匠说 Vol.11｜AI 冲击下，IT 各岗位的新出路在哪里？

从全栈开发到 AI 应用，聊聊技术人的下一步。

AI 能写代码、生成测试、搭建原型，也能辅助整理需求和分析数据。对于 IT 从业者来说，新的问题随之而来：

做前端或后端，要不要向全栈发展？
已经做全栈，接下来该补 AI 应用开发，还是继续深入架构与工程能力？
做测试、数据、产品或运维，过去积累的经验，又能通向哪些新机会？

工具越来越多，学习方向也越来越多。但时间和精力有限，我们更需要想清楚：哪些能力可以借助 AI 提升，哪些能力需要自己扎实掌握，哪些方向值得长期投入？

这一期「匠说」，我们将从 IT 岗位的实际工作出发，重点聊聊 AI 时代的全栈开发与端到端交付，同时讨论测试、数据、BA、产品、云与 DevOps 等岗位的变化，帮助你结合已有经验，找到适合自己的下一步。

🧠 本期讨论

全栈开发：AI 让能力边界拓宽了吗？

有了 AI 辅助，前端开发者能更快搭建后端，后端开发者也能尝试完成界面与交互。但从“功能能跑”到“产品可用”，中间还有哪些需要补齐的能力？

我们会聊：

• 前端、后端开发者如何向全栈拓展，学习顺序该怎么安排？

• 从界面、API、数据库到部署上线，如何理解并打通完整开发流程？

• AI 生成的代码，如何审查、测试和维护？

• 当一个人能做更多事情，如何把握交付范围、技术取舍与质量要求？

全栈 + AI：怎样做出真正可用的应用？

把大模型接入一个页面，只是开始。围绕真实需求构建 AI 应用，还会遇到数据接入、权限管理、效果评估、响应速度与运行成本等问题。

我们会讨论：已有的全栈经验如何用于 AI 应用开发？从演示原型走向持续运行的产品，还需要补上哪些工程能力？

其他 IT 岗位，如何延展已有经验？

• 测试与质量： 如何在自动化测试、质量工程和 AI 应用评估之间选择方向？如何验证带有不确定性的 AI 输出？

• 数据岗位： 如何把 SQL、BI、数据工程与数据治理经验，用到 AI 应用的数据准备、分析与效果验证中？

• BA 与产品： 当需求整理和原型制作更快，如何做好问题定义、流程设计、优先级判断与验收？

• 云与 DevOps： AI 应用上线后，部署、稳定性、安全、监控与成本管理有哪些值得深入的方向？

职业选择：拓展全栈，还是转向 AI Engineer？

不同方向需要的基础、投入与工作内容并不相同。我们将一起讨论：

• 全栈开发与 AI Engineer 有哪些交集，各自需要深入到什么程度？

• 已有工作经验的人，如何选择与自身积累衔接的方向？

• Junior 和求职者，如何通过一个完整项目展示解决问题的能力？

• 如何把“想学 AI”拆成具体的学习目标、项目实践与求职行动？

👥 适合参加

• 希望从前端或后端拓展到全栈的开发者

• 希望结合 AI 应用开发，进一步提升交付能力的全栈工程师

• 正在思考职业下一步的测试、数据、BA、产品、云与 DevOps 从业者

• 准备实习、毕业生岗位或第一份 IT 工作的学生与求职者

• 考虑转向 AI Engineer，希望了解能力要求与学习投入的人

• 关注团队分工、人才培养与岗位变化的技术负责人

你可能正在决定下一门课学什么、下一个项目做什么，或下一份工作投向哪里。

欢迎带着你正在面对的问题来聊：你目前做什么，想走向哪里，又卡在哪一步？

从现有经验出发，拓展能力边界，把下一步落到具体行动。

🗓️ 活动信息

时间：2026年11月18日（周三）
悉尼时间：20:00（AEDT）
形式：线上直播
报名：点击页面「立即报名」