夜雨聆风关注「软件测试就业联盟」公众号，陪你走好校招求职的每一步
最近，小红书的一次组织调整，在互联网圈里引发了不少讨论。
据多家媒体报道，小红书发布全员内部信，宣布新一轮组织升级：成立AI一级部门 Dots 和 企业智能部，并由柯南出任总裁，统筹社区、电商、商业化和技术体系。(Eeo) 这件事看起来像是一家公司的内部调整。
但如果你正在准备实习、春招、秋招，或者未来想进入互联网、大厂、科技公司，这个信号其实非常值得关注。
因为它说明一件事：
AI已经不只是一个工具功能，而是开始进入大厂的组织架构、业务流程和人才招聘体系。
换句话说，大厂不是在“试试AI”，而是在围绕AI重新排兵布阵。
阅读目录
小红书为什么要单独成立AI一级部门？ 这件事对校招意味着什么？ 大厂为什么都在抢AI人才？ 普通在校生还有机会吗？ 2026届、2027届应该怎么准备？ 想进大厂，别只会写简历，要补这几类能力
一、小红书这次调整，不只是“多了一个AI部门”
很多人看到“小红书成立AI一级部门”，第一反应可能是：
是不是要做AI聊天？ 是不是要做AI图片？ 是不是要做AI视频？
这些当然可能是结果，但不是重点。
真正值得关注的是：AI被放到了一级部门的位置。
这意味着AI不再只是某个产品里的一个功能，也不只是算法团队的一个项目，而是变成了公司级战略。
根据公开报道，小红书新成立的AI一级部门 Dots，将围绕大模型研发、AI基础设施、工程化能力和AI原生产品落地搭建完整体系；企业智能部则整合效率、数据、战略和组织相关资源，推动AI进入内部管理和运营提效。(SmartHey)
这背后释放出来的信号很明确：
未来的内容平台、电商平台、社区平台，都不会只是“人运营平台”，而会逐步变成“AI参与生产、分发、运营、决策的平台”。
以前平台拼的是用户增长、内容供给、商业化效率。
现在平台开始拼：
谁能用AI提升内容生产效率； 谁能用AI优化推荐和搜索； 谁能用AI重构电商转化链路； 谁能用AI降低内部协作和运营成本； 谁能把AI能力真正变成业务增长能力。
这才是小红书这次组织调整真正值得关注的地方。
二、为什么这件事和在校生关系很大？
很多同学会觉得：
“小红书成立AI部门，和我有什么关系？”
“我又不是AI算法博士。”
“我只是想找一份实习或者校招工作。”
关系非常大。
因为大厂组织结构一变，后面一定会跟着三个变化：
第一，岗位需求会变。
以前很多岗位强调的是单点能力，比如会写代码、会做测试、会做运营、会做数据分析。
但AI进入业务之后，企业更需要的是“AI+岗位”的复合能力。 比如：
也就是说，AI不会只影响“算法岗”，而是会影响大量技术岗、产品岗、运营岗、测试岗。
第二，企业筛选人才的标准会变。
以前面试官可能重点看你会不会某门语言、某个框架、某个工具。
现在很多企业会更关注：
你有没有用AI解决过真实问题？ 你是否理解AI产品的基本工作方式？ 你能不能把AI工具接入到具体业务流程里？
你是否知道AI生成的结果怎么验证、怎么评估、怎么测试？
这对在校生来说，既是压力，也是机会。
第三，实习项目会变。
未来大量实习岗位不会再只是“打杂式实习”。
尤其是技术、测试、产品、运营相关岗位，很可能会逐步出现更多AI相关项目：
AI内容生成工具体验与优化； AI客服、AI助手、AI智能体测试； RAG知识库搭建与评估； 大模型输出质量分析； AI产品数据标注、评测和运营； 自动化测试脚本生成与维护； AI辅助研发流程建设。
这意味着，谁能提前理解这些变化，谁就更容易在简历和面试中讲出差异化。
三、大厂为什么都在加速抢AI人才？
小红书不是个例。
这两年，几乎所有头部互联网公司都在加速投入AI。
腾讯和字节跳动在2026年实习生招聘中合计释放超过17000个岗位，其中腾讯全球招募10000+实习生，字节跳动提供7000+实习机会，相关报道中也提到AI相关岗位需求明显增加。(DoNews)
