要了解有关 DM 新闻编辑方法的更多信息，请探索直接消息方法。

在过去十年的大部分时间里，大规模构建软件意味着组建团队。你需要有人编写代码，有人审查代码，有人维护代码运行的基础设施，有人记录代码的作用，有人在代码出现问题时进行调试。堆栈很深。接下来是人数统计。

这种逻辑的展开速度比大多数招聘经理预期的要快。

改变的不仅仅是能力——而是有能力的人工智能现在运行的抽象层次。早期的大型语言模型可以帮助工程师。他们可以自动完成、建议和总结。工程师仍然必须将整个任务牢记在心，并将其分解为步骤。像 Claude Opus 4.8 这样的模型所代表的是不同的东西：接收高级目标并返回工作实现、处理分解、边缘情况、工具调用以及一路上的集成步骤的能力。

这种差异很重要，因为它改变了需要人类判断的地方。不在于是否需要——在每一个有意义的决策点仍然如此。但单位产出的工时比率已经发生了变化，公司现在才开始将其纳入其组织结构的定价中。

过去需要冲刺的任务

采取一些具体的东西。十二个月前，建立一个数据管道来提取、转换和验证来自三个外部 API 的记录，然后将输出路由到仓库并在失败时发出警报，这只是一张冲刺大小的票。它涉及一名后端工程师，可能是一名数据工程师，与基础设施、代码审查和跨环境测试进行一些来回的交流。在一个典型的团队中，需要跨多个角色协调工作四到六天。

同样的任务，用简单的语言描述给一个足够强大的代理人工智能系统，现在可以在几分钟内返回一个工作支架。不是需要高级工程师清理的初稿。一个工作脚手架——包含错误处理、日志记录、重试逻辑和环境配置，因为该模型已经吸收了足够的背景信息，说明管道如何在未经询问的情况下无法包含这些内容。

这就是结构性转变。不是“人工智能写代码更快”。这是“业务决策与其技术实施之间形成闭环所需的人员数量已经减少。”

重组实际上是什么样子

处于领先地位的公司并没有解雇他们的工程团队。这种框架——主导噪音的框架——基本上是错误的，它错过了实际发生的事情。

正在发生的事情是代理人工智能系统正在吸收协调层。以前需要四个人进行沟通的工作现在可以由一个人来处理，该人可以访问有能力的模型和正确的上下文。四人小组不会在一夜之间消失。但下一次招聘不会发生。打开的请求被冻结。处理一级票据的离岸团队受到不同的评估。初级职位主要是样板文件和集成工作，看起来更难以证明其合理性。

相反，增长的是：对能够在实施级别以上工作的工程师的需求。人们能够足够清晰地定义需要构建的内容，以便人工智能可以构建它，并且能够评估返回的结果。这个角色不只是编写代码，更多的是保持意图、识别失败以及知道何时需要覆盖输出。

这是一项真正的技能，但目前分布不均。拥有它的工程师的影响力显着增强。那些尚未开发它的人的处境比他们意识到的更加危险。

招聘信号公司实际上正在关注

一些公司——尤其是金融科技、企业 SaaS 和开发人员工具领域的公司——已经开始发布职位描述，明确表明这一转变。语言各有不同，但模式是一致的：不太强调语言熟练程度或框架熟悉程度，更强调系统设计、产品判断，以及一些职位现在所说的“人工智能原生工作流程流畅性”。

潜台词并不微妙。他们正在寻找知道如何使用人工智能系统作为主要工具而不是偶尔的生产力补充的人。人们围绕模型可以处理实现的假设重新组织了工作流程，并相应地调整了自己的注意力。

对于候选人来说，这既是机遇，也是警告。机会：真正将代理人工智能融入到工作中的工程师正在产出两年前需要一个小团队才能完成的成果，而了解数学的公司愿意相应地进行补偿。警告：发展这种流畅性同时仍代表着有意义的优势的窗口正在缩小。如今，早期采用者的独特之处很快就变成了赌注。

高管们没有大声问的问题

在大多数组织中，私下进行的对话——异地领导层、预算审查、工程总监一对一——比公开的对话更直接。

事情是这样的：如果一名精通人工智能的工程师现在可以以三张票的速度关闭工单，那么合适的团队规模是多少？如果业务需求和工作软件之间的管道已压缩两个数量级，那么正确的组织结构图是什么样的？

没有人愿意大声说出这一点，部分原因是人力成本，部分原因是大声宣布这一点的公司往往会造成最大的内部损害。因此，它反而出现在较慢的回填中，在强调杠杆率和速度的重组绩效评估中，以及在没有得到充分解释的人员冻结中。

处理得好的公司在内部诚实地对待正在发生的变化，并投资帮助现有工程师开发新结构中重要的技能。那些处理得不好的人试图在不让组织适应可见的情况下获取效率收益——这往往会导致拥有最多选择的人的困惑、怨恨和流失。

这对未来十二个月意味着什么

模型能力的进步速度使得预测在短期内变得不可靠。但有些东西看起来很耐用。

实现层的压缩是不可逆的。这些模型的能力将变得更强，而不是更少。需要完整工程团队协调的工作类别将继续缩小。在架构、产品定义和质量评估层面对人类判断的需求将继续存在，而且可能会增加，因为可以构建的东西的数量已经增加。

招聘将越来越多地根据更高级别的工作能力进行排序。工程师和产品领导者能够开发出清晰的心理模型，了解代理人工智能可以做什么、不能做什么，以及能够相应地安排工作的人，将是公司竞争的对象。那些将人工智能视为代码拼写检查器的人会发现数学对他们不利。

最先理解这一点的公司不一定是拥有最多资源或最响亮的人工智能公告的公司。他们研究模型的实际功能，在自己的流程中进行数学计算，并在工作变得紧急之前开始重新设计工作。

那扇窗户还开着。但它比从外面看起来要短。