引言 — 先画好地图，才不会走丢
打开技术岗位的招聘启事，要求技能常常一列就是几十项。想把这份清单全部学完，必然会把自己拖垮。真正需要的不是清单，而是 地图 — 这个职位的核心轴是什么、什么是基本功、什么又是眼下正在崛起的主题，这样一套结构。
本文为 2026 年当下需求最明确的五个职位 — AI/LLM 工程师、平台·DevOps/SRE、安全工程师、数据工程师、前端工程师 — 绘制知识地图。每个职位都按「基本功 → 核心 → 新兴主题」的三层结构梳理，并连接本站可以直接练习的工具，以及公认可靠的参考资料。本文是三部曲的第 1 篇：第 2 篇技术面试准备手册讲如何在面试中证明这些知识，第 3 篇用 AI 学习的方法讲如何最快掌握这些知识。
AI / LLM 工程师
眼下最火热的职位，但华丽演示背后的实务，出乎意料地是扎实的工程活。比起造模型，大部分工作其实是 把模型安全地整合进产品。
基本功
- Transformer 的工作原理 — 分词、嵌入、自注意力，以及上下文窗口为何是有限的
- Python 与数据处理基础，API 设计
- 概率·统计的基础直觉（temperature、top-p 采样各自在做什么）
核心知识
- RAG(检索增强生成)：分块策略、嵌入模型选择、向量数据库、重排序 — 直到"先考虑 RAG，再考虑微调"这条判断标准
- 提示词工程：系统提示词设计、few-shot、结构化输出(JSON schema)、工具调用(tool use)
- 评估(evals)：如何衡量 LLM 输出的质量 — 黄金数据集、LLM-as-judge 的局限、回归测试
- 服务经济学：token 成本、延迟预算、缓存、流式输出 — 演示和生产环境的差距，大多就出在这里
新兴主题
- 智能体架构（计划-执行-验证循环、多智能体编排）
- LLM 安全 — 提示词注入、数据泄露防护（与安全职位重叠的新兴领域）
- 小型模型·端侧推理与成本优化
在本站的神经网络实验室可以直观地学习注意力与反向传播，用提示词工程师工具练习提示词模式。
平台 · DevOps / SRE
定义正收敛到"让开发者能够快速、安全地部署"这一件事上。是基础设施知识加上软件工程的混合体。
基本功
- Linux — 进程、文件系统、网络、shell 脚本（读懂 htop 是检验这项基本功的好考卷）
- 网络基础 — DNS、TLS、HTTP、负载均衡
- 至少一门编程语言（Go 或 Python 事实上已成标准）
核心知识
- 容器与 Kubernetes：镜像构建优化、Pod 调度、Service/Ingress、资源请求与限制
- IaC(基础设施即代码)：Terraform 状态管理、模块化、漂移检测
- CI/CD：流水线设计、渐进式发布（金丝雀、蓝绿）、回滚策略
- 可观测性：指标·日志·追踪三大支柱，SLO 与错误预算设计，告警疲劳管理
- 事故响应：值班文化，无责复盘（blameless postmortem）
新兴主题
- 基于 eBPF 的可观测性与安全（无 sidecar 的服务网格）
- FinOps — 把云成本当作工程指标来对待
- 平台工程 — 内部开发者平台(IDP)与自助式黄金路径
可以在 Kubernetes 游乐场、Linux 终端、eBPF 游乐场、容器实验室动手练习，用 Kubestronaut 测验检验证书级别的知识。
安全工程师
随着每家公司都变成软件公司，安全已经从一种特殊职位，变成所有系统的前提条件。它是供需缺口最大的职位之一。
基本功
- OWASP Top 10 — 在代码层面理解注入、跨站脚本、访问控制失效
- 密码学的实务直觉 — 分清哈希与加密、对称/非对称、TLS 握手（实现交给库，判断留给自己）
- 网络与操作系统的攻击面
核心知识
- 认证与授权：OAuth 2.0 与 OIDC 各流程的差异，JWT 的签名验证·过期·存储位置之争，会话 vs 令牌
- 云安全：IAM 最小权限设计，密钥管理(vault、轮换)，网络隔离
- 供应链安全：依赖扫描、SBOM、构建完整性 — 近几年扩张最快的领域
