随着AI技术的发展大厂研发组织架构正在发生变化前端与后端团队合并测试岗位转向研发岗位。未来全栈工程师将成为主流需要掌握前后端、Agent架构、系统部署等技能。AI编程工具正在改变软件开发流程但系统边界、数据风险等方面仍需资深工程师兜底。成为全栈工程师不仅需要技术能力还需要对AI技术的掌握和成本控制能力。大厂研发组织正在出现新的调整信号。根据“大厂日爆”本周美团 CLC 食杂零售 Keemart 研发团队完成架构调整前端与后端团队正式合并新组织架构已生效。据报道相关前端人员已提前一个多月进行后端开发训练。与此同时蚂蚁网商也宣布推动测试岗位整体转向研发岗位并为相关人员设置半年缓冲期。过渡期结束后原测试人员将转型为全栈工程师。Claude Code 之父 Boris Cherny 昨日也发帖分享称随着工程、产品、设计、数据科学等职能逐渐融合成一种新的角色形态其最近也在思考未来的岗位分工可能会变成什么样。通过对 Claude Code 团队的观察Boris 看到的不是传统意义上的职能划分而更像是五类角色原型原型探索者Prototyper负责提出全新的想法快速产出大量创意其中大多数最终不会上线。构建者Builder能够迅速把一个原型或想法转化为生产级产品或基础设施。系统清理者Sweeper负责打磨 UI、简化代码和系统、下线不必要的功能并优化性能。产品增长者Grower在产品已经被做出来之后持续迭代提升产品与市场的匹配度Product-Market Fit。系统维护者Maintainer负责成熟系统的长期运转使其在规模扩大过程中依然保持安全、可靠、快速和高效。“很多人会横跨其中两类角色有时甚至会横跨三类。我也注意到这些角色其实并不严格绑定某个具体职能。比如在 Anthropic 内部有些设计师更接近第 1 类有些接近第 2 类有些接近第 3 类工程师、产品经理、数据科学家也是如此。” Boris 说道。只要会 React 就有机会面试的日子正在迅速离去。在 AI Coding 被快速普及的当下技术岗位的划分也面临着一场重塑尤其所谓前、后端工程师的边界正在重新整合成“全栈能力”。企业不再只是想要一个“纯前端开发者”而是希望候选人能够处理后端 API理解数据库结构并能从头到尾独立完成一个功能的开发、部署与交付。字节、阿里招聘释放的信号“每家公司似乎都在招全栈工程师。”有开发者表示。“前端和后端的分工边界已经消失了。大多数团队比如我所在的团队现在想要的是能够端到端负责的人。专业能力当然仍然是加分项但那种只做前端、一遇到后端任务就退缩的‘纯前端工程师’对大多数团队来说已经不再适用了。”还有开发者说道。招聘市场中已经出现了非常明确的“岗位合并”信号。谷歌的全栈应用工程师岗位更像一个偏业务应用方向的岗位前端只是其中一部分职责覆盖了完整软件交付链路。传统前端岗位通常聚焦在“用户界面和前端工程实现”而谷歌全栈应用工程师还要从需求进入、方案落地、上线交付到后续运营支持全流程负责。这个岗位要直接理解内部客户需求甚至承担了一部分 BA、产品经理、解决方案工程师的角色。字节跳动的招聘网站上也有“AI 全栈工程师 - 视频与边缘”岗位虽然挂在“前端”名下但职责边界已经扩展到 AI 产品工程化、Agent 服务编排、多端 SDK、音视频底层能力、云平台等多个方向。这类 JD 可能岗位描述得比较宽泛但这确实释放出了这样的信号对于 AI Native 下的大前端团队想要的就是全栈人才。字节招聘页面一些岗位虽然保留了“前端”的叫法但具体职责已经不只是做页面和交互。前端工程师越来越需要理解后端任务系统、模型调用逻辑、AI 产品体验等否则很难把复杂 AI 能力做成用户可用的产品。字节 Commercial AI 团队招聘的“高级 / 资深前端研发工程师”岗位要求候选人负责即创平台 Web 端业务研发与迭代业务范围包括数字人、AIGC 口播、视频生成、Agent 等创意工具链路的产品化落地还要参与 AI 产品形态探索。而腾讯最新对 前端 工程师岗位的描述显示其对前端工程师的要求正在从业务页面实现转向 Agent 工程平台建设。