最近校招圈又被一条消息刷屏了。小红书上线了 Ace「顶尖实习生」计划面向 AI 方向长期招聘其中部分岗位给出的实习薪资非常高博士最高约 3500 元/天本硕最高约 2000 元/天。这个数字一出来很多同学的第一反应可能是“这也太夸张了吧” “这种机会是不是只属于算法大神” “我不是 AI 专业和我有什么关系” “我是测试方向还需要关注这种新闻吗”如果只是看热闹这确实只是一条“大厂高薪新闻”。但如果你正在准备实习、秋招、春招或者正在从功能测试、自动化测试往测试开发、AI 测试方向转型这件事其实释放了一个很明确的信号AI 人才竞争已经不只发生在社招市场也不只发生在算法岗之间。它正在快速前移到实习、校招、项目经验和工程落地能力上。换句话说AI 不再只是“以后再学”的东西。它已经开始影响年轻人的第一份实习、第一份工作甚至影响未来几年技术岗位的竞争方式。阅读目录小红书为什么愿意给实习生这么高的薪资这次招聘计划真正值得关注什么大厂为什么都在抢 AI 人才普通同学不要只盯着高薪更要看懂变化测试开发同学应该怎么切入 AI真正有竞争力的 AI 测试能力是什么现在开始准备还来得及吗别只羡慕高薪先把能力做出来一、小红书为什么愿意给实习生这么高的薪资过去很多人对实习生的理解是进公司熟悉流程做一些辅助工作参与一些边缘需求。但在 AI 时代这个逻辑正在变化。尤其是大模型、推荐、搜索、多模态、AI Coding、AI Safety 这些方向本身就处在高速变化阶段。企业需要的不只是有多年经验的人也需要一批学习速度快、动手能力强、能快速跟上新技术的年轻人。有些优秀学生在学校里可能已经做过AI 相关课题 开源项目贡献 算法比赛 大模型应用项目 Agent 工具实践 多模态项目 AI 编程辅助工具探索。这些经历放在以前可能只是简历上的加分项。但现在不一样了。企业越来越愿意提前发现这类人并把他们放到真实业务场景里训练和筛选。所以小红书这次高薪招实习生本质上不是单纯“炫富”而是在提前锁定未来几年最关键的一批 AI 人才。企业不只是想招一个实习生。它更想提前发现一个未来能参与核心业务的人。二、这次招聘计划真正值得关注什么很多人看到这类新闻只记住了“日薪 3500 元”。但从求职角度看真正值得关注的不是这个数字而是背后的三个变化。第一竞争正在提前过去很多同学会觉得大一大二先打基础大三再找实习大四再准备校招。但现在节奏明显提前了。如果一个大一、大二的同学已经有 AI 项目经验、比赛经历、开源贡献、技术博客或者真实业务实践就有机会提前进入大厂视野。这意味着什么意味着校招不再只是毕业前几个月的冲刺。它更像是一场长期积累。谁更早接触真实项目谁更早建立作品集谁更早把 AI 工具用到具体场景里谁就更容易在实习和校招里拿到主动权。第二岗位边界正在变宽很多同学一看到 AI就默认这是算法专业、计算机专业、博士硕士的事情。但现在的 AI 岗位已经不只局限在“训练模型”这一件事上。企业还需要很多懂业务、懂用户、懂内容、懂产品、懂工程落地的人。因为 AI 最终不是停留在实验室里跑分而是要进入真实业务。比如AI 搜索 AI 推荐 智能客服 智能办公 AI 编程 AI 测试 内容理解 风控审核 数据分析 营销增长。这些场景里很多岗位都不是单纯的算法问题而是“AI 业务”的复合型问题。所以普通同学真正要看到的是AI 不是只给算法岗带来机会也会重塑开发、测试、产品、运营、数据等岗位。第三高薪背后是企业在抢时间为什么企业愿意给这么高的薪资因为 AI 已经不只是一个技术方向而是下一阶段业务增长的重要入口。谁能更快把 AI 用到业务里谁就可能更快提升效率、优化体验、降低成本甚至做出新的产品形态。对企业来说优秀 AI 人才不是普通成本而是战略资源。所以你会看到不只是小红书在行动。阿里、字节、腾讯、京东、美团、百度等大厂都在围绕 AI 加大投入。有的在招大模型算法人才 有的在招 AI 应用工程师 有的在招 Agent 方向人才 有的在招 AI Coding 相关岗位 有的在招多模态、搜索推荐、AI 安全方向人才 还有的把 AI 能力直接写进实习生和校招生招聘要求里。