零经验，无限杠杆

当人们听说我们在大举押注AI的同时，还要将实习项目规模扩大10倍时，我收到了很多疑问。

业界的主流思路是这样的：AI负责处理样板代码，而初级工程师过去就是做样板代码的，所以实习生和新毕业生会首先被裁掉。

我们押了相反的赌注。我们将比以往任何时候都招聘更多实习生，并向他们发出更多全职offer，因为我们全面拥抱了AI。

我想解释一下原因，并告诉你我认为在开启工程职业生涯这件事上，哪些方面确实发生了改变，哪些方面则完全没变。

Shopify的AI

Shopify认真对待AI编程已不是什么秘密。Tobi关于“反射性使用AI“的备忘录对Shopify内部AI的使用和认知产生了巨大影响。如果你正开始自己的技术职业生涯，你可能应该衡量一下，这家公司自身准备得如何，以及能否让你准备好，去应对我们行业正在经历的变化。

我们构建了一个名为River的东西。River是一个编程代理，与你可能在本地使用的Claude Code、Codex、Pi或其它任何工具套件都不同。你可以把River想象成你的编程搭档，它已经完成了入职，熟悉我们的代码库，并且深入理解它。River是一个永远有充足时间陪你的高级开发人员。

使用River，你只需在Slack频道中@river，就像@一个同事一样。它可以读取代码、编写代码、运行测试、查询我们的数据仓库、查看生产环境追踪信息，以及发起PR。根据设计，它不回应私信。如果你给River发私信，它会礼貌地告诉你建一个公开频道。Tobi在这里写过关于River的文章，以及我们做出这些决定的原因。

这个“仅限公开“的限制对我们产生了最大的影响，也正在最大程度上改变我们处理实习项目的方式。

过去一个月，Shopify约有5，938人在4，450个公开Slack频道中与River合作。在两个月内，River发起的PR合并到生产环境的成功率从36%提升到了77%，而这些改进几乎都不是来自底层模型本身。它来自于人们观察River工作，注意它在什么地方卡住，然后记录下它本应知道的东西。智能体变得更好了，是因为整个公司在使用它的过程中变得更好，而且是公开地、让所有人都能看到地使用它。最初只是一个单人工具，演变成了一项多人协作的活动。

这就是我希望新工程师理解的部分。River不仅仅是一个智能体，它是能够帮助你比以往任何时候都更快地加速实习和职业生涯的东西。我们正在大力投资它，我认为这对你来说是一个巨大的机会。

我们都能受益的指导

几十年来，我先后在小型和大型公司管理过实习项目。

实习生最需要、也一直最难获得的东西，就是接触真实工作、获得真实反馈、找到一个能解释“为什么事情是这样的“真人。正因为如此，实习的瓶颈一直是资深工程师的时间。

在River出现之前，如果你是一个新工程师，想学习资深人员如何界定一个问题，你就必须要么在场，要么等他们写下来。现在，你可以翻看#tobi_river频道，实时观看我们的CEO与一个智能体讨论问题。你可以每天在我自己的#farhan_river频道里看到我工作。你可以阅读公司完全不同部门的一个后端工程师是如何说服River构建出正确的日志查询的，然后在第二天，你自己工作时尝试相同的提示词。

当我还是实习生时，通过观察学习意味着只能和一个前辈结对编程一个下午。那种互动和指导仍然是黄金标准，但现在，你也能通过阅读成千上万条公开线程来支持这种学习，在这些线程里，正是那些经验丰富的工程师在你面前大声思考。你会看到他们做出天才之举、犯下愚蠢错误，甚至主动寻求帮助。

你仍然需要主动去争取

根据我的经验，在Shopify，指导对那些积极去获取的人最有帮助。River让它变得更加可见，但仅仅看到并不会自动变成学习。你仍然需要阅读那个线程。你仍然需要在频道里提出后续问题。你仍然需要在自己工作中尝试那个技巧，并在它失败时注意到。

在我合作过的实习生群体中，成长最快的往往不是那些简历最传统的人。成功的实习生是那些把“新“当作资产的人。他们早早提问，在有选择时接受更困难的问题，然后反复练习。

这在现在之所以比以前更重要，而不是更不重要，是因为当生产代码的成本下降时，作为真正理解生产了什么以及为什么的工程师，其价值反而上升了。我认为，有好奇心的工程师现在拥有的杠杆比过去大得多。

我过去写过关于“艰难之路“的文章，以及我如何认为即使最终没有成功，它往往也会带来回报，因为你会从中获得技能和人际关系。我想说，现在开始走艰难之路更容易了，但完成它同样艰难。AI能让你快速完成第一个原型，给你提供可选择的方案，甚至能独立完成整块工作，但它无法取代伴随人类经验而来的好奇心、创造力和判断力。

