加载失败
推文引用了基于 BLS（美国劳工统计局）几类计算/信息服务行业的月度同比增速图，引发争论。讨论的三个主线是：图表展示的是同比变化率（一阶差分），因此易被误读为“总岗位跌破2008/2020”；2020–2022 年的疫情与低利率（ZIRP）引发的异常招聘导致现在的回调；以及 LLM/agents（大型语言模型与代理式自动化）如何改变生产力、面试与用工判断（LeetCode 面试、ATS、ghost jobs 等招聘机制也被频繁提及）。这些背景能帮助理解为什么评论既在质疑数据解读，也在讨论AI对技能、招聘与个体职业路径的复杂影响。
很多评论指出原帖使用的图表展示的是同比（year‑on‑year）的增速变化，即一阶差分而不是岗位总量，因此单看波动会放大短期回撤的视觉效果。有人强调图表仅覆盖六类行业，且总体技术岗位在2020年前后的大幅扩张后仍然高于2008/2020年代的绝对水平，因而“比2008/2020更糟”这一结论被认为具有误导性。评论建议更应关注绝对岗位数、失业/未充分就业比率、招聘周期与岗位空缺等指标，而不是仅凭月度同比曲线断定整体衰退。
大量评论描述当前技术劳动力市场呈现两极分化：顶尖候选人和高绩效工程师的薪酬与机会上升，而“平均”或绩效平平的中级工程师更难找到岗位。具体表现包括高绩效者能以更高工资操控AI工具、推动架构与交付，而公司倾向雇佣成本低且能用AI完成日常编码的初级工程师或仅取代性更强的外包人员，从而挤压中间层。评论里多次提到招聘信号从单纯学历/年限转向可交付记录（portfolio、OSS、从0到v1的经验）和对AI协作能力的判断。
评论普遍认为AI是放大器：有经验的工程师能把 LLM/agent 当作“快速初级员工”去编排、让AI产出大量代码并做系统性设计，从而把个人产出放大很多倍。与此同时，初级或判断力不足的开发者用AI生成代码却不能有效验证输出，导致更多漏洞、生产事故和维护负担；多条评论举例说明LLM会“hallucinate/撒谎”、把主机文件挂载进容器等具体失误。还有声音指出大规模裁员在AI真正落地前就已经开始，所以AI常被公司当作借口或管理话术，而非全部原因。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6]
许多评论抱怨面试流程形式化且效率低：公司沿用 FAANG 的 LeetCode 风格筛选、轮次多但真正发 offer 的比例低，候选人能拿到面试但最终被搁置或被内部/合规替代。另一大问题是“ghost jobs”与 ATS 自动筛选：岗位长期挂着、为合规或市场探查而发布、或被机器式规则即时拒绝，求职者时间被浪费且统计产生噪音。基于这些现象，评论建议更依赖内部推荐、优化简历与 LinkedIn 可见度，而不是盲目海投招聘网站。
多条评论把岗位回撤归因于宏观经济周期：2020–2022 年的超宽松货币（ZIRP）、远程办公与一波性刺激导致了异常快速的扩张和过度招聘。随着利率上升和经济收紧，公司对疫情期间吸纳的“边际”岗位进行修正，裁员多数是对过热期的回调而非单纯被 AI 替代。讨论中还提到税改、RTO 要求与外包/离岸化等政策与管理因素共同影响了用工决策。
评论中反复出现“credentialism”和名校偏好：顶级公司更偏向来自目标院校的候选人，导致非目标院校优秀毕业生即便有实绩也难以进入高端岗位。短期训练营和“人人学码”潮扩大了人才池，但也带来大量表面技能、缺乏实操判断力的应试候选人，使得雇主提高筛选门槛或更多依赖名校/履历信号。另有担忧称AI使得课堂和入门练习更易被代写，从而侵蚀本科教育与入行时的“实战淬炼”机会。
许多评论记录了被裁、长期求职或主动转行的现实后果：有人卖房、报读护理学校、准备学管道工程或家具木工等技艺以求稳定收入和心理安全。另有评论表达长期失业带来的绝望与心理健康风险，指出统计数字背后是实实在在的人生被打碎。这些个人案例被用来强调需要职业再培训、学徒制或更现实的社会保障渠道来缓解冲击。
ZIRP（Zero Interest Rate Policy）: 长期接近零的基准利率政策，评论中被用来解释2020–2022年因低利率与宽松环境导致的异常扩张与过度招聘，随后加息触发修正。
AI agents（代理人式自动化）: 由 LLM 驱动、可接受任务并执行多步骤流程的自动化代理；评论提到用 agent 编写/合并代码、编排多代理写码的收益与潜在审计/安全风险。
Ghost jobs（虚假/展示性职位）: 公开发布但不是真实快速招聘的岗位（用于合规、市场探查、内推形式或数据收集），会浪费应聘者时间并扭曲招聘与岗位统计。
Greenfield vs Maintenance（0→1 vs 1→n）: Greenfield 指从零搭建新产品（0→1），Maintenance/Brownfield 指长期维护与扩展既有系统（1→n）；评论广泛讨论两者不同的技能与市场价值。