- 安全 SDLC：威胁建模、代码评审中的安全视角、SAST/DAST
新兴主题
- 零信任架构 — 从边界防御转向以身份为中心的防御
- LLM/AI 系统安全 — 提示词注入、经由模型的数据泄露、AI 生成代码中的漏洞
- Passkey 与抗钓鱼认证的普及
可以在认证·安全实验室、密码学实验室、JWT 解码器、哈希生成器里亲手摸一遍这些概念。
数据工程师
"数据是新的石油"这句话已经过时，但修建炼油厂的人，需求却比任何时候都高。AI 热潮同时也是数据管道的热潮。
基本功
- 深入 SQL — 窗口函数、读懂执行计划、索引的行为。在这个职位里，SQL 既是基本功，也是终极武器
- 一门编程语言（通常是 Python）与数据结构的直觉
- 数据建模 — 范式化、星型模式、缓慢变化维度(SCD)
核心知识
- 批处理与流处理：ELT 模式、dbt 风格的转换层、基于 Kafka 的流处理、exactly-once 处理的真实面目
- 湖仓一体(Lakehouse)：Parquet 格式、Iceberg/Delta 表格式、目录(catalog)
- 数据质量与治理：测试、血缘(lineage)、迟到数据的处理
- 编排：DAG 设计、幂等的管道、回填策略
新兴主题
- DuckDB 一类的嵌入式分析 — "小数据"的再发现
- 面向 AI 工作负载的数据准备 — 嵌入管道、向量索引管理
- 流处理与批处理的收敛（统一处理引擎）
可以在 SQL 游乐场、PostgreSQL 游乐场、DuckDB 游乐场、消息队列游乐场亲自实验查询与流处理的概念。
前端工程师
在"AI 会取代前端"这种说法流传的同时，实际要求的水平反而升高了。因为量产组件的工作在减少，留下来的是 判断性能、无障碍与架构 的工作。
基本功
- 认真对待 HTML/CSS — 语义化标记、布局(grid/flex)、响应式设计
- 深挖 JavaScript — 闭包、事件循环、Promise、模块
- TypeScript — 如今已不是可选项，而是方言本身
核心知识
- React 的现状：服务器组件与客户端组件的边界设计、Suspense、状态管理走向简化的趋势
- 性能：Core Web Vitals(LCP/CLS/INP)、bundle 分析、图片优化、渲染策略(SSR/SSG/ISR)的权衡
- 无障碍(a11y)：键盘导航、正确（且克制）地使用 ARIA、色彩对比度
- 测试策略 — 集成测试优先于单元测试，以用户视角编写测试
新兴主题
- 边缘渲染与局部预渲染
- AI 辅助开发工作流 — 验证与重构生成代码的评审能力，成为新的差异化优势
- 设计系统与设计-代码同步
可以在 JS 沙盒、HTML/CSS 游乐场、CSS 测验、正则表达式测验打牢基本功。
贯穿各职位的通用能力
把五张地图叠在一起看，会显出共同的地形。不管选哪个职位，以下这四项都会以复利的方式累积。
- 写作：设计文档、复盘、PR 说明 — 越往资深走，文字就越比代码更有杠杆。这也是复利职业生涯一文里讲到的"可见的工作"的核心手段。
- 善用 AI 工具：不论职位，都已经成为生产力的倍增器(multiplier)。但不被工具吞噬、反过来驾驭工具的方法，需要另外学 — 第 3 篇用 AI 学习的方法会讲到。
- 英语：最新的文档与讨论，依然是英语先出现。什么是流畅一文里的路线图会有帮助。
- 分布式系统的基础直觉：网络会断，重试会造出重复，时钟会走偏 — 不管哪个职位，都是在这个现实之上工作。
如何开始
看着地图感到不知所措，其实没有必要。这里有一套顺序。
- 先选一个职位 — 身兼多职，是基本功打牢之后的事情。
- 从基本功层开始 — 基本功不会过时，也是面试里最先被检验的东西。
- 核心层靠项目来学 — 只读不做的知识留不住。做点小东西并把它部署上线。
- 新兴主题只挑一个深入 — 什么都追，就什么都学得浅。
- 记录并公开 — 把学到的东西写下来，无论对记忆还是对职业生涯，都是复利。
下一篇会讲如何在面试现场证明这些积累下来的知识 — 编码测试、系统设计、行为面试的具体准备方法。