Tech

The ladder lost its bottom rung. Good thing it never made you a senior.

June 22, 2026 · Liu Weipeng, Dark Time~6 min read

A computer science new grad in 2026 faces a number their professors never saw: a 6.1% unemployment rate, higher than art history. The first job — the one that used to be the obvious next step — is quietly disappearing. The panic is real. But it's pointed at the wrong thing.

The numbers say the bottom of the ladder is being sawn off

Stanford's AI Index 2026 puts a figure on a feeling a lot of young engineers already had. Employment for software developers aged 22 to 25 has dropped about 20% from its 2022 peak. Postings for entry-level engineering roles are down 28% over the same window and have not recovered. Three years ago, junior and new-grad hires made up roughly 15% of IT employment; now it's closer to 7%. Meanwhile developers in their thirties and forties are still being hired — headcount in those cohorts grew. The squeeze is landing almost entirely on people at the start.

The mechanism is no mystery. The work a junior used to be handed — boilerplate, test scaffolding, well-specified tickets — is exactly the work AI coding tools do well now. Companies report 40 to 55% more code shipped per sprint once those tools are in hand. The brutal arithmetic follows: one senior plus AI now covers what used to take a senior plus a junior. So the junior seat gets cut. The rung you were supposed to step on first is the rung being pulled out.

But which rung actually builds an expert?

Here is the question worth sitting with. Picture the old path. You got hired, you were fed tasks, you closed tickets, and after enough of them someone called you senior. We talk about that as if the ticket-closing was the thing that made you good. Liu Weipeng, in Dark Time, says it almost never was.

His central claim is that time isn't equal. Two people can put in the same calendar years and come out wildly different, because what counts isn't days logged — it's thinking time, the hours a problem stays loaded in your head while you walk, shower, ride the train. He calls those hidden hours your dark time. Closing assigned tickets burns calendar days. It rarely lights up dark time, because someone else already did the hard part: they decided what the problem was. You just filled in the blank.

Think about what a junior engineer actually did all day in 2021. A senior broke a vague feature into a tidy stack of tickets, and the junior worked the stack: wire this endpoint, write that test, match the existing pattern. It felt like learning, and a little of it was. But the judgment — what should this even do, where does it break, which trade-off matters — had been spent before the ticket reached you. You inherited the answer and typed it in. That is precisely the slice an AI tool now does in seconds, which is why the junior seat, not the senior one, is the cheap thing to cut.

The fed task was always the weakest teacher

Watch what a well-specified ticket removes. It removes the part where you sit with a vague mess and decide what's actually wrong. It removes the failed approaches, the dead ends you have to feel your way out of. Liu's rule for learning is that you remember what you've retrieved, not what you've reread — and a ticket hands you the answer's shape before you've done any retrieving. Expertise grows from the friction the ladder was busy sanding off. The rungs felt like progress. Mostly they were just motion.

This reframes the panic. If the junior years built experts, losing them would be a catastrophe with no exit. But if the fed task was the weakest teacher in the building, then what's vanishing is a slow, comfortable on-ramp — not the thing that actually turns a beginner into someone worth hiring at thirty. That thing was never on the ladder. It was in the dark time, and the dark time didn't go anywhere.

What this means for you

You now have to grow expertise without a job handing you reps. That sounds worse than it is, because the most reliable way to grow it was always self-directed. Build a real thing nobody assigned: something that breaks and forces you to decide why. Write about what you're learning; writing is thinking, and the gaps in your explanation are the gaps in your understanding. Teach it to someone, because if you can't make it clear, you don't actually have it yet. Sit with a hard problem before you ask the AI — let it leave a hole in your head, so the answer has somewhere to land instead of sliding off.

Notice that every one of those is harder than working a ticket, and that's the whole point. The friction you used to get for free, from a job that fed you problems, you now have to manufacture for yourself. A side project you actually ship makes you decide what it should do, find out where it breaks, and live with the trade-off you picked — the exact judgment the ladder used to skip. Liu's word for the result is a knowledge network: facts wired to each other through use, recalled because you reached for them, not because you reread them. AI can hand you any single fact instantly. It can't wire the network for you, and the network is what being senior actually means.

None of that needs a junior seat. It needs your dark time, and a refusal to outsource the one part that was ever building you: deciding what the problem is. There's a strange mercy in this. The on-ramp that's disappearing was a slow, supervised place to spend three or four years half-learning. What replaces it is brutal and direct — you build, you break things, you explain them, on your own clock. People who would have coasted up the rungs will struggle. People willing to spend their dark time will pull ahead faster than the ladder ever let them. The ladder is being taken away. The climb was never the point.