该岗位要求负责面向 Agent 的沙盒、数据、调试和可视化 Web 产品体系独立承担高信息密度页面、多状态流程和实时数据调试场景开发并推动传统后台研发工具向现代化、高质量产品体验转型。腾讯前端工程师招聘页面“2026 年的前端就业市场竞争更加激烈但并非没有机会。它更看重深度而非广度更看重解决问题的能力而非死记硬背更看重适应能力而非对特定工具的依赖。”软件工程师 Gawande Sakshi 说道。与此同时后端相关岗位也在脱离传统后端范畴。阿里淘天的 AI Agent 应用开发 岗位会负责在电商场景中建设大模型智能化比价辅助决策等工具同时要基于大模型调度多领域智能体实现商家运营全链路提效还要开发 AI 代码生成工具、面向运营小二的智能提效平台以及面向企业员工办公场景的智能体架构。这要求候选人既懂服务端工程又懂大模型应用栈还要能把模型、工具、知识库和业务系统编排成可落地的 AI 产品。“作为一名后端工程师为了最大限度地提高求职成功率我必须成为一名全栈工程师。”有开发者表示。现在一些岗位没有做前后端之分但在岗位需求中已经表明了需要全栈能力。比如阿里在最新招聘中将“AI 应用研发工程师”被描述为“跨越技术栈边界、端到端解决复杂问题的系统构建者。”该岗位要深入理解业务场景参与从需求分析、架构设计到上线运维的全链路研发工作。当大模型行业进入 Agent 工程比拼阶段训推、产品和工程不再能被清晰切分。字节对“AI Agent Memory Infrastructure”的招聘就表明了这一点。该岗位处于大模型、数据系统和上下文工程交叉点职责包括构建下一代 Agent 记忆基础设施同时优化大规模、低延迟、高可用环境下的数据摄取、存储、索引、检索、更新、压缩和遗忘机制并面向多模态数据设计统一记忆模型和处理流程。可以看出字节、阿里等代表的大厂现在招的不是“更会写代码的人”而是在招“能把模型变成产品、把 Agent 变成系统、把 AI 能力跑进真实业务闭环的人”是所谓前端还是后端其实没有那么重要了。类似地在国外Stripe 最新开放的全栈工程师岗位并没有把职责拆成前端或后端而是要求候选人设计、构建并维护用户可见体验、服务、API 和系统同时能够在商业优先级、用户体验和可持续技术基础之间做有效权衡。Stripe 还要求工程师审视并决定产品建设中的技术和架构选择直接与早期创业者交流并能跨服务、跨技术栈排查生产问题。“写代码只是软件工程中的一环软件工程不会消失。但以岗位边界为中心的软件工程组织正在转向以交付闭环为中心的软件工程组织。”某公司研发总监韩雨匿名向 InfoQ 说道。韩雨表示不止大厂这么干中小厂也在这么干了。单纯靠某一层技术栈吃饭的岗位价值正在下降岗位边界逐渐模糊。对于公司来说这样可以减少整体摩擦成本提升效率。他结合自身经验总结道以前公司买的是“某一层的编码劳动力”现在公司更需要的是“能借助 AI 把一个问题稳定解决掉的人”。同时他也强调每个端仍然会有领域专家为这个端做质量兜底。AI 编程工具就是在消除边界现在我们说的“全栈工程师”更像是 AI 加持下的新全栈工程师既懂前后端也懂 Agent 架构、系统部署、迭代优化和业务场景。实际上之前 McKinsey 就明确提出AI 会推动开发者走向全栈开发能力并要求他们成为 “AI 技术栈开发者”。而前后端边界松动的背后是 AI 编程正在改变软件开发流程。OpenAI 关于 Codex 的最新论文显示Codex 用户已经把代码实现、代码理解、验证、配置、文档和工程运维交给同一套 Agentic workflow。2026 年上半年Codex 周活用户增长超过五倍。提交超过 8 小时人类工程师工作量任务的个人用户比例较年初增长近 10 倍。在 OpenAI 内部Codex 已经占 Codex 与 ChatGPT 合计输出 token 的 99.8%。更重要的是重度用户同时管理多个 Agent近三成 OpenAI 用户曾在一周内同时管理五个或更多 Agent最重度的前 1% 用户一天累计运行约 71 小时 Agent turns。