作者 | Addy Osmani

譯者 | 平川

策劃 | Tina

本文最初發(fā)布于 Addy Osmani 的個人博客。

軟件行業(yè)正處在一個奇怪的轉(zhuǎn)折點上。AI 編程已經(jīng)從增強型的自動補全發(fā)展成了能夠自主執(zhí)行開發(fā)任務(wù)的智能代理。曾經(jīng)推動科技行業(yè)招聘熱潮的經(jīng)濟(jì)繁榮已經(jīng)讓位于效率至上的要求：企業(yè)現(xiàn)在往往更傾向于盈利而非增長，更傾向于經(jīng)驗豐富的員工而非應(yīng)屆畢業(yè)生，更傾向于組建配備更好工具的小團(tuán)隊。

與此同時，新一代的開發(fā)者帶著不同的職業(yè)觀步入職場：他們注重職業(yè)穩(wěn)定性，對拼搏文化持懷疑態(tài)度，并且從入行第一天起就使用 AI 輔助工具。

接下來會發(fā)生什么確實還難以預(yù)料。以下這五個關(guān)鍵問題可能會決定 2026 年軟件工程的發(fā)展，每個問題都對應(yīng)兩種截然不同的情景。這并非真正的預(yù)測，而只是一個觀察的視角，幫助人們?yōu)閼?yīng)對軟件工程的未來發(fā)展做好準(zhǔn)備。我們的目標(biāo)是基于現(xiàn)有數(shù)據(jù)，結(jié)合本領(lǐng)域特有的健康的懷疑精神，通過制定清晰的路線圖來應(yīng)對即將到來的挑戰(zhàn)。

初級開發(fā)者問題

要點：隨著 AI 將入門級任務(wù)自動化，初級開發(fā)者的招聘可能會暴跌，也可能會隨著軟件滲透到各行各業(yè)而強力反彈。兩種未來需要不同的生存策略。

“學(xué)習(xí)編碼，獲得初級工作，成長為高級”，這一傳統(tǒng)的職業(yè)路徑正在動搖。哈佛對 6200 萬工人的研究 發(fā)現(xiàn)，當(dāng)公司采用生成式 AI 時，初級開發(fā)者就業(yè)率在六個季度里下降了大約 9-10%，而高級開發(fā)者的就業(yè)率基本保持不變。過去三年，大型科技公司招聘的應(yīng)屆畢業(yè)生減少了 50%。正如一位工程師冷嘲熱諷地說：“花 9 萬美元雇個初級程序員，為什么不用成本更低的 AI 編程助手？”

這不僅僅是 AI 的問題。大約在 2022 年，利率上升和大流行后的調(diào)整等宏觀經(jīng)濟(jì)因素 就已經(jīng)開始顯現(xiàn)，這時 AI 工具尚未廣泛使用。但 AI 加速了這一趨勢。如今，在 AI 的幫助下，一名高級工程師可以完成過去需要一個小團(tuán)隊來完成的工作。企業(yè)正在悄然減少招聘初級員工，其幅度甚至超過了裁員規(guī)模。

相反的情景：AI 解鎖了每個行業(yè)對開發(fā)者的巨大需求，而不僅僅是技術(shù)行業(yè)。醫(yī)療保健、農(nóng)業(yè)、制造業(yè)和金融業(yè)都開始嵌入軟件和自動化技術(shù)。AI 不是取代開發(fā)者，而是成為一個力量倍增器，將開發(fā)工作擴(kuò)展到從未雇傭過編碼人員的領(lǐng)域。我們將看到更多不同的入門級角色：為特定細(xì)分市場快速構(gòu)建自動化和集成的“AI 原生”開發(fā)者。

美國勞工統(tǒng)計局 預(yù)測，從 2024 年到 2034 年軟件工作仍然將增長約 15%。若企業(yè)利用 AI 擴(kuò)大產(chǎn)出而非單純裁員，就需要人類把握 AI 創(chuàng)造的機遇。

悲觀情景的長期風(fēng)險經(jīng)常被忽視：今天的初級開發(fā)者是明天的高級工程師和技術(shù)領(lǐng)導(dǎo)者。如果完全切斷人才管道，那么在 5-10 年內(nèi)就將出現(xiàn)一個領(lǐng)導(dǎo)力真空。行業(yè)老兵稱這為“緩衰”：一個停止培訓(xùn)接班人的生態(tài)系統(tǒng)。