Framework drawn from Liu Weipeng's Dark Time (learning methods, deliberate thinking, and why expertise comes from thinking time rather than calendar time). Employment figures from Stanford's AI Index 2026 and related reporting (IEEE Spectrum). A popular-science reading, not career or financial advice; intellectual property belongs to the original author.

技术

阶梯没了最低那级横档。好在它本就不曾把你变成高手。

2026年6月22日 · 刘未鹏《暗时间》约 4 分钟

2026 年的计算机专业应届生面对一个他们老师当年没见过的数字：失业率 6.1%，比艺术史还高。那份"第一份工作"——曾经理所当然的下一步——正在悄悄消失。恐慌是真的。可它对错了靶子。

数字说：阶梯的底层正被锯掉

斯坦福《AI Index 2026》给一种很多年轻工程师早已有的感觉配上了数字。22 到 25 岁软件开发者的就业，较 2022 峰值下降了约 20%。同一区间，入门级工程岗的发布数下降 28%，至今没恢复。三年前，初级与应届招聘约占 IT 就业的 15%；如今接近 7%。与此同时，三四十岁的开发者还在被招——这些群体的人数反而在涨。这一挤压几乎全砸在起步的人身上。

机制并不神秘。过去交给初级的活——样板代码、测试脚手架、写得明明白白的工单——恰恰是 AI 编码工具如今干得好的活。企业报告称，用上这些工具后，每个迭代（sprint）的代码产出多 40 到 55%。随之而来的是残酷的算术：一个资深加 AI，顶过去"资深加初级"。于是初级那把椅子被撤掉。你本该最先踩上去的那级横档，正是被抽走的那级。

可真正把人练成高手的，是哪一级横档？

这里有个值得坐下来想的问题。回想旧路径。你被招进来，被喂任务，关掉一个个工单，攒够了，就有人叫你 senior。我们谈这事时，仿佛"关工单"本身就是让你变强的东西。刘未鹏在《暗时间》里说，它几乎从来不是。

他的核心主张是：时间并不均等。两个人投入同样的日历年头，出来却天差地别，因为算数的不是熬了多少天，而是思维时间——一个问题挂在你脑子后台、被你走路洗澡坐车时反复转的那些小时。他把这些看不见的小时叫作暗时间。关掉派给你的工单，烧的是日历天数，却很少点亮暗时间，因为最难的那步别人已经替你做了：他们定义了问题是什么，你只是把空填上。

被喂的任务，一直是最差的老师

看一张写得明明白白的工单抽走了什么。它抽走了你面对一团模糊、自己判断到底哪里出错的那部分。它抽走了走错的路、得靠手感摸出去的死胡同。刘未鹏关于学习的规律是：你记得牢的是被提取过的，不是被重读过的——而一张工单在你做任何提取之前，就把答案的形状递给了你。专长长在阶梯忙着替你磨平的那些摩擦里。横档让人觉得在进步。多数时候，那只是位移。

这把恐慌重新框了一遍。如果初级那几年造就了高手，失去它就是一场没有出口的灾难。但如果被喂的任务本就是这栋楼里最差的老师，那么消失的不过是一条缓慢、舒适的上匝道——而不是真正把新手变成三十岁时值得被招的人的那个东西。那个东西从来不在阶梯上。它在暗时间里，而暗时间哪儿也没去。

这对你意味着什么

你现在得在没有工作喂你练习量的情况下，自己长出专长。这听起来比实际更糟，因为长专长最靠得住的方式，本来就是自己驱动的。做一个没人派给你的真东西——一个会坏、逼你判断为什么坏的东西。把你正在学的写出来；书写是为了思考，你解释里的窟窿，就是你理解里的窟窿。把它讲给一个人听，因为讲不清，你就还没真正拥有它。碰到难题，先自己坐一会儿再去问 AI——让它在你脑里留个待填的坑，答案才落得进去，而不是从表面滑走。

这些都不需要一把初级的椅子。它需要你的暗时间，需要你拒绝把唯一真正在造就你的那部分外包出去：判断问题是什么。阶梯正在被搬走。可往上爬，从来不是重点。

框架取材自刘未鹏《暗时间》（学习方法、深度思考，以及为什么专长来自思维时间而非日历时间）。就业数字来自斯坦福《AI Index 2026》及相关报道（IEEE Spectrum）。本文为科普解读，非求职或投资建议；知识产权归原作者所有。

テクノロジー

はしごは最下段の横木を失った。それがあなたを達人にしたわけではない。

2026年6月22日 · 劉未鵬『暗時間』約 5 分

2026年のコンピュータサイエンスの新卒は、恩師が見たことのない数字に直面する——失業率6.1%、美術史より高い。「最初の職」、かつて当然だった次の一歩が、静かに消えつつある。不安は本物だ。だが、的を外している。

