AI Coding 重塑研发分工前后端走向融合大厂正在告别单一栈工程师大厂研发团队的组织架构正在迎来一轮新变化。 据大厂日爆消息美团 CLC 食杂零售 Keemart 研发团队近期落地架构调整前端、后端团队正式合并新组织模式已经生效。相关前端员工提前一个多月启动后端技能学习适配新的工作模式。无独有偶蚂蚁网商也推出测试岗转研发的转型方案设置半年过渡周期过渡期结束后原有测试人员将转型为全栈研发人员。Claude Code 创作者 Boris Cherny 日前发文抛出对未来研发岗位形态的思考。随着工程、产品、设计、数据科学等岗位职能不断交融传统按职能切分的组织方式或许会被一套全新角色模型替代。基于对 Claude Code 团队的长期观察Boris 归纳出五类核心角色原型原型探索者源源不断输出新思路快速落地大量创意方案其中大部分方案不会最终上线构建者把原型和想法快速落地产出可投入生产环境的产品与基础设施系统清理者优化交互界面、精简代码与系统逻辑、下线冗余功能持续打磨性能产品增长者产品成型之后持续迭代优化不断拉近产品和市场需求的匹配度系统维护者负责成熟业务系统长期稳定运行保障业务在规模扩张后依旧安全、低延迟、稳定高效。他同时提到不少从业者会同时承担两类甚至三类角色。而且这些角色并不绑定固定岗位。在 Anthropic 内部设计师、工程师、产品、数据科学家都有可能对应上面任意一类角色。只掌握 React 就能拿到面试邀约的时代正在远去。随着 AI 编程工具快速普及技术岗位划分规则迎来重塑前后端之间清晰的分界线慢慢淡化全栈能力成为企业招聘的核心诉求。企业不再只需要单纯的前端开发更期待候选人能够独立对接后端接口、读懂数据库设计独立走完需求开发、部署上线的完整链路。字节、阿里的招聘需求已经释放出明确信号。 不少开发者感慨当下大厂几乎都在扩招全栈工程师。 有从业者分享“前后端的分工界限越来越模糊。我们团队现在优先招可以端到端承接需求的人。专项深耕的能力依旧加分但只会写前端、碰到后端需求就无法承接的开发者已经很难适配绝大多数团队。”招聘市场上岗位合并的趋势十分明显。 谷歌推出的全栈应用工程师岗位偏向业务开发前端只是工作的一小部分需要覆盖软件交付全流程。传统前端岗位聚焦界面与工程实现而该岗位要求员工跟进需求沟通、方案落地、上线交付以及后续运维甚至承接部分业务分析、解决方案相关工作。字节招聘平台上的「AI 全栈工程师 - 视频与边缘」岗位虽然归类在前端类目下但工作范围已经拓展到 AI 产品工程落地、Agent 服务编排、多端 SDK 开发、音视频底层能力、云平台建设等方向。 这类 JD 描述范围更广传递出一个清晰信号面向 AI 原生场景的大前端团队需要的是具备全栈能力的人才。字节招聘页面一些岗位虽然保留了“前端”的叫法但具体职责已经不只是做页面和交互。前端工程师越来越需要理解后端任务系统、模型调用逻辑、AI 产品体验等否则很难把复杂 AI 能力做成用户可用的产品。字节 Commercial AI 团队招聘的“高级 / 资深前端研发工程师”岗位要求候选人负责即创平台 Web 端业务研发与迭代业务范围包括数字人、AIGC 口播、视频生成、Agent 等创意工具链路的产品化落地还要参与 AI 产品形态探索。而腾讯最新对 前端 工程师岗位的描述显示其对前端工程师的要求正在从业务页面实现转向 Agent 工程平台建设。该岗位要求负责面向 Agent 的沙盒、数据、调试和可视化 Web 产品体系独立承担高信息密度页面、多状态流程和实时数据调试场景开发并推动传统后台研发工具向现代化、高质量产品体验转型。腾讯前端工程师招聘页面“2026 年的前端就业市场竞争更加激烈但并非没有机会。它更看重深度而非广度更看重解决问题的能力而非死记硬背更看重适应能力而非对特定工具的依赖。”软件工程师 Gawande Sakshi 说道。与此同时后端相关岗位也在脱离传统后端范畴。