这已经不是某一家公司的短期动作。而是整个行业的人才结构正在变化。三、大厂为什么都在抢 AI 人才大厂的招聘方向往往就是行业风向标。过去几年互联网公司重点卷的是移动互联网、推荐算法、商业化增长、云计算、直播电商。现在几乎所有大厂都绕不开 AI。原因很简单AI 正在改变企业内部的生产方式。以前企业招人重点看你会不会写代码 你会不会做测试 你会不会做需求 你会不会做运营 你会不会做数据分析。现在企业开始看你能不能用 AI 提升交付效率 你能不能把 AI 工具接入真实流程 你能不能判断 AI 输出是否可靠 你能不能设计一个可落地的 AI 应用 你能不能把业务问题拆成 AI 能处理的任务 你能不能和 AI 一起完成更复杂的交付。这就是 AI 人才变贵的原因。不是因为“会用几个 AI 工具”就值钱。而是因为企业真正需要的是能把 AI 用进业务、用出结果、用出效率的人。四、普通同学不要只盯着高薪更要看懂变化看到“小红书实习日薪最高 3500 元”很多同学容易出现两种反应。一种是兴奋“AI 太赚钱了我马上转 AI。”另一种是焦虑“完了我不是算法专业我肯定没机会。”其实这两种反应都没有必要。对大多数普通同学来说真正该关注的不是“我能不能立刻拿到 3500 元/天”而是AI 正在改变岗位能力模型。未来很多岗位都不会只要求你会传统技能而是会要求你具备 AI 协作能力。开发同学要会用 AI 辅助编码、补测试、查问题 测试同学要会用 AI 生成用例、分析日志、定位缺陷 产品同学要会用 AI 做竞品分析、需求拆解、原型表达 运营同学要会用 AI 做内容生产、数据分析、用户分层 数据同学要会用 AI 做洞察分析、报表解释、异常归因。所以AI 带来的机会不只属于算法工程师。它也属于一批愿意把 AI 能力和原本专业结合起来的人。这类人未来会越来越吃香。AI 时代岗位能力正在发生变化五、测试开发同学应该怎么切入 AI如果你是测试、测试开发、自动化测试方向的同学这次高薪招聘 AI 实习生最值得你关注的不是“算法岗工资有多高”而是测试岗位本身也在被 AI 改造。以前测试同学的核心能力更多集中在需求分析 测试用例设计 接口测试 自动化测试 性能测试 缺陷定位 质量保障流程。这些能力现在依然重要。但只靠这些未来竞争力会越来越弱。因为企业已经开始关注一个新问题能不能用 AI 把测试效率再往上提一截比如过去写测试用例可能要人工一点点分析需求。现在可以让 AI 先基于需求文档、接口文档、页面截图生成测试点再由测试同学审核、补充和优化。过去分析日志可能要人工在一堆报错信息里慢慢查。现在可以让 AI 辅助总结异常链路、提取关键信息、推测可能原因。过去做自动化脚本可能要一点点写代码。现在可以让 AI 辅助生成脚本框架、补充断言、解释失败原因。但这里有一个关键点AI 可以提效但不能替测试同学负责。真正有价值的测试开发同学不是简单问 AI 几句话而是能判断 AI 输出是否正确能把 AI 能力接入真实测试流程能把单点工具变成可复用的方法。六、真正有竞争力的 AI 测试能力是什么如果你想从测试方向切入 AI不建议一上来就死磕大模型底层算法。对大多数测试开发同学来说更现实的路径是先把 AI 用到测试工作流里。可以重点补这几类能力。一、AI 辅助测试用例设计你要能让 AI 帮你做初步分析但不能完全依赖 AI。比如根据需求生成测试点 根据接口文档生成接口用例 根据业务规则补充边界场景 根据历史缺陷反推风险点 根据页面截图辅助识别测试路径。这个方向非常适合测试同学入门因为它和原本的测试工作连接很紧。二、AI 辅助自动化测试AI Coding 对测试开发的影响会越来越明显。未来写自动化脚本不再只是手写代码。你需要会让 AI 生成自动化脚本初稿 让 AI 辅助补充断言 让 AI 解释脚本失败原因 让 AI 优化重复代码 让 AI 根据页面变化辅助维护脚本。这不是说测试开发不需要写代码了。恰恰相反你更需要懂代码。因为只有你懂代码才能判断 AI 写得对不对能不能放进项目里后期好不好维护。三、AI 辅助缺陷定位很多测试同学发现 bug 后只能停留在“这里有问题”。