没有哪个方向能保证不被冲击;更稳的是把智能体记忆做成能收口、能判断结果好坏的能力,而不是只换一个热门名词。
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。
选方向不如选能不能收口
AI 能完成大部分执行工作,但最后判断结果好坏、给反馈、把事情收口,仍然需要人来做。没有专业深度的人,很难判断两个答案哪个更好、错在哪里,也就收不了口。所以强化学习、AI infra、具身智能、世界模型这些名词本身不决定安全,决定的是你在其中能不能成为那个对结果负责、能判断和修正的人。会用 AI 的专业人士会更强,只会调工具的人容易停在表层1。
新名词年年换,可以把它拆成两半:一半是会过时的包装,一半是一直都在的问题。把后一半学透,名词顺带就会了2。
智能体记忆的门槛可能不在技术栈
AI推演你现在做智能体记忆,觉得没门槛,这个判断值得先验证一下,而不是直接换方向。记忆这件事表面上是存和取,真正难的是判断什么该记、什么时候该忘、检索出来的内容对不对、错了怎么修。这些属于收口和判断,恰好是 AI 替不了的部分。
一个可以试的做法:拿你现在的记忆系统,换一批数据、加一个约束、换一个用户场景,看它还能不能稳定交付。卡住的地方,往往就是别人替代不了的位置3。如果换条件后依然谁都能做,那说明门槛确实低,再考虑迁移也不迟。
从执行者往设计系统的位置走
AI推演如果留在组织里,更好的打法不是原地补技能,而是往更接近模型、也更接近结果的位置走。这类人的价值在于:把模糊的业务问题翻译成 AI 能消费的上下文,设计评估和反馈回路,编排模型、工具、数据和流程,判断什么该自动化、什么该人工接管。名字是 AI engineer 还是别的都不重要,重要的是你在设计系统,还是只在维护流程4。
你从数据库内核转到智能体记忆,本身已经是往这个方向靠了。可以问自己:现在的工作里,有多少是在设计判断标准,有多少只是在实现功能。
资料没有具体评估强化学习、AI infra、具身智能、世界模型各自的就业前景,也没有预测哪个方向不会失业;这里给的是选择方向的判断方式,不是对某个方向的背书。
出处
- 1AI时代,找工作和创业的有效方法|Jobright联创/CTO Ethan对话
解释为什么收口和判断能力比工具使用更稀缺,适合核对职业信号部分。
- 2AI替你做出来以后,你还会什么?|哥大客座课程回放
解释如何把新名词拆成会过时的包装和一直都在的问题。
- 3假学习的终结
给出撤掉帮助、换条件重做的检验方法,适合用来验证记忆工作的门槛。
- 4AI时代,大厂打工人的五条路
说明组织内往设计系统位置转型的具体标准,适合对照自己当前工作。
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
- 有个投资人讲 alexzandra wang
最直接的是周楠那期访谈,标题就点明他讲 Alexandr Wang 为什么是顶级创始人;片段里还提到 Scale AI 在 2021 到 2022 年因自动驾驶降温而客户变少的转折。
- 找到10%高价值的工作,但是在AI时代,对于data scientist来说,高价值的工作是什么呢?我觉得我之前很多的高价值的工作现在都没有价值了,而且留不下来,而且别人不会觉得是我做的。
AI 让“处理信息”这件事变便宜,所以数据科学里原来值钱的分析、建模、报表正在贬值;新的高价值位置是判断该做什么、把模糊问题变成可执行系统,并对结果负责。
- 为什么个体AI用的很好但是整个公司团队没有上来?
个人用得好,是因为他一个人就能把背景、判断和反馈闭环起来;团队上不来,是因为这些能力散在每个人脑子里,组织结构和激励又没跟着改。
- 职业院校实训科教师(体制内)+ 个人开发者/IP 运营者。想请您诊断我这套工作流架构:① 最脆弱、迟早出事的一环是什么?② 最过度建设(投入产出最差)的一环是什么?③ 如果只能再做一件事,您建议做什么?
最脆弱的是学生数据与云服务混用的那条链路;最过度建设的是多设备、多模型、多平台的全互联架构;如果只做一件事,先给「学生数据不可上云」划出一条可验证的物理边界。
- 我每天很忙,但不知道工作有没有价值,怎么识别 fake work?
识别 fake work 的关键不是看你有多忙,而是追问:这份产出完成后,下游会做出什么不同的决定或行动?如果多生产十份,真实结果也不会更近,那它很可能只是让你感觉在前进。
- 如何看待国内办公场景workbuddy爆火和AICG盛行的短剧,对我们这些使用原生agent的开发者有什么建议。
办公场景的AI工具和短剧爆火,说明AI正在把“生产内容/代码”的单价压到很低;对原生agent开发者来说,越靠近“为结果负责”就越难被替代,光会调工具本身不构成壁垒。