阿里淘天的 AI Agent 应用开发 岗位会负责在电商场景中建设大模型智能化比价辅助决策等工具同时要基于大模型调度多领域智能体实现商家运营全链路提效还要开发 AI 代码生成工具、面向运营小二的智能提效平台以及面向企业员工办公场景的智能体架构。这要求候选人既懂服务端工程又懂大模型应用栈还要能把模型、工具、知识库和业务系统编排成可落地的 AI 产品。“作为一名后端工程师为了最大限度地提高求职成功率我必须成为一名全栈工程师。”有开发者表示。现在一些岗位没有做前后端之分但在岗位需求中已经表明了需要全栈能力。比如阿里在最新招聘中将“AI 应用研发工程师”被描述为“跨越技术栈边界、端到端解决复杂问题的系统构建者。”该岗位要深入理解业务场景参与从需求分析、架构设计到上线运维的全链路研发工作。当大模型行业进入 Agent 工程比拼阶段训推、产品和工程不再能被清晰切分。字节对“AI Agent Memory Infrastructure”的招聘就表明了这一点。该岗位处于大模型、数据系统和上下文工程交叉点职责包括构建下一代 Agent 记忆基础设施同时优化大规模、低延迟、高可用环境下的数据摄取、存储、索引、检索、更新、压缩和遗忘机制并面向多模态数据设计统一记忆模型和处理流程。可以看出字节、阿里等代表的大厂现在招的不是“更会写代码的人”而是在招“能把模型变成产品、把 Agent 变成系统、把 AI 能力跑进真实业务闭环的人”是所谓前端还是后端其实没有那么重要了。类似地在国外Stripe 最新开放的全栈工程师岗位并没有把职责拆成前端或后端而是要求候选人设计、构建并维护用户可见体验、服务、API 和系统同时能够在商业优先级、用户体验和可持续技术基础之间做有效权衡。Stripe 还要求工程师审视并决定产品建设中的技术和架构选择直接与早期创业者交流并能跨服务、跨技术栈排查生产问题。“写代码只是软件工程中的一环软件工程不会消失。但以岗位边界为中心的软件工程组织正在转向以交付闭环为中心的软件工程组织。”某公司研发总监韩雨匿名向 InfoQ 说道。韩雨表示不止大厂这么干中小厂也在这么干了。单纯靠某一层技术栈吃饭的岗位价值正在下降岗位边界逐渐模糊。对于公司来说这样可以减少整体摩擦成本提升效率。他结合自身经验总结道以前公司买的是“某一层的编码劳动力”现在公司更需要的是“能借助 AI 把一个问题稳定解决掉的人”。同时他也强调每个端仍然会有领域专家为这个端做质量兜底。AI 编程工具就是在消除边界现在我们说的“全栈工程师”更像是 AI 加持下的新全栈工程师既懂前后端也懂 Agent 架构、系统部署、迭代优化和业务场景。实际上之前 McKinsey 就明确提出AI 会推动开发者走向全栈开发能力并要求他们成为 “AI 技术栈开发者”。而前后端边界松动的背后是 AI 编程正在改变软件开发流程。OpenAI 关于 Codex 的最新论文显示Codex 用户已经把代码实现、代码理解、验证、配置、文档和工程运维交给同一套 Agentic workflow。2026 年上半年Codex 周活用户增长超过五倍。提交超过 8 小时人类工程师工作量任务的个人用户比例较年初增长近 10 倍。在 OpenAI 内部Codex 已经占 Codex 与 ChatGPT 合计输出 token 的 99.8%。更重要的是重度用户同时管理多个 Agent近三成 OpenAI 用户曾在一周内同时管理五个或更多 Agent最重度的前 1% 用户一天累计运行约 71 小时 Agent turns。AI Coding 正从“补全代码”转向“接任务”。如今 AI 编程工具在前端页面和交互实现方面表现都已不错尤其是当组件库、样式规范和设计模式较为清晰时。因此这类能力已经不再是全栈任务的难点。在后端接口和业务逻辑等方面Claude Code 和 Codex 能完成中低复杂度后端任务但涉及复杂权限、事务一致性等时表现就会明显不稳定原因是它们很难完全理解业务隐含约束。现在 Claude Code、Codex、Cursor 等工具也在逐渐加强读取仓库、修改多文件、执行测试、升级依赖、改配置等后端能力。这其中数据库和状态管理是当前 coding agent 的明显短板之一。