- 立正说的“文件响应模式”具体怎么落到一个任务里?
把任务写成文件、让 AI 读文件并把结果写回指定文件,下游只认产物文件,不认会话里说过什么。
- 怎么判断自己是否应该硕士去国外读?
立正没有直接谈“硕士要不要出国”,但他谈博士和职业选择时的判断可以迁移:先问这段经历要换来什么具体能力或机会,再算它是否值得花掉的时间,而不是把“出国”本身当成目标。
- 现在做AI方面的知识付费,到底能不能拿到结果?具体应该从哪里开始?
能不能拿到结果,取决于你卖的是“信息”还是“别人自己判断不了的东西”;起点不是先做课,而是先找到一个真实受众、用具体作品证明你能交付结果。
- 让 Agent 沉淀经验,让人专注创造。
帮我看下目前有哪些解决方案
立正给出的方案核心是把经验从个人聊天记录里搬进 AI 每次都会读的结构化文件,再让 Agent 接手信息搬运,人只保留定目标、做取舍和担后果。
- 探索中医专业学生转行可能性,目前想了解coffee chat需要谈论哪些内容能帮我更高质量获取有用信息
别把这次 coffee chat 当成“问出转行答案”的咨询,而要当成一次验证:带上你的处境和一个会影响选择的具体问题,问对方药企岗位的真实工作与门槛,再追问他的经验在你身上成立的条件。
- ai怎么去看论文
看不懂论文时,先别从头硬读,让AI先猜出这篇论文在解决什么问题、关键假设和结论,你再带着这些猜测回原文核对、纠正,把“读懂”变成一次可检验的尝试。
- AI如何在行业落地私域行业?
私域行业落地 AI 的关键,是把资深人员脑中“什么算对”的判断拆成可执行的规则和模拟,让 AI 在每次执行中持续贯彻,而不是只买一个通用模型。
- 如何做好一人公司(OPC),通过AI做,怎么在ai时代做好SEO营销
一人公司用AI做SEO,先要有人愿意买的东西和能被看见的个人品牌,SEO只是分发渠道之一;AI能帮你做增长实验,但卖不出去这件事它替不了。
- 怎样得获海外华人用户
先想清楚你要的是哪一类海外华人、他们凭什么愿意来;再用具体内容或真实作品把人吸引过来,同时把来之后的承接做好,否则每次曝光都要重新解释一遍。
- 做ai engineer有什么学历要求呢?自己工作上没有办法做靠ai engineer或者data sceince东西 以后找工作我怎么可以找到ai engineer的工作
资料没有给出 AI engineer 的硬性学历门槛,重点落在能否用真实项目证明判断力和交付能力;工作里没有机会,就自己造一个能讲完整过程的项目。
- 目前在企业做管理, 个人时间做些pet project, 一直在探索创业项目, 个人网页里应该怎么展现
先想清楚这个网页要让谁看完后做什么,再决定放什么;对还在探索创业的人,最有说服力的不是头衔,而是能验证的项目过程和判断记录。
- 我有个问题哦,就是我听了立正你很多的一些观点,也很受启发。然后呢,现在我看到网上,特别是比如说生财有道这样子的平台,或者好多不同的平台吧,用AI带货,视频号带货。简单的说就是制作一些内容,那比如说AI制作视频号去带货图书这个板块,或者说做一些流量的一些事情,比如说贴图号,或者说小红书的一些账号,做一些账号,然后带货橱窗。首先我觉得它里面有一些可能性,但我其实有一种没有那么的确信和笃定。你是怎么看这件事的呢?首先我其实也挺想做做这种事情的,因为也想赚一些钱嘛。但我不清楚的是,这是一种幸存者的一些偏差,还是一个稳定能干的事情。其实又会延伸出很多赛道嘛,比如说AI图书带货,或者小红书的虚拟教材带货等等。
立正没有直接评价AI带货这类赛道,但他反复强调:光看别人讲、追热词,形不成有效认知;动手做出东西才是拿到结果的必要条件,而且这条件本身并不保证成功。
- 现在ai流行的年代和ai不断在进步,对于data analyst怎么转行?是应该加强dormain knowledge还是技术?已经有了一个普通学校的研究生还应该学一个名校研究生cs?为了好找工作吗
立正对数据人的建议是先确认自己是否在创造价值,再把AI真正用进工作流;domain 与技术不是二选一,名校CS硕士也不是默认答案,要看它能否帮你拿到具体岗位的面试。
- 不想上班了,但找不到自己熱愛想試的方法
「热爱」往往不是先找到再去做,而是在低成本尝试里被验证出来的;先分清不想上班是「自」的感受还是「我」的默认剧本,再用小实验代替空想。
- 现在这个时代开始做 recommendation system 的 MLE 和 personalization system 的 MLE,还有前途吗?
比起data and AI platform engineer(主要管企业里的 fabric、databricks、Snowflake 和 azure平台),这两种哪个更有前途一点?
立正没有直接比较过这两个岗位,但他说过机器学习真正的价值是工程问题,也说过数据与推荐系统是产品的底层本质。选哪个更取决于你愿意把工程能力做到多深,而不是岗位名字。
- 一个非营利组织想做到 Salvation Army、Girls Who Code 那样的全球规模,一年几十亿捐款,这和「做点真东西」冲突吗?规模化的时候怎么不变成 fake work?有没有例证?
不必然冲突。规模本身不是问题,问题是组织用什么信号验收工作;一旦用报告、项目数、会议替代真实结果,规模越大越容易生产 fake work。
- Data scientist
想了解立正怎么谈数据科学家,先看 2020 年那组求职系列,它讲清了能力要求与学习路径;2022 年那期创业对谈和 2025 年 EP77 则补充了岗位在组织里的位置与变化。
- 如果面试发现离ds差距比较远 是应该继续坚持投吗 还是做analyst。一直坚持是否就能越来越好
立正不把「坚持投」当答案:面试是拿市场信息和拷问自己的手段,先弄清差距是技能、经历还是叙事,再决定补哪块,而不是靠次数堆出结果。