数字が告げる——はしごの下が切り落とされている

スタンフォードの『AI Index 2026』は、多くの若いエンジニアがすでに抱いていた感覚に数字を与えた。22〜25歳のソフトウェア開発者の雇用は、2022年のピークから約20%減った。同じ期間に入門職の求人は28%減り、いまも回復していない。3年前、初級と新卒の採用はIT雇用の約15%を占めていた。いまは7%に近い。一方で30代・40代の開発者は採用され続け、その層の人数はむしろ増えた。しわ寄せは、ほぼすべて出発点にいる人に落ちている。

仕組みは謎ではない。かつて初級に渡された仕事——定型コード、テストの足場、明確に書かれたチケット——は、まさにいまAIコーディングツールが得意とする仕事だ。企業は、これらのツールを手にするとスプリントごとのコード産出が40〜55%増えると報告する。続くのは残酷な算術だ。シニア一人にAIを足せば、かつて「シニア＋初級」でこなした分を覆う。だから初級の席が削られる。あなたが最初に踏むはずだった横木こそ、抜かれている横木なのだ。

では、達人を作るのは、どの横木か？

ここに、腰を据えて考える価値のある問いがある。旧来の道を思い出してほしい。採用され、作業を与えられ、チケットを次々に閉じ、十分こなすと誰かがあなたをシニアと呼んだ。私たちはこれを、まるで「チケットを閉じること」自体があなたを強くしたかのように語る。劉未鵬は『暗時間』で言う——それはほとんど、そうではなかったと。

彼の中心的な主張は、時間は均等ではない、ということだ。二人が同じ暦の年数を費やしても、出てくるものは大きく違う。数えるべきは積んだ日数ではなく、思考時間——問題が頭の奥に居座り、歩き、シャワーを浴び、電車に乗る間も転がし続ける時間だからだ。彼はこの見えない時間を暗時間と呼ぶ。与えられたチケットを閉じることは、暦の日数を燃やすが、暗時間をともすことはまれだ。最も難しい一歩を、誰かがすでに代わりに済ませている——問題が何かを決めたのは彼らで、あなたは空欄を埋めただけだから。

与えられた作業は、ずっと最も拙い教師だった

明確に書かれたチケットが何を取り除くかを見てほしい。それは、曖昧な混沌に向き合い、本当はどこが間違っているのかを自分で見極める部分を取り除く。失敗した試み、手探りで抜け出すしかない袋小路を取り除く。学びについての劉の法則はこうだ——あなたが覚えているのは想起したものであって、再読したものではない。だがチケットは、あなたが何も想起しないうちに、答えの形を手渡してしまう。専門性は、はしごがせっせと削り取っていた摩擦の中で育つ。横木は進歩のように感じられた。たいていは、ただの移動だった。

これは不安を捉え直す。もし初級の数年が達人を作っていたなら、それを失うのは出口のない災厄だ。だが、与えられた作業がこの建物で最も拙い教師だったなら、消えつつあるのは緩やかで快適な進入路にすぎない——初心者を、30歳で採用に値する人へと本当に変えるものではない。それは決してはしごの上にはなかった。暗時間の中にあり、暗時間はどこへも行っていない。

これがあなたにとって意味すること

あなたはいま、仕事が反復を与えてくれないまま、自分で専門性を育てねばならない。これは見かけほど悪くない。専門性を育てる最も確かな方法は、もともと自分主導だったからだ。誰にも頼まれていない本物を作る——壊れて、なぜ壊れたかを自分で判断させてくれるものを。学んでいることを書く。書くことは考えることで、説明の穴は理解の穴だ。それを誰かに教える。明確に語れないなら、まだ本当には手にしていないから。難問にぶつかったら、AIに尋ねる前にしばらく自分で座る——頭に埋めるべき穴を残させれば、答えは表面を滑らず、そこに落ちる。

どれも初級の席を必要としない。必要なのはあなたの暗時間と、唯一あなたを育てていた部分——問題が何かを決めること——を外注しない拒絶だ。はしごは運び去られつつある。だが登ること自体が、もともと要点ではなかった。

枠組みは劉未鵬『暗時間』（学習法、深く考えること、そして専門性が暦の時間ではなく思考時間から来る理由）より。雇用の数字はスタンフォードの『AI Index 2026』および関連報道（IEEE Spectrum）による。本稿は科学解説であり、就職や投資の助言ではない。知的財産権は原著者に帰属する。