前后端一起消失：AI Coding正在改写大厂工程师分工

本文来自微信公众号： InfoQ ，作者：褚杏娟

大厂研发组织正在出现新的调整信号。

根据“大厂日爆”，本周，美团CLC食杂零售Keemart研发团队完成架构调整，前端与后端团队正式合并，新组织架构已生效。据报道，相关前端人员已提前一个多月进行后端开发训练。与此同时，蚂蚁网商也宣布推动测试岗位整体转向研发岗位，并为相关人员设置半年缓冲期。过渡期结束后，原测试人员将转型为全栈工程师。

Claude Code之父Boris Cherny昨日也发帖分享称，随着工程、产品、设计、数据科学等职能逐渐融合成一种新的角色形态，其最近也在思考，未来的岗位分工可能会变成什么样。

通过对Claude Code团队的观察，Boris看到的不是传统意义上的职能划分，而更像是五类角色原型：

• 原型探索者（Prototyper）：负责提出全新的想法，快速产出大量创意，其中大多数最终不会上线。

  
  

• 构建者（Builder）：能够迅速把一个原型或想法，转化为生产级产品或基础设施。

  
  

• 系统清理者（Sweeper）：负责打磨UI、简化代码和系统、下线不必要的功能，并优化性能。

  
  

• 产品增长者（Grower）：在产品已经被做出来之后，持续迭代，提升产品与市场的匹配度（Product-Market Fit）。

  
  

• 系统维护者（Maintainer）：负责成熟系统的长期运转，使其在规模扩大过程中依然保持安全、可靠、快速和高效。

  
  

“很多人会横跨其中两类角色，有时甚至会横跨三类。我也注意到，这些角色其实并不严格绑定某个具体职能。比如在Anthropic内部，有些设计师更接近第1类，有些接近第2类，有些接近第3类；工程师、产品经理、数据科学家也是如此。”Boris说道。

只要会React就有机会面试的日子正在迅速离去。在AI Coding被快速普及的当下，技术岗位的划分也面临着一场重塑，尤其所谓前、后端工程师的边界正在重新整合成“全栈能力”。企业不再只是想要一个“纯前端开发者”，而是希望候选人能够处理后端API，理解数据库结构，并能从头到尾独立完成一个功能的开发、部署与交付。

字节、阿里招聘释放的信号

“每家公司似乎都在招全栈工程师。”有开发者表示。

“前端和后端的分工边界已经消失了。大多数团队，比如我所在的团队，现在想要的是能够端到端负责的人。专业能力当然仍然是加分项，但那种只做前端、一遇到后端任务就退缩的‘纯前端工程师’，对大多数团队来说已经不再适用了。”还有开发者说道。

招聘市场中已经出现了非常明确的“岗位合并”信号。

谷歌的全栈应用工程师岗位，更像一个偏业务应用方向的岗位，前端只是其中一部分，职责覆盖了完整软件交付链路。传统前端岗位通常聚焦在“用户界面和前端工程实现”，而谷歌全栈应用工程师还要从需求进入、方案落地、上线交付到后续运营支持全流程负责。这个岗位要直接理解内部客户需求，甚至承担了一部分BA、产品经理、解决方案工程师的角色。

字节跳动的招聘网站上也有“AI全栈工程师-视频与边缘”岗位，虽然挂在“前端”名下，但职责边界已经扩展到AI产品工程化、Agent服务编排、多端SDK、音视频底层能力、云平台等多个方向。

这类JD可能岗位描述得比较宽泛，但这确实释放出了这样的信号：对于AI Native下的大前端，团队想要的就是全栈人才。

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。

参考链接：

https://x.com/bcherny/status/2071379474277613732

https://www.businessinsider.com/ai-writing-all-startup-code-thats-creating-a-new-problem-2026-6?utm_source=chatgpt.com

https://arxiv.org/pdf/2602.03798

https://arxiv.org/abs/2606.26959?utm_source=chatgpt.com

https://tripleten.com/blog/posts/becoming-a-full-stack-software-engineer

https://blog.google/innovation-and-ai/technology/ai/full-stack-ai-explainer//