被自动化的是你已经解决过的那层工作,不是你这个岗位本身。做商用 NX CAD 的 SDE,越往业务结果和端到端负责靠,越难被取代。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
被替代的是已解决的那层,不是人
判断一个岗位会不会被吃掉,看的不是它属于哪个技术栈,而是它做的事有没有被标准化、工具化。已经解决过的问题、按模板反复产出的那层工作,交给 AI 和工具是合理的,别人拿着你的 skill 也只能替代你过去做的浅层部分,替代不了你今天正在看的东西。反过来,如果一直守着已经解决的那层不放,不愿自动化、不愿交给 AI,那才是真正被取代的原因——因为你没有往下一个更重要的问题走1。对 NX CAD 这类商用功能开发,可以先问自己:我日常产出的哪些部分,其实已经是可复制的模板工作?把它们交出去之后,我手上还剩什么。
越靠近业务结果,越难被替代
AI推演AI 时代单一 skill 的可替代性在提高,越能靠近业务结果、对结果负责的人越难被取代。AI 可以写代码、生成方案,但最后仍然需要有人做决定、跟客户一起把事情做成,方案是谁提的并不重要2。这个逻辑对 CAD 开发同样成立:如果工作只是实现已定义好的功能,价值集中在写代码;如果工作包含理解用户真实的设计流程、判断哪些需求值得做、对功能上线后的结果负责,那部分很难被 AI 单独接走。一个可试的做法是,挑一个你手上真实的功能需求,试着用 AI 把实现部分做掉,看自己省下的时间能不能用在需求判断和结果验证上——这能帮你判断自己现在离业务结果有多远。
转型方向:能自己闭环,且能改生产代码
一个被反复提到的方向是 FDE(Forward Deployed Engineer,前场工程师):既能跟客户打交道,又能自己上手改生产代码,是产品的一部分而不是客服的一部分。因为产品还在快速演化,客户现场就是产品定义的一部分,能把客户需求翻译成产品改动、并且自己把改动做出来的人,会比传统支持角色更关键3。对 NX CAD 的 SDE,可迁移的关系是:从只接内部需求,转向直接接触用 CAD 的工程师和设计师,理解他们卡在哪,并自己把改动做出来。另一个更普遍的要求是放弃执行者思维、拥抱架构师思维——哪怕只是写代码,也要有从需求到部署的全局视野,因为公司砍人时,剩下的人必须是能独立闭环的4。
材料讨论的是工程师转型的一般逻辑和 FDE 岗位,没有专门针对 NX CAD 或商用 CAD 行业的分析,具体到该行业的判断需要你自己结合处境核对。
出处
- 1Skills写得越多,越不容易被AI取代?
解释被取代的真正原因,帮你区分可自动化的模板层和仍需自己做的部分。
- 2AI Agent 时代的 FDE:把模型能力落到真实业务里
说明越靠近业务结果越难被替代,以及 FDE 作为转型路径的逻辑。
- 3学术界火了十年的Graph数据库,为什么等到 AI 才开始落地?|向量数据库为什么是死胡同?|纯技术创业有多爽?
给出 FDE 的具体定义:能自己改生产代码、是产品的一部分而非客服。
- 42026,更多企业会用“裁掉一半人”的方式进行AI转型,但有更好的方法
提供个体应对 AI 转型的具体建议,包括架构师思维和端到端负责。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 总觉得现在学习新东西,技术没有什么意义了,因为ai能比你做的快10倍,同时也觉得任何东西/poc都没有门槛,我能几天之内学习新的技术,并deliver。如果我能,我相信别人也能,那我的竞争力到底在哪里? 学更广的知识还是干别的什么?
几天做出一个能跑的东西,只证明你当下交付得快,不证明能力留在你身上。竞争力更可能来自撤掉帮助后仍能判断、拆解和交付,以及别人做不出来的深度。
- workbuddy普通人怎么用
普通人用 AI 的关键不是学会某个工具,而是从“偶尔用一用”变成“让 AI 成为核心生产力”,并围绕自己反复做的一件事持续积累。
- 如何学习 ai
学 AI 要当手艺练,不是当知识背:围绕真实任务动手,用“撤掉帮助、隔段时间、换个条件还能不能做”来检验自己是否真会。
- ai时代如何赚钱?
立正认为AI时代赚钱的关键不是抓住某个风口,而是把认知和方法练出来:用经营者的视角看待工作,学会识别真正创造价值的事,并且相信赚钱的唯一方式是给别人创造价值。
- 课代表一直说要像学习一门手艺一样工作,这个怎么理解,什么是手艺,学习手艺的时候需要注意什么,如何精通一门手艺?
手艺不是熟练重复,而是能不断往深里钻研、越做越发现学问的活能力;学它靠动手试错,精通靠长期坚持。
- ai时代,我应该怎么了解我想做,可以做的事,作为马上就要毕业的大学生,我应该怎么样去求职。
先别急着海投简历,花一两天认真想清楚:不靠公司,你能给别人提供什么价值;再花几周去真实试一次。