KEEL · 龙骨 · A CURRICULUM FOR THE AI ERA

01 · 岗位画像：招聘市场里的 CI/CD 到底出现在哪 — keel 龙骨

这一章回答：以 2026 年的真实岗位描述为依据，交付能力在中高端全栈岗里处于什么位置、被怎么表述、以及"你要达到什么程度"才够用。

这一章回答：以 2026 年的真实岗位描述为依据，交付能力在中高端全栈岗里处于什么位置、被怎么表述、以及"你要达到什么程度"才够用。

先说结论：CI/CD 在中高端全栈岗里已经从"加分项"变成"默认项"，但它几乎从不被单独列成岗位——它的价值是让你技术栈里的其他项变得可信。

一、市场证据：JD 里怎么写的

抽样几类 2026 年的真实岗位描述（来自招聘平台的公开信息），CI/CD 相关的表述呈现出清晰的层级：

层级	JD 表述方式（摘录式的语义归纳）	出现的位置
基础要求	"熟悉 Docker 容器化部署""掌握 Dockerfile 编写""了解 Nginx / 网关"	任职要求里的"技术能力"项
常规要求	"有 CI/CD 实践经验（Jenkins / GitLab CI）""参与 CI/CD 流水线建设""编写 CI/CD 流程"	岗位职责的"工程化/运维"段落
进阶要求	"支持灰度发布、滚动更新、自动扩缩容""熟悉监控体系（Prometheus / Grafana / ELK）""DevOps 与系统可观测性建设"	资深岗/高级岗的职责主线
AI 岗新表述	"深度使用 AI 编程工具，对 AI 辅助开发有系统化实践与思考，能制定团队 AI 编程规范""沉淀 AI 编程最佳实践与工程规范""深度参与 AI Agent 相关的工程体系"	AI 应用类岗位的新增段落

三个观察：

要求通常是"实践过"而不是"精通"。写"熟悉 Docker + 有 CI/CD 实践经验"的岗位占多数；真正要求自研平台工程的是另一类公司（通常是平台/SRE 团队）。所以你的目标不是成为平台工程师，而是达到"能独立负责一条流水线"。
云原生 & DevOps 常常作为一个独立模块出现，并且明确写出灰度发布、滚动更新、可观测三件套——这正是第二门课 04/05/06 三章的内容。
AI 时代的 JD 出现了新的要求句式：不止要求"会用 AI 工具写代码"，还要求能定规范、能说清它带来的工程问题。这条正好落在第一门课 05 章（AI 在流水线里的落点与边界）。

档位	能做的事	面试表现
没及格	知道 CI 这个词，能用别人搭好的流水线跑测试	被问"你们的流水线分几个 job"就卡住
及格（目标）	能自己写出一条流水线：触发/矩阵/产物/门禁/最小权限；能讲清每个设计为什么；能独立完成一次带检查清单的发布与回滚	讲得出完整链路 + 至少三条设计取舍 + 一次事故/改正
优秀	在此之上能度量（DORA 四指标/流水线健康度），能讲清 GitOps 与 push 型的适用边界，能把 AI 接入流水线并说清边界	能反过来问面试官"你们的部署频率与回滚流程是怎样的"，成为同行对话

你的目标应该是明确的三档中第二档，并能在部分话题上够到第三档。 注意"及格"这一档已经包含"请一次发布之后的十分钟该盯什么"——这是区分背过和做过的关键问题。

两个结构性原因：

AI 应用工程的重心在"集成"而不是"算法"：你的产出物通常是一堆外部依赖（模型 API、向量库、队列、浏览器/沙箱执行环境）的组合。依赖越多，部署与回滚就越重要——这是 AI 应用和传统 CRUD 最不一样的地方。
AI 时代的瓶颈向后移动：DORA 2025 的研究显示 AI 采用伴随交付不稳定性的上升；也就是说写变便宜了，"安全地把改动放上线"变贵了。谁掌握后者，谁就站在瓶颈的位置上。

一句话版本（可以直接用在自我介绍或面试结语里）：

"我做 AI 应用方向，但我会把交付工程当成主战场——因为 AI 把写代码变便宜之后，能不能安全地把改动放上线、失败了能不能快速退回来，才是真正的瓶颈。"

写法	评价
❌ "熟悉 CI/CD、了解 Docker"	无效信息，所有人都会写
❌ "精通 Kubernetes、精通 DevOps"	会引发超出你实际水平的追问
✅ "在开源项目中搭建了从代码到发布的完整流水线：矩阵测试 + 类型/静态检查 + 产物冒烟 + 多目标发布，发布链路可重跑、最小权限、免长期令牌（OIDC），过程可在 GitHub Actions 公开验证"	✅事实 + 设计取舍 + 可验证，这是唯一有效的写法

要点：每一条都要能回答"为什么这么做"和"在哪能看到"。 前者体现判断力，后者提供信任状。这也是你这门课后续两章要训练的东西。