但企业更希望你能往前多走一步这个问题可能和哪个接口有关 可能是哪次发布引入的 日志里有没有关键异常 是否和数据、缓存、权限、配置有关 影响范围有多大 是否需要阻塞上线这些问题未来都可以借助 AI 辅助分析。但最终的判断依然来自测试同学对业务、系统和风险的理解。四、Agent 和测试工作流未来很多企业不会只满足于“用 AI 聊天”。它们会把 AI 做成一个个工作流和智能体。比如需求评审智能体 测试用例生成智能体 接口测试生成智能体 自动化脚本维护智能体 日志分析智能体 缺陷复盘智能体 测试报告生成智能体 回归范围推荐智能体。测试开发同学如果能理解这些东西就不只是 AI 工具使用者而可能成为智能化测试平台的建设者。这也是测试开发未来很重要的升级方向。测试开发同学的 AI 能力升级路径七、现在开始准备还来得及吗来得及。但前提是不要只停留在看新闻、收藏资料和制造焦虑。很多同学现在最大的问题不是没有机会而是学习方式太散。今天看一个大模型新闻 明天收藏一个 Agent 项目 后天听说 RAG 很火 再过两天又开始焦虑 AI Coding。看起来学了很多最后没有形成一条主线。如果你是测试开发方向可以按这个路径来准备。第一把测试和编程基础打牢没有测试基本功AI 生成再多内容你也判断不了对错。测试分析能力、用例设计能力、接口理解能力、代码基础这些依然是底座。AI 不是绕过基本功的捷径。它更像是一个放大器。基础扎实的人用 AI 会更快基础薄弱的人可能只是更快地产出一堆不可用的内容。第二先用 AI 改造一个具体场景不要一上来就想做一个很大的平台。可以先从一个具体场景开始。比如用 AI 根据需求文档生成测试点用 AI 根据接口文档生成接口测试用例用 AI 分析自动化脚本失败原因用 AI 根据日志生成缺陷分析报告用 AI 根据版本变更推荐回归范围。场景越具体越容易做出结果。第三补 AI 应用开发的基本能力测试开发同学不一定要从模型训练开始学但要理解 AI 应用开发的基本结构。比如RAG 是怎么让模型结合知识库回答问题的 Agent 是怎么拆任务、调用工具、完成流程的 MCP 是怎么让模型连接外部工具的 向量检索和关键词检索有什么区别 AI 输出为什么需要校验、评估和兜底。这些能力会决定你能不能从“会用 AI”升级到“会做 AI 应用”。第四做一个能讲清楚的项目校招也好转岗也好真正有说服力的不是“我了解 AI”而是你做过什么 解决了什么问题 原来流程是什么 现在怎么改造 效率提升在哪里 风险怎么控制 项目怎么落地 如果重新做一遍你会怎么优化一个能讲清楚的项目比十几个模糊的概念更有价值。从看到机会到真正形成竞争力八、别只羡慕高薪先把能力做出来小红书实习日薪最高 3500 元表面看是一条高薪新闻。但对普通同学来说它真正值得关注的地方不是别人能拿多少钱而是大厂正在用真金白银告诉市场AI 能力正在变成新一轮求职竞争力。当然也要客观看待这件事。高薪岗位一定是留给头部候选人的不代表所有人只要学 AI 就能马上拿高薪。但它至少说明一个方向企业愿意为真正能解决问题的 AI 人才付费。未来的机会不只属于最顶尖的算法同学。也属于那些能把 AI 用到真实业务里能把工具变成效率能把想法做成项目能把项目讲清楚的人。如果你是测试方向的同学更不需要把自己排除在 AI 之外。因为 AI 落地一定需要测试。AI 应用需要测试 Agent 工作流需要测试 RAG 知识库需要测试 AI Coding 生成的代码需要测试 智能化测试平台本身也需要测试开发能力。真正的变化不是“测试岗位没了”。而是测试岗位正在升级。以前拼的是谁更会执行。以后拼的是谁更懂业务、懂工程、懂 AI谁能用 AI 把质量保障这件事做得更快、更准、更有价值。所以别只盯着 3500 元日薪羡慕。从现在开始把 AI 能力补进自己的技能栈做出一个能展示的项目形成一套能讲清楚的面试表达。这件事可能比单纯刷一百条招聘新闻更重要。本文部分内容参考了霍格沃兹测试开发学社整理的相关技术资料主要涉及软件测试、自动化测试、测试开发及 AI 测试等内容侧重测试实践、工具应用与工程经验整理。