本文探讨了未来工程师的五种能力取向原型手、建设者、清理者、增长者和维护者并分析了不同能力在产品不同发展阶段的重要性。通过Anthropic Claude Code团队的案例强调了根据产品阶段合理配置团队能力的关键以及AI时代如何根据自身特点选择最适合的角色而非盲目追求“最厉害”。文章指出未来的“值钱”标准不在于单一维度而在于适应性和效率为程序员提供了在AI时代进化的实用框架。 来先做一个选择题你身边有没有这两种人A 型人 周一早上兴冲冲说我想到一个新东西周五你看到他电脑上开了 20 个没写完的项目。一个都没上线。但下次头脑风暴又是他第一个开口。B 型人 不说话不刷存在感别人甩过来的需求默默接住。三个月后那个谁都嫌烦的老模块忽然变得好用了。没人给他鼓掌。但系统跑得更稳了。好问题来了——这两个人谁更值钱选 A 的你是不是觉得创新才有未来选 B 的你是不是觉得能搞定烂摊子的才是真本事大胆老师告诉你看了今天的文章你就会知道两个都对两个都错。因为未来的值钱标准根本不在这个维度上。大胆老师先给你讲个故事。上周Anthropic Claude Code 团队的一个工程师叫 Boris Cherny在 X 上发了一条推。1.1 万点赞1200 多条转发。这个人在 Claude Code 团队内部观察了很久发现了一个让人坐不住的事实——他们团队里根本就没有传统意义上的工程师。有的一坐下来就咔咔出原型10 个 idea 里 9 个挂掉但第 10 个就是爆款。有的拿到一个草图三天就能变成能扛住百万请求的生产级系统。有的一天到晚干的事就是删代码。删掉没用注释删掉重复逻辑把系统弄简单。他干的活越多代码行数越少。有的产品上线后他接手。不谈创新不谈重构只做一件事让系统不出事。还有的产品已经跑起来了他每天都在微调。调整按钮位置、调整文案语气、调整功能优先级。产品越来越对。五个完全不同的人。五种完全不同的能力取向。但在今天他们都叫软件工程师。你觉得这合理吗 大胆老师说句实话Boris 把这五种人起了名字Prototyper原型手、Builder建设者、Sweeper清理者、Grower增长者、Maintainer维护者注意了这不是岗位分类。不是说你 title 是高级工程师你就是 Builder。也不是说你是产品经理你就不能是 Prototyper。这五种是能力取向——每个人都有自己最擅长的那个物种。大胆老师翻译一下▸ 原型手想法多产出快质量不保证。适合 0 到 0.1▸ 建设者拿到原型能落地能扛生产。适合 0.1 到 1▸ 清理者简化复杂度提升效率删比写快。适合任何时候▸ 增长者产品有了知道怎么调能让更多人用。适合 1 到 10▸ 维护者不出事就是最大的胜利。适合 10 到 100你想想你的团队。是不是有的项目明明需要原型手疯狂试错结果你派了个维护者上去他每天想的不是这个方案对吗而是这个方案稳吗。结果呢试了两个月一个方向都没敢试出来。反过来一个需要维护者细心打理的成熟系统你扔了个原型手过去。他三天两头要重写——“这个模块太老了我帮你换一个新的”。你血压高不高 数据不会骗人大胆老师再给你一个数字93%。这是 Claude Code 早期版本中用户对 AI agent 操作的批准率。什么意思就是用户看到一个弹窗问可以让 AI 执行这个命令吗93% 的情况下用户直接点了允许。你设计了人工审核但人根本就没在审。这不是人的错。这是系统设计的错。后来 Anthropic 怎么解决的他们换了一个思路——不是让人来审而是让环境来管。他们把 Claude Code 装进了沙箱操作系统级别的。允许读允许在工作区内写但默认不允许联网。结果呢弹窗减少了 84%。这说明什么一个清理者的价值远不止删几行代码。他从根本上简化了整个交互流程。而这个简化本身就是生产力。 反面案例大胆老师最近被好几个朋友问到同一个问题“我们团队用了 AI 编程工具但效率不但没提升反而更乱了。代码质量下降review 时间变长很多时候要重写 AI 生成的代码。”我说问题不在 AI在你团队的能力配比。你想一下。如果你是 Builder 比较多的人AI 生成一段代码你扫一眼就知道哪里能用、哪里要改。AI 是加速器。但如果你是 Sweeper 比较多的人你天然就习惯修东西。AI 生成的代码到处都是差不多能用你的本能反应就是一条一条改。AI 在你手里不是加速器是代码生成器代码修改器的负循环。不同物种的人用同一个工具效果完全不同。 大胆老师给你一个框架Boris 的推文里其实已经给了答案▸ 新产品 / 还没找到 PMF → 需要原型手 建设者 清理者▸ 产品在增长期 / 找到了 PMF → 需要建设者 清理者 增长者外加少量维护者▸ 产品成熟 / PMF 稳固 → 需要清理者 增长者 维护者外加少量建设者嗯就是这么简单。你先搞清楚你的产品在什么阶段然后搞清楚你的团队里哪种物种居多。对不上那就调整。不是把人换掉是把人的能力用在合适的地方。 回扣开头给你一个参考答案文章开头的 A 型人和 B 型人——如果按 Boris 的框架来套A 型大概率是 Prototyper原型手B 型大概率是 Maintainer维护者。谁更值钱答案是看你的产品在什么阶段。一个还在找方向的创业公司A 型是天价。一个每天服务几亿用户的成熟平台B 型是无价。你想要的不是成为最厉害的那种人而是成为最适合你现在做的事的那种人。AI 时代没有消灭工程师。它只是把工程师这个模糊的大词拆成了 5 个新物种。而你其实可以选。最后如果说程序员已经是高薪职业那么干AI的程序员就是高薪中的高薪。现在的市场已经用数据给程序员指明了方向学AI大模型就是冲刺高薪的最优解看着身边越来越多的同行转型大模型、拿到高薪offer很多人心里都动了心但真正的难题来了零基础小白不知道从哪入门有基础的程序员找不到系统学习路径实战项目练手无门面试不知道考什么别慌今天就给大家整理了一份【2026年最新版】AI大模型免费学习资源包覆盖从入门到实战、从理论到面试、从基础到进阶的全流程所有资料均已整理归档无冗余、无套路免费分享给每一位想抓住AI风口的程序员和小白扫码免费领取全部内容1、大模型系统化学习路线2、大模型学习书籍文档3、AI大模型最新行业报告4、大模型项目实战配套源码5、大模型大厂面试真题四阶段精细化学习规划附时间节点可直接照做结合上述资源给大家整理了一份可直接落地的四阶段学习规划总时长约2个月小白可循序渐进程序员可根据自身基础调整节奏高效掌握大模型核心能力快速实现从“入门”到“能落地、能面试”的跨越。第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…扫码免费领取全部内容6、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】https://mp.weixin.qq.com/s/2P64VRSHoOz31E2oAT_ZpQ
