經驗工程師正在面試里集體消失？

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？