本文解析了AI浪潮下"码奸"与裁员传言背后的真实岗位变动，指出前端等单一技能岗位正被优化。文章提出普通人应对AI时代的三大策略：从自身痛点出发找到具体问题、用审美与判断力驾驭AI、建立可复用的系统性思维。适合关注职场变化与AI冲击的读者。
Tags:
最近我也是从网上学会了一个新词："码奸"
细品一下，大概意为：码农里的汉奸？简称为码奸。
或许是因为这段时间大模型能力变得越来越强，AI 代码写得越来越快，越来越好。
加上前一阵网传关于大厂疯狂裁员的消息彻底引爆了积压已久的怨气。
AI 不出所料地再次惹来众怒，码奸一词也是应运而生。
不过以上关于流传 AI 导致大厂裁员的消息，大部分都在最近已被官方辟谣，相关造谣者也已被送进去踩缝纫机。
不过谣是辟了。但完全说假，也不准确。
以网易为例，官方回应，并没有因AI开除全部外包。
但同时，也承认了确实是因业务需求，优化了部分基础技能岗位的外包人员。
所以，优化了吗？优化了，但没优化完全。
而且裁员这件事，其实早在去年就上演过不知道几轮了。
谷歌、Meta 边裁边招，降本增效，大洋彼岸的寒气早就吹了一整年。
这次的事件也算是国内初见苗头，大家想必也已经见怪不怪。
但如果往深了看，它的背后其实代表的是：随着AI工具链越来越成熟，越来越多只会单一技能的岗位，的确会被优化替代。
这不是危言耸听，更不是预测未来，完完全全是当下就业环境最真实的写照，
不过在我看来：与其说AI是在淘汰人，倒不如说是过去岗位的定义在变。
而关于这个定义，我想国内大部分企业也早在AI发展之初，就给出了自己的答案。
企业怎么看？
这里我们以谣言中提到的得物前端解散，全部编入AI全栈为例。
这件事暂且不论真假，但有一件事是实打实的。
从去年美团开始大力在内部推行全栈化，能看出前端和后端合并，本就是大势所趋。
不是得物特立独行，是整个行业都在往这个方向走。
那问题来了：为什么偏偏是前端先死一步？企业为什么偏偏老针对前端下手？
这里我说句实话，过去我在评测大模型的时候，
几乎每次都会让它来生成网页，看页面效果，看交互逻辑，看样式还原度。
其实我测的就是AI的前端能力。
AI在前端领域的进化效果，在过去一年，大家其实都有目共睹。
现在用Claude Code你只要给一段简单的描述需求，AI直接生成好看的页面布局，完整的交互组件。
过去一个前端团队干一周的活，现在一个后端开发者加上 AI 工具，半天就能搞出一个像样的东西。
所以在企业看来，前端不是没用，而是前端的岗位壁垒早就被 AI 彻底抹平。
当一个后端开发者+AI 就能搞定前端的活，那前端这个岗位单元，也压根没有单独存在的必要。
当然，有人或许觉得是互联网企业太冷血，淘汰机制太快。
前有 35 岁码农危机，后有 AI 大模型逼着员工被迫下场。
不过，这并非是互联网企业的传统艺能，而是几乎每一次生产工具发生质变，都会有一批专职执行岗被替代。
ERP 来了，手工记账员消失了。Word和输入法普及后，打字员也原地蒸发。
再回望这几年，Midjourney 和 Figma，banana 一次又一次夹击，设计出图这个技能门槛在不到一年时间里被被冲烂不知多少次。
这些话其实讲来讲去，也都已经讲烂了，但你会发现，每次消失的都是同一类工作：
也就是流程固定、能力边界清晰、可被现有工具直接复现的执行岗位。
留下来的，从始至终都是那些：
能看懂上一代在干什么，然后用这一代新工具，干得更好的人。
这就是企业给出的答案。
