Wink Pings

一天十个 PR,已经看不出谁是好工程师

当 AI 编码 agent 接手执行,PR 数量变成噪音。MiniMax Code 研发负责人 RonnyHe 把判断标准拆成三件事:拒绝过什么、发布后返工多少、约束能否复用。回复区还补了一刀:判断力不写下来,第二天重新归零。文末有市场薪资数据。

两个工程师,同一天各交十个 PR(pull request,代码合并请求),可能完全不是一回事。

一种人真的在驱动 agent:任务拆干净,约束写在前面,每个 PR 都看过,合并后没人再碰。另一种人把 agent 写的东西直接发出去,PR 看着整齐,问题在 review 或上线后浮出来,最后别人擦屁股。

只看产出,两个人一模一样。差别全在水面以下。这是 MiniMax Code 研发负责人 RonnyHe 在文章里的起点。他的推文把结论压得更短:当 agent 写代码,一天十个 PR 几乎说明不了什么。

文章标题是 Leaders Who Don't Use AI Are Being Left Behind,正文落在团队识人和 leader 判断力。他写道,AI coding 普及后,自己越来越难判断一个人是不是好工程师。过去那把尺子很简单:谁代码写得好,谁写得快,谁能啃最难的模块。执行就是硬通货。现在这把尺子失灵了。

执行变便宜后,“会写代码”不再稀缺。产出说明不了能力,有时还会盖住问题。

RonnyHe 把个体价值的变化拆成三层。第一层,质量与速度的平衡。Agent 让快变容易,难的是知道什么时候慢下来:哪些改动可以让 agent 跑,哪些必须自己读。第二层,给自己的 agent 写约束。任务边界、验收标准、禁区,先写下来,否则 agent 会漂。约束好,一个 agent 能做很多;约束烂,它做得越多,你擦得越多。第三层,整合多个 agent 的产出。接口对不对得上,假设有没有冲突,最后是不是一个连贯的东西。总得有人看整体。

背后是一次思维切换:从执行思维到系统思维。以前问“这段代码怎么写”,现在问“怎么拆、怎么约束、怎么检查、怎么拼回去”。

那怎么判断谁好?RonnyHe 给了三个问题。

他拒绝过 agent 的什么?能说出“这部分我没要,因为……”的人,至少读过,也知道好东西长什么样。什么都接受的人答不上来。

发布后返工多少?发得快不难,发出去以后不用回来修才难。返工比任何产出数字都更能说明问题。

他的约束别人能不能复用?写下的规则、验收清单、给 agent 的指令,别人能不能直接拿去用。能复用,说明他想的是一类问题,不只眼前这个任务。

回复区把这个标准又往下推了一步。有网友问,拒绝怎么看见,PR 数量不显示这个。另一个回复说,吞吐量好数,拒绝才是信号。John Rood 补了一句更硬的:判断力活不过一次 session,拒绝只有写成下一轮 agent 必须读的规则,才会复利,否则每天早上都要重新挣一遍同样的品味。RonnyHe 同意这个说法。他说自己会看 review comments、看对方给 agent 写的约束、看工作上线后多常回来;真正的信号是他们拒绝合并什么,以及这个拒绝有没有变成下一轮必须遵守的规则。

这段讨论比“十个 PR”更接近问题核心。判断力如果只留在某个人脑子里,团队就很难积累。写下来,变成约束,才可能被复用、被检查、被下一轮 agent 继承。

对 leader,RonnyHe 的判断更不客气。过去 leader 的时间主要花在中短期规划、长期战略、搭团队,技术细节交给团队。经验够多,判断不会差太远。AI 浪潮把这个分配翻了过来。工具和实践变得太快,几个月前学到的东西可能已经失效。经验过期这么快,判断力从哪来?他的答案是自己试过。

没让 agent 端到端跑过一个完整任务,就很难判断“这个能自动化”是真是假,也很难知道一个人一天十个 PR 到底意味着什么。跳过 hands-on 的代价来得很快:团队聊的新工具、踩的坑、摸出的新工作方式,leader 一样跟不上。慢慢地,团队把 leader 落在后面。

他给 leader 的新作业有三条线:想、建、向外。想,是看业务和技术在 AI 浪潮里怎么变,哪些事人不用做了,哪些事更重要,团队形状要不要改。建,是自己试最新工具和实践,给判断力找支点,跟团队说同一种语言,顺手多写点代码。向外,是放下“我只是个工程师”的心态,主动学 GTM,建个人品牌。

第三条最容易被技术背景的 leader 跳过。执行变便宜后,做出来的东西本身越来越不稀缺。团队价值越来越依赖被看见:用户知不知道,懂不懂,想不想用。工程师也一样,价值需要有人讲出来。团队影响力有一部分取决于 leader 能不能讲清楚团队在做什么。不讲,团队再好,外面也看不见。学 GTM、建个人品牌,在这里是 leader 对团队的责任,跟出名关系不大。

市场已经在给这件事定价。SignalGigs 在回复里贴了 11 月 11 日的 AI 训练岗位数据:日常使用 coding agent 的高级开发者,判断 agent 产出的时薪是 100 到 200 美元;216 条按小时计价的 coding 岗位,时薪中位数 75 美元;还有一个 coding contract 用 2 小时测试筛人,通过测试就给 100 美元。

SignalGigs 贴出的 AI 训练岗位时薪数据

稀缺技能是对一个看起来合理的 PR 说不,溢价也流向那里。

Agent 会继续变强,执行会继续变便宜。无论 individual contributor 还是 leader,同一个问题会反复出现:价值到底从哪来?RonnyHe 在文章结尾没有给标准答案,只留了一个问题:现在你怎么判断一个人是不是好工程师。

发布时间: 2026-11-17 14:27