← #813

永远的初级工程师：AI 替你练不出来的技能

查看原文 HN 讨论

文章摘要

这篇文章发表在广告技术公司 Criteo 的技术博客上，作者 Elise Baturone 是一名刚毕业不久的初级软件工程师。文章探讨的是：在一个处处鼓励”尽量让 AI 智能体写代码”的环境里，新人该如何成长为资深工程师。

真正的担忧。 作者说，公司仍在招工程师，也仍然看重工程师，但每条”多用 AI 提效”的指示后面都附着同一句话：方向盘要握紧，别丢了对自己在做什么的理解。问题是，对刚毕业的人来说，”还在学自己在做什么”不是附加说明，而是工作本身。学校教的是”多写代码才能进步”，现在却被告知能不亲手写就别写。作者真正害怕的不是软件工程师消失，而是资深工程师消失：所有人都变成”永远的初级”，只能借助一个智能体去审查另一个智能体的产出。

先弄清目标。 作者先研究了两个问题：AI 到底改变了岗位要求的哪些部分？资深工程师具体是什么样？关于前者，业界共识大致是审查代码比写代码更重要，学语法和语言已经过时，公司还希望工程师关注 token 成本。关于后者，作者观察团队里的资深同事，总结出几个特征：能为自己上线的代码辩护，能论证设计选择而不只是”有个选择”，能看出智能体走偏了，知道什么时候该委派、什么时候该自己动手，而且愿意花时间教别人。作者据此画了一张成长地图，第一个里程碑是年底前获得晋升提名。

写 skill.md 的过程，反而暴露了自己的短板。 和很多工程师一样，作者一开始给模型写了一份 skill.md，让它像导师一样引导自己学习资深工程师的做法。写着写着发现，真正的差距不在智能体的行为，而在自己身上。于是文章的重点变成了四项需要自己练的能力：

1. 提问（好奇心）：让智能体在每次决策或改动后用苏格拉底式问题考自己，比如用自己的话解释、预测改了某处会坏什么、为某个取舍辩护。这些问题只有一半有用，但它们逼着作者仔细看计划和代码。作者建议：遇到看不懂的决定就让智能体解释，提到陌生概念就让它给出处，觉得不对劲就让它论证。让 AI 把有缺陷的方案讲出来，常常是它和你同时发现错误的方式。这会多花 token，但作者认为放慢节奏、真正理解后再上线的代码，在生产环境里出问题的概率低得多。
2. 审查（模仿）：资深同事在你代码上留过的每一条评论，都是现成的训练集。比如团队负责商品目录，每次新增实体类型，资深同事都会说”这和已有的某个很像”。作者于是把已有实体当模板，发现评审者会逐一审视每处偏离。看懂这个模式后，作者把它写进了 skill 文件，让智能体先找最接近的现有实现、说明偏离之处。作者自嘲这是”为了提升 skill 而写了个 skill”，但希望自己最终不是”一个有好 skill 文件的初级”，而是”写出那些评审意见的资深”。
3. 手写（自主）：作者在 skill.md 里规定，智能体可以随意只读探索，但在自己明确确认计划之前，不许改文件、跑迁移或提交。可实际上作者总是条件反射般地回一句”继续”，没学到什么。于是偶尔刻意用这个暂停自己动手改，最好挑已上线功能里的小改动。这样做的好处包括：亲手接触智能体搭的架构，能真切感受到哪里不对；知道代码”怎么做到的”，而不只是”做了什么”；更懂得节省 token，因为熟悉代码位置能省下文件搜索的开销，IDE 一键重命名也比让 AI 逐个文件改便宜；还能确认自信是靠能力挣来的，而不是靠工具。作者也坦言，入行本就是因为喜欢写代码。
4. 向导师学习（协作）：无论 AI 多强，都替代不了真正资深工程师的指导。作者的 skill 会在遇到需要团队判断的决定时提醒去问资深同事，甚至替作者起草 Slack 消息，但作者发现照抄消息很容易滑向照抄答案，”那才是真正的 AI 接管：你自己放任它发生的那种”。所以作者建议自己写问题，可以让 AI 先帮忙纠正理解，但不要害怕犯错，做那个敢问傻问题的实习生。

