Core Idea
AI 正在重塑工程师的杠杆结构。当一个 IC 可以通过 Agent 集群完成原来一个团队的工作时，EM 作为"人力杠杆中间层"的价值正在下降。我选择在这个转折点离开传统职场，用 AI 重新定义自己的生产方式。
GPT 5.4 又发布了。说实话，最近半年大模型更新的速度快到让人有点麻木——每次刚适应完一个版本，下一个就来了。
但对我来说，真正改变一切的其实不是某个具体模型。是 2025 年底那段时间，我突然意识到：AI 已经不只是"好用的工具"了，它在重构我整个工作方式。
趁这个话题还热乎，聊聊我这半年的一些思考——为什么我从一个程序员，一路晋升到管理层，最后又选择了裸辞跑路。
一、Tipping Point：2025 这一年发生了什么
如果让我选一个分水岭，那就是 2025 年。但这个变化不是一夜之间发生的，而是一整年的量变，最终在年底完成了质变。
早期：AI 只是顺手帮你加个速
2025 年上半年，我们开始用 Cursor 之类的工具来辅助编码。但说实话，那时候的 Cursor 充其量就是 Copilot 的一个优化版——你忘了某个语法糖或者某个 API 的写法，它帮你用 Tab 自动补全一下。本质上事情还是你在做，它只是顺手帮你加点速，人的控制权非常足。
后来有了 Claude Code，大家开始尝试把一些小段代码交给它来写。但很快就发现问题：前端代码它确实写得不错，但后端代码的逻辑能力和上下文理解就差很多。那时候的工具有的用 LSP 来做代码索引，有的直接用 grep 之类的纯文本搜索来找上下文关系。虽然能感觉到在进步，但还是经常出错，每一个小功能点都需要人来把关。
那个阶段，我们只敢让它做一天以内的任务。对于一两个星期的长任务？想都不要想——必须手动拆成一小块一小块的 PR，按照我们的规范一步步来。
转折：12 月的量变到质变
到了 11 月底和 12 月，事情开始不一样了。11 月 24 日 Anthropic 发布了 Claude Opus 4.5，12 月 18 日 OpenAI 发布了 GPT-5.2-Codex。
这两个模型带来的最大变化不是"代码写得更好"，而是长效工作能力的突破。
在此之前，虽然 LLM 号称有 200K 的上下文窗口，但实际用起来，到了 100K-150K 的时候，指令跟踪能力就开始明显下降——成功率从最开始的 80%-90% 直接跌到 40%-50%。这在实际工作中基本没法用。换句话说，过去它做不了需要大量上下文的长任务，需要人来帮它拆分、定 Milestone、做大量检查。因为这种局限性，对很多工程师来说，AI 还没到"不用不行"的程度。
但 12 月之后，这个瓶颈被突破了。
现在：它真的能扛住大项目了
当上下文跟踪能力变强，加上 Agent Use、Browser Use 这些操作能力也比之前强了一大截，AI 自然就能承载更大的项目了。不是我在吹——它确实扛得住。
现在的体验是：
- 人可以大幅减少干预。不用每隔几分钟就去看一眼了。
- AI 能长时间独立工作。半小时、一小时甚至更久的任务，它可以自己搞定。
- 人只需要在最后做验收。给方向、看结果，中间过程它自己跑。
你说这只是工具好用了一点？不，这是工作方式本身变了。
二、EM 的杠杆正在下降
我的职业路径是：SDE I → SDE II → Senior Engineer → Tech Lead → Engineering Manager。
当我做到 EM 的时候，我开始琢磨这个角色到底在干嘛。想来想去，EM 之所以存在，核心原因是信息流的同步问题——你没有办法让一个拥有核心信息的人，直接触达几十个甚至上百个人，并保证大家同频一致。
