毕玄：公司不再按技术栈，划分技术岗位

毕玄：公司不再按技术栈，划分技术岗位 毕玄：公司不再按技术栈，划分技术岗位 Modified January 25 🔗 原文链接： https://mp.weixin.qq.com/s/jwYlk0c7... 原创 阿颖 阿颖 AI产品阿颖2026年1月24日 18:47 北京 刚刚群里有人转发了前阿里 P10 毕玄的一张飞书截图。 他现在在创业，截图里说： 公司决定以后不再按技术栈划分技术岗位，所有工程师统一称为 Agent 工程师。任务分配也不再基于你是前端、后端还是算法，而是基于产品目标和项目结果。 我去，看到这个消息，我非常震惊。 我们公司也准备这么做。因为我判断，毕玄说的这种协同方式会成为新常态。大厂可能还不会这么激进，但像我们这样的小创业公司应该尽早切到这种模式上。 在没有 AI 的时代，软件开发的瓶颈主要在人的熟练度。 不同技术栈的学习曲线差异很大。前端要懂浏览器机制、交互和渲染。后端要懂数据库、并发、接口设计。每一块、每一门语言都很深，一个人的精力有限，不可能全都精通。 所以前端、后端、运维，包括 Java、Go、Python、Android、iOS，这些都是泾渭分明的工种。 当技能是稀缺资源时，最有效率的组织方式就是专业分工。让一个人长期深耕某一个技术栈，这样可以形成知识沉淀和效率优势。公司也能通过分工降低培养成本，明确责任边界。 这背后其实是工业时代的管理逻辑。像流水线一样，把复杂任务拆成模块，每个人负责一段。模块清晰，接口清晰，风险可控。 这套模式运转了很多年，没什么问题。 AI Coding 的发展确实已经到了一个临界点。技术栈的边界正在被打破。 现在有了 AI Coding，一个前端工程师想写后端接口，不需要先花三个月系统学习。他只需要知道我要实现什么功能，然后让 AI 来写，自己 review、调试、迭代。 学习成本被大幅压缩了。 以前需要先学会某个技术栈再干活，现在可以不了解细节，不了解语法，直接让 AI 生成。这一点都不夸张，用过 Claude Code 或者 Cursor 的人都知道。 琢磨下，之前我们学编程语言，很多时候就是在学语法，记语法细节。学框架，也是在学习框架的规则。现在，这些可以省略。作为工程师，我们更重要的是理解他们是怎么回事，理解逻辑。 以前一个需求下来，产品经理要拆任务，分给前端、后端、运维，然后各方排期、对接口、联调、互相等。中间但凡有一个环节卡住，整个链条都要等。 现在如果一个人能从头到尾把事情做完，协调环节直接省掉了。不用开会对齐，不用等别人，不用反复沟通你那边好了没。 还有信息损耗的问题。需求从产品到前端到后端，每传递一次就损耗一次。前端理解的和后端理解的可能不一样，最后拼起来发现对不上，又要返工。一个人端到端负责，脑子里的上下文是完整的，不需要反复同步。 本质上就是：分工是有成本的，只不过以前这个成本比"让一个人学会所有技术"的成本低，所以分工划算。现在 AI 把学习成本打下来了，分工的成本反而显得高了。 毕玄用的是 Agent 工程师，而不是全栈工程师。这个命名很有意思。 全栈工程师的定义是：你要精通所有技术栈。但 Agent 工程师不是这个意思。它的核心是：我们不需要精通所有技术，而是要会通过 AI 来完成任务。 AI 负责具体执行，工程师负责指挥和判断。本质上，工程师的角色正在从执行者变成指挥者。 Anthropic 内部的实践是一个很好的例子。据他们 CEO Dario Amodei 说，Anthropic 内部已经有 90%的代码是由 Claude 自动编写的，人类的角色更像是编辑或监督者。 他还举了一个具体的例子：当他们最近发布一个模型时，集群出现了一个 bug，工程师们找了好几天都排查不出原因。后来让 Claude 去排查，它竟然发现了一个所有人都漏掉的隐藏问题。 这已经不是 AI 按指令做事，而是 AI 能自己判断、执行、修复，完成整个闭环。 一年前我们想都不敢想，但这就是正在发生的事。 我看到一个清晰的趋势：任务的分配逻辑接下来一定会变。 作为工程师，我们千万别再守着自己的一亩三分地，然后说我是前端，后端的事我碰不了。 不是这样的。我们是工程师，工程师是用来创造的，是用来 build something 的。没必要再纠结于工种，而是要盯着问题，盯着我们想做什么事。目标驱动，而不是技能驱动。 可以预见，未来几年公司对工程师的能力要求也会变。从语言熟练度、框架熟练度、工程经验，变成问题抽象能力、判断力、AI 调度能力。 行业对人才的要求，正在从单点深耕转向 T 型或者 π 型结构。T 型是指至少拥有一项专长，同时具备多端能力；π型则是多项专长与多领域经验的结合。 2026 年才刚开始。马斯克同志下午转发 X 说，今年可能是近几个世纪以来最重要的一年。 