🔧
Builder 从0到1的建造者
本能：拿到需求先动手，先跑起来再说
Builder 不写长文档，不改第十版架构图。他们的第一反应是写代码、跑起来、看到结果。MVP 是他们的母语，原型是他们的简历。创业公司的第一个产品、黑客马拉松的48小时、概念验证——这些都是 Builder 呼吸的空气。
能力画像
- 全栈开发，前端后端都能来
- MVP 高手，能在极短时间内交付可用产品
- 快速原型验证，失败成本低
- 对"先做完再做好"有天然直觉
代表场景
- 创业公司第一个产品从无到有
- 黑客马拉松48小时交付
- PoC 验证——可行还是不可行？
- 内部工具快速搭建
典型技术
不限定——什么快用什么。Next.js、Django、Supabase、Vercel、Firebase……Builder 是工具的实用主义者。
成长路径：Builder → Tech Lead → CTO（创业路线）——用速度和判断力换领导力，从"自己造"到"带人造"。
⚠ 警告：Builder 最容易欠技术债。"先跑起来"的另一面是"后面再改"，但后面往往不来。需要 Architect 在旁边画边界，否则系统会变成意大利面条。
⚡
Optimizer 极致优化者
本能：看到慢的东西就难受，必须找到瓶颈
Optimizer 天生对低效过敏。当别人觉得"还行"的时候，他们在想"为什么这里要300ms？"。他们的第一反应是profile、定位瓶颈、量化收益。从100QPS到10万QPS、推理成本砍90%、数据库查询从分钟级到毫秒级——这些都是 Optimizer 的战场。
能力画像
- 性能工程——系统级、算法级、硬件级
- 成本优化——用更少的资源做更多的事
- 根因分析——定位问题的真正源头
- 量化思维——不凭感觉，用数据说话
代表场景
- 系统从100 QPS到10万 QPS
- LLM 推理成本砍90%
- 数据库慢查询调优
- 编译时间从30分钟到3分钟
典型技术
Profiling 工具链、内核调优、编译器优化、CUDA 编程、分布式系统设计、eBPF、perf、flamegraph……深入底层是 Optimizer 的日常。
成长路径：Optimizer → Staff Engineer → Distinguished Engineer（深度路线）——在一个领域扎到别人够不到的地方，靠深度换影响力。
⚠ 警告：Optimizer 最容易过度优化。花3周把响应时间从12ms优化到8ms，但用户根本感知不到。需要 Builder 拉住——"这个优化值不值得做？"
🏗️
Architect 复杂系统设计者
本能：先画图，先想清楚依赖关系和演进路径
Architect 写代码之前先画图。不是装饰性的图，是表达依赖关系、数据流向、演进路径的图。他们的第一反应是把复杂问题拆解成可组合的模块，想清楚"第三步的时候第一步还够不够用"。100人协作的微服务拆分、数据中台设计、多区域部署——这些是 Architect 的棋盘。
能力画像
- 系统设计——从全局视角看到局部看不到的
- 技术决策——在不确定中做判断
- 跨团队协调——让100人像一个团队
- Trade-off 判断——没有完美方案，只有合适方案
代表场景
- 100人协作的微服务拆分
- 数据中台设计
- 多区域、多活部署架构
- 技术栈迁移的渐进式路线
典型技术
不限技术栈，但必须懂分布式系统、数据库、缓存、消息队列的底层原理。Architect 的武器不是某个框架，是对复杂性的驾驭能力。
成长路径：Architect → Principal Architect → Fellow（广度路线）——从系统到组织到行业，用规划力换杠杆。
⚠ 警告：Architect 最容易过度设计。"未来可能需要"变成了"现在就要搭好"，但未来往往不来，或者来了但需求完全不同。需要 Builder 验证——"这个设计第一版能做到吗？"
🔬
Researcher 论文变成代码的人
本能：先读论文，理解数学推导，再决定怎么实现
Researcher 遇到问题的第一反应不是写代码，而是找论文。他们信任数学推导胜过直觉，理解原理后再动手——这样一次做对的概率远高于"试错法"。把 NeurIPS 论文变成线上服务、训练一个新模型、实现编译器新优化 pass——这些是 Researcher 的高光时刻。
能力画像
- 算法实现——把理论变成可运行的代码
- 论文复现——不是抄，是理解后重建
- 前沿技术转工程——从 arXiv 到 Production
- 数学直觉——用形式化思维替代经验主义
代表场景
- 把一篇 NeurIPS 论文变成线上服务
- 训练一个新模型——从数学到数据到部署
- 编译器新优化 pass 的设计与实现
- 从第一性原理重新设计推荐算法
典型技术
PyTorch / JAX、CUDA、线性代数与概率论、NLP / CV / RL 领域知识。Researcher 的核心竞争力是"理解原理后一次做对"。
成长路径：Researcher → Applied Scientist → Research Fellow（学术路线）——在工业界做学术级的工作，用洞察驱动产品。
⚠ 警告：Researcher 最容易追逐 SOTA 忽略工程可行性。论文里99.2%的准确率，换成真实数据可能只有85%——但部署成本翻了十倍。需要 Builder 落地——"这个东西多久能上线？"
🛡️
Operator 让系统活着的人
本能：代码写完了？那只是开始。部署、监控、应急、合规才是真正的工作
Operator 知道写完代码只是5%的工作，剩下的95%是让代码在生产环境活着。部署、灰度、监控、告警、应急响应、安全加固、合规检查——这些没有技术光环的事情，决定了系统是真·可靠还是"演示时可靠"。全球多活部署、零日漏洞应急、99.99%可用性——Operator 在这里。
能力画像
- DevOps / SRE——构建自愈的基础设施
- 安全工程——攻击者视角 + 防御体系
- 云基础设施——IaC、多云、成本治理
- 应急响应——故障时冷静比聪明更重要
代表场景
- 全球多活、异地多机房部署
- 零日漏洞凌晨3点应急响应
- 99.99%可用性保障体系
- 安全合规（SOC2、等保三级）
典型技术
Kubernetes、Terraform / Pulumi、安全工具链（WAF、SIEM、零信任）、监控体系（Prometheus + Grafana + 告警策略）、各大云平台（AWS / GCP / 阿里云）。
成长路径：Operator → SRE Lead → VP Infrastructure（可靠性路线）——从"让系统活着"到"让组织可靠"，用确定性换信任。
⚠ 警告：Operator 最容易变成救火队员。天天应急、处处堵漏，但从来不问"为什么总是着火？"需要 Architect 设计可运维的系统——"这个架构能不能减少80%的故障？"