先别急着规划转型路径,用你正在做的猫咪视频当一次真实的市场测试:把它做完、发出去,看有没有人真的想要,再决定往AI+医疗还是个人助理走。
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。
转型靠做出来,不靠先想清楚
立正把学习分成行动、思考、求知三块,认为现实里行动该占大头,先动手、遇到瓶颈再补知识,而不是先找论文或课程把路想明白1。他还区分了“做出来了”和“真的学会了”:抄来的作业分数一样,但过程没了,能力没长2。放到你身上,工作经历不匹配这件事,靠再学一门课或再规划一轮很难解决;你已经在做猫咪视频,这本身就是一次行动。真正要检验的不是“我适不适合AI”,而是这条视频做完、发出去之后,有没有陌生人愿意看、愿意追问、愿意为类似的东西付钱。这个反馈比任何自我评估都更能告诉你方向对不对。
先确认你要的结果是什么
AI推演你说想转到AI+医疗或个人AI助理,但这两个方向差别很大:前者通常需要行业内的信任和渠道,后者更接近面向普通用户的产品。立正强调上杠杆之前要先了解自己,否则撬来的结果未必是你真想要的,很多人以为想赚钱,赚到之后才发现不是3。所以先分清你要的是稳定收入、做出自己的产品,还是换一个行业身份。如果目标是收入稳定,可能先找一份能接触AI的现有岗位更实际;如果目标是做出自己的产品,猫咪视频这类小东西反而是更直接的起点。两种目标下,下一步该做的事不一样。
用一条视频验证有没有人要
AI推演立正给过一个具体做法:把你认为是干货的内容发出去,看能不能达到大约5%的点赞率,用来检验你敢不敢发、知不知道发什么、发了有没有人理4。你的猫咪视频可以照这个思路走一遍:做完第一条,发到公开平台,记录播放、点赞、评论里有没有人问“怎么做的”。如果几乎没人反应,说明现在缺的可能不是AI技能,而是还没找到别人真正在意的点;如果有人追问,那就是可以继续深挖的信号。这一步花不了多少时间,却能替你回答“该往哪个方向转”这个最难的问题。
现有材料讲的是学习、选择和验证需求的方法,没有AI+医疗或个人助理行业的具体转型路径,也没有你所在岗位和技能的信息,方向选择仍需你自己结合实际情况判断。
出处
- 1第02课|学习工作和赚钱的正确方法
讲行动、思考、求知的比例,适合理解为什么该先做再补知识
- 2假学习的终结
区分做出来和真学会,适合判断自己是否在用可见动作代替真实成长
- 3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?
讲上杠杆前要先了解自己,适合核对你要的结果到底是什么
- 4第09课|获得财富自由的底层逻辑:「个人价值公式」
给出发布内容看反馈的具体做法,适合直接用在猫咪视频上
追问2026年10月15日
如果我想进AI+医疗,现有经历里哪些部分可以重新包装成相关经验?
与其把旧经历重新包装成“AI+医疗”,不如先补上市场真正要的东西:用公开数据或真实场景做一次能讲清过程的小项目,再让简历跟着这段新经历走。
包装旧经历,多半够不到市场的及格线
把现有经历重新措辞、换更专业的说法,本质仍是对已有经历的梳理和美化。如果市场需求在另一个维度上,哪怕把现有材料优化得再好,也依然够不到及格线,因为始终没抬头看市场到底要什么1。更麻烦的是,人对自己该展示什么常有“一厢情愿”:你判断市场需要什么样的人,往往和自己的经历、长处高度相关,容易觉得市场“应该”需要像你这样的人2。所以“AI+医疗”具体要的是懂临床流程、懂数据合规,还是懂模型落地,得先问真实的人,而不是先改简历。
先做一段能讲出过程的新经历
AI推演招聘方看学习潜力,不是听你说学习能力强,而是看你有没有一次“从不会到会”的完整跃迁,能不能讲出最初错在哪、哪次反馈让你换了方法、怎么判断自己变强了3。落到你身上,与其包装旧经历,不如挑一个和 AI+医疗沾边的公开数据集或真实小场景,用你已经在用的工具做一遍,把弯路和调整记下来。这段过程本身就是可写进简历、也可在面试里讲的新材料。学手艺也强调在实践中体会,而不是先找篇论文看完再动手4。
公开过程,但别急着对外宣传
AI推演把学习和实践过程公开出来,既能启发工作,也能积累个人品牌和求职竞争力,比如分析公开数据集并把过程记录下来5。不过要分清哪些是公司买你时间、属于公司的成果,哪些才是你能沉淀、对外分享的经验;急于宣传自己,可能让老板或合作方质疑动机,原本给的资源反而被收回6。所以公开的应是自己的练习和思考,不涉及现职的敏感内容。
现有经历的具体内容、目标岗位是产品、数据还是工程,都还不清楚,所以只能给方向,无法判断哪段旧经历值得保留。
出处
- 1第15课|打造产品:如何积累「手艺」,打造黄金简历?
解释为什么单纯包装旧经历够不到市场及格线,适合核对“重新包装”这个思路的问题。
- 2第14课|了解市场:公司/老板/市场,分别想要什么样的人?
说明人对市场需求的判断常带一厢情愿,适合提醒先了解真实需求再改简历。
- 3正确的学习方法比大家想象中稀缺很多,那我们如何筛选人才?
给出“从不会到会”的经历该怎么讲,适合准备面试和判断自己该补什么。
- 4第02课|学习工作和赚钱的正确方法
可回到原文核对这部分判断
- 5第11课(下)|强者成事先做选择:道天地将法·实践篇
讲公开学习和实践过程如何增加求职竞争力,适合规划可展示的小项目。
- 6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?
可回到原文核对这部分判断
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。