Anthropic 的就业方式正在如何变化
Anthropic 对其工作方式如何被 AI agent 重塑的描述——更少招聘初级技术岗位、每位员工产出更多代码和合同，以及高度依赖内部的“Claude 军团”——既引发了热情，也引发了警惕。评论者质疑用提交记录和其他活动指标来衡量生产力，警告 AI 既可能制造低质量的“slop”，也可能带来组织脆弱性，而不只是带来真正的效率提升。许多人担心，取消入门级岗位、将关键系统集中在不透明的 agent 工作流中，以及追逐短期劳动力节省，可能会削弱行业技能并增加系统性风险，即便 AI 实验室将此宣传为工作的未来。
初级员工、高级员工与职业路径
- 许多人担心，“没有初级员工”现在意味着“以后也没有高级员工”；也有人回应说，Anthropic 认为在这变得重要之前，AI 将承担大部分工程工作。
- 一些人将这与其他行业（例如 AAA 游戏）作类比：这些行业主要雇用有经验的员工，并希望初级员工先在别处接受训练。
- 批评者认为，未来的“高级员工”会更多因软技能、判断力和社会资本而受到重视，而不是深厚的技术专长，这会让人们对复杂系统形成浅层理解。
- 还有人担心，削弱开发者的技能对 LLM 供应商有利，因为这会让未经审查的 AI 生成代码变得正常化。
生产力指标与代码量
- 对用提交次数或代码行数衡量生产力持强烈怀疑态度；很多人强调，每一行代码都是一种负担。
- 一些人提到“vibecoding”和无意义的迁移，只是为了抬高 PR 数量，这些都受到内部指标和 AI 工具驱动。
- 还有人预测，Anthropic 之后会转向强调更少的代码和更强的验证，因为代码行数膨胀最终会反噬。
AI agent 的有效性与局限
- 一些人表示，当有经验的工程师很好地编排 agent 时，确实能带来真正的生产力提升（2–4 倍），尤其是在从零开始的新项目中。
- 另一些人则看到的主要是废料和忙碌的假象，尤其是在大型遗留代码库或关键系统中；在经过审查和调试后，净收益只会略有提升。
- 关于“驯服 agent”是否是一项持久技能也存在争论，因为未来系统可能会自行自动化这种编排。
- 很多人强烈强调，人类的判断、验证和测试会变得更重要，而不是更不重要。
商业模式、激励与营销
- 许多人认为这篇文章是接近 IPO 的营销：展示每位员工的高收入以及 agent 的使用情况，以打动投资者。
- 也有人质疑，内部“活动量”增加（提交、查询、合同）是否真的能转化为实际经济价值。
- 还有怀疑认为，管理层和投资者被减少员工人数的承诺吸引，尤其是减少昂贵工程师的承诺。
系统性风险与社会担忧
- 多条评论担心，对少数 AI/基础设施垄断者以及无人能完全理解的、黑箱式 agent 系统的依赖正在加深。
- 有人将其与自动驾驶及其他技术相类比：即使“比平均人类更好”，也仍可能脆弱且高度中心化。
- 还有担忧认为，立法层面的制衡跟不上，而 AI 正在加速向“技术封建主义”或极端公司权力的转变。