一个交互式可视化:用官方职业分类为地基,用自创的**「AI 众议院」**(多个中外大模型集成)评估 AI 对各岗位的冲击,并展示模型间分歧度。灵感来自 karpathy/jobs 与其中文改编 madeye/jobs,但在两点上做了实质升级:分类与统计锚定官方来源(而非 AI 凭空生成),冲击分由多模型集成(而非单一模型)。
- 分层树状图(treemap):面积 = 就业人数,颜色 = 选定维度(0–100)。
- 概览 大类(8)→ 中类(79);点击中类缩放钻取到官方细类(具体职业)。
- 6 个维度:综合冲击 · 任务自动化 · AI增强 · 数字化程度 · 人际物理监管护城河 · 落地速度。
- 详情面板:六维雷达、各模型打分、就业/薪资/学历及来源、官方数字职业(S)/绿色职业(L)标注、数据 flag。
- 顶部汇总:六维雷达、冲击分布直方图、就业分层环形图。
- 模型分歧上色、搜索、深浅色(跟随设备)、缩放与悬停动画。
预览:打开 site/index.html(纯 HTML + Canvas,零依赖、无构建)。
| 步骤 | 内容 | 模式 | 来源 |
|---|---|---|---|
| 1 | 职业分类校验与扩源 | 考据(官方锚定) | 职业分类大典 2022 |
| 2 | 就业人数 | 考据(官方锚定) | 七普 / 人口普查年鉴-2020 等 |
| 3 | 薪资 + 学历 | 考据(官方锚定) | 国家统计局分行业工资 / 大典 |
| 4 | AI 冲击 6 维打分 | 评审(11 模型集成) | 统一评分细则 |
指令见 docs/zhongyiyuan/;数据规范见 docs/data-spec.md。
data/occupations.cn.json 官方分类骨架(8大类/79中类/1639细类 + S/L 标注)
data/collected/step*/ 各模型采集的原始 JSON(现含 claude 种子)
data/aggregated.cn.json 聚合成品(站点读取)
data/qa_report.md 人工复核工作单
aggregate.py 归并(官方锚定)+ 聚合(集成)+ QA;并刷新 site/data.cn.js
site/index.html 可视化站点
docs/ 众议院指令 + 数据规范
prototype.html Phase 0 原型(演示数据,留作参考)
# 1) 把众议院各模型产出的 JSON 放进 data/collected/step*/<model>.json
# 2) 聚合并刷新站点数据
python aggregate.py
# 3) 打开站点
# 直接双击 site/index.html,或
python -m http.server # 然后访问 /site/- 分类骨架与 S/L 标注:已从官方大典抽取完成(8 大类 / 79 中类 / 1639 细类;数字职业 97、绿色职业 134,与官方一致)。
- 就业/薪资/打分:当前为 claude 单模型种子(就业/薪资为 provisional 估算,见
qa_report.md),待其余 10 个模型回填后重跑aggregate.py。
分类与 S/L 标注源自官方大典;就业/薪资经众议院官方锚定(含待核项);AI 冲击为多模型集成估算,仅供参考,不代表官方统计或结论。