结果。 一开始每次用智能体都调用这份 skill，现在一天也打开不了一次。作者意识到，那份 markdown 文件写下的其实是”初级工程师应有的行为方式”；随着这些能力长在自己身上，对智能体的依赖越来越少。好奇、模仿、自主、协作都不来自智能体，而来自智能体运行时你选择做什么。作者提前拿到了晋升提名，最后呼吁资深工程师和管理层一起为新人留出学习空间：这种空间智能体给不了，只能由人来给。

HN 评论精华

讨论约 60 条，一部分在谈底层知识和”在挣扎中学习”的价值，另有相当多评论偏离主题：质疑文章是 AI 写的，以及吐槽 Criteo 这家广告追踪公司的域名被广告拦截器整体屏蔽。

关于学习与基础

• alexpotato 回忆 2002 年在一家调查雅虎财经论坛”拉高出货”骗局的公司工作，因为不知道 Perl 有现成的 HTTP 库，只好用原始 TCP socket 手写 HTTP 请求，非常痛苦，但学到了大量 HTTP、TCP、HTML 的知识，二十多年后还在用。他认为今天也没人拦着你做类似项目，比如从零构建 Linux（Linux From Scratch）。mlsu 反驳说，今天没人会付钱让你这样干，你会在做完之前就被开除，这才是真正的障碍。
• foobarian 引用陶哲轩的说法”有成效的挣扎”（productive struggle）。danny_codes 说这已经成了有钱人的奢侈品；a96 回应说”把一切学习和智力的基础当作富人的奢侈品，这想法真是太美国了”。
• sebastiansm7 做数据科学，正因为当年在难题上挣扎过，现在才敢把相当一部分工作交给 LLM 并能验证结果；但在自己没挣扎过的领域（比如 Web 开发），他只是在”凭感觉写”，并不放心上线自己不理解的东西。yourapostasy 认为，这种不确定感取决于决策的确定性有多高，就像今天没人在乎编译器怎样排列汇编，等 LLM 输出足够成熟，这个担忧也会消散。
• sublinear 认为大公司的开发工作从来不追求”快速上线”：写代码不是瓶颈，真正的工作是在需求模糊的会议之间弥合知识鸿沟，做利益相关方和 LLM 都帮不上的独立判断，”这本来就是资深工程师的工作”。
• bironran 坚信要”从上到下了解整个技术栈”，甚至认为每个开发者都该懂点汇编、玩玩用与非门搭计算机的 NAND game。他在公司组织过 Java 内部技术分享，但大多数开发者不感兴趣，担心人才管道正在断裂。shagie 提到”beneath and before”的说法：既要懂你所在层之下发生了什么，也要懂谁在调用你的代码；他认为这种好奇心的流失 2010 年就已经出现。giancarlostoro 也认为问题早在 AI 之前就存在了。
• ofjcihen 负责事件响应团队，要求初级成员始终理解模型在做什么，哪怕事后逐步复盘，并且要能在没有 LLM 时自己完成同样的事。
• pitched 认为让 AI 配合的技能和编程手艺是两回事，”就像把车送去店里换机油，就自称机修工”。dyauspitr 拿国际象棋类比：如果计算机在某领域全面胜过你，学它还有什么意义？到那时只剩观赏价值。
• jorgeleo 心情复杂：一方面，难道真以为能把思考外包给大语言模型？把流畅当成知识是一种很人性的错觉；另一方面，公开承认自己的成长过程需要勇气。RGS1811 则称赞作者的态度和方法值得钦佩。

偏题：是不是 AI 写的

• t0duf0du 说一看到”刚毕业的初级工程师，’还在学’不是附加说明，而是工作本身”这类句子就读不进去了。codessta、paimapi 指出文中大量”不是 A 而是 B”的句式和”金句式收尾”，paimapi 说 Pangram 检测结果约 25% 由 AI 生成，并讽刺说学写作最好的办法就是自己写。dofm 查到作者确有其人，曾是 Criteo 实习生，英语可能不是母语。_usefulcat 因为文中大量长破折号认定是 AI 写的；FrustratedMonky 抗议说自己在 AI 出现前就爱用破折号。knollimar 讥讽道：”写博客算不算其中一项技能？”

偏题：Criteo 与广告拦截

• tech-historian、Tade0、mooncakecat 等发现 uBlock Origin、Ghostery、Pi-hole 都整体屏蔽了 criteo.com 域名，页面显示不全。mcv 怀疑这是诱导人们解除屏蔽的手段，r_lee 觉得这种阴谋论很荒唐。laughingcurve 和 kartoshechka 则批评一家靠追踪用户赚钱的公司没资格教人怎么成长。