人：角色、技能与初级工程师培养

工作转向监督

本书用"人评审什么、何时评审"来定义级别（《AI-SDLC 成熟度模型》）。这个定义对人有一个容易被忽略的推论：在阶梯上每爬一级，都会改变某个人的工作。在 L2，工程师要读智能体产出的每一份 diff。到了 L3，同一位工程师读的是证据包、被路由给他的条目，以及其余部分的抽样。一天里写新代码的时间占比下降，评判别人所写代码的时间占比上升。

对这种转变最详细的描述，来自一家厂商对自家员工的研究，因此放在框中，本章不依赖其中任何数字。

另有两个来源与此吻合。DORA 2025 的定性数据显示，"AI 辅助开发工具带来的感知产能提升，在一些组织里招来了对工作产出更高的期望"（DORA 2025，第 40 页）。《经济性、风险与度量》讨论过的丹麦行政数据，没有发现对收入或工时的可测影响，却发现"雇主通过任务重组来吸收 AI——包括内容生成、AI 监督和 AI 集成等新任务"（Humlum 与 Vestergaard，T1）。薪酬和工时没变；变的是岗位内部的任务，而新任务之一就是监督。

监督是一项技能，而技能要靠学习。这是本章的枢纽：将来在 L3 监督智能体的人总得有个来处，而证据表明，默认的 AI 用法培养不出他们。

产出上升，技能下降

关于初级工程师，两组证据看上去互相矛盾。其实它们测的是不同的东西。

短期产出：初级工程师获益最多。在覆盖 Microsoft、Accenture 和一家财富 100 强企业共 4,867 名开发者的三项现场实验中，AI 代码补全让完成的任务数提高了 26.08%（Cui 等人，T1，独立性混合）。经验较少的开发者更可能采用这一工具，获益也更大。在 Microsoft，入职时间短的开发者采用率为 81.6%，对比 72.1%；他们的产出提高了 27–39%，而入职时间长的员工为 8–13%。作者称按资历的拆分噪声很大，"在常规水平上不具统计显著性"，所以只能当作方向来读。《经济性、风险与度量》把这一结果放进了完整区间：从慢 19% 到快 56%，并说明了任务类型、对代码的熟悉程度、代码库成熟度和工具代际如何改变这个数字。这一结果针对的是代码补全，属于 L1 工具。

长期技能：初级工程师学到的更少。Anthropic 把 52 名以初级为主的工程师随机分组，让他们学习一个他们不熟悉的 Python 库 Trio，一组借助 AI 助手，一组手写。结束后，"AI 组测验平均 50%，手写组为 67%"，并且"两组分差最大的是调试题"。AI 组大约快了两分钟，"但差异不具统计显著性"（Anthropic，2026 年 1 月；论文：Shen 与 Tamkin）。

怎么用助手，比有没有助手更要紧。平均得分低于 40% 的三种模式是：把任务交给 AI、逐步依赖 AI、反复让 AI 调试。平均得分在 65% 及以上的三种模式是：先生成再理解、代码与讲解混合、概念性提问。各组人数很少（每种模式 2 到 7 人），作者也说他们的定性分析"不构成因果联系"。但方向仍有参考价值：让 AI 讲解，学习得以保留；把活儿交给 AI，学习就没了。作者还预计，承担更多工作的智能体工具对技能的影响"很可能更加明显"，并告诫管理者要"有意识地思考如何大规模部署 AI 工具"。

软件之外一项规模更大的试验指向同一方向，并给出了解法。近 1,000 名土耳其高中生用两种方式练习数学：不加限制的 GPT-4 界面，或一个用提示引导学生、而不是直接给出答案的辅导版本。练习期间，不加限制组比对照组好 48%，辅导组好 127%。到了后来不许用 AI 的考试中，不加限制组比对照组差 17%，而在辅导组中，这些损害基本被消除（Bastani 等人，PNAS 2025；摘要见 Wharton）。

