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。
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。
先补真实项目,再谈面试表达
立正把顺序说得很明确:项目经历在先,表达框架在后;框架只能帮你把已有的东西重新组织,没有那段真实经历,再好的框架也是空的。他还说,如果所在环境不给你机会,可以自己用几个周末做一个真实、有深度、能讲出完整过程的项目,不需要很大。这和你“面试很好但过不了 hiring committee”的处境是吻合的:委员会要判断的是你做过什么、能不能持续带来价值,而不是你答得多顺。所以把时间投到实际工作上,方向是对的。但要注意,他说的“深度”指你真的经历了那些过程、有具体案例和体会,不是项目规模大。
“有人用”不等于“做得浅”
你说做得好不好不重要、有人用才最重要,这个说法要分两半看。立正讲过一个相关判断:找需求时不能因为自己技术厉害就认定一定有需求,认知要先改变。这支持你重视真实使用者的方向。但他同时强调项目要真实、要深、要能讲出完整过程,还提到学员项目之所以有说服力,是因为每个都独特、真实、有相当深度。所以“有人用”是验证需求的手段,不是降低深度的理由。一个只有几个人用、但你能讲清为什么做、遇到什么困难、怎么权衡的项目,比一个用户多但你只是调了接口的项目,在面试里更有说服力。
flashinfer 适合当起点,但要选能讲透的切口
AI推演AI infra 方向本身没有材料直接评价,但从上面的逻辑推,flashinfer 这类开源项目的好处是有真实用户、有明确问题、有社区反馈,符合“真实需求”的标准。风险在于它工程复杂度高,如果你只是跟着文档跑通、提几个小 patch,很难积累出能讲完整过程的东西。更可能有效的做法是:从你在 AWS 做过的某类真实问题出发,在 flashinfer 里找一个你能说清“为什么这个问题值得解决、我试了什么、结果如何”的切口,哪怕范围小。这样既满足有人用,也满足有深度。
材料没有直接讨论 AI infra 方向、flashinfer 或长期 gap 的具体应对;关于 hiring committee 的判断依据,材料只提供了间接线索。
出处
- 12026,如何在面试中证明自己"真的懂AI"
讲清项目经历与表达框架的先后关系,以及“真实、有深度、能讲完整过程”的标准,适合核对你对“证明自身价值”的理解。
- 2AI时代的面试,三件事让公司对我求贤若渴?
说明面试框架不能提高已有内容,提高要靠工作或 side project,并提到公司关心能否持续带来复利,适合理解 hiring committee 可能看什么。
- 3课代表立正:AI 课卖 2000 刀,偏偏坚持古法手搓
讲找需求时不能因为技术厉害就认定有需求,适合检验你“有人用才重要”的判断。
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
- 这个课干啥的
这是一门教人真正把 AI 用进工作与项目的课,重点不是软件操作步骤,而是提需求、判断与动手做的能力;另有一门一小时小课供先试。
- 课代表在223年写的一篇文章里面有讲包括大语言模型是怎么来的呀?介绍这些背景资料的
按现有片段,无法确认“课代表”在2023年写过介绍大语言模型由来的文章;能确认的是立正在2023年有两份公开讲解,分别从生成模型原理和范式变化切入。
- 前辈想请我付费帮她做一档播客,我很愿意采访,但觉得采访完之后的剪辑和发布比较麻烦。一方面我觉得 AI 应该可以把后期做的不错,但实际上我自己的播客后期一直没有弄的很丝滑。我不太知道怎么判断这件事合适。我想的是,我可以收很低的费用,只负责采访。或者用相对高一些的费用,把采访和后期都接了。不太想接负责找外包剪辑同学以及和外包同学沟通,之前自己试过比较麻烦。
按你的约束,更稳的是低价只接采访,把后期排除在承诺之外;若想连后期一起接,就应把外包剪辑和沟通成本算进报价,而不是假设 AI 能替你消化。
- 如何做好 data agent?
做好 data agent 的关键不在模型多强,而在先把数据关系建模成图、在生成查询外加一层审计纠错,并把上线后的持续调优当成常态。
- 目前用了很多 agent,如果管理跨 agent 的 skill 更新和维护问题?
把 skill 当成需要持续运营的共享资产:统一存放、版本化、按环境适配,并给高风险改动加审批。多 agent 不是多份 skill,而是同一份 skill 被多处引用。
- 想赚钱,增加收入,普通人是不是做自媒体更好
不一定。对多数普通人,自媒体更该先当低成本试水的事业,而不是稳赚的副业;它前期大概率不赚钱,成功标准要先定清楚。