Claude Code之父版「職場MBTI」：AI洗牌後只剩5類人，你選哪種？
重點摘要
這篇消息聚焦「Claude Code之父版「職場MBTI」：AI洗牌後只剩5類人，你選哪種？」。原始導語提到：未來是屬於這5種職業的 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。
### Claude Code之父版「職場MBTI」：AI洗牌後只剩5類人，你選哪種？
在生成式AI迅速滲透各行各業的當下，傳統的職場能力模型正面臨前所未有的挑戰。近日，被譽為「Claude Code之父」的AI領域專家提出了一種截然不同的職場分類觀點：當AI完成多數重複性與邏輯性工作後，真正能留下來的「適存者」僅剩五種角色。這套號稱「職場MBTI」的新框架，並非測試性格偏好，而是檢視一個人能否在AI主導的未來找到立足點。究竟這些倖存者具備哪些特質？又該如何從中定位自己？
這套分類的誕生，源於對當前職場生態的深刻反思。傳統MBTI測驗關注人的認知傾向，但在AI時代，許多原本需要「人際直覺」或「邏輯推演」的工作，已被大語言模型快速替代。Claude Code之父認為，與其糾結性格類型，不如先釐清「人與AI的協作模式」。這五類職業並非階級高低之分，而是對應五種不同的價值創造方式——從本質上回應「AI做不到什麼」以及「人類還能貢獻什麼」這兩個核心問題。
根據該觀點，第一類人是「策略煉金師」，擅長在模糊資訊中提煉出高層次洞察，並將AI生成的數據轉化為可執行的商業決策；第二類為「校準把關者」，負責審查AI輸出中的偏誤、倫理問題與邏輯漏洞，扮演品質控管的關鍵角色；第三類是「跨界拼貼師」，能夠融合不同領域知識，引導AI產出創新組合；第四類是「情感連結者」，專注於需要真實同理心與信任建立的服務場景；最後一類則是「系統建構師」，設計並維護AI工具與人類工作的協作流程。這五種角色共同特徵：無法被完全自動化，且高度依賴人類的判斷力與創造力。
這套觀點對當前職場文化可能帶來深遠影響。首先，它打破了「程式設計師最高危」的迷思——只要懂得如何與AI對話、如何定義問題，工程師反而能轉型為效率更高的「系統建構師」。其次，它也提醒許多看似「軟技能」的崗位，例如業務、客服、創意總監，其實有機會在AI時代找到更重要的定位，關鍵在於是否願意擁抱工具而非對抗它。企業人資可能也需要重新設計職能矩陣，不再只看學歷或經歷，而是評估一個人能否在「人機協作」光譜中找到自己的專屬區間。
對一般讀者而言，最值得關注的後續發展，是這五類角色是否具備可學習的養成路徑。例如「跨界拼貼師」需要的是廣泛的知識累積與好奇心，而非單一技術深度；「校準把關者」則需要批判性思維與倫理敏感度。這些能力並非與生俱來，但可以透過刻意練習獲得。建議讀者先盤點自己目前的工作中，哪些環節是AI難以取代的？哪些又是你最有熱情投入的？將兩者交集的點，可能就是未來職涯的錨點。
此外，這套分類也引發一個值得深思的議題：當AI徹底洗牌職場結構，教育體系與社會福利機制是否也該跟上？如果五類人以外的職位逐漸消失，社會需要負擔的轉型成本將非常龐大。讀者不妨持續關注科技巨頭與政策制定者如何回應這股趨勢，例如是否有新的技能認證制度、或針對受影響勞動者的再培訓計畫，這些都會直接影響我們每個人的下一步選擇。
整體而言，Claude Code之父版的「職場MBTI」並非預言末日，而是提供了一張重新理解AI協作時代的「生存地圖」。它提醒我們：與其猜測哪個職業會被消失，不如思考自己能否在五個角色中至少扮演一種。未來職場的核心競爭力，不再是「什麼都會做」，而是「知道該做什麼，以及如何讓
Related
相關文章
軟件沒被AI殺死，但全球市場都捲上天了
AI寫程式能力崛起，但軟體並未被取代，反而在全球市場面臨更加激烈的競爭。軟體開發的門檻降低，促使各國廠商紛紛投入，導致市場「捲」上加「捲」。軟體業者需在效率與創新之間找到新平衡，才能應對這場無止境的挑戰。
Token管夠的時代結束了
這篇消息聚焦「Token管夠的時代結束了」。原始導語提到：企業的錢也不是大風颳來的 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。
中國信通院牽頭，首個智算運維智能體評測基準正式落地，覆蓋 5 款主流國產芯片
6月29日，在中國信通院人工智能軟硬件協同創新與適配驗證中心、中國人工智能產業發展聯盟、工信部人工智能標準化技術委員會聯合主辦的2026“眾智”大模型開放智算生態協同高級別研討會中，中國信通院副院長魏亮，正式發佈AISHPerf人工智能軟硬件基準體系3.0版本，包含兩項 AI Infra 領域核心評測基準——AISHPerf-智算運維智能體評測基準以及AISHPerf-算子生成智能體評測基準，兩大基準由國內頂尖AI原生基礎設施服務商無問芯穹及清華大學團隊作為重點技術支持方參與建設。前者是首個面向 AI Infra 的運維智能體評測基準，依託百億級真實運維數據構建，核心考核智算運維智能體在真實生產場景中解決實際問題的落地能力。後者則跳出 “模型能否生成可運行 GPU 算子” 的基礎維度，將評測重心錨定在 “模型生成的算子能否在真實量化推理部署中替代現有算子” 的工程可部署性上，更貼合產業實際落地需求。