用真实招聘数据，反推 AI 岗位要求、城市差异、能力模型和转型路径。
AI 行业迭代很快，很多普通人想进入 AI，却连第一步都很难判断：
- AI 行业到底有哪些岗位？
- 不同岗位分别做什么，要求什么能力？
- 北京、上海、深圳、杭州的机会和薪资有什么差异？
- 从自己的背景出发，应该补什么能力、做什么项目、怎么准备面试？
AICareerMap 是一个基于真实招聘 JD 数据的开源项目，目标是把招聘市场里的模糊信息整理成可理解、可比较、可行动的岗位地图。
项目会持续从公开招聘数据中提取岗位名称、城市、薪资、经验、学历、技能关键词和典型任务，并进一步整理为：
- AI 岗位分类与子方向
- 城市与薪资对比
- 能力模型与技能词典
- 学习路线与阶段产出
- 项目实战与作品集建议
- 面试题与求职准备清单
这不是简历模板库，也不是单纯的岗位罗列。它更像一个长期更新的 AI 职业决策知识库：从真实市场需求出发，帮助大学生和职场人更清楚地选择 AI 岗位方向。
原计划的岗位方向都会保留，但项目会按数据和内容成熟度逐步完成。当前阶段优先把少数岗位地图做深、做准，再扩展更多方向。
| 岗位方向 | 覆盖城市 | 当前状态 | 说明 |
|---|---|---|---|
| Agent应用开发 | 北京·上海·深圳·杭州 | 采集中（2026.07） | 当前重点方向，正在基于 Boss直聘手工采集 JD 建立技能词典 |
| AI产品经理 | 北京·上海·深圳·杭州 | 已发布历史样本分析 | 基于 2026年3-4月 1,690 条有效 JD，后续补充 7月数据 |
| AI解决方案 | 北京·上海·深圳·杭州 | 规划中 | 当前重点方向，后续会与行业场景、交付能力、项目经验结合分析 |
| FDE（Forward Deployed Engineer / 前线部署工程师） | 北京·上海·深圳·杭州 | 规划中 | 关注客户现场、技术方案、系统集成、部署上线与生产落地 |
| AI算法 | 北京·上海·深圳·杭州 | 长期路线图 | 后续扩展，需单独建立算法、工程、研究岗的分层口径 |
| AI运营 | 北京·上海·深圳·杭州 | 长期路线图 | 后续扩展，重点区分 AI产品运营、内容运营、Prompt/模型运营等方向 |
每篇岗位地图计划包含：岗位定义 · 子方向 · 市场数据 · 4城薪资对比 · 能力模型 · 转型来源 · 学习路线 · 项目实战 · 面试题库 · 自测清单。
中国 AI 岗位高度集中在北京、上海、深圳、杭州，但四个城市的产业生态和岗位要求并不相同。
| 城市 | AI产业特点 | 代表生态 |
|---|---|---|
| 北京 | 大厂总部、基础模型、平台型 AI、教育与政企场景 | 字节、百度、美团、快手等 |
| 上海 | 金融 AI、出海 SaaS、外企与商业化场景 | 小红书、B站、拼多多、外企研发中心等 |
| 深圳 | 智能硬件、IoT、AIoT、企业级交付 | 腾讯、华为、大疆等 |
| 杭州 | 电商 AI、中小企业 AI 应用、阿里生态 | 阿里、网易、电商与 SaaS 公司等 |
城市不是简单的地理选择，而是岗位类型、行业场景、薪资结构和能力要求的组合选择。
- 2026年中国AI相关岗位全景参考 — 基于智联招聘 2026年4月公开样本的岗位类型参考
- AI产品经理·岗位地图 — 基于 1,690 条历史有效 JD 的岗位分析
- 岗位地图文档模板 — 后续岗位地图会按统一模板持续补齐
- Agent应用开发、AI解决方案、FDE、AI算法、AI运营 — 正在按路线图逐步更新
- 想进入或转型 AI 行业的 1-10 年经验职场人
- 不知道 AI 行业有哪些岗位、岗位要求是什么的应届生和在校生
- 正在考虑换城市发展的 AI 从业者
- 想了解 AI 行业真实招聘需求的 HR、猎头、课程研发和培训从业者
项目使用公开招聘平台 JD 做分析，主要关注岗位标题、城市、薪资、经验、学历、技能关键词、岗位职责和任职要求。
当前需要区分三类数据口径：
- 历史原始数据：项目早期累计采集过 27,000+ 条公开招聘数据，用于探索岗位分类和分析方法，但并非所有数据都已清洗并纳入当前公开报告。
- 当前公开报告样本：已发布的 AI 产品经理岗位地图基于 1,690 条有效 JD；AI 岗位全景参考基于智联招聘 2026年4月 3,696 条样本。
- 后续更新样本：Agent应用开发等岗位会以 2026年7月 Boss直聘手工采集数据为主，并在文档中标注采集时间、平台和有效样本量。
分析方法包括：
- Python 技能词频分析
- 自定义 AI 技术词典
- 岗位职责与技能标签分类
- LLM 辅助分类与人工校验
- Excel 多维度交叉分析
分析脚本见 data/scripts/。
招聘数据具有时效性，也存在平台样本偏差。文档中的结论默认只代表对应平台、时间段和有效样本，不直接等同于全量市场。
AICareerMap 长期想研究的是：
AI 时代的岗位如何变化，以及普通人如何建立进入这些岗位的能力。
这件事会分四层持续建设：
- 岗位数据：持续更新中国 AI 岗位需求、薪资、城市、行业、经验和技能变化。
- 岗位分类与能力模型：解决同名异岗、异名同岗的问题，形成岗位 ontology。
- 职业教育体系：把岗位要求转化为学习路线、项目任务、作品集和面试准备。
- 真实转型路径：长期记录不同背景的人如何补齐能力、完成项目、获得面试和进入岗位。
Amy | AI职业教育产品专家 | AICareerMap 发起人
-
10年+产品、技术、教育相关经验，长期关注职业教育、课程产品和就业导向人才培养
-
把求职过程做成一个 AI 项目：采集真实岗位、分析技能要求、匹配简历、准备面试，并最终获得 Offer
-
现在把这套方法论开源，希望帮助更多普通人看懂快速变化的 AI 行业
-
小红书：Amy｜AI求职实战
-
GitHub：@buildwithamy
欢迎贡献：
- 提交你所在城市或公司的 AI 岗位 JD 数据
- 补充面试题和面经
- 推荐实战项目案例
- 指出数据、定义或分析中的错误
详见 CONTRIBUTING.md。
本项目代码和脚本采用 MIT License，文档内容采用 CC BY 4.0 许可。
- JavaGuide — 开源知识体系的标杆
- AgentGuide — AI Agent 求职指南的先驱
Build with Amy — 用真实数据，走更稳的路。