機(jī)器之心編譯

軟件行業(yè)正站在一個(gè)頗為微妙的拐點(diǎn)上。AI 已經(jīng)從自動(dòng)補(bǔ)全代碼，演進(jìn)為能夠自主執(zhí)行開發(fā)任務(wù)的智能體。

在這一變化之下，初級(jí)開發(fā)者和高級(jí)開發(fā)者正同時(shí)被推入各自不同、卻同樣棘手的困境之中。

對(duì)初級(jí)開發(fā)者而言，最大的挑戰(zhàn)不在于會(huì)不會(huì)寫代碼，而在于還沒來(lái)得及成長(zhǎng)，練級(jí)空間就被壓縮了。企業(yè)不再愿意為學(xué)習(xí)成本買單，初級(jí)崗位要么減少，要么被要求一上來(lái)就能獨(dú)立產(chǎn)出。

而對(duì)高級(jí)開發(fā)者來(lái)說(shuō)，處境同樣不好過(guò)。AI 并沒有讓他們更輕松，而是讓責(zé)任進(jìn)一步集中。當(dāng)團(tuán)隊(duì)規(guī)�？s小、初級(jí)人手減少，高級(jí)工程師往往既要做架構(gòu)決策，又要兜底 AI 和自動(dòng)化系統(tǒng)帶來(lái)的各種隱性風(fēng)險(xiǎn)，代碼質(zhì)量、性能、安全、合規(guī)。寫代碼的比例在下降，但判斷、評(píng)審和決策的壓力卻在上升，一旦系統(tǒng)出問題，責(zé)任仍然落在人身上。

接下來(lái)會(huì)發(fā)生什么，充滿了不確定性。

Addy Osmani，來(lái)自谷歌的一名軟件工程師，在一篇文章中提出了 5 個(gè)可能在 2026 年前重塑軟件工程的關(guān)鍵問題，并為每個(gè)問題給出兩種截然不同的走向。

文章鏈接：https://addyosmani.com/blog/next-two-years/

這五個(gè)問題都指向同一件事，軟件工程正在從寫代碼的職業(yè)，轉(zhuǎn)變?yōu)轳{馭復(fù)雜系統(tǒng)與 AI 的職業(yè)。未來(lái)不是單一答案，而是多種路徑并存，誰(shuí)能適應(yīng)變化，誰(shuí)就能留下來(lái)。

初級(jí)開發(fā)者之問

結(jié)論很直接：隨著 AI 開始自動(dòng)化入門級(jí)任務(wù)，初級(jí)開發(fā)者的招聘可能會(huì)出現(xiàn)崩塌；也可能隨著軟件滲透到幾乎所有行業(yè)而重新反彈。這兩種未來(lái)都存在，但對(duì)應(yīng)的生存策略完全不同。

像傳統(tǒng)路徑，學(xué)會(huì)編程、拿到初級(jí)崗位、逐步成長(zhǎng)為高級(jí)工程師正在動(dòng)搖。一項(xiàng)覆蓋 6200 萬(wàn)名勞動(dòng)者的哈佛研究發(fā)現(xiàn)，當(dāng)企業(yè)采用生成式 AI 后，在六個(gè)季度內(nèi)，初級(jí)開發(fā)者的就業(yè)人數(shù)下降了大約 9%–10%，而高級(jí)開發(fā)者的就業(yè)幾乎沒有變化。過(guò)去三年，大型科技公司招聘的應(yīng)屆畢業(yè)生數(shù)量減少了 50%。正如一位工程師略帶諷刺地說(shuō)：既然一個(gè) AI 編碼智能體的成本更低，為什么還要花 9 萬(wàn)美元去雇一個(gè)初級(jí)工程師？

這并不只是 AI 的問題。像利率上升等宏觀因素，在 2022 年左右就已出現(xiàn)影響，那時(shí) AI 工具還未大規(guī)模普及。但 AI 加速了這一趨勢(shì)。如今，一名配備 AI 輔助的高級(jí)工程師，產(chǎn)出已經(jīng)相當(dāng)于過(guò)去一個(gè)小團(tuán)隊(duì)的工作量。相比裁員，許多公司更常見的做法是悄悄地不再招聘初級(jí)開發(fā)者。

反過(guò)來(lái)的情景是：AI 在所有行業(yè)，而不僅僅是科技行業(yè)，釋放出對(duì)開發(fā)者的巨大需求。醫(yī)療、農(nóng)業(yè)、制造業(yè)、金融業(yè)都開始大規(guī)模嵌入軟件和自動(dòng)化。AI 不是取代開發(fā)者，而是成為一種放大器，把開發(fā)工作擴(kuò)展到過(guò)去幾乎不雇程序員的領(lǐng)域。初級(jí)崗位會(huì)更多出現(xiàn)，但形式不同：那些能快速為特定細(xì)分場(chǎng)景構(gòu)建自動(dòng)化和集成方案的 AI 原生開發(fā)者。

