立正在《AI时代，应该避免成为“有用的人”？》这期会员视频里讲恩格斯陷阱，用织布工人和清朝的例子说明：生产力提升、工资却不涨，还伴随大量失业。
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。
恩格斯陷阱：效率涨了，工资和岗位没跟上
材料里的观点立正把它讲成一段持续约三十年的历史现象：技术让生产力不断提高，但普通人的平均工资没有相应提高，同时大量工人被自动化挤出岗位、失业流浪。他用织布工人举例——一开始织布带来更多工作机会，工艺继续革新后织布本身也被自动化，工人随之大批失业。中国这边他举清朝的例子：原本三四十文、够养家的工钱跌到两文，失去工作的人变成流民，太平天国能形成那么大规模，和这些流民有关。他顺带提醒，历史课本上“清政府腐败”式的简单归因，容易盖住背后的技术与生计变化1。
这个陷阱关心的是分配，不只是技术
按他的讲法，恩格斯陷阱的关键不在“机器会不会取代人”，而在效率提升的收益有没有落到普通劳动者身上：如果工资长期不涨、失业又集中出现，社会就会积累大量痛苦和动荡。这也解释了他为什么在讲 AI 时提这段历史——今天讨论 AI 取代工作，同样要问收益怎么分配、被挤出的人怎么办，而不只是看技术本身多先进。需要注意这是他对历史现象的一种概括，具体数字和因果细节以原视频为准1。
这期是会员视频，文字稿可公开阅读；恩格斯陷阱的年份、工资数字等细节来自字幕，未逐句听校。
出处
- 1（会员限免）AI时代，应该避免成为“有用的人”？
立正主讲这期会员视频，恩格斯陷阱的定义、织布工人和清朝流民的例子都出自这里，适合核对原话与上下文。
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
- 怎么做自媒体
先把“做成什么样”说具体，再决定做什么内容：自媒体是放大已有业务或能力的杠杆，不是凭空起号。
- 下面这个简历 立正会认为要怎么改呢：陈文斌
求职意向：AI 应用开发 / 后端开发 | 期望城市：厦门 | 工作年限：4 年后端开发
电话：133-2840-2307 | 邮箱：codebin99@163.com
个人优势
• 4 年后端开发经验，既写过 Go 的虚拟机资源调度、异步任务编排与状态机，也在 Python 平台上落地过基于 LangGraph / DeepAgents 的 Agent 应用。
• 能独立理解业务需求、完成方案设计与开发，并把功能推进到上线；获 CCF AIOps 2025 挑战赛优秀奖（大模型 Agent 根因定位赛道）。
专业技能
• AI 应用开发：熟悉 LangGraph / DeepAgents 的 Agent 开发，了解并实践 Agent 工具调用与 MCP 协议接入、RAG 知识库检索，以及人工审批、执行预算等 Agent 执行控制手段。
• Python 后端：熟练使用 Django、Celery、Redis 进行业务开发，熟悉异步任务、分布式锁与租约等常见后端模式。
• Go 后端：熟悉 Go 并发编程，有长耗时任务编排、持久化状态机、Worker 池与资源锁的项目实践。
• 数据存储：MySQL、Redis、VictoriaMetrics / PromQL、图数据库。
• 部署与工程（加分项）：熟悉 Linux 环境，能使用 Docker、Kubernetes / K3s 部署服务，有 CI/CD 流水线使用经验。
工作经历
中数通信息有限公司 后端开发工程师 2022.07 – 至今
负责私有化云平台相关产品的后端研发，先后参与 Go 虚拟化管理平台与 Python 智能运维平台（含 AI 助手）的开发；参与平台需求对接与客户交付，累计服务 10+ 家客户。
项目经历
智稳 AIOps 智能运维平台 后端开发 / AI 应用开发 2024.08 – 至今
项目介绍：公司自研的私有化智能运维平台，覆盖资产管理、监控告警及智能运维助手等场景，负责 CMDB、监控与 AI 助手模块开发。
