立正在讨论白领工作消亡时给出的机制是：生成式AI降低的是“认知的边际成本”，它直接瞄准知识工作的核心生产功能——写报告、分析数据、写代码这类交付物。当这些交付物能以极低的时间和金钱成本生成，靠“处理信息”吃饭的岗位经济基础就被抽空了⁠1。前端里那些主要产出静态页面、组件、样式的工作，正好落在这个区间，所以感觉“岗位没了”是真实的。但同一篇也指出，企业的增长逻辑变成产出增长不再依赖人数线性增长，被压缩的是初级、可标准化的部分，而不是所有需要判断力的位置。

同一篇提到一个更具体的痛点：传统上初级白领靠处理基础信息工作来磨练判断力，再晋升为高级专家；当底层“训练场”被AI接管，从新手到大师的跃迁路径就断了⁠1。前端新人正处在这个断裂带上——过去靠切图、改样式、写简单组件积累经验，现在这些活AI做得更快，于是“找不到工作”更多是入门台阶被抽走，而不是行业整体归零。这也解释了为什么资深、能独立判断的人感受和应届生差别很大。

立正访谈 PuppyGraph 时记录了一个招人标准：他们需要既能跟客户打交道、又能自己上手改 production 代码的人，只有自己能改生产代码的才算数，否则问题只能传回公司内部，反馈链条变长、判断失真⁠2。把这个标准放到前端：会写页面但改不动真实系统、接不住业务约束的人，位置最危险；能把客户或业务需求翻译成产品改动、并自己把改动做出来的人，反而更关键。立正在另一处也说过，之前没编程的人做项目，意义不是比别人做得好，而是未来在自己领域发现机会时能更有效地尝试、迭代、找合作伙伴落地⁠3。