Vibecoding 职业冲击研究：岗位消亡、转型与新角色（AI 工程师、规格工程师）

1背景：冲击的逻辑——AI 替代的是任务，不是岗位

"AI 取代程序员"是不精确的说法。经济学视角下，岗位是任务的集合：写 CRUD、改样式、补测试、排障、需求沟通、架构权衡、事故响应。当前 AI 编程工具吃得下的是规格明确、反馈即时、爆炸半径小的任务——恰好是初级工程师的传统口粮；吃不下的是定义模糊、跨系统、需要为结果负责的任务——恰恰是资深工程师的位置。所以第一波冲击呈"哑铃的另一头先掉"的形态：入门岗位收缩，资深岗位相对稳固（40 岁以上开发者就业未见同幅度下滑）。理解这一点，转型方向就自然浮出：尽快跨过"任务执行层"，进入"结果负责层"。

2现状与数据

两份"打脸式"对照数据也值得放进决策框架：美国劳工统计局的长期预测仍认为软件开发岗位 2024–2034 年增长约 15%（官方口径，未计入 AI 变量的历史外推）；而 Anthropic CEO Dario Amodei 在 2025 年多次公开预言"3–6 个月内 AI 将写出约 90% 的代码"。真实情况大概率在两者之间：代码产量暴涨、单代码价值下跌、总岗位数缓降而岗位定义剧变。

薪资与议价格局也在重排（定性观察）：初级岗的供给过剩压低了"标准全栈"模板简历的议价力；反过来，能端到端交付的工程师在中小公司更抢手——因为"一个顶过去一个半"的配置在小团队杠杆最大。接单/自由职业市场的变化更剧烈：模板型外包（企业官网、CRUD 后台）报价被 AI 打到地板价，而"帮企业把 AI 编程引入现有系统并守住质量"的咨询型工作单价在上升。给接活者的启示：卖"结果与风险兜底"，别再卖"页面数 × 工时"。

3案例与纠偏：预言、现实与反例

4新角色地图

• AI 工程师（AI Engineer）：不训大模型，而是把模型、agent、工具链组装成可靠产品的人；技能栈是工程为主、懂评估与成本。这是 2024–2026 年招聘帖里增速最快的头衔之一（定性观察）。
• 规格工程师（Spec Engineer）：Spec-Driven Development 兴起的伴生角色（GitHub 2025 年开源 spec-kit 工具库是标志性事件）——把模糊需求写成机器可执行规格、拆解任务、验收 agent 产出。写得好规格的人，等于同时指挥十个 agent。
• AI 代码审计/安全：AI 生成代码的质量与漏洞问题（见本系列 022 篇的 62% 缺陷率数据）催生专职审查角色，安全厂商与企业平台均在扩招（定性）。
• Agent 运维：管理 agent 舰队的评估、护栏、预算与权限——像当年的 SRE 之于服务，AIOps/agent-ops 之于 agent。
• 产品工程师回潮：一人 + AI 可覆盖全栈，创业团队更愿招"端到端交付结果"的通才，而非单一层级专家。

按工龄给三条具体路径。0–3 年：目标是尽快拥有"完整系统"——主动接管一个没人愿意管的小服务，从监控、发布到故障全流程负责，用 AI 补足经验差距，两年后你就是"带过生产系统的人"而非"写过页面的人"。3–8 年：目标是从实现者变成放大器——把团队级的 AI 工作流（规则库、评估集、护栏流水线）做出来并度量其效果，这类"平台性贡献"在晋升评审中的权重正在快速上升。8 年以上：你最大的风险是经验垄断被文档化与 agent 化——趁现在把判断力产品化（架构决策记录、评审清单、领域 agent 评测基准），从"被请教的专家"变成"系统能力的设计者"。

5风险与误区

6行动建议

• 做一次"任务审计"：把过去一个月的工作拆成任务清单，标出哪些 AI 已能做 80%——这些是你要在半年内自动化或升级掉的；剩下的是你的护城河，刻意加深。
• 用一个真实项目练"规格能力"：写 spec-kit 风格的规格文档，交给 agent 执行，度量"一次通过率"，迭代你的写法——这是规格工程师的核心训练。
• 每季度产出一个"AI 无法独立完成"的公开成果：架构决策复盘、故障复盘、领域工具、深度重构——让市场看到你处在结果负责层。
• 初级工程师：主动申请 owning 一个小服务（从监控到回滚全流程），用 AI 提效补经验差距；别只在"任务执行层"内卷速度。
• 资深工程师：把经验沉淀为团队资产——AGENTS.md 规则库、评估集、护栏流水线（见本系列 003/012 篇），这比多写代码杠杆大一个量级。
• 管理者：重写岗位描述——招聘从"X 年语言经验"转向"交付过什么系统 + 如何用 AI 放大交付"；同时为团队设定 AI 代码的质量门禁，避免效率反噬。
• 所有人：订阅 1–2 个高质量一手信息源（如 METR、Stack Overflow 年度调查、各厂商工程博客），季度校准一次自己的判断，别被周级噪音带着走。