所以 EM 解决的就是这种"人力杠杆"的问题：
- 我的杠杆来自手下的团队，他们是我的资源
- 我负责传达方向，让大家合力前进
- 本质上，我是凭借"管人"在向前走
这种模式的前提是：我的老板没有精力或能力去直接管理更多的人，需要我这个中间层代理管理。
但在 AI 时代，这个逻辑变了。
我不再只是在管人了——我可以管理多个 AI Agent，根据 Agent 数量来放大自己的影响力。 人力杠杆正在被 Agent 杠杆取代。
我们衡量一个工程师好不好，核心维度依然是判断力和经验。但代码产出本身已经变得不值钱了。现在需要的是那种"端到端"的人才：
- 拥有产品视角，能感知用户需求
- 具备极强的执行力，能把事情彻底做完
- 能设计出一套有反馈机制的系统，并不断迭代
换句话说，EM 的杠杆值在变低，IC + AI 的杠杆值在不断提升。
三、在一家好公司的快速成长
说回我自己吧。
刚入行时，我加入了一家硅谷背景的科技公司。第一天的感受就是：嚯，这就是我理想中团队该有的样子。
最让我震撼的是 Pair Programming。当我遇到不会的问题时，会有一两个同事直接走过来，站在我身后一步步告诉我该怎么做。那种感觉真的很不一样——你能看到有人在你旁边用 Emacs、用 Vim 做开发，“哐哐"地操作，效率令人叹服。那种"上古大神"就坐在你身边的感觉，是在其他地方体验不到的。
我还有一个很好的老板，管得比较松，给了我大量的探索空间。前几年是我飞速成长的阶段：从一个连续搞出 Sev2 的新人，成长为能独立带项目的 Senior，再到带领七八个人的团队。
我在这里学到了最重要的东西：以技术为先、深度做 User Research、对错误保持高容忍度。 这些至今都是我做事的基础方法论。
四、当组织变大
但公司一旦做大，味道就变了。
每个人都有了自己的生态位——有自己的喜好与厌恶，有自己的习惯与不习惯，有自己的想要与不想要。信息在层级之间传递时不断失真，决策频繁摇摆，方向感逐渐模糊。
我开始体会到一件事：方向不清时，执行力反而会放大痛苦。
当你在一线"战场"上，但指挥链条里每一层都在修正信号，最终到达你手上的方向可能和源头已经大相径庭。这其实就是看谁有第一性原理——谁能找到真正的 root cause。找到问题是一方面，但能否做到知行合一——找到问题、愿意指出来，并能解决问题——这是另外一方面。
当我开始问自己"我在这里到底是输入更多还是输出更多”，答案其实已经挺明显了。
五、离开的决定
离职的念头其实憋了很久，但一直下不了决心。
最终推我一把的，正是前面说的那个 Tipping Point。当 AI 在 2025 年底跨过了那道坎——从"需要人不断干预"到"可以长效独立工作"——我突然看得很清楚：
传统 EM 的杠杆率在持续下降，而 IC + AI Agent 的杠杆率在指数级上升。
从被动视角看，程序员的空间确实在变少。但从主动视角看，能够编排 AI Agent 的工程师，其个人杠杆正在超越传统团队。
说好听点，这叫"理性的杠杆切换"。说直白点——就是赌一把，赌自己的判断没错。
2026 年初，我正式离开。
六、职业经历与过渡期的底气
离职之后怎么办？先说说为什么我有底气做这个决定。
其实我的职业路径本身就挺折腾的。我最早在 FBA 做进销存商品的软件系统，后来觉得不过瘾，跑去了亚马逊广告的缓存组待了一年。那边的技术挑战确实够硬——每天面对的是 10 亿级别的请求量，研究怎么把系统整体延时压到更低。
但在那里待了一段时间后，我越来越清楚一件事：如果每天让我单纯钻研 JVM 调优、追求纯技术指标，我可能并没有那么兴奋。 我还是想离业务近一些，想看到自己做的东西直接产生商业价值。
