@MMMusol: AI时代不只是需要"工程师"了，更需要的是这五种人 Anthropic 招人不只是看前端后端了，看你属于哪种“认知原型”。 Claude Code 负责人 Boris Cherny 是这么说的： 随着工程、产品、设计、数据科学逐渐融合为新…

X AI KOLs Following 新闻
ai-talent cognitive-archetypes anthropic claude-code workforce-trends engineering-culture

摘要

Anthropic Claude Code负责人Boris Cherny提出AI时代团队需要的五种认知原型：原型师、构建师、清道夫、培育师和维护师，并讨论了跨领域通才、低自我和经验主义三个选人标准。

AI时代不只是需要"工程师"了，更需要的是这五种人 Anthropic 招人不只是看前端后端了，看你属于哪种“认知原型”。 Claude Code 负责人 Boris Cherny 是这么说的： 随着工程、产品、设计、数据科学逐渐融合为新型职能，我一直在思考未来岗位形态。看 Claude Code 团队，我看到五种原型角色： 1. 原型师（Prototyper）：提出全新想法，快速产出大量创意，大多数不会上线。 2. 构建师（Builder）：将原型迅速转化为生产级产品/基础设施。 3. 清道夫（Sweeper）：清理 UI、简化系统、下线冗余功能、优化性能。 4. 培育师（Grower）：接手已建成的产品，持续迭代提升 PMF。 5. 维护师（Maintainer）：负责成熟系统，确保扩展中安全、可靠、快速、高效。 很多人同时覆盖两三个角色。这些角色不绑定岗位——Anthropic 内部有设计师是第1类，也有是第3类；工程师、PM、DS 同理。 健康团队需要按产品阶段配置： PMF 前期需要 1+2+3； 增长期需要 2+3+4+部分5； PMF 很强时需要 3+4+5+部分2。 Sweeper 太真实了，但为什么要和 Maintainer 分开？ Sweeper 我认为是对行业的精准吐槽：每个团队都知道技术债在堆，但真正愿意砍功能、删代码的人永远是少数。AI 加速了代码生产，也加速了垃圾堆积，Sweeper 反而更稀缺了。 我最初有个困惑：这不都是“代码治理”吗？ 区别在时间尺度和心智模： Sweeper 是手术刀，进去切坏死组织，缝合走人，阶段性的，需要审美判断，本质是设计决策。 Maintainer 是园丁，每天浇水修剪，观察哪片叶子发黄，持续渐进，需要对系统全貌有深度记忆。 一个需要品味和决断力，一个需要耐心和系统思维。“知道什么不该存在”和“确保存在的东西持续健康”——这两种气质很少同时出现在一个人身上。 那么AI 时代顶级团队选什么人？ Boris 在 Fortune Brainstorm Tech 大会上给了三个标准： 通才 “我们喜欢在不止一个领域有认知的人——工程加设计、工程加产品、数据科学加设计。” 角色边界消融后，Prototyper 不懂设计就没法验证用户直觉，Builder 不懂产品就只能造真空里的 demo。 低 ego “你得能接受自己的想法可能是错的。” Prototyper 大多数创意不会上线，Sweeper 要砍别人甚至自己的代码，Grower 要接受数据说用户不买账，Maintainer 要接受自己的工作永远不进发布公告。每个角色都需要放下自我。 经验主义者。 “从数据中学习、锚定在现实中。” PMF 不是想出来的，是测出来的。经验主义意味着愿意在证据面前放弃投入三个月心血的信念。 三条的共通点：AI 时代顶级人才不是全栈工程师，而是能跨认知维度切换、对自己判断保持怀疑、用数据做最终决策的人。 不过角色只是认知姿态，不是岗位 Boris 框架最锐利的地方不是列了五种角色，而是“不绑定岗位”。 未来组队逻辑会从“两个前端、一个后端、半个 PM”变成“两个 Builder、一个 Sweeper、一个 Prototyper，专业背景无所谓”。 所以对个人而言，与其先问学什么，不如先问“我天然是哪种角色”。 技术栈可能会过时，AI 会替你写代码，但“看到混乱就手痒想清理”或“拿到半成品就想找用户”——这些本能是替代不了的。 当 AI 几分钟生成完整原型，Prototyper 的价值是“知道该做哪个”；当 AI 自动重构代码，Sweeper 的价值是“知道哪些复杂性不必要”。每个角色的价值都从执行层上移到判断层——而判断力需要跨领域认知、低 ego、经验主义精神才能培养。 在 AI 替你干活的时代，你的工作不是干活，是决定该干什么。
查看原文
查看缓存全文

