公司嘴上说重视经验，简历筛选时却批量漏掉十年以上的候选人——这种割裂感正在技术圈蔓延。

经验到底值什么钱

打开网易新闻 查看精彩图片

原文作者梳理了几个硬通货场景：后端架构、数据系统（比如ETL管道）、软件架构设计。这些领域里的老手，价值不在写代码速度，而在四种隐性输出——

一是架构决策质量。见过系统怎么崩的人，知道什么时候该拆服务、什么时候该上缓存。

二是权衡意识。不是选"最好的"方案，是选"最适合当下团队能力和业务阶段"的方案。

三是风险预判。上线前能嗅出哪个环节会拖垮性能，这种嗅觉来自踩过的坑。

四是团队杠杆。带人、救火、弥合技术债，经验变成可复制的团队能力。

有意思的是，这群人现在还在往生成式AI领域扩。经验+新技术的组合，理论上应该是稀缺资产。

为什么面试流程在漏掉他们

作者没给数据，但抛了一个观察：经验工程师的面试通过率，似乎配不上他们的市场价值。

可能的摩擦点不难猜——

算法题白板面试，考的是刚毕业时的刷题肌肉记忆。十年没碰红黑树旋转的老兵，未必输给应届生，但时间成本和心理落差是真实的。

薪资带宽倒挂。高级岗位预算有限，招两个中级比招一个资深"看起来"产能更高——直到系统崩溃的凌晨三点。

招聘标准漂移。业务压力大时，团队倾向招"能立刻上手写业务代码"的人，而非"能阻止你写出三年后必须重写"的人。

作者的原话是：「Are we fully leveraging one of the most valuable assets in tech — experience?」翻译过来就是：你们到底知不知道自己在浪费什么？

生成式AI加剧了这个悖论

原文提到经验工程师在向生成式AI扩展。这制造了一个荒诞局面——

公司一边焦虑AI转型缺人才，一边用传统面试筛掉最有能力做AI落地的人。经验工程师懂业务边界、懂数据 pipeline 的脆弱环节、懂模型上线后的运维噩梦，这些恰恰是AI工程化最缺的。

但面试题可能还在问Transformer的注意力机制数学推导。

一个值得算笔账的问题

作者没给答案，只留了开放式结尾。我们可以顺着算一笔：一个能预判架构风险、能带团队少走三年弯路的人，面试挂在了白板环节——这是谁的成本？

下次你面一个十五年经验的人，不妨直接问：你崩过最大的系统是什么样的？后来怎么修的？这种对话的信息密度，可能比反转二叉树高得多。

如果你也在招聘或求职，试试把这条转给你们的HR或者技术负责人——问问他，你们公司的面试流程，到底在筛选什么？