@DThompsonDev：2026年就业市场中开发者犯的最大错误之一，是把完成的项目当作……的证明
摘要
开发者在2026年就业市场中常犯的错误是把完成项目等同于工程能力证明；AI降低了构建软件的门槛，但没有降低理解软件和做出正确决策的标准。作者强调面试中能解释架构决策和权衡取舍比展示AI生成的项目功能更重要。
查看缓存全文
缓存时间: 2026/10/18 21:16
2026 年求职市场上，开发者犯的最大错误之一，就是把“完成了的项目“和“工程能力的证明“混为一谈。
大家需要明白一件事：
没有人会因为你作品集里有一个很酷的应用就录用你。他们录用你，是因为这个应用让你能够展开的那些工程层面的对话。
想象一下两个候选人，带着完全相同的 AI 项目走进面试：
-
候选人 #1 解释这个应用是做什么的、用了哪些 AI 工具，然后展示各种功能。
-
候选人 #2 解释的是：为什么要这样设计。哪些地方用了确定性逻辑而不是 AI。如何处理不可靠的模型输出。系统故障时会发生什么。做了哪些权衡，以及为什么这么做。
同一个项目，两场完全不同的面试。
前者证明了自己能产出软件。
后者证明了自己懂得如何做工程。
这也是我一直在推动开发者去理解那些他们用 AI 生成的决策的原因。
其实我并不在意你的代码是不是 100% 由 AI 写的。但如果你无法解释架构决策、无法为自己的权衡取舍辩护、无法识别哪里可能出问题，那你就错过了这个项目本应带给你的最大机遇之一。
AI 降低了构建软件的门槛，但它并没有降低理解软件、做出正确决策的标准。
我们在最新一期的 The Programming Podcast 中深入讨论了这个话题，因为我认为开发者需要从根本上重新思考：他们做作品集项目到底想达成什么。
#code #coding #programming #softwareengineering
相似文章
@dotey: https://x.com/dotey/status/2055097242755706984
资深开发者常因过于强调代码复杂性而无法与业务团队有效沟通，而业务团队真正关心的是消除不确定性。文章建议开发者用“能不能试个更快的办法”来拉通双方案，并指出AI虽能快速写代码，但承担责任的仍是人类。
@ai_super_niko: https://x.com/ai_super_niko/status/2070299861757616606
本文讨论了在AI能写代码的时代，计算机从业者是否还需要学习技术。作者认为，语法和API等表层技术正在贬值，但算法、设计架构和判断力等深层能力变得更加重要，学习重心应从初级技能转向高级工程师所需的知识。
@FinanceYF5: AI时代的职业建议，来自一个在Scale、OpenAI、Google都待过的人 1/ AI能解决所有有标准答案的问题 学校考试、Leetcode、系统设计——这些正在变成AI的主场 真正值钱的，是那些写不出loss function的能力
一位曾在Scale、OpenAI、Google工作的从业者分享AI时代的职业建议：AI正擅长解决有标准答案的问题（如考试、Leetcode），而真正稀缺的能力是那些无法用loss function定义的技能。
@ba_niu80557: 趁上午有点时间给大家聊点硬的干货。 一个 AI 落地项目,从签完合同到真正跑进生产,这中间到底发生了什么,我把这套打法摊开讲一遍。做这行的可以照着抄,不做这行的也能看明白,为什么 95% 的企业 AI 试点最后都死了。 先说一个反直觉到你…
这篇文章讨论了企业AI项目从概念验证到生产部署过程中常见的失败原因，强调了MLOps、提前检查真实数据、明确人机边界等关键实践，认为项目失败往往不是因为模型不行，而是因为工程落地环节的忽视。
@KengGuangLong: https://x.com/KengGuangLong/status/2057311636348944738
微软2026年《未来工作》报告指出，生成式AI正以前所未有的速度重塑职场，但红利分配极不均匀，初级岗位受冲击最大；AI正从加速工具变为协作伙伴，人的专业判断力反而更加重要。