美國(guó)勞工統(tǒng)計(jì)局預(yù)計(jì)，2024 年到 2034 年間，軟件相關(guān)崗位將增長(zhǎng)約 15%。如果企業(yè)選擇用 AI 來(lái)擴(kuò)大產(chǎn)出，而不是單純壓縮人力規(guī)模，它們?nèi)匀恍枰祟惾グ盐?AI 創(chuàng)造的新機(jī)會(huì)。

但悲觀情景的一個(gè)長(zhǎng)期風(fēng)險(xiǎn)常常被忽視：今天的初級(jí)開發(fā)者，就是 5 到 10 年后的高級(jí)工程師和技術(shù)領(lǐng)導(dǎo)者。如果完全切斷人才培養(yǎng)管道，最終會(huì)造成領(lǐng)導(dǎo)力真空。行業(yè)老兵將這種現(xiàn)象稱為緩慢衰退，一個(gè)停止培養(yǎng)接班人的生態(tài)系統(tǒng)。

如何應(yīng)對(duì)？

對(duì)于初級(jí)開發(fā)者來(lái)說(shuō)，要讓自己具備 AI 使用能力并保持多面性。證明一名初級(jí)開發(fā)者 + AI 的組合，能夠匹配一個(gè)小團(tuán)隊(duì)的產(chǎn)出。使用 AI 編碼智能體（如 Cursor、Antigravity、Claude Code、Gemini CLI）來(lái)構(gòu)建更大的功能模塊，但要理解并能解釋其中的每一行代碼，至少是大部分代碼。把重心放在 AI 不容易替代的能力上：溝通能力、問題拆解能力、領(lǐng)域知識(shí)。將相鄰崗位（如 QA、開發(fā)者關(guān)系、數(shù)據(jù)分析）視為切入口。建立作品集，尤其是包含 AI API 集成的項(xiàng)目�？紤]學(xué)徒制、實(shí)習(xí)、合同制工作或參與開源項(xiàng)目。不要成為又一個(gè)需要大量培訓(xùn)的應(yīng)屆生，而要成為一個(gè)能夠立刻產(chǎn)生價(jià)值、并且學(xué)習(xí)速度很快的工程師。

對(duì)于高級(jí)開發(fā)者來(lái)說(shuō)，初級(jí)人員減少意味著更多基礎(chǔ)性工作會(huì)落到自己身上。要用自動(dòng)化來(lái)應(yīng)對(duì)日常事務(wù)，但不要什么都自己做。搭建 CI/CD、代碼規(guī)范檢查工具以及 AI 輔助測(cè)試，以捕捉基礎(chǔ)問題。通過(guò)開源項(xiàng)目或輔導(dǎo)其他部門的同事，進(jìn)行非正式的指導(dǎo)。如果未來(lái)初級(jí)崗位需求回升，要準(zhǔn)備好高效地進(jìn)行入職引導(dǎo)，并以結(jié)合 AI 的方式進(jìn)行任務(wù)分配。你的價(jià)值不在于自己寫了多少代碼，而在于放大整個(gè)團(tuán)隊(duì)的產(chǎn)出。

技能之問

核心結(jié)論：當(dāng) AI 編寫了大部分代碼之后，編程基本功要么會(huì)逐漸退化，要么會(huì)因?yàn)槿祟愰_發(fā)者轉(zhuǎn)向監(jiān)督與把關(guān)而變得比以往任何時(shí)候都更重要。接下來(lái)的幾年，將決定我們究竟是用理解力換速度，還是在效率提升的同時(shí)守住理解。

如今，已有 84% 的開發(fā)者在日常工作中經(jīng)常使用 AI 輔助。對(duì)許多人來(lái)說(shuō)，面對(duì)一個(gè) Bug 或新功能時(shí)的第一反應(yīng)，不再是從零開始寫代碼，而是先寫一個(gè)提示詞，把 AI 生成的代碼片段拼接起來(lái)。入門級(jí)開發(fā)者正在跳過(guò)最難的那條路：他們可能從未親手實(shí)現(xiàn)過(guò)一棵二叉搜索樹，也從未獨(dú)立排查過(guò)一次內(nèi)存泄漏。

