
过去一年,软件行业最常见的一句话是:“AI会取代初级工程师吗?”
在近日的公开采访中,旧金山一家创业公司的AI负责人、斯坦福大学兼职讲师Mihel分享了自己对AI时代下软件工程师职业发展的思考。
Mihel表示,随着AI技术的愈发成熟,初级工程师进入到招聘市场感受到的不是讨论,而是寒意。
有人投出上千份简历,只等来寥寥几封回复;有人发现岗位在减少,但要求却在提高;也有人意识到,企业不再问“你会不会写代码”,而是在问:你是不是 AI 原生?
他还补充了一个更有意思的、反直觉的观点,新人要比资深工程师更适合创业。
他解释说道:新人像海绵一样。他们不知道医疗行业有多复杂,不知道哪些事情“很难做”,相反他们会具备一种天真的勇气,他们会说:“为什么不试试?”
“那些率先掌握 AI 技能的年轻人,会更灵活、更敏捷,甚至在某些方面超越资深开发者!”
此外,Mihel还给出了Agent时代打造卓越软件的两个秘方:Taste和实验精神。
下面是更详细的观点整理,各位enjoy:
初级工程师难就业,不是不够努力,而是撞上了三重风暴
谈到AI加速发展的情况下,初级工程师的就业现状,Mihel抛出了一个扎心的事实。
他表示,一个刚从伯克利毕业的年轻人,投了大约1000 份简历,只收到2个回复,而且还没进入面试流程。虽然很残酷但现实情况就是这样——很多初级工程师很难获得就业机会。
对于这种情况,他认为是三股力量叠加所致:
第一,疫情后的招聘狂潮与随之而来的大规模裁员。企业一度疯狂扩张,随后发现裁掉20%到30%的人,公司依然可以正常运转;
第二,过去十多年CS专业的爆发式增长。毕业生数量翻倍甚至翻三倍,供给远超以往;
第三,AI愈发成熟。企业开始认真思考:我究竟需要更多人,还是更少但真正AI 原生的人?
他没有把责任推给某一个因素,而是给出一个冷静判断:这一代初级工程师,将是第一代必须既基础扎实,又真正AI原生的工程师。

如何成为顶尖的前1%工程师
谈到 AI 原生工程师如何编排Agent,Mihel表示,AI原生工程师的核心特质,是既拥有扎实的传统编程基础、系统设计能力和算法思维,同时又非常擅长使用基于Agent的工作流。
目前,很多人通常会同时开10个Agent,所以大部分人以为自己也该这么做。
但他却极力反对这一说法。他认为,应该从一个Agent开始,先把单Agent工作流打磨到极致,然后再逐渐叠加。当你需要做一个独立的小修改,比如修复logo,再加第二个Agent;当另一个任务与前面无关,再加第三个。
“上下文切换能力也非常重要,你需要清楚:Agent1在做什么,Agent2在做什么,Agent3在做什么,并不断在它们之间切换。这对人类来说本身就很困难,既要记住每个任务的进展,又要有足够上下文推动任务前进。”
Mihel认为,这种切换能力是让多Agent工作流真正高效运作的核心技能。而这本质上就是优秀人类管理者的能力,与Agent本身无关。
“这其实不是技术能力,而是管理能力。”
同时,Mihel还提出了一个概念——Agent友好型代码库,即把一个Agent放进你的代码库,它能否理解系统正在发生什么?
当Agent在你的代码库中构建功能时,确保它不会破坏系统、并且它的贡献能够正常工作的关键,是通过测试进行验证。测试本质上是定义软件正确性的契约。如果测试覆盖不足,就等于没有契约。Agent只能基于明确的契约运行。

Mihel举了一个具体的例子。
任何有经验的开发者都知道,README 很快就会与代码脱节。于是你会出现两种描述:代码表达一套逻辑,README 讲另一套逻辑。如果代码库存在这种不一致,Agent 读到 README 和代码时就会困惑:该听哪一个?要确保它们保持一致。这是基础。
所谓“意大利面式代码”,往往出现在 Agent 连续多轮迭代、多次加功能之后,逐渐偏离了原有轨道。
Agent 有一个明显弱点:它会快速放大错误。如果第一步产生了一个误解,第二步看到这个误解时可能会继续强化,错误会被层层叠加。
因此,最关键的是,Agent 接触到的第一版代码必须是稳固、严密、经过充分设计与测试的,包括构建流程等核心部分都要扎实。让 Agent 看到的代码自洽、测试完善,并且有 lint 和风格检查,保证格式统一,这些都会帮助 Agent 遵守你已经设定好的规则。
Agent时代,打造卓越软件的两个秘方:品味和实验精神
对于功能性软件和卓越软件有何不同,Mihel给出了两个答案,第一个则是:品味。有些人有品味,有些人没有;也有部分人是通过不断打磨而培养出更好的品味。
但并不是人人都能拥有好的品味,Mihel结合自己授课的经验做出了解释,他表示,在课堂上学生完成五个基本流程,就能拿到100%的分数。但差距是从什么时候开始显现?
当一个人已经完成所有要求,却仍然愿意继续扩展功能、增强健壮性、构建更复杂的系统。不是为了分数,而是因为他真的想把问题解决好。

第二个则是实验精神。
他讲了一个典型的例子:即便是Anthropic Claude 团队,CC之父 Boris 就强调过这一点,几乎每一两周就会用 Claude 重写一次 Claude。团队会持续用自己的工具重构自己的系统,在迭代中学习、在用户反馈中调整。
“虽然看起来,他们已经掌握了一切答案,但事实是他们也在不断探索什么有效、什么无效。”
所以,更重要的是,把实验嵌入你的工作流。
“AI 原生工程师,不是找到完美方法的人,而是持续重写自己的人。”
最终你必须亲自尝试、碰壁、验证。
你要知道什么适合自己,什么不适合,把实验、快速尝试和持续改进融入新的软件开发方式。

这个时代,新人比资深开发者更适合创业
这样看来,新手进来后,就目标成为一名 AI native 的工程师,那么,作为传统意义上的软件工程师,这个世界还需要这类角色吗?
这个问题更加犀利且耐人寻味。对此,Mihel有自己的判断。
他表示,世界仍需要软件工程师。
资深开发者往往更抗拒AI,因为他们已经形成了自己的工作方式。做了二十年开发,很容易相信“我的方法才是对的”。
而新人则像海绵一样。优势就在于他们的开放性。
年轻人还没有被“医疗行业有多难”这种现实击打过。
他们看到问题时会想:既然有问题,为什么不试着解决?这种带着天真的勇气,其实非常适合创业者。
他们更愿意去挑战困难,也更容易率先掌握当下市场真正需要的能力。即便就业环境更严峻,那些正在掌握这些新技能的人往往更敏捷,上手更快。
“他们依然能够在一些资深开发者做不到的地方取得成功。”
天成配资提示:文章来自网络,不代表本站观点。