公司嘴上說重視經驗,簡歷篩選時卻批量漏掉十年以上的候選人——這種割裂感正在技術圈蔓延。
經驗到底值什么錢
![]()
原文作者梳理了幾個硬通貨場景:后端架構、數據系統(比如ETL管道)、軟件架構設計。這些領域里的老手,價值不在寫代碼速度,而在四種隱性輸出——
一是架構決策質量。見過系統怎么崩的人,知道什么時候該拆服務、什么時候該上緩存。
二是權衡意識。不是選"最好的"方案,是選"最適合當下團隊能力和業務階段"的方案。
三是風險預判。上線前能嗅出哪個環節會拖垮性能,這種嗅覺來自踩過的坑。
四是團隊杠桿。帶人、救火、彌合技術債,經驗變成可復制的團隊能力。
有意思的是,這群人現在還在往生成式AI領域擴。經驗+新技術的組合,理論上應該是稀缺資產。
為什么面試流程在漏掉他們
作者沒給數據,但拋了一個觀察:經驗工程師的面試通過率,似乎配不上他們的市場價值。
可能的摩擦點不難猜——
算法題白板面試,考的是剛畢業時的刷題肌肉記憶。十年沒碰紅黑樹旋轉的老兵,未必輸給應屆生,但時間成本和心理落差是真實的。
薪資帶寬倒掛。高級崗位預算有限,招兩個中級比招一個資深"看起來"產能更高——直到系統崩潰的凌晨三點。
招聘標準漂移。業務壓力大時,團隊傾向招"能立刻上手寫業務代碼"的人,而非"能阻止你寫出三年后必須重寫"的人。
作者的原話是:「Are we fully leveraging one of the most valuable assets in tech — experience?」翻譯過來就是:你們到底知不知道自己在浪費什么?
生成式AI加劇了這個悖論
原文提到經驗工程師在向生成式AI擴展。這制造了一個荒誕局面——
公司一邊焦慮AI轉型缺人才,一邊用傳統面試篩掉最有能力做AI落地的人。經驗工程師懂業務邊界、懂數據 pipeline 的脆弱環節、懂模型上線后的運維噩夢,這些恰恰是AI工程化最缺的。
但面試題可能還在問Transformer的注意力機制數學推導。
一個值得算筆賬的問題
作者沒給答案,只留了開放式結尾。我們可以順著算一筆:一個能預判架構風險、能帶團隊少走三年彎路的人,面試掛在了白板環節——這是誰的成本?
下次你面一個十五年經驗的人,不妨直接問:你崩過最大的系統是什么樣的?后來怎么修的?這種對話的信息密度,可能比反轉二叉樹高得多。
如果你也在招聘或求職,試試把這條轉給你們的HR或者技術負責人——問問他,你們公司的面試流程,到底在篩選什么?
特別聲明:以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布,本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.