一项针对 319 名知识工作者的调查指出了一种机制："对生成式 AI 的信心越高，批判性思考越少；而自信心越高，批判性思考越多"（Lee 等人，CHI 2025，自报问卷；七位作者中有六位来自 Microsoft Research）。

放在一起看，这些发现并不矛盾。短期内，初级工程师借助 AI 产出更多；如果思考都由 AI 代劳，他们形成的技能就更少。课堂上的练习成绩也一路上涨，直到考试那天。拉取请求数就是一种练习成绩。它无法告诉你，背后的工程师能否在没有帮助的情况下调试这段代码。

招聘信号

劳动力市场数据显示，初级工程师的问题是招聘问题，而不是裁员问题。两个独立数据集在机制上达成了一致。

斯坦福数字经济实验室利用 ADP 薪资记录发现，"在受 AI 影响的职业中，年轻劳动者（22–25 岁）的就业如今比假如与受影响较小的同龄人保持同步时低 19%；有经验的劳动者没有出现类似差距"。这一效应"主要通过减少招聘年轻劳动者而起作用，而不是增加离职"，作者也"没有发现广泛的、全经济范围的岗位替代证据"（Brynjolfsson、Chandar 与 Chen，2026 年 8 月）。下降集中在 AI 用途以替代人工任务为主的职业；在 AI 主要起补充作用的地方，就业"持平或上升"。作者附上了自己的保留意见：这些模式"在控制教育程度后减弱，存在一些早于生成式 AI 的分化趋势，并且在 ADP 分析样本中比在全国调查基准中更明显"。论文没有给出单独针对软件开发者的可靠数字，因此本书一个也不引用。

Hosseini 与 Lichtinger 利用覆盖 28 万多家企业、6,500 万劳动者的简历数据发现，"采用生成式 AI 的企业中，初级岗位就业相对对照组开始急剧下降，六个季度后下降约 9%"，而资深岗位就业"没有出现趋势断点的迹象"。下降"主要由招聘放缓驱动"，并且"在同一职业内部，受生成式 AI 影响的任务正越来越多地从初级岗位招聘启事中被移除"（Hosseini 与 Lichtinger，2026 年 5 月版）。

对工程组织来说，最要紧的是最后一项发现。企业不只是少招初级工程师，还在把初级工程师过去赖以学习的那些任务从初级岗位中拿走。

人才管道的论证来自本书自己的模型，而不是预测。L3 的定义是：人评审的是证据而不是每一行代码，并且能看出证据何时有误。这些人需要的，恰恰是上面那项试验发现 AI 辅助学习者最薄弱的调试判断力。每一位资深工程师都曾是初级工程师。一个停止招聘初级工程师的组织，或者招了却让智能体替他们学习的组织，正在消耗它更高级别所依赖的那批人的来源。

设计初级工程师的成长路径

还没有哪家公司发表过针对 AI 驱动交付而设计的初级工程师培养项目的测量评估。下面是本书的提议，依据上文的学习证据拼合而成。每项做法都写明它防范的损害和背后的证据。

两项最有力的做法也是最便宜的。辅导模式只是一项配置选择，本站的辅导与学习智能体实践手册讲了如何构建先给提示的助手。评审优先的学徒制复用的是团队本来就要做的工作。《代码评审》讲了评审队列、风险分级和证据包；初级工程师在指导下评审一份证据包，学到的既是代码本身，也是这段代码要达到的标准。

代价是真实的，应当说出来。表中每一项做法在短期内都要牺牲产出。处在辅导模式下的初级工程师，这个季度交付的会比让智能体写代码的人少；资深工程师在评审一份初级工程师的评审时，就没法评审别的东西。你是在用当下的吞吐量，换取未来评审者的供给。