技能結(jié)構(gòu)正在發(fā)生遷移：從實(shí)現(xiàn)算法，轉(zhuǎn)向知道如何向 AI 提出正確的問題，并驗(yàn)證它的輸出。職業(yè)階梯的第一步，不再要求展示純粹的編碼能力，而是能夠熟練地提示 AI、校驗(yàn)結(jié)果。一些資深工程師擔(dān)心，這會(huì)催生出一代無(wú)法獨(dú)立高質(zhì)量寫代碼的開發(fā)者，一種事實(shí)上的去技能化。而 AI 生成的代碼往往會(huì)引入隱蔽的 Bug 和安全漏洞，經(jīng)驗(yàn)不足的開發(fā)者很容易忽略這些問題。

另一種對(duì)立的情景是：當(dāng) AI 處理掉 80% 的常規(guī)工作后，人類將專注于最困難的那 20%。架構(gòu)設(shè)計(jì)、復(fù)雜集成、創(chuàng)造性設(shè)計(jì)、邊界情況 —— 這些仍然是機(jī)器單獨(dú)難以解決的問題。AI 的普及并不會(huì)讓深度知識(shí)過(guò)時(shí)，反而會(huì)讓人類專家的價(jià)值更加凸顯。這正是高杠桿工程師：他們把 AI 當(dāng)作放大器，但必須對(duì)系統(tǒng)有深入理解，才能真正駕馭它。

如果每個(gè)人都能使用 AI 編碼智能體，真正區(qū)分優(yōu)秀開發(fā)者的，是能否判斷 AI 何時(shí)是錯(cuò)誤的，或次優(yōu)的。一位資深工程師曾這樣說(shuō)過(guò)：最好的軟件工程師，不是寫代碼最快的人，而是最清楚什么時(shí)候不該相信 AI 的人。

編程工作的重心正在轉(zhuǎn)移：更少時(shí)間用來(lái)敲模板代碼，更多時(shí)間用來(lái)審查 AI 輸出是否存在邏輯錯(cuò)誤、安全缺陷，或與需求不匹配的問題。關(guān)鍵能力逐漸變成軟件架構(gòu)、系統(tǒng)設(shè)計(jì)、性能調(diào)優(yōu)和安全分析。AI 可以很快生成一個(gè) Web 應(yīng)用，但只有經(jīng)驗(yàn)豐富的工程師，才能確保它遵循了安全最佳實(shí)踐，沒有引入競(jìng)態(tài)條件。

在 2025 年，開發(fā)者社區(qū)的討論明顯分裂。一些人坦言自己幾乎不再手寫代碼，認(rèn)為面試和考核方式也應(yīng)該隨之演進(jìn)；另一些人則認(rèn)為，跳過(guò)基礎(chǔ)訓(xùn)練會(huì)導(dǎo)致在 AI 輸出失效時(shí)陷入更頻繁、更痛苦的救火。整個(gè)行業(yè)開始期待工程師同時(shí)具備兩種能力：AI 帶來(lái)的速度，以及支撐質(zhì)量的基礎(chǔ)智慧。

如何應(yīng)對(duì)：

對(duì)于初級(jí)開發(fā)者來(lái)說(shuō)，要把 AI 當(dāng)作學(xué)習(xí)工具，而不是拐杖。當(dāng) AI 編碼智能體（如 Cursor、Antigravity、Claude Code、Gemini CLI）給出代碼時(shí)，主動(dòng)復(fù)盤它為什么能工作、哪里可能存在問題。偶爾關(guān)閉 AI 輔助，親手實(shí)現(xiàn)關(guān)鍵算法。優(yōu)先夯實(shí)計(jì)算機(jī)科學(xué)基礎(chǔ)：數(shù)據(jù)結(jié)構(gòu)、算法、復(fù)雜度分析、內(nèi)存管理。一個(gè)項(xiàng)目可以做兩遍，一遍借助 AI，一遍不借助 AI，對(duì)比差異。學(xué)習(xí)提示詞工程和工具使用技巧。同時(shí)訓(xùn)練嚴(yán)謹(jǐn)?shù)臏y(cè)試習(xí)慣：編寫單元測(cè)試，在不立刻求助 AI 的情況下閱讀堆棧信息，熟練使用調(diào)試器。深化 AI 難以復(fù)制的互補(bǔ)能力：系統(tǒng)設(shè)計(jì)、用戶體驗(yàn)直覺、并發(fā)問題的推理能力。向外界證明，你既能借助 AI 高效產(chǎn)出，也能在它失效時(shí)解決棘手問題。

