用 AI 找到理想工作 · 培训幻灯片
AI 培训系列 · 第三讲 · 2026 年 7 月

用 AI 找到理想工作

规则 · 方法 · 两个完整案例 · 三十天行动

← → 或空格翻页 · F 全屏 · 共 32 页

今天的路线

你的对手不是 AI,
是会用 AI 的求职者

第一讲看懂了格局,第二讲学会了工具——这一讲,把它们全部指向你最切身的战场。

01 · 规则变了

初级岗在缩,AI 技能在涨价,筛你简历的可能不是人

02 · 方法论

AI 求职工作流:知识库 → 简历 → 作品 → 面试

03 · 案例·金融

小美 的券商行研之路:一条研报流水线

04 · 案例·软件

小帅 的 Agent 工程师之路:作品即简历

05 · 红线与心法

AI 放大真实的你,而不是伪造一个你

06 · 行动

三十天清单,从今晚开始

01

游戏规则变了

这是几十年来最难的应届生市场之一,也是普通人杠杆最大的一届——两件事同时为真。先看清楚牌桌。

01 · 规则变了 · 先泼冷水

冰:入门级岗位,正在被 AI 吃掉

−13%
22–25 岁在 AI 高暴露职业中的就业降幅;同岗位资深员工反增 6–9%——AI 吃掉的是"入门",不是"岗位"
斯坦福数字经济实验室,基于 ADP 千万级工资单,2025-08
1/3
已经用 AI 替代入门级岗位而非招人的雇主比例;高盛测算 AI 使美国就业每月净减约 1.6 万个
GMAC 调查 2026-06 · Goldman Sachs 2026-04
1,270 万
中国 2026 届高校毕业生规模(同比 +48 万),历史新高
教育部,2025-11-20
补一刀:2026 上半年美国科技业裁员超 15 万人,AI 连续 4 个月被列为裁员首因(约 48% 归因于 AI 与自动化——归因口径或有夸大,但方向没有争议)。

中国高校毕业生人数(万人)——你的同龄竞争者,一年比一年多

90011001300 795 万 1270 万 10 年 +475 万(+60%) 2017201820192020202120222023202420252026E

来源:Stanford Digital Economy Lab · Fortune 2026-04 · 教育部历年公报/新华网 2025-11 · TechTimes 2026-07

01 · 规则变了 · 那份疯传的榜单

"AI 最先淘汰的职业",原始榜单长这样

实测版(Anthropic 2026-03):这些职业的任务,已有多大比例在被 AI 完成

计算机程序员
75%
客服代表
70%
数据录入员
67%
病历信息专员
67%
市场研究分析师
65%
销售代表
63%
金融/投资分析师
57%
软件测试分析师
52%

口径:Claude 真实使用数据中"已在被 AI 自动化"的任务占该职业任务的比例——不是预测,是实测。程序员高居第一,正是小美、小帅要直面的现实。

网传版 · 微软"AI 适用度"Top 10 20 万条 Copilot 对话

① 口译与笔译员 ② 历史学家 ③ 作家与撰稿人 ④ 服务业销售代表 ⑤ CNC 刀具编程员 ⑥ 播音员与电台 DJ ⑦ 客服代表 ⑧ 电话推销员 ⑨ 政治学家 ⑩ 数学家
共同点:语言与信息处理类——纯执行、可数字化、不需要到场。

同一研究里,几乎不受影响的

抽血员、按摩师、屋顶工、洗碗工、水厂操作员——手上功夫 + 现场判断,AI 适用度趋近于零。

中国口径 北大国发院 × 智联

编辑/翻译是全部职业中大模型影响指数最高的岗位;客服/运营岗位占比两年降超 2 个百分点,销售/商务拓展降超 5 个百分点——且门槛还在悄悄提高。

冷静剂:微软专门发博客澄清"数据不表明这些工作会被取代";Anthropic 也注明高暴露职业尚未出现系统性失业、但年轻人招聘在放缓。榜单量的是"任务重叠度"——被淘汰的不是职业,是职业里"纯执行"的那部分。怎么站到剩下那部分?往下看。

来源:Anthropic《Labor Market Impacts of AI》2026-03-05 / Euronews 2026-03-14 · 微软研究院 arXiv:2507.07935(官方 GitHub 数据逐条核对)及澄清博客 2025-08-21 · 北大国发院×智联招聘 2024-09

