AI编程工具普及两年后，被挤压的其实是中间层工程师

关于AI对程序员的影响，常见的叙事有两种：一是”新人完蛋了”，二是”高手更值钱了”。

两年多的实践下来，这两种说法都只说对了一部分。变化最大的其实是中间层——那些能独立完成一个中等功能、但还不足以做架构决策的三到七年工程师。

这个层级的人数最多，被压缩的迹象也最明显。

一、中间层的活，最容易被”整体交付”

AI编程工具最擅长的事，是把一个边界清晰的中等功能从零写到能用。

“给用户中心加一个批量导出功能，支持筛选，导出Excel”——这类需求的输入、输出、边界都清楚，AI一次能生成八成可用的代码。

这正是中间层工程师的日常。

两端反而更难被替代：

• 初级：写的是极其碎片的外围代码，但对本地代码库的理解、对团队规范的遵守，AI和人都做不好。同时初级岗位的绝对数量在减少，因为团队不再需要那么多人做”填空”。
• 高级：做的是拆解、权衡、跨模块影响判断，这些依赖对整个系统的历史和人际关系的理解。

中间层的活恰好是”有明确边界但需要一定判断”——这个区间里，AI的表现是”够用且便宜”。

二、可观测的三个变化

变化一：团队规模曲线变平

同样体量的产品，2023年的团队规模是15人，现在很多团队7~8人就能维持。

减少的岗位位置集中在中层，而不是高层或初级。初级的绝对数在降（因为没有中层带），但初级岗位的属性变了——更强调”能判断AI写的对不对”。

变化二：交付节奏从”季度”变成”周”

需求到上线的周期普遍缩短。这个变化对中间层最不友好：过去他们的价值有一部分来自”知道怎么慢慢做对”，现在这个价值消失了。

反过来，高级工程师的杠杆变大了——他们能同时推进多条线，因为具体实现有AI兜着。

变化三：审查成为核心技能

新增的岗位需求里，出现了一个新要求：能高效审查AI生成的代码。

这不是”读代码”的同义词。审查AI代码需要的是：

• 快速识别”看起来对但逻辑错”的代码
• 发现AI做的隐性妥协（吞异常、放宽类型、跳过边界）
• 判断这段代码和现有架构是否兼容

这是一种新的技能，市场需求在涨，但目前能做好的人不多。

三、为什么中间层最难转型

中间层面临的是双重挤压：

1. 向上：架构能力需要机会才能练，而机会在减少——高级岗位本来就不多
2. 向下：不愿意回到执行细节，而那部分活正在被AI做

同时他们面临一个具体的困境：最擅长的技能，价值正在衰减。

“能写出质量不错的代码”曾经是核心竞争力。现在它是入场券，不再是优势。而新的优势（判断力、系统设计、领域知识）需要时间积累。

这个过渡期是最难受的：旧技能还有用但不够，新技能还没攒起来。

四、三个可行方向

方向一：往”领域+AI”走

纯技术能力在贬值，但技术能力加上深度领域知识在升值。

具体来说：懂医疗数据结构的工程师，用AI做医疗系统的效率远超纯技术高手。懂金融合规的工程师，做AI风控系统有天然优势。

领域知识是AI最缺的东西——因为它在公开语料里少，在团队内部的口头和经验里多。

对中间层工程师，这是最快见效的方向：你已经在某个业务里泡了几年，这份积累现在开始变现了。

方向二：做”交付质量”的守门人

审查AI产出正在成为一个独立职能。相关能力：

• 建立自动化检查体系（静态分析、测试覆盖、依赖审计）
• 定义团队的代码标准并让AI遵守
• 做架构一致性的把关

这类工作有明确的价值信号（缺陷率、返工率），比”我写了很多代码”更好衡量。

方向三：往产品与技术之间走

AI让”能一个人从头做到上线”变得可能。中间层工程师有机会走向技术型产品负责人：

• 自己定义需求，自己判断技术可行性
• 用AI快速验证想法
• 把精力放在”做什么”上

这条路的门槛不在技术，在能不能面向用户思考。这是很多工程师的短板，但正因为是短板，才有差异化空间。

五、公司层面会发生什么

招聘结构

• 高级岗需求稳定，甚至略增
• 中级岗需求下降
• 初级岗绝对数下降，但门槛提高（要求会用AI、会审查）

培养断层

这是最值得警惕的长期风险：如果不再招初级，五年后就没有中级，十年后就没有高级。

一些公司已经意识到这个问题，开始重新招初级，但要求变了——不再是”能完成任务”，是”能在AI辅助下完成任务，并能验证结果”。

团队形态

从”金字塔”变成”沙漏”：

• 上层：少量资深，做决策和把关
• 下层：少量能驾驭AI的执行者
• 中间：被大幅压缩

沙漏形态很脆弱。 中层不只是执行者，也是知识的传递者和组织的缓冲。压缩得太狠，会出现”高级决策无法落地”和”经验无法传承”双重问题。

六、给个人的三条具体建议

第一，把”审查能力”当核心技能练。

找AI生成的代码，自己判断对错，然后比对实际运行结果。刻意练习这个判断过程，比多写代码更有价值。

第二，积累无法被检索的领域知识。

整理你在业务中知道的那些”文档里没有”的东西：历史决策的原因、系统的坑、客户的真实需求。这些是你在AI时代最硬的资产。

第三，刻意做”定标准”的事。

接口设计、验收标准、错误策略——这些AI能做但不该让它定的事。主动争取这些工作，它们在组织里的权重在上升。

七、一个乐观的视角

中间层被压缩，但”能独立把一件事做成”的要求反而更高了。

过去团队分工细，中间层只需要负责自己那一段。现在团队小，每个人要负责的区域更大——从需求理解到上线运维，全流程。

这对有能力的人是扩大版图的机会。一个人在AI辅助下能做的事，两年前需要三个人。

被挤压的不是”中间层这个群体”，是”只会做中间层那些活”这件事。 这两者的区别，决定了接下来几年你会往哪边走。