美国职业市场可视化 GitHub(原项目)

这是一个用于可视化 美国劳工统计局(BLS)职业展望手册 的工具。页面展示了 342 个职业,覆盖美国经济中 1.43 亿个岗位。每个矩形的面积与岗位总量成正比,颜色表示当前选择的指标;可在就业前景、工资中位数、教育要求与 AI 暴露度之间切换。点击任意块可打开对应 BLS 页面。这不是论文或正式的经济报告,而是用于直观探索 BLS 数据的开发工具。

LLM 驱动配色: 源代码包含爬虫、解析器和流水线,可通过自定义 LLM 提示词按任意维度打分并着色。你只需编写提示词,LLM 就会为每个职业打分,树图颜色据此更新。示例中的“数字化 AI 暴露度”会估计 AI(主要是数字化 AI)对职业重构的程度;你也可以改写提示词,查询人形机器人暴露、外包风险、气候影响等问题,并重跑流水线得到另一套配色。

查看数字化 AI 暴露度评分提示词(示例)
你是一名专业分析师,负责评估不同职业对 AI 的暴露程度。你将获得一段来自美国劳工统计局(BLS)的职业详细描述。 请在 0 到 10 的量表上,给该职业给出总体 AI 暴露度。 AI 暴露度的定义:AI 会在多大程度重塑该职业。需同时考虑直接效应(AI 替代人工执行的任务)与间接效应(AI 让每个工人更高效,进而减少所需人数)。 这是一个关键判断点:看职业核心工作是否以数字化形式产生价值。如果该职业可基本在计算机端完成(例如写作、编码、分析、沟通),则其 AI 暴露度通常偏高(7+),因为数字化场景下 AI 能力增长很快。即便当前 AI 还不能完全胜任该职业的全部内容,其增长轨迹也通常很陡峭。反之,需要现场在场、手工技能或实时人际互动的职业天然更难被 AI 取代。 请按以下锚点对分数进行校准: - 0–1: 极低暴露。工作几乎完全是体力/动手型,或依赖不可预见环境中的现场人力。AI 对日常工作几乎没有影响。例如:屋顶工、园艺工、商业潜水员。 - 2–3: 低暴露。工作以体力或人际交往为主。AI 可能只在排班、文书等外围事务提供帮助,但不会改变核心工作。例如:电工、水管工、消防员、牙科卫生师。 - 4–5: 中等暴露。该职业同时包含体力/人际与知识工作。AI 可明显提升信息处理效率,但大量任务仍需人类在场。例如:注册护士、警员、兽医。 - 6–7: 较高暴露。以知识工作为主,但仍需要人工判断、关系维护或一定现场在场。AI 工具已可实际提升生产率,使用 AI 的从业者往往更高效。例如:教师、管理者、会计、记者。 - 8–9: 很高暴露。职业内容几乎完全依托电脑完成。核心任务(写作、编码、分析、设计、沟通)都属于 AI 快速进步的数字领域,职业很可能发生重大重构。例如:软件开发、平面设计、翻译、数据分析、法务助理、文案。 - 10: 极高暴露。核心任务主要是例行信息处理且无实物操作环节,AI 已可完成大部分内容。例如:数据录入员、电话营销。 请只返回如下 JSON,对象格式必须严格一致,不要输出其它文本: {"暴露度评分": <0-10>, "理由": "<2-3 句话说明关键因素>"}

关于数字化 AI 暴露度的说明:此评分仅为 LLM 估计值,不是严谨预测。高分并不代表职业会消失。软件开发者被评分为 9/10,是因为 AI 正在重塑其工作方式,但随着每位开发者效率提升,对该职业的需求可能仍会增长。该评分未考虑需求弹性、潜在新增需求、监管壁垒或社会对人力工种的偏好。高暴露职业多为重构而非直接替代。

维度

下降 增长

总岗位数

—