一篇文章告诉你， AI 到底会影响哪些工作？

OpenAI 联合创始人、前特斯拉 AI 总监 Andrej Karpathy，在 2026 年 3 月悄悄上线又快速下架了一个项目：karpathy/jobs。

它用 LLM 给美国 342 个职业、1.43 亿个岗位打出「AI 暴露度」0–10 分，上线即刷屏，随后被紧急下架🤣。

今天我把这个项目完整拆解：它到底是什么、怎么跑通、数据在说什么，以及我最真实的看法 —— 不制造焦虑，只讲透 AI 时代的职场生存逻辑。

一、先搞懂：这个项目到底讲什么？

Karpathy的jobs项目表面上是一个美国劳动力市场可视化网站，但内核是用LLM重新审视AI对就业市场的冲击。这不是论文、不是报告，而是一个可复现、可二次开发的研究工具，核心目标只有一个：

用公开数据 + LLM，量化每个职业被当前 AI 重塑的程度。

项目抓取了美国劳工统计局（BLS）的342种职业数据，用树状图（treemap） 呈现，每个矩形代表一种职业，面积=就业人数，颜色=你选择的指标：

项目底座非常扎实：

• • 数据源：美国劳工统计局 BLS《职业展望手册》，覆盖 342 个职业，含职责、环境、薪资、学历、增长预测；
• • 核心指标：Digital AI Exposure（数字 AI 暴露度），0–10 分，分数越高 = 越容易被 AI 自动化、辅助、重构；
• • 输出形式：交互式矩形树图，面积 = 就业人数，颜色 = 暴露度，一眼看懂全行业格局。

一句话总结：

Karpathy 做了一套 “AI 职业体检仪”，你把职业丢进去，它告诉你：你的工作有多容易被 AI 改变。

美国就业市场可视化工具：

中国就业市场AI影响分析：

如果觉得有用，先点赞收藏，文末有网站访问地址

二、项目技术拆解

整个项目不到 10 个 Python 文件，却跑通了「数据→解析→打分→可视化」全链路，非常适合做个人研究模板。

1）完整 pipeline（一步不落地跑）

1. 1. 爬取：scrape.py 用 Playwright 拉取 BLS 全部 342 个职业页面；
2. 2. 解析：parse_detail.py/process.py 用 BeautifulSoup 转成干净 Markdown；
3. 3. 结构化：make_csv.py 抽成薪资、学历、岗位数、增长预期等字段；
4. 4. LLM 打分：score.py 给每个职业喂提示词，Gemini Flash 打出 0–10 分与理由，存 scores.json；
5. 5. 可视化：build_site_data.py 合并数据，前端输出可交互看板。

2）关键文件一眼看懂

3）最牛的设计：可自定义任何评分

项目最值钱的不是 “AI 暴露度”，而是这套框架。

你只要改一改 score.py 里的 prompt，就能秒变其他维度：

• • 人形机器人风险
• • 离岸外包风险
• • 气候影响风险
• • 加班强度、学历门槛、薪资增长

它是一个 “职业评分发动机”，不只是一个结论。

三、最扎心的数据：哪些职业在 “红色警报区”

Karpathy 自己反复强调：

高分≠会失业，高分 = 会被剧烈重塑。

但数据依然让人清醒：

🔴 极高暴露（8–10 分）：数字白领重灾区

• • 医疗转录员：10 分
• • 文员、客服、数据录入：9–10 分
• • 会计、审计、税务：8 分左右
• • 软件开发人员：8–9 分
• • 文案、编辑、设计师：7–9 分

🟡 中等暴露（4–7 分）：大量常规岗位

• • 销售、教师、护士、HR、分析师
• • 特点：有流程，但强人际、强现场

🟢 极低暴露（0–2 分）：手艺人反而安全

• • 农业、电工、水管工、屋顶工、汽修、厨师
• • 护工、理疗、幼教、现场施工
• • 逻辑：线下、体力、人际、非标、环境复杂，AI 很难替代

一个反常识结论

学历越高、越坐在屏幕前、越 “知识型”，暴露度往往越高。

蓝领、实操型职业，反而成了 AI 时代的 “避险资产”。

四、我对这个项目的真实看法（不吹不黑）

1）它最大价值：把 “模糊焦虑” 变成 “可量化问题”

以前我们说 “AI 会抢工作”，是空话。

Karpathy 做的事：

把职业拆成任务 → 用 LLM 评估可自动化比例 → 输出可解释分数。

它让每个人都能算清：我的工作里，哪 30%/50%/80% 会先被 AI 吃掉。

2）它的局限：必须清醒看待

• • 只针对数字 AI，不考虑人形机器人、政策、工会、用户偏好 “要人不要机器”；
• • 是LLM 估算，不是严谨经济学预测，不能当职业规划唯一依据；
• • 样本是美国职场，中国行业、岗位、流程不同，不能直接照搬。

3）最被误解的一点：高分不是死刑，是 “必须进化”

Karpathy 自己写：

Many high-exposure jobs will be reshaped, not replaced.

高暴露工作会被重塑，不是被消灭。

程序员 9 分，但需求不会消失；

会计 8 分，但决策、合规、沟通依然是人做主；

设计师 8 分，但审美、策略、品牌感知很难被 AI 替代。

真正危险的不是 “AI 能做”，

而是你只做 AI 能做的那部分。

4）这个项目给普通人的 3 条真话

1. 1. 可快速验证、标准化、纯屏幕工作最先被冲击（录入、制表、初审、初稿）；
2. 2. 人际、现场、决策、审美、复杂沟通是长期护城河；
3. 3. 未来职场不是 “人 vs AI”，是会用 AI 的人 vs 不会用 AI 的人。

写在最后

karpathy/jobs 之所以刷屏又被下架，不是因为它 “太吓人”，而是它太真实！

建议你自己打开这两个项目看看，热力图比文字直观得多。

美国版：https://github.com/karpathy/jobs
中国版：https://madeye.github.io/jobs/

打开之后切换不同颜色维度，把自己的职业找出来看看。

你会对数字化这个词有全新的理解。

AI 不是来取代某个职业，

而是重新定义每个职业里 “人的价值”。

暴露度 9 分的程序员，不会消失；

只会做复制粘贴、简单 CRUD、不动脑的程序员，会。

暴露度 2 分的水电工，不会被取代；

但拒绝用智能工具、不做服务升级、不做口碑的手艺人，会被同行卷走。

AI 不淘汰职业，AI 淘汰不愿意升级的人。