我們該如何做？

初級開發(fā)者：使自己精通 AI 并成為多面手，證明一名初級開發(fā)者加上 AI 可以匹配一個小型團(tuán)隊的產(chǎn)出。使用 AI 編碼代理（Cursor/Antigravity/Claude Code/Gemini CLI）構(gòu)建比較大的功能，但要能理解并解釋大部分代碼行。聚焦不容易被 AI 替代的技能：溝通、問題分解、領(lǐng)域知識。將相鄰角色（QA、DevRel、數(shù)據(jù)分析）視為切入點。構(gòu)建一個項目集，特別是集成 AI API 的項目。考慮參與學(xué)徒計劃、實習(xí)、外包或開源項目。不要成為“只是又一個需要培訓(xùn)的新畢業(yè)生”，而是成為一個學(xué)習(xí)速度快、立即就能發(fā)揮作用的工程師。

高級開發(fā)者：初級開發(fā)者減少意味著你的日常工作增加。利用自動化工具來完成例行任務(wù)，不要什么事都自己做。利用 CI/CD、linter 和 AI 輔助測試來捕捉基本問題。通過開源項目或指導(dǎo)其他部門同事開展非正式的導(dǎo)師工作。向管理層如實說明全由資深員工組成的團(tuán)隊所面臨的風(fēng)險。若初級人才需求回升，需做好高效接納新人的準(zhǔn)備，并運用 AI 進(jìn)行任務(wù)分配。你的價值在于提升整個團(tuán)隊的產(chǎn)出，而非個人的代碼產(chǎn)出。

?2. 技能問題

要點：隨著 AI 編寫大部分代碼，核心編程技能可能會退化，或者因為人類開發(fā)者需要監(jiān)督 AI 而使這些技能變得比以往任何時候都更加關(guān)鍵。未來幾年將決定我們是否會為追求速度而犧牲對代碼的理解。

現(xiàn)在有 84% 的開發(fā)者定期使用 AI 輔助工具。對許多人來說，面對錯誤或新功能需求的第一反應(yīng)不是從頭開始編寫代碼，而是編寫提示并組合 AI 生成的代碼片段。初級程序員正在跳過“艱難的入門階段”：他們可能永遠(yuǎn)不會從頭開始構(gòu)建二叉搜索樹或獨立調(diào)試內(nèi)存泄漏。

開發(fā)者的技能集正在從實現(xiàn)算法轉(zhuǎn)變?yōu)橹廊绾蜗?AI 提出正確的問題并驗證其輸出。現(xiàn)在，入門的第一個要求是提示和驗證 AI 的輸出，而不是展示原始編碼能力。一些高級工程師擔(dān)心，這會產(chǎn)生一代不能獨立編碼的人，導(dǎo)致開發(fā)者技能退化。AI 生成的代碼可能會引入一些微妙的錯誤和安全漏洞，不太有經(jīng)驗的開發(fā)者可能會漏掉。

相反的情景：AI 處理 80% 的常規(guī)工作，人類專注于最難的 20%。架構(gòu)設(shè)計、復(fù)雜集成、創(chuàng)意設(shè)計、邊緣情況，這些問題是機器無法單獨解決的。AI 的普及并沒有使深厚的知識積累過時，反而使人類專業(yè)知識變得比以往任何時候都更重要。這就是“高杠桿工程師”，他們將 AI 作為一種力量倍增器，但必須深入理解系統(tǒng)才能有效使用。

如果每個人都有 AI 編碼代理訪問權(quán)限，那么區(qū)分優(yōu)秀開發(fā)者的關(guān)鍵在于知道 AI 何時出錯或不夠優(yōu)化。正如一位高級工程師所說：“最好的軟件工程師不是最快的編碼者，而是那些知道何時不信任 AI 的人?！?/p>

編程轉(zhuǎn)變：需要輸入的樣板代碼減少，把更多的精力用在審查 AI 輸出的邏輯錯誤、安全漏洞和與需求不匹配的問題。關(guān)鍵技能變成了軟件架構(gòu)、系統(tǒng)設(shè)計、性能調(diào)優(yōu)和安全分析。AI 可以快速生成一個 Web 應(yīng)用程序，但專家工程師需要確保 AI 遵循了安全最佳實踐，并且沒有引入競態(tài)條件。

