Amazon releases engineer guidance document, opposing the use of Token consumption as a performance metric

过去，程序员写了多少行代码，可能是衡量工作量的指标之一。如今，AI 编程工具越来越普及，一些企业又开始盯上了一个新数字：Token 消耗量。

每天调用多少次 AI？消耗了多少 Token？生成了多少代码？这些数据似乎成了衡量程序员是否积极拥抱 AI 的新标准——但现在，亚马逊却站出来给这种风气泼了一盆冷水：别再一味追求 Token 消耗量了，AI 用得多，不代表工作干得好。

近日，亚马逊公开发布了一份面向软件工程师的指导文件，明确表示，公司希望开发者更关注 AI 创造的实际价值，而不是为了提高使用数据，不断盲目地消耗 Token。

亚马逊提醒程序员：别把 Token 消耗量当成绩

此次调整来自亚马逊工程管理层。亚马逊副总裁、杰出工程师 Terk Terkowitz 在官方文件中透露，来自公司各业务部门的杰出工程师、资深首席工程师等技术负责人，近期共同修订了软件开发工程师（SDE）的岗位指导准则。

其讨论的核心问题是：AI 正在彻底改变软件开发，那么优秀程序员的标准是否也应该随之改变？亚马逊认为，答案是肯定的，但不能简单地用 AI 使用量来定义开发者。Terk Terkowitz 表示：

他还提出了一个新概念：“文艺复兴式开发者”（Renaissance Developer），即能够将 AI 工具、人类判断力和领域专业知识结合起来，创造全新产品的工程师。

有一点需要明确：亚马逊并不是反对员工使用 AI。恰恰相反，公司认为 AI 将成为未来软件工程的核心，还要求尚未使用 AI 的工程师尽快学习，将其融入日常工作——真正让亚马逊担忧的，是另一种趋势：把使用 AI 本身当成工作成果。

过去，亚马逊的一些团队会通过 Token 消耗量、AI 工具采用率、代码变更数量、代码审查次数等指标，观察 AI 对开发效率的影响。这些数据确实有一定参考价值。亚马逊发现，积极拥抱 AI 的“前沿团队”（Frontier Teams），通常能实现更高的生产力和更好的交付表现。

但问题在于，相关性不等于因果关系，更不能直接把这些数字变成绩效目标。亚马逊在文件中警告：

“如果把这些指标当成目标，而不是衡量工具，就可能导致负面结果，包括成本上升和复杂性增加。”

例如，为了提高 Token 消耗量而频繁调用 AI，会增加模型使用成本；如果一味追求生成更多代码，也可能让原本简单的系统变得更加复杂。这与亚马逊一直强调的“节俭”（Frugality）和“创新与简化”（Invent and Simplify）原则背道而驰。

一位亚马逊发言人也向媒体确认，发布这份文件的目的之一，就是劝阻工程师盲目追求 Token 消耗量，即所谓的“Tokenmaxxing”。

其实，此前亚马逊就遇到过类似问题：据《财富》杂志报道，亚马逊内部曾出现一个名为 Kirorank 的非正式 AI 使用排行榜，一些员工为了提高排名，会让 AI Agent 执行没有实际意义的任务，以增加 Token 消耗量，而亚马逊也已于今年 5 月关闭了这一排行榜。

不过对于此次调整，亚马逊也强调：这并不代表工程师可以不再学习 AI 了。官方文件明确要求：尚未使用 AI 的员工应尽快开始学习，已经使用 AI 的员工则需要持续探索更好的工作方式。

对于公司管理者，亚马逊还提出了一个具体要求：重点观察 AI 采用率在 10% 和 90% 附近的团队。

这份文件中还有一句话：“如果你当前的工作无法从现有 AI 工具中获益，这是一项发现，而不是一次失败。”亚马逊认为，工程师应该记录 AI 无法提供帮助的具体原因，与同事和管理者分享，而不要为了用 AI 而强行用。

对于技术负责人，亚马逊的要求则更加具体：不能只听别人介绍 AI，必须亲自在实际生产工作中用过这些工具，能分别举出 AI 发挥作用和没有发挥作用的案例，并向团队解释原因。

此外，亚马逊还发现了一个问题：随着公司规模扩大，一些工程师和管理者逐渐远离了客户和实际业务；而那些更了解产品、客户需求和业务目标的团队，往往更能发挥出 AI 和智能体开发的优势。

所以，亚马逊希望工程师不仅会写代码、调用 AI，还要清楚自己正在解决什么问题：“毕竟，AI 可以帮助工程师编写代码、完成任务，但要判断哪些问题值得解决、哪些功能真正符合客户需求，还是需要工程师对产品和业务有深入理解。”

微软也对“烧 Token”喊停：有人一个月花掉数千美元

经常关注这个圈子的人应该知道，亚马逊并不是第一家对 Tokenmaxxing 提出质疑的科技巨头。

今年 8 月，微软执行副总裁 Jay Parikh 就曾向内部开发团队发出邮件，要求工程师更加理性地使用 AI：“Tokenmaxxing 不是我们追求的目标……我希望所有人都专注于创造能真正推动客户和业务发展的成果，让每个 Token 创造更大的价值。”

为此，微软立刻调整了内部 AI 使用指导方针，把成本更低的 GPT-5.6 设为内部默认模型，并要求各部门更加严格地管理 Token 开支——据外媒报道，当时微软的一些工程师，每月光 Token 消耗费用就能达到数百甚至数千美元。

再往前的今年 6 月，AWS CEO Matt Garman 也表示，企业可根据具体任务选择成本合适的模型，而不是无论什么任务都调用最昂贵的 AI。对于一些日常开发任务，能力“足够好”、价格更低的开放权重模型，可能比顶级闭源模型更划算。

从微软到亚马逊，两家科技巨头接连给“疯狂烧 Token”的风气踩下刹车，多少有些耐人寻味。

毕竟，就在不久前，他们还在鼓励员工尽可能多地使用 AI，生怕谁没跟上这波技术浪潮。如今，当 Token 账单越来越贵、AI 生成的代码越来越多，管理层又开始追问：花出去的钱，究竟换来了多少实际成果？

对于程序员来说，这或许也是一个有些矛盾的处境：AI 用得少，可能被认为跟不上时代；AI 用得多，又可能被质疑是在浪费 Token。那么，你所在的公司是否也在统计员工的 Token 消耗量？你认为这能真正反映程序员的工作效率吗？

参考链接：

本文来自微信公众号“CSDN”，作者：郑丽媛，36氪经授权发布。