有前途，但前途从“会写某种代码”转向“能对业务结果负责、能自己动手把事做成”。
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。
被替代的是单一技能，不是工程师
AI 能接手很多基础、琐碎、重复的编码工作，单一技能（前端、后端、Java、React 这类标签）的可替代性在上升。越靠近业务结果、越能对结果负责的人越难被取代，因为最后仍需要有人做判断、承担责任。立正把这个变化总结为：过去工程师为 skill 负责，现在更看谁能把事情做成1。这不等于写代码不重要——能上手改 production 代码仍是硬门槛，只是它不再单独构成护城河2。
FDE 是一条具体路径，但有条件
材料里的观点FDE（Forward Deployed Engineer，前置部署工程师）被一些担心被 AI 替代的前端、后端、全栈工程师看作“避风港”，因为它涉及大量与人打交道的成分，很难被 AI 取代1。但它的门槛不是“会沟通”就行：FDE 必须自己能改 production 代码，而不是在客户现场提个 ticket 让后方工程师改；只做指导、不动手的那类角色更接近 solution engineer2。所以这条路适合既愿意写代码、又愿意面对客户和冲突的人；如果只想安静写代码，它未必是解。
可以先用一件小事验证方向
AI推演如果你不确定该往哪走，可以先在当前工作里找一件能用上 AI 的小事，自己动手做出来，观察两件事：老板和同事是否愿意为这种主动性买单，以及你在“理解需求、做判断、对结果负责”这部分是否比纯写代码更有优势。立正提到，很多团队其实缺的是有人主动 initiate 这类事，而不是缺技术3。这个尝试的价值在于帮你判断自己更适合继续深耕技术，还是往更靠近业务和客户的方向靠。
材料多为访谈片段，说话人未逐段确认，且没有覆盖具体行业、地区和资历的就业数据，不能据此判断某个岗位的短期行情。
出处
- 1AI Agent 时代的 FDE：把模型能力落到真实业务里
解释为什么单一技能可替代性上升、靠近业务结果的人更难被取代，并给出 FDE 作为转型路径。
- 2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？
说明 FDE 的实际门槛：必须能自己改 production 代码，与 solution engineer 的区别。
- 3AI时代，如何找到属于你的机会？
给出一个可操作的起点：在工作中主动用 AI 做一件事，观察反馈。
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
- 我是一个程序员，有了AI之后所有人干活的效率都提高了，多出来的时间只能自己找活干，但我在目前的领域专业储备一般，找不到足够有价值的方向去投入。现在就是在被裁找新方向或者卷起来之间摇摆。如果失去稳定现金流，AI对此不太认同，它的建议是尽可能在寒冬中稳住现金流，我应该怎么做？稳住现有的工作，找新的可以做的事情？还是做好被裁打算，用业余时间积累新方向需要的专业知识？
立正的主张不是二选一，而是先保住现金流，同时把上班的视角从「完成任务」换成「积累能带走的东西」；被裁与否不是你能控制的，能控制的是这段时间在积累什么。
- AI engineer、AI architect、FDE 这几条路径分别适合什么背景的程序员？
FDE 适合工程底子扎实、又愿意直接面对客户和业务的人；AI engineer 偏把 AI 能力做进产品；AI architect 偏设计整个系统怎么可靠运行。
- 機械工程師在AI時代會被取代嗎?
机械工程师整体不会被AI取代，但工作内容里偏“信息搬砖”的部分会被压缩；越靠近真实物理结果和决策责任，越难被替代。
- Ai时代，大厂打工人的出路有哪些
大厂打工人的出路大致分两类：往生产力源头靠，或把价值从公司平台挪到自己身上，做能独立交付结果的事。
- 现在ai在数学领域如此厉害，数学研究生何去何从，该怎么考虑就业？
AI 强在算得快、答得准，但数学训练给你的抽象和建模能力，正好是把它用好的前提；就业方向要看你把这份能力接到哪个具体问题上。
- 我是一名程序员，该如何转型才能不被AI时代淘汰呢
转型方向不是换一门语言，而是从“为技能负责”转向“为结果负责”：靠近业务、能定义问题、能对交付结果担责的人更难被替代。