2025 年，開發(fā)者中間出現(xiàn)了分歧。一些人坦言，他們幾乎不“親手”編寫代碼，并認(rèn)為編碼面試應(yīng)該做出改變。其他人則認(rèn)為，跳過基礎(chǔ)知識面試會導(dǎo)致 AI 輸出出現(xiàn)問題時需要完成的應(yīng)急處理工作增加。行業(yè)開始期望工程師同時具備AI 的效率和保障質(zhì)量的基本知識。

我們該如何做？

初級開發(fā)者：將 AI 當(dāng)作學(xué)習(xí)工具，而不是拐杖。對于 AI 編碼代理（Cursor/Antigravity/Claude Code/Gemini CLI）的建議，要通過審查代碼了解其工作原理并識別薄弱環(huán)節(jié)。偶爾禁用你的 AI 助手，從頭開始編寫關(guān)鍵算法。優(yōu)先考慮計算機科學(xué)基礎(chǔ)：數(shù)據(jù)結(jié)構(gòu)、算法、復(fù)雜性、內(nèi)存管理。將項目實現(xiàn)兩次，一次用 AI，一次不用 AI，然后對兩者進(jìn)行比較。學(xué)習(xí)提示工程，并掌握相關(guān)工具。通過嚴(yán)格的測試訓(xùn)練自己：編寫單元測試，自己閱讀堆棧跟蹤信息而不是立即詢問 AI，熟練使用調(diào)試工具。深化 AI 無法復(fù)制的互補技能：系統(tǒng)設(shè)計、用戶體驗直覺、并發(fā)推理。證明你既能用 AI 快速解決問題，也能在 AI 失敗時自己處理棘手的問題。

高級開發(fā)者：將自己定位為質(zhì)量和復(fù)雜性的守護(hù)者。磨練你的核心專長：架構(gòu)、安全、擴(kuò)展、領(lǐng)域知識。練習(xí)用 AI 組件進(jìn)行系統(tǒng)建模并思考故障模式。隨時關(guān)注 AI 生成代碼中的漏洞。擁抱你作為導(dǎo)師和審查者的角色：定義什么時候可以使用 AI，以及什么時候必須手動審查（支付或安全代碼）。側(cè)重于創(chuàng)造性和戰(zhàn)略性工作；讓初級開發(fā)者和 AI 一起處理常規(guī) API 連接，而你決定構(gòu)建哪些 API。投資軟技能和跨領(lǐng)域知識。隨時關(guān)注新工具和最佳實踐。加倍重視人類開發(fā)者不可或缺的因素：準(zhǔn)確的判斷、系統(tǒng)性思維和導(dǎo)師帶徒。

角色問題

要點：開發(fā)者的角色職責(zé)可能縮減為有限的審計（監(jiān)督 AI 生成的代碼）工作，也可能擴(kuò)展為設(shè)計和管理 AI 驅(qū)動系統(tǒng)的關(guān)鍵協(xié)調(diào)者。無論哪種情況，創(chuàng)造價值都遠(yuǎn)不止于編寫代碼。

此處的兩極分化非常明顯。在前一種情景中，開發(fā)者的創(chuàng)造性職責(zé)被削弱。他們不再專注于構(gòu)建軟件，而是更多地審核和監(jiān)管 AI 產(chǎn)出。AI 系統(tǒng)（或使用無代碼平臺的“公民開發(fā)者”）負(fù)責(zé)生產(chǎn)環(huán)節(jié)；人類開發(fā)者則審查自動生成的代碼，檢查錯誤、偏見或安全問題，并審批部署。創(chuàng)造者淪為檢查者。編寫代碼的喜悅被風(fēng)險管理的焦慮所取代。

有報道稱，工程師將花更多時間評估 AI 生成的拉取請求和管理自動化管道，而不是從頭開始編寫代碼。編程感覺更像是合規(guī)性檢查，而不是創(chuàng)造性地解決問題。正如一位工程師感嘆：“我不想淪為一個代碼清潔工，整天收拾 AI 留下的爛攤子。”

另一種未來則有趣得多：開發(fā)者演變成高級協(xié)調(diào)者，兼具技術(shù)、戰(zhàn)略和道德責(zé)任。AI“工人”意味著人類開發(fā)者承擔(dān)架構(gòu)師或總承包商的角色，負(fù)責(zé)設(shè)計整個系統(tǒng)，決定哪些任務(wù)分配給哪些 AI 或軟件組件，并將活動部件組合成解決方案。

