亚马逊这份工程指导传递的信息很直接：**使用AI，不等于创造了价值。**这份备忘录由亚马逊全球商店业务副总裁兼杰出工程师特克·特尔科维茨撰写，2026年9月已在内部传阅，并于10月27日公开。文中强调，开发者的角色和产出不应由是否使用AI来定义。1320

什么是“文艺复兴式开发者”

备忘录用“文艺复兴式开发者”（Renaissance Developer）描述一种工作方式：开发者把AI工具与人的判断力、专业知识和领域经验结合起来，创造新的解决方案。重点不是每项任务都要用AI，而是理解问题、判断工具是否合适，并交付有用的结果。1020

因此，如果现有AI工具对某项工作没有帮助，工程师应能说明原因。亚马逊将这种判断称为“发现，而非失败”。1020 这份指导也面向软件开发经理，意味着管理者如何支持团队、评估工作，同样是讨论的一部分。531

为什么亚马逊警惕“刷Token”

“刷Token”（tokenmaxxing）指把尽可能多地使用AI，变成展示AI采用情况的指标。亚马逊提醒，Token消耗量、AI工具采用率、代码变更或审查数量，以及代码行数，都不应单独作为工程生产力的衡量标准。这些数字记录的是投入或活动，并不能直接说明客户或业务是否因此受益。71131

备忘录还把这类做法与亚马逊的领导原则联系起来：一味追求Token使用量，与“节俭”（Frugality）相悖；把代码行数当目标，则可能违背“发明并简化”（Invent and Simplify）。如果增加的是算力开销或代码复杂度，却没有带来更有价值的结果，数字变大并不等于工作变好。1131

这并不意味着采用率数据毫无用途。有关备忘录的报道指出，亚马逊承认使用指标可能与结果相关，但应谨慎、审慎地解读。16 相关性可以提示管理者进一步调查，却不代表这个指标就适合作为目标：如果团队因增加Token用量而受奖励，数字可能上升，工作成效却未必改善。

管理者该如何看待采用率的两端

备忘录要求管理者更仔细地研究AI采用率处于第10和第90百分位附近的团队。16 这不是说使用较少的团队一定落后，也不是说使用较多的团队必然表现更好。采用率可以作为追问的起点，但不能直接充当结论。

对使用较少的团队，管理者可以了解：当前工作是否不适合现有工具？团队是否遇到使用障碍？是否错过了有价值的应用机会？对使用较多的团队，则可以检视高频使用是否改善了结果，还是只增加了活动量和成本。这些问题有助于理解数据两端的情况，但最终仍应回到同一标准：工作是否创造了价值。

给工程团队的实际启示

亚马逊的指导并不是要求工程师避开AI，也没有规定必须达到某个使用量。它要求工程师运用判断力和领域知识，关注客户与业务成果；也提醒管理者谨慎使用采用率等数据，不要把它们变成简单的绩效排行榜。1620

说到底，AI使用量是投入，真正有用的工程成果才是目标。当AI帮不上某项任务时，解释原因能帮助团队看清工具的局限；不必为了显示“用过AI”而刻意制造使用记录。10

亚马逊这份工程指导传递的信息很直接：**使用AI，不等于创造了价值。**这份备忘录由亚马逊全球商店业务副总裁兼杰出工程师特克·特尔科维茨撰写，2026年9月已在内部传阅，并于10月27日公开。文中强调，开发者的角色和产出不应由是否使用AI来定义。1320

什么是“文艺复兴式开发者”

备忘录用“文艺复兴式开发者”（Renaissance Developer）描述一种工作方式：开发者把AI工具与人的判断力、专业知识和领域经验结合起来，创造新的解决方案。重点不是每项任务都要用AI，而是理解问题、判断工具是否合适，并交付有用的结果。1020

因此，如果现有AI工具对某项工作没有帮助，工程师应能说明原因。亚马逊将这种判断称为“发现，而非失败”。1020 这份指导也面向软件开发经理，意味着管理者如何支持团队、评估工作，同样是讨论的一部分。531

为什么亚马逊警惕“刷Token”

“刷Token”（tokenmaxxing）指把尽可能多地使用AI，变成展示AI采用情况的指标。亚马逊提醒，Token消耗量、AI工具采用率、代码变更或审查数量，以及代码行数，都不应单独作为工程生产力的衡量标准。这些数字记录的是投入或活动，并不能直接说明客户或业务是否因此受益。71131

备忘录还把这类做法与亚马逊的领导原则联系起来：一味追求Token使用量，与“节俭”（Frugality）相悖；把代码行数当目标，则可能违背“发明并简化”（Invent and Simplify）。如果增加的是算力开销或代码复杂度，却没有带来更有价值的结果，数字变大并不等于工作变好。1131

这并不意味着采用率数据毫无用途。有关备忘录的报道指出，亚马逊承认使用指标可能与结果相关，但应谨慎、审慎地解读。16 相关性可以提示管理者进一步调查，却不代表这个指标就适合作为目标：如果团队因增加Token用量而受奖励，数字可能上升，工作成效却未必改善。

管理者该如何看待采用率的两端

备忘录要求管理者更仔细地研究AI采用率处于第10和第90百分位附近的团队。16 这不是说使用较少的团队一定落后，也不是说使用较多的团队必然表现更好。采用率可以作为追问的起点，但不能直接充当结论。

对使用较少的团队，管理者可以了解：当前工作是否不适合现有工具？团队是否遇到使用障碍？是否错过了有价值的应用机会？对使用较多的团队，则可以检视高频使用是否改善了结果，还是只增加了活动量和成本。这些问题有助于理解数据两端的情况，但最终仍应回到同一标准：工作是否创造了价值。

给工程团队的实际启示

亚马逊的指导并不是要求工程师避开AI，也没有规定必须达到某个使用量。它要求工程师运用判断力和领域知识，关注客户与业务成果；也提醒管理者谨慎使用采用率等数据，不要把它们变成简单的绩效排行榜。1620

说到底，AI使用量是投入，真正有用的工程成果才是目标。当AI帮不上某项任务时，解释原因能帮助团队看清工具的局限；不必为了显示“用过AI”而刻意制造使用记录。10