腾讯还启动了2026青云计划实习生招聘，面向全球优秀学生开放，岗位涉及技术研究、软件开发、产品等方向。(新浪财经)
百度方面，李彦宏曾宣布未来5年将再为社会培养1000万AI人才；百度也曾宣布未来三年开放21000个实习岗位给优秀校园人才，并加强对实习生的培养。(中国日报)
这些信息放在一起看，趋势就非常清楚了：
AI已经不再是少数实验室里的技术方向，而是大厂组织、业务、招聘都在围绕它重新调整。
大厂为什么这么着急？
原因很简单。
AI正在改变三个核心问题：
第一，改变生产效率。过去一个内容、一个页面、一个测试用例、一个数据分析报告，可能需要人一步步完成。
现在AI可以参与生成初稿、辅助分析、自动总结、自动执行部分流程。
企业当然会想办法把这些效率释放出来。
第二，改变产品形态。以前的产品是“人点按钮、系统响应”。
现在越来越多产品开始变成“人提出目标，AI完成任务”。
比如：
你告诉AI想剪一个视频，它帮你组织素材； 你告诉AI想做一个活动方案，它帮你生成流程； 你告诉AI要测试一个页面，它帮你生成测试点和自动化脚本； 你告诉AI要分析用户反馈，它帮你归类、总结、提出建议。
这背后不是简单的工具升级，而是产品交互方式的变化。
第三，改变人才结构。当AI开始进入业务流程，企业需要的人才就不只是“会用AI的人”。
而是需要：
懂业务的人； 懂技术的人； 懂工具的人； 懂评估的人； 懂落地的人。
这类人才，就是未来几年非常值得关注的复合型人才。
四、普通在校生还有机会吗？
有，而且机会并不小。
很多同学一听到AI，就觉得自己没机会了： “我不是985。” “我不是算法专业。” “我不会训练大模型。” “我数学不好，肯定学不了AI。”
但这里有个误区。
企业确实需要顶尖算法人才，但企业更缺的是大量能把AI落到业务里的应用型人才。
不是每个人都要去训练大模型。
更多岗位需要的是：
会调用大模型接口； 会使用AI工具提升效率； 会搭建简单的AI应用； 会做AI系统测试； 会评估AI输出质量； 会把AI能力和业务场景结合起来。
比如一个测试方向的同学，不一定要去研究模型参数。
但你可以掌握：
如何用AI生成测试用例； 如何测试AI助手是否答对； 如何评估RAG知识库回答质量； 如何测试智能体执行任务是否稳定； 如何用Playwright、Selenium、Appium结合AI做自动化； 如何设计AI系统的功能测试、性能测试、安全测试和稳定性测试。
这就是普通同学可以切入的机会。
AI时代，不是只有算法岗才有机会。
真正有机会的，是那些能把AI和具体岗位结合起来的人。
五、2026届、2027届，现在应该重点准备什么？
如果你是正在准备实习、春招、秋招的同学，不建议只停留在“收藏岗位信息”和“海投简历”上。
你真正要做的是，把自己的能力结构提前调整到AI时代的招聘逻辑里。
可以从这几个方向开始。
方向一：先补技术基本功，不要只学AI工具
AI很重要，但基础能力不能丢。
尤其是想走技术岗、测试开发岗、自动化测试岗的同学，基础仍然是面试的底盘。
建议重点补：
Linux基础命令； Python或Java基础； 数据结构和基础算法； HTTP、接口、数据库； Git和基本工程协作； 自动化测试基础； 常见测试设计方法； 简单的项目部署和日志分析。
为什么AI时代还要学这些？
因为AI可以帮你生成代码，但它不能替你理解系统。
你不懂接口，AI生成的接口测试你看不懂。 你不懂数据库，AI写的SQL你不敢用。 你不懂日志，系统出问题你定位不了。 你不懂测试设计，AI生成一堆用例你也判断不出质量。
所以，AI不是替代基本功，而是放大基本功。
方向二：掌握AI工具，但不要停留在“会提问”
很多同学现在用AI，主要是让它写文案、改简历、生成代码。
这只是最基础的使用方式。
如果你想在校招里体现竞争力，要进一步理解AI工具背后的工作方式。
