devgo.cn核心观点
- 品味与判断力曾是练习次数（reps）的副产品：写样板代码、修 bug、解决问题，几千次重复后才长出对抽象与取舍的判断——这是初级成长为高级的路径。
- Agent 正在自动化所有这些重复劳动：入门级岗位的数据剧烈恶化（2026 年 3 月应届生失业率 5.6%、未充分就业率 41.5%），Indeed 数据显示初级职位比 2020 年初下降 34%。
- 但结论不是恐慌：净岗位与入门岗位是两个问题。乐观派没错——需要判断与批判性思维的高级岗位将大幅增长，初级岗位将收缩；入门阶梯的消失与总量增长可以同时为真。
- 应对之道：如果想做工程师，别盯着「有答案键」的工作——AI 会擅长一切有答案键的东西；去主动获取那些需要判断、选择与品味的练习。
内容精讲
品味的来源朴素得出奇：几千次样板代码、bug 修复和问题求解的重复劳动。几乎所有品味与判断力都来自这些重复，而不是天赋。逐步处理越来越复杂的抽象与取舍——这就是初级工程师成长为高级工程师的方式。但当 Agent 自动化了所有这些重复，从初级到高级的路径被根本性地改变了。真正持久、不可被升级替代的能力不是「解决已有已知答案的问题」，而是「选择该构建什么、判断它好不好」。
**入门级的崩塌有数据为证。** 2026 年 3 月，应届毕业生失业率 5.6%、未充分就业率 41.5%，应届生失业率反超整体劳动力，这是历史常态的倒置；计算机工程应届生失业率 7.5%、计算机科学 6.1%。需求侧早已位移：Indeed 数据显示初级与标准技术岗位自 2020 年初下降 34%，而高级与管理岗位只降 19%；要求 5 年以上经验的技术招聘占比从 37% 升至 42%——与此同时计算机科学毕业生数量仍在增长。斯坦福数字经济实验室的研究显示，最受 AI 影响的 22-25 岁早期职业者就业相对下降 13%（2026 年 2 月修订为 16%），而在许多这些职业里，该年龄段本就占全部招聘的一半。
**但请保持冷静：这不是纯 AI 故事。** 一部分是 2022 年起招聘狂潮的回归修正；斯坦福研究早期信号模糊，直到 2024 年后数据才干净到能隔离出可归因于 AI 的下降。太多「合成劳动力」的公告只是营销散文，不是预言。与此同时市场另一端是真正的乐观：WEF《未来就业 2025》预测到 2030 年将新增约 1.7 亿岗位、只流失 9,200 万，净增 7,800 万；高盛测算 2026 年每月净流失约 1.6 万美国岗位、Z 世代与入门级受创最重——这就是对「零证据」的实证回答。总量增长与入门阶梯消失同时为真：如果你想爬的是那条阶梯，净数字只是冰冷的安慰。
**真正的焦点：训练系统 vs 拿钱干活。** 入门级软件开发者岗位不只是就业，它是一个训练系统。资深开发者会在你犯错时指出问题（比如在竞态条件里塞一个 sleep() 掩盖问题）、教你从中学习；初级开发者跳过代码评审、把问题推上线、让竞态条件把网站搞崩——然后重来。Agent 不是自己学会这些的，它更多是一个关于「人们选择如何使用产品」的故事。更深的忧虑来自 MIT Technology Review：自动化学习阶段，用现在的产出换取社会未来整体能力的逐渐退化；WEF 也警告削减入门招聘会削弱未来人才管道。
**怎么应对。** 答案不是等岗位回来，而是主动重定向：去找没有答案键的练习——选择问题、定义成功、判断好坏、构建需要判断力的系统。学校曾经全是答案键，AI 会擅长一切有答案键的东西；能持续增值的职业路径，恰恰建立在答案键之外的部分。
阅读价值
对职业早期开发者，这篇文章给出了硬数据支撑的职业判断：别把精力押在 AI 即将擅长的「有答案键」技能上，主动设计自己的品味练习；对工程管理者与教育者，它提出了一个迫在眉睫的组织问题——当 Agent 拿走重复劳动，谁来负责训练下一代工程师的判断力。
内容与图片版权归原作者所有 · 原文: https://addyosmani.com/blog/earning-judgment/