缓存时间: 2026/06/29 20:44

AI时代不只是需要“工程师“了，更需要的是这五种人

Anthropic 招人不只是看前端后端了，看你属于哪种“认知原型”。

Claude Code 负责人 Boris Cherny 是这么说的：

随着工程、产品、设计、数据科学逐渐融合为新型职能，我一直在思考未来岗位形态。看 Claude Code 团队，我看到五种原型角色：

  1. 原型师（Prototyper）：提出全新想法，快速产出大量创意，大多数不会上线。

  2. 构建师（Builder）：将原型迅速转化为生产级产品/基础设施。

  3. 清道夫（Sweeper）：清理 UI、简化系统、下线冗余功能、优化性能。

  4. 培育师（Grower）：接手已建成的产品，持续迭代提升 PMF。

  5. 维护师（Maintainer）：负责成熟系统，确保扩展中安全、可靠、快速、高效。

很多人同时覆盖两三个角色。这些角色不绑定岗位——Anthropic 内部有设计师是第1类，也有是第3类；工程师、PM、DS 同理。

健康团队需要按产品阶段配置： PMF 前期需要 1+2+3； 增长期需要 2+3+4+部分5； PMF 很强时需要 3+4+5+部分2。

Sweeper 太真实了，但为什么要和 Maintainer 分开？

Sweeper 我认为是对行业的精准吐槽：每个团队都知道技术债在堆，但真正愿意砍功能、删代码的人永远是少数。AI 加速了代码生产，也加速了垃圾堆积，Sweeper 反而更稀缺了。

我最初有个困惑：这不都是“代码治理”吗？

区别在时间尺度和心智模：

Sweeper 是手术刀，进去切坏死组织，缝合走人，阶段性的，需要审美判断，本质是设计决策。

Maintainer 是园丁，每天浇水修剪，观察哪片叶子发黄，持续渐进，需要对系统全貌有深度记忆。

一个需要品味和决断力，一个需要耐心和系统思维。“知道什么不该存在”和“确保存在的东西持续健康”——这两种气质很少同时出现在一个人身上。

那么AI 时代顶级团队选什么人？

Boris 在 Fortune Brainstorm Tech 大会上给了三个标准：

通才

“我们喜欢在不止一个领域有认知的人——工程加设计、工程加产品、数据科学加设计。”

角色边界消融后，Prototyper 不懂设计就没法验证用户直觉，Builder 不懂产品就只能造真空里的 demo。

低 ego

“你得能接受自己的想法可能是错的。”

Prototyper 大多数创意不会上线，Sweeper 要砍别人甚至自己的代码，Grower 要接受数据说用户不买账，Maintainer 要接受自己的工作永远不进发布公告。每个角色都需要放下自我。

经验主义者。

“从数据中学习、锚定在现实中。”

PMF 不是想出来的，是测出来的。经验主义意味着愿意在证据面前放弃投入三个月心血的信念。

三条的共通点：AI 时代顶级人才不是全栈工程师，而是能跨认知维度切换、对自己判断保持怀疑、用数据做最终决策的人。

不过角色只是认知姿态，不是岗位

Boris 框架最锐利的地方不是列了五种角色，而是“不绑定岗位”。

未来组队逻辑会从“两个前端、一个后端、半个 PM”变成“两个 Builder、一个 Sweeper、一个 Prototyper，专业背景无所谓”。

所以对个人而言，与其先问学什么，不如先问“我天然是哪种角色”。

技术栈可能会过时，AI 会替你写代码，但“看到混乱就手痒想清理”或“拿到半成品就想找用户”——这些本能是替代不了的。

当 AI 几分钟生成完整原型，Prototyper 的价值是“知道该做哪个”；当 AI 自动重构代码，Sweeper 的价值是“知道哪些复杂性不必要”。每个角色的价值都从执行层上移到判断层——而判断力需要跨领域认知、低 ego、经验主义精神才能培养。

在 AI 替你干活的时代，你的工作不是干活，是决定该干什么。

Boris Cherny (@bcherny): As engineering, product, design, DS, etc. melt into a new kind of role, I was reflecting on what roles might look like in the future. For example, when I look at the Claude Code team I see what I think is five archetypes:

  1. Prototyper: comes up with brand new ideas; churns out

相似文章

@hongming731: 阿里这篇关于 AI Native 时代组织研发的思考非常值得一读。它在思路一个非常重要的底层问题：过去两千年的组织形态，都是围绕人的局限建立起来的。 人会遗忘，会疲惫，会误解，会有情绪。一个人能够稳定协作和管理的人数有限，信息在层级之间传…

X AI KOLs Timeline

阿里发布关于AI原生时代组织研发的思考，指出传统组织形态需从适应人类局限转向适应AI Agent的高效执行。文章强调，AI转型的核心瓶颈在于信息形态的落后，需将隐性经验转化为AI可理解的基础设施，同时保留人类在创新和文化建设中的核心作用。

@ba_niu80557: https://x.com/ba_niu80557/status/2071277244287426980

X AI KOLs Timeline

文章深入分析了Anthropic因AI代码生成变得极其高效而面临的内部变化：瓶颈从“写作”转移到“验证”，传统管理、长期规划和努力衡量失效，注意力成为新的稀缺资源，工程师甚至感到孤独。这些现象预示了其他公司未来可能面临的挑战。