微软 Azure 首席技术官 Mark Russinovich 与开发社区副总裁 Scott Hanselman 在《ACM 通讯》（Communications of the ACM）上发表了一篇经同行评议的观点文章。该文指出，具有自主决策能力的 AI 编码工具正在给软件工程行业带来一场结构性危机。核心问题在于：AI 虽然能大幅提升资深工程师的工作效率，但刚踏入这个行业的初级开发者（EiC）（缺乏判断力来引导、验证和整合 AI 输出结果）会面临作者所称的“AI 拖累”。

其结果是形成了一种新的激励机制：企业聘用资深工程师，同时将初级工程师的工作自动化，而培养下一代资深工程师的人才梯队却在悄然崩塌。

我们必须继续招聘 EiC 开发者，接受他们入职初期会降低团队生产力这一事实，并刻意设计系统，将他们的成长作为一个明确的组织目标。

支撑这一论点的数据令人警醒。该论文援引哈佛大学的一项研究发现，在 GPT-4 发布后，尽管高级职位的数量有所增长，但在涉及 AI 的岗位（包括软件开发）中，22 至 25 岁人群的就业率下降了约 13%。另一项研究显示，自2022年以来，初级开发者的招聘量下降了67%。麻省理工学院 2025 年初的一项研究发现，与不借助外力完成编码任务的人相比，将编码任务外包给 ChatGPT 的成年人脑部活动减少，记忆力变差。研究人员将这种现象称为“认知债务”。

Russinovich 和 Hanselman 用他们在前沿编码代理开发工作中的具体案例来支撑自己的论点。在其中一个案例中，一个处理竞争条件的代理插入了一个 sleep 调用，这是一种典型的掩盖式修复，并未能解决底层的同步错误。一位经验丰富的工程师会立即发现这一点。但初级开发者可能不会。作者记录了诸多代理程序的案例：它们在存在重大代码缺陷的情况下仍然声称处理成功，在不同的代码库中重复实现相同的逻辑，将应用崩溃视为与任务无关的情况，并能实现可以通过测试但在生产环境中失败的特殊情况“黑科技”。他们写道，“编程不等于软件工程”。识别这些缺陷所需的判断力，即他们所说的“系统品味”，正是初级开发者应当通过实际生产工作逐步培养的能力。

作者通过他们所谓的“金字塔窄化假说”来描述这一动态。传统上，初级开发者进入企业后，主要从事 Bug 修复和简单的实现工作。这些风险较低的任务能让他们接触到真实的架构、编码规范和构建系统。随着时间的推移，部分人会晋升为技术负责人。当 AI 消除了初级开发者赖以学习的入门级工作时，金字塔的底座便不复存在了。为了说明经过 AI 提速的团队在实践中是什么样子，他们列举了微软内部的两个项目。Societas 项目（即新版 Office Agent 的内部代号）由七名兼职工程师在 10 周内完成，他们产出了超过 11 万行代码，其中 98% 由 AI 生成。第二个为 Aspire 项目，从使用聊天助手逐步过渡到完全由代理生成拉取请求，最终运行在作者所描述的“人类代理群”中。

他们提出的解决方案借鉴了医学教育的模式：设立导师制度，让初入职场的开发者与经验丰富的导师组成团队，共同参与实际项目的开发。在这个过程中，学习被视为明确的组织目标，而非交付成果的附带产物。Hanselman 在与 LeadDev 的一次访谈中阐述了这一想法的源起：

正如护士需要证明自己具备临床操作能力一样，工程师也需要做到这一点才能获得这一称号。

在实际工作中，导师与初级开发者会一起使用 AI 工具。资深开发者会观察初级开发者如何与 AI 互动，他们接受或拒绝哪些内容，如何评估输出结果，以及在哪些环节理解上出现了偏差。资深开发者的角色将从“解答问题的人”转变为“传授判断力的人”。作者设想，导师制将持续一年或更长的时间，并将导师工作作为一项重要的组织交付成果进行考核和报酬。

长期以来，蜂巢公司首席技术官 Charity Majors 一直对初级开发者短缺的问题发出警告。她在 X 上回复这篇论文时表示：

过去几年里，在我见过的每一家开始招聘初级工程师的公司中，这项举措都是由资深工程师主导并推动的

Reddit 上的社区讨论十分激烈，大部分讨论都在质疑这种导师制模式能否经受住企业激励机制的考验。有一位评论者阐述了课程设置与现实情况之间的差距：

人才储备不足的问题是真实存在的，仅凭出于善意招聘初级开发者是无法解决问题的。目前，一名初级开发者大约需要两年的时间才能具备独立工作的能力。而目前， AI 编码助手能使中级开发者的工作效率提高约 30%。这种做法在实际操作中是行不通的，除非你专门培训初级开发者来监督 AI 生成的代码，而这又与计算机科学专业所教授的技能完全不同。

另外，有人还提到了一个次级风险，这使得导师制解决方案本身变得更加复杂：

如果公司既不招聘新的初级开发者，也不安排资深开发者和集成主管去指导现有的初级开发者（因为他们担心会被自己的学员所取代），那么我们距离失去数十年积累的宝贵知识就只差一个退休周期了。

这种关于反馈循环的担忧不局限于招聘环节。正如 The Register 论坛上的一位评论者所言，如果初级开发者因为过度依赖大型语言模型（LLM）而从未建立起深刻的理解，那么具备专业能力的资深开发者数量就会逐渐减少，进而导致模型所依赖的训练数据质量下降，最终“导致这一循环演变成没有人能懂的代码”。

Russinovich 在一档播客节目中证实，微软正在内部试点导师制项目。Hanselman 在 LinkedIn 上表示，衡量资深工程师对人的影响以及对产品的影响“是我们的目标”。在教育方面，Russinovich 明确表示：

你需要设置一些课程，并在其中明确指出，使用 AI 的行为属于作弊行为。

对于正在探索这一领域的初级开发者而言，该论文具体指出了未来两到三年内至关重要的技能。贯穿始终的核心主题不是如何编写更优质的提示词，而是如何培养出能够确保 AI 输出结果可信的判断力：理解分布式系统的基础原理；能够对 AI 生成的代码进行调试和评估，而非全盘接受；通过可观测性和事件响应机制学习解读生产系统；培养对“代码异味”的敏锐度——即当代码表面上看起来正确但架构上存在缺陷时，能够凭直觉察觉到。作者明确指出，不应将初级开发者隔绝于问题解决过程之外，而应当邀请他们参与其中，让他们在导师的指导下协助完成提示、调试和代码审查任务，从而亲眼见证专业知识与 AI 如何交互。

要阅读完整论文，可查阅 2026 年 4 月出版的《ACM 通讯》。

原文链接：

https://www.infoq.com/news/2026/04/junior-developer-pipeline-crisis/