目录
一、现象：Offer 变少的方向，和突然多出来的岗位
二、本质变化：大模型不是在“帮忙写代码”，而是在“吃掉接口”
三、核心机制拆解：为什么 CRUD 和调参同时失效
四、典型案例对比：两个应届生，同一个夏天
五、工程落地启示：校招简历上该写什么，不该写什么
六、最后一个问题

上个月帮一家二线互联网公司做技术面试官，面了12个校招生。简历翻完，一个感觉非常强烈：大部分人还在用2022年的技能栈，去投2026年的岗位。

问Java八股文，背得滚瓜烂熟。问“你用过大模型API做什么测试或者辅助开发”，全场沉默。有一个同学说“我用GPT写过快排”，然后就没有然后了。

这不是个例。今年春招数据出来，Java后端岗位投递比去年多了18%，但HC只涨了3%。另一边，有个叫“LLM应用测试工程师”的新岗位，投递人数少得可怜，HR挂在网上两周才收到4份简历。

很多人已经开始感觉到不对劲了。但说不清到底是哪里变了。

一、现象：Offer 变少的方向，和突然多出来的岗位

先说几个硬事实。

传统Java后端开发岗，校招薪资涨幅几乎停滞。 头部厂今年给普通硕士的批发价，和2024年基本持平。而一些涉及大模型应用开发的岗位，起跳直接高了30%-50%。

测试岗的变化更剧烈。 过去校招最底层的“手工测试”岗，今年在很多公司直接取消了HC。取而代之的是“AI测试开发”或“大模型质量保障”。面试题从“说说等价类划分”变成了“如何自动化判断大模型回答是否准确”。

一个新职位列表正在成型，我把它整理成了一张表：

正在萎缩 / 门槛提高	正在新增 / 需求上升
纯CRUD后端开发	LLM应用开发工程师
手工功能测试	大模型评测 / 对齐工程师
传统数据清洗（写SQL）	RAG系统开发 / 优化
简单运维（手动部署）	AI Agent 开发
初级数据分析（Excel+SQL）	提示词工程 / 调优

不是Java死了。是 “只会Java” 死了。不是测试没了，是 “只会手工点按钮” 的测试没了。

二、本质变化：大模型不是在“帮忙写代码”，而是在“吃掉接口”

很多人理解错了。他们觉得大模型就是个高级的代码补全工具，所以结论是“以后程序员效率更高，需要的人更少”。

这个说法对，但太浅了。

核心在于：大模型改变了软件系统的“接口形态”。

过去一个软件系统的功能边界，是由程序员写的代码逻辑定义的。你想让系统做什么，就得写一个函数、一个接口、一个页面。每个功能都需要人来实现。

现在，一个LLM API + 提示词，就能替代掉原本需要几十个if-else和大量正则的“规则引擎”。比如客服机器人、内容分类、实体抽取——这些过去需要专门的中小团队维护的业务逻辑，现在一行chat.completions就搞定了。

这意味着什么？意味着企业内部的 “业务胶水代码” 需求在大幅减少。

大量的内部管理系统、数据处理管道、报表生成脚本，正在被一个“会读文档、会写SQL、会发邮件”的Agent替代。而维护这个Agent，不需要一个20人的Java团队。只需要两三个人，加上一个LLM API key。

所以不是Java语言本身被淘汰，而是 围绕Java生态的大量“低复杂度业务开发岗” 正在消失。这些岗过去是校招生的主要入口。 与此同时，新岗位出现了。但它们要求的技能栈，学校基本不教。

三、核心机制拆解：为什么 CRUD 和调参同时失效

我们拿两个典型岗位具体拆。

岗位A：传统后端开发（Java Spring Boot + MySQL + Redis）

这个岗位的主要工作是什么？接收HTTP请求，校验参数，调数据库，算点逻辑，返回JSON。

大模型来了之后，发生了什么变化？

企业内部的知识库、文档、FAQ，原本需要专门开发一个搜索系统。现在直接用RAG：把文档切块、向量化，存到向量数据库，用户问问题的时候，检索相关片段，拼成提示词发给大模型，拿到答案。

整个链路里，后端代码的核心工作变成了：调向量库、拼提示词、调LLM API、返回结果。复杂的业务逻辑被“压缩”到了提示词和检索策略里。一个几百行的Python脚本就能跑起来。

