这个选择的关键不在“换不换赛道”,而在半年后你手里多了什么可验证的成果,以及原岗位是否还接得住你。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
先看这半年能积累什么可验证的成果
职业中期比较选项时,业务、老板、项目的重要性依次递减,但真正决定你未来选择权的是这半年能否产出别人看得见、说得清的东西1。Support Engineer 转 AI Agent 交互设计,如果只是“参与了一个 fellowship”,履历上很难量化;如果能留下可展示的设计方案、被真实用户或团队采用的结果,它才成为跳板。立正讲跳槽时强调,要在工作中有意识地打造简历,带着甲方感和未来感积累成果,否则几年后只能平跳2。所以可以先问自己:这半年结束时,我能拿出哪一件具体作品或结果,让下一个机会的面试官或合作方直接判断我的能力?
原岗位的天花板受上层限制,不只取决于你
立正把职业环境拆成道天地将法:你的能力受限于老板,老板受限于公司和业务,业务受限于行业3。你觉得 support 岗位掌控性低、不接触利润模式,这可能是真实约束,也可能只是当前团队和业务位置的问题——同一家公司里不同业务和直属领导可能是两个世界1。判断时值得分开看:是 support 这个职能本身天花板低,还是你所在的这块业务和老板没有增长空间?如果是后者,换业务或换老板可能比换赛道成本更低;如果是前者,fellowship 才更有意义。
回原团队的再融入风险,取决于你离开时的位置
AI推演你担心的再融入问题,本质是半年后原团队是否还有你的位置和增长空间。立正提到,职业中期追求稳健的人会选成熟行业龙头公司的核心业务,追求进取的人会选处于快速增长阶段的公司1。如果原团队本身在增长,半年离开可能只是暂时错位;如果原团队在收缩或重组,回去的难度会更大。可以试着在决定前,和直属老板确认一件事:这半年是停薪留职、内部转岗,还是完全脱离?不同安排下,你回来时的谈判位置差别很大。
材料没有涉及 fellowship 的具体安排、留用机制或你所在公司的内部政策,这些需要你自己向对方和老板确认。
出处
- 1第11课(下)|强者成事先做选择:道天地将法·实践篇
讲职业中期如何比较业务、老板、项目,以及内部选择和钱的考量,适合核对“该不该换”的判断框架。
- 2想通过跳槽升职加薪,要先做好这件事
讲跳槽前要有意识地打造简历成果,适合核对这半年该积累什么才算有效。
- 3第13课|道:捋清商业底层逻辑,才能建立价值信念感
解释能力、老板、业务、行业之间的天花板传导关系,适合判断 support 岗位的局限来自哪一层。
追问2026年10月6日
怎么判断原岗位是职能天花板低,还是只是当前业务不行?
先看你的岗位在组织里属于哪一类:如果它本身只被定义为接住任务、维护流程,那换业务也难有增量;如果它靠近结果和判断,业务周期过去后位置会回来。
看岗位被定义成“接住”还是“创造”
材料里的观点组织提拔一个人,通常不是因为他把活干得好,而是因为他能带来新的东西。防御型评价——靠谱、细致、不掉链子、能扛——从初级升到中级够用,但到中级往上就变成天花板,因为它只说明维持,不说明增量。判断天花板,可以看这个岗位的职责描述和考核里,有没有“开拓新业务、引入新方法、带来新资源”这类要求。如果全是接住任务、维护流程,那换一个业务周期也大概率还是同一类位置;如果岗位本身允许你定义问题、设计做法,那它就不是职能天花板,只是当下业务没跑起来1。
业务不行和职能受限是两层,要分开看
在一家公司内部做选择时,业务排在老板和项目之前:好业务能让团队整体受益,机会多、晋升快;业务不行,老板再强也难有作为。所以“当前业务不行”确实会压住你,但它是可逆的,业务周期过去或换到好业务,位置会回来。而“职能天花板低”是岗位定义的问题,换业务也带不走。判断方法:问自己如果这个业务明天翻倍增长,你的岗位会不会多出新的职责和判断空间。会,说明是业务问题;不会,说明是职能问题2。
用“是否靠近结果”检验天花板
AI 让生成变便宜后,稀缺转向定义问题、设定约束、评估验收这三类判断,而信息搬运和叙事包装型的岗位更容易被挤压。这不是说支持类岗位一定没前途,而是看它有没有向“更接近模型、也更接近结果”的位置移动的空间:能不能把模糊的业务问题翻译成可执行的上下文,能不能设计验收标准,能不能判断什么该自动化、什么该人工接管。如果岗位允许你做这些,天花板就不低;如果岗位只允许你转达和汇总,那它更可能是职能限制3,4。
材料没有给出判断职能天花板的量化标准,也没有覆盖你所在公司具体的岗位序列和晋升规则,以上是判断方向而非结论。
出处
- 1高阶升职加薪的三个底层逻辑
解释防御型评价为何成为天花板,以及进攻型标签怎么判断,适合核对“岗位是否只被定义为接住任务”。
- 2第11课(下)|强者成事先做选择:道天地将法·实践篇
给出公司内部选择时业务、老板、项目的排序,适合核对“业务不行”与“职能受限”的区分。
- 3在大公司,AI 到底会不会“真正改变组织”?
