我自2024年底以來一直在LinkedIn和Indeed上追蹤初級軟體工程職位。趨勢圖呈現單一形態。2024年保持平坦，2025年呈下降趨勢，2026年第一季度急劇下滑。大型科技公司已公開只招聘高級人員。中級公司也跟進了這一趨勢。2026年升級的少數初級職位廣告中，宣稱薪酬較低，經驗要求更高，並設計了一項家庭作業測試，旨在檢測LLM的使用而非能力。
資料在各來源間是一致的。與2022年之前的水平相比，初級開發者職位空缺下降了約40%。，十五家最大的科技公司從2023年到2024年的入門級招聘下降了25%。計算機科學畢業生的失業率達到6.1–7%。 於2025年，是美國大學專業排名第五高的。根據最近LeadDev調查，54%的工程領導者計劃在2026年聘請較少的三年級學生，因為AI副駕駛員讓高年級學生能夠吸收更多工作。
AI並未開始初級收縮。2022年後的撤回才是。但AI是專業委員會依賴以維持其運作的理據。培養高級工程師的學徒管道需要5-7年的滯後時間。我們今天不招聘的這批人，將是我們在2031年沒有的高級備用人才。
這篇文章的前作 認為 AI 並沒有破壞工程學。是我們，因為將其視為配額乘數。這篇文章就是當你將這個錯誤複合五年後所看起來的樣子.
高級工程師過去是如何獲得職位的
高級工程師並非由課堂學習所產生。他們是由特定時刻的學徒制所產生，而幾乎所有這些時刻都是 AI 正在移除的內容。
平均需要五到七年時間。首次提交給員工級別的判斷不是畢業時間線，而是回饋迴路時間線。你通過在審查中讓你的拉取請求被嚴厲批評，並必須為設計選擇辯護來學習成為高級員工。在凌晨兩點排錯生產事件，當沒有人可以詢問，而大型語言模型要么不存在，要么不知道你的系統。通過擁有一個你沒有預期的失敗模式的特性，並以你的名字在頂部寫下事後分析。通過成為必須在一間高層主管的會議中解釋為什麼遷移失敗的人。
這些都不會透過文件傳遞。它們透過責任傳遞。你對於失敗的部署簽名，你在激烈設計審查中的決定。而且AI風險是會走捷徑，跳過了原本失敗的代價會落在工程師身上的時刻，而不是工具。那就是高級判斷力建立的時刻。
在前一篇作品中我列舉了四種掏空程式碼審查的習慣：無讀取的複製貼上、堆疊追蹤變成大語言模型輸入、AI產生的測試無人驗證、模式退化。這四種習慣同時也是學徒制迴圈的四種確切失敗。與前一篇作品中每個開發者規模的相同問題，這一篇中產業規模的相同問題。
你無法在課堂裡培養出一名高級工程師。你只能在回饋迴路中培養。學徒制是最常見的一種，自我指導的練習配上殘酷的審查是另一種。AI並沒有移除一個職位。它移除了那個可以規模化地培養下一代高級工程師的學徒制迴路。
2025–2026年招聘實際上做了什麼
這不是預測。大部分的損害發生在2024年晚期和2025年底之間的十八個月裡，你可以在循環中感受到它。
我在2024年進行了兩輪初級招聘，2025年進行了其中一輪。2024年，我們從每個職位約四十名申請者中挑選出三個優秀的短名單。2025年，我們從兩百名申請者中只挑選出一個尚可的短名單。候選者人數並沒有減少。門檻卻降低了。那一年我接觸的每個招聘人员和工程經理都有著類似的經歷。我們都在同一片淺水區捕魚，抱怨也一樣，而那些出現的候選者連他們在2022年就能解決的白板問題都過不了。
這些宏觀數據反映了循環的感覺。相比2022年之前的水平，初級開發者職位減少了約40%，而十五家最大的科技公司從2023年到2024年的入門級招聘下降了25%。22至25歲的軟件開發者就業率下降了近20% 從 2022 年底的巔峰回落。收縮集中在梯子的其中一端。高級職位空缺大致穩定，而初級職位空缺則下降，這是任何規劃 2030 年員工儲備的人都應該擔憂的形態。
Klarna的宣布是我一直聽到的新聞。大約在2022年至2024年之間裁減了700個職位，AI被認為是節省的功臣，CEO在採訪中稱讚他們變得有多麼高效。Salesforce和Meta 於 2025 年接著進入 2026 年，發表了他們自己的 AI 記錄切割。這些宣布都沒有造成損害。損害在於，到 2025 年中，我聽到兩位來自不同公司的領導者，原話說「我們不需要一個初級團隊，AI 就是我們的初級團隊」，而他們兩家公司都沒有宣布自己的裁員。他們看過了新聞稿。那個表格是不必要的。
