前端朋友被裁，老板说“一个人用AI顶三个”，我决定测一测到底哪些岗位危险
我一朋友上个月被裁了，前端开发，能力不差。他去问老板："是我的问题，还是公司的问题？"老板："去年一个人用AI能顶三个。不是你的问题，是你这个岗位的问题。"
这个事情，让我决定去搞清楚一件事：到底哪些岗位，正在发生这种事？
所有人都在说AI会替代多少工作：花旗说7000万岗位有风险，麦肯锡说30%的工作会被替代。数字很大，你觉得跟自己有关系吗？
我自己动手测了20个岗位，把每个岗位的核心任务拆开，逐项看AI能不能做、做得好不好、差在哪。我设计了一个4维度评分框架，给每个岗位算出一个被替代指数。
这个指数不代表某个岗位一定会消失，但它能告诉你风向，希望对你有帮助。
4个维度，说清楚一个岗位危不危险
问"AI能不能做这个工作？"，这个问题太泛了，需要分开看。
维度1：任务标准化程度（1-10分）
你每天做的事，有多少是按固定流程走、有标准答案的？
数据录入、发票审核、客服查单，每一步都有SOP，AI做这些比人快还不犯错。这种打高分。
心理咨询、品牌定位，没有标准答案，每一次判断都不一样。这种打低分。
维度2：判断可替代度（1-10分）
你的工作里，有多少是得拍板的时刻？这些时刻有没有明确的对错？
得分越高，说明判断越有规则可循，越容易被AI取代。
客服按话术回答问题，规则清晰，判断空间小。打高分。
产品经理决定需求优先级，没有标准答案，得对后果负责。打低分。
维度3：人际交互密度（1-10分）
你的工作效果，多大程度依赖人和人之间真实的信任和共情？
后端程序员、数据标注员，对着电脑干活，几乎不需要跟人打交道。打高分。
销售总监、心理咨询师，客户买的是你这个人，不是你输出的那堆数据。打低分。
维度4：责任归属清晰度（1-10分）
出了事，谁能被追责？
翻译有原文参照，对错可以客观判断，AI做错了人还能补救。打高分。
外科医生、出庭律师，如果AI犯了错，谁负责？你敢跟病人说"是AI的锅"吗？打低分。
20个岗位AI替代指数：完整排名
| 排名 | 岗位 | 标准化...
让我的AI代理完全访问我的网络，YOLO
没有什么比坐在沙发上，喝着啤酒，快速提示并得到一份完整的报告更棒的了，干杯🥂。
AI专家能解释一下为什么神话级模型如此特别吗？
我猜他们以某种方式改变了分词器。但我想听听其他AI爱好者的看法。
AI Agent 的新范式：video-use 如何用文本代替视频完成智能剪辑
browser-use 团队最近开源了一个叫 video-use 的项目，一天涨了近一千星。
它做的事听上去很科幻：你把一段没剪过的原始素材丢给 Claude，它能自动剪掉口头禅、对齐切点、加字幕和调色，最后吐出一条成片。
但让我停下来的是它的做法。
AI 会剪视频已经不算新鲜，怎么剪的才有意思。
这个能剪视频的 AI，从头到尾没有看过视频。
它没有一帧一帧去理解画面，没有把视频喂给多模态模型，大部分时间它面对的只是一份十几 KB 的文本。
这不是偷工减料。
这是目前最聪明的一批 agent 产品共享的同一套做法。
搞懂它，比知道"又出了个 AI 剪辑工具"有用得多。
假设你要让模型看懂一条十分钟的视频。
最直觉的做法是抽帧：每秒抽几帧，整条片子三万帧上下，每帧丢给多模态模型大约要一千五百个 token。
乘一乘，光是把画面看一遍，就要烧掉四千五百万 token。
而且看完模型记住的多半是噪音——它知道第 1.2 万帧有个人在说话，但说了什么、哪里该剪，画面本身根本告诉不了它。
这不是假想。
今年五月有个公开测评发现，纯靠看屏幕干活的视觉 agent，完成同一个任务消耗的 token 是直接调接口的 45 倍。
算力账单是一方面，更要命的是它还做得更差——看截图点按钮的 agent 经常点错位置、被弹窗带偏。
让模型直接啃原始数据，是个又贵、又笨、还容易错的方向。
video-use 换了个问法
video-use 没有问：
"这帧画面里有什么？"
它问的是：
"这段话是怎么说的？"
它先用 ElevenLabs 的语音转写，把整条素材变成一份带逐字时间戳、能区分说话人、连"（笑）（停顿）"都标出来的文本。
这份文本只有十几 KB。
Claude 拿到的就是它——一份可以用文字精度去推理的剧本。
剪辑说到底就是在时间线上做决策：
- 哪句重复了
- 哪里卡壳了
- 这段留还是删
这些判断在文本上做，比在画面上做又快又准。
模型读到：...