對(duì)于高級(jí)開發(fā)者來(lái)說(shuō)，要將自己定位為質(zhì)量與復(fù)雜性的守門人。持續(xù)打磨核心專長(zhǎng)：架構(gòu)、安全、可擴(kuò)展性以及領(lǐng)域知識(shí)。練習(xí)在系統(tǒng)中引入 AI 組件時(shí)的整體建模，并提前思考失敗模式。持續(xù)關(guān)注 AI 生成代碼中暴露出的新型漏洞。主動(dòng)承擔(dān)導(dǎo)師和評(píng)審者的角色，明確哪些場(chǎng)景可以使用 AI，哪些場(chǎng)景必須人工審查（例如支付或安全相關(guān)代碼）。把精力更多放在創(chuàng)造性和戰(zhàn)略性工作上，讓初級(jí)開發(fā)者 + AI 的組合去處理常規(guī)的 API 對(duì)接，而你來(lái)決定應(yīng)該構(gòu)建哪些 API。投資軟技能和跨領(lǐng)域知識(shí)，持續(xù)跟進(jìn)新工具和最佳實(shí)踐。最終，進(jìn)一步強(qiáng)化那些讓人類開發(fā)者不可替代的能力：穩(wěn)健的判斷力、系統(tǒng)級(jí)思考，以及培養(yǎng)他人的能力。

角色之問

核心結(jié)論：開發(fā)者這一角色，可能會(huì)收縮為一種有限的審計(jì)崗位（主要負(fù)責(zé)監(jiān)督 AI 生成的代碼），也可能擴(kuò)展為一個(gè)關(guān)鍵性的編排者角色，負(fù)責(zé)設(shè)計(jì)和治理由 AI 驅(qū)動(dòng)的系統(tǒng)。無(wú)論走向哪一種未來(lái)，創(chuàng)造價(jià)值都不再只是寫代碼本身。

這里的兩種極端非常鮮明。在其中一種設(shè)想中，開發(fā)者的創(chuàng)造性職責(zé)被明顯削弱。他們不再真正構(gòu)建軟件，而是主要負(fù)責(zé)審計(jì)和看護(hù) AI 的輸出。AI 系統(tǒng)承擔(dān)實(shí)際生產(chǎn)；人類開發(fā)者檢查自動(dòng)生成的代碼，查找錯(cuò)誤、偏見或安全問題，并批準(zhǔn)部署。創(chuàng)造者變成了檢查者，寫代碼的樂趣被風(fēng)險(xiǎn)管理的焦慮所取代。

已經(jīng)有報(bào)道稱，一些工程師花在評(píng)估 AI 生成的 pull request 和管理自動(dòng)化流水線上的時(shí)間越來(lái)越多，而從零開始寫代碼的時(shí)間卻越來(lái)越少。編程逐漸不像是一種創(chuàng)造性的問題求解，更像是一種合規(guī)性工作。一位工程師曾無(wú)奈地感嘆：我不想最后變成一個(gè)代碼清潔工，只是收拾 AI 扔過(guò)來(lái)的爛攤子。

另一種未來(lái)則要有意思得多：開發(fā)者進(jìn)化為高層次的編排者，融合技術(shù)、戰(zhàn)略與倫理責(zé)任。隨著 AI 工人的出現(xiàn)，人類開發(fā)者承擔(dān)起類似架構(gòu)師或總承包商的角色，負(fù)責(zé)設(shè)計(jì)整體系統(tǒng)，決定哪些任務(wù)交給哪一個(gè) AI 或軟件組件，并將眾多運(yùn)轉(zhuǎn)中的部件編織成一個(gè)完整方案。

一位低代碼平臺(tái)的 CEO 曾這樣描述這一愿景：在 Agentic 的開發(fā)環(huán)境中，工程師會(huì)成為作曲家，指揮由多個(gè) AI 智能體和軟件服務(wù)組成的合奏。他們不會(huì)親自寫下每一個(gè)音符，但會(huì)定義旋律 —— 系統(tǒng)架構(gòu)、接口，以及各個(gè)智能體如何交互。這個(gè)角色本身具有跨學(xué)科和創(chuàng)造性：既是軟件工程師，又是系統(tǒng)架構(gòu)師，同時(shí)還是產(chǎn)品戰(zhàn)略制定者。

更樂觀的看法是：當(dāng) AI 接管重復(fù)性勞動(dòng)后，開發(fā)者的角色將被迫轉(zhuǎn)向更高價(jià)值的活動(dòng)。工作本身反而可能變得更有意思�？偟糜腥藳Q定 AI 應(yīng)該構(gòu)建什么，驗(yàn)證產(chǎn)品是否合理，并不斷對(duì)其進(jìn)行改進(jìn)。

