最近在关注一些大厂招聘时，发现一个比较明显的变化：
AI相关能力开始进入普通软件工程岗位。
这种变化体现在几个方面：
- 面试中开始涉及大模型基础（如 Transformer 等）
- 会问到 RAG、Agent 等 AI 应用架构
- 一些岗位要求熟悉 AI coding 工具
- 岗位名称也开始发生变化，例如
AI Agent 前端开发、前端工程师 – 研发智能化、AI应用工程师
更有意思的是，这些岗位往往并不在 AI 研究团队，而是出现在业务研发团队或工程团队中。
从面试内容来看，这些问题大致可以分为三个层次：
基础层
理解大模型基本原理，例如：
- Transformer
- Token / Attention
- Embedding
这一层更像是对新基础设施的理解。
应用层
如何在系统中使用 AI，例如：
- RAG
- Prompt
- Agent
- LLM应用架构
这一层开始进入 AI 工程实践。
系统层
AI开始参与软件系统本身，例如：
- AI coding workflow
- Agent系统
- AI参与研发流程
这一层已经接近 AI-native software engineering。
这些变化可能意味着一个更深的趋势：
AI 不再只是一个独立领域，而正在逐渐成为软件工程的一部分。
当 AI 开始参与代码生成、任务执行甚至研发流程时，开发者的能力结构也在随之扩展。
某种意义上，软件工程岗位正在逐步走向 AI-native。
