Signal #3:软件工程岗位开始 AI-native 化

本周 Signal 是我持续记录 AI 与软件工程变化的栏目。不追热点，只记录那些正在发生、且值得长期跟踪的变化。关于交流和关注

最近在关注一些大厂招聘时，发现一个比较明显的变化：AI相关能力开始进入普通软件工程岗位。

这种变化体现在几个方面：

• • 面试中开始涉及大模型基础（如 Transformer 等）
• • 会问到 RAG、Agent 等 AI 应用架构
• • 一些岗位要求熟悉 AI coding 工具
• • 岗位名称也开始发生变化，例如AI Agent 前端开发、前端工程师 – 研发智能化、AI应用工程师

更有意思的是，这些岗位往往并不在 AI 研究团队，而是出现在业务研发团队或工程团队中。

从面试内容来看，这些问题大致可以分为三个层次：

基础层

理解大模型基本原理，例如：

• • Transformer
• • Token / Attention
• • Embedding

这一层更像是对新基础设施的理解。

应用层

如何在系统中使用 AI，例如：

• • RAG
• • Prompt
• • Agent
• • LLM应用架构

这一层开始进入 AI 工程实践。

系统层

AI开始参与软件系统本身，例如：

• • AI coding workflow
• • Agent系统
• • AI参与研发流程

这一层已经接近 AI-native software engineering。

这些变化可能意味着一个更深的趋势：

AI 不再只是一个独立领域，而正在逐渐成为软件工程的一部分。

当 AI 开始参与代码生成、任务执行甚至研发流程时，开发者的能力结构也在随之扩展。

某种意义上，软件工程岗位正在逐步走向 AI-native。