实存在。
欧美市场先出现了错配
欧美技术岗市场给出的信号，并不是一句简单的“寒冬”或“复苏”。它更像一间很大的会议室，门口写着“急招”，里面坐着一堆找不到合适人的招聘经理，门外站着一堆投不进去简历的工程师。门没有锁，通道却堵住了。
Pragmatic Engineer 的调研里，招聘方的痛点很具体。大量候选人开始用 AI 批量生成简历和求职信，入站申请数量变多，可信度却下降。招聘团队不得不把更多精力放到筛噪音上。简历越像模板，越难证明一个人真的做过复杂项目。
求职者这边同样不轻松。经验不错的人也会感觉自己被系统过滤、被招聘方忽略。过去“多投一些”还能提高命中率，现在多投可能只是把自己放进更大的噪音池。招聘市场像一个被 AI 放大的收件箱：邮件更多，回复更少，真正有用的线索反而更依赖熟人背书。
这解释了一个看似矛盾的现象：AI 相关岗位很热，普通工程师却没有同步变得更好跳槽。岗位热的是特定技能、特定上下文、特定可信度，不是所有简历上写着“熟悉 AI”的人。
中文市场已经有类似前奏
中国市场的表面信号更热。
新华社客户端报道 BOSS 直聘 ECHO2026 数据时提到，AI 相关岗位月均新发职位数同比增速从 2023 年的 8.5%，提高到 2024 年的 36.5%，到 2025 年达到 74.1%。同一篇报道还提到，AI 需求不再只来自 AI 公司和互联网大厂，也扩散到实体经济与专业服务领域；销售行政和商务类 AI 相关岗位增长明显，法律、咨询、人力资源等专业服务岗位也出现快速增长。
脉脉高聘人才智库发布的 2026 年 1—2 月中高端人才求职招聘洞察，给出的信号更直接：AI 新发岗位量同比增长 12 倍，平均薪资 60738 元；春招新发岗位明显去初级化，3 年以上经验岗位占比超过七成，34% 的岗位明确要求 AI 能力。
这些数据放在一起，不应推出“赶紧转 AI 岗位”这种简单结论。更准确的判断是，AI 正在从一个岗位类别，变成一层通用筛选条件。以前 Excel 是财务、运营、销售的通用工具；后来不会 Excel 不一定单独写在岗位名里，却会影响基本工作效率。AI 很可能走同一条路。
这意味着中文市场会出现一个更隐蔽的变化：岗位标题未必都变成“AI 工程师”，但岗位要求会悄悄变成“默认会用 AI”。后端岗位会问如何用 Agent 改造内部工具，前端岗位会问如何把生成能力接进产品流程，测试岗位会问如何用 AI 覆盖回归场景，产品和运营岗位也会被要求用 AI 处理资料、分析用户和搭建自动化流程。
最尴尬的将是“只会说自己会用 AI”的人。简历里写 Copilot、Cursor、Claude Code 并不难，难的是证明这些工具真的改进了交付结果。招聘方真正想看的，是使用工具后多交付了什么、少出错了什么、节省了多少沟通成本。
普通工程师会遇到四个变化
第一个变化，是初级岗位继续变窄。
这并不意味着新人没有机会，而是新人需要更早证明自己能独立完成一段真实任务。过去企业愿意用较长周期培养基础工程能力，现在 AI 工具可以承担一部分样板代码、简单排查和文档整理，企业自然会提高入门岗位的交付预期。以前是“会写代码就能进门”，现在更像“能把问题闭环才算入场”。
第二个变化，是“AI 岗位”减少，“带 AI 要求的普通岗位”增加。
市场不会把所有岗位都改名为 AI Engineer。更可能发生的是，普通岗位继续存在，但里面多出一行隐性要求：能不能把 AI 放进工作流。这个要求不会总是写得很清楚，却会出现在面试问题、试用期任务和绩效比较里。
第三个变化，是管理岗重新定价。
只会排期、同步、开会的管理动作，会被工具压缩。真正变贵的是另一类人：能把 Agent、自动化和团队流程接起来，把研发吞吐、质量和知识沉淀变成可观测指标。以前管理者像交通警察，主要任务是避免碰撞；以后更像调度系统设计师，要重新设计路口、信号灯和车道。
第四个变化，是机会从模型公司外溢到传统行业。
BOSS 直聘的公开材料指向同一个方向：AI 需求正在实体经济、电子半导体、消费零售、物流、制造业里扩散。未来很多好机会未必在最耀眼的模型公司，而在“懂业务、懂系统、懂 AI 工具”的交叉地带。制造业需要懂产线的自动化工程师，金融需要懂风控和合规的 AI 工程化人才，企业服务需要懂流程、权限和集成的人。
这里体现了中文市场与欧美市场的差异。中国有更大的产业链和更复杂的线下场景，AI 机会不会只长在办公室和代码仓库里。会写提示词只是入口；把模型接进真实业务流程，才是真正的交付能力。
跳槽策略要从关键词改成证据链
如果市场真的走向这种结构，最无效的策略就是把简历改成 AI 关键词展览。招聘方已经被 AI 生成内容淹没，更多关键词只会让简历更像噪音。
更有效的做法，是把能力变成证据链。
工程交付： 先证明基本盘。系统设计、代码质量、线上稳定性、排障能力仍然是底座。AI 可以提高产出速度，但不能替代对复杂系统的判断。没有工程底座的 AI 使用，很容易变成自动生成的技术债。
AI 工具： 不只展示使用过哪些工具，而是展示工具如何进入流程。比如如何用 Agent 处理重复改造，如何让模型参与测试生成、日志分析、文档同步，如何设置权限和回滚。工具本身不稀缺，流程化使用工具才稀缺。
业务上下文： 能解释为什么要做这件事，比能生成代码更值钱。企业不缺会调用模型的人，缺的是能把模型能力翻译成业务收益的人。懂订单、库存、风控、客服、投放、供应链的人，会比只懂 API 参数的人更难替代。
信任背书： 在噪音变多的市场里，可信度会变成稀缺资源。作品、开源项目、内部推荐、行业口碑、可复盘的项目结果，都会比一句“熟悉大模型应用”更有用。AI 让简历更容易生成，也让真实背书更值钱。
这并不要求每个工程师都去抢算法岗。中文市场未来更需要的，可能是大量能把 AI 放进真实业务系统的人。后端、前端、测试、数据、运维、产品技术、解决方案，每个方向都会出现自己的 AI 化版本。
欧美市场今天的错配，给中文工程师的提醒很直接：机会确实在增加，但机会不会平均落到每一份简历上。岗位变热只是第一层，筛选变严才是第二层。真正能穿过这层筛选的人，往往能把工程能力、AI 工具和业务现场串成结果。
AI 岗位越热，普通工程师越难跳，并不是因为市场不需要工程师了。恰恰相反，市场更需要能解决真实问题的人。只是“真实问题”这四个字，比过去贵了很多。