最終走向哪一條路，很大程度上取決于組織如何選擇整合 AI。把 AI 視為勞動(dòng)力替代品的公司，可能會(huì)縮減開發(fā)團(tuán)隊(duì)規(guī)模，讓留下來(lái)的工程師負(fù)責(zé)維持自動(dòng)化系統(tǒng)運(yùn)轉(zhuǎn)；而把 AI 當(dāng)作團(tuán)隊(duì)放大器的公司，則可能保持相近的人員規(guī)模，但讓每位工程師承擔(dān)更宏大的項(xiàng)目。

如何應(yīng)對(duì)：

對(duì)于初級(jí)開發(fā)者來(lái)說(shuō)，要主動(dòng)尋找不只是寫代碼的機(jī)會(huì)�？梢宰栽竻⑴c測(cè)試用例編寫、CI 流水線搭建或應(yīng)用監(jiān)控等工作，這些能力都與審計(jì)者 / 看護(hù)者角色高度契合。同時(shí)，通過(guò)個(gè)人項(xiàng)目保持對(duì)創(chuàng)造性編碼的熱情，避免失去構(gòu)建的樂趣。培養(yǎng)系統(tǒng)思維：學(xué)習(xí)各個(gè)組件如何通信，理解什么樣的 API 才算設(shè)計(jì)良好。多閱讀工程博客和系統(tǒng)設(shè)計(jì)案例。熟悉代碼生成之外的 AI 與自動(dòng)化工具，例如編排框架和 AI API。提升書面和口頭溝通能力，寫文檔時(shí)假設(shè)讀者是另一個(gè)人。向資深同事請(qǐng)教時(shí)，不只問我的代碼能不能跑，而要問我是不是考慮到了該考慮的事情。為自己做好準(zhǔn)備，成為驗(yàn)證者、設(shè)計(jì)者和溝通者，而不僅僅是寫代碼的人。

對(duì)于高級(jí)開發(fā)者來(lái)說(shuō)，要主動(dòng)擁抱領(lǐng)導(dǎo)力和架構(gòu)層面的責(zé)任。塑造 AI 和初級(jí)成員遵循的標(biāo)準(zhǔn)與框架，制定代碼質(zhì)量清單和負(fù)責(zé)任使用 AI 的規(guī)范。持續(xù)關(guān)注 AI 生成軟件在合規(guī)與安全方面的新問題。把重心放在系統(tǒng)設(shè)計(jì)和集成能力上，主動(dòng)梳理跨服務(wù)的數(shù)據(jù)流并識(shí)別潛在失效點(diǎn)。熟練使用各種編排平臺(tái)，如 Kubernetes、Airflow、無(wú)服務(wù)器框架以及智能體編排工具。進(jìn)一步強(qiáng)化技術(shù)導(dǎo)師的角色：更多代碼評(píng)審、設(shè)計(jì)討論和技術(shù)規(guī)范輸出。打磨快速評(píng)估他人（或 AI）代碼并給出高層次反饋的能力。同時(shí)培養(yǎng)產(chǎn)品和業(yè)務(wù)意識(shí)，理解為什么要做某個(gè)功能，以及用戶真正關(guān)心什么。可以旁聽產(chǎn)品經(jīng)理的工作，或參與用戶反饋會(huì)議。通過(guò)原型開發(fā)、黑客松或前沿技術(shù)研究，保護(hù)并延續(xù)自己的創(chuàng)造熱情。從寫代碼的人，進(jìn)化為指揮全局的指揮家。

專才還是通才之問

核心結(jié)論：過(guò)于狹窄的專才，面臨其細(xì)分領(lǐng)域被自動(dòng)化或淘汰的風(fēng)險(xiǎn)；而在一個(gè)快速變化、深度融入 AI 的環(huán)境中，更受青睞的是 T 型工程師，既具備廣泛的適應(yīng)能力，又在一兩個(gè)方向上有深度專長(zhǎng)。

在模型、工具和框架不斷興衰更替的背景下，把整個(gè)職業(yè)生涯押注在單一技術(shù)棧上，風(fēng)險(xiǎn)越來(lái)越高。某個(gè)傳統(tǒng)框架的專家，可能會(huì)突然發(fā)現(xiàn)，當(dāng)新的 AI 工具幾乎不需要人工干預(yù)就能處理那套技術(shù)時(shí)，自己的需求度迅速下降。那些只專注于某一個(gè)技術(shù)棧、某一個(gè)框架或某一個(gè)產(chǎn)品領(lǐng)域的開發(fā)者，可能一覺醒來(lái)就發(fā)現(xiàn)，這個(gè)領(lǐng)域正在衰退，甚至變得多余。