不是说AI来了，企业才要裁人，是AI来了，企业必须拆掉过去传统岗位的壁垒，
前端/后端/测试/运维有一个算一个，公司得要你扛起原来三个人的活。
表面是对现有员工的压榨，实则是要求岗位上的人必须具备运用新工具的复合能力。
那问题来了，公司重组完了，岗位定义变了，新的机会也随之涌现。
作为普通人，我们又该如何接住这波机会？
这里，我不说什么保持学习，拥抱变化，尽快掌握AI工具，还有什么提升自身综合能力的废话文学。
在我看来，其实主要就三点。
AI 怎么解决我的问题？
注意这个问题的重点在于：我的问题究竟是什么？
可能会有些绕口，所以这里就从我的实际问题来讲，这几年不知道大家有没有踩过这样的坑：
刚学会了大火的生图AI，学会用 prompt 控制一致性，下一秒大模型进化了，白学一通。
刚学会了如何用 coze 搭建agent工作流，下一秒OpenClaw横空出世，遗憾离场。
然后呢，继续再追下一个产品，继续被淘汰。
周而复始，循环往复，除非技术哪天停止发展，否则没有终结。
而之所以会出现这个问题，一是因为AI自身发展的速度太快，执行层的护城河以肉眼可见的速度降低。
二是因为工具在变，能力在变，我们今天学的东西随时有可能作废。
但归根结底，最重要的问题在于，很多人在问题本身这件事上，只想清楚了一半。
因为担心被时代淘汰，所以沉浸于学习最热最火的AI工具。
可不被淘汰本身就是一个动态问题。
AI 在变，市场在变。不被淘汰的标准，变的更是比翻书还快。
所以，这个问题本身就得被换掉。
先换个角度，从你最切实的处境出发，问自己一个具体的，静态的问题，
比如，我现在干活，哪个环节最重复耗时，最让我觉得在浪费生命？
你是做运营的，每周要写十几篇数据复盘报告，格式雷同，数据填填改改，两个小时起步。
那你的问题就很具体了，就是如何让 AI 帮我把这两个小时压缩到二十分钟。
这是一个静态的、真实的、可解的问题，然后针对这个问题去找工具、搭流程、做优化。
就算明天又出来一个新工具，你的问题没变，换个工具接着用就完了。
前者是在追一个永远移动的答案，后者在解一个真实存在的问题。
这也是为什么，我说的第一个能力，不是学会用Cursor，不是掌握 Agent 工作流。
而是你能不能从自己最真实的工作处境出发，先找到那个值得被AI 解决的具体问题。
找到它，然后再找 AI 来解它，这才是和 AI 协作最稳固的起点。
所以，我们今天就可以开始做的第一步也很简单。
打开备忘录，把这周让你最崩溃的三件重复性的事写下来，对着每一条问问自己：
这件事，我能不能让AI替我做？
不用完美，先试着用AI跑通一次。
驾驭AI，不是被AI驾驭。
现在很多人用 AI 的方式是这样的：
先让 AI 生成一段代码 → 复制粘贴 → 发现有问题 → 再让 AI 改 → 继续复制粘贴。
改来改去，问题非但没解决，反而越改越乱，越看越不对劲。
这里只是举个例子，但却是很多人用 AI 的真实写照，
大脑全程没有运转，只是在做一件事，把AI 当成了一个高级的复制粘贴机器。
所以为什么有些人，几乎不用什么特别的技巧，就能让 AI 交付出非常接近预期的结果。
有些人则提示词写了几百几千字，最后产出的东西却惨不忍睹？
最近 B 站搞了个 AI 创作大赛，我觉得非常适合用来回答这个问题，我翻了很多网友的投稿。
同样是用AI 生成视频，同样的工具，同样的模型，
有人做出来的东西，内容有故事张力，情绪流动，有属于自己的表达，有些人的视频则惨不忍睹。
