——两年招人带人后的冷水与警钟
你不会在技术大会上听到这一幕，更不会在 LinkedIn 的“AI 赋能人类创造力”帖里读到它。可在招募与培养工程师十余年、近两年持续招聘与导师制实践之后，几乎笃定：传统意义上的“初级开发者”岗位，正被系统性地撤掉。
这并不意味着编程工作会在一夜之间蒸发。真实发生的是：我们每一位高级工程师曾经攀登的那架梯子，正被悄悄收起，而我们还在自我说服这叫“进步”。
入门消失术：写着“Junior”的招聘，不再初级
今天走进任何一家科技公司，打开他们所谓“初级”岗位列表： 你会看到“Software Engineer（2–3 年经验）”“Associate Developer（却写着资深技能）”，以及名义上的 Junior，却个个不是入门门槛。
行业里心照不宣的算盘是：有了 GitHub Copilot 这类工具，为什么还要雇需要 6 个月上手的新人？冰冷的算术在各处上演，且越来越常见。
技能被压扁：AI 把“例行活儿”的差距抹平
发生的并非“人人都是资深”，而是在例行任务上，AI 把新人与老手的差距压到几乎为零：
- CRUD 模块？AI 更快、更少低级 bug。
- 语法与格式？AI 预判并统一规范。
- 模板化实现？AI 一把过。
问题在于：新人赖以成长的台阶，被自动化抹去。于是，我们培养出了一批“会让模型写代码、却看不懂代码”的操作者：能出活但难以定位线上疑难，能照葫芦画瓢却难以做体系化设计。 这不是加速，而是群体性技能萎缩。
实习的幻影：项目漂亮，学习变浅
“不是还有实习吗？”
现实多半是：12 周项目——4 周学工具，4 周做“玩具级”成果（重度依赖 AI），最后 4 周润色简历。作品看起来越来越美，不是学生猛进步了，而是辅助更给力了。实习证书发得很勤，但遇到一个简单 NPE，多数人离不开 ChatGPT 的提示。
导师机制的塌陷：时间被 AI 挤占
传统路径清晰：初级跟着资深走，通过 code review、结对、逐步放权来成长。 然而当资深发现“用 AI 直接搞定更省时”，投入带人的经济激励消失。
一来二去，乐于授业解惑的资深，变成自我效率最优化的孤岛，知识在团队间的流动悄然变弱。
指标繁荣与理解塌陷：虚胖的生产率
管理层爱 AI：工单关闭更快、发布更勤、缺陷更少。
但深挖你会看到： 开发者可以实现自己并未真正理解的功能，可以修掉并不清楚根因的问题，可以把不可能独立写出的代码“优化”一遍。 指标漂亮，理解力却在掉线。等到系统出现跨边界的奇怪联动，AI 辅助者往往无从下手。
远程协作的“加速器效应”
远程原本被寄望“普惠机会”，实际却加剧了入门的孤立：
- 在家办公缺了茶水间的三十秒，新人少了“抬头就问”的机会；
- 视频指导的成本高于 AI 实时提示，知识传递被无形替换。 在办公室时代，初级遇坑可能一句话就过去；如今在家里，他们更容易沉没在孤岛。
训练营的溃退：卖点被 AI 抢走
“12 周学会写代码”在 AI 面前失去竞争力：
- 语法记忆、套路题、模板实践——AI 周末就能“教完”；
- 训练营难以教授的系统设计、复杂调试、取舍思维——又非速成。 因此他们转去强调“提示工程”“AI 辅助开发”，但这治的是症，不是根。
面试剧场：假装没有 AI
候选人刷题刷到麻木，公司白板题考到抽象，大家心照不宣地假装真实工作没有 AI。
而真正该被检验的——与 AI 协作、监督模型、读懂模型输出、对抗错误建议——几乎没人测。
结果就是：会表演的人留了下来，真正能做系统的人被过滤在外，尤其是还没学会“考试套路”的新人。
口号与人事的悖论：要多元，却没入口
企业热衷“多元与包容”，同时把初级入口撤得一干二净：
- 招聘启事写“Entry-level”，但要求“2+ 年经验”；
- DEI 口号响亮，却不保留新人名额。 没有入门台阶，多元只剩口号；没有培养链条，供给注定见顶。
创新的悖论：把“爱问为什么的人”剪掉
初级不是便宜劳力，他们是不被偏见绑住的视角：
- 他们会问资深早已默认的前提；
- 他们会从边角提出“为什么不能这样”。 AI 擅长给答案，却不擅长发问；它善于复用模式，却不擅长破局。剪掉初级，等于剪掉了新鲜的“为什么”。
供给金字塔的倒置：五到十年后的“断层”