01 · 规则变了 · 再看火焰

火:会 AI 的人,正在被抢

+62%
全球范围内带 AI 技能岗位的平均薪资溢价(2024 版报告还是 25%,两年翻了一倍多)
PwC AI Jobs Barometer 2026,分析 27 国 10 亿+ 招聘广告
8 倍
要求 AI 技能的岗位增速(69%)是整体岗位市场(9%)的倍数;AI Engineer 列 LinkedIn 2026 美国增长最快职位第 1
PwC 2026 · LinkedIn/Forbes 2026-01
+74.1%
中国 AI 相关岗位 2025 年月均新发职位数同比增速(2023 年才 8.5%);AI 岗薪资约为普通岗位 2.6 倍
BOSS 直聘《2026 人才趋势报告》2026-01

岗位发布量增速对比(PwC,27 国 10 亿+ 招聘广告)

要求 AI 技能的岗位
+69%
整体岗位市场
+9%

8 倍速差——"风口"不是比喻,是数据。

把冰与火放在一起读:AI 没有减少工作,它把工作重新分了类——"执行型"入门岗在消失,"会指挥 AI 的人"在涨价。你要做的不是躲开 AI,而是站到分界线的右边。

来源:PwC AI Jobs Barometer 2026 官方新闻稿 · WEF 引 LinkedIn 数据 2026-01 · 新华网/中新网 2026-01-23

01 · 规则变了 · 桌子两边都换人了

你的简历,第一个读者可能不是人

招聘方的 AI

61% 的雇主用 AI 筛简历,96% 的招聘专业人士至少在一个环节用 AI;AI 主导的初轮面试比例两年内从 10% 升到 34%——键盘那头打分的,越来越多是算法。

求职者的 AI

81% 的求职者已在用或计划用 AI 求职;最常见用途不是"代写",而是 ATS 兼容性检查(64%)。不用 AI 的求职者,已经是少数派。

两个推论:① 简历首先要过机器关——关键词、结构化、可解析,玄学排版是减分项;② 当 81% 的人都在用 AI,"用 AI"本身不再是优势,"用得比别人好"才是——这正是今天要教的。

来源:TestGorilla 2025 · Resume Now / The Interview Guys 2026 · HireVue 2026 Global AI in Hiring Report · Resume Genius 2026 · Kickresume 数据

01 · 规则变了 · 一句话总结
AI 抹平的是"执行技能"的差距,
放大的是"判断 + 作品 + 会用 AI"的差距。
执行(写代码、做表格、画 PPT)AI 越来越便宜;判断(做什么、好不好、为什么)与拿得出手的作品,越来越贵。接下来五章,教你把筹码全押在贵的那一边。
02

方法论:AI 求职工作流

还记得第一讲的"进阶工作流"吗——知识库、目标书、迭代、审查、落地。求职就是你的第一个正式项目,套同一个流程。

02 · 方法论 · 第一步

知识库:把目标行业变成你的主场

> 这是我收集的 100 份"券商行业研究员"JD(附件)。
帮我:1) 提炼出现频率最高的 15 项要求,按频次排序;
2) 区分"硬门槛"(证书/学历)与"可速成技能";
3) 输出成 knowledge-base/jd-analysis.md
✓ 高频要求 Top15 已生成:
  #1 财务建模(87/100 份提及)
  #2 行业研究框架(79/100)
  #3 Python/数据处理(61/100,较去年显著上升)…

拆 100 份 JD

别猜岗位要什么——让 AI 数出来。高频要求就是你的复习大纲,逐年对比还能看出行业风向。

建目标公司档案

每家目标公司一个文档:业务线、最新财报要点、高管公开讲话、校招流程与真题——面试前夜的弹药库。

让情报自己更新

cron + Agent 每天盯目标公司动态(新闻、公告、招聘官号),变化自动进知识库——第二讲的定时任务,第一次为你自己打工。

02 · 方法论 · 第二步

定位书:一页写清"我是谁、我要去哪"

