我们是怎么做到的呢？ 很简单：只让 AI 来做 Review。 AI 不仅能提效，还有一个意想不到的好处，就是减少摩擦。人工 Review 很容易让人觉得是在「挑刺」，但如果是 AI 指出问题，工程师反而会感谢它帮自己排雷。 所以在我们团队里，大家都会相互推荐好用的 AI Review 工具。这种「好用」很难用量化指标衡量，更多取决于工程师的主观体验。 本期播客前半部分是任川的单人分享，后半部分是现场交流，原文约 14500 字，本文经过删减整理后约 5600 字。 任川单人分享 我们公司成立于去年 4 月，一开始就采用了 AI Native 的组织形式，两三个月后，就把 AI 深度嵌入了研发的各个环节，这一年多实践下来，效率和效果都很好。 今天我就会从工作流、人才、组织三个维度，分享我们打造 AI Native 工程团队的经验。 先说第一部分： 如何用 AI 重构研发工作流，把效率提升 10 倍。 所谓「10 倍提效」只是保守说法，实际体感远不止于此。拿 Code Review 举例，这件事即使在效率优化到极致的 Google，平均也要一两天，而我们只需 10 分钟。 在传统工作流里，我们通常会默认所有事都 ...

计算机科学毕业生就业困境 - 计算机科学专业应届毕业生Mishra在长达一年的求职尝试后未获录用，最终转向技术销售职位 [2][4] - 2025年美国IT就业市场持续疲软，5月和6月新增岗位分别下调至1.9万和1.4万个，7月进一步缩减1.03万个岗位 [7] - 2025年上半年IT岗位总缩减量达2.65万个，远超2024年同期的6200个 [7] 行业数据与趋势 - 2025年6月IT行业失业率达5.5%，高于全国平均的4.2% [10] - 22至27岁计算机科学与工程专业毕业生失业率分别为6.1%和7.5%，显著高于生物学和艺术史专业的3% [10] - 美国计算机相关领域本科生人数从2014年的不足8.5万增长至2024年的17万，翻倍有余 [4] AI对就业市场的影响 - AI编程工具普及导致初级软件工程师需求萎缩，入门级岗位最易被自动化取代 [12] - 科技企业使用AI工具自动筛选简历，求职者需应对算法淘汰机制 [13] - 部分毕业生因缺乏AI编程工具培训而竞争力不足，企业更重视相关热门技能 [13] 求职者体验与挑战 - 求职者Zach Taylor申请5762个技术职位，仅获13次面试且未获全职录用 [11] - AI面试流程引发负面体验，部分求职者因冷漠的交互方式拒绝继续参与 [15][16] - 求职者担忧AI面试泄露个人信息，或被标记为"不合格"影响未来机会 [17][18] 企业招聘策略变化 - 人力资源团队利用AI筛选候选人、安排面试并自动发送通知，以应对海量申请 [19] - AI面试官帮助招聘经理节省初轮时间，但加剧求职者竞争压力 [20]