初级开发者并未灭绝——他们被卡在 API 之下

Source: Dev.to

大家都在写关于初级开发者“死亡”的文章。焦虑是真实存在的。就业市场数据也印证了这一点。但我们误诊了问题。

初级开发者的角色并未消失。它 stuck Below the API，而我们还没有想出把它拉回来的办法。

真正的分界

API 之下

AI 处理得更便宜、更快，且往往比人类更好的所有工作：

• 样板代码
• 基础 CRUD
• 简单函数的单元测试
• JSON‑schema 转换

API 之上

需要判断、验证和 AI 无法获取上下文的所有工作：

• 系统设计
• 生产环境中调试竞争条件
• 知道何时拒绝自信却错误的建议

初级开发者过去通过做枯燥的工作从“之下”爬到“之上”：编写单元测试，了解系统如何崩溃，转换 schema，理解数据流，修复 bug，培养调试直觉。现在 AI 完成了这些工作。我们把梯子删掉了。

NorthernDev 做对了什么

NorthernDev 准确抓住了职业发展渠道的问题。五年前，像为遗留模块编写单元测试这种枯燥的工作会交给初级开发者——对资深开发者来说无聊，对新人来说是金子。今天，这项工作交给了 Copilot。

这并不是招聘冻结，而是 底层梯级正在消失。

结果形成了一个杠铃结构：

• 超级资深——在一端使用 AI 时速度提升 10 倍
• 只能提示却无法调试生产环境 的人——在另一端

中间层已经消失，两组之间的通道被堵住了。

对这一诊断的遗漏是：这个角色并未消亡，而是 已经转型。

法医开发者

NorthernDev 建议教导初级工程师审计 AI 输出——法医编码。这正是 “Above the API” 所指的含义。

• 旧的初级角色： 编写代码 → 高级审查 → 从错误中学习。
• 新的初级角色： AI 编写代码 → 初级审计 → 从 AI 的错误中学习。

这项技能不再是语法，而是 验证。

你无法验证你不理解的内容。要审计 AI 生成的代码，你需要了解：

1. 代码应该实现什么功能。
2. 它实际是如何工作的。
3. 在生产环境中会出现什么问题。
4. 为什么 AI 的 “干净” 解决方案是错误的。

这些都是高级水平的技能。我们正在要求初级工程师在没有成长路径的情况下完成高级工作。

为什么传统培训已经不再有效

Anthropic 发布了直接验证这一点的实验研究。在一项针对初级工程师的随机对照试验中：

• AI 辅助组 完成任务的时间约快 2 分钟。
• 掌握测验 的得分降低了 17 %（相当于两个字母等级）。

研究人员称之为 “显著的掌握度下降”。

有趣的部分是：AI 组中有些人得分很高。差异不在于工具本身，而在于 他们的使用方式。得分高的人会提出概念性和澄清性的问题，以理解代码，而不是把任务全部交给 AI。相同的工具，不同的做法。有人保持 “在 API 之上”；有人则 “跌落到下面”。

这 17 % 的差距正是当你只追求速度而不构建验证能力时会出现的结果。

《Nature》2025 年 6 月的一篇社论明确了背后的机制：写作不仅是报告想法的过程，更是想法形成的过程。将写作外包给大语言模型（LLM）意味着产生洞见的认知工作根本没有发生——论文存在了，但思考并未发生。同样的原理也适用于代码。一个把任务委托给 AI 的初级工程师会得到函数，却跳过了会揭示函数错误原因的推理过程。

其机制是 摩擦。我职业生涯早期，糟糕的 Stack Overflow 回答迫使我保持怀疑——我被坑了，学会了验证。AI 消除了这种摩擦。它耐心、充满自信、永远不会因为你重复提问而恼怒。正如 Amir 所说：

“AI 默认自信地给出答案。没有摩擦，就很容易跳过怀疑这一步。也许我们需要教授的新技能不是如何寻找答案，而是如何审问答案。”

我们优化了友好度，却把老师给移除了。

实际需要改变的地方

初级岗位需要进行三项转变：

1. 重新定义入门级技能

   • 从“了解语法并编写函数”
   • 转为“阅读并理解代码，识别 AI 输出中的架构问题，并重视验证胜于生成”。

2. 公开构建验证能力

   • 作品集必须展示判断力，而不仅仅是一个待办事项应用。
   • 示例成果物：
     • “这是我拒绝的 AI 代码以及原因”。
     • “这是一个看似正确但在生产环境中失败的 AI 建议”。
     • “这是我如何验证此架构决策的过程”。

3. 以不同方式衡量绩效

   • 面试问题的转变：
     • 旧版： “用 React 构建一个待办事项应用”。
     • 新版： “这里有 500 行 AI 生成的支付网关代码，测试通过，AI 说它成功了，但日志显示交易下降了 3%。你有 30 分钟，问题出在哪里？”

新的入职测试旨在考察发现细微 bug 的能力，解释为何干净代码在大规模时会失效，并展示验证思维。

仍在等待“AI‑ready 初级工程师”的公司本身就是问题的一部分。没有人去培养他们——这正是我们的职责。

经济现实

公司认为 AI 比初级员工更便宜。这个计算只有在忽略以下情况时才成立：

• 未经验证代码导致的生产缺陷
• AI 的“厨房水槽”解决方案带来的架构债务
• AI 自信引入的安全漏洞
• AI 未经测试的规模失效

廉价的验证在大规模时成本高昂。 能够提前捕捉这些问题的初级员工，其价值相当于 其薪水的10倍——前提是我们教会他们如何进行验证。

NorthernDev 提出了正确的问题：if we st… (truncated in the original).

2030 年资深开发者的未来

“Ops 因为 AI 能做到而招聘初级开发者——2030 年资深开发者从何而来？”

目前还没有人能给出好的答案。但能够想通的公司将拥有人才输送渠道。那些等 AI 进一步提升的公司，则会被退休的资深开发者所困，且没有人来接替他们。

初级开发者并未消失。旧的路径——语法 → 简单任务 → 复杂任务 → 资深——已经不复存在。新的路径需要经过 验证、公众评判，以及在答案投入生产前审查自信却错误的回答的能力。

这并不是降低标准，而是换了一个标准。

梯子并没有消失；我们只是忘记了必须去搭建它。