我有什么

课程、项目、实习、技能、证书——全部倒给 AI,让它用招聘方的语言重新归类:哪些是资产,哪些只是经历。

我要什么

行业 × 岗位 × 城市 × 底线(薪资/加班/发展)。写下来才发现很多"想要"互相打架——取舍要在投递前做,不是在 Offer 前。

差距清单

拿"我有什么"对照 JD 高频要求,让 AI 生成差距清单 + 按性价比排序的补课计划:哪些两周能补(工具、题库),哪些别硬追(门槛证书)。

这就是求职版的"目标与约束说明书":之后所有会话(改简历、模拟面试、写求职信)都先喂它——AI 对你了解多深,帮你就有多准。
02 · 方法论 · 第三步

简历工程:一岗一版,机器人也爱读

> 对照这份 JD 改写我的简历(简历和定位书在项目里)。
要求:1) 每处修改标注理由;2) 成果全部量化;
3) 用 JD 原词但不堆砌;4) 不许编造任何经历。
✓ 修改 11 处,示例:
  原文:「参与了社团公众号运营」
  改为:「独立运营公众号 8 个月,产出 32 篇,
        单篇最高阅读 1.2 万,粉丝 +40%」
  理由:JD 第 3 条要求"内容产出能力",量化后可验证

一岗一版

通用简历 = 平均分简历。让 AI 按每个 JD 微调重点与关键词——10 分钟一版,这是 AI 时代才可能的奢侈。

成果量化(STAR)

"参与/负责/协助"是废词。每段经历逼自己回答:多少、多快、涨了多少——AI 很会追问,让它当教练。

⚠️ 红线

润色 ≠ 造假:数字必须真实可背调,没做过的不许写。AI 生成的每一句,你都要能在面试里撑住三层追问。

02 · 方法论 · 第四步 · 本讲最重要的一页

作品 > 证书:AI 时代的硬通货

87%
会查看候选人 GitHub 的科技招聘官比例(行业调查口径)——第二讲说的"GitHub = 新简历",是真的
SOLTECH 等行业调查汇总
73%
认为强作品集比完美简历更重要的招聘经理比例(行业调查口径)
Stack Overflow 调查口径转引
3 > 10
3 个精打磨的真项目,胜过 10 个玩具项目——招聘方把 GitHub 当"活的工作样本"看
招聘方访谈的普遍口径
为什么 AI 时代作品更值钱?因为简历可以 AI 生成,作品没法伪装——它带着时间戳(commit 历史)、带着过程(README、迭代记录)、可以现场验证。证书证明你"学过",作品证明你"做成过"。两个案例章将各造一个"杀手锏作品"。

注:87%/73% 出自行业博客调查汇总而非原始学术报告,量级可信、精确值仅供参考

02 · 方法论 · 第五步

投递漏斗:像管销售线索一样管网申

公司/岗位状态截止下一步
某证券 · 行研实习笔试通过07-20面试:准备行业问题
某基金 · 研究助理已投递07-183 天未读 → 找内推
某银行 · 金科管培简历挂—让 AI 对照 JD 复盘

一张表管全部

投了哪家、什么状态、几号截止、下一步动作——表格或让 Agent 帮你记;cron 每天早上提醒今日截止。

用漏斗找瓶颈

每周复盘转化率:投递→笔试 低?改简历;笔试→面试 低?刷题;面试→Offer 低?练面试。数据告诉你该修哪一段,不用瞎焦虑。

02 · 方法论 · 第六步

模拟面试:一位随叫随到、毫不留情的面试官

> 你是某券商研究所的资深面试官,风格严厉。
基于我的简历(项目里)逐段深挖提问,
我每答一题你就追问两层,并在结束后给出:
1) 逐题点评 2) 我的三个口头禅 3) 改进清单
面试官:简历里写"独立完成行业研报"——
  数据来源是什么?口径怎么定的?
  如果我说你的估值高了 30%,你怎么为它辩护?