二者從底層算力優化到上層集群運維，共同為智算產業的標準化升級與高質量發展提供了統一的能力參照框架。 AISHPerf（Performance Benchmarks of Artificial Intelligence Software and Hardware）是中國信通院與人工智能大模型及軟硬件評測工業和信息化部重點實驗室，依託人工智能軟硬件協同創新與適配驗證中心（位於國家信創園）聯合構建的人工智能軟硬件基準體系，旨在設置多維度指標，考察端到端方案對模型及應用場景的真實承載能力，系統評估軟硬件各層級間的協同優化水平、兼容適配能力及整體交付效能。在此次發佈的兩項基準中，AISHPerf-智算運維智能體評測基準尤為引人注目，它不僅標誌著我國在智算集群運維智能體領域擁有了首個權威評測體系，更率先將國產芯片集群運維場景納入評測體系、填補了國產智算運維智能體評測領域的空白，為構建自主自治
Hermes新功能上線！比Opus 4.8和GPT-5.5還猛
AI應用風向標（公眾號：ZhidxcomAI） 作者｜畢偉豪 編輯｜漠影 智東西6月30日報道，現在，Fable 5和Mythos 5等頂尖閉源模型沒法使用，就算能用，單一模型也總有搞不定的問題，那麼，想要高質量輸出結果的用戶該怎麼辦呢？ 近日，Hermes Agent上線了MoA（Mixture of Agents）功能，支持用戶自由組合多種模型作為虛擬模型使用，在Nous Research即將發佈的基準測試中，這個混合模型的評分超過了Opus 4.8 和GPT-5.5。 一、Fable 5、Mythos 5被禁，多模型組合成為潮流 Nous Research在官推上說了這樣一句話：“最強大的模型是受限的，只有少數人才能獲得訪問權限。”這句話明晃晃地指向了Fable 5等模型被封禁的事件。 在這種背景下，不難看出，MoA這個混合模型模式的終極目的，是用開源模型的組合達到頂尖閉源模型的水準，就像Hermes Agent聯合創始人Teknium說的，他們正在測試各種開源模型組合，看看是否能用更便宜的模型達到Opus的水平。 這種多模型組合比肩頂尖模型的思路，最近其實有不少實踐的例子，比如前段時間日本AI獨角獸Sakana AI發佈的Sakana Fugu系列編排器模型，會根據任務選擇最佳的模型來處理，和MoA的思路非常相似。 而MoA的技術也在很久之前就已存在了，2024年6月Together AI曾發表過一篇論文《Mixture-of-Agents Enhances Large Language Model Capabilities》，核心是多LLM組合，每一層模型都會參考上一層模型的輸出，再繼續生成自己的回答。同時，論文也將模型分成了兩類，也就是現在Hermes所用的參考模型和聚合模型。 當用戶提出問題時，參考模型會先對問題進行分析判斷，然後給出參考意見，隨後由聚合模型來
Claude Code之父最新判斷：AI時代團隊分工被重寫，這「五種人」最吃香
這篇消息聚焦「Claude Code之父最新判斷：AI時代團隊分工被重寫，這「五種人」最吃香」。原始導語提到：工程師、PM、設計師……崗位邊界正在消失！ 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。
獨家丨字節、大疆背景創業者入局AI運動訓練，APP排名進入多國榜單前列
一位前自動駕駛工程師，把創業方向選在網球場上。作者丨黃豔冰編輯丨姚單雷峰網·鯨犀獨家獲悉，AI體育創業項目“小球圈”已形成商業化與產品矩陣。目前小球圈APP已在全球上線，網球拍進入量產銷售階段，智能球拍、智能球搭子及球場攝像硬件處於原型機階段，整體產品形態仍在迭代中，但已明確以APP作為核心數據入口，並逐步向硬件延展。“小球圈”（運營主體為北京光躍極樞智能科技有限公司）成立於2025年7月，專注於為網球、羽毛球、乒乓球、匹克球等拍類運動愛好者打造一款AI教練軟件。據瞭解，“小球圈”創始人為楊光垚，曾先後在字節跳動、百度、大疆車載（後獨立為卓馭）和蔚來任職，從事自動駕駛相關工作。在卓馭期間，他主要負責視覺感知、系統決策以及軟硬件協同等方向。作為其首個創業項目，早期從產品定義、數據閉環架構、軟件設計到內容運營等均由楊光垚一人獨立完成，硬件端則採用與深圳成熟ODM廠商合作的模式。過往職業經歷成為其後續創業判斷的基礎。在他看來，自動駕駛和體育訓練本質上是同一類問題：都是基於多模態數據輸入，核心是大模型架構和數據算法飛輪，底層打通即可快速迭代。小球圈的誕生，來源於一個非常具體的日常場景。楊光垚在長期網球訓練過程中捕捉到一些穩定存在的用戶痛點：訓練視頻拍攝後人工剪輯效率低下，動作缺乏系統覆盤，進步無法量化，同時找球友與預約訓練的成本較高。最終，楊光垚萌生了用AI解決這些問題的創業想法。楊光垚對雷峰網·鯨犀表示，最終鎖定體育AI賽道，主要基於三個原因：一是AI智能依賴數據，體育場景的多模態數據長期未被數據化，一旦被數據化便可衍生多種商業服務；二是體育場景涉及到多模態理解、多模態生成、長期記憶、球員教練場地多方交互，非常適合Agent落地；三是在他看來，這個領域仍由Wilson、Head、Yonex等海外品牌主導，缺少一個真正由技術驅動的國產品牌。痛點背後，也映射出當前AI進入運動訓練賽道