@bcherny：Boris Cherny 歸納 Claude Code 團隊五種職能原型。 職能原型分類 Boris Cherny 觀察到隨著工程、產品、設計與資料科學…

Boris Cherny 歸納 Claude Code 團隊五種職能原型。 職能原型分類 Boris Cherny 觀察到隨著工程、產品、設計與資料科學（DS）等領域界線逐漸模糊，團隊成員的角色正演變為五種核心原型，且這些原型不再受限於傳統的職稱： Prototyper（原型開發者）：負責構思全新創意，產出大量概念，即便多數最終未進入市場。 Builder（建構者）：能迅速將原型或創意轉化為具備生產等級的產品或基礎設施。 Sweeper（清理者）：專注於優化 UI、簡化程式碼與系統架構，移除冗餘功能並提升效能。 Grower（成長推動者）：針對已有產品進行迭代，致力於提升產品市場契合度（PMF）。 Maintainer（維護者）：負責成熟系統的長期營運，確保其在擴展過程中的安全性、可靠性與執行效率。 團隊配置策略 Boris Cherny 指出，健康的團隊組成應根據產品所處的生命週期進行動態調整： 產品初期（尚未達成 PMF）：需要具備 Prototyper、Builder 與 Sweeper 能力的人才。 成長期（已達成 PMF）：重心轉向 Builder、Sweeper、Grower，並適度配置 Maintainer。 成熟期（強勢 PMF）：以 Sweeper、Grower 與 Maintainer 為主，輔以少量 Builder。 職能界線的批判與反思 Kun Chen 對於將個人定義為特定原型提出質疑，認為這會限制個人的發展潛力： 角色僵化風險：一旦將自己歸類為特定原型，容易導致思維定勢，阻礙自我質疑與成長。 專案生命週期需求：個人的角色應隨專案進程演變，從初期的開發者轉變為中後期的清理者與維護者；若過度自我設限，將被迫在專案發展過程中放棄參與。 多工處理的必要性：在同時處理多個專案時，個人必須具備在不同場景扮演不同角色的彈性，而非受限於既定的職能邊界。 AI 對職能的影響 針對 Pachu 提出「若程式撰寫已由 AI 解決，是否還需要 Builder 與 Sweeper」的疑問，Boris Cherny 回應： AI 的輔助角色：Claude 目前在 Builder 與 Sweeper 相關任務上表現優異，且未來能力將持續提升。 職能的普適性：Boris Cherny 強調，這些原型並非工程領域專屬。以 Anthropic 為例，資料科學家（DS）同樣分佈在這些原型中，打破了過去 DS 僅被視為「數據處理人員」或僅能被自助式分析工具取代的刻板印象。 未來展望 Boris Cherny 與 Kun Chen 皆同意，未來的職能將不再依循傳統的領域專業劃分。成功的關鍵在於保持彈性，專注於達成目標所需的任務，而非糾結於日益模糊的職位邊界。 原文：https://easyvibecoding.app/curated/2247