为什么 Anthropic 内部很多人都是 Member of Technical Staff，没有明确的职级和分工
Anthropic 内部很多人都叫 Member of Technical Staff。
这件事看上去像一个头衔问题。
但它真正指向的，不是 HR 命名，而是 AI 时代组织结构正在发生的一次迁移。
过去，一个人的头衔会告诉你他是谁：工程师、产品经理、设计师、研究员、用户研究、数据分析师、工程总监。
头衔像组织里的路标。
你看到路标，就知道这个人负责哪一段流水线。
但在 Claude Code 这种工作方式里，流水线本身正在被拆掉。
模型把知识获取、代码生成、数据查询、原型搭建、文档撰写、用户反馈分析这些原来分散在不同角色里的能力，重新压缩到一个人可以调度的工作面里。
所以，Member of Technical Staff 不是一个更高级的工程师称号。
它更像是在说：先别急着问我是什么职能。
先看我能不能把事情做成。
模糊头衔的第一层作用：让想法先于资历出现
参考文章里，Boris Cherny 讲了一个很有意思的细节。
他提到 Meta 曾经把所有软件工程师都统一叫 Software Engineer，不在头衔上写 senior、principal 之类的层级。
这当然不等于公司内部真的没有级别。
等级仍然存在。
只是它不被放在每一次沟通的第一屏。
这个设计最重要的作用，是减少一种隐形服从。
如果一个人的头衔写着“高级”“首席”“负责人”，别人会更容易默认他是对的。
哪怕他的想法很糟糕，大家也会因为资历、位置和礼貌性服从而少反驳几句。
但如果大家在可见层面上都只是 MTS，想法就必须更多靠自己站住。
这不是追求表面平等。
而是在组织里故意降低身份噪音。
让争论从“谁说的”回到“说得对不对”。
AI 时代这个设计会更重要。
因为每一次模型升级，都会重新分配能力边界。
昨天的专家，今天可能要重新校准。
昨天的新人，今天可能因为更天然地理解模型工作流，反而更快找到新范式。
如果组织太早把人固定在资历秩序里，它就会错过这种反向学习。
第二层作用：承认分工正在瓦解
传统软件组织是流水线。
用户研究员理解用户。
产品经理整理需求。
设计师画交互。
工程师实现功能。
数据分析师看指标。
经理协调排期。
每个人都在自己的格子里完成一段工作。
这个结构成立的前提，是跨格子的学习成本很高。
工程师不轻易做用户研究，不是因为他不关心用户，而是因为方法、工具、语境、经验都不在他手里。
设计师不轻易写代码，不是因为他不能理解逻辑，而是因为实现成本太高。
财务同事不写自动化脚本，不是因为没有需求，而是因为过去跨过去太麻烦。
模型改变的，恰恰是这些边界的摩擦。
当一个人可以让 Claude 帮他查数据库、写脚本、生成 dashboard、分析用户反馈、搭原型、写文档、改代码，原来的专业边界就不会立刻消失，但会开始变软。
Boris 说 Claude Code 团队喜欢 Generalist。
这句话的重点不是“通才比专家更好”。
而是当模型降低跨域成本之后，能跨域调度的人会获得新的杠杆。
组织不再只需要“一个很会写代码的人”。
组织更需要“一个能把用户、数据、产品、代码、模型和反馈放进同一个闭环的人”。
这就是 Builder。
Builder 不是会写代码的人，而是端到端把事做成的人
Satya Nadella 用 Builder 来描述这种角色，是一个很准确的词。
但 Builder 容易被误解成“更强的工程师”。
这不够。
AI 时代的 Builder，不是普通开发者，也不是传统意义上的建设者。
他更像一个把 PM、前端、后端、业务拆解、AI 编排、判断验收和责任闭环合并到一起的新型个体。
他的关键能力不是“亲手完成每个环节”。
而是能判断什么值得做，拆成什么样的任务，调用哪些工具和 Agent，如何验证结果，如何把反馈再喂回系统。