说明 AI 时代哪些岗位被挤压、哪些判断能力变稀缺,适合核对岗位是否靠近结果。
- 4AI时代,大厂打工人的五条路
讲组织内进攻性转型的具体方向,适合核对“靠近模型和结果”的位置长什么样。
追问2026年10月6日
怎么判断一个 fellowship 或者新岗位是靠近结果,还是换了个地方做执行呢? 另外,我的工作虽然能够定义问题、设定约束和评估验收,但实际上解决的是客户非常细碎和边缘的问题。这些问题价值不大,或者说对于组织来说并不具备连贯性,仅仅是一种维护性工作。这个时候我应该怎么判断呢? 因为我觉得,我对这份工作不乐观的预期,来源于它本身解决问题的价值以及对业务的关键性上,并不是不可替代,而且它解决的也不是利润增长性的问题。我觉得,定义问题、设定约束、评估验收,这仅仅是对任何要解决的问题都适用的,真正的区别在于,要解决的问题是不是重要的。
判断标准不是你会不会定义问题、设约束、验收,而是这项工作最终改变了谁的决定或结果;细碎维护性工作若始终不触及结果,换到 fellowship 也可能只是换个地方做执行。
看它离真实结果有多远,而不是看头衔
同一套“定义问题、设定约束、评估验收”的能力,放在不同位置上价值差别很大。关键看责任有没有在交接中被清零:每交接一次,原本要解决的用户问题就被翻译成一个更容易验收的交付物,需求变功能、功能变上线,交付物都按时完成,最初的问题却可能原封不动。所以判断 fellowship 或新岗位,可以问:这个位置是只负责产出中间交付物,还是能一路跟到结果出现、结果不好时责任能回到最初的判断。能闭合“判断—交付—真实反馈”的小循环,才算靠近结果1。
问题重不重要,先看谁为哪个结果付钱
你判断“真正区别在于要解决的问题是不是重要的”,这个方向是对的,但“重要”要落到具体诉求上。客户愿意付钱,是因为你满足了他核心诉求里的某一环:把报告变成清单,工具也能做;替他找到靠谱的人、负责让活按时干完,他买的才是完整交付,愿意为少协调、有人负责结果付钱。同样一张清单,背后可以是软件、撮合或履约,能收的钱和需要的核心能力都不同。放到你身上:你解决的细碎边缘问题,是客户核心诉求里的哪一环,还是别人不愿做、做完也没人接着用的维护项?这个问题的答案,比“我会不会定义问题”更能说明岗位价值2。
用一次小验证代替继续推测
AI推演与其反复推演,可以先挑你手上一个维护性任务,写下“如果它有用,少做一轮会在什么时候造成什么后果”,然后停一轮或只做最低限度,看有没有人真的受影响。到期什么都没发生,说明它更接近不产生结果的代理动作;有人立刻来找你,说明它其实连着某个真实结果。这个测试只适合低风险、可恢复的工作,先写清预期后果再动手。它帮你区分的是:你现在的岗位是被组织定义成接住任务,还是你恰好被分到了边缘业务——这两种情况的应对完全不同1。
现有材料能说明“靠近结果”的判断逻辑,但没有你岗位的具体职责、客户诉求和 fellowship 的实际工作内容,无法替你判定哪一边更靠近结果。
出处
- 1如何识别与消灭 fake work
讲责任在交接中被清零、如何闭合判断到结果的小循环,以及停一轮验证工作是否真有用,最适合回答“怎么判断靠近结果还是执行”。
- 2你赚哪份钱,决定了产品该怎么做|切问·立正02
用维修平台案例说明客户为哪一环付钱、软件撮合履约的区别,适合核对“问题重不重要”该落到什么标准上。
追问2026年10月6日
我现在的工作就是接 case,如果说我不做,或者只做有限限度的话,会有人立即来找我。但这取决于问题的严重程度,还有客户的大小。但是,其实很多工作,做得少一点还是多一点,都没有人会发现的。
“少做也没人发现”说明你的产出目前没有可验证的结果挂钩;要建立壁垒,得先把一部分工作挪到有人会立刻追问结果的地方。
没人发现,是因为结果没有落到具体的人身上
你说不做或只做有限限度会有人立刻来找你,但取决于问题严重程度和客户大小——这其实已经给出了判断线索:只有当某个具体的人或客户会因为结果变差而受损时,你的工作才被真正看见。做得多少没人发现,通常意味着这些工作处在“完成即可”的区间,用心程度对结果影响不大,老板也没有动力为它加资源1。反过来,高杠杆的工作是那种你做到 90 分和 60 分,结果差出好几倍的事。你可以先不改变工作量,只挑一件现在做的事,问自己:如果我把产出提高十倍,会离结果更近吗,结果会变好吗2?如果答案是不会,那这件事本身就不承载壁垒,做多做少确实一样。