AI Coding 正从“补全代码”转向“接任务”。如今 AI 编程工具在前端页面和交互实现方面表现都已不错尤其是当组件库、样式规范和设计模式较为清晰时。因此这类能力已经不再是全栈任务的难点。在后端接口和业务逻辑等方面Claude Code 和 Codex 能完成中低复杂度后端任务但涉及复杂权限、事务一致性等时表现就会明显不稳定原因是它们很难完全理解业务隐含约束。现在 Claude Code、Codex、Cursor 等工具也在逐渐加强读取仓库、修改多文件、执行测试、升级依赖、改配置等后端能力。这其中数据库和状态管理是当前 coding agent 的明显短板之一。FullStack-Agent 论文就专门把 frontend、backend、database 分开测试并指出全栈应用需要真实的数据处理和存储能力。研究人员也指出跨文件重构和依赖升级类任务是 Claude Code 和 Codex 的强项之一但远不到可靠自动化。当前 Agents 仍然难以在不破坏现有功能的情况下完成连续包升级。PR 级任务完成方面任务类型对接受率影响很大文档任务接受率 82.1%新功能只有 66.1%。其中Codex 在九类任务中都有较高接受率Claude Code 在文档任务和 feature 任务上领先。因此可以说 AI 编程工具已经具备一定的后端执行能力但在系统边界、数据风险、架构取舍、线上稳定性和业务正确性等方面仍然需要资深工程师兜底。不过值得注意的是AI 编程工具已经成为初创公司的“全栈工程师”。Wordsmith AI CTO 兼联合创始人 Volodymyr Giginiak 表示该公司的代码“几乎 100%”由 AI 生成。“现在的区别不再是谁来写代码而是 AI 拥有多大的自主权。”Giginiak 表示目前完全自主完成的任务大约占工作量的 10%但他预计这一比例会迅速上升。他预测一年后“80% 到 90% 的任务”将实现完全自主。“工程岗位并没有消失而是在被根本性地重构”Giginiak 说道“未来杠杆最高的工程师将是那些能够为 AI 设计正确运行环境和上下文的人。”当然成为全栈工程师并不代表职业安全。“角色经常会随着时间、项目而变化。”Boris 在回复网友的帖子中说道。Boris 认为一个健康的团队需要根据产品所处阶段配置不同类型的人才组合如果一个产品还很新、尚未找到产品市场匹配PMF团队需要更多擅长第 1、2、3 类角色的人如果一个产品正在增长并且已经找到 PMF团队更需要第 2、3、4 类角色同时也需要一部分第 5 类角色如果一个产品已经具备很强的 PMF团队则更需要第 3、4、5 类角色并保留一部分第 2 类角色。“也许未来的产品角色会越来越像这样不再按照今天这种具体职能领域来划分而是围绕产品阶段、创造方式和系统责任重新组织。” Boris 总结道。AI Native 下的全栈开发者是什么样AI coding 时代传统前后端等知识依然重要这是开发者的“判断力和控制权”。前端能力仍是基础后端能力同样关键而数据库能力是必备项。全栈开发者需要掌握 SQL能够与关系型数据库交互并具备数据库性能调优和查询优化能力。在大数据场景下Hadoop、Spark、Kafka 等工具也可能成为重要加分项。云计算和安全能力正在成为全栈开发者的新门槛。企业通常要求开发者了解各大云平台掌握 Docker、Kubernetes 等容器化和编排工具并熟悉 Serverless 计算服务。同时身份与访问管理、加密、网络安全以及各种合规框架也逐渐进入全栈开发者的能力清单。基础设施能力正在成为全栈岗位的重要分水岭。全栈开发者需要掌握 Git、GitHub、GitLab、Bitbucket 等版本控制工具熟悉 CI/CD 流水线并具备 Docker 容器化、服务器部署、托管、Linux/Shell 脚本、Nginx 反向代理和负载均衡等基础能力。响应式设计能力仍然重要。全栈开发者需要理解弹性布局、响应式图片、媒体查询等技术并熟悉 Figma、Sketch、Adobe XD、Miro 等设计协作工具。