浅谈 AI 时代的工程师
“最近我都抑郁了。我发现团队已经不需要我了。”
我相信这是很多使用了 AI 工具后开发者的感受。
是啊，cursor 写得比我好还比我快，「要我何用」？
等等…
快，我能理解。好，你是怎么知道的呢？
最近团队招聘，我也在做面试官，有一个问题困扰着我：问那些八股文还有意义吗？知不知道 Wepack 的 plugin 怎么写又如何呢？
等等…
但你好歹得知道 Webpack 能写 Plugin 来解决什么问题吧……
从这个角度来说：过去的工程师是实现者，目标是能把需求变成代码，精通某语言、框架和性能优化。成就感来自于写出高质量代码，解决技术难题。未来的工程师是创造者。目标是让 AI 帮人高效实现复杂目标（有点绕）。核心能力是做任务抽象、设计指令、验证和治理程序。成就感来自于构建一个“能自己解决问题的系统”，而非自己逐行解决问题。
同时，AI 技术会把“招聘什么样的工程师”这件事彻底重构掉。传统的招聘逻辑，要求的核心能力是「专业技能深度（某语言、框架、性能）」，评估的标准是「手写代码和系统设计能力」，对人的要求是「稳定的执行力」。AI 时代下的招聘逻辑，要求的核心能力应该是「系统设计思维 + AI 协作能力」，评估的标准应该是「问题分解、AI 程序设计（Prompt / Chain）、AI 协作验证能力」，对人的要求应该是「高学习能力 + AI 工具敏感度」。
关于学习能力这事，其实过往也一直在讲。但现在 AI 一天人间一年的背景下，太太太重要了。
未来工程师的核心素养有哪些呢，问了一下 ChatGPT ，给了一个版本，我再稍作整理：
| 维度 | 定义 | 示例能力 |
|---|---|---|
| 产品与业务理解力 | 懂业务逻辑、能量化结果 | 将 AI 方案与业务目标绑定 |
| 抽象与分解能力 | 能将模糊需求拆解为可执行任务 | 系统建模、任务映射、约束推理 |
| 系统思维与架构意识 | 具备端到端系统视角，能设计“AI 原生系统” | AI 编排架构、知识图谱治理 |
| 数据与知识敏感度 | 知道数据质量、上下文、RAG 的重要性 | 数据治理、embedding 设计 |
| AI 协作素养 | 能与 LLM、Agent 协同，知道 AI 的长短板与边界 | 提示工程、思维链编排、AI 调优 |
| 快速学习与迁移力 | 能迅速理解新模型、新工具、新模式 | 工具迁移、自主试验 |
当然大家也可以问一下 Deepseek 是否有不同看法，然后再反问 ChatGPT 是否同意他的看法，最后再自己验证优化；D
今天我们招聘，还是区分了：AI 全栈工程师和前端工程师。这主要还是因为前者市面上太少，当前又有人员的缺口。所以短期内后者还会存在。未来 JD 不该再只写“精通 React / Node.js / Python”，而应当强调：有与 LLM / Agent 协作的经验；对 AI Prompt / Context Engineering 有理解；有系统思考能力与跨领域协作习惯。未来的面试，不应再只测“手写算法题”，而应侧重：如何拆解一个开放性问题；如何指挥 AI 去产出、验证、优化；如何发现 AI 输出中的偏差与漏洞；如何在业务目标下编排 AI 流程。甚至可以设计一个“AI 共创场景面试”，测试候选人如何编排 AI。
当然聊到这里我不禁头皮发麻，因为笔者还没有造过一个像模像样的 Agent。但我知道这一天迟早会来，就像我们终究人手都会撸一个组件一样那么稀松平常。只是更早造 Agent 的人可能会吃到一波红利。
总得来说，在 AI 时代我们需要的不是“更快的码农”，而是“更聪明的系统设计者”——会思考、会抽象、会协同 AI、能连接业务与智能的工程师。
吾日三省吾身：这问题 AI 能解决吗？