技术能力
- 扎实的基础：数据结构、算法、操作系统、网络、数据库原理
- 系统设计能力：能权衡取舍，设计可扩展、可维护的系统
- 调试与排障：能快速定位问题，善用工具（profiler、日志、监控）
- 阅读代码：能快速理解陌生代码库，而不只是写代码
- 持续学习：技术演进快，能主动跟进新技术而不盲目追新
工程素养
- 写可读代码：代码是写给人看的，命名清晰，逻辑直白
- 测试意识：主动写测试，而不是依赖 QA 兜底
- 版本控制规范：清晰的 commit message，合理的分支策略
- 文档意识：在合适的地方写合适的文档（不是每行都注释）
- 安全意识：代码层面的 OWASP 意识，不把安全留给"以后再说"
协作能力
- 沟通清晰：能向非技术人员解释技术问题，能在 code review 中表达具体意见
- 估时准确：能分解任务，给出相对可靠的工时估算
- 主动暴露问题：遇到 blocker 早说，而不是默默卡住
思维方式
- 系统思维：看到局部问题时，能思考对整体的影响
- 务实：不追求完美设计，在"够好"和"完美"之间找到正确点
- ownership：对自己负责的东西有主人翁意识，上线后持续关注
- 简单优先：倾向于简单方案，而不是过度设计；代码越少越好
软技能
- 抗压与专注：在复杂问题面前不慌，能保持有效的思考
- 接受反馈：对 code review 意见开放，不把技术讨论变成自我防卫
好奇心
好奇心是一个底层驱动力，而不只是加分项。软件工程本质上是一个持续解决未知问题的职业。好奇心驱动你：
- 追问"为什么这样设计"，而不只是"怎么用"
- 遇到 bug 时愿意深挖根因，而不是绕过去
- 主动探索新技术，而不是等公司安排培训
- 对系统的运行机制真正感兴趣，而不只是完成任务
没有好奇心的工程师可以把当前的工作做得"够用"，但很难做到深入——他们写的代码能跑，但不理解为什么。
好奇心本身还不够，它需要配上自律和落地能力。有些人什么都好奇，但浅尝辄止，或者永远在学新东西却从不完成一件事——这是好奇心失控的版本。
更完整的表述是：有边界的好奇心——对核心领域深挖，对周边领域保持开放，但不被新鲜感分散焦点。
如果只能选一条：能把复杂问题分解成可执行的小步骤，并持续交付——这是区分普通工程师和优秀工程师最核心的能力。
AI 时代的变化
AI 时代这些素质的重心发生了偏移，而不是全部推翻。
更重要了的
- 阅读和判断代码：AI 生成代码的速度远超人类，“写"的比重下降，“读、评估、审查"的比重上升
- 问题分解：指挥 AI 的前提是你能把问题拆清楚——分解不清，AI 给你的结果也是乱的
- 基础原理：AI 输出的代码"看起来对"但可能暗藏问题，没有基础你抓不住错误
- 判断力与品味：AI 永远给你一个"合理的答案”，但合理不等于正确，你需要能辨别好坏
- 系统思维：AI 处理局部，人负责全局，整体架构、权衡取舍仍然是人的责任
变得不那么关键的
- 记忆语法、API 细节——AI 比你记得更准
- 写样板代码的速度——AI 秒完成
- 从零实现标准算法——直接生成即可
新增的
- AI 协作能力：知道什么时候用 AI、怎么引导、怎么验证输出
- 怀疑 AI 输出的习惯：不盲从，始终验证正确性、安全性、性能
- 更强的 ownership：AI 会产出大量代码，但责任仍然在人，“AI 写的"不是借口
好奇心在 AI 时代更重要，因为工具变化极快，好奇心驱动你持续理解 AI 的能力边界，而不是停留在一年前的用法上。
AI 把执行层自动化了，工程师的价值向判断层、设计层、责任层转移。基础越扎实、判断力越强的工程师，AI 对他的增益越大；基础薄弱的工程师，AI 反而会放大他的错误。