一位团队负责人自述：有了 Claude Code 后我不再想招初级工程师

我没花出去的那笔预算

上个月，有人给了我每个团队负责人都梦寐以求的东西：招人预算。不是一张空白支票：我仍然得为每个名额给出理由，说明每个人会去做什么，以及为什么我们真的需要他们。但门已经打开了。而我却很难说出那个“好”。

不是因为我们不需要帮助。我们正被工作淹没。我之所以犹豫，是因为自从我们开始为 Claude Code 付费以来，我不再觉得还需要再招一个初级员工。

写下这句话很难看。但它也是我最诚实的想法，而这正是这篇文章存在的原因。

项目数量翻了三倍，人数没变

我在一家大得多的公司里带一个小团队，10 到 15 个人。直到不久前，我们一次只做两三个正经项目。如今我们同时做五个、六个，有时七个。每个项目都足够大，单拎出来都足以成为一家独立公司的旗舰产品。

我们的项目数量翻了三倍。我们的人数没有翻三倍。差别在于 AI 智能体。

公司注意到了生产率的跃升，并做了合理的事：给了我们扩张的预算。我们招了两名初级员工。现在他们在问我们是否还想要更多。眼下，我倾向于不要。

难看的算术

以下是我脑子里正在进行的计算，它听起来有多冷血，我很抱歉。

带一个初级员工，我得解释工作。我期待什么、该怎么做、为什么重要。然后我检查进度。然后我纠正。然后我再解释一遍。工作要落到我需要的位置，得花上几天，有时几周，来回反复。

用 LLM，我花 20 分钟描述问题。我看看返回的结果。通常达到初级员工的水平。有时更好，带着我没想到的解决方案。

而且我可以同时跑五个这样的任务。我不可能同时带五个初级员工，除非我变成全职老师。所以当有人递给我预算时，我大脑里那个自私、高效的部分说：把并行化用在智能体上，而不是人身上。这样更快。

A terminal window titled “hr — headcount”: a request for 3 juniors, budget approved, “proceed with hiring?” answered N, then “spawn agents –count 5”.

而且不只是我。团队里每个人都有 Claude Code。资深员工用得极好，他们比以往任何时候都更高产。那两名初级员工也在用，表面上他们看起来更快了。但产出并不精确，得来回几轮才能落地。一个带着智能体的初级员工并不能省去我解释的功夫。它只是把解释挪到了别处。

我大脑里的那个部分在速度上是对的。我不确定它在其他方面是否也对。

我仍然会做的事

尽管如此，我仍然继续押注我们那两名初级员工。我仍然把真正的问题交给他们。我仍然花时间去解释，哪怕把同样的提示词敲进智能体会更快。我是故意这么做的，因为没有人能在没人花时间培养的情况下成为资深员工。曾经有人在我身上花了这些时间。

而且说实话，我觉得那套难看的算术是错的。或者至少是不完整的。

我和智能体那 20 分钟之所以有效，只是因为我是一名资深员工。那段提示词是多年经验压缩成的几段话。如果没有那些积累出这些年月的人，十年后将没有什么可压缩的。

智能体也不会成长。它变好是因为供应商发布了新模型，而不是因为我在它身上投入了。初级员工的成本会随时间下降：第十次解释比第一次短，而有一天，他们会成为向下一任解释的人。初级员工是投资。智能体是开销。问题在于，季度预算非常擅长衡量开销，却非常不擅长衡量投资。

但我很清楚，一个季度又一个季度，这是我违背自身利益做出的选择。而一个依赖每个团队负责人违背自身利益来做选择的体系，根本算不上体系。那只是希望。

如果我在这么想，那所有人都在这么想

我并不特殊。如果这个念头在我脑中闪过，那它也在成千上万个拥有同样工具、同样截止日期的管理者脑中闪过。没有人被解雇。没有人上头条。那些空缺职位只是悄无声息地不再被填补。

那些宏大的预测并没有捕捉到这一点。高盛研究将AI驱动的岗位流失基线定在美国劳动力的6%至7%，区间为3%至14%，并预计这一影响是暂时的。这个数字衡量的是失去工作的人。它没有衡量那些从未开放的岗位。

关于第二种效应的早期数据已经存在。一项基于ADP薪资数据的斯坦福研究发现，在AI暴露程度最高的职业中，22至25岁人群的就业相对下降了13%；对于年轻软件开发者而言，到2025年7月，就业较2022年峰值下降了近20%。一份2026年的更新将这一差距定为19%，高于一年前的13%。与此同时，经验丰富的劳动者的就业持续增长。

这正是我从自己的工位上看到的：拥有智能体的资深员工吸收了那些曾经作为训练场的工作。问题不在今天。而在十年之后，当我们需要资深员工时，本该有他们的地方却出现了一个整整一代人那么大的空洞。

我真心希望自己错了，而且有严肃的研究表明我可能确实错了。耶鲁预算实验室和布鲁金斯学会的一项研究发现，自ChatGPT发布以来，美国劳动力市场没有出现可察觉的扰动，并认为入门级岗位的困境更可能是更广泛市场动态的一部分，而非AI的直接效应。我希望他们是对的。但研究衡量的是已经发生的事。这篇文章讲的是我今天正在做的决定。

我们在进行一场错误的辩论

打开任何一家主流媒体，关于AI的讨论都是关于模型是否有价值观、它们能否有道德、它们“想要”什么。这些哲学问题毫无结果。归根结底，它只是一个函数。我们在辩论一个函数的道德性。

与此同时，真正的影响已经到来，却几乎无人谈论。不是机器人接管世界。而是欧洲某处的某个团队负责人看着招聘预算，认定一份20美元的LLM订阅是更划算的选择。

真正重要的道德问题不是模型的。是我的。是每个管理者的、每家公司的、每位政策制定者的。

这个函数不会选择跳过一代招聘。是我们选择的。

那么，我会招初级员工吗？

这个标题是一种挑衅，它也正是我的利益在告诉我的。我不喜欢这样，而且我认为我并不孤单。

我没有一个干净的答案。我知道的是，培养一名初级员工的成本过去由所有人共同承担，因为每个人都需要初级员工来完成工作。这已不再成立。如果培养下一代现在成了一种没有短期回报的成本，那就必须有人刻意决定去支付它：公司、团队、像我这样的个体负责人。

所以，这是我对现在正在带团队的每一个人的问题：当你拿到预算时，你打算怎么用？诚实一点。我刚才就诚实了。