至少要知道：
Prompt怎么设计； RAG知识库是什么； Agent智能体是什么； 大模型为什么会幻觉； AI输出结果怎么评估； AI生成代码怎么验证； AI测试和传统测试有什么区别； AI应用如何接入业务流程。
面试时，别人只会说“我用过AI工具”。 你能说：
“我做过一个基于需求文档生成测试用例的AI小工具，并设计了准确性、覆盖率、可执行性三个评估维度。”
这两种表达，在面试官眼里完全不一样。
方向三：做一个能写进简历的AI项目
校招最怕什么？
最怕简历上全是课程，没有项目。
AI时代更是如此。
你不需要一上来就做很复杂的大模型系统，可以从小项目开始。
比如测试方向可以做：
项目1：AI测试用例生成助手输入需求文档或用户故事，自动生成：
功能测试点； 边界条件； 异常场景； 测试用例表格； 评审建议。
这个项目适合写进简历，因为它贴近真实测试工作。
项目2：RAG知识库问答测试平台把课程文档、接口文档、产品文档导入知识库，实现：
文档解析； 向量检索； 问答生成； 答案来源追踪； 回答准确率评估。
这个项目适合想走AI应用、测试开发、后端开发方向的同学。
项目3：Web自动化测试智能体结合Playwright或Selenium，实现：
读取页面元素； 生成操作步骤； 自动执行测试； 失败截图； 日志分析； 自动生成测试报告。
这个项目非常适合测试开发方向。
因为它既有自动化测试，又有AI工具链，还有工程落地场景。
项目4：AI系统评测工具围绕一个AI助手，设计评测集，评估：
回答准确性； 召回完整性； 幻觉率； 响应时间； 安全边界； 多轮对话稳定性。
这个项目更偏AI测试，也是未来非常值得关注的方向。
六、AI时代，测试和测试开发岗位会更吃香吗？
这个问题很适合软件测试、自动化测试、测试开发方向的同学关注。
答案是：传统点点点测试会越来越难，但AI测试和测试开发能力会越来越重要。
为什么？
因为AI系统上线以后，企业会面临很多新的质量问题：
AI回答是否准确？ AI生成的内容是否合规？ AI有没有胡说八道？ AI智能体执行任务会不会乱点？ RAG知识库有没有召回错误？ AI生成代码有没有安全漏洞？ AI系统在高并发下是否稳定？ 不同模型版本升级后效果是否下降？
这些问题，不是简单靠开发自测就能解决的。
企业需要懂AI、懂质量、懂自动化、懂评估体系的人。
所以，未来测试岗位不是消失，而是升级。 从传统测试，升级为：
AI测试工程师； 测试开发工程师； 自动化测试工程师； 大模型应用测试工程师； 智能体测试工程师； 质量效能工程师； AI应用评测工程师。
对在校生来说，如果你现在就开始补AI测试、自动化测试、测试开发能力，反而可能比很多只会传统测试方法的人更有机会。
七、不要误判：AI不是让你少学，而是让你学得更有方向
很多人对AI有两个极端误解。
一种是过度焦虑：
“AI来了，岗位都没了。”
另一种是过度乐观：
“有AI了，我不用学技术了。”
这两个判断都不准确。
更现实的情况是：
AI会淘汰一部分低重复、低判断、低技术含量的工作方式，但也会创造大量新的岗位需求。
问题不在于AI会不会影响就业。
问题在于：
你是只会被AI替代的那部分能力，还是能借助AI提升产出的那部分人才？
同样是写测试用例。
有人还在手动复制模板。
有人已经能用AI生成初稿，再结合业务规则做评审和优化。
同样是做自动化测试。
有人只会录制脚本。
有人已经能让AI辅助分析页面结构、生成定位策略、补充断言和异常场景。
同样是准备校招。
有人还在海投简历。
有人已经围绕目标岗位JD，把技能、项目、简历、面试表达全部做成闭环。
差距就是这样一点点拉开的。
八、给在校生的一份AI时代校招准备清单
如果你现在还不知道怎么开始，可以按下面这份清单来准备。
1. 先确定目标岗位
不要一上来就说“我想进大厂”。
