- 我怎么才能开心地活着
立正谈过的路径不是“消除痛苦、只留快乐”,而是承认痛苦、不确定和持续工作躲不掉,再把注意力从抽象的成功叙事挪回当下能感受到的具体生活。
- 你觉得怎么样的产品算是AInative的产品,什么组织架构才算是AInative的组织
AI Native 产品看 AI 是否进入运行系统并持续负责结果,而不只是开发时用一下;AI Native 组织则是三到五人的小团队端到端拥有产品,靠 context 和不同特质分工,而不是按岗位头衔切分。
- 嗯,我在使用AI上有些困惑,我是个小白,我只会用chatgpt窗口聊天,但是我看到现在的趋势都是用skill啊,文档啊。所以我想在这方面开始学习。
从聊天窗口走向文档和 skill,方向是对的,但不必先学完概念再动手:先换到一个能读写文件、调用工具的 agent 工具里,用一件真实小事跑通一次,再回头理解 skill 和文档在解决什么。
- 你怎么看全能智能体和专业分工的智能体两个应用方向
立正没有直接比较“全能智能体”和“专业分工智能体”哪个更好,他的判断标准是任务与 AI 的适配关系:该交给 AI 的尽快交,人守住判断、收口和不可替代的部分。
- 不是做业务,而且做职能支持类岗位,比如HR、财务,怎么找到工作中最有价值的10%呢?
职能岗位的价值不在“事务做得多”,而在少数能改变决策、流程或风险结果的事;先按“做好影响多大、不做后果多重”筛出候选,再用高价值事挤走杂事。
- Data Scientist and Analytics Engineer还有前途吗?怎么转型
有前途,但前提是离开“分析、建模、报表、实验”这类中间层执行位,往更接近模型和结果的位置走:设计系统、定义评估、对结果负责。
- 你认为对于目前应该要做什么样的创业呢?我想做Agent开发,用这个来创业,但是我并没有一个好的想法,应该怎么去做,要开发出什么东西出来,这些我都没有一个好的想法。你能不能给我一点意见?
先别急着定“开发什么Agent”,先找到一群愿意付钱、需求明确的人;方向选对了,执行方法才有意义,方向错了再努力也是空转。
- 如果产品还在早期、留存数据很少,营销该先看什么?
留存数据少时,先别急着做营销,先确认产品是否有人真的在乎:看有没有人愿意留下联系方式、追问细节、主动说做出来要告诉他。
- 你会如何定义"在AI时代的自我提升”, 比如一个人如果要自我提升,有哪些方面,可以以什么来衡量成果。
在AI时代,自我提升的方向是把判断力、品味和收口能力练出来,而不是多学几个工具;衡量成果看撤掉AI帮助后你还剩下什么。
- 我是一名制造业的 HR,现在想要转型到智能制造、相对高端的智能硬件制造,甚至是 AI 行业继续做 HR。
我最常听到的一个说法是,人事应该更加懂业务、更加靠近业务,才会有不会被 AI 取代的价值。包括在很多求职过程中,候选人都会被面试官问:“你懂不懂业务?你知不知道什么叫懂业务?你知道这个业务是什么?”
所以我想知道的是:所谓的“懂业务”,到底什么是懂业务?怎么去懂业务?达到什么样的程度才能被称之为懂业务?
拿我之前的一次面试做例子。我当时面的是 PCB 行业,相当于跨行业了,因为我之前是在汽车零部件行业做的。当时面试官问我,生产过程的流程是怎么样的,分了哪几道工序,以及其中哪些是最重要的。但是回头思考了一下,好像的的确确很少去认真思考过所谓的业务到底是怎么样的。我个人的认知是,我们需要思考以下几个问题:
1. 我们公司到底做的是什么产品?它的定义是什么?
2. 它有哪些工作流程?流程当中哪些东西是比较关键的?
3. 这个产品在市场上的发展情况是怎么样的?还有没有增长的空间?
4. 我们公司擅长做什么样的东西,不擅长做什么样的东西?这些东西未来的市场又是怎么样的?
但是我始终得不到一个比较准确、有参考价值的系统性答案。你觉得呢?
“懂业务”不是背下工序名词,而是能判断业务结果的好坏、分清主次,并对结果负责;对 HR 来说,就是能把招聘、绩效、组织设计等动作和业务成败连起来。
- 复利和超线性有什么关系?
复利是超线性回报的一种机制:上一轮的积累让下一轮回报更高,回报就不再与投入成正比;但复利不会自动发生,需要地基和持续投入才能兑现。