做了十年软件工程师，我从没遇到过哪次技术变革像现在的 agent coding 这样，直接冲着「职业」本身来——而且就发生在过去三个月内。最近读到 Augment 那篇《我们现在如何招聘 AI 原生工程师》，它把人的角色重新定义为「从作者转向架构师和编辑者」。它真正刺到我的是一句话：纯粹的编码能力，已经不再是区分工程人才的首要因素。这篇是我读完之后的个人思考——不是复述原文，原文值得你自己读。
一个让我有点被刺到的问题
Augment 这篇文章（作者 Alex Ding、Alyah Sablan、Chris Marty、Vinay Perneti）开篇就抛出一个问题：当 agent 写掉 99% 的代码，你该怎么招工程师？ 原文链接放在文末，强烈建议读原版。
我被刺到的点很私人：我这十年攒下的核心资本，恰好就是那个正在被商品化的东西——「写代码写得又快又对」。所以我下意识的焦虑，不是「我不会写代码了」，而是更难回答的那个——我的差异化到底还剩什么？
这背后是两件过去十年被捆在一起、现在正在分叉的事：擅长写代码，和擅长决定该写什么、并把人加 agent 这套系统 driving 到正确结果。在「他是个好工程师」这句话里，这两者一直感觉是一回事；只有当代码变得便宜，你才看出来——一个在贬值，一个在升值。
当写代码的成本趋零，最贵的错误就变成了「构建了错误的东西」——你的护城河也跟着从「写得多快」挪到了「选得多对」。
Augment 给的那张坐标
文章里有一张「传统工程 vs AI 原生工程」的对照表，我觉得是全文最锋利的部分（以下为我对原文框架的转述）：
| 传统工程 | AI 原生工程 |
|---|---|
| 编写代码 | 明确意图、评估权衡 |
| 实现解决方案 | 编排智能体 |
| 解决问题 | 选择正确的问题 |
| 个人产出 | 系统级结果 |
顺着这个方向，他们从第一性原理梳理出 AI 原生工程的六个维度，每个维度对应一个核心问题：
- 产品与结果品味 —— 我们在构建正确的东西吗？
- 系统与架构判断 —— 这东西能在生产环境里活下来吗？
- 智能体杠杆 —— 你能把 AI 转化为真正的工程产能吗？
- 沟通与协作 —— 你能否清晰传达意图、跨视角协作？
- 主人翁精神与领导力 —— 你推动的是结果，还是只是任务？
- 学习速度与实验心态 —— 你能像工具演进那样快地进化自己吗？
注意这张表里缺了什么：「纯粹编码能力」没有作为一个独立维度出现。 不是不重要，而是不再是把人和人区分开的那一项。他们还给出了四类人才画像（AI 原生系统 / 产品 / 应用 AI / 早期职业工程师），每类对这六维的权重不同——细节在原文里，这里不展开。
我自己的三点收获
读别人的招聘标准，对一个在职工程师真正有用的，是把它翻译成「我接下来往哪投入」。我的三点：
1. 把技能投资从「编码速度」挪向会复利的地方。 窄投在「写得快、写得对」上的能力，现在是贬值资产；投在判断力、产品品味、agent 编排、学习速度上的能力会复利。这不是一次性的取舍，而是一笔按年计息的职业资本重估。
2. 「智能体杠杆」就是一种委派能力。 原文有个比喻我很喜欢：用 agent 像是管一个快得惊人、但偶尔会非常自信地出错的下属。把问题组织成它能高效执行的形状、在它偏航时拉回来、并验证它的产出——这和写代码是两套肌肉。
3. 别一刀切地宣布「编码不重要」。 在难点就在代码本身的地方——新算法、性能关键内核、agent 还很弱的领域——纯编码能力仍然是差异化因素。商品化是不均匀推进的，这道分叉还没烧到每个角落。
收尾：与君共勉
我不悲观。这不是「工程师要失业了」的故事，而是「这门手艺正在沿抽象层级往上挪」的故事——就像当年高级语言商品化了汇编技能，价值往上挪了一级，agent coding 不过是下一级台阶。被商品化的从来不是「工程师」，而是工程师工作里最容易被自动化的那一层。
Augment 自己也说了：目前还没有人把这件事完全想明白，但招聘已经在变，不管面试流程跟没跟上。作为一个还在积极学习、适应新工具的十年工程师，我把这篇分享出来，与君共勉。
原文（强烈建议读原版）：How we hire AI-native engineers now — Augment Code
-
Previous
When Agents Write 99% of the Code, Where Did the Engineer's Moat Go? -
Next
Writing Goals That Keep Coding Agents on Track