在这个意义上，MTS 这个头衔的模糊性，反而是它的准确性。
因为它不提前规定你只能做哪一段。
它把人推向一个更完整的问题空间：
你面对的是一个真实问题。
你可以用代码，可以用模型，可以用数据，可以用用户访谈，可以用产品判断，可以用流程设计。
最后，拿结果说话。
这和传统组织最不一样的地方在于：角色不再先于问题存在。
问题先出现。
角色围绕问题临时生成。
Claude Code 改变的不是写代码，而是知识流动
参考文章里还有一个细节很关键。
Boris 说，新工程师加入 Anthropic，过去可能需要几周熟悉内部系统，现在往往只需要两天。
原因不是培训体系突然变完美。
而是很多隐性知识开始被 Agent 接住。
过去一个新人要问：数据库怎么查？谁知道这个系统？这个指标在哪里？这个服务为什么这样设计？
这些问题要靠人肉传帮带。
老员工是组织知识的路由器。
新人通过不断打扰老员工，慢慢把上下文拼起来。
但如果大家开始习惯“打开 Claude，让 Claude 去查”，组织知识就从人脑和私聊里，逐渐迁移到可查询、可组合、可执行的系统里。
这不是简单的效率提升。
这是组织知识流动方式的变化。
当知识不再主要依赖固定岗位和固定老人转述，人的价值也会迁移。
过去值钱的是“我知道这个系统怎么回事”。
未来更值钱的是“我能提出正确问题，能判断系统给出的答案靠不靠谱，能把答案变成行动，并对结果负责”。
这也是为什么 MTS 这种宽头衔会更合理。
因为组织真正要识别的，不是你占在哪个知识节点上。
而是你能不能调动知识网络，把问题推进。
没有明确分工，不是没有责任
当然，模糊头衔也有代价。
Boris 自己也承认，最糟糕的一点是：你在 Slack 上看到一个 MTS，根本不知道他是设计师、工程师、经理，甚至不知道他正在做什么项目。
这是真问题。
一个组织如果只学习“头衔模糊”，不学习“责任清晰”，最后只会得到混乱。
AI 时代不是取消责任。
恰恰相反，越是工具强、边界软、执行快，越需要更清楚的责任结构。
传统组织用职能来定义责任。
产品负责需求，设计负责体验，工程负责实现，测试负责质量。
Builder 型组织不能这么简单切。
它要围绕问题定义责任：谁是这个问题的 DRI？谁对用户结果负责？谁对技术风险负责？谁对上线后的反馈闭环负责？
也就是说，分工可以变软。
责任不能变软。
头衔可以模糊。
承诺不能模糊。
这是很多公司学习 Anthropic、Block 或任何 AI 原生组织时最容易错的地方。
把层级拿掉很容易。
把中间角色砍掉也很容易。
难的是建立一种新的对齐机制：让人不靠头衔知道彼此该听谁，而靠上下文、判断、承诺和结果形成协作。
经验开始从资产变成需要校准的变量
Boris 还提到一个很反直觉的现象。
一些有 20 年、30 年经验的资深工程师，反而要花几个月 unlearn。
而新毕业的大学生，可能会教他怎么更好地用 Claude Code。
这句话不是贬低经验。
而是说明经验的性质变了。
在稳定时代，经验是一种复利。
你越早进入系统，越熟悉工具链、组织惯例、代码结构和判断框架，你就越有优势。
但在范式快速迁移的时候，经验会混进一部分旧世界假设。
比如：代码必须亲手写才放心。
比如：产品、设计、工程必须严格分工才专业。
比如：新人要先做几年低价值任务，才能碰核心判断。
比如：一个人同时管多个 Agent 是不靠谱的。
这些经验并不一定错。
但每一次模型能力跃迁之后，它们都需要重新校准。
所以 MTS 的另一个隐含含义是：不要让过去的职级秩序过早锁死未来的能力秩序。
真正重要的不是你昨天是什么级别。
而是今天这套模型和工具变化之后，你能不能重新找到有效工作方式。
少招人，多给 token，本质上是在重写组织杠杆
文章里还有一句很扎眼的建议：少招人，多给 tokens。
