- 我现在做AI视频的内容,需要大量的案例
我应该做哪些案例
先别按“AI视频案例大全”去铺量,从你自己真实遇到、反复出现的小麻烦里挑案例,做成能展示前后对比的成品;案例的价值在于证明你解决过真实问题,不在于数量多。
- 现在这个时代应该读博还是直接工作
读博本身不自动带来价值,关键是你能不能借它积累可迁移的能力和成果;如果读博只是跟着惯性走,直接工作往往更划算。
- 机器人行业现在进入还有前景吗,如果没有应该如何转向
资料里没有对机器人行业前景的直接判断,无法替你判断该不该进;但立正反复讲的一个判断可以迁移过来:别只问行业热不热,要问你所做的事会不会成为别人最想省掉的那块成本。
- 有没有讨论过在不同城市或国家之间做选择的节目?
现有材料里没有专门讨论“在不同城市或国家之间做选择”的节目,但立正谈职业选择的内容涉及跨城市、跨国家的取舍,可以借他的判断框架来看这类问题。
- fake work的定义
fake work 是用容易衡量的动作取代难以衡量的价值:做完之后,下游的决定或真实结果没有改变,只是留下了“我在做事”的证据。
- 电子信息类专业大学生值得考虑的职业方向
电子信息类大一不必先锁定具体职业,更值得先做的是:把“成熟方向、能增加选择权的平台、成果可衡量的岗位”当作筛选标准,同时用和真实从业者聊天来缩小范围。
- 计算机行业哪些职业会被真正淘汰?整个就业面是在往下走吗?
被挤压的是信息搬运和叙事包装类岗位,而定义问题、设定约束、评估验收的能力更稀缺;整个就业面不是简单往下走,而是行业超额回报在收窄、岗位结构在变。
- 电子信息大类学生正在犹豫要选择哪个细分方向,想了解这些细分方向对口的职业未来的发展前景1. 计算机科学与技术
2. 自动化
3. 电气工程及其自动化
4. 广播电视工程
5. 数据科学与大数据技术
6. 人工智能
资料没有逐个比较这六个专业的前景,但立正给了一套选方向的判断顺序:先看行业和平台是否处在增长中,再看岗位成果能否被客观衡量,最后才看起薪差距。
- 我是一个想转行到ai领域的非技术背景的人,原来职业经历偏向咨询。我日常是在个人目标管理、自媒体中用到ai,都是个人的业务。但是求职转行的话,我意识到需要有真实的业务场景,但是我缺少这样的业务场景,有什么办法呢?
缺少“公司里的业务场景”不必然卡住转行:立正更看重你能拿出什么可验证的产出,而深度 side project 可以部分替代公司场景,前提是它解决真实需求、能持续带来复利。
- 我自己建立了一个类似鸭哥的context infra, 也从Kaparthy的wiki那里得到了一些启发, 可是我发现这些系统维护起来非常费劲,文档总是会变得stale,太长,很多冲突,如果我每天去审核又是一个巨大的任务。但我觉得AI时代,如果context做好了,其实执行任务都是trivial的,不知道这个理解是不是对的,那对于维护个人的context花的时间是不是也可以被正名了。还有另一个就是对于企业来说,有个共享的context也是至关重要的,对这个有没有什么已有的解决方案或者最佳实践?
“context 做好执行就 trivial”只说对一半:执行确实变便宜,但瓶颈会转到判断和架构上,维护 context 的时间因此值得投入,只是不该靠人每天逐条审核。
- 不知道自己应该如何运用ai给自己赋能,可以把经营自己当作经营一家公司一样去执行,说呗了,我赚到500万,我该怎么做
把“经营自己”当成一家公司,关键不在先学会多少AI工具,而在先跑通一个自己负责到底的小闭环:从发现问题到交付、变现,AI才有明确的着力点。
- 我把鸭哥的context infrastructure发给codex让它帮我安装,对话是在codex一个新建的项目中打开的,我发现它能够帮我安装好但却无法很好让这个上下文系统运行,我还是没办法体验到“使用鸭哥的上下文系统”有什么不同。然后我检查了文档的位置,发现鸭哥的context-infrastructure/在我所在工作区文件夹内,而AGENTS.md在context-infrastructure/子目录下。所以我应该怎么让codex帮我调整呢?