回想一下 COBOL 開發(fā)者、Flash 開發(fā)者，或那些在行業(yè)轉(zhuǎn)向時(shí)未能及時(shí)轉(zhuǎn)型的移動(dòng)游戲引擎專家。不同之處在于，如今變化的速度更快。AI 自動(dòng)化可以讓某些編程任務(wù)變得極其簡(jiǎn)單，從根本上削弱那些圍繞這些任務(wù)建立起來(lái)的崗位。一個(gè)只會(huì)做一件事的專家（比如精調(diào) SQL 查詢，或把 Photoshop 設(shè)計(jì)稿切成 HTML），可能會(huì)發(fā)現(xiàn) AI 已經(jīng)承擔(dān)了其中 90% 的工作。

招聘市場(chǎng)總是在追逐最新的細(xì)分領(lǐng)域。幾年前，云基礎(chǔ)設(shè)施專家炙手可熱；如今，AI/ML 工程師成為焦點(diǎn)。那些只深耕于昨日技術(shù)的人，往往會(huì)在該領(lǐng)域失去吸引力時(shí)陷入停滯。

與此相對(duì)的是一種新的專業(yè)化形態(tài)：多面手式的專才，或者說(shuō) T 型開發(fā)者。他們?cè)谝坏絻蓚�(gè)領(lǐng)域具備深度專長(zhǎng)（縱向的一筆），同時(shí)對(duì)許多其他領(lǐng)域有廣泛了解（橫向的一筆）。這類工程師往往成為跨學(xué)科團(tuán)隊(duì)中的膠水，能夠與不同方向的專家溝通，在需要時(shí)填補(bǔ)空白。

企業(yè)不再需要要么過(guò)于淺嘗輒止、要么過(guò)度狹窄的開發(fā)者，而是希望工程師既有堅(jiān)實(shí)的核心能力，又能在整個(gè)技術(shù)棧中協(xié)同工作。原因之一是效率：T 型工程師往往可以端到端解決問題，而不必等待頻繁的交接；另一個(gè)原因是創(chuàng)新：不同領(lǐng)域知識(shí)的交叉，往往能催生更好的解決方案。

AI 工具實(shí)際上更能放大通才的能力，讓一個(gè)人同時(shí)處理多個(gè)組件變得更加容易。后端工程師可以借助 AI 輔助生成可用的 UI；前端工程師也能讓 AI 生成服務(wù)器端的樣板代碼。在一個(gè) AI 高度充沛的環(huán)境中，人們可以更廣泛地工作。相反，深度專才可能會(huì)發(fā)現(xiàn)自己的細(xì)分領(lǐng)域被部分自動(dòng)化，卻很難順利橫向擴(kuò)展。

如今，接近 45% 的工程崗位都期望候選人具備多領(lǐng)域能力：比如既會(huì)編程，又懂云基礎(chǔ)設(shè)施；或者以前端為主，但對(duì)機(jī)器學(xué)習(xí)有一定了解。

如何應(yīng)對(duì)：

對(duì)于初級(jí)開發(fā)者來(lái)說(shuō)，要盡早打下寬廣的基礎(chǔ)。即便是因某個(gè)具體角色被錄用，也要有意識(shí)地走出自己的豎井。如果你做移動(dòng)端，就去學(xué)一些后端基礎(chǔ)；如果你做前端，試著寫一個(gè)簡(jiǎn)單的服務(wù)器。了解部署流程，熟悉 Docker、GitHub Actions 等工具。找出一兩個(gè)真正讓你產(chǎn)生興趣的方向，持續(xù)深入，這將成為你的縱向?qū)ｉL(zhǎng)。把自己定位成復(fù)合型角色，例如側(cè)重云安全的全棧開發(fā)者，或具備 UX 專長(zhǎng)的前端工程師。利用 AI 工具快速進(jìn)入新領(lǐng)域：當(dāng)你對(duì)后端還很陌生時(shí)，可以讓 ChatGPT 生成入門級(jí) API 代碼并加以學(xué)習(xí)。培養(yǎng)持續(xù)再學(xué)習(xí)的習(xí)慣。通過(guò)黑客松或跨職能項(xiàng)目，強(qiáng)迫自己進(jìn)入通才模式。主動(dòng)告訴你的經(jīng)理，你希望接觸項(xiàng)目的不同部分。在職業(yè)早期，適應(yīng)能力本身就是一種超能力。

