自从 2023 年 4 月份初次接触到 ChatGPT 以来，一直被它强大的能力所深深震撼。它不仅能够轻松完成各种文字处理，表格分析，还能够进行代码撰写。同时，代码撰写的范畴远远不只是 Python、C/C++/C#、 Java，还包括前端的 HTML/CSS/JavaScript 等内容。刚接触到这个工具的时候，发现自己的开发能力和接触面瞬间拓展了，仿佛在不久的将来可以成为一个所谓的“全栈工程师”。这个想法听起来是非常有吸引力的，对不少新人甚至我这种工作十年的人都有着巨大的魔力，它不仅能够让一个人成为全能的人，还能够让一个人的能力面进行非常大的拓展。

在 2023 年的后半年阶段，我也接触到了 HTML/CSS/JavaScript 和前端的 VUE 框架，在 ChatGPT 的帮助下，也能够应对一部分的前端开发任务。同时在熟悉 Python 的基础上，也能够用 Flask 提供必要的后端接口给前端使用。在 ChatGPT 的加持下，一个看上去“全能”的全栈开发初见成效。

到了 2024 年，在日常的工作中也会遇到各种大佬，在与大佬的交流过程中，我提到了我的想法，也就是在 GPT 的协助下，让团队中的同事都成为“全栈”工程师。听完这个想法之后，大佬给出了一个回复：“让人都成为全栈工程师是不可取的，通常人的经历较为有限，一般只能够精通一到两个方向，很难了解和精通其内容”。事后我就认真地思考这句话，逐渐发现：这个思路是错的，甚至是危险的。

人的精力是有限的，广而不精意味着“样样通样样松”。计算机行业的技术栈极其庞大，前端、后端、算法、运维、数据库。每个领域都在不断更新，精通任何一门都需要大量时间。在 AIGC 工具畅行的今天，虽然在工具的帮助下能够迅速完成某一项工作，但是想要精通每一个工作那是一件不可能的事情。在现实中，技术大牛往往是在某一领域专精，比如：

1. 前端大牛深入研究组件化、性能优化、前端架构；
2. 后端大牛专注于高并发、微服务、分布式系统；
3. 人工智能大牛投入数年研究深度学习架构优化、算法的效果提升等问题；

试图在多个领域都达到行业顶尖水平，意味着需要在时间与精力上做不可能的投入。而 AIGC 已经可以提供还不错的代码能力，如果一个程序员相比 AIGC 没有更加精通的能力，那么这个程序员的价值也就无法体现了。真正的技术专家，都是在一个方向深入打磨，而不是在多个领域浅尝辄止。

行业并不需要“全才”，而是需要“能解决核心问题的人”。现实世界里，企业招聘时更看重的是你的深度能力，而不是会不会“全栈”。虽然在某些团队会特别看重全才，号称任何方向都懂并且能够做下去，但是却是样样稀疏。从招聘的需求来看，企业不会招一个“会一点前端、会一点后端、会一点 AI”的人，也不会招一个“会一点硬件、会一点软件”的人，而是希望候选人在一个方向上能独当一面。招聘的时候一般情况下不会要求一个人什么都会，而是有针对性的招聘专业的人才。在实际开发中，团队协作更重要，一个人负责所有环节往往是低效的。专业分工意味着你能更快更好地交付高质量的代码，而不是在不同技术栈之间疲于奔命。真正需要“全栈”的岗位，比如初创公司 CTO 或独立开发者，通常是因为人手不足，不得不兼顾，而非最佳选择。

在工作中，我曾遇到过一位同事，他自称“全栈”型工程师，不仅能做前端、后端，还能做 Android 开发，甚至对硬件有所了解。乍一看，这种能力的广度让人印象深刻，似乎是个多面手。然而，在与他共事一段时间后，我逐渐发现，这位同事的实际能力并没有表面上看起来那么强大。虽然他能在团队中谈论各种技术，从前端框架到后端架构，再到硬件设计，他总能聊得头头是道，但深入讨论时却常常显得缺乏深度，许多关键问题他都无法给出有效的解决方案。

最让人失望的是，他擅长撰写各种技术文档，但这些文档基本上无人关注，内容充斥着空洞的理论和泛泛的技术概述，实际上并没有多少实际价值。虽然团队并没有对他的文档产生太多期待，但也不得不接受，他似乎始终游走在各个领域之间，却始终没有真正精通某一项技术。

这种现象让我深刻意识到，“全栈”并不是万能的标签，尤其当你试图什么都做却没有深入钻研时，它反而可能成为一种负担。所谓的“全栈”往往意味着广度而非深度，虽然能“聊得了”各种技术，但却难以真正解决复杂问题。而团队真正需要的，往往是能够在某一领域中做到顶尖、深入的专家，而不是一位什么都懂但做不精的“全能选手”。

为什么仍然有人推崇“全栈”甚至“全才”？

1. 面试错觉：有些公司会要求“懂前端 + 后端 + AI”，但这类公司往往是希望一个人干三个人的活，而不是真的要你“全才”；
2. 技术焦虑：很多初学者害怕自己学得不够全面，认为“什么都学”才能有竞争力，但实际上，面试时更看重深度，而不是广度；
3. 贩卖焦虑：培训机构、部分自媒体博主过度宣传“全栈”概念，因为“学全栈”意味着课程内容更丰富、更能赚钱。

真正的职场竞争力，来自深度和不可替代性，而非面面俱到的浅尝辄止。而当前看上去最佳的发展模式就是 T 型人才模型：

• 纵向发展：在一个领域深耕，比如 AI 算法工程师研究各种数据处理、模型训练、模型推理等知识；
• 横向发展：在相关领域有所了解，比如 AI 算法工程师了解后端开发的知识，包括接口开发等内容；

那么，究竟该如何选择自己的深度方向呢？个人感觉那就是找到自己最擅长、最感兴趣的领域，深挖下去，成为该领域的专家。适度了解其他领域，但不要企图“全才”，这样既能和团队高效协作，也不会陷入“什么都懂一点，但什么都不精”的陷阱。

整体来说，“全栈”不等于高价值，深入掌握某一领域更加重要。企业更加看重“解决某个问题的能力”，而不是“样样会一点”。T 型人才成长模式更加适合长期发展，不应该盲目追求“全才”。最重要的是，不要被各种焦虑营销带偏，专注个人的深度成长，才是最佳的技术路径。