核心概念

Anthropic Claude Code 負責人 Boris Cherny 於 2026 年 6 月指出，AI 正在磨平「職稱即分工」的邏輯：當工程師能用 AI 直接生成介面、PM 能自己跑出原型、設計師能自己接 API，職稱邊界就失去了分工依據。

取而代之的，是以「專案現在這個階段需要什麼」為軸心的新分工框架。Cherny 從 Claude Code 團隊歸納出五種角色原型：

原型 英文 核心任務
原型師 Prototyper 大量產生構想、試錯；多數不會上線，價值在試錯數量
建造者 Builder 把原型變成正式產品；從「能 demo」到「能上線」
清理者 Sweeper 化繁為簡：精簡介面、重構程式、下架冗餘功能、優化效能
成長者 Grower 拿已完成的產品迭代，提升 PMF（Product-Market Fit）
維護者 Maintainer 讓成熟且持續擴展的系統保持安全、穩定、高效

五種原型的關鍵特性：

  • 非互斥：多數人同時橫跨 2-3 種原型
  • 非職稱綁定：同樣是設計師，有人偏原型師、有人偏清理者
  • 動態切換：隨專案成熟度移動，不是靜態標籤

關鍵要點

職稱是外殼，角色是作業系統 傳統分工以名片為邊界；AI 時代的分工以「這個階段需要什麼思維模式」為邊界。撕掉職稱後，看到的是這個人目前在哪個檔位運作。

換不了檔，等於提前替專案判死刑 Cherny 在留言區補充：他自己開新專案時是原型師兼建造者；粗糙地方變成瓶頸就切換清理者；成熟後變成長者、維護者。把自己鎖死在某一角色，在某個階段就必須放棄這個專案。

清理者是最被低估的角色 清理者的產出是「東西變少了」，成效不直覺、掌聲最少，但多數團隊對這個角色的需求遠超供給。大量堆疊技術債的根源，往往是沒有人願意或擅長扮演清理者。

最值錢的能力：察覺該換檔 比「某種角色做到頂」更稀缺的是「察覺自己現在該換哪種角色、並且真的能換過去」。一人公司或小型 side project 最容易在這點卡住——腦袋賴在原型師的興奮裡，不肯切換到清理者或維護者，導致系統越堆越爛。

AI 擴大了個人能跨越的角色範圍 傳統上同時扮演多種角色需要大量跨域技能投資；AI 工具降低了跨越門檻，使一人可以在更短週期內完成五種模式的輪換。

實務應用

以一人 side project 為例，五個角色的切換節點：

  1. 寫策略雛形、亂試訊號 → 原型師（興奮、高失敗率、大量嘗試）
  2. 某個訊號有戲，做成自動化系統 → 建造者（工程苦力）
  3. 系統爛掉、參數混亂、效能差 → 清理者（最容易被逃避的階段）
  4. 系統穩定，開始驗證市場反應 → 成長者（PMF 迭代）
  5. 規模擴大，維持穩定性 → 維護者（掌聲少但不可缺）

實用做法：

  • 每週問一次「我現在在哪個原型？」
  • 超過兩週停在原型師模式沒有進入建造者，強制設截止點
  • 建立「清理週期」：每完成一個新功能，安排一次清理者視角的審查

Vibe Coding 與工程師角色重構 從 vibe coding 角度探討工程師角色轉型；AI 輔助後端工程師技能地圖 補充 AI 時代的具體技術技能組合；AI 就業效應與 Jevons Paradox 分析更宏觀的職業市場變化；從層級走向智能：AI 重塑組織設計 探討組織層面的角色重組。

延伸觀點

職稱正在成為落後指標（linas.substack、paddo.dev 均指出）：在 AI-native 環境中，職稱反映的是上一個時代的分工邏輯，不再預測實際工作內容。Klarna、Shopify、Meta、Anthropic 等公司已在實際調整人力結構——Anthropic 內部所有人共用「Member of Technical Staff」一個職稱，PM 寫 code，資料科學家也寫 code，職稱到原型的映射完全斷開。

AI 吸收了 Builder/Maintainer 的重複性任務，但不能替代清理者的判斷（paddo.dev、Pragmatic Engineer 均指出）：AI agent 工具大幅降低了建造與維護階段的執行成本，使一人團隊得以橫跨多種原型。然而「清理者」所需的刪除判斷力——決定哪個功能該砍、哪段程式碼該整理——仍需人類做，且 AI 工具放大了既有傾向，本來就不擅清理的人在 AI 時代會更快堆積技術債。

協調能力正在取代函數執行力成為稀缺資源（paddo.dev）：當 AI 商品化了函數層（寫 code、生成 UI、接 API），真正決定誰能推動變革的，是衝突緩解、利害關係人管理、說服異議者的「膠水工作」。在孤獨使用 AI agent 的工作模式下，人際協調能力可能因為缺乏鍛鍊而退化——這是五種原型框架在個人成長層面的隱形警示。

反向連結

以下頁面引用了本頁：