對(duì)于高級(jí)開發(fā)者來(lái)說(shuō)，要系統(tǒng)性地梳理自己的技能圖譜：哪些領(lǐng)域是你的強(qiáng)項(xiàng)，哪些相鄰領(lǐng)域只是淺嘗輒止。選擇一到兩個(gè)相關(guān)方向，投入精力做到能對(duì)話、能上手。如果你是后端數(shù)據(jù)庫(kù)專家，可以去熟悉一個(gè)現(xiàn)代前端框架，或?qū)W習(xí)機(jī)器學(xué)習(xí)流水線的基礎(chǔ)。借助 AI 輔助，在自己薄弱的領(lǐng)域做一個(gè)小項(xiàng)目。把你的深度專長(zhǎng)放到新的語(yǔ)境中：如果你擅長(zhǎng) Web 性能優(yōu)化，就去探索這些能力如何應(yīng)用到 ML 推理優(yōu)化上。主動(dòng)推動(dòng)或設(shè)計(jì)更具跨職能屬性的角色定位，爭(zhēng)取成為多領(lǐng)域項(xiàng)目的整合負(fù)責(zé)人。在指導(dǎo)他人、擴(kuò)散技能的同時(shí)，也從他們身上學(xué)習(xí)新東西。更新簡(jiǎn)歷，突出你的多面性。利用經(jīng)驗(yàn)識(shí)別可遷移的模式和知識(shí)。最終，成為 T 型工程師的榜樣：在專長(zhǎng)領(lǐng)域足夠深入，帶來(lái)權(quán)威和信任；同時(shí)不斷橫向延展自己的能力邊界。

教育之問

核心結(jié)論：計(jì)算機(jī)科學(xué)（CS）學(xué)位是否仍會(huì)是進(jìn)入軟件行業(yè)的黃金標(biāo)準(zhǔn)，還是會(huì)被更快的學(xué)習(xí)路徑（訓(xùn)練營(yíng)、在線平臺(tái)、企業(yè)培訓(xùn)）所取代？在一個(gè)每隔幾個(gè)月就發(fā)生變化的行業(yè)面前，大學(xué)可能越來(lái)越難跟上節(jié)奏。

長(zhǎng)期以來(lái)，四年制計(jì)算機(jī)科學(xué)學(xué)位一直是進(jìn)入軟件崗位的主要通行證。但這一傳統(tǒng)正在受到質(zhì)疑。

其中一種未來(lái)是：大學(xué)仍然重要，但越來(lái)越難保持相關(guān)性。學(xué)位依然是默認(rèn)的資質(zhì)門檻，但課程內(nèi)容落后于飛速變化的行業(yè)需求，受限于緩慢的課程更新周期和繁瑣的審批流程。學(xué)生和雇主都會(huì)感覺，學(xué)術(shù)界與產(chǎn)業(yè)脫節(jié)，教授的要么是純理論，要么是已經(jīng)過(guò)時(shí)、無(wú)法直接轉(zhuǎn)化為工作能力的實(shí)踐。

許多應(yīng)屆畢業(yè)生表示，在整個(gè)本科學(xué)習(xí)期間，他們從未接觸過(guò)云計(jì)算、現(xiàn)代 DevOps 或 AI 工具。如果大學(xué)要求學(xué)生投入高昂的時(shí)間和金錢，卻提供低相關(guān)度的教育，就有可能被視為昂貴的看門人。但由于慣性，許多公司仍然要求學(xué)士學(xué)位，于是彌補(bǔ)技能差距的負(fù)擔(dān)被轉(zhuǎn)嫁給學(xué)生，他們不得不通過(guò)訓(xùn)練營(yíng)、在線課程和自學(xué)項(xiàng)目來(lái)補(bǔ)齊短板。

企業(yè)每年要花費(fèi)數(shù)十億美元來(lái)培訓(xùn)新員工，因?yàn)楫厴I(yè)生并不具備職場(chǎng)所需的技能。大學(xué)可能會(huì)加一門 AI 倫理課，或開一門云計(jì)算選修課，但等到真正落地時(shí)，行業(yè)工具往往已經(jīng)更新?lián)Q代。

更具顛覆性的情景是：傳統(tǒng)教育體系被越來(lái)越多的新系統(tǒng)所替代，編程訓(xùn)練營(yíng)、在線認(rèn)證、自學(xué)作品集，以及由雇主主導(dǎo)的培訓(xùn)學(xué)院。許多知名企業(yè)（如 Google、IBM）已經(jīng)在部分技術(shù)崗位上取消了學(xué)歷要求。到 2024 年，接近 45% 的公司計(jì)劃在至少一部分崗位上取消學(xué)士學(xué)位門檻。