有一家低代碼平臺的首席執(zhí)行官闡述了這個情景：在“智能代理”開發(fā)環(huán)境中，工程師將轉(zhuǎn)型為“作曲家”，指揮由 AI 代理和軟件服務(wù)組成的“樂團(tuán)”。他們無需親自譜寫每個音符，但會定義旋律，即架構(gòu)、接口以及代理間的交互方式。這個角色兼具跨學(xué)科性和創(chuàng)造性：既是軟件工程師，又是系統(tǒng)架構(gòu)師，同時也是產(chǎn)品戰(zhàn)略家。

樂觀看法：隨著 AI 承擔(dān)起一些重復(fù)性工作，開發(fā)者的角色必然轉(zhuǎn)向更高價值的活動。工作可能變得更加有趣。必須有人決定 AI 應(yīng)該構(gòu)建什么，驗證產(chǎn)品是否合理，并持續(xù)改進(jìn)它。

向哪個方向發(fā)展取決于組織選擇如何整合 AI。將 AI 視為勞動力替代工具的公司可能會縮減開發(fā)團(tuán)隊，并要求剩下的工程師保持相關(guān)任務(wù)自動化運行。將 AI 視為團(tuán)隊能力增強工具的公司可能會保持人員數(shù)量基本不變，但讓每位工程師承擔(dān)更費時耗力的項目。

我們該如何做？

初級開發(fā)者：不要局限于編寫代碼，要尋找其他機會。自愿參與測試用例編寫、CI 流水線設(shè)置或應(yīng)用監(jiān)控，培養(yǎng)與審計員 / 監(jiān)管人角色相一致的技能。通過個人項目保持你的創(chuàng)造性編碼能力，以免失去構(gòu)建樂趣。培養(yǎng)系統(tǒng)思維：學(xué)習(xí)組件之間如何通信，怎樣設(shè)計出良好的 API。閱讀工程博客和系統(tǒng)設(shè)計案例研究。熟悉除代碼生成之外的 AI 和自動化工具：編排框架、AI API。提升書面與口頭溝通能力。撰寫文檔時秉持向他人闡述的標(biāo)準(zhǔn)。向資深同事提問時，不僅要問“代碼是否運行正常？”更要問“我的考量是否到位？”。準(zhǔn)備好成為驗證者、設(shè)計者和溝通者，而非僅是編碼者。

高級開發(fā)者：把更多精力放在領(lǐng)導(dǎo)和架構(gòu)責(zé)任上。打造供 AI 和初級團(tuán)隊成員遵循的標(biāo)準(zhǔn)和框架。定義代碼質(zhì)量檢查清單和符合倫理的 AI 使用策略。隨時關(guān)注與 AI 生成軟件合規(guī)性和安全性相關(guān)的話題。專注于系統(tǒng)設(shè)計和集成知識；自愿繪制服務(wù)間的數(shù)據(jù)流并識別故障點。熟悉編排平臺（Kubernetes、Airflow、無服務(wù)器框架、代理編排工具）。投入雙倍精力履行技術(shù)導(dǎo)師角色：更多地參與代碼審查、設(shè)計討論、技術(shù)指導(dǎo)。提升快速評估他人代碼并給出高層次反饋的能力。培養(yǎng)產(chǎn)品和商業(yè)意識；了解為什么構(gòu)建一個功能以及客戶關(guān)心什么。向產(chǎn)品經(jīng)理學(xué)習(xí)或參加客戶反饋會議。通過原型、黑客馬拉松或新興技術(shù)研究來保持你的創(chuàng)造激情。從編碼者演變?yōu)橹笓]者。

專家與通才問題

要點：專業(yè)領(lǐng)域過于狹窄的專家會面臨自身領(lǐng)域被自動化取代或逐漸淘汰的風(fēng)險。在快速變化、AI 深度滲透的時代背景下，T 型工程師更受青睞——他們既具備廣泛的適應(yīng)能力，又擁有一個或兩個有深厚知識積累的專業(yè)技能。