软件行业曾像金字塔：底部多初级，中段是中级，顶部少量资深，知识向上流、经验向下传。 AI 浪潮下，公司更愿要“会驾驭 AI 的资深”。 但是，这些资深从哪来？当我们停止培训初级，五到十年之后，“能独立系统化思考、又懂 AI 约束与落坑”的人会变稀缺——这不是危言耸听，而是时间延迟下的必然断层。
粗糙的经济学：短期省钱，长期亏损
粗算账：
- 初级：年化 $70k–90k（含培养）
- Copilot：**$19/月；ChatGPT Plus：$20/月；Claude Pro：$20/月**
不到 $1,000/年的订阅即可覆盖大量“初级级别的产出”。 可这份算盘忽略了隐性成本：理解鸿沟、创新赤字、导师能力的消亡，以及人才漏斗的长期塌陷。 我们为季度报表优化，却把行业的“未来红利”抵押出去了。
“一夜升维”的幻想：空中盖楼
有人安慰：“初级会转型做 AI 监督、提示工程。” 但有效监督的前提是——你本就懂要监督什么；高质量提示的前提是——你知道要逼问哪些边界。没有地基的“升维”，只是空中楼阁。让还未打牢编程底层的人去审核 AI，就像让尚未识字的人去做编辑。
社群的消声：围炉取暖变“人—机”独处
为什么还要在代码评审里争辩？AI 已经指出了格式与错误。 为什么还要投身开源？模型能生成类似功能。 为什么还要参加线下技术讨论？AI 回答得更快。Stack Overflow 访问下滑、GitHub 讨论趋于安静、本地社群热度走低——我们曾依赖的“群体性学习场”正在稀释。
预兆已现：健康的行业不会这样走
把碎片拼起来，你会发现曲线异常：
- 初级岗位发布同比下滑；
- 训练营报名持续走低；
- 新开发者的开源贡献逐年下行；
- “入门”岗位的平均经验年限不断攀升；
- 资深们抱怨难以找到愿意/适合带的新人。
这不是一个健康生态应有的体征。
2025 年新人真正该学什么（也是企业该考什么）
如果我们愿意正视，新人要补的已不是“语法”，而是这五件事：
- 理解 AI 的边界与失误模式；
- 读懂 AI 生成的代码与意图；
- 在复杂系统里定位“模型+人工”的组合问题；
- 当 AI 给错、给歪、给糊涂时，提出关键质询；
- 对 AI 建议保持批判性，能基于约束做取舍。
但别忘了：这些其实是进阶能力，需要真实的项目与失败来沉淀。没有入门台阶，上述清单就会停留在 PPT。
出路（前提是我们愿意改）
出路不是“禁用 AI”，而是重构人才路径与协作形态：
- 公司层面：保留真正的初级席位，把 AI 协作纳入岗位说明，以“可解释度、故障演练、根因分析”为培养核心，不以“纯产量”做唯一 KPI。
- 教育与训练营：并行教授基础与 AI 素养，用真实约束（限时、限上下文、限外部调用）训练“会问问题”的能力。
- 资深与团队：重启导师制，但方式升级——把“如何与 AI 共创”的 tacit knowledge 明文化，把失败复盘制度化。
- 招聘评估：从“AI 真空”式白板题，改为“AI 在场”的协作测评：让候选人驾驭而不是依赖模型，考“假设错误”“边界下沉”“权衡解释”。
我们其实有选择
每一位资深，都是在某个不那么高效的年代被人押注与托举出来的： 第一例生产事故的通宵，是谁守着你？ 第一份糟糕 PR 的评论，是谁耐心讲解？那把梯子没有天降，是前辈搭的。
今天我们可以选择：
- 把 AI 用来扩大新人学习的半径，而不是替代新人；
- 把入门岗位设计为**“人—机共作”的训练场**，而不是成本线上的第一刀；
- 把导师的时间重新对齐长期价值，而不是只看短周期的吞吐。
最后的提醒
十年后，当公司在“懂传统系统，又懂 AI 融合”的人才市场里竞价时；当“会系统性提问、会带队且会与模型斗智”的工程师供不应求时；当创新管道因缺乏新鲜视角而干涸时——我们会回想起今天： 我们本可以把 AI 谨慎地融入人才成长，却把它当成撤掉入门台阶的工具。 我们本可以设计让人更聪明的流程，却让流程更依赖模型。
问题从来不是 AI 会不会改变开发（它早已改变）。问题是：我们愿不愿意守住那些让这个行业变得伟大的“人”的要素——好奇、协作、传承与责任。
今天不雇用的新人，就是明天缺席的资深。等我们意识到梯子不见了，再做梯子就晚了。