編程訓(xùn)練營(yíng)本身也在成熟。它們培養(yǎng)出的畢業(yè)生，已經(jīng)可以與科班 CS 畢業(yè)生一起進(jìn)入頂級(jí)公司工作。這類項(xiàng)目周期更短（例如 12 周的高強(qiáng)度訓(xùn)練），重點(diǎn)放在實(shí)用技能上：當(dāng)前流行的框架、云服務(wù)以及團(tuán)隊(duì)協(xié)作。招聘中的硬通貨正在轉(zhuǎn)向?qū)崟r(shí)作品集、微證書和可驗(yàn)證技能。一份強(qiáng)有力的 GitHub 作品集或被認(rèn)可的認(rèn)證，已經(jīng)可以繞過(guò)學(xué)位要求。

由雇主驅(qū)動(dòng)的教育模式正在出現(xiàn)：公司建立自己的培訓(xùn)管道，或與訓(xùn)練營(yíng)合作。一些大型科技公司已經(jīng)為非傳統(tǒng)背景的候選人開設(shè)了內(nèi)部大學(xué)。AI 本身也帶來(lái)了新的學(xué)習(xí)方式：AI 導(dǎo)師、交互式編程沙盒、個(gè)性化教學(xué)，使學(xué)習(xí)不再局限于大學(xué)校園。

一個(gè)模塊化的學(xué)習(xí)生態(tài)，比昂貴的四年制學(xué)位更加普惠。一個(gè)身處缺乏優(yōu)質(zhì) CS 大學(xué)國(guó)家的孩子，也可以修同樣的 Coursera 課程，構(gòu)建與硅谷學(xué)生同樣水平的作品集。

如何應(yīng)對(duì)：

對(duì)于有志或剛?cè)胄械拈_發(fā)者來(lái)說(shuō)，如果你身處傳統(tǒng) CS 項(xiàng)目中，不要完全依賴它。用真實(shí)項(xiàng)目來(lái)補(bǔ)充課程：做一個(gè) Web 應(yīng)用，參與開源項(xiàng)目，爭(zhēng)取實(shí)習(xí)或帶薪實(shí)訓(xùn)。如果課程體系沒有覆蓋熱門方向，就通過(guò)在線平臺(tái)自學(xué)。獲取行業(yè)認(rèn)可的認(rèn)證（如 GCP、AWS、Azure），向雇主證明你的實(shí)操能力。如果你是自學(xué)或來(lái)自訓(xùn)練營(yíng)，重點(diǎn)打造有說(shuō)服力的作品集，至少要有一個(gè)體量不小、文檔完善的項(xiàng)目。積極參與開發(fā)者社區(qū)：貢獻(xiàn)開源、撰寫技術(shù)文章，通過(guò) LinkedIn、線下聚會(huì)和開發(fā)者活動(dòng)建立人脈。爭(zhēng)取讓一位有經(jīng)驗(yàn)的開發(fā)者為你背書。持續(xù)學(xué)習(xí)，因?yàn)榧夹g(shù)技能的半衰期很短。把 AI 當(dāng)作你的私人導(dǎo)師，用作品集、認(rèn)證以及對(duì)自己項(xiàng)目的清晰講述來(lái)證明能力，這些都會(huì)為你打開機(jī)會(huì)之門。

對(duì)于資深開發(fā)者和管理者來(lái)說(shuō)，單靠既有學(xué)歷不會(huì)一直奏效。要持續(xù)投入學(xué)習(xí)：在線課程、研討會(huì)、技術(shù)大會(huì)和認(rèn)證。用新的方式驗(yàn)證自己的能力，做好準(zhǔn)備應(yīng)對(duì)以真實(shí)問題檢驗(yàn)當(dāng)前水平的面試。保持使用新技術(shù)的副項(xiàng)目。重新審視招聘要求：你真的需要新員工擁有 CS 學(xué)位，還是你真正需要的是某些技能和持續(xù)學(xué)習(xí)的能力？推動(dòng)以技能為先的招聘方式，擴(kuò)大人才池。支持內(nèi)部培訓(xùn)項(xiàng)目或?qū)W徒制崗位，為沒有傳統(tǒng)背景的初級(jí)開發(fā)者搭建導(dǎo)師網(wǎng)絡(luò)。積極與高校和替代教育體系互動(dòng)：參與顧問委員會(huì)、做客座分享、反饋課程與行業(yè)需求之間的差距。也要在自身職業(yè)發(fā)展中體現(xiàn)這一點(diǎn)：真實(shí)世界的成果和持續(xù)學(xué)習(xí)，比再拿一個(gè)學(xué)位更重要。

參考鏈接：https://addyosmani.com/blog/next-two-years/