壁垒来自别人拿不走的东西,不是来自接住更多 case
接 case 和维护性工作的问题在于,它服务的是客户细碎、边缘的需求,对组织不连贯,也不触及利润增长。这种情况下,即使你能定义问题、设约束、验收,也只是把执行做得更规范,换到 fellowship 也可能只是换个地方做执行。真正能沉淀的是:你做了别人做不了的事,并且有办法把它系统化,变成以后还能用的技能3。这跟“多接几个 case”是两回事——前者是能力资产,后者是工作量。你现在已经在做实验性项目、尝试从工作里积累资产,方向对,但可以再收紧一步:问这项工作除了完成今天的任务,还给下一次留下了什么,是更准确的判断、可复用的工具,还是用户关系4。如果什么都没留下,它就只是消耗。
可以先试的一件事:给一件工作接上真实反馈
AI推演不用马上少做或不做,先选一件你判断“做多做少没人发现”的工作,主动给它接一个外部信号。比如把某个客户反复遇到的问题整理成一个可复用的判断或工具,然后看有没有人真的来用、来问、来依赖它。这个动作能验证的是:你手上到底有没有别人拿不走的东西,还是只是流程里的一个环节。如果做出来没人要,说明这件事本身不承载价值;如果有人开始依赖,你就找到了一个可以继续加深、并且能被看见的入口。这比笼统地“提升影响力”更具体,也更容易判断下一步该往哪走1,4。
材料没有你所在岗位的具体职责、客户结构和考核方式,以上判断需要你用自己的实际工作核对;涉及“高杠杆”“结果挂钩”的表述来自课程和公开分享,不是针对你岗位的诊断。
出处
- 1第16课|利用杠杆:工作内外如何将个人能力变成人力资本,积累第一桶金?
解释什么样的工作值得投入资源、老板愿意加杠杆,帮你判断哪些 case 属于高杠杆情境。
- 2职场不再奖励表演式工作,晋升要对结果负责
给出“产出增加十倍是否离结果更近”的报警器,适合核对你的工作是否真的挂钩结果。
- 3DoorDash Director: 如何在工作中争取存在感,和让自己闲下来?如何思考工作的意义?
说明别人做不了、能系统化沉淀的技能才是拿不走的东西,对应你建立职业壁垒的目标。
- 4想获得超线性回报,先打下可以坚持的地基
提供检查正在积累什么的具体问题,适合判断你的实验性项目是否留下可复用资产。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 有个投资人讲 alexzandra wang
最直接的是周楠那期访谈,标题就点明他讲 Alexandr Wang 为什么是顶级创始人;片段里还提到 Scale AI 在 2021 到 2022 年因自动驾驶降温而客户变少的转折。
- 找到10%高价值的工作,但是在AI时代,对于data scientist来说,高价值的工作是什么呢?我觉得我之前很多的高价值的工作现在都没有价值了,而且留不下来,而且别人不会觉得是我做的。
AI 让“处理信息”这件事变便宜,所以数据科学里原来值钱的分析、建模、报表正在贬值;新的高价值位置是判断该做什么、把模糊问题变成可执行系统,并对结果负责。
- 为什么个体AI用的很好但是整个公司团队没有上来?
个人用得好,是因为他一个人就能把背景、判断和反馈闭环起来;团队上不来,是因为这些能力散在每个人脑子里,组织结构和激励又没跟着改。
- 职业院校实训科教师(体制内)+ 个人开发者/IP 运营者。想请您诊断我这套工作流架构:① 最脆弱、迟早出事的一环是什么?② 最过度建设(投入产出最差)的一环是什么?③ 如果只能再做一件事,您建议做什么?
最脆弱的是学生数据与云服务混用的那条链路;最过度建设的是多设备、多模型、多平台的全互联架构;如果只做一件事,先给「学生数据不可上云」划出一条可验证的物理边界。
- 我每天很忙,但不知道工作有没有价值,怎么识别 fake work?
识别 fake work 的关键不是看你有多忙,而是追问:这份产出完成后,下游会做出什么不同的决定或行动?如果多生产十份,真实结果也不会更近,那它很可能只是让你感觉在前进。
- 如何看待国内办公场景workbuddy爆火和AICG盛行的短剧,对我们这些使用原生agent的开发者有什么建议。
办公场景的AI工具和短剧爆火,说明AI正在把“生产内容/代码”的单价压到很低;对原生agent开发者来说,越靠近“为结果负责”就越难被替代,光会调工具本身不构成壁垒。