管理经验为什么比"AI 熟练度"更重要

Tolan 团队在大量使用 AI Agent 辅助开发后，到 2025 年底观察到一个明显趋势：随着并发长运行 Agent 能力的阶跃提升，单纯"AI 使用熟练度高"的工程师并非受益最大的群体。真正产出爆发的，是拥有管理经验的前工程经理。

原因不难理解。AI Agent 本质上像一个"新员工"——它需要清晰的任务拆解、合理的里程碑设定、及时的方向纠偏、严格的代码审查，以及在关键时刻的人工介入。这些能力，恰恰是管理者的日常。

基于这个洞察，Tolan 专门设立了 Agent Engineering Manager 这个岗位。

Agent Engineering Manager 到底做什么

这个角色的定位很有意思：纯 IC（个体贡献者），没有人类直接下属，目标人群是仍然热爱写代码的 Tech Lead 或小规模管理者。

核心能力要求包括五个方面：

  • 将模糊的产品问题拆解为明确、可范围化的任务
  • 委托任务时设定适当的里程碑和检查点
  • Agent 遇到问题求助时，能快速指导与纠偏
  • 对 Agent 完成的工作进行彻底的代码审查
  • 必要时亲自动手，确保特性高质量交付

日常工作在三件事之间切换：一是构建基础设施（代码规范、模板、Skills 等），让 Agent 能可持续地产出；二是整天活在多 Agent 并发循环中——prompt、coach、redirect；三是小团队里仍然需要自己下场推动特性落地。

对一人公司的启示

AI 改变了代码产量，但没有改变"优秀工程师"本质所需的东西：推理能力、沟通能力、判断力。何时澄清需求、何时权衡取舍、何时判断"可以上线"——这些决策能力不会被 Agent 替代。

对于独立开发者来说，这意味着你不需要成为 prompt engineering 的极客，但你需要学会像管理团队一样管理 AI Agent：把大任务拆小、设检查点、审查输出、在 Agent 卡住时及时介入。如果你曾经带过哪怕两三个人的小团队，这套思维方式你已经具备了——现在只是把"下属"换成了 Agent。