测试与调试能力也是硬实力的重要组成部分。企业希望全栈开发者不仅能完成开发也能保障交付质量。现在更重要的一个能力则是对 AI 技术的掌握。一位全栈 React Node / Next.js 开发者有两年经验。他分享自己的经历称自己参加各种线下活动甚至为了避免简历出现空窗期免费工作也在 LinkedIn 上投了所有能投的岗位但都没有结果。后来通过内推他在 SAP 一个初级全栈岗位的第三轮面试中失败了。据其透露第三轮要求其根据一位业务相关方发来的 Slack 消息示例给大模型写一段提示词然后还要对一个全栈 React Node 应用做代码审查。在当下AI Coding 的成本问题也给了“全栈工程师”带来了新机遇全栈能力的含义变成了“懂产品、模型、系统和成本”。Gartner 预测到 2028 年AI coding 成本可能超过一名普通开发者的平均薪资原因是 token 消耗上升以及供应商转向基于消耗量的授权模式。Gartner 还强调token 驱动的 AI 支出正在挑战预算和成本合理性。企业 AI 采用扩大后基于 token 的使用成本让很多公司预算承压Uber 等公司甚至数月内耗尽年度 AI 预算微软、Palo Alto Networks、Coinbase 等公司的高管都开始强调“更便宜、更小的模型”可以覆盖多数企业任务。因此未来值钱的工程师更是那些知道什么时候该用大模型、什么时候该用小模型什么时候该用规则系统什么时候该把 Agent 拆成 workflow如何控制上下文、缓存、调用次数、评测成本和线上延迟。“我的理解是在称工程师为全栈工程师之前应该先精通一项技术。我认为这是对的应该循序渐进、稳步提升。”有网友评价道。如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包✅ 从零到一的 AI 学习路径图✅ 大模型调优实战手册附医疗/金融等大厂真实案例✅ 百度/阿里专家闭门录播课✅ 大模型当下最新行业报告✅ 真实大厂面试真题✅ 2026 最新岗位需求图谱所有资料 ⚡️ 朋友们如果有需要《AI大模型入门进阶学习资源包》下方扫码获取~① 全套AI大模型应用开发视频教程包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点② 大模型系统化学习路线作为学习AI大模型技术的新手方向至关重要。 正确的学习路线可以为你节省时间少走弯路方向不对努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划带你从零基础入门到精通③ 大模型学习书籍文档学习AI大模型离不开书籍文档我精选了一系列大模型技术的书籍和学习文档电子版它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。④ AI大模型最新行业报告2025最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。⑤ 大模型项目实战配套源码学以致用在项目实战中检验和巩固你所学到的知识同时为你找工作就业和职业发展打下坚实的基础。⑥ 大模型大厂面试真题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我精心整理了一份大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。以上资料如何领取为什么大家都在学大模型最近科技巨头英特尔宣布裁员2万人传统岗位不断缩减但AI相关技术岗疯狂扩招有3-5年经验大厂薪资就能给到50K*20薪不出1年“有AI项目经验”将成为投递简历的门槛。风口之下与其像“温水煮青蛙”一样坐等被行业淘汰不如先人一步掌握AI大模型原理应用技术项目实操经验“顺风”翻盘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。以上全套大模型资料如何领取
)