三类面试,分开练

行为面:STAR 深挖追问;专业面:按 JD 出题;压力面:让 AI 扮演"不好惹"的面试官——现场不慌,是因为难题都提前见过。

录音 → AI 复盘

真人模拟或自问自答时录音,转文字后交给 AI:口头禅、逻辑断点、语速——第二讲的视频转写练习,用在这里。

信息不对称武器

面试前一晚:让 AI 用公司知识库出 10 道"这家公司最可能问我的题"——多数对手不会做这一步。

02 · 方法论 · 第七步

谈 Offer:最后一公里,别裸谈

先查行情

让 AI 汇总该岗位薪酬带(平台数据、同侪爆料、年报人均薪酬),带着区间去谈,而不是被 HR 的第一个数字锚定。

预演谈判

让 AI 扮演 HR 过三轮:"我们薪资标准统一""应届生没有谈的空间"——每句话术都有应对,谈崩的成本在演练里付掉。

多 Offer 决策矩阵

薪资、成长、平台、城市、加班——让 AI 帮你建打分矩阵,权重你自己定(回到定位书)。AI 出结构,人做选择。

方法论小结,七步一句话:知识库摸清战场 → 定位书对准目标 → 简历过机器关 → 作品过人心关 → 漏斗管进度 → 模拟面试练胆 → 数据护身谈钱。接下来看两个专业的完整走法。
03

案例一:Finance 小美

金融专业大三,目标:券商行业研究 / 投行。传统路径(实习内推 + 证书堆砌)越来越卷——小美 决定换一条路:用作品说话。

03 · 案例·金融 · 先看战场

行业在变,入场券也在变

华尔街已经变完了

高盛 CEO Solomon:"AI 几分钟就能起草 S-1 招股书的 95%——过去要 6 人团队干两周;有价值的只剩最后 5%。"高盛 AI 助手覆盖全员,摩根大通 LLM Suite 推给 25 万员工。初级分析师的"苦力活"正是被吃掉的那 95%。

国内券商正在变

24 家券商布局大模型:中金"点睛"、国泰君安"君弘灵犀"、中信建投宣称投研效率 +40%。校招同步转向:华泰 Fintech 专场、中信"信 π 计划"、东方财富管培生明确要求大模型技术 + Python——而传统投行、研究所岗位持续收缩。

小美 的判断:与其在收缩的旧赛道排队,不如证明自己就是"会用 AI 的新型研究员"——招聘要求变化的方向,就是差异化的方向。

来源:Fortune 2025-01-17(Solomon 原话)· American Banker · The Digital Banker · 财联社 · 21 经济网 2026-03-15(校招要求实例)

03 · 案例·金融 · 第 1-2 周

小美 的地基:一个自动更新的投研知识库

# 小美 的服务器上,两个 cron 任务:
30 15 * * 1-5  ~/fetch-market.sh
# ↑ 每个交易日收盘后抓行情+行业新闻入库
0 8 * * *  claude -p "读昨日数据,生成一页晨报:
  三大指数、我跟踪的消费行业异动、3 条要闻
  及其影响" >> ~/briefs/$(date +%F).md
# ↑ 每天 8 点,晨报自动出现在手机上

选一个行业深耕

不贪大盘,选一个自己有体感的行业(小美 选了消费)。知识库收录:龙头财报、行业数据源、券商公开研报的分析框架。

第一讲练习的完全体

练习一(数据基建)+ 练习二(投资分析)拼起来,就是这套系统——当时的作业,现在是求职武器。

两周后的变化

和同学聊行业,小美 张口就是最新数据——不是他记性好,是他的系统每天在替他读盘。

03 · 案例·金融 · 第 3-4 周 · 杀手锏

杀手锏作品:一条能现场演示的研报流水线

① 数据

管道自动拉取目标公司财务数据与行业数据

② 分析

AI 按券商研报框架做财务分析 + 可比公司估值

③ 成稿

图表 + 正文自动生成初稿,小美 负责观点与修订

④ 发布

GitHub 存流水线代码,公众号/知乎发终稿

产出:1 份深度 + 每周 1 份跟踪

一份 30 页深度研报打底,之后每周一份 2 页跟踪简报——持续更新的作品比一次性大作更能证明系统能力。

为什么这是敲门砖

面试官问"你会用 AI 吗",别人答"会用 ChatGPT",小美 递出链接:"这是我的流水线,数据到今天早上。"——这一刻,他和其他候选人不在同一个类别里。

诚实标注:报告首页写明"数据与初稿由自建 AI 流水线生成,观点与修订为本人完成"——这行字不是免责声明,是能力声明。
03 · 案例·金融 · 第 5-6 周

简历上怎么写,面试里怎么答

简历措辞(对照)