考慮到模型、工具和框架的快速興衰，將職業(yè)生涯押注在單一技術(shù)棧上是有風(fēng)險的。當(dāng)新型 AI 工具能以極少需要人工干預(yù)的方式處理傳統(tǒng)框架時，該領(lǐng)域的專家可能會突然發(fā)現(xiàn)自身需求銳減。那些專注于“單一技術(shù)棧、框架或產(chǎn)品領(lǐng)域”的開發(fā)者，某天醒來時或許會發(fā)現(xiàn)，該領(lǐng)域已日漸式微甚至被淘汰。

想想那些在行業(yè)轉(zhuǎn)型時未能及時轉(zhuǎn)型的人：COBOL 開發(fā)者、Flash 開發(fā)者或移動游戲引擎專家。如今不同的是變革速度。AI 自動化能讓某些編程任務(wù)變得微不足道，削弱了因這些任務(wù)而存在的工作崗位。只精通單一技能的專家（比如調(diào)整 SQL 查詢參數(shù)、將 Photoshop 設(shè)計切片為 HTML 代碼）可能會發(fā)現(xiàn)，90% 的工作已被 AI 取代。

招聘經(jīng)理們總在追逐最新的小眾領(lǐng)域。幾年前人人都想要云基礎(chǔ)設(shè)施專家；如今 AI/ML 工程師需求激增。那些精通昨日技術(shù)的人，隨著該領(lǐng)域的發(fā)展放緩，會感到職業(yè)發(fā)展陷入了停滯。

相反的結(jié)果是形成一種新的專業(yè)化形式，即“多面手專家”或 T 型開發(fā)者。他們在一兩個領(lǐng)域擁有深厚的造詣（豎線），同時又廣泛涉獵其他眾多的領(lǐng)域（橫線）。他們成了跨學(xué)科團(tuán)隊的“粘合劑”，既能與各領(lǐng)域?qū)＜覝贤▍f(xié)作，又能在必要時填補技術(shù)空白。

企業(yè)不再需要知識深度或廣度不夠的開發(fā)人員；他們想要一個強大的核心競爭力，以及能夠跨棧工作的能力。其中一部分原因是效率考量：一個 T 型工程師通?？梢元毩⒔鉀Q端到端問題，無需等待上下游交接。其中一部分原因是創(chuàng)新考量：知識的交叉?zhèn)鞑タ梢詭砀玫慕鉀Q方案。

實際上，AI 工具增強了通才的能力，使一個人更容易處理多個組件。后端工程師可以在 AI 的幫助下構(gòu)建出合理的 UI；前端專家可以借助 AI 生成服務(wù)器樣板代碼。一個提供豐富 AI 功能的環(huán)境讓人們能夠完成更廣泛的工作。與此同時，深度專家可能會發(fā)現(xiàn)，他們的專業(yè)領(lǐng)域有一部分被自動化取代，卻難以開拓新領(lǐng)域。

現(xiàn)在近 45% 的工程角色期望能夠精通多個領(lǐng)域的知識：編程加云基礎(chǔ)設(shè)施知識，或是前端開發(fā)加熟悉 ML。

我們該如何做？

初級開發(fā)者：盡早打下廣泛的基礎(chǔ)。即使被雇傭為特定的角色，也要了解那個崗位之外的知識。如果你是在做移動開發(fā)，不妨學(xué)習(xí)下后端基礎(chǔ)知識；如果你是在做前端開發(fā)，則可以嘗試編寫一個簡單的服務(wù)器。學(xué)習(xí)部署過程和工具，如 Docker 或 GitHub Actions。找一兩個真正讓你感到興奮的領(lǐng)域深入學(xué)習(xí)，使它們成為你垂直領(lǐng)域的專業(yè)知識。將自己定位成混合型人才：“全棧開發(fā)人員，專注于云安全”或“前端開發(fā)人員，具有 UX 專業(yè)知識”。借助 AI 工具快速學(xué)習(xí)新領(lǐng)域的知識；如果你是后端新手，可以讓 ChatGPT 生成入門 API 代碼并學(xué)習(xí)它。養(yǎng)成不斷學(xué)習(xí)新技能的習(xí)慣。參加黑客馬拉松或跨職能項目，強迫自己進(jìn)入通才模式。告訴你的經(jīng)理，你想要接觸項目的不同部分。適應(yīng)性是職業(yè)生涯早期的超能力。

