练级场被吃掉，十年后谁当资深

AI 真正啃掉的可能不是初级岗位，是通往资深的那条路。 这篇中文长文从赵斌的演讲起头，抛出一个更慢的问题：AI 太容易被当成跳过学习的工具。亲手敲代码的环节省了，追报错根因的环节省了，那些失败几十次才摸到门的弯路也一并省。产出瞬间到位，人就顺理成章地把这记成效率红利。 可判断力偏要在低效里长。新人做简单任务，踩坑，翻别人写的代码，挨审查，改完再踩。几年攒下的不是知识清单，是闻得出问题味的本事。 问题来了。最适合练手的活，正是最先被 AI 接走的那层。简单接口，常见报错，查询语句，初版代码，翻文档，写测试。全被自动化了。 企业的算盘也顺：少招初级，多用 AI，对剩下的人直接抬要求。账面上立竿见影，人才账要五年十年才结。哪有招聘启事一挂出"五年经验"，符合条件的人就排着队来这回事。 我最认文里那个画面。新人很早就能交出"资深级结果"，代码能跑，测试通过，提交干净，解释像样。唯独判断力还没长出来。这种差距平时看不见，要到没有标准答案才露馅。需求彼此打架，测试全绿可架构早走偏，今天完美的方案，半年后成了几个团队排队还的债。 文中留的小实验我很想试。挑一件平时全甩给 AI 的活，自己从头到尾走一趟。不为快，只为清点还剩多少训练攥在机器手里。 再往远想一步：如果整条晋升通道的底座都被自动化，靠 AI 产出撑起来的履历，够不够撑起下一次架构评审。答案大概要等第一起没人看得懂的事故。