- AI engineer、AI architect、FDE 这几条路径分别适合什么背景的程序员?
FDE 适合工程底子扎实、又愿意直接面对客户和业务的人;AI engineer 偏把 AI 能力做进产品;AI architect 偏设计整个系统怎么可靠运行。
- 当家长自己都不懂ai的时候,要怎样教孩子用ai呢?
家长不需要先懂AI,因为要教的不是AI知识,而是把问题说清楚、定好标准、判断结果好坏这些动作,这些家长本来就会。
- 跟豆包聊天,是会用AI吗?
跟豆包聊天属于“会用 AI”的入门层,但只是最低一档:把 AI 当更聪明的搜索或助理,能力上限受模型当天状态限制。
- 入职之后,直接在处理视频组的业务,帮助他们生成视频,组织架构是一个在市场部的大部门里,一个支持类型的组
支持型岗位本身不是问题,问题是你离“谁为结果负责”有多远;在支持组里,越能定义验收标准、越能端到端交付一个可用的产出,位置越稳。
- 立正曾经提到过要建立为非程序员建立“知识范围的框架”,他建了吗?
原文:我和鸭哥上课时候感觉,对于非程序员,最大的问题是不知道自己不知道什么。同样位置问题,鸭哥对是否可解,难度多高,问题可能出在哪里 都有直觉。这些直觉挺重要的。所以也许普及一个知识范围的框架会有用
现有材料只能证明他提出过这个想法,看不到他后来真的建成了这样一个框架。
- 非计算机专业在AI时代如何学会编程
非计算机专业学编程,重点不是补全计算机原理,而是练会拆解任务、判断结果、定位失败这些工程判断;语法和环境配置可以交给 AI,判断力必须自己练。
- 我在 top2 读生命科学的博士 马上就要毕业找工作了,想知道二级买方行业研究的工作会不会被 AI 代替,在这类行业研究的工作上 人应该培养哪些 AI 取代不了的能力?
二级买方行研里,信息收集、整理、初稿这类“降低信息成本”的环节最容易被 AI 压缩;稀缺的是能判断结论好坏、能对判断负责、能收口的人。
- 大家都用什么方便快捷的方法、App来做记录?比如我刚看到立正一个视频里讲的关于Judge的知识点很有趣,想记录下来,以便进一步思考、review、来提升自我,谢谢
立正的做法是工具随便、先记标题,关键在之后把想法展开成能说清的东西;记录Judge这类概念,重点是用描述替代评判,而不是评判自己。
- 如何用好AI
用好AI的关键不在学更多工具技巧,而在把自己变成会定义标准、给足上下文、搭好工作流的人;想入门可以先从「AI产品的六个层次」和「AI原生思维」读起。
- 作為一個軟件工程師,已經用agent 寫99% 代碼,在專業的學習上應該要學習什麼,以前要學習編程語言,框架的syntax, 在AI 年代好像學來也沒有什麼意思
立正认为不必再从语法和算法入门,该学的是怎么把任务交给 AI 并让它可靠交付:给多少上下文、怎么拆任务、哪些环节必须人判断、出错时定位是能力限制还是上下文没给够。
- 同意课代表说的找下一份工作应该在这份工作满意的时候就找,那如果只工作了一个月多呢,会太早吗
“满意时找”说的是别等到讨厌了才被动找,判断早不早不看月数,看这段经历能不能支撑你讲清楚下一步要去哪。
- 他是单片机自己加的,或者你直接说视觉处理这样的一个事情,就压根很快就做好了之类的
立正讲的是:真正快的人靠的是背后那套基建,所以一句话就能让 AI 把事做完;而普通人还在一句一句地问 AI,等于自己站在车前面挡着速度。
- 我不学习ai会怎样?
不学 AI 的代价,不在少懂几个名词,而在把判断力外包出去:工具替你做对了,你以为自己也会了,撤掉工具就交付不了。
- AI時代去當產品經理還是業務
两条路在AI时代的分野不在职衔,而在你离「业务结果」有多近:业务岗直接对成交负责,产品岗若只交付中间物,价值会被AI压薄。你已在业务岗且在意客户成功,可先在同公司内验证一件事。
- 程序员辞职自由职业,每天觉得很累很多事情要做,一天下来很累,和 AI 聊很多,并行了很多任务,但是很多没有完成,经常工作到晚上 10 点以后,还觉得没有什么产出
用 AI 并行很多任务,产出感反而更低,因为效率提升常被新任务填满;自由职业缺少外部边界,更容易滑向这种仓鼠轮。
- 非计算机行业,日常工作中涉及ai也比较少,除了日常问答或进行研究外,怎么更好学习使用ai并将ai应用到学习生活工作中
把AI当陪练而不是代做:让它看着你举,而不是替你举;从你工作里一件高频、重复的小事入手,用AI做出一件能验证结果的东西。
- 前端开发是不是找不到工作了呢?前端已死
前端没有整体消失,但“只会写页面”的岗位确实在收缩;真正被替代的是可被AI生成的交付物,而不是能改生产代码、在真实业务里把问题跑通的人。
- Codex的长效文件是怎么使用的?是不是把它放到你要做的所有的项目里面然后每次要做一个事情就跟他讲先读一下再去执行。
不是靠每次口头提醒,而是让文件成为任务交接的介质:脚本把完整任务写进文件,AI 读文件、把结果写回文件,下游只认产物文件,不认会话里说过什么。
- 怎么确认ai能否做一件事,做一个工具呢,我自己会用ai直接去实现,有时候效果不好,但是不知道要怎么确认这个东西就是ai做不好,还是我使用的问题
先别急着换工具,把“效果不好”拆成可检查的失败类型:是验收标准没定、上下文没给够、指令有歧义,还是任务本身超出模型稳定能力。多数情况属于前几类,能修;只有最后一类才接近“AI 暂时做不好”。
- 用多个agent协同合作来解决一个问题相比用单个agent有什么优势
多agent的优势只在任务能拆成可独立定义、可独立验收的子任务时成立;否则并行只会复制上下文、增加综合成本,产出更平庸。
- 要不要辞掉现在的薪水更高岗位?从而有更多时间时间?
资料不支持直接回答“该不该辞”,但立正反复讲的是:先分清你追的是自己的目的,还是别人给的标准;钱不够时它很重要,过了某个点继续加码可能买来的是更复杂的绑定。
- 职业发展路径如何选?大厂继续工作、走技术路线VS管理路线、换职业赛道例如DS转MLE/PM,肉身加入startup,还是创业,还是做投资?
立正把职业选择看成先看外部大势再看具体位置的事:行业和宏观在涨,留在里面积累更划算;行业到顶或下行,就该拿它当跳板换赛道。
- 你觉得ai转型 ceo可以交给cto做吗
资料里没有直接回答“AI转型能不能交给CTO”,但立正反复讲的判断是:转型的关键不在技术执行,而在谁对结果负责、谁设计系统、谁直接面对客户。
- 人活着的意义
立正认为人生没有唯一确定的意义,所以才有意义;他把体验本身当作最实在的东西,把金钱、分数这类外在标准看作工具而非目的。