logo

图片

最近这段时间,关于裁员、AI Agent 提效的讨论让大家对市场的看待比较悲观。

但是我反而更乐观一点。


我是觉得,现在发生的事情,换个角度看会清晰很多:

不是“程序员正在被取代”,而是IT行业的价值评判标准,正在发生变化。


过去,很多岗位的核心价值在于——执行成本很高。一个需求落地,需要大量人力逐步完成。只要你能稳定交付这套流程,你就有不可替代性。


但现在,AI 正在接管越来越多需要人工完成的工作。原本依赖执行能力建立的价值,正在被重新定价。



那为什么我反而乐观?

每一次生产方式的革命,剧本都是一样的:旧的劳动方式贬值,新的组织方式崛起。


纺纱机出现时,淘汰的不是服装业,而是依赖手工重复劳动创造价值的人。今天也一样——这轮变化的本质,不是"工程师消失",而是工程师从劳作者,变成指挥者。


Agent 是新时代的机器,Token 是新时代的电力。

软件的生产,不再主要靠手工编码堆出来,而是越来越取决于工程师如何定义问题、如何组织流程、如何调度模型和工具。


未来更有价值的人,不是那个亲手写出最多代码的人。

而是那个能带着 AI 快速试出多个方案、迅速判断哪条路走得通、再把资源集中到正确方向上的人。



这种能力,我觉得本质上是一种判断力:

  • 对技术架构的取舍

  • 对产品方向的感知

  • 对问题优先级的判断

  • 对工具链和 workflow 的组织能力

  • 对"什么值得做、什么不值得做"的直觉


当 AI 让执行越来越便宜,判断就会越来越珍贵。

AI 可以提供海量的答案,但它永远无法替你做出选择。


所以我乐观的点在于:

工程师的价值并没有缩水,它只是从指尖的代码,迁移到了大脑的判断里。


当世界不再需要更多"听话的执行者",它其实是在等待那些能驾驭 AI、重新定义软件生产流程的人。


目前的澳洲市场,具备 AI 落地能力的工程师依然是稀缺资源,薪资已经显著高于普通开发岗位。如果你也在想怎么往这个方向走——


匠人学院 AI Engineer 训练营,第 05 期即将开启

全球唯一面向华人developer的AI Engineer实战课

专门为希望突破薪资天花板

或者是想转型的开发者打造!


图片

图片


他们的技术栈通常包括四个方向:

Prompt Engineering(提示词工程)

学会如何与大模型对话,精准控制输出逻辑。

这不仅是写Prompt,更像是在训练AI“听懂你说话”。


RAG系统(Retrieval-Augmented Generation)

把企业知识库接入AI,让模型能“带资料地思考”。

这项技术已经成为全球AI应用的基础架构。


Agent框架(LangChain / LangGraph)

构建多智能体系统(Multi-Agent),让AI具备任务规划与协作能力。


部署与监控(LLMOps / MLOps)

把AI从测试环境上线到生产环境,确保性能、安全与成本可控。


👇那这个训练营到底会教什么?


在本课程中,您将学习如何根据最佳实践原型设计LLM应用,并基于生成式AI的四大核心模式:Prompt Engineering(提示工程)、Retrieval Augmented Generation (RAG)(检索增强生成)、大语言模型(LLM)和Embeddings,以及Agents进行开发。同时,您无需绑定于单一云计算供应商,课程将使用Python和核心版本控制工具LangChain,从零构建系统。LangChain 是构建生产级LLM应用的领先框架。


图片


图片
图片


图片


课程覆盖的技术栈,是直接对标真实招聘JD拆解出来的——RAG系统、AI Agent、LangChain、MCP、Fine-tune Llama 3.1、Vector Database、LLM Ops监控,每一项都能在招聘需求里找到对应。


如果你已经准备为职业发展加一把火、或者想提高薪资竞争力,这门课会是最快、最有效的方式。想了解课程?扫码即可👇


图片

也可以私戳我聊聊你的职业路线

我能给你一些很实用的方向建议!


图片





JR Academy · Blog职业洞察

AIAgent下的裁员潮,为什么反而更乐观?

