脑力劳动者正在变成"文员"

这两年是我深度使用 AI 来工作的时期，工作模式发生了很大的变化。

以前我一直以软件工程师的方式在工作和成长，成长路径基本是固定的：学习业务上下文 → 技术栈深挖 → 针对场景沉淀解决方案 → 及时处理线上问题等等。

但除此之外，我发现当前工程师的工作模式也在发生巨大变化，特别是对 Junior 和 Senior 工程师的影响最为深远。

一、传统软件工程师的成长路径

Junior Dev：边做边学

刚开始的时候，业务和技术的掌握都不够，需要在工作过程中边做边学，积累各类问题的处理方式，逐渐形成自己的技术积累。这是一个见多识广、在某个领域深耕的过程。

Pre-Senior Dev：多线程作战

成长 2-3 年后，你需要向 Pre-Senior 的阶梯发展。这时候需要具备更多的上下文，有足够多的经验来处理线上问题，能够帮助团队中的 BA 或 PM 分析业务，对一些技术难点做 Spike 来辅助 Junior Dev 完成任务。

到了这个阶段，你的工作任务会变得多样化、多线程，不再只是完成简单的交付。

Senior Dev：交付规划者

又过了几年，工作 5-6 年后，你需要逐渐具备 Senior Dev 的交付能力。Senior Dev 通常在团队中承担交付规划者的角色，需要完成更多的业务分析——整个迭代中的业务分析、功能依赖的识别、功能涉及到的修改点、识别交付过程中最优的解决方案。

越往资深工程师发展，需要做的事情越多。不难发现，Pre-Senior 和 Junior Dev 更多时候都是命令的执行者，这很符合一个团队的人员金字塔结构。

在大多数 IT 公司，这套结构沿用了整个互联网时代，直到 2022 年底 LLM 的爆发开始被逐渐打破。

二、AI 如何改变了我们的工作模式

越来越多的纯搬砖劳动力正在被 AI 算力所替代。这也是为什么从 2024 年开始应届毕业生越来越难找工作——从 2023 年的 Prompt Engineering，到后来的 RAG Engineering，再到现在 Agent Engineering，在这些外接技术的加持下，LLM 的触角伸得越来越长，能力也越来越大。

工作模式也在悄无声息地发生着变化。

第一阶段：Prompt Engineering

有了 Chatbot 之后，我们会把报错直接发给 AI，让它来给出解决方案；在实现某个功能时，把需求给到 AI，从实现要求到 AC（Accepted Criteria）一并输出。

我们只需要对这些输出有辨识度，能看出来它是不是在胡说八道。

这个阶段的核心是：让专业的人更强。

第二阶段：RAG Engineering

单纯的问答已经满足不了日常工作需求。为什么？

因为市面上的 LLM 都是通用型模型，并不具备某个领域或某个公司的内部知识。一方面是预训练模型的数据时效性问题，另一方面是内部知识的保密性质。

面对一些专业性要求很高的提问，模型就显得力不从心了。以前遇到不清晰的上下文，只能在 Confluence 上查文档、问 BA，费时费力。

RAG 技术出现之后，我们可以把对应的业务问题抛给 LLM，通过语义识别的 ML 算法找出最相近的文档内容，LLM 再根据这些输入做出总结性的输出。

这个阶段的核心是：让 AI 懂你的业务上下文。

第三阶段：Agent Engineering

不得不说，现在的 Agent 越来越聪明了。

我接触最多的是 Vibe Coding 相关的 Agent：

GitHub Copilot（初代）：通过注释语句来做局部函数、单元测试的实现。虽然有时写得乱七八糟，但也足够让人惊艳。
Cursor（进阶）：对整个项目做 Index（向量化），让项目成为你的私人知识库。当你提问时，它会检索相关代码的上下文。加上 Tab 自动补全和 Composer 多文件修改功能，已经慢慢具备替代部分 Junior Dev 的苗头。
Claude Code（当前最强）：玩法完全不同，直接开始”烧 Token”。它会把整个项目的每个文件夹作为上下文（懒加载方式），内置读文件、搜索文件等工具，通过执行 Bash 命令来完成查找、阅读、修改的闭环。以 Python 为例：先改代码 → 检查语法错误 → 写测试 → 检查测试结果，一气呵成。

再加上 MCP 的加持，我们的日常工作变成了：在 Jira 上创建一张 Ticket，尽量写清楚实现细节和 AC，然后把 Jira No. 丢给 AI。它能通过 MCP 读到 Jira 卡的内容，然后自己开始实现功能。

这个阶段的核心是：AI 从辅助工具变成了执行主体。

三、从程序员到”文员”

在传统的软件开发时代，大家都有明确的分工，一环扣一环。

但 AI Agent 出现之后，我们只需要根据用户需求画 Figma、写 Jira 卡就行了。一下子从程序员变成了一个文字操作者——文员。

我觉得在时代的巨轮下，没有人能挡得住它前进的步伐。不是你不用，它就不会进步。

作为一个普通人，能做的只能是顺应这个时代，及时做好技能的转换。

四、写在最后

一个时代往往不是一下子就改变了人们的生产方式和生产效率，而是人们为了提高自己的生产效率而在不断尝试极限。

从蒸汽时代的第一次提速，到电气时代的再次提速，再到信息化时代，一直到当下的 AI 时代——每一次变革都在重新定义”劳动者”的含义。

而这一次，轮到脑力劳动者了。