这句话如果只按成本看，会显得很冷。
但从组织设计看，它表达的是另一件事：组织杠杆正在从“人数”迁移到“系统能力”。
过去，一个项目需要四个工程师，通常就配四个人。
因为每个人的产能边界相对稳定。
现在 Boris 的建议是：如果你觉得需要四个人，就先放两个人，再给他们足够多的 token，让他们把能自动化的部分全部自动化。
这会带来一个复利效应。
第一次做，前期成本可能更高。
但一旦流程、脚本、Agent 循环、上下文管理、自动检查和部署路径被搭起来，下一次就更快、更便宜。
这背后的组织哲学是：不要把所有复杂性都用人来吸收。
能沉淀到系统里的，就沉淀到系统里。
能交给 Agent 循环的，就交给 Agent 循环。
人不要只做执行器。
人要设计循环、校准循环、终止错误循环，并决定什么循环值得存在。
这也是 MTS/Builder 角色的核心。
他不是某条流水线上的一个工位。
他是一个小型智能系统的设计者和负责人。
最后剩下的不是品味，而是价值观
很多人说，AI 时代人类最后的护城河是品味。
Boris 不太同意。
他举了自己的例子：曾经坚持代码库里不用 class，只用 function。后来模型写出了 class，他发现业务结果达到了，代码也不差，于是承认自己的某些“品味”可能只是执念。
这件事很有意思。
因为它提醒我们：很多被称作品味的东西，可能只是某个时代的经验偏好。
当模型看过更多代码、更多用户反馈、更多 issue、更多成功和失败案例之后，它也会形成越来越强的选择能力。
产品品味、工程品味、设计品味，都会被模型逐步侵蚀。
那人还剩什么？
Boris 给出的答案是：价值观。
这个答案很 Anthropic。
也很关键。
因为价值观不是“把事情做对”的能力。
价值观是“什么事情值得做、什么事情不该做、什么代价不能接受”的判断。
模型可以越来越会执行。
也会越来越会建议。
但组织仍然需要有人决定边界。
在这个意义上，MTS 的终点不是无差别的“会用 token 的灵活袋子”。
而是更高要求的技术责任主体。
你不再躲在职能后面。
你不再说“这不是我的岗位”。
你面对一个问题，调用一切可用能力，把它推进，同时承担选择的后果。
结尾：MTS 是一种过渡态，也是一种预演
为什么 Anthropic 内部很多人都是 Member of Technical Staff，没有明确职级和分工？
因为在 AI 原生组织里，明确分工正在从优势变成约束。
不是所有分工都会消失。
也不是所有人都应该变成同一种人。
但组织的默认单位，正在从“岗位上的人”变成“围绕问题组织能力的人”。
这就是 MTS 这个头衔最值得关注的地方。
它模糊了职能，却放大了问题。
它弱化了资历标签，却要求想法自己站住。
它减少了身份保护，却提高了端到端负责的压力。
它不是没有结构。
它是在旧结构被模型压缩之后，给新结构留出空间。
未来的高价值员工，越来越不像一个固定岗位说明书里的人。
更像一个 Builder：能理解用户，能调动模型，能写必要的代码，能看数据，能搭系统，能组织反馈，能判断边界，也能为结果负责。
所以 Anthropic 的 MTS，不只是一个头衔。
它是在提前排练一种新组织形态：
当模型吞掉越来越多执行任务之后，人不再靠“我属于哪个职能”证明价值。
人要靠“我能把什么复杂问题变成现实”证明价值。
参考
- 微信公众号「机器之心」：《Claude Code之父：「品味」不是人类护城河；当工程师不再写代码，招聘看什么？》，2026-06-07。https://mp.weixin.qq.com/s/7xojGo-W7COYmWP3mxghOA
- 访谈视频：Boris Cherny, YouTube：https://www.youtube.com/watch?v=RkQQ7WEor7w&t=1s