先别急着搬家。用你现在的增长工作当试验场,做出一个能验证“我是否真想做AI agent产品”的小项目,再决定要不要付换城市这个代价。
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。
先分清你要的是能力还是身份
换城市去做AI agent的PM,本质是同时押上三件事:职业方向、家庭成本、以及你对AI的兴趣到底有多真。这三件事可以分开验证。学AI更像一门手艺,懂概念、会解释不等于能稳定交付结果,真正的能力来自把模糊需求变成任务、定义什么叫可用、定位失败原因并在约束里迭代1。检验标准是可迁移性:换任务、换工具、换领域还能交付,才算真的会了1。所以先问自己:你想验证的是“我能做AI产品”,还是“我想成为AI行业的人”?前者可以在西雅图用现有工作试,后者才需要换环境。
用现有增长工作做一次AI侧验证
AI推演你现在的用户增长工作本身就是真实场景,不必先跳到agent公司才能接触AI。可以挑一个增长环节,自己先写下打算怎么做、觉得哪里会出错,再让AI动手,然后对照结果2。过一两天关掉AI自己重做一遍,或讲给别人听,卡住的地方就是还没学会的地方2。再改一个条件——换一批用户、加一个约束——看你还会不会2。这个练习能告诉你:你享受的是用AI解决增长问题,还是真的对agent产品本身有持续兴趣。前者可能不需要换城市,后者才值得认真考虑搬迁。
换城市的代价要对应多大的确定性
从demo到能被业务长期依赖的系统之间有一道鸿沟,项目的大部分复杂度只有在第一版出现、真实用户开始使用之后才会显形3。做学习项目目标是获得认知,production system的要求是在现实变化时依然可靠3。这个区分对你有用:如果你只是对AI感兴趣、想获得认知,不必用举家搬迁来换;如果你确定要做agent PM并长期投入,那才需要评估搬迁是否值得。目前资料没有关于TikTok电商增长岗位或圣何塞agent PM市场的具体信息,所以无法替你判断哪边机会更好。
资料没有关于TikTok电商增长岗位、圣何塞agent PM市场或你家庭具体情况的信息,无法替你判断哪边机会更好。
出处
- 1学AI的两大误区:找课本(只看不动手),抄作业(依赖tutorial)
解释学AI为什么是手艺而非知识学科,以及可迁移性这个检验标准,适合判断你的兴趣是否已转化为能力。
- 2假学习的终结
给出先预测再对照、撤掉帮助重做、换条件三个具体做法,适合设计一个用现有工作验证兴趣的小实验。
- 3Don't build: 看清demo和production之间的鸿沟
区分学习项目与production system的目标差异,适合评估换城市这种高代价投入是否对应你真正想要的东西。
追问2026年10月6日
做ai agent领域的pm,会不会对于后续在美国长期的职业发展更好?我现在做的电商的用户增长,美国没有什么对应的岗位。我想去TikTok的广告部门做广告sales agent
在美国长期发展,关键不是“AI agent 还是广告”,而是你能否积累可被美国市场识别的经验,并成为能对结果收口的人。
美国市场认的是可迁移的经验,不是岗位名称
一位在腾讯做到总监、后来到美国工作的人提到,他在腾讯的管理经历在美国公司几乎没有含金量,美国主要看当地经验1。这说明“电商用户增长在美国没有对应岗位”这个判断,可能部分成立,但更准确的说法是:岗位名称不直接对应,而增长方法、实验设计、数据判断这些能力是可迁移的。你做用户增长时积累的假设验证、指标拆解、跨团队推动,在广告 sales agent 或 AI agent 产品里同样用得上。真正影响长期发展的,是这些经验能否被美国招聘方读懂,而不是你挂的是哪个 title。
AI 时代稀缺的是能判断和收口的人
有访谈提出,AI 能完成大量执行工作,但最后判断结果好坏、给反馈、对结果负责的部分仍需人来完成,没有领域深度的人很难收口2。这个判断对两个方向都成立:做 AI agent 的 PM,如果只是会用工具、会写 prompt,很容易停在表层;做广告 sales agent,如果能理解广告主真实需求、判断 agent 给出的方案是否可行,反而可能因为懂业务而更稀缺。所以问题不是选哪个赛道,而是你在哪个方向上能积累出别人替代不了的判断力。
换方向前先看公司阶段和你的诉求是否匹配
AI推演有课程提出,选工作要判断目标公司处于哪个生命周期阶段,并匹配自己的职业阶段、风险偏好和其他选择,没有标准答案3。TikTok 广告部门和 AI agent 团队可能处在不同阶段,对 PM 的要求也不同。你可以先了解这两个方向具体在招什么样的人、看重什么经验,再对照自己现在能拿出的证据。如果 TikTok 广告部门愿意给你机会,它可能是一个风险相对可控的切入点,因为你能带着现有增长经验进去,同时接触广告和 agent 的结合。
材料没有美国广告 sales agent 岗位的具体招聘标准,也没有 TikTok 内部转岗或签证政策的信息,这些需要你直接向目标团队了解。
出处
- 1一位腾讯总监和我聊AI对现有工作的影响,以及中美差异
说明美国市场如何看待非本地经验,适合核对“国内经历是否被认可”这一判断。
- 2AI时代,找工作和创业的有效方法|Jobright联创/CTO Ethan对话
解释 AI 时代稀缺能力的判断标准,适合核对两个方向各自需要什么深度。
- 3第11课(下)|强者成事先做选择:道天地将法·实践篇
提供公司生命周期和职业选择的匹配框架,适合核对 TikTok 广告部门与 AI agent 团队的不同阶段特征。
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。