❌ "熟练使用 AI 工具,对行业研究有浓厚兴趣"
✅ "自建自动化投研流水线(数据抓取→财务分析→研报生成),覆盖消费行业 12 家公司,日更行情简报 90 期,深度研报获 XX 阅读"——每个数字都能点开验证。

专业面 AI 陪练清单

三张报表勾稽关系、DCF 假设被挑战怎么辩护、行业景气度判断依据——让 AI 按目标券商风格连续追问三层;再用公司知识库押题:最近研报观点、首席的公开判断。

小美 面试的高光时刻不是背对了概念,而是被追问估值时说:"我的模型里这个假设改 1 个点,目标价变 8%——所以我把敏感性分析设成了流水线的默认输出。"面试官记住的是这句。
04

案例二:软件小帅

计算机专业大三,目标:AI 应用 / Agent 工程师。初级程序员岗位在缩,但他瞄准的是扩张最快的那一块——用作品证明自己已经在门里。

04 · 案例·软件 · 先看战场

最冷的冬天,最热的赛道

−20%
22–25 岁软件开发者就业较 2022 年峰值的降幅;新毕业生软件岗位发布量下降 28%——传统初级码农是重灾区
斯坦福 2025-08 · 行业招聘市场报告 2026
1,205 / 2,559
字节 2026 校招官网岗位中 AI 相关岗位占比近半,"AI 智能体应用开发工程师"成为新岗名;阿里校招 AI 岗占比超 60%
证券时报 · 第一财经 2026
400 万
麦肯锡预测的 2030 年中国 AI 人才缺口(需求 600 万)——冬天是结构性的,热带也是
麦肯锡,转引自 2026 校招报道
JD 已经改写:2026 年初级岗位典型要求——"熟悉 AI 辅助开发工作流、能审查验证 AI 生成的代码、会用至少两种 AI 编程工具"。84% 的开发者已常态使用 AI 编程(Stack Overflow 调查口径)。小帅 要证明的不是"会写代码",而是"会带着 AI 写代码"。

来源:Stanford Digital Economy Lab · Final Round AI 2026 · 证券时报 · 第一财经 · daily.dev 2026

04 · 案例·软件 · 第 1-2 周

小帅 的 GitHub:三个真项目,不要十个玩具

项目一 · 已有的

第二讲部署的 Hermes + 自己沉淀的技能包(宿舍报修 bot、课表提醒)——整理成独立仓库,README 写清架构与踩坑。你用过的工具本身就是项目素材。

项目二 · 练习来的

第一讲练习一的数据管道,升级成完整项目:抓取 + 清洗 + API + 一页可视化,带单元测试和 CI——展示的是工程素养,不只是功能。

项目三 · 贡献的

给用过的开源项目(龙虾 / Hermes 生态)提 1-2 个被合并的 PR——哪怕是文档修复。被陌生 maintainer 认可,比自夸一万句都硬。

每个仓库标配:像样的 README(是什么/怎么跑/效果图)、干净的 commit 历史(AI 时代它就是你的工作过程录像)、一条 CI 绿勾。第二讲教的每一样,这里都在变现。
04 · 案例·软件 · 第 3-4 周 · 杀手锏

杀手锏作品:从零到上线的 Agent 应用

# 小帅 的项目:「求职漏斗 Agent」——用自己的痛点练手
# 功能:网申截止提醒 / 投递状态跟踪 / 面试前
#       自动汇总该公司知识库并推送到 Telegram
$ git log --oneline | head -4
e7a12f9 增加面试前公司简报推送(含测试)
b3c90d1 修复截止日时区 bug,补回归测试
a1f4e20 接入 Telegram 通知
9d02c11 初始版本:漏斗数据模型 + CRUD
# 完整走了第一讲第 08 章工作流:
# 知识库 → 目标书 → 写码带测试 → commit → 审查 → 上线