后来我自己做跨境电商时，发现货代这个环节特别有意思——信息极度不透明，各种状态靠人工追踪，整个 visibility 低得离谱。作为一个工程师，看到这种场景简直手痒，就想进去看看能不能用技术改点什么。
说到底，我可能是很少见的、作为纯工程师能端到端跑通 Amazon FBA 全流程的人。这一整套链路 95% 以上都是我一个人搞的：
- 前期准备：选品、联系工厂、选定货代
- 物流运输：中美联运、入库 FBA
- 后期运营：产品详情页优化、图片修正、广告投放、客服
之前做量化交易也小赚过一些，主要靠套利来放大资金。那段经历给我留下了一个很深的认知——
你可以用各种机器学习的方法，做出回测曲线非常漂亮的资金曲线。但真正的问题是：你敢投多少钱？当面对一个巨大的回撤时，你能不能说服自己"这只是暂时的"？
我发现，如果我不理解某个因子或逻辑的底层原理，我是拿不住的。只有当它具有很强的可解释性，我才能扛得住波动。说白了，我们只能赚到自己认知范围内的钱。认知以外的钱，怎么赚进来的，最后就会怎么亏出去。
这个道理后来影响了我做很多事情的方式：一定要把逻辑拎清楚，确保自己是真正懂的，而不是跟着感觉走。
这些 Hands-on 的经验意外地成了我最大的底气——我能理解跨境业务里真实的痛点，也能快速做出 Demo 来验证想法。回头看，每一步都是上一步的延伸。
七、AI 降低了试错的门槛
说句大实话：如果没有 AI，我大概率还窝在纯技术的舒适区里，不太会去折腾这些跨领域的事情。
但 AI 确实改变了一些东西：
- 链路变轻了。原来需要凑一个小团队才能跑通的事情，现在一个人也能勉强搞定。
- 试错变便宜了。一个想法从冒出来到验证靠不靠谱，周期从几个月缩短到了几天。错了就换，不心疼。
- 程序员的思维方式意外好用。讲逻辑、擅拆解、习惯系统性思考——这些特质在跟 AI 协作时出奇地顺手。
我不敢说自己已经找到了什么正确答案，但至少现在可以用很低的成本去快速验证：我的某个思路到底对不对，能不能真的按设想把东西做出来。
光是这一点，就已经让我觉得——这个时代对愿意折腾的人，确实友好了不少。
八、现在在做什么
离开之后，我现在主要折腾这么几件事：
1. 内容分发
我本身就有文字输入的习惯，现在通过自己写的一套系统，将内容自然分发到多个平台。我的目标是把分发成本降到足够低，低到可以每天轻松完成。目前这块已经逐步走上正轨。
2. APP 开发与行业深挖
通过开发 APP，我深入了解一个行业内部的 SOP 和运作方式。项目上线后，希望能做更多的横向扩展。
3. 痛点工具
当你自己运营业务时，会遇到很多实际问题——税务、发票、文档处理。发现这些痛点后，我就做出工具来解决它。我的逻辑很简单：先解决自己的问题，再看这个方案能不能推广给更多人。
4. SEO / 独立站探索
自然流量和 SEO 是我正在深入学习的领域。目前也在和一些公司洽谈合作，探索如何将技术能力和流量获取结合起来。这是一个正在展开的方向。
写在最后
这篇文章，与其说是在聊大模型的变化，不如说是借着又一次模型更新的由头，聊聊我为什么做出了这个选择。
从 SDE II 到 Senior，从 Tech Lead 到 EM，每一次晋升都让我更清楚地看到系统是怎么运作的。而 AI 的爆发，让我看到了一种全新的杠杆结构——不再靠管人来放大产出，而是通过编排 Agent 来放大个人能力。
我不会说这条路一定对，谁也不敢打这个包票。但我比较确定的是：
当代码变得廉价，判断力才是新的稀缺资源。当管人的杠杆在下降，能用好 AI 的 IC，才是这个时代最有价值的工程师。
我选择在这个时间点，开始构建自己真正想要的东西。
这一切刚刚开始。