AI 时代该学什么：一张三层路线图
答案不是「学一门 AI 课」。招聘数据指向的是三层能力，而且顺序不能错：会用 AI 只是及格线，会验证 AI 才是差异点，有 AI 拿不走的证据才是决定性的。每一层，这个站里都有能立刻上手的东西。
第一层 · 会用 AI：及格线，不是加分项
Dice 的岗位统计：73% 的美国科技岗位要求至少一项 AI 技能——2024 年 1 月这个数字还是 15%。两年时间，「会用 AI」从加分项变成了入场券。
练法不是刷课，是在真实任务里用：每周用 AI 完成 3 个真实求职任务并记录你的提示词与迭代过程。一份持续更新的「AI 使用日志」，比任何完成徽章都有说服力。
- AI 模拟面试（站内，免费试一次）——把 AI 当陪练：让它面试你，也观察它答得好不好
- AI 教练（站内）——每日任务、简历诊断、投递复盘，全程和 AI 协作完成
- 简历诊断（站内）——看 AI 怎么拆你的简历，再人工判断它说得对不对（这已经是第二层的练习）
第二层 · 会验证 AI：真正的差异点
为什么「会验证」比「会用」值钱：约 61% 的招聘经理在跑 AI 检测，46% 遇到过用 AI 答题的候选人；Gartner 数据显示 72.4% 的招聘负责人正在恢复线下面试来打击欺诈。市场在惩罚「只会生成」的人，奖励「能核查」的人。
还有一个几乎没人讲的留学生专属知识点：对「候选人用 AI」的容忍度存在巨大地域差（HireRight 2026 全球基准报告：亚太 49% 的雇主正面看待，北美只有 8%）。同一份申请材料，投亚洲岗位和投北美岗位的「AI 痕迹」策略应当不同。
练法很简单，对 AI 的每一个输出先问三个问题：这个结论的源头是什么？我能找到一个反例吗？它隐含了什么假设？——在站内用 AI 工具时随时可练。
- 问题一：源头——这个结论/数字/引文从哪来的？可核查吗？
- 问题二：反例——存在让这个结论不成立的情形吗？
- 问题三：假设——它默认了什么前提？换个前提结论还成立吗？
第三层 · 有 AI 拿不走的证据：决定性的一层
NACE 对雇主的调研里，在两名同等资格的候选人之间，只有「在本公司实习过」和「在本行业实习过」被评为「极有影响力」——GPA 3.0+ 的重要性排在一般工作经验、领导职务、课外活动之后。学生还在刷 GPA，雇主早就不看 GPA 了。
数据侧同样硬核：做过带薪实习的 2026 届毕业生 55% 拿到 offer（起薪 $69,521，高于整体 $61,747）；实习转正率 63.1%，为五年最高。证据的含金量排序：对口实习 > 已部署、有人用、有度量的项目 > 被 merge 的开源 PR > 垂直行业复合证据 > 有监考的证书。
- Forage 虚拟实习项目（站内）——企业真实项目改编，完成后可写进简历，是性价比最高的「第一块证据」
- 对口实习（岗位库）——用签证友好筛选直接找「能给你签」的实习与岗位
- 自己的项目——做到「部署上线、有人用、有前后对比指标」才算证据，停在本地仓库的不算
在校时间线：三层能力怎么排进学期
| 阶段 | 重点动作 |
|---|---|
| 大一 | 1 门 AI 通识 + 1 门 Python/SQL；开 GitHub 并保持连续提交记录（连续 12 个月 > 爆发 300 次）；每周 3 个真实 AI 任务 + 使用日志 |
| 大二 | 定 1 个垂直行业 + 1 类技术栈；做 1 个真有人用的项目并部署；提交第一个开源 PR；每月 2 位从业者信息访谈（先不索取内推） |
| 大三 / 研一 | 必须拿到至少一段带薪实习（能线下就线下）；每周记录 STAR 故事库；考 1 张有监考的证书且与项目绑定 |
| 大四 / 研二 | 一岗一简历；每周至少 5 个真人连接 + 2 个正式内推请求；录 20 条 STAR 回答回看修正；重点练线下 / live 环节；准备「AI 使用声明」 |
口径与免责
- 外部数据（Dice / NACE / HireRight / Gartner / PwC / Indeed）转引自本站内部研究底稿的已核实条目，结论归属原报告作者。
- 站内工具与 Forage 项目的可用性以各页面现状为准；本页不承诺任何「AI 课程 / AI 训练营 / AI 题库」——题库化评估在计划中，上线才说上线。
- 本页为公开信息整理与方法论建议，非职业或法律建议；招聘市场与雇主行为随时变化，请以你目标行业的一手信息交叉验证。
常见问题
为什么要专门练「会验证 AI」？
因为雇主已经在防「纯 AI 答案」：约 61% 的美国招聘经理在用 AI 检测工具，46% 见过候选人用 AI 答题。这直接改变了面试的评分逻辑——能说清「AI 这个答案哪里错了、为什么」的人，比只会生成漂亮答案的人值钱得多。线下面试也在回潮（72.4% 的招聘负责人为此恢复现场面试），「现场辩护」能力越来越稀缺。
我不是 CS 背景，也要按这张图学吗？
要学第一层和第二层，第三层反而对你更有利。增长最快的是「会用 AI 的领域专家」：英国 PwC 数据里 AI「使用者」岗位 +65.8%、「开发者」岗位仅 +21.6%；Indeed 六国数据里 63% 带 AI 标签的岗位在科技行业之外。你的领域知识就是护城河，不必转码。
考证书有用吗？
只有「有监考、可独立验证」的证书有用（如 AWS ML Specialty、Google Professional ML Engineer，且必须与你的项目绑定）。刷课即得的完成徽章、无监考在线测验、Prompt Engineer 速成证正在被系统性折价。网上「证书带来 +$15,600 薪资」这类精确到小数点的表格没有可查原始来源，不要采信。
这个站会教我 AI 课程吗？
不会，也不打算假装会。这页是路线图和练兵场指引：第一层用站内的 AI 模拟面试、AI 教练、简历诊断在真实求职任务里练；第三层用 Forage 虚拟实习和岗位库找证据。把「验证 AI 能力」做成可练习的题库在我们的计划里，但这页不对此做承诺——上线了才说上线了。
本页为公开信息整理与学习方法论建议，不构成职业、教育或法律建议；引用的外部研究结论归属原作者，数据以原报告为准。站内功能以各页面实际提供为准，本页不对未来功能做承诺。