为什么选这个题

解决自己的真实痛点(他真的在找工作),需求、迭代、复盘全是真的——面试官一听就知道不是模板项目。

面试可以现场演示

手机上点开 Telegram:"这是它今早提醒我的三个截止日。"然后打开架构图讲技术选型——Demo + 架构 + 取舍,面试三连击。

顺手的复利

这个 Agent 本身就在帮他找工作——作品和求职互相加速,这是选题的最高境界。

04 · 案例·软件 · 第 5-6 周

算法与系统设计:AI 当陪练,不当枪手

刷题的正确姿势

做不出来先别看答案——让 AI 给提示不给解("只提示数据结构方向");做完让它出同类变形题验证是真懂还是背过。

系统设计模拟

让 AI 扮面试官:"设计一个课表提醒系统",步步追问并发、存储、降级——小帅 的 Agent 项目就是现成谈资,从背题变成聊自己的架构。

⚠️ 一条硬红线

线上笔试不代考。大厂反作弊在升级,被抓进黑名单影响的不止一家公司——用 AI 提升真实水平,别用它伪造水平。

面试里被问"这题你用 AI 怎么做",正确答案不是尴尬,而是展示工作流:"我会先让它列边界条件,然后自己写核心逻辑,再让它 review——就像我 GitHub 里每个 commit 那样。"
04 · 案例·软件 · 收口

"会指挥 AI 的工程师",怎么写才不空洞

简历措辞(对照)

❌ "熟悉 ChatGPT、Claude 等 AI 工具"
✅ "以 AI 结对 + 测试驱动流程独立交付求职漏斗 Agent(Python/FastAPI,34 个 commit,测试覆盖 85%),并向开源项目 Hermes 贡献 2 个被合并的 PR"——工具不值钱,用工具交付的东西才值钱。

面试叙事(三句话)

哪些我写(核心逻辑与架构决策)、哪些 AI 写(样板代码与测试用例初稿)、我怎么保证 AI 写的是对的(review + 测试 + 灰度)——这三句话,就是 2026 年 JD 里"能审查验证 AI 生成代码"的标准答案。

两个案例的共同内核:小美 和小帅 卖的都不是"会用 AI",而是"用 AI 做成了东西"——一个可验证、可演示、可追问的东西。
05

红线与心法

AI 给求职加了杠杆——杠杆放大的是本金,也放大亏空。三条红线守住底线,一个心法守住方向。

05 · 红线与心法 · 不可逾越

三条红线,碰一条毁所有

① 简历不造假

AI 让编故事变容易,也让背调变容易。数字、职务、时间段,一查一个准——被标记后行业内共享黑名单。

② 笔试面试不代考

AI 代考 = 作弊,反作弊系统(摄像头行为分析、代码指纹)也在用 AI 升级。你在和 AI 比作弊,赢不了。

③ 被问必坦承

"这份作品 AI 参与了多少?"——标准答案是打开工作流讲流程。坦承用法是加分项,掩饰用法是一票否决项。

面试官现在都闻得出"AI 味":华丽但空洞的形容词、说不出细节的项目、追问两层就塌方。AI 生成的内容你没消化过,比不用 AI 更减分。
05 · 红线与心法 · 一个心法
AI 是放大器:
你有作品,它放大作品;
你只有空白,它放大空白。
所以顺序不能反:先用 AI 做出真东西(哪怕小),再用 AI 包装和传播它。作品集是复利资产——第一讲说"GitHub = 新简历",这一讲你应该已经明白:它不是简历的附件,它是简历本身。
06

三十天行动清单

第 1 周 · 地基

□ 建知识库:拆 50-100 份目标 JD
□ 写定位书(一页)
□ 差距清单 + 补课计划
□ cron 情报站跑起来

第 2 周 · 弹药

□ 启动杀手锏作品(研报流水线 / Agent 应用)
□ 简历 v1 + AI 三轮打磨
□ GitHub 仓库整理 + README

第 3 周 · 开火

□ 投递漏斗表跑起来,每天投 3-5 个
□ 每天一场 AI 模拟面试
□ 杀手锏作品发布第一版

第 4 周 · 迭代

□ 用漏斗数据复盘:修最弱一环
□ 作品周更一次
□ 薪酬调研 + 谈判预演

这张清单本身就是一个项目——按第一讲第 08 章的工作流推进它:每晚 git commit 你的求职仓库,每周更新你自己的 CLAUDE.md。找工作,就是你的第一个正式交付。

最后一页

机会不会先给准备好的人,
会先给已经做出东西的人。

第一讲说 AI 给了普通人翅膀。现在你知道了:翅膀不是用来等风的——今晚就开始第 1 周的清单。

GitHub