问题多半不在安装,而在加载路径:Codex 只从工作区根目录读 AGENTS.md,你的规则藏在子目录里,等于没被加载。先让 Codex 把入口文件放到根目录并指向子目录,再用一个小任务验证它是否真的读到了。
- 实习生在单位的做事准则
想让带教老师觉得你靠谱,先别急着再解释,而是把“不再遗忘”变成看得见的机制,并主动把缺席的补救方案说清楚。
- claude code在agent方面强这么多,为什么还要用cursor,如果不写代码的话
Cursor 和 Claude Code 不必二选一:更值得学的是能跨工具迁移的方法,工具只是入口;不写代码时,Cursor 的价值在于它能把本地文件、上下文和迭代过程接起来,而不只是生成代码。
- 我目前已经失业三年,之前在aws美国工作两年,被layoff后一直面试mid level sde,尽管面试很好最后还是没有通过hiring committee,例如meta,waymo,最近面试谷歌也是一样。我现在的理解是,原先的技能不能被验证,gap时间长,我需要做的是证明自身价值而不是沉迷面试,我的决定是投入时间去做实际工作从而connection拿到工作, 目前决定的方向是ai infra,想从flashinfer开始,同时积极学习产品方向,做的好不好不重要,做的东西有人用才是做产品最重要的,想让你对于我的想法给出评价以及建议,包含对于工作面试以及接下来的决定
你的方向大体对:面试框架只能整理已有内容,不能替代真实项目;但“做得好不好不重要、有人用才重要”这个判断需要修正——立正强调的是项目要真实、有深度、能讲出完整过程,而不是随便做点有人用的东西。
- 我想打造个人agent,我不能翻墙,我有kimi3的会员。我如何做?
先别追求“自我进化”的框架,把写投资报告这件事收窄成一条能反复跑、每次留下判断记录的循环;Kimi 会员加国内可用的工具就够起步,经验靠你写下的规则和验收标准积累,不靠换 harness。
- 我是一个对不同的事情比较感兴趣的,但是基本没有一件事做到很精通,就是什么都懂一点,但都不深入。我未来10年内的目标是实现财富自由,不用工作,我看到说要深入某一件事情才更有可能获得成功,但我其实并没有找到这样的事情,我只是想赚钱,我想知道抱着这样的想法对我未来发展有什么影响
把“赚钱”当成唯一目标,短期能给你清晰的方向感,长期却容易让你停在“什么都懂一点”的状态:因为钱是结果指标,它不告诉你该深入哪件事。更可行的做法是先接受“广泛兴趣”不是缺陷,再挑一件能承担责任、能持续积累的事做深。
- AI engineer、AI architect、FDE 这几条路径分别适合什么背景的程序员?
三条路径的分野不在技术难度,而在你愿意为哪种结果负责:AI engineer 偏把模型能力做成可用的产品功能,AI architect 偏设计整个系统如何稳定运转,FDE 偏带着代码到客户现场把事做成。
- 我做了app,但是现在苦于推广,如何推广呢?
推广难往往不在渠道不够,而在产品还没证明有人愿意为它付钱或持续使用;先找到一个具体人群、完成一次真实交换,再谈放大。
- 呆在亚麻可能相对比较稳定,可能一年后切换到供应链/价格的产品经理,再做一年半切换到Alexa/AWS的产品经理,有些人可以走通,但不保证,且西雅图整体的tech机会比较多!以及底层相比于AI应用是不是更加硬核!去TikTok就是要面临creator+sports这个niche比较窄,核心技能就是目标拆解,给欧洲达人团队下指标,做分层达人激励设计,和看到有什么产品功能假设简单可以自己闭环做掉,或者提需给产品,去Capital one NYC 就是可以体验narketng预算分配做小B customer persona 但是是在b端信用卡生态里面,去上海做咨询就可以做AI在企业里面的use case规划这些,我目前30岁,结合以上种种,以及时间成本,你会怎么帮我规划?
先把「哪条路能攒出可迁移的成果」当主标准,再算时间成本;按这个标准,TikTok 和 Capital One 的起点更贴近你的目标,亚麻和咨询是绕路但后期薪资可能更高。
- 你怎么看待婴儿睡眠训练
立正从自家带娃经历出发,倾向认为睡眠训练值得做:宝宝不会自己“长大就好”,越晚越难改,早介入能换来全家睡眠质量。
- 老板升职了,不再关心我做的项目了,怎么办
老板升职后注意力转移,未必是不认可你;更可能是他的关注范围变了。你可以主动把工作变成他能快速判断和推进的东西,而不是等他来关心。
- 我该如何向父母介绍学习AI Agent的未来在哪
向父母介绍时,别讲“AI会改变一切”这种趋势,而是讲Agent能替人把事做完、人从建议者变成执行者,以及由此变得值钱的是判断力。
- 為什麼RAG不好? 什麼比較好
立正的意思不是RAG本身没用,而是把RAG当成一个要追的名词、只搭基础检索管线,已经不够了;真正稀缺的是围绕结果的一整套动作,比如权限、监控、诊断、上下文工程、工作流和评估。
- AI时代选工作,找工作的策略和思路
AI时代找工作,先把求职当成一份需要策略和节奏的全职工作:海投失效后,对少数岗位做深准备、提高信号质量,比广撒网更有效。