"全栈"正在被AI重新定义：从"掌握多种技术栈"变成"能调度AI能力、交付完整解决方案"。技术实现不再是瓶颈，问题拆解、质量判断和领域理解成为新的核心竞争力。

一个让我愣住的数据

前两天刷到一条消息，a16z的合伙人透露，Cursor的创始人把30%到40%的时间花在招聘和文化建设上。

Cursor，一个估值几十亿美元的AI编码工具公司。按理说，这种公司的创始人应该忙着研究模型、优化产品、跟投资人喝咖啡。结果人家把将近一半的时间放在了一件事上——招人。

说实话，看到这个数字我愣了几秒。不是因为不理解，而是因为太理解了。

一个观察

最近在Lobsters上看到一篇文章，标题很直白：《AI is removing the middle class of software engineering》。大意是，AI正在把软件工程师分成两极——能驾驭AI的人和被AI替代的人，中间那层"能写代码但缺乏判断力"的工程师，生存空间正在急剧压缩。

上周跟一个做技术管理的朋友吃饭，聊到一个让他头疼的事。

季度绩效评估，团队里有人用 AI 工具写了以前三倍量的代码，需求交付速度飞快。按传统标准，这绝对是高绩效。但他总觉得哪里不对。

"代码是写了挺多，但上线后 bug 也比以前多了。而且有些代码，他自己都说不清楚为什么这么写。"

这不是个案。当 AI 编码工具把"写代码"这件事的门槛拉到极低，传统的工程师绩效评估框架，基本上已经失效了。

以前的标准为什么不灵了

过去评估工程师，核心维度无非几个：代码质量、技术难度、问题排查能力、架构贡献。这些都建立在一个前提上——代码是人写的，写得好不好直接反映能力。

AI 改变了这个前提。

现在一个中级工程师借助 AI 工具，一天能产出以前三天的代码量。代码看着像模像样，命名规范、注释齐全、测试也有。但你仔细看，会发现有些实现绕了远路，有些边界条件没覆盖，有些设计决策——根本没有决策，AI 给了什么就用了什么。

产出的量上去了，但产出中"人"的含量变了。