可以成为壁垒，但壁垒不在“会搭 agentic workflow”，而在把模型放进真实业务流程、做到稳定可控可评估。只停在 demo 或固定流程，很快会被工具拉平。
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。
壁垒在可靠落地，不在会用工具
材料里的观点立正把 AI 能力分成几档：会用 AI 做 demo 是一档，能把 AI 放进可靠流程、懂上下文工程、评估、迭代和人工确认是更高一档，再往上是设计整合模型、工具、数据、记忆、权限和评估的 agentic 系统。他明确说，真正的壁垒是能不能把模型放进真实工作流，并让它稳定、可控、可评估、可迭代、可主动运行1。按这个标准，agentic workflow 本身只是中间层能力，不是终点。
数据岗位的壁垒来自业务判断和交付
《学术界火了十年的Graph数据库》2里 PuppyGraph 做 agentic data analysis 的案例说明，上生产环境靠的不只是生成查询，而是先做 ontology 和语义层，再在出错时拦截、回传错误、自我纠正；他们签合同前还让客户利益相关者随机提问，用真实问题当验收标准2。这提示数据岗位的壁垒更可能落在“懂业务语义、能设计审计和验收”上，而不是会调某个 agent 框架。杜磊也判断，执行层工作会消失，但有行业背景知识的超级个体会被吸纳，AI 短时间内替代不了人的判断力和行业认知3。这是他对趋势的判断，不是对数据岗位的具体结论。
对读者的应用判断
AI推演如果你在数据岗位，可以把 agentic workflow 当作一个可检验的方向：选一个真实业务问题，做出能跑通、能评估、出错能被拦下的流程，而不只是 demo。《AI产品的六个层次》1的层次划分和《学术界火了十年的Graph数据库》2的验收方式可以当作自检清单。需要说明，这些材料没有直接讨论“数据科学岗位”的招聘壁垒，以上是 AI 基于相邻材料的推演。
提供的材料没有直接针对数据科学岗位的壁垒做讨论，《AI重塑工作流后》3、《学术界火了十年的Graph数据库》2、《AI产品的六个层次》1分别谈的是执行层替代、agentic data analysis 案例和 AI 能力分层，结论属于相邻推演。
出处
- 1AI产品的六个层次
给出 AI 产品层次和人的能力分档，直接支撑“壁垒在可靠落地”的判断。
- 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？
提供 agentic data analysis 上生产的具体做法和验收方式。
- 3AI重塑工作流后，会消灭哪些“假工作”？（完整观察与推理）｜软件3.0如何定义？｜当Cursor成为“外脑”｜杜磊_下
杜磊对执行层消失和超级个体的判断，用于解释数据岗位的变化背景。
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
- 作为数据科学家，应该怎么利用AI或者如何学习AI可以最大效率帮助自己提高专业水平
对数据科学家来说，最高效的路径不是先补机器学习课本，而是把AI接进真实工作流：用agentic工具做出能跑的东西，再把你的实验方法、指标口径和分析判断外化成AI可复用的规则。
- Data scientist
想了解立正怎么谈数据科学家，先看 2020 年那组求职系列，它讲清了能力要求与学习路径；2022 年那期创业对谈和 2025 年 EP77 则补充了岗位在组织里的位置与变化。
- 我们要为多人、多个异步工作的本地 Agent 建一套共享上下文系统：业务原件在现有文件库中，Agent 需要按项目、角色、当前任务和权限只取少量相关内容。原文、结构化事实、AI 提炼、检索索引、个人工作记忆如何分层？多人修改同一事实时，如何处理版本、冲突、失效、回读，并避免每次把整库塞进上下文？请给出最小可行架构、先后建设顺序，以及最容易踩的坑。
把共享上下文分成工作记忆、项目记忆、组织记忆三层，原件留在文件库，索引只做定位，Agent 按任务渐进加载；多人改同一事实时用版本化文件加审批门，而不是每次塞整库。
- 两个问题， 给大厂码农经理， 请问怎么找到适合自己的领域 深耕在ai时代还有用吗 在ai时代 什么技能才是最重要的 第二个问题， 帮我还在读本科大二的学妹。 在ai时代到底学什么专业 是有用的 难以被淘汰
AI 降低了写代码的门槛，但没降低判断问题的门槛。深耕仍有价值，只是要深耕在“离问题或用户近”的地方，而不是深耕语法。给学妹的建议也类似：选能练出发现问题和交付能力的专业，而不是押注某个工具。
- 如何从现在的工作里面积累什么样的技能能够做成自己的副业？
把副业当成主业能力的“可带走版本”：先练识别高价值工作的判断力，再积累方法论、案例、人脉和分发能力，而不是急着另起一摊。
- 我想掌握投资的手艺，应该怎么一步步培养？根据我过往学习AI的经验。要想掌握一门手艺，我需要找一个“师傅”带着我入门。这个“师傅”不一定是一个人，也可能是一个项目，让我快速进入这个行业。然后再动手实践拥有自己的认知，并且不断迭代。在AI这个领域，我的师傅是yage，但是投资领域我怎么找这个师傅？我想的是先通过“真本事”课程里的投资内容作为一个开始？尽量建立一些自己的投资概念？然后多社交？逐渐有自己的高质量投资圈层（群组）？这样群里的信息就是正确的非共识信息，十分有价值。但是我总觉得开始入行和建立圈层差点意思。因为这是按照AI类比推出的，并不是按照第一性原理推出的。此外，开始入行也确实不简单。你有什么好建议吗？
可以借用你学 AI 的“先上手、再迭代”思路，但投资不能只靠找师傅和进群；更可靠的起点是先理解市场为何难战胜，再用小仓位验证自己的策略。