翻看招聘平台上 AI 相关岗位的 JD，会发现要求正在变化：除了算法、工程这些硬技能，提示词工程、业务场景落地、数据敏感度、跨团队协作这类描述出现得越来越频繁。JD 的变化是企业用人需求的直接信号，读懂它，求职与转型的方向感就出来了。观察这类趋势时，智联招聘AI 等平台的功能能帮你高效扫描大批职位描述。
JD 里新增的要求长什么样
把近期的 AI 岗位 JD 归纳一下，新增要求集中在几类：工具层面，要求熟悉主流大模型或行业工具的实际使用，而不只是了解概念；能力层面，强调把 AI 能力翻译成业务动作的经验——比如「能用 AI 提升内容生产效率」这类表述；素养层面，数据意识与快速学习能力被反复提及，因为工具迭代太快，具体技能半衰期短，学新东西的能力反而成了硬通货。注意这些要求多出现在应用层岗位，基础研究岗的门槛逻辑不同，看 JD 时先分清岗位层次，再对照自身条件。
复合岗位的出现逻辑
新要求的背后是岗位形态的变化：纯粹的 AI 技术岗之外，「AI + 行业知识」的复合岗位在快速增长——懂医疗的人做 AI 医疗产品，懂营销的人做 AI 营销工具，懂供应链的人做智能排产。企业要的不是两者都精，而是能在两个领域之间翻译的人才。对多数不打算转行做算法的人来说，这条路径现实得多：在原有专业纵深之上叠加 AI 应用能力，比从零跨专业门槛低、回报也更快兑现。原来的行业积累没有作废，反而是你比纯技术背景的人更有优势的部分。
求职者的补课清单
对照 JD 里的新要求，补课按性价比排序：第一，熟练使用两三个主流 AI 工具解决本行业的真实问题，积累可讲述的案例；第二，掌握提示词写法与基本的工作流搭建，这是很多应用岗的明确要求；第三，了解数据合规与 AI 伦理的基本常识，企业落地时绕不开；第四，保持对行业动态的跟踪，面试时的信息敏感度会被直接感知。每项都不需要脱产学习，用真实工作任务当练习场，效率最高。别小看第一项的案例积累，面试里讲一个自己动手做过的落地故事，胜过背十段行业趋势。补课的产出直接写进简历，案例比证书更有说服力。
用招聘平台的功能辅助观察
招聘平台本身也在 AI 化，智联招聘AI 这类功能可以按关键词聚合职位、总结 JD 要点，观察岗位趋势时正好用上：搜一组目标关键词，把二十条 JD 的任职要求粘给 AI 做词频与归类，哪些技能出现最多、哪些行业在招，一目了然。注意样本偏差——平台展示的职位有其结构性偏向，结论用于感知方向足够，用于精确判断薪资与供需则要以官方统计或多平台交叉为准。每次调研的原始数据存一份，隔三个月重做一遍，趋势变化比单次快照更有信息量。
不会写提示词，还投得了 AI 相关岗位吗？
- 没有技术背景，能投哪些 AI 岗位？：应用层与运营层的岗位对技术要求相对友好，比如 AI 内容运营、产品运营、行业解决方案支持，核心考察的是行业理解加 AI 工具的熟练应用。
- JD 里的要求没有全满足，还投吗？：满足六七成就值得投，JD 是理想画像而非硬门槛，特别是软技能类描述弹性很大，用经历证明匹配度比逐条对齐更重要。
- 提示词技能怎么写进简历？：写结果不写过程——「用 AI 工作流把周报制作时间缩短一半」比「熟悉提示词工程」有说服力，面试官想听的是你用它做成了什么。
