初级开发者的新定位

微信 ezpoda免费咨询：AI编程 | AI模型微调| AI私有化部署
AI模型价格对比 | AI工具导航 | ONNX模型库 | Tripo 3D | Meshy AI | ElevenLabs | KlingAI | ArtSpace | Phot.AI | InVideo

三周前，我看着一个AI智能体在四分钟内完成了一项重构任务。两遍就完成了。同样的任务，一个初级开发者需要两小时、三次Slack对话，还需要高他们两个职级的人拉出一张架构图。

那个两小时的版本，就是初级开发者过去成长为高级开发者的方式。而四分钟的版本，则不包含这些过程中的任何部分。

我本来计划写一篇题为"AI仍然做不到什么"的文章。等我完成测试时，我写的变成了这篇。

如果你管理工程招聘、指导初级开发者，或者正在2026年试图进入软件行业，那四十分钟智能体测试给我展示的东西，正是你的职业策略需要的数据点。

实验是这样进行的。我抽取了一份任务清单，这些任务是我所跟踪的公司中分配给初级开发者的。编写单元测试。修复lint错误。根据规格说明添加API端点。使用文档化的模式重构遗留模块。根据附加的错误日志调试失败的流水线。

我把相同的任务分配给三个AI编程智能体，记录了它们在无需帮助的情况下完成了什么、部分完成了什么、以及完全无法触及什么。

1、其他任务展示了什么

重构是五项任务之一。其他四项讲述的是同一个故事。

当我把单元测试任务交给三个智能体时，三个都在无需任何提示迭代的情况下完成了。当我把API端点任务交给它们时，只有一个需要提出澄清问题。调试任务最能说明问题。我给了每个智能体一个错误日志和一个堆栈追踪。三个都正确识别了根本原因。两个编写了修复方案。一个在未被要求的情况下更新了文档。

那些不能顺利转移的任务是需要机构上下文的任务。知道三年前为什么做出了某个特定的架构决策。读懂两个有共同不满的团队之间的政治地理。理解哪个利益相关者的意见真正控制着结果。

这些仍然需要人类。

但是教会你机构上下文的工作——初级开发者用来构建代码库实际运作方式心智模型的那些重复性的、有边界的、结构化的任务——几乎已经完全消失了。

学徒制在学徒还没来得及学到学徒制本该教授的内容之前就被自动化了。

这不是一个生产力的故事。这是一个人才管道的故事。管道是单向的。

2、证实我测试的数字

我去寻找学术证据来验证或反驳我所观察到的。

最具体的数据点来自斯坦福薪酬分析，在一篇2026年2月发表在ACM通讯上的论文中被引用，论文作者是微软两位最高级别的工程负责人Mark Russinovich和Scott Hanselman。

斯坦福薪酬数据显示，ChatGPT发布后，22至25岁开发者的就业下降了近20%。论文中还引用的哈佛简历数据显示，采用AI的公司中初级员工就业在六个季度内下降了7.7%。

Russinovich和Hanselman给这个动态起了一个名字。他们称之为AI拖累。智能体编程助手现在给高级工程师带来了AI提升，成倍增加了他们的产出，同时对缺乏判断力和上下文来引导、验证和整合AI输出的早期职业开发者施加了AI拖累。

用他们的话说，结果是一种新的激励结构。雇佣高级人才。自动化初级工作。

他们的警告是直接的。没有早期职业招聘，这个行业的人才管道就会崩溃，组织将面临没有下一代经验丰富的工程师的未来。

耶鲁大学首席执行官领导力研究所在4月29日发表于《财富》的一篇分析中，更加直白地描述了这一转变。文章标题是"AI不会杀死你的工作。它会杀死你通往第一份工作的道路。"

耶鲁的文章描述了41%的受访高等教育领导者表示高度关注入门级白领职位的脆弱性。作者确定的机制不是大规模裁减初级员工。而是公司在悄悄关闭新人的大门。

这个区别很重要。职业阶梯不是在用公告拆除。它是通过没有人需要披露的招聘决定在被关闭。

3、让模式豁然开朗的外科医生类比

想象一下医院如何培训外科医生。

医学生不是从做手术开始的。他们花数年时间在有边界的任务上。缝合练习伤口。协助常规手术。查阅病历。在监督下反复练习案例，直到他们的双手和判断力校准到足以被信任处理复杂情况。

重复不是目的地。它是构建外科医生的机制。

现在想象医院自动化了每一个有边界的练习任务。高级外科医生的生产力大幅提高。住院医生没有途径来建立让高级外科医生成为可能的那种校准能力。

你没有改善管道。你移除了管道的底部，同时让顶部保持完好。

这就是2026年的软件行业，只是运营它的外科医生们还没告诉住院医生。

职业阶梯没有破碎。它正在被那些已经站在顶部的人重新设计。

三年来，主流叙事很简单。AI不会抢走你的工作。它会让你更高效。说这话的人是高级从业者，他们的工作确实变得更高效了。对他们来说是真的。但被不加检验地推及到其他人身上。

这个推论是错误的。AI并没有均匀地分配生产力增益。它把增益集中在了顶层。

ServiceNow首席执行官Bill McDermott本周在《财富》中提出了乐观的反驳。如果你只雇九分十分的人才，为什么要解雇而不是再培训？ServiceNow被智能体AI取代的IT员工已经转入了智能体管理角色。

