小红书突然成立AI一级部门：2026校招，真正的变化开始了

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。

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。

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。