诚实地衡量上手速度

带数字的公司级上手速度数据，唯一的来源是一家厂商。

按上文课堂试验的说法，"到第十个拉取请求的时间"就是一种练习成绩。上手更快是好事，但前提是工程师能讲清、能调试自己交付的东西。如果你要跟踪上手速度，就把速度指标和一项理解力检查配对：在第 90 天做一次不用助手的调试练习，或者和一位资深工程师一起简短过一遍这名工程师自己合并的变更。这种配对遵循本书对每个阶段都适用的规则：任何速度指标，都要配上一个能告诉你它是否适得其反的质量指标。

按级别划分的角色

在这里，职位名称并不是好向导。关于新正式岗位的硬数据很少；Microsoft 提出的"智能体老板"（agent boss），定义为"构建智能体、向智能体委派并管理智能体以放大自身影响力的人"，出自一项没有说明样本的厂商调查（Microsoft 工作趋势指数，2025 年 4 月，T4）。更好的向导是阶梯本身，因为每个级别都规定了人必须做什么。下表是本书的提议，由《AI-SDLC 成熟度模型》中的级别定义推出。

由此对组织人员得出三点。第一，评审与核验工作必须算作交付。如果团队目标只计算合并的变更，L2 和 L3 所依赖的评审就会被跳过——《当代码变便宜，瓶颈就会转移》中未经评审即合并的遥测数据显示的正是这种情况。第二，问责留在人身上。Linux 内核规定只有人可以添加 Signed-off-by 标签，工具则以 Assisted-by: 署名，这是一种可行的模式（kernel.org，截至 2026 年 10 月）。《向更多团队推广》把它变成了一份溯源策略。第三，对某个 L4 任务类别负责的人，必须具备评判它的技能。如果负责人无法调试自己所负责的那类任务，这个级别就无法有把握地回退。

别把 AI 指标放进个人考核

一旦 AI 使用情况在遥测中可见，人们就会忍不住用它给人打分。有些公司已经这么做了。Shopify 的 CEO 宣布"本能地使用 AI 如今是基本要求"，据媒体概述，AI 使用情况被纳入了绩效考核（Digital Commerce 360，2025 年 4 月，二手来源）。Coinbase 的 CEO 表示，没有在一周内上手 AI 编码工具、又说不出正当理由的工程师被解雇了（Entrepreneur，2025 年 8 月，二手来源）。两家都没有公布结果。两者都是 T4 级的政策表态。

就连销售 AI 使用仪表盘的度量厂商也反对这种用法："我们强烈告诫不要自上而下强制推行，也不要把指标用于个人绩效评估"，并且"代码生成量这类指标尤其容易被操纵"（DX AI 度量框架，厂商建议，截至 2026 年 10 月）。学习方面的证据给出了第二个理由。按 AI 使用量或产出量考核的初级工程师，等于是被付钱去把任务交给 AI，而这正是技能得分最低的那种模式。按 AI 使用情况给人打分，奖励的恰恰是本章想要纠正的习惯。

工程师自己也察觉到了这种风险。在 Stack Overflow 2026 年的调查中，13,857 名受访者里有 17.1% 把"担心丧失工作技能，或担心训练出取代自己的 AI"列为在工作或学习中回避 AI 的理由（Stack Overflow 2026，调查）。这里还有法律层面的问题。德国《企业组织法》规定，对"用于"监控员工行为或绩效的技术设施，职工委员会享有共同决定权（第 87 条第 1 款第 6 项），而联邦劳动法院对这一标准作客观解读：只要系统适合记录此类数据就算，无论雇主意图如何。按人统计的 AI 使用仪表盘正符合这一描述。本站关于员工协商与共同决定的页面阐述了这一判定标准。

衡量系统，而不是衡量人。流动与稳定性指标属于团队和阶段，《衡量成效，以及何时回退》会逐一列出。对个人，就评判一直以来真正要紧的东西：工作做得对不对，能不能讲清楚，有没有让身边的人变得更好。