我反复思考这是否解决了问题。它没有。

那些九分十分的人已经拥有了机构上下文。那些本应在未来三年成为九分十分的人，现在可以攀爬的横档更少了。你无法管理你从未构建过的东西。

附带一提。微软的Project Societas在十周内由七名兼职工程师产出了110,000行代码，其中98%由AI生成。监督它的高级工程师现在的生产力呈指数级增长。那些本应被雇佣来在一年内编写这些代码的初级开发者，根本没有被雇佣。

4、为什么再培训项目无法解决这个问题

职业阶梯从来都是一种商业安排，而不是发展理念。

公司雇佣初级开发者是因为他们需要以较低成本完成有边界的执行工作。初级开发者接受这种安排是因为做这些工作是学习做更难工作的方式。只要公司需要人类来承担那一层工作，这种交换就是合理的。

当AI吸收了那一层工作时，商业安排改变了。发展理念却没有。资助学徒制的基础设施消失了。剩下的是一群被告知要通过实践来学习的开发者，身处一个实践已被自动化的市场中。

每个招聘经理现在都在做的计算，无论他们是否公开承认，是这样的。初级开发者年薪加入职管理费用，对比GitHub Copilot Enterprise每个席位19美元加一名高级从业者的审查时间。

订阅方案在成本上胜出。补贴两年学徒制的商业理由已经不复存在。

公司仍然从高级开发者那里获益匪浅。他们已经悄悄停止为成为高级开发者的路径付费了。

我不知道如何从公司外部来干净利落地解决这个问题。

5、该怎么做，取决于你站在哪里

给目前市场中的初级开发者的建议。

停止将编码技能定位为你的主要信号。开始将智能体编排构建为一个可演示的工作流程。定义任务。评估输出。发现失败模式。记录异常。这是高级团队现在需要从下属那里得到的。提示词工程已经是商品了。对AI输出的判断力不是。

围绕决策而非实现来建立作品集。在我的测试中AI无法完成的工作是机构性和关系性的。架构选择。利益相关者导航。跨团队判断。记录你做出这些决定的案例。不是你写的代码。而是决策背后的推理、你评估的权衡、你说服的人。具体做法：创建一个名为decisions/的GitHub仓库。对于你做过的每个架构决策，写一份200字的文档。你评估的权衡、你拒绝的选项、你说服的人。当你"列出你的工具"无法将你与其他50名候选人区分开来时，这个仓库就成了你的面试材料。

走进每场面试时都要了解成本对比。GitHub Copilot Enterprise每月每席位19美元。初级开发者的首年全部成本（薪资加入职加上手时间）是90,000–130,000美元。这就是你的面试官在做的计算。如果你不能说出你做的事情是19美元订阅做不到的，你就站在了错误的地基上。三句话。记住它们。仍在招聘初级水平的公司这样做是有具体原因的。在通话前弄清楚那个原因。

关于我一直在思考的一点。每个候选人都在简历上列着Copilot和ChatGPT。一列工具名称什么也不代表。真正有意义的是发现AI失败模式并加以纠正的具体例子，并附上记录的推理。一个具体例子胜过十个工具名称。

这些无法解决的问题。这些步骤都没有完全解决未来18个月进入市场的人的管道问题。结构性转变的移动速度快于任何个人重新定位所能吸收的速度。这些步骤提高了你的胜算。它们不能消除逆风。

6、梯子还在那里

斯坦福数据显示初级就业下降20%不是统计异常或下个季度就会正常化的市场修正。它是结构性转变的第一个信号，其移动速度快于任何再培训课程所能跟上的。

剩余的入门级角色看起来会更少像"写代码"，而更多像"决定AI应该写什么，然后判断它是否真的写对了"。这是一个大多数培训管道无法产出的不同技能组合。它需要建立在经验之上的判断力。而这种经验正在变得更难获得，恰恰是因为AI在自动化过去创造经验的工作。

三周前，我看着一个智能体在四分钟内重构了一个遗留模块。两遍完成。没有机构知识。没有团队历史。不理解为什么原始开发者做出了他们所做的决定。

它同样不知道当重构破坏了一个它不知道存在的系统中的东西时，该打电话给谁。

那个本应用两小时完成重构的初级开发者就会发现。那个发现——它引发的三次对话、某人拉出来的解释两个系统为什么耦合的架构图——那就是他们成为高级开发者的方式。

那种特定的教育刚刚变得更难找到了。

职业阶梯没有破碎。它正在被那些已经站在顶部的人重新设计。

Russinovich和Hanselman在他们的ACM论文中提出了一个解决方案。以三比一或五比一的比例将高级和初级配对。使指导和技能转移成为明确的组织目标，而不是非正式的副产品。他们称之为导师制。微软正在试点。

我不确定大多数公司会这么做。产生这个问题的数学同样会惩罚这个解决方案。

如果你在任何规模上管理工程招聘，你团队本季度的学徒制预算项目是什么？如果你找不到它，你什么时候重新开放这个预算？

原文链接: I Tested AI on Junior Developer Tasks. The Apprenticeship Lasted 40 Minutes.

汇智网翻译整理，转载请标明出处