最近这段时间,关于裁员、AIAgent提效的讨论让大家对市场的看待比较悲观。

发布日期
阅读时长1 分钟
作者

图片

最近这段时间,关于裁员、AI Agent 提效的讨论让大家对市场的看待比较悲观。

但是我反而更乐观一点。


我是觉得,现在发生的事情,换个角度看会清晰很多:

不是“程序员正在被取代”,而是IT行业的价值评判标准,正在发生变化。


过去,很多岗位的核心价值在于——执行成本很高。一个需求落地,需要大量人力逐步完成。只要你能稳定交付这套流程,你就有不可替代性。


但现在,AI 正在接管越来越多需要人工完成的工作。原本依赖执行能力建立的价值,正在被重新定价。



那为什么我反而乐观?

每一次生产方式的革命,剧本都是一样的:旧的劳动方式贬值,新的组织方式崛起。


纺纱机出现时,淘汰的不是服装业,而是依赖手工重复劳动创造价值的人。今天也一样——这轮变化的本质,不是"工程师消失",而是工程师从劳作者,变成指挥者。


Agent 是新时代的机器,Token 是新时代的电力。

软件的生产,不再主要靠手工编码堆出来,而是越来越取决于工程师如何定义问题、如何组织流程、如何调度模型和工具。


未来更有价值的人,不是那个亲手写出最多代码的人。

而是那个能带着 AI 快速试出多个方案、迅速判断哪条路走得通、再把资源集中到正确方向上的人。



这种能力,我觉得本质上是一种判断力:

  • 对技术架构的取舍

  • 对产品方向的感知

  • 对问题优先级的判断

  • 对工具链和 workflow 的组织能力

  • 对"什么值得做、什么不值得做"的直觉


当 AI 让执行越来越便宜,判断就会越来越珍贵。

AI 可以提供海量的答案,但它永远无法替你做出选择。


所以我乐观的点在于:

工程师的价值并没有缩水,它只是从指尖的代码,迁移到了大脑的判断里。


当世界不再需要更多"听话的执行者",它其实是在等待那些能驾驭 AI、重新定义软件生产流程的人。


目前的澳洲市场,具备 AI 落地能力的工程师依然是稀缺资源,薪资已经显著高于普通开发岗位。如果你也在想怎么往这个方向走——


匠人学院 AI Engineer 训练营,第 05 期即将开启

全球唯一面向华人developer的AI Engineer实战课

专门为希望突破薪资天花板

或者是想转型的开发者打造!


图片

图片


他们的技术栈通常包括四个方向:

Prompt Engineering(提示词工程)

学会如何与大模型对话,精准控制输出逻辑。

这不仅是写Prompt,更像是在训练AI“听懂你说话”。


RAG系统(Retrieval-Augmented Generation)

把企业知识库接入AI,让模型能“带资料地思考”。

这项技术已经成为全球AI应用的基础架构。


Agent框架(LangChain / LangGraph)

构建多智能体系统(Multi-Agent),让AI具备任务规划与协作能力。


部署与监控(LLMOps / MLOps)

把AI从测试环境上线到生产环境,确保性能、安全与成本可控。


👇那这个训练营到底会教什么?


在本课程中,您将学习如何根据最佳实践原型设计LLM应用,并基于生成式AI的四大核心模式:Prompt Engineering(提示工程)、Retrieval Augmented Generation (RAG)(检索增强生成)、大语言模型(LLM)和Embeddings,以及Agents进行开发。同时,您无需绑定于单一云计算供应商,课程将使用Python和核心版本控制工具LangChain,从零构建系统。LangChain 是构建生产级LLM应用的领先框架。


图片


图片
图片


图片


课程覆盖的技术栈,是直接对标真实招聘JD拆解出来的——RAG系统、AI Agent、LangChain、MCP、Fine-tune Llama 3.1、Vector Database、LLM Ops监控,每一项都能在招聘需求里找到对应。


如果你已经准备为职业发展加一把火、或者想提高薪资竞争力,这门课会是最快、最有效的方式。想了解课程?扫码即可👇


图片

也可以私戳我聊聊你的职业路线

我能给你一些很实用的方向建议!


图片





作者
一键分享或复制链接

相关文章推荐

查看全部文章 →