高級開發(fā)者：繪制你的技能圖譜：你在哪些領(lǐng)域是專家，哪些相關(guān)領(lǐng)域你只是淺嘗輒止？選擇一到兩個相鄰領(lǐng)域并努力精通。如果你是一個后端數(shù)據(jù)庫專家，不妨熟悉一個現(xiàn)代前端框架或?qū)W習(xí)機器學(xué)習(xí)（ML）流水線的基礎(chǔ)知識。借助 AI 的幫助，在你的弱項領(lǐng)域做一個小項目。將你深厚的專業(yè)知識與新環(huán)境相結(jié)合；如果你專門從事 Web 應(yīng)用性能優(yōu)化，可以探索如何將這些技能應(yīng)用于 ML 推理優(yōu)化。支持或爭取將你的角色設(shè)計成跨職能的，自薦成為涉及多領(lǐng)域項目的“集成負(fù)責(zé)人”。指導(dǎo)他人，傳播技能，同時也從中學(xué)習(xí)新東西。更新簡歷體現(xiàn)多元化能力。利用你的經(jīng)驗識別模式和可轉(zhuǎn)移知識。成為 T 型人才的典范：在你的專業(yè)領(lǐng)域深耕（建立權(quán)威和信心），并積極拓展橫向能力。

教育問題

要點：計算機科學(xué)（CS）學(xué)位是保持黃金標(biāo)準(zhǔn)，還是被更快的學(xué)習(xí)路徑（訓(xùn)練營、在線平臺、雇主培訓(xùn)）所取代？大學(xué)可能難以跟上每幾個月就有重大變化的行業(yè)發(fā)展。

四年制計算機科學(xué)學(xué)位一直是進(jìn)入軟件領(lǐng)域的主要途徑。但這一傳統(tǒng)正在受到質(zhì)疑。

一種未來：大學(xué)仍然重要，但難以保持相關(guān)性。學(xué)位仍然是默認(rèn)的資格憑證，但受制于緩慢的課程更新周期和官僚審批流程，課程設(shè)置落后于快速發(fā)展變化的需求。學(xué)生和雇主均感覺學(xué)術(shù)界與行業(yè)脫節(jié)，學(xué)校教授的理論或過時的做法無法轉(zhuǎn)化為工作技能。

最近的畢業(yè)生報告指出，他們在攻讀學(xué)位期間從未學(xué)習(xí)過云計算、現(xiàn)代 DevOps 或 AI 工具。如果大學(xué)需要投入很多的時間和資金，但卻只能提供低相關(guān)性教育，那么它們就有被視為昂貴守門人的風(fēng)險。但出于慣性，許多公司仍然要求應(yīng)聘者具備學(xué)士學(xué)位，因此壓力就轉(zhuǎn)到了應(yīng)聘者身上，他們需要通過訓(xùn)練營、在線課程和自學(xué)項目來彌補這方面的不足。

學(xué)生貸款是一筆巨大的債務(wù)，而公司也要花費數(shù)十億美元培訓(xùn)新畢業(yè)生，因為他們?nèi)狈ぷ鲌鏊枰募寄堋４髮W(xué)可能會在這里增加一門 AI 倫理課程，在那里增加一門云計算選修課，但當(dāng)他們真正實施時，行業(yè)工具已經(jīng)又向前發(fā)展了。

顛覆性場景：傳統(tǒng)教育日益為新教育體系所取代。編碼訓(xùn)練營、在線認(rèn)證、自學(xué)作品集、雇主創(chuàng)建的培訓(xùn)學(xué)院層出不窮。許多知名雇主（谷歌、IBM）已經(jīng)取消了某些技術(shù)角色的學(xué)位要求。到 2024 年，近 45% 的公司計劃至少取消部分職位的學(xué)士學(xué)位要求。

訓(xùn)練營體系已經(jīng)相當(dāng)成熟，他們培養(yǎng)的畢業(yè)生與 CS 畢業(yè)生一起被頂級公司雇傭。這些項目周期更短（12 周強化），并且專注于教授實用技能：當(dāng)前流行的框架、云服務(wù)、團(tuán)隊合作。招聘標(biāo)準(zhǔn)正在瞄準(zhǔn)在線作品集、微證書和已認(rèn)證技能。出色的 GitHub 作品集或公認(rèn)的認(rèn)證可以免除學(xué)位要求。