不是说不再需要后端了。而是 后端的复杂度从“业务逻辑”转向了“管道工程” 。哪个学校还在教学生手写线程池、手写缓存一致性？有用，但不是校招筛选的重点了。

岗位B：软件测试工程师

传统测试的核心能力：设计测试用例、执行、报bug、回归。

大模型来了，第一个被冲击的就是“用例执行”。因为大模型输出不确定，你不能再用assert equals。你需要学会语义相似度、关键词抽取、正则范围判断、甚至用一个小模型来做答案质量打分。

更重要的是，你原来测的是“功能是否符合需求文档”。现在你测的是“模型是否可靠”——但模型的行为是个黑盒。你不得不去学概率、学采样、学对抗性提示词。

测试工程师的角色，从“质量门禁”变成了“质量观测+反馈闭环”。不会写代码、看不懂概率分布的测试，确实会越来越难。

为什么说“调参”也失效？

因为大模型时代的“调参”，不是调模型自己的参数，而是调提示词、调检索策略、调温度系数、调用例的断言阈值。这是全新的技能组合。学校里教的机器学习调参，跟这个完全是两回事。

四、典型案例对比：两个应届生，同一个夏天

说两个真实的故事。人物信息做了脱敏，但框架是真的。

小张，2025届，985硕，Java方向

刷了半年的LeetCode，背了Spring源码、JVM调优、并发编程。校招投了40家，拿到2个中小厂offer，总包28w。入职后做内部工单系统，每天写CRUD。三个月后带他的老员工离职，他一个人扛着，感觉“学不到新东西”。今年开始看大模型相关的课，但发现很难从零搭起来。

小李，2026届，普本，专业是信息管理

大二开始用Python，大三接触OpenAI API，做了个“论文摘要助手”的小工具放GitHub。不复杂，就几百行代码：读PDF，调API，输出摘要。但这个项目帮他拿到了字节的实习面试。面试官问的是：“你怎么处理API返回的不稳定格式？”他答：“我加了一层正则兜底，如果摘要格式不对就重试三次。”面试官当场说这个思路对了。

实习转正，做LLM应用测试开发。现在做的事情：写自动化测试脚本，用语义模型做断言，搭建持续评测流水线。总包35w+。

两个人的差别在哪儿？不是学校，不是智商。是 小张还在学“被大模型替代的东西”，小李已经开始学“怎么用大模型做东西”。

五、工程落地启示：校招简历上该写什么，不该写什么

如果说2026年的技术岗校招有一个“新旧更替”名单，它长这样：

旧名单（写了不加分，甚至可能扣分）

• “熟悉Java集合类、多线程、JVM”

• “熟练使用MySQL，能写复杂SQL”

• “有手工测试经验，会使用Jira”

• “熟悉Linux基本命令”

不是这些东西没用。是 所有科班生都会，拉不开差距。而且面试官心里清楚，这些技能大模型也能干个七七八八。

新名单（写上去，面试官会多看两眼）

• “使用过至少一种大模型API（OpenAI/Claude/国产模型），完成过一个端到端的小应用”

• “了解RAG基本流程：文档切块、向量化、检索、上下文组装”

• “能用Python实现基于语义相似度的自动化断言”

• “做过大模型输出的质量评测，哪怕只是用BLEU或GPT-4打分”

• “阅读过某个大模型相关论文（如RAG、Self-consistency）并能复现核心思路”

注意，我不是说你必须放弃Java。我是说 你的简历上必须有大模型的痕迹。哪怕只是一个课设，哪怕只是调了两周的API。

下面是这张变化的底层逻辑图，你可以看清楚岗位能力的转移方向。

图里最核心的信息：不是能力被抛弃，是能力在迁移。写if-else的能力迁移到写提示词。手工点点的能力迁移到写自动化断言。调MySQL参数的能力迁移到调RAG检索参数。

能完成这种迁移的人，拿到新名单的入场券。不能的，会觉得“Java没落了”、“测试没前途了”。

六、最后一个问题

写这篇文章不是劝所有人立刻扔掉Java书去学提示词。而是想让你认真想一个问题：

你现在的技能栈里，有没有一个环节是“一旦大模型能力再往前走半步，就不再需要你”的？

如果有，而且你没有plan B，那2026年的这个校招季，你可能会比想象中更难。

反过来，哪怕你只是用大模型API写过一个自动整理会议纪要的小脚本，投简历的时候都会多一个故事可以讲。面试官不指望你懂模型原理，只想知道你有没有在“新范式”下动手解决问题的能力。

你上一个亲手跑通的、调过大模型API的项目，是什么时候的事？

---

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。