夜雨聆风会写代码，不等于会做工程
AI 现在最强的能力，是把清晰任务快速变成可运行代码。补函数、改 Bug、搭接口、生成脚手架，这些它都越来越熟练。但一家真正做大模型产品的公司，难点从来不只是“把代码敲出来”，而是把系统长期稳定、安全、可扩展地跑起来。
Anthropic 这种公司要处理的，是训练、推理、调度、监控、容灾、权限、计费、安全、灰度发布等整套系统问题。这里面很多工作不是机械编码，而是技术决策、架构权衡、跨团队协作和结果负责。AI 能提速，但还远远没到可以独立扛责的程度。
AI 越强，工程需求反而越大
很多人以为 AI 会减少工程工作，现实却更像是把工程复杂度整体抬高了。过去做软件，重点是业务逻辑；现在做 AI 产品，还要处理模型波动、延迟、成本、幻觉、评测和反馈闭环。每多一种能力，背后往往都要补一层平台和基础设施。
换句话说，AI 没有让工程消失，而是让工程从“实现功能”升级成“管理复杂性”。模型能不能稳定、工具调用会不会失控、成本会不会被高并发打爆，这些都需要大量工程师持续盯着。
公司招的不是“打字员”，而是“负责人”
Anthropic 继续招人，补的不是只会写代码的人，而是能把模糊目标拆成方案、把研究成果变成产品、把风险提前收住的人。工程师的价值，正在从“执行”转向“负责”。
当 AI 让开发效率提升后，公司通常不会选择少做事，而是会做更多事。原来一年做 3 个功能，现在可能想做 10 个；原来只做实验，现在要正式商业化。效率提升带来的不一定是裁员，更可能是扩张。
这其实很好理解。假设以前一个团队只能勉强维护核心产品，那么有了 AI 之后，它就有机会同时推进企业版、移动端、开发者平台和行业解决方案。事情不是变少了，而是可做的事情突然变多了。对一家高速增长的 AI 公司来说，真正的瓶颈很快就不再是“有没有人写代码”，而是“有没有人能把更多方向真正落地”。
写在最后
所以，Claude Code 很强，和 Anthropic 还在大量招聘，并不矛盾。前者提升的是编码效率，后者需要的是把复杂系统真正做成产品的人。代码只是最容易看见的一层，真正稀缺的始终是判断、协作、架构和责任。
AI 会替代一部分重复劳动，但也会催生更大的产品野心和更复杂的工程体系。对 Anthropic 来说，AI 不是停止招聘的理由，反而是继续招工程师的原因。
