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。
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。
先选能积累势能的起点,而不是先选专业名
材料里的观点立正给职业初期(0到3或5年)的排序是:成熟行业或方向优先,其次是能增加选择权的公司,再次是成果有清晰成功标准的岗位,薪资在初期影响相对小,除非差距大到代表岗位档次不同1。放到电子信息大类,这意味着分流时不必只问“哪个专业听起来更有前途”,而可以问:这个方向对应的行业是否成熟、毕业生通常去哪类公司、岗位的产出能否被客观衡量。比如同样做嵌入式,进有稳定产品线的公司做可验证的模块,和进一个说不清交付标准的小团队,前者的起点更容易积累可展示的成果。
方向不清楚时,先排除不喜欢的,再向真人求证
AI推演立正提到,很多人并不清楚自己喜欢什么,但能明确知道自己不喜欢什么,然后在剩下的选项里继续缩小2。他也主张找方向要投入足够的信息获取,至少和二十个相关的人聊过,再谈找不到方向3。对大一新生,一个可试的做法是:这学期找三到五位本专业高年级学生或从业者,问他们实际每天做什么、哪些课真正用得上、入行头两年什么样。聊完记录哪些回答让你更想靠近、哪些让你想排除,这比空想“我适合什么”更能帮你判断分流。
核心竞争力可以超出单一专业技能
立正给大学生的建议里,核心竞争力更多与能力素质相关,而不只是某一门专业技能;写代码是一种,深度思考、兴趣广泛、阅读量大也可能是4。电子信息类的技术门槛确实需要打牢,但大学阶段同时值得积累的是把问题讲清楚、快速学新工具、把做过的东西整理成可展示的成果。这些在分流后换方向时仍然带着走,也能让你在还不确定细分方向时少一些焦虑。
这些材料没有针对电子信息类具体细分专业或岗位的分析,方向判断仍需你结合本校培养方案和实际聊天结果。
出处
- 1第11课(下)|强者成事先做选择:道天地将法·实践篇
职业初期按成熟方向、选择权、成果可衡量性排序,适合用来做分流筛选标准。
- 2面对困难如何保持积极?|如何找到感兴趣的专业?|应届生采访系列 3
讲方向不清楚时如何用排除法缩小范围,贴近大一迷茫的状态。
- 3第12课|10%的工作是有意义的 —— 工作如何抓主线?
给出找方向要投入多少信息获取的具体尺度,可对照自己的行动量。
- 4对大学生的三条建议:找到工作以外的自我价值
说明核心竞争力不限于专业技能,适合大学阶段长期积累的参考。
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
- 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。
- 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。