你要先明确自己想投什么方向：
软件测试； 测试开发； 自动化测试； 后端开发； 前端开发； AI产品； 数据分析； AI应用开发； 运营增长。
目标岗位不同，准备路径完全不同。
2. 拆目标岗位JD
找10个目标岗位JD，把里面反复出现的关键词整理出来。
比如测试开发方向，经常会看到：
Python / Java； Linux； MySQL； 接口测试； 自动化测试； Selenium / Playwright； Pytest / JUnit； Jenkins； 性能测试； 测试平台； AI工具使用； 大模型应用测试。
这些就是你的学习路线，不要凭感觉乱学。
3. 做项目，不要只看课
校招简历里最有说服力的，不是“我学过什么”，而是“我做过什么”。
建议至少准备2个项目：
一个传统工程项目，比如接口自动化、Web自动化、测试平台。
一个AI结合项目，比如AI用例生成、RAG知识库、AI自动化测试助手、智能体测试评估。
这样你的简历会更符合现在企业的关注点。
4. 提前准备面试表达
项目做完不等于能通过面试。
你还要能讲清楚：
项目背景是什么； 你解决了什么问题； 技术架构是什么； 核心模块怎么设计； 遇到过什么问题； 你怎么排查和优化； 项目结果如何衡量； 如果重新做，会怎么改进。
这套表达，比项目本身还重要。
5. 尽早实习，不要等秋招才开始
对在校生来说，实习非常关键。
尤其是2027届、2028届同学，不要等到秋招前才开始准备。
能提前实习，就提前实习。
因为实习经历可以带来三件事：
简历更有可信度； 面试更容易展开； 有机会实习转正。
现在很多大厂都在开放转正实习机会，越早准备，机会越大。
九、最后想说：大厂组织调整背后，是人才标准的变化
小红书成立AI一级部门，不只是小红书自己的事。
它代表的是一个更大的趋势：
AI正在从工具层，进入业务层；从业务层，进入组织层；从组织层，进入人才招聘标准。
对企业来说，AI是效率革命。
对在校生来说，AI是一次重新洗牌。
以前你可能拼学校、拼学历、拼信息差。
现在你还要拼：
是否理解AI趋势； 是否掌握岗位基本功； 是否做过AI相关项目； 是否能把AI和具体业务结合； 是否能讲清楚自己的项目价值。
如果你还在准备校招，不要只盯着“哪个大厂招多少人”。
更重要的是，你要看懂：
大厂到底在为什么样的人才留位置。
未来几年，真正有竞争力的同学，不一定是最早喊“AI来了”的人。
而是那些能把AI能力，变成项目经验、岗位能力和面试表达的人。
写在最后
如果你正在准备实习、春招、秋招，或者想了解测试开发、自动化测试、AI测试相关岗位怎么准备，可以进群一起交流。
我们会持续整理：
大厂实习与校招信息； 测试开发学习路线； AI测试项目方向； 简历优化建议； 面试题与项目讲解； 适合在校生写进简历的实战项目。
AI时代，机会还在。
但留给有准备的人。
关于我们
霍格沃兹测试开发学社，隶属于测吧（北京）科技有限公司，是一个面向软件测试爱好者的技术交流社区。
学社围绕现代软件测试工程体系展开，内容涵盖软件测试入门、自动化测试、性能测试、接口测试、测试开发、全栈测试，以及人工智能测试与 AI 在测试工程中的应用实践。
我们关注测试工程能力的系统化建设，包括 Python 自动化测试、Java 自动化测试、Web 与 App 自动化、持续集成与质量体系建设，同时探索 AI 驱动的测试设计、用例生成、自动化执行与质量分析方法，沉淀可复用、可落地的测试开发工程经验。
在技术社区与工程实践之外，学社还参与测试工程人才培养体系建设，面向高校提供测试实训平台与实践支持，组织开展 “火焰杯” 软件测试相关技术赛事，并探索以能力为导向的人才培养模式，包括高校学员先学习、就业后付款的实践路径。
同时，学社结合真实行业需求，为在职测试工程师与高潜学员提供名企大厂 1v1 私教服务，用于个性化能力提升与工程实践指导。
