\n\nAI助攻使初级开发者效率提升，却导致其对代码理解不足，无法独立调试。行业调研显示入门岗位锐减，人才培养链条正发生结构性断裂，未来或将面临严重的资深人才短缺。
译自：AI is creating a generation of developers who can't debug their own code
作者：Charlotte Fleming
表面上看，一切都很正常。 测试通过了，代码审查很干净，负责该项目的初级开发人员本周又交付了十几个任务。当你向下滚动几百行代码时，你的心沉了下去。代码看起来很严谨，且经过了充分测试。但其中隐藏着一个时序 Bug，只有当两件事在完全错误的时刻同时发生时才会出现。而提交这项工作的初级开发人员无法告诉你为什么它是错的，因为代码不是他们写的。
根据 Octopus Deploy 最近的行业研究，在接受调查的工程组织中，初级开发人员在 AI 辅助下完成任务的速度提升了 55%，且 73% 的组织在过去两年中减少了初级员工的招聘。JetBrains 2026 年 1 月的开发者调查显示，Claude Code 的全球采用率为 18%，在美国和加拿大为 24%，比 2025 年中期增长了约 6 倍。“资深人士加 AI”模式（即由 AI 增强的资深开发者取代整个入门级群体）在短短一年内已从理论变为默认的运营假设。
每个人引用的生产力数据都是真实的，但同时也具有误导性。
所以，每个人引用的生产力数据都是真实的，但同时也具有误导性。AI 编程工具极大地加快了生产代码的行为，但并没有加快理解代码的行为。对于资深工程师来说，这种差距基本可以接受，因为他们拥有十年的架构背景来评估 AI 的建议。而对于初级开发人员来说，这个差距就是问题的全部。
AI 时代的监督鸿沟
Erik Dietrich 在 2012 年创造了 “专家级新手” 一词，用来描述那些过早陷入瓶颈、被提拔到权力职位、然后因为停止学习而毒害团队的开发者。最初的语境关乎自大和停滞。2026 年的版本则有所不同：新的专家级新手并不傲慢。他们速度很快、尽职尽责，产出的代码整洁且能通过审查。他们只是无法告诉你为什么代码能运行。
新的专家级新手并不傲慢。他们速度很快、尽职尽责，产出的代码整洁且能通过审查。他们只是无法告诉你为什么代码能运行。
这与 Dietrich 提出的问题不同，它出现在一个不同的地方：代码审查。
“初级开发人员心态开放，”CROZ 的工程总监 Ivan Krnic 表示，“这种开放性源于他们还没见过开发世界的一切，也没有养成偏见。”
这种开放性可以是一种优势，但确实给团队带来了新的责任。正是这种让初级开发人员能够快速且愿意接受 AI 的经验匮乏，也让他们在评估 AI 输出时变得不够可靠。核心问题不在于 AI 模型的缺陷，而在于代码生成速度与验证代码所需经验之间的失衡。
最脆弱的开发者可能不是初级人员，而是那些尚未将 AI 融入日常工作的资深人员。如果不参与其中，可能很难跟上软件中不断发展的模式。采用 AI 不仅仅是为了生产力，更是为了正确理解不断演变的工作本质。
人才梯队陷入停滞
纵观软件行业职业发展的现状，有一个清晰的故事。根据 斯坦福数字经济实验室 的数据，2023 年至 2024 年间，美国入门级技术职位的招聘发布量下降了 67%。英国科技行业 2024 年的毕业生岗位减少了 46%，预计 2026 年将再下降 53%。Octopus Deploy 的 AI 脉动报告 发现，73% 的组织在过去两年减少了初级员工的招聘。
根据 Octopus Deploy 的 AI 脉动报告，初级开发者招聘在过去两年有所下降。
这并非暂时的下滑；行业的起点正在消失。超过一半的“入门级”职位现在要求数年工作经验，技术实习机会自 2023 年以来下降了 30%，越来越多的公司将 AI 投资置于毕业生的培训和指导之上。
技术职位的招聘要求在 2023 年初、即生成式 AI 工具发布后不久就开始发生变化。这一趋势仍在继续。
这些决定部分源于财务因素：招聘初级员工并不便宜，而 AI 工具比人力更便宜，且不需要指导。这里值得关注的是事件的先后顺序。技术职位的招聘要求在 2023 年初、即生成式 AI 工具发布后不久就开始发生变化。这一趋势仍在继续，组织选择了 AI，同时削减了本应用于培养下一批资深开发者的培训和指导预算。人才梯队不仅在减速，而且在结构上被改变了。
一种不同的行业周期
我们以前见过市场萎缩，比如 互联网泡沫破灭 和 后疫情时期 的转变。两者都出现了类似的模式：初级员工摄入减少，出现技能缺口，随后在 2-3 年后出现资深人才短缺和薪资通胀。
虽然今天的初级开发人员能够完成任务，但这些重复工作可能无法培养出通过解决难题而获得的直觉。
然而，这一次情况更加复杂。以前，人才梯队变薄了，但工作的性质没有改变。在那些事件后被聘用的初级人员仍然通过构建、破坏、以及深度理解失败原因及解决办法来学习。AI 将这一过程简化为一个提示词和一条确认消息。虽然今天的初级开发人员能够完成任务，但这些重复工作可能无法培养出通过解决难题而获得的直觉。如果这个梯队继续萎缩，且职场学习变得参差不齐，仅靠招聘将无法填补这一鸿沟。
每个团队的反应都会有所不同。但现在有两个问题值得深思：你的初级开发人员能解释他们交付的代码吗？他们能在不使用 AI 的情况下找到 Bug 吗？如果其中任何一个答案是否定的，问题就不在于角色正在被重塑。问题在于，那些取代你资深工程师的新人，正在被训练去交付他们自己都读不懂的代码。工智能
