为什么这个领域重要

Linear 的工程师职缺，职称写的是 Product Engineer。资深和 Staff 层级用这个名字，AI 团队的位子也用这个名字，旁边还另外挂着一条全栈工程师的职缺。这说明它不是换了个称呼，而是被当成另一种岗位。Replit 也用同样的职称招人。

差别在范围。产品工程师不是从需求文档开始的: 自己去弄清楚用户卡在哪里，从里面挑出要做的那一件，画好界面，发上线，两周后看数据给自己的判断打分。这不代表公司没有产品经理和设计师，而是决定在同一张桌子上做。

这类位子现在变多，是因为实现所需的时间在缩短。当智能体产出代码的速度上来，瓶颈就往前挪到「该做什么」。OpenAI 发布的研究把 AI 的引入描述为扩大了人所处理的范围，而不是收窄。创办广告控股集团的 David Jones 对金融时报说，公司 95% 的工作已经交给机器。另一侧也有更谨慎的读法: 斯坦福 SIEPR 的政策简报主张用实测数据把 AI 对就业的冲击和炒作分开看。更准确的说法是，职称先动，统计随后才确认。

所需技能

• 挑问题的判断力。 用户访谈不外包给别人。更难的一半是决定不做什么，要能说清楚为什么从需求列表里划掉三条。
• 把设计做完。 不等设计师，也要把空状态、加载中、报错、无权限的画面画出来。只做完顺利路径、其余交给别人，在这条路线上只算做了一半。
• 埋点先行。 事件结构先设计好再发版。上线后再补数据一定会晚，一晚就永远不知道自己的判断对不对。
• 全栈与发布。 从前端到数据模型、迁移、灰度放量。能独立把一个功能做完，决策权才会跟过来。
• 把实现交给智能体，再自己验收。 用工具换回来的时间花在判断上。但如果没有读得懂产出、挑得出问题的眼力，只是更快地做错。
• 短文字。 一页方案，五行发布说明。不留下当时为什么这么定，半年后同样的争论会再来一遍。

职业路径

初级阶段，把一个功能从定义问题一路带到上线。这里学到的不是写法，而是选错题目时的手感。到资深阶段，拥有一块产品领域，即使有产品经理也一起排优先级。到 Staff 或 Lead，决定团队完全不碰哪些问题，并把这套判断变成招人的标准。

在国内，把这个职称制度化的公司还不多，实际形态是创业公司里工程师兼做产品。BAT 这类大厂的产品、设计、研发分工清楚，这条路线反而不容易看见。所以国内求职者真正的难点不是职称而是证据: 简历上只写「实现了什么」，两边都不会把你读成产品工程师。能写一句「我主张不做哪件事，之后留存怎么变」，看的人就不一样了。

面试准备只做一件事的话，建议挑一个自己做过、用户最终没用起来的功能，把哪里判断错了整理成五分钟的说明。成功案例人人都带，把失败拆开看过的人很少。