招聘領導者在下坡路沒有幫助自己。技術實習作業作弊情況在六個月內超過翻了一番，從2025年6月的約15%上升到2025年12月的35%。Cleyly 和 Interview Coder 以命名工具的形式出現在候選人 Discord 中，而不是秘密地。招聘方的反應是可預期的：放棄家庭作業，提高工作規格中經驗的最低要求，增加一個實時交談式 AI 面試官來探究推理。這些反應都進一步排除了年輕人。家庭作業是年輕人最有機會成功的格式，而用實時的實際編程會議來取代它，正是年輕人失敗的格式。已在去年寫過關於候選人端的修復。招聘端的修復更難，因為它佔用了公司已經沒有保護的資深工程師小時。
那些成功進來的初級員工正在接受與五年後的同期不同的培訓。2026年調查的56%的人力資源總監 表示，當正式指導不清晰時，初入職場的人才會轉向非官方的AI工具。38%的領導者擔心初入職場的員工沒有建立長期技能，如判斷力、溝通能力和批判性思維。觀看一位2024年聘用的工程師在他們的第一次事件回顧。他們寫過沒有使用LLM的regex。他們從未坐著看超過將堆疊追蹤貼入聊天窗口所需時間的堆疊追蹤。前任直截了當地說。他們學會依賴AI，因為我們給了他們速度目標，沒有指導預算，以及LLM訂閱，並稱之為入職培訓。
這一切都不是從一篇深度文章開始的。它是在人員會議上開始的，當有人第一次說「我們可以用AI來應對」時，房間裡的人都點了頭.
中層陷阱
賬單已經快到期了。不是在2031年。是在2024–2026年那組坐在IC2的人。
讓我描述一個複合角色。從一開始就是AI原生。在2023年底或2024年才加入一個運作在速度儀表板上的團隊。在正常流程中可以順利交付。功能推出，PR描述清晰，測試都是綠色。無法從白紙開始設計一個新系統。無法在沒有LLM參與的情況下調試生產事件。無法指導一位年資更淺的隊友，因為沒有可供參考的模式庫。
在那個時間段被聘請的許多工程師都自行爭取了反饋迴路。他們尋找指導老師，接手不起眼的通知任務，在回饋中提出不時尚的問題。他們是例外。前輩所描述的速度配額的中位結果就是上方的赤字狀況。這群工程師學會了在AI輔助下發布。那個沒有建立起的技能是在壓力下無法偽裝的。
倦怠數據呈現相同趨勢。《哈佛商業評論》2026年3月的研究發現62%的副理級員工和61%的入門級員工報告了倦怠情況，其中83%的人認為AI增加了他們的工作量。參與者使用了「腦子糊掉」這個詞。這種糊掉集中發生在2-3年的員工群體中，因為在那裡，儀表板說他們能做的工作和他在壓力下實際能做的工作之間的差距最大。
結構上的要點是接下來的。這個群體無法在目前的軌跡上晉升為高級。從中級到高級的橋樑正是他們沒機會建立的技能組合。在不明確情況下的判斷力、新穎的除錯技巧、系統思考能力、在年資較輕的人面前願意犯錯的意願。他們卡住了。
該工程師應該做的是個問題。找一位導師並要求針對技能而非儀表板進行明確校準。每個季度接下一個專案，其中AI不觸及硬核部分。成為例外，而非中位數。這篇文章的最後一部分是組織應該安排的內容。這是那個不會等待的部分。
2029年的中段陣已經比2024年的中段陣弱了。接下來的問題是2031年的高陣將會是什麼樣子.
五年數學
這不是衰退。這是結構性崩潰，而且數學是冷靜的。
當前高級年齡層也有其自身的人員流失。人員更替在行業水平上穩定。2010年代中期的繁榮年齡層正接近退休窗口。這一切都不驚人，也沒有任何新鮮事。
新鮮的是供應方面。公司已報告人員+空缺，平均填補時間需要66天，比非技術職位長50%。高級工程師透過傳統管道招聘需時四至六個月。lemon.io 2026年調查將人才市場的形態稱為一個「分歧問題」。。低階職位湧入大量應徵者但沒有人聘請，高階職位則空缺。人手短缺現象已經在2026年專屬於高階職位。2031年的預測不是「這將會發生」。早期的跡象在2026年的招聘數據中。接下來的是五年累積的影響。
這個模式不複雜。2024年，前15家公司在入職級招聘上減少了25%。到2025-2026年，初級職位總體下降了約40%。結合5-7年的學徒期延遲，以及2030-2031年的員工+管道變得相對稀疏而不是補充。未受聘用的初級人數確切數字有爭議。方向沒有爭議。
人工智慧並非僅有的影響力量。2022年後的收縮和高利率加速了這一切。但人工智慧是組織在辯護裁員時所指的杠杆。即使2027年低階招聘完全反彈，學徒制度的延遲將影響延遲至2032–2034年，而不是消除它。
年長者短缺並非透過更努力招聘就能解決。它需要透過三種路徑之一來解決。從其他公司引進年長者，這在產業層面是零和博弈。過早晉升中層人員，這會讓你在2032年不想要讀到的事後評估。或者從年輕人招聘重新開始的那天起等上五到七年，這意味著唯一重要的干預必須現在就開始。
沒有任何季度性OKR都能推動這件事。這必須是領導層在季度時間壓力下做出的決定.
