公司嘴上說重視經(jīng)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(shù)圈蔓延。

經(jīng)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(gòu)、數(shù)據(jù)系統(tǒng)（比如ETL管道）、軟件架構(gòu)設(shè)計。這些領(lǐng)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(gòu)決策質(zhì)量。見過系統(tǒng)怎么崩的人，知道什么時候該拆服務(wù)、什么時候該上緩存。

二是權(quán)衡意識。不是選"最好的"方案，是選"最適合當下團隊能力和業(yè)務(wù)階段"的方案。

三是風險預判。上線前能嗅出哪個環(huán)節(jié)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(shù)債，經(jīng)驗變成可復制的團隊能力。

有意思的是，這群人現(xiàn)在還在往生成式AI領(lǐng)域擴。經(jīng)驗+新技術(shù)的組合，理論上應(yīng)該是稀缺資產(chǎn)。

為什么面試流程在漏掉他們

作者沒給數(shù)據(jù)，但拋了一個觀察：經(jīng)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(yè)時的刷題肌肉記憶。十年沒碰紅黑樹旋轉(zhuǎn)的老兵，未必輸給應(yīng)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(chǎn)能更高——直到系統(tǒng)崩潰的凌晨三點。

招聘標準漂移。業(yè)務(wù)壓力大時，團隊傾向招"能立刻上手寫業(yè)務(wù)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(jīng)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(zhuǎn)型缺人才，一邊用傳統(tǒng)面試篩掉最有能力做AI落地的人。經(jīng)驗工程師懂業(yè)務(wù)邊界、懂數(shù)據(jù) pipeline 的脆弱環(huán)節(jié)、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(shù)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(jié)尾。我們可以順著算一筆：一個能預判架構(gòu)風險、能帶團隊少走三年彎路的人，面試掛在了白板環(huán)節(jié)——這是誰的成本？

下次你面一個十五年經(jīng)驗的人，不妨直接問：你崩過最大的系統(tǒng)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(zhuǎn)二叉樹高得多。

如果你也在招聘或求職，試試把這條轉(zhuǎn)給你們的HR或者技術(shù)負責人——問問他，你們公司的面試流程，到底在篩選什么？