技术栈：Python、Django、Celery、Redis、VictoriaMetrics、图数据库、LangGraph / DeepAgents、MCP
• AI 智能运维助手：基于 LangGraph / DeepAgents 构建 Agent，接入知识库检索（RAG），集成 Kubernetes、数据库、SSH 等 30 类运维工具集供 Agent 按需调用，并提供外部 MCP 服务接入能力，支持用户以自然语言完成资料检索与工具调用；在执行过程中引入人工审批、执行预算和重复调用约束，控制 Agent 的工具调用范围与执行开销，降低误操作和无效循环调用的风险，支撑运维问答及辅助排障场景。
• 资产自动纳管与关系维护：开发 CMDB 资源采集、实例管理与自动关联能力，基于属性匹配规则维护资源关系，支持实例变更后的增量关联与规则变更后的全量同步；通过唯一键写入锁控制并发写入冲突，为资产查询和拓扑展示提供一致的数据基础；已服务算力中心客户，纳管 1 万+ 台 ECS 云主机资产。
• 采集任务可靠性：完善资源采集链路，基于 Redis 租约、心跳续租和轮次标识控制重复执行及过期结果；引入成功凭据优先、认证失败分级冷冻机制，减少无效认证尝试，支持多目标采集与异常恢复。
• 监控生命周期治理：基于 VictoriaMetrics / PromQL 实现指标查询与监控实例自动发现，完善实例活跃状态、超时清理及关联告警关闭流程；仅依据成功发现结果累计失联时长，避免采集异常造成实例误清理，并通过序列数和采样点预算限制大范围查询开销。
• 需求对接与交付：负责平台需求对接与客户交付，推动功能从需求到上线落地。
智稳虚拟化平台 Go 后端开发 2022.07 – 至今
项目介绍：公司自研的私有化虚拟化管理平台，统一管理虚拟机、宿主机、存储及网络资源，支持虚拟机生命周期管理、资源调度、热迁移和镜像导入，为私有云资源交付提供统一入口；已在公司内部生产环境支撑 35 台物理宿主机、400 台虚拟机的调度与管理。
技术栈：Go、MySQL、KVM / QEMU、Linux、Kubernetes / K3s
• 异步任务编排：围绕虚拟机创建等长耗时操作，基于持久化状态机和父子任务机制编排网络、磁盘及实例部署流程，结合 Worker 池、资源锁和远程回调重试控制并发执行，支持任务进度追踪、失败定位、取消及历史归档。
• 资源调度与预占：通过约束过滤与加权评分完成宿主机选择，结合 CPU、内存和存储需求登记待分配资源占用；引入 NUMA 感知评分，在满足资源需求的前提下优先
立正会先问这份简历投的是哪类岗位、JD 写了什么，再按那份 JD 重排：把「能带来什么结果」提到前面，把 LangGraph、MCP 这类名词退到后面，用你真正解决过的问题支撑。
- 怎么判断一件事是“有复利”还是只是重复劳动？
看这件事做完后，成果会不会留在原地、让下一次起点更高；只是把同样的动作再做一遍、每次都要从头来，就是重复劳动。
- 那你会怎么选择呢？是在亚麻看转岗机会，可能快可能慢的转，还是去TikTok做策略？
立正不会替你选，因为他明确说过个人选择类问题基本不给建议，理由是你喜欢什么、擅长什么只有你自己知道。能借用的判断方式是：把两个选项放进同一个比较框架，看各自能攒出什么可迁移的成果。
- jev 和其他模型差别在哪儿？模型之间有没有一个系统性的分类？
Jev 的差别不在“模型更强”，而在它替你选好了比较对象和评价指标；模型之间没有统一分类，只有按任务和系统角色划分的层次。
- 想请教一下，本科非计算机专业，后来转行从事软件开发，目前考虑申请硕士。
一方面希望未来有考公、考编或从事教师工作的可能性，另一方面对情感计算、AI与心理学交叉领域比较感兴趣。
想问一下，如果希望兼顾职业稳定性和个人兴趣，应该优先选择计算机、AI等通用专业，还是人机交互等交叉学科？海外硕士的专业选择会对回国考公、考编产生多大影响？
专业选择上，先弄清自己真正想要什么，再按未来岗位的实际要求倒推，而不是先锁死“计算机还是交叉学科”；海外硕士对考公考编的影响，资料没有涉及，需要你自己去查目标岗位的招录条件。