这一事件，要从2026年3月Karpathy的一次低调操作说起。OpenAI联合创始人、前特斯拉AI总监Andrej Karpathy悄悄上线了一个名为“karpathy/jobs”的项目，随后又迅速将其下架。然而，就在这短暂的上线与撤回之间，整个科技圈已被彻底点燃。
这个项目的内核相当硬核：它利用大语言模型（LLM），对美国342个职业、共计1.43亿个岗位进行了“AI暴露度”评分——分值范围从0到10。分数越高，代表该职业越容易受到AI技术的冲击。项目上线即刷屏，随后被紧急下架，更吊足了所有人的胃口。
今天，我们就从头到尾拆解这个项目：它究竟是什么？技术如何运作？数据揭示了哪些真相？以及最真实的看法——不制造焦虑，只讲透AI时代职场生存的底层逻辑。
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，但其内核是用LLM重新审视AI对就业市场的冲击。它既不是论文，也不是报告，而是一个可复现、可二次开发的研究工具。它的核心目标只有一个：
项目抓取了美国劳工统计局（BLS）《职业展望手册》中的342种职业数据，并以树状图（treemap）形式呈现。每个矩形代表一种职业，面积表示就业人数，颜色则反映你选择的指标：
| 图层 | 颜色含义 | 数据源头 |
|---|---|---|
| BLS Outlook | 官方预测的增长前景（绿=好，红=差） | 政府统计 |
| Median Pay | 收入中位数（绿=高，红=低） | 政府统计 |
| Education | 教育要求（绿=高学历，红=低学历） | 政府统计 |
| Digital AI Exposure | AI暴露度（绿=低，红=高） | LLM打分 |
项目的基础非常扎实：
- 数据来源：美国劳工统计局BLS《职业展望手册》，涵盖342个职业，包含职责、工作环境、薪酬、学历要求、增长预测；
- 核心指标：数字AI暴露度（Digital AI Exposure），0–10分，分数越高 = 越容易被AI自动化、辅助或重构；
- 输出形式：交互式矩形树图，面积 = 就业人数，颜色 = 暴露度，一眼即可看透全行业格局。
一句话总结：Karpathy打造了一套“AI职业体检仪”——你把职业丢进去，它告诉你：你的工作有多大程度会被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：
二、项目技术拆解
整个项目不到10个Python文件，却完整跑通了「数据采集→解析→打分→可视化」全链路，非常适合作为个人研究模板。
1）完整pipeline（一步不落地执行）
- 爬取：scrape.py 使用Playwright抓取BLS全部342个职业页面；
- 解析：parse_detail.py/process.py 通过BeautifulSoup将页面转换为干净的Markdown格式；
- 结构化：make_csv.py 提取薪资、学历、岗位数量、增长预期等关键字段；
- LLM打分：score.py 为每个职业输入提示词，由Gemini Flash给出0–10分及评分理由，结果存入scores.json；
- 可视化：build_site_data.py 合并所有数据，前端输出为可交互的看板。
2）关键文件快速解读
| 文件 | 功能说明 |
|---|---|
| occupations.csv | 342个职业的官方统计数据 |
| scores.json | AI暴露度0–10分及解释理由 |
| score.py | 核心：提示词 + 打分逻辑 |
| prompt.md | 整合成45K token文档，直接喂给LLM分析 |
site/ |
前端可视化树图页面 |
3）最牛的设计：可自定义任何评分
这个项目最有价值的并非“AI暴露度”本身，而是这套评分框架。你只需修改score.py中的prompt，就能秒变其他评估维度：
- 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“职业评分引擎”，而不仅仅是一个结论。
三、最扎心的数据：哪些职业在“红色警报区”
Karpathy反复强调：高分 ≠ 失业，高分 = 会被剧烈重塑。但数据依然让人警醒。
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：有流程化工作，但强人际、强现场需求
极低暴露（0–2分）：手艺人反而更安全
- 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：线下操作、体力劳动、人际互动、非标准化、复杂环境，AI难以替代
一个反常识结论
学历越高、越常年坐在屏幕前、越偏向“知识型”工作，暴露度往往越高。而蓝领、实操型职业，反而成了AI时代的“避险资产”。
四、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”转化为“可量化问题”
过去我们常说“AI会抢工作”，但那只是空话。Karpathy所做的，是把每个职业拆解成具体任务 → 用LLM评估可自动化比例 → 输出可解释的分数。它让每个人都能清晰看到：我的工作中，哪30%/50%/80%会先被AI替代。
2）它的局限：必须清醒认识
- 只针对数字AI，未考虑人形机器人、政策法规、工会力量、用户偏好“要人不要机器”等因素；
- 本质是LLM的估算，并非严谨的经济学预测，不能作为职业规划的唯一依据；
- 样本基于美国职场，中国行业、岗位、工作流程存在差异，不能直接照搬。
3）最被误解的一点：高分不是死刑，而是“必须进化”
Karpathy本人写道：Many high-exposure jobs will be reshaped, not replaced.高暴露工作会被重塑，而非被消灭。
程序员得9分，但编程需求不会消失；会计得8分，但决策、合规、沟通依然由人主导；设计师得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
- 可快速验证、标准化、纯屏幕操作的工作最先受到冲击（数据录入、制表、初审、初稿）；
- 人际沟通、现场作业、决策判断、审美品味、复杂协商是长期护城河；
- 未来职场不是“人 vs AI”，而是会用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”，而是因为它太真实。建议你亲自打开这两个项目看看，热力图比文字直观得多。
打开之后切换不同颜色维度，找到自己的职业仔细瞧瞧。你会对“数字化”这个词产生全新的理解。
AI不是来取代某个职业，而是重新定义每个职业中“人的价值”。暴露度9分的程序员，不会消失；只会复制粘贴、做简单CRUD、不动脑筋的程序员，才会。暴露度2分的水电工，不会被取代；但拒绝使用智能工具、不做服务升级、不维护口碑的手艺人，会被同行淘汰。
AI不淘汰职业，AI淘汰不愿意升级的人。