为什么现在可能是开启职业生涯的最佳时机

有三件事让这个时刻变得特别。

第一：你本来就乐于接受新工具。行业里大多数人都有需要放弃的习惯。他们必须“采用AI“，这其实是礼貌地说他们必须对抗自己的肌肉记忆。而你不需要。对你来说，AI并不是加装在旧工作方式上的新工具。它只是完成工作的方式。你是AI原生一代。我们在十年前招聘移动优先一代的开发者来构建移动应用时，就看到了完全相同的情况。我们不想要那些正在适应移动端的人。我们想要那些只知道移动端是什么的人。现在，面对AI，你就是那个人。

第二：你会问“为什么“。“我们为什么要这样做？“并且你是带着真正的好奇心在问，而不是作为批评。你会抓住机会挺身而出，去构建那个每个人都说太野心勃勃而不敢尝试的原型。去年，你的一位同龄人删除了六行代码，为Shopify每年节省了大约60万美元的基础设施成本。六行。地球上没有任何活动指标能标记出那是高产的一天。无论情况如何，“初学者心态“现在都具有巨大价值。

第三：如果你完成了实习，你已经通过了面试。四个月的实习是我所知道的最好的技术面试。八小时的面试只能告诉我一些信息。四个月的真实工作——在我们的代码库中，遵循我们的审查流程，在真实的团队里——则几乎能告诉我一切。我们会将相当数量的实习生转为全职员工，并且在我们发出offer时，我们已经非常有信心知道是否存在契合度。当你在公开场合工作了四个月后，你不需要向我推销你的故事。你的工作本身就已经讲完了这个故事。

我们现在如何评估技术人才

我们还在摸索中。我们从滑铁卢大学借鉴的框架包含三种模式：

• 不允许使用 AI。 你能手写代码吗？你理解你当前工作层下面一层的原理吗？

• AI 可选。 你知道何时该用它，何时该推动自己进一步思考吗？

• AI 强制。 问题太大，时间不够。你能界定范围、给出提示、验证输出，并交付一个能用的东西吗？

我喜欢这个框架，而且我确信它还需要发展。最大的悬而未决的问题是，在这些技巧上得分高的候选人，是否真的能在未来一两年内表现出色。我认为行业内还没有人真正解决这个问题。我们正在密切观察我们的实习生群体，以找到答案。

有一点我们没有改变：无论谁提交PR，谁就拥有其中的代码。你可以使用任何AI工具。但人工审查者仍然会在上面署名，你也会。目前，AI在Shopify不能独自合并代码。

为什么是Shopify

我不会说Shopify是开启工程职业生涯的唯一好去处。但我可以论证，对于某类特定的人来说，现在来这里绝对是你的最佳选择。

结对编程刻在我们的基因里。这个“对“中的第三个成员，现在是一个智能体，它是我们交付文化中很深的一部分，而且它的设计初衷就是帮助你学习。我们的沟通模式默认公开。River让这种文化对你来说是可检索的。我们拥有一个足够大的单体代码库，你可以花数年时间学习新的部分；我们的部署节奏也足够激进，让你在最初几周就能上线代码。我们的领导层也会写代码：我仍然会参加面试中的结对编程环节，Tobi也在任何人都能阅读的频道里公开使用River工作。

我为你担心的风险

当我想到有人开始他们职业生涯时，有几件事让我夜不能寐。

首先是认知萎缩。你可能称之为“脑腐化“。大脑就像肌肉。如果你让AI替你完成所有思考，你就会失去独立思考的能力，而当模型自信满满地给你一个关于你不理解的系统的错误答案时，你会立刻感受到后果。我在团队里的经验法则是，你应该能够解释你当前工作层之下两到三层的事情。AI可以帮你学习。但它不能替代你真正需要完成的学习。

第二是用产出量来评估和被评估的诱惑。代码行数、提交的PR数、消耗的token数。这些都看不出工作是否出色。那位一年节省60万美元的实习生，那一周写的是负数行代码。每周的演示仍然是我们判断是否完成了真正工作和取得进展的最可靠信号。

第三是确保实习生获得真正的指导，而不仅仅是使用工具的权限。River无法取代资深工程师与初级工程师结对解决难题。它扩展了那一小时内结对编程可以覆盖的范围。

如果你正处在职业生涯早期

三十年来，我给早期职业工程师的建议从未改变。AI只是移除了你不遵循它的最后借口。

去构建一些东西。不是课程项目。不是简历上的要点。而是一个真正能解决你自己或你认识的人的实际问题的东西。把它放到GitHub上。找一个有issue的开源项目，试着修复一个。如果你想在Shopify工作，就用我们的API构建一些东西。世界上有趣的工作比做这些工作的人多。你不需要一份工作才能开始。

然后来找我们，或者去找任何能让你与比你强、并且愿意解释为什么的人一起做真正工作的地方。开启职业生涯的正确地方，就是那个能让你成长最快的地方。对于某类好奇、专注、AI原生的特定人群，我认为Shopify现在是你最好的选择，我也正在努力配得上这个评价。

我们今年再次招聘1，000名实习生。这个赌注和我22岁时会为自己下的赌注一样：去工作有趣、文化成熟、工具精良的地方。

然后，投入练习。