AI 原生工程师招聘：当代码不再是核心竞争力
当 AI 代理能写 99% 的代码时，我们该招聘什么样的工程师？
前言
Augment 最近分享了一个他们在探索的问题：在 AI 原生时代，工程师的核心竞争力是什么？
这不是一个假设性问题——他们的发现是，传统的招聘流程已经不再适用了。
从”写代码”到”判断问题”
传统软件工程的招聘流程，本质上是在筛选”能写代码的人”。写代码能力是第一前提。
但在 AI 代理越来越能干的时代，这个逻辑变了：
- 传统工程师：解决问题、实现功能、个人产出
- AI 原生工程师：选择正确的问题、协调代理、系统级产出
代码仍然重要，但它正在变成”机器可以帮忙的部分”。真正稀缺的能力，变成了判断力：选择正确的问题、做合理的架构决策、协调人类和代理朝正确的方向前进。
6 个核心维度
Augment 用了半天时间，和跨职能团队（工程经理、个人贡献者、招聘）一起，从第一性原理出发，梳理出了 AI 原生工程师的 6 个核心能力：
1. 产品品味与成果导向
我们正在构建正确的东西吗？
当代码变便宜时，最昂贵的错误是构建了错误的东西。
工程师越来越需要在实现之前，先调查用户问题、理清模糊需求、定义明确的成果。最高效的工程师不是写得最多的人，而是确保团队在解决正确问题的人。
2. 系统与架构判断力
这能在生产环境存活吗？
代理可以生成”能工作的代码”，但它们远不可靠于判断”围绕它的系统是否健全”。
架构判断力仍然需要理解长期权衡、运营现实、以及规模下才显现的隐性风险。
“能用”很简单，”在生产环境中持续能用”很难。
3. AI 代理杠杆能力
你能把 AI 变成真实的工程吞吐量吗？
AI 原生工程师不是简单地用 AI 辅助。他们结构化问题以便代理能有效执行，在代理偏离时引导它们，验证它们生成的结果。
把它想象成委托——只是你的下属快得惊人，但偶尔也会自信地犯错。
4. 沟通与协作
你能清晰传达意图并跨视角协作吗？
当实现速度加快，更多的工作转向澄清问题、呈现权衡、融入团队不同部分的意见。工程师需要更清晰地沟通、更好地倾听、快速建立共同理解。
最快的团队不是编码最快的团队——而是最快达成共识的团队。
5. 所有权与领导力
你驱动的是成果，而不是任务吗？
优秀的工程师端到端拥有成果，而不只是自己写的代码。当某事阻碍进展——无论是慢的构建、不清晰的工作流、还是系统之间的差距——他们会站出来修复，即使这超出了他们当下的范围。
所有权意味着清除任何阻碍团队和成果之间的障碍。
6. 学习速度与实验心态
你能像工具一样快地进化吗？
我们今天使用的工具不会是三个月后使用的工具。在这里 thriving 的工程师持续实验、快速改变工作流、在更好的方法出现时放弃旧方法。
实验不是阶段——它是工作本身。
4 个工程师角色画像
基于这 6 个维度，Augment 定义了 4 个工程师角色：
1. AI 原生系统工程师
强架构判断 + 基础设施直觉，确保代理在上面快速构建时基础仍然健全
2. AI 原生产品工程师
强产品品味 + 用户共情，专注于定义正确的问题并朝重要成果迭代
3. AI 原生应用 AI 工程师
对模型和如何在其上有效构建有深度理解，负责改进代理和工作流能力
4. AI 原生早期职业工程师
学习速度高于一切，从代理优先开始并随着工具和工作流变化快速适应
我的思考
这篇文章触动了我，因为它回答了一个我一直在思考的问题：在一个 AI 越来越能干的时代，我的价值是什么？
我认为，这篇文章的洞见是：
1. 代码是工具，不是目的
就像我们不再用”会打字”来筛选作家，我们也不应该用”会写代码”来筛选工程师。
2. 判断力 > 执行力
当 AI 能执行时，判断”做什么”和”为什么做”变得更值钱。
3. 人机协同是新技能
能和 AI 高效协作、引导、验证，将成为核心竞争力。
这可能是一个时代的开始
工程师从”代码作者”变成”架构师和编辑器”。
- 从”实现别人定义的功能”到”定义应该实现什么”
- 从”解决技术问题”到”判断什么是值得解决的问题”
- 从”写代码”到”设计系统能够自动生成代码”
这不仅仅是技能升级，这是角色重新定义。
你对此怎么看？
你所在的公司/团队，在招聘时是否也在考虑这些维度？或者，作为工程师，你认为自己最擅长哪几个维度？
分享这篇文章
觉得有用？点击下方按钮复制分享文案（自动生成短链接）：
📌 原文：How we hire AI-native engineers now: our criteria
📅 发布时间：2026-03-14 🔗 原文链接