「但2031年的AI原生高級員工將會不同」
誠實的反論是未來的工程師會有不同的成熟過程。從第一天開始將AI視為同事將會培養出不同類型的資深工程師。在簡單工作上更快，透過不同的回饋迴路建立判斷力。或許未來5-7年的差距會變成2-3年。資深工程師「需要知道什麼」的表面層已經改變過。IDEs、Stack Overflow、外包。每一項都被認為會打敗下一代。每一次都沒有成功。
此次的差異並非基於理論。而是因為證據。
Klarna 已經運行了這個實驗的小規模版本（在客戶服務方面，而不是工程方面），並且撤回了它。到 2026 年初，Klarna 的執行長公開承認 將 AI 用於人員配置的交換降低了服務品質，而公司 開始重新招聘。課程不是那AI原生工程師失敗。它是董事會用AI能力換取代人類能力的速度快於數據所證明的，然後在賬單來時過度糾正。Salesforce、Meta和Microsoft正在進行同樣的換購，但這些職能比客戶支援更難撤回。
更深層次的問題在於，高階工作究竟是否能在 AI 調介的路徑上建立。與事後檢討會持續到無人稱謂的第二階段失敗才顯露。知道在凌晨兩點，當大語言模型無法看到你系統歷史時，究竟是哪七層重試層遮蔽了真實的失敗。在一間所有工程師都想要有趣架構的房間裡，選擇選擇枯燥的架構。這些都不是透過 AI 辅助輕鬆工作建立的。這些是透過成為事後檢討會上簽名的人建立的。
未來的2031年AI原生高級員工將會存在，他們會在簡單工作上更快。他們能否在沒有構建判斷的回饋迴路下完成創新問題工作是個開放性的問題，而初步的跡象並不令人鼓舞。與客戶服務版本相比，同樣實驗的工程版本更難中止。質量下降將會在下一批員工無法晉升為高級時才浮現。等到賬單來了，回滾窗口已經關閉。
於2026年聘用2031年的高級人才
這些是許多組織已經停止做的事
針對副總裁、首席技術官以及工程部主管 現在重啟初級管道。2031年的高級員工將於2026年聘用。設定初級至高級的比例。每五位高級工程師配一名初級工程師是一個合理的最低標準。並將其列為年度計劃中的固定人力數額，由財務長副署。將其視為符合規章的人力數額，而不是AI工具預算的處理方式。如果董事會問為何人力數額上升，而AI本應降低人力，就指向你自身招聘數據中已存在的66天員工-工程師補充時間。這個短缺不是2031年的預測，而是2026年的成本項目，每延遲一個季度，情況會越來越糟。
對招聘經理而言. 大學一年級的學生不會有AI速度目標。工程職業的前十二個月是學徒期。完全如此，沒有例外。這不是你能在團隊層級單方面做出的決定；要向上反映，在VP層級達成共識，並在儀表板為你執行之前，將低產出納入計劃。2031年你擁有的團隊，是由你在2026年保護的目標所塑造的。
針對技術領導和專案工程師. 你就是學徒制度的關鍵。在日曆上規劃每週兩小時的時間，確保導師制度能夠承受流量壓力。在「有時間的話」才進行導師制度的安排，從來都會落空。2031年的專案工程師，是你在2026年決定在日曆上保護的選擇所塑造的.
針對高級工程師。 如果你的團隊裡沒有人能成為你，你就不能離開團隊。那是你的問題，不是你僱主的問題。還是要培養別人。選擇權在你，要為此辯護。
適用於剛入行的工程師和初級員工。 選擇能提供指導的團隊。如果待遇更高的團隊在沒有指導支援的情況下以AI速度交付，就放過它們。你在2031年想要的職業生涯，是由在2026年保護你第一年工作的經理所建立的.
適用於獨立創始人、OSS維護者，以及擁有整個技術堆栈的人。 你沒有的學徒環節就是你必須建立的。找個會拆解你設計選擇的人一起合作。讀取後備檔直到你能夠在問題發生前預測二階失效。管線崩潰不適用於你。技能崩潰適用於你.
AI沒有殺死高級工程師。是我們，因為沒有聘請那個會成為高級工程師的低級員工。複利有兩種方向。我上個月寫到的每個開發者成本僅是計費計數器的其中一邊。未受僱用的初級員工是另一邊，而這個計費計數器自2024年起一直在運行，無論儀表板是否報告它。