面对错误和失败,重点不在这一次成没成,而在于你选择迎上去还是躲开;失败本身的影响往往比想象中小,真正积累下来的是面对挑战的心态。
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。
失败的影响比你以为的小,逃避的代价却会累积
材料里的观点立正讲过一个自己的经历:职业生涯早期,有人把一件他不会做、时间又紧、很多人盯着的事交给他,他先答应了,随后才慌起来,担心失败概率和后果都更大。回头看,他发现过去那些不会做却直接去做的事,成功了固然好,失败了也无非是在难题上遇到临时挫折,再找别的方法,实在找不到就告诉大家没有方法,别人反而欣赏这种投入。他由此意识到,一次工作的成败在心里只影响很短时间,真正决定工作自信的是面对挑战时选择去做还是逃避:逃避会让人越来越没自信,迎上去则自信自然起来1。
越早犯错,成本越低
材料里的观点在亚马逊工作时,一位资深同事给立正的建议是“试着失败”。他当时做的是一件略超出能力、很多人关注的工作,焦虑很重;六年后回看,那件工作做得好坏其实微不足道。他提到,职业生涯越早期失败,成本越小,因为组织把一件事交给一个新人,本身就说明它没那么关键。他还区分了两种心态:把失败当成“又发现一个可以提升的地方”,还是当成“我果然不行”然后躲开挑战,后者会让能力停滞2,3。
怕失败常常是怕被评价,而别人并没有那么在意
立正分析过不愿尝试的心理机制:试十次成功一次,客观上得到一份收获,但心里每失败一次就给自己扣分,于是不敢开始。他把这归到固定型思维上——把失败理解成别人在评价自己,担心别人怎么看。他提到,现实中失败第二天大多数人就忘了,人们普遍高估别人对自己的关注4。另一篇讲被误解的文章里,他谈到承认不爽的同时仍能体面回应,并逐渐找到不依赖外界评价的自我价值感,这需要长期练习5。
这些材料多来自职场早期和课程场景,没有涉及重大不可逆损失(如安全、合规)时该如何权衡。
出处
- 1如何喜欢上自己的工作?
最直接讲面对不会做的工作时,成败与心态哪个真正影响自信。
- 2故意犯错,有利于职业成长?
讲“试着失败”的建议和早期犯错成本低的判断,适合核对失败代价的估计。
- 3第06课|改变错误思维,筑牢认知地基,走向「财富自由」
成长型与固定型思维在犯错、碰壁时的不同反应,适合补充心态这一层。
- 4提升运气秘籍!
解释怕失败背后的被评价焦虑,以及别人其实没那么关注你。
- 5人只能控制一件事|上:对“被误解”的恐惧
可回到原文核对这部分判断
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。