AI 时代：从全栈工程师，到「全问题工程师」

这些年我一直在往"全栈工程师"这个方向使劲——前端后端、数据库、部署运维，能学的都学一点，觉得技术栈铺得越宽，腰杆就越硬。

但这一年多用 AI 做事，我慢慢有了另一个判断：写代码这道墙正在变矮，而提问那道墙正在变高。

如果这个判断成立，那么未来做技术的人，比拼的就不再是"我会写什么"，而是"我能不能把一件事想清楚、说明白"。这篇文章，就是我把这个想法沿着往下推的结果。

一、先说变化，它比想象中来得快

这不是感觉，是有数据的。

• 编码能力本身：在 SWE-bench Verified 这个业界公认的编码基准上，AI 的成绩在一年之内从 60% 上升到接近 100%。
• 岗位结构已经在动：22 到 25 岁的软件开发者就业人数，自 2024 年以来下降了接近 20%；而经验更丰富的从业者人数反而在增长。
• 企业侧的动作：组织对 AI 的采用率已达 88%。国内头部厂商的工程师，正在把编码工作逐步交给 AI，自己更多投入架构设计和复杂问题解决。

同一时间，AI 工程的方法论也在往前挪：从早年的"提示词工程"（怎么把话说得让模型听话），演进到今天的"上下文工程"（怎么把背景、约束、资料组织好交给模型）。

这个转向很说明问题——重点已经从"措辞技巧"变成了"你能不能把问题本身组织清楚"。

二、价值前移：从"执行者"到"提问者"

有意思的是，学术界把这件事说得比业界还直白。有研究在追踪高竞争力求职者时发现，领先的人已经完成了身份转型：从"知识执行者"变成"战略提问者"和"人机协同大脑"。

我自己体会也是这样。以前最耗时间的是"写出来"，现在最耗时间的变成了"想清楚"。同样一件事，需求含糊地丢给 AI，来回折腾十几轮还是不对；把目标、约束、验收标准先写明白，一次就八九不离十。

所以我说"价值前移"——它没有消失，只是从链条的后半段，挪到了前半段。

三、"全问题工程师"长什么样

如果给这个新角色起个名字，我更愿意叫它"全问题工程师"。

"全栈"横向铺的是技术栈，"全问题"横向铺的是问题的覆盖面——你不必真的会写每个领域的代码，但你得知道世界上有哪些领域、它们各自能解决什么问题、边界在哪、什么时候该把它们串起来。

这四项里，我个人觉得最容易被低估的是判断力。AI 永远自信，它给出的答案哪怕是错的也说得头头是道。能不能一眼看出哪里不对劲，是这个角色最后、也是最硬的防线。

四、这条路怎么走

好消息是，这四项能力都不需要额外的设备、也不需要等公司安排培训，今天就能开始练。

四条里我最想强调"练表达"。很多人以为表达能力是软技能，跟技术没关系。但在 AI 时代它变成了硬技能——你对 AI 的表达质量，直接决定了它的产出质量。一件能对同事讲明白的事，才能对 AI 讲明白；讲不明白，说明你自己还没想明白。

五、写在最后

写这些不是在唱衰程序员。恰恰相反——工具越强，能把工具用到极致的人就越值钱。

过去我们把大量精力花在"怎么实现"上，因为那是瓶颈。现在瓶颈前移了，能把一个模糊的想法，变成清晰的、可执行的、可验证的问题描述，这种人会越来越稀缺。

全栈不会过时，"全问题"是它的下一步。我自己也在这条路上，边做边学。