夜雨聆风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：
| BLS Outlook | ||
| Median Pay | ||
| Education | ||
| Digital AI Exposure | AI暴露度（绿=低，红=高） | LLM打分 |
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. 爬取：scrape.py 用 Playwright 拉取 BLS 全部 342 个职业页面； 2. 解析：parse_detail.py/process.py 用 BeautifulSoup 转成干净 Markdown； 3. 结构化：make_csv.py 抽成薪资、学历、岗位数、增长预期等字段； 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. 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. 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. 人际、现场、决策、审美、复杂沟通是长期护城河； 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。
💡 如果想系统化学习AI测试、AI编程、AI实战技能，欢迎加入：「狂师. AI进化社」一起探讨学习！
如果这篇文章对你有帮助，不妨点个赞、转发、收藏三连支持！ ❤️想第一时间收到推送，记得加个星标 ⭐
往期推荐
温馨提醒：「狂师・AI 进化社」包含AI大模型、AI编程、AI测试、AI开发、AI智能体、AI工具等八大版块，手把手带你玩转超20个真实AI项目实战，对标企业级招聘需求，职场进阶AI首选！目前加入，还有优惠！
👇 点击下方关注公众号《测试开发技术》，获取免费测开学习路线、简历模板、面试真题、AI测试、AI 编程、自动化测试、测试开发资料教程等。
END
后台回复【领资料包】试试