FullStack-Agent 论文就专门把 frontend、backend、database 分开测试并指出全栈应用需要真实的数据处理和存储能力。研究人员也指出跨文件重构和依赖升级类任务是 Claude Code 和 Codex 的强项之一但远不到可靠自动化。当前 Agents 仍然难以在不破坏现有功能的情况下完成连续包升级。PR 级任务完成方面任务类型对接受率影响很大文档任务接受率 82.1%新功能只有 66.1%。其中Codex 在九类任务中都有较高接受率Claude Code 在文档任务和 feature 任务上领先。因此可以说 AI 编程工具已经具备一定的后端执行能力但在系统边界、数据风险、架构取舍、线上稳定性和业务正确性等方面仍然需要资深工程师兜底。不过值得注意的是AI 编程工具已经成为初创公司的“全栈工程师”。Wordsmith AI CTO 兼联合创始人 Volodymyr Giginiak 表示该公司的代码“几乎 100%”由 AI 生成。“现在的区别不再是谁来写代码而是 AI 拥有多大的自主权。”Giginiak 表示目前完全自主完成的任务大约占工作量的 10%但他预计这一比例会迅速上升。他预测一年后“80% 到 90% 的任务”将实现完全自主。“工程岗位并没有消失而是在被根本性地重构”Giginiak 说道“未来杠杆最高的工程师将是那些能够为 AI 设计正确运行环境和上下文的人。”当然成为全栈工程师并不代表职业安全。“角色经常会随着时间、项目而变化。”Boris 在回复网友的帖子中说道。Boris 认为一个健康的团队需要根据产品所处阶段配置不同类型的人才组合如果一个产品还很新、尚未找到产品市场匹配PMF团队需要更多擅长第 1、2、3 类角色的人如果一个产品正在增长并且已经找到 PMF团队更需要第 2、3、4 类角色同时也需要一部分第 5 类角色如果一个产品已经具备很强的 PMF团队则更需要第 3、4、5 类角色并保留一部分第 2 类角色。“也许未来的产品角色会越来越像这样不再按照今天这种具体职能领域来划分而是围绕产品阶段、创造方式和系统责任重新组织。” Boris 总结道。AI Native 下的全栈开发者是什么样AI coding 时代传统前后端等知识依然重要这是开发者的“判断力和控制权”。前端能力仍是基础后端能力同样关键而数据库能力是必备项。全栈开发者需要掌握 SQL能够与关系型数据库交互并具备数据库性能调优和查询优化能力。在大数据场景下Hadoop、Spark、Kafka 等工具也可能成为重要加分项。云计算和安全能力正在成为全栈开发者的新门槛。企业通常要求开发者了解各大云平台掌握 Docker、Kubernetes 等容器化和编排工具并熟悉 Serverless 计算服务。同时身份与访问管理、加密、网络安全以及各种合规框架也逐渐进入全栈开发者的能力清单。基础设施能力正在成为全栈岗位的重要分水岭。全栈开发者需要掌握 Git、GitHub、GitLab、Bitbucket 等版本控制工具熟悉 CI/CD 流水线并具备 Docker 容器化、服务器部署、托管、Linux/Shell 脚本、Nginx 反向代理和负载均衡等基础能力。响应式设计能力仍然重要。全栈开发者需要理解弹性布局、响应式图片、媒体查询等技术并熟悉 Figma、Sketch、Adobe XD、Miro 等设计协作工具。测试与调试能力也是硬实力的重要组成部分。企业希望全栈开发者不仅能完成开发也能保障交付质量。现在更重要的一个能力则是对 AI 技术的掌握。一位全栈 React Node / Next.js 开发者有两年经验。他分享自己的经历称自己参加各种线下活动甚至为了避免简历出现空窗期免费工作也在 LinkedIn 上投了所有能投的岗位但都没有结果。后来通过内推他在 SAP 一个初级全栈岗位的第三轮面试中失败了。据其透露第三轮要求其根据一位业务相关方发来的 Slack 消息示例给大模型写一段提示词然后还要对一个全栈 React Node 应用做代码审查。