从零搭团队,先别急着定岗位和流程,先想清楚要验证什么、哪些事必须自己拥有、经验怎么留下来;人少时优先找能亲手落地的人,而不是管理者。
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。
先定要验证的假设,再定团队配置
立正提醒,创业早期最容易掉进的坑是把注意力放在完成清单上:文档、原型、看板都做齐了,却没人回答产品到底有没有人要。所以搭团队的第一步不是排岗位,而是明确这三十天或这一阶段要验证哪个假设,再反推需要谁。一个具体做法是先写下最想被推翻的那个判断,看每个拟招的人是否直接服务于验证它;如果某个角色只是让流程看起来完整,可以先不设。产品该做什么也应由真实用户反馈来定,而不是由团队内部的路线图决定1,2。
人少时,要能落地的人而非管理者
材料里的观点立正在招人时明确说过不打算组大团队,规划不重要、执行极重要,需要的是能像创始人一样思考、亲手把事情搞定的人,而不是管理者和战略官;他还把有说服力的实战数据和案例当作硬条件,因为只招一个人、没有试错成本。这提示从零搭团队时,早期每个位置都应能直接产出结果,管理层的扩张可以往后放。反过来,如果业务已经进入需要协调多人的阶段,这套“先要操盘手”的判断就要重新权衡3。
分清哪些能力必须自己拥有
材料里的观点立正用朋友重构系统的例子说明:第一版往往做得出来,难的是之后长期维护账号、支付、权限、库存之间的同步,最后给自己造出一份新工作。所以搭团队时要问,哪些能力是业务核心、值得自己养人,哪些可以买或外包。判断标准可以看这项能力出问题时会直接伤到核心业务,还是只是支撑性的;前者适合内部拥有,后者先借外部力量,把有限的人放在选酒、卖酒这类主业上4。
这些材料多来自创业、内容与 AI 团队语境,没有覆盖成熟组织或大规模招聘的具体制度。
出处
- 1创业公司用30天,从零到可交付产品的路线图
说明早期团队为何应围绕验证假设配置,而不是围绕交付清单
- 2想成功,要做“不可规模化”的事情|来自独角兽创业公司的经验总结
用产品上市后由用户反馈决定优先级的例子,支撑先验证再扩编的思路
- 3招聘:国内市场创始运营
给出小团队招人时对执行型、Owner 型人才的具体偏好和硬条件
- 4Don't build: 看清demo和production之间的鸿沟
解释 build 与 buy 的取舍,以及维护成本为何要提前算进团队规划
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。