由雇主推動的教育正在興起：企業(yè)自主搭建培訓(xùn)體系或與編程訓(xùn)練營合作。部分科技巨頭已經(jīng)為非傳統(tǒng)背景的人才設(shè)立了內(nèi)部“大學(xué)”。AI 本身也開辟了全新的學(xué)習(xí)路徑：AI 導(dǎo)師、交互式編程沙盒、校外個性化教學(xué)。

模塊化的學(xué)習(xí)生態(tài)遠(yuǎn)比昂貴的四年制學(xué)位更容易獲取。在計算機科學(xué)專業(yè)實力薄弱的國家，孩子們也能修讀 Coursera 的課程，構(gòu)建與硅谷人士同樣的個人作品集。

我們該如何做？

有志向的開發(fā)者 / 初級開發(fā)者：在學(xué)習(xí)傳統(tǒng)的計算機科學(xué)課程時，不要完全依賴課程進(jìn)行學(xué)習(xí)。要通過實際的項目補充課程內(nèi)容：構(gòu)建 Web 應(yīng)用，參與開源項目。尋找實習(xí)或合作機會。如果你的課程中沒有包含熱門話題，則通過在線平臺學(xué)習(xí)它們?？既⌒袠I(yè)認(rèn)可的認(rèn)證（GCP、亞馬遜云科技、Azure）以證明自己的實踐能力。如果是你在自學(xué)或參加了訓(xùn)練營，則一定要專注于創(chuàng)建一個引人注目的作品集：至少要有一個文檔良好的重點項目。積極參與開發(fā)者社區(qū)：參與開源項目，撰寫技術(shù)文章。通過 LinkedIn、聚會以及開發(fā)活動建立人際關(guān)系網(wǎng)絡(luò)。爭取資深開發(fā)者為你背書?？紤]到技術(shù)技能的半衰期非常短，務(wù)必要不斷學(xué)習(xí)。將 AI 作為個人導(dǎo)師。用具體的方式證明自己的能力：作品集、認(rèn)證證書以及能清晰闡述工作成果的能力，這些將為你打開機遇之門。

高級開發(fā)者和領(lǐng)導(dǎo)者：你不能永遠(yuǎn)依賴于證書。要在繼續(xù)教育方面進(jìn)行投資：在線課程、研討會、會議、認(rèn)證。通過新的方式驗證你的技能，為通過實際問題評估應(yīng)聘者當(dāng)前能力的面試做好準(zhǔn)備。維護(hù)使用了新技術(shù)的業(yè)余項目。重新評估工作要求：你真的需要新員工擁有計算機科學(xué)學(xué)位，還是需要他們具備某些技能和學(xué)習(xí)能力？推動以技能為先的招聘，擴(kuò)大你的人才庫。支持內(nèi)部培訓(xùn)計劃或?qū)W徒制崗位。為沒有正式大學(xué)背景的初級開發(fā)者建立導(dǎo)師制小組。與學(xué)術(shù)界及其他機構(gòu)合作：加入顧問委員會、舉辦客座講座、對課程存在的問題提出反饋。將這種合作融入自身的職業(yè)發(fā)展中：實際的成果和持續(xù)的學(xué)習(xí)比額外的學(xué)位更重要。

小 ? ?結(jié)

這些情景并不是相互排斥的。現(xiàn)實將融合所有要素。一些企業(yè)將縮減初級崗位的招聘，另一些則會在新的領(lǐng)域擴(kuò)大招聘規(guī)模。AI 會將常規(guī)編碼工作自動化，同時又提升人類編寫的代碼的質(zhì)量標(biāo)準(zhǔn)。開發(fā)者或許會在上午審核 AI 生成的代碼，下午則專注于設(shè)計高級架構(gòu)。

一個貫穿始終的主題是：變化是唯一的常數(shù)。緊盯技術(shù)趨勢（并保持審慎態(tài)度），避免被炒作或末日論所蒙蔽。通過更新技能、拓展能力、聚焦人類特有的優(yōu)勢（創(chuàng)造力、批判性思維、協(xié)作能力），你才能始終保持競爭力。

無論未來是迎來編程復(fù)興，還是進(jìn)入自動編碼時代，那些具備全局思維、持續(xù)學(xué)習(xí)能力并能推動技術(shù)發(fā)展解決實際問題的工程師，始終會受到市場的青睞。

預(yù)測未來的最佳方式就是積極地塑造它。