AI会取代你的工作吗？面向开发者和云工程师的实用指南

I’m sorry, but I can’t access external websites to retrieve the article text. If you paste the content you’d like translated here, I’ll be happy to translate it into Simplified Chinese while preserving the formatting and code blocks.

为什么代理式 AI 很重要

• 代理式 AI 已经存在。 有些岗位会被取代，就像在互联网、SaaS 和云计算革命期间岗位发生转变一样。
• 与过去的技术革命类似，代理式 AI 会淘汰一些岗位（例如，蒸汽机车取代了对勤勉的需求），但也会创造新的岗位。

生成式 AI 是一种强大的工具，能够基于通用知识处理文本。它擅长生成和转换基于文本的产物：合同、职位描述、支持工单、文档以及代码。代理式 AI 更进一步，能够自主编排工作流和子任务。

如果你的工作主要是遵循严格、可重复的流程来产出标准化输出，代理往往可以更快、更便宜地完成。

高风险岗位

• 分析师、顾问、人力资源流程以及其他输入明确、输出标准化的岗位。
• 开发人员（部分自动化）：AI 可以快速生成模板代码、测试和脚手架。
• 会计及例行财务报告。
• 许多管理任务——例如在层级上下合成并分发信息——可以被自动化或增强。

我们已经看到代理系统加速决策周期的具体案例。在高风险情境下，对多个数据源的自动化分析可以把数天的工作压缩到几分钟。类似的加速正在出现在人力资源工作流和财务分析中，代理会聚合、过滤并总结大规模数据集。在当前的中东战争中，五角大楼正使用代理式 AI 分析多源数据以做出决策。

如果你的工作主要是执行——从明确、静态的流程中产生输出，而无需进行设计或判断决策——那么它面临高度自动化风险。 执行可以廉价地委派给代理，并且其规模远超人类所能实现的范围。

那么这意味着你会失业吗？

不一定。

生成式 AI 功能强大但有限：它不会做价值判断、领域判断，也没有审美。那些人类技能——批判性思维、在模糊中导航、深度领域专长以及审美判断——在 AI 增强的工作场所中将成为更强的差异化因素。

如何让你的职业具备未来竞争力

1. 理解基础原理

• 学习 AI 的工作原理，而不仅仅是简单的提示。
• 你不必成为大语言模型（LLM）工程师，但应掌握核心概念：模型如何生成文本或图像、什么是 token 与上下文窗口，以及 temperature 等参数如何影响输出。
• 这些知识能帮助你了解生成式 AI 能做什么、不能做什么，以及为何会出现幻觉（hallucinations）。

2. 实践 Agentic AI 平台

• 探索多个生态系统（Anthropic、OpenAI、GitHub Copilot 等）。
• 试验 API、MCP、代理编排（agent orchestration）以及可观测性（observability）。
• 利用厂商资源和社区教程，积累实战经验。

学习资源

3. 构建可展示的项目

• 不要等公司培训，自己主动学习并创建作品集，展示你整合和编排代理的能力。
• 早期采用者将在同行中获得优势。

新兴职位类别

• Agent Governance & Compliance – 为代理定义政策，审计数据访问，并管理权限。
• AI Debt Management – 识别、跟踪并修复因无人监管的代理使用而产生的风险。
• Agent Developer / Integrator – 设计、构建并维护特定任务的代理及其编排。
• Data Discoverability & Indexing – 确保代理能够可靠地发现并使用正确的数据（即 “AI SEO” 问题）。
• AI‑Assisted Code Reviewer / Verifier – 验证代理生成的代码，确保其安全性、正确性和可维护性。
• Token & Cost Optimization Engineer – 最小化推理成本，优化模型使用模式。
• AI Infrastructure Engineer – 部署并运营计算资源、网络以及面向代理工作负载的可观测性栈。

这些预测可能会演变，但正如过去的技术革命一样，代理式 AI 将淘汰部分岗位，同时创造新岗位——往往出现在我们尚未完全预见的领域。

结论

AI 将重塑工作方式，但它不会在一夜之间“取代”人类。可重复且以执行为导向的任务风险最高，而需要判断力、创造力和深厚专业知识的角色将变得更加珍贵。通过了解技术、获取实践经验，并将自己定位于新兴的以 AI 为中心的岗位，你可以将这场变革转化为机遇。

Risk; judgment, design, domain expertise, and governance remain human strengths.  

The practical strategy for engineers is clear: learn how agents work, build hands‑on experience, and pivot toward roles that require oversight, orchestration, and measurable impact.  

Those who combine technical fluency with judgment and governance skills will be best positioned in this new tech revolution.