在当下AI Coding 的成本问题也给了“全栈工程师”带来了新机遇全栈能力的含义变成了“懂产品、模型、系统和成本”。Gartner 预测到 2028 年AI coding 成本可能超过一名普通开发者的平均薪资原因是 token 消耗上升以及供应商转向基于消耗量的授权模式。Gartner 还强调token 驱动的 AI 支出正在挑战预算和成本合理性。企业 AI 采用扩大后基于 token 的使用成本让很多公司预算承压Uber 等公司甚至数月内耗尽年度 AI 预算微软、Palo Alto Networks、Coinbase 等公司的高管都开始强调“更便宜、更小的模型”可以覆盖多数企业任务。因此未来值钱的工程师更是那些知道什么时候该用大模型、什么时候该用小模型什么时候该用规则系统什么时候该把 Agent 拆成 workflow如何控制上下文、缓存、调用次数、评测成本和线上延迟。“我的理解是在称工程师为全栈工程师之前应该先精通一项技术。我认为这是对的应该循序渐进、稳步提升。”有网友评价道。大模型的知识又多又杂到底怎么学做这行久了被问最多的问题就一个大模型的知识又多又杂我到底先学啥翻了一堆资料看啥都像重点结果啥都没学进去。今天把我自己一路摸出来的顺序捋一遍零基础、应届生、转行的都适用。跟着走至少方向不乱、不瞎忙学完拿得出手。第一阶段10天初阶应用这一阶段就一个目标把大模型真正玩明白不是只会聊天那种而是能调教它、能用代码把大模型和业务接起来。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用这阶段正式进实战目标很实在做出两个能拿出手的东西——一个私有知识库一个 agent 对话机器人。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…走完这 30 天Python 或 JavaScript 背景的基本能独立做一套 RAG 应用简历上也敢写大模型应用开发了。第三阶段约20天动手微调学到这你已经开始 “造” 模型了 —— 通过微调搞出垂直领域的专用小模型。为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你从 “只会用” 变成 “能造” 的 AI 小子。那么你还想往下探索吗想要入局AI大模型赛道、抢占行业红利的朋友微信扫描下方CSDN官方认证二维码即可100%免费领取全套学习资料第四阶段20天商业闭环部署落地技术学完落地才算数。这阶段带你搞明白大模型怎么真正跑起来、用起来。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…想要入坑大模型的朋友给大家准备了一份2026 年最新 AI 大模型全套学习资料1、大模型系统化学习路线2、大模型学习视频教程3、大模型学习书籍电子文档4、AI大模型最新行业报告5、大模型项目实战配套源码6、2026大模型大厂面试真题7、为什么要学习大模型我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年人才缺口已超百万凸显培养不足。随着AI技术飞速发展预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。8、适合谁学传统后端 / Java / 前端开发想转型 AI 应用大学生、应届生想拿更好的 offer产品经理、运营想武装职业竞争力技术负责人想给团队落地提效学习是反人性的但回报是真金白银。技术会更新赛道会切换但只要你先动手机会就永远站在你这边。9、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。想要入局AI大模型赛道、抢占行业红利的朋友微信扫描下方CSDN官方认证二维码即可100%免费领取全套学习资料好了就写到这。路线是死的人是活的卡住了随时来问我。觉得有用就点个收藏别让它进收藏夹吃灰——动起来比啥都强。