https://mp.weixin.qq.com/s/jwYlk0c7... 🔗 原文链接： https://mp.weixin.qq.com/s/jwYlk0c7... https://mp.weixin.qq.com/s/jwYlk0c7... 原创 阿颖 阿颖 AI产品阿颖2026年1月24日 18:47 北京 刚刚群里有人转发了前阿里 P10 毕玄的一张飞书截图。 他现在在创业，截图里说： 公司决定以后不再按技术栈划分技术岗位，所有工程师统一称为 Agent 工程师。任务分配也不再基于你是前端、后端还是算法，而是基于产品目标和项目结果。 我去，看到这个消息，我非常震惊。 我们公司也准备这么做。因为我判断，毕玄说的这种协同方式会成为新常态。大厂可能还不会这么激进，但像我们这样的小创业公司应该尽早切到这种模式上。 在没有 AI 的时代，软件开发的瓶颈主要在人的熟练度。 不同技术栈的学习曲线差异很大。前端要懂浏览器机制、交互和渲染。后端要懂数据库、并发、接口设计。每一块、每一门语言都很深，一个人的精力有限，不可能全都精通。 所以前端、后端、运维，包括 Java、Go、Python、Android、iOS，这些都是泾渭分明的工种。 当技能是稀缺资源时，最有效率的组织方式就是专业分工。让一个人长期深耕某一个技术栈，这样可以形成知识沉淀和效率优势。公司也能通过分工降低培养成本，明确责任边界。 这背后其实是工业时代的管理逻辑。像流水线一样，把复杂任务拆成模块，每个人负责一段。模块清晰，接口清晰，风险可控。 这套模式运转了很多年，没什么问题。 AI Coding 的发展确实已经到了一个临界点。技术栈的边界正在被打破。 现在有了 AI Coding，一个前端工程师想写后端接口，不需要先花三个月系统学习。他只需要知道我要实现什么功能，然后让 AI 来写，自己 review、调试、迭代。 学习成本被大幅压缩了。 以前需要先学会某个技术栈再干活，现在可以不了解细节，不了解语法，直接让 AI 生成。这一点都不夸张，用过 Claude Code 或者 Cursor 的人都知道。 琢磨下，之前我们学编程语言，很多时候就是在学语法，记语法细节。学框架，也是在学习框架的规则。现在，这些可以省略。作为工程师，我们更重要的是理解他们是怎么回事，理解逻辑。 以前一个需求下来，产品经理要拆任务，分给前端、后端、运维，然后各方排期、对接口、联调、互相等。中间但凡有一个环节卡住，整个链条都要等。 现在如果一个人能从头到尾把事情做完，协调环节直接省掉了。不用开会对齐，不用等别人，不用反复沟通你那边好了没。 还有信息损耗的问题。需求从产品到前端到后端，每传递一次就损耗一次。前端理解的和后端理解的可能不一样，最后拼起来发现对不上，又要返工。一个人端到端负责，脑子里的上下文是完整的，不需要反复同步。 本质上就是：分工是有成本的，只不过以前这个成本比"让一个人学会所有技术"的成本低，所以分工划算。现在 AI 把学习成本打下来了，分工的成本反而显得高了。 毕玄用的是 Agent 工程师，而不是全栈工程师。这个命名很有意思。 全栈工程师的定义是：你要精通所有技术栈。但 Agent 工程师不是这个意思。它的核心是：我们不需要精通所有技术，而是要会通过 AI 来完成任务。 AI 负责具体执行，工程师负责指挥和判断。本质上，工程师的角色正在从执行者变成指挥者。 Anthropic 内部的实践是一个很好的例子。据他们 CEO Dario Amodei 说，Anthropic 内部已经有 90%的代码是由 Claude 自动编写的，人类的角色更像是编辑或监督者。 他还举了一个具体的例子：当他们最近发布一个模型时，集群出现了一个 bug，工程师们找了好几天都排查不出原因。后来让 Claude 去排查，它竟然发现了一个所有人都漏掉的隐藏问题。 这已经不是 AI 按指令做事，而是 AI 能自己判断、执行、修复，完成整个闭环。 一年前我们想都不敢想，但这就是正在发生的事。 我看到一个清晰的趋势：任务的分配逻辑接下来一定会变。 作为工程师，我们千万别再守着自己的一亩三分地，然后说我是前端，后端的事我碰不了。 不是这样的。我们是工程师，工程师是用来创造的，是用来 build something 的。没必要再纠结于工种，而是要盯着问题，盯着我们想做什么事。目标驱动，而不是技能驱动。 可以预见，未来几年公司对工程师的能力要求也会变。从语言熟练度、框架熟练度、工程经验，变成问题抽象能力、判断力、AI 调度能力。 行业对人才的要求，正在从单点深耕转向 T 型或者 π 型结构。T 型是指至少拥有一项专长，同时具备多端能力；π型则是多项专长与多领域经验的结合。 2026 年才刚开始。马斯克同志下午转发 X 说，今年可能是近几个世纪以来最重要的一年。