工具是一样的，差距在哪？
我认为，能做出好故事的人，在使用 AI 生成画面前，他的脑子里一定是有东西的。
他知道整个故事的节奏是什么，也了解镜头语言，知道这几秒人物的情绪是克制还是爆发。
而 AI 只是帮他把脑子里已有的东西呈现出来。
要知道，计算机早期时代就有一句话：
Garbage in, Garbage out（垃圾进，垃圾出。）
意思是，不管你的计算模型多强，你输入的信息是垃圾，输出的结果就是垃圾。
到了 AI 时代，这句话再次发挥出它的含金量。
大多数人对这句话的理解，只停留在表层，觉得自己得把想要的东西描述的再清楚一些。
这点自然没错，但本质上还是把驾驭AI这件事，理解成了一种工具层面的技巧。
可如何掌握好，凭的是你对这件事本身的理解深度。
对设计有审美才能判断出AI 生成的页面好不好看，哪里要改。
对故事有感知，才能判断 AI剪出来的节奏对不对，情绪有没有到位。
所以驾驭 AI的前提，根本不是掌握什么复杂的高阶技巧。
审美，判断，以及对这件事的理解，才是你给 AI 下指令的质量上限。
那如何判断自己是否能驾驭AI呢，有一个很实用的自测方法：
在拿到AI的输出结果，先别急着用，给自己60秒扪心自问一下
这个结果哪里感觉不对？为什么不对？我想要的到底是什么？
有了这个标准，再说真正去驾驭 AI。
而驾驭AI，本质上更像一道如何驾驭自己的命题。
系统性思维
我知道，这个词一说出来，很多人第一反应觉得，
这个词感觉像是老板开会才会讲的东西，跟我有什么关系？
但假如你身边过去有这样两种人用AI，你就能深刻理解系统性思维的重要性。
第一类人，平常使用AI，只会发一段固定的话，比如帮我写一篇周报。
AI产出好，最后复制粘贴，完事。
而第二类人，则是在写完周报后，先梳理了一遍框架模板，
把数据来源、汇报格式、措辞风格全部固定下来，下次直接套，用更快的速度出稿。
然后慢慢发现，同样的逻辑可以用在日报、月报、复盘报告上。
到最后，更好用的工具出现，
比如openclaw，那他过去总结下来的经验完全可以套用在上面。
AI 成了他的流水线，而不是工具箱。
这就是系统性思维和没有系统性思维，在普通人日常工作里最真实的差距。
每次解完一个问题之后，会多做一步，把这个解法，变成可以复用的结构。
所以系统性思维，翻译成人话其实就一句：
当你遇到一个问题，不光要想着如何解决它，更要想一想如何把解法本身保留下来。
因为解法本身是你沉淀的资产，倘若没留下来，那它只会随时间一同被遗忘。
所以从现在起，每次使用AI解完一个问题，花五分钟写一条笔记，不用太长。
先记录下问题是什么？我怎么用AI解的？下次可以复用的部分是什么？
三个月后，你会发现你攒下来的，
不是一堆用过就忘的提示词，而是一套属于你自己的工作方法论。
絮叨
回到最开头，码奸这个词，我其实一直在想大家到底骂的是什么？
究竟骂的是那些拥抱 AI，训练大模型，帮助企业裁员的"叛徒"？
还是在骂这个变化太快，让人来不及反应的时代？
我觉得更多是后者，毕竟时代的尘埃，落到普通人头上就是一座山。
卷又卷不过，躺又躺不平。
与其担心自己会不会成为下一个被优化的人，不如从现在就开始提前适应这套法则。
想清楚问题，建立判断，沉淀系统。
我想这才是我们在 AI 时代，真正不会被替代的东西。
你觉得呢？
如果这篇文章对你有所启发，欢迎点赞、在看，转发三连。星标⭐账号，还可以第一时间收到推送，感谢你的收看，我们下期再见～
没有评论:
发表评论