把AI技能讲成一条从旧业务到新方法再回到业务的线：你原来在什么场景工作，用哪个AI项目改变了做事方式，回到原场景会怎么做得更好。
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。
讲清你如何把AI带进真实业务
材料里的观点面试官想看的不是趋势判断，也不是一个漂亮demo，而是你已经把AI融进具体工作、并能把这种变化带回业务。可以按三段讲：原来的工作场景和积累的领域经验；通过一个AI项目学到的新工作方式；如果回到原业务，你会怎么用新方法把事做得更好。这样一段话既有你的背景，也有可迁移的判断，比罗列工具名更省时间1。
把隐性经验说成AI能用的东西
材料里的观点AI native公司招人，看的是你能不能放大团队杠杆，而杠杆来自把脑子里的隐性知识变成AI可直接使用的显性材料。设计师可以把品牌规范写成AI能理解的程度，数据科学家可以把分析流程沉淀成可复用的技能，PM可以把决策框架和优先级判断外化。面试时与其说“我会用AI”，不如说“我把哪套原本只在我脑子里的判断，变成了模板、技能或上下文，让AI按它做事”2。
用机制解释代替名词复述
被追问细节时，区分两种回答：复述上下文、agent、prompt这些名词，还是在讲怎么给AI背景、怎么沉淀偏好、怎么避免重复犯错、怎么把一次经验写成下次可复用的规则。后者说明你理解机制，前者只是识别概念。可以准备一个真实项目的小例子，讲清它解决的是哪个底层问题、你会先改哪几处、有什么风险，几分钟内就能让对方看出差别3。
这些材料以设计师等岗位举例，框架声称适用于所有岗位，但具体到你的行业和职级，还需要你替换成自己的场景。
出处
- 12026，如何在面试中证明自己"真的懂AI"
给出面试AI mindset环节的核心叙事结构，适合先看这份确定整体讲法。
- 2AI时代的面试，三件事让公司对我求贤若渴？
解释用人单位为什么看重把隐性知识转成AI可用材料，适合理解背后的招聘逻辑。
- 3正确的学习方法比大家想象中稀缺很多，那我们如何筛选人才？
提供面试现场考察悟性的具体问法和两种回答的差别，适合准备被追问时的应对。
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
- 如何利用AI准备面试
面试准备的核心不是背AI名词，而是讲清一个真实项目：你原来做什么、用AI改了什么工作方式、回到原场景会怎么做更好。
- 想请教大家：在一家与 AI 相关的公司工作，我应该重点积累哪些经历和能力？
我目前在一家做亚马逊广告工具的公司，从事客户成功相关工作。公司的产品方向与 AI 密切相关，其中一项核心功能是 AI 广告托管：客户设置投放目标后，AI 会在授权范围内持续执行广告优化。
我的工作主要有三个特点：
公司本身在做 AI 相关产品。我需要理解 AI 托管的能力、适用场景和边界，并帮助客户使用。
工作中能接触大量 AI 落地案例。我会结合客户的广告数据，观察 AI 托管的表现，分析客户遇到的问题，并协助他们调整目标和使用方式。
我自己也在尝试编排 AI 工作流和 Skill。例如让 AI 辅助完成广告复盘、问题排查和托管组检查，再把重复任务整理成可复用的流程。
这让我开始思考：我接触的不只是 AI 工具本身，还有 AI 如何进入客户的实际业务，以及人在其中如何判断和推动执行。
想请教大家：从长期发展来看，我目前的工作中哪些经历最有价值？在 AI 时代，我应该有意识地重点发展哪些能力？
最值钱的是把客户成功里积累的业务判断变成可复用的系统：懂 AI 托管的能力边界、能判断结果好坏并收口，再把重复工作沉淀成 Skill 和工作流。
- 在2026年末这个时候，最有效的准备面试的方法是什么？
最有效的准备不是背话术，而是先做出能讲清的真实项目，再把面试当成双向沟通来练。
- 作为SDE，你能回答什么关于这个行业的问题
我能依据立正公开材料回答的是：SDE 与数据岗在职位数量、薪资上的比较，换行业时 domain 经验怎么迁移，以及如何主动摸清业务全貌；具体公司招聘、薪资行情和最新技术栈不在材料范围内。
- 我在职场上因为结构性问题无法升职加薪所以想要专攻自媒体创业，很纠结，想听听立正的想法
立正不会直接劝你辞职做自媒体。他更可能让你先分清：你是想逃离升职加薪这套评价，还是已经找到一件值得用内容放大的事；前者先别急着换赛道，后者才谈怎么放大。
- 写了篇文章，你看看课代表会是赞同么，还是有哪些地方观点不一致甚至我理解不对：这篇内容是我前两周做个人网站的过程中，将过去很多没想明白的问题通过实践，逐渐成型的一些思考。文章也调整了几轮：一开始是想写成一篇严谨的论证或总结文章的，可后来发现掺进了太多我自己主观的东西、个人的经历。掺得多了，现在也就不那么想严格地去做区分了，所以这篇就姑且当成一篇杂谈随想吧。
有些想法，希望能对大家有点帮助；里面个人经历的部分，大家感兴趣就看看，不感兴趣，就权当听个乐。
AI 出来之后，各种设计也好、网页也好、视频也好，确实多了很多。我相信大家绝大部分也都试过用 AI 建站了，整体效果也都不错。可是只要做过几版的人，都会感觉到有 AI 感，也说不出来为什么。
上次我在 里也提到过这么一句：我不相信大家真的看不出来 AI 味很重。这里就接着聊聊，这个 AI 感到底是怎么来的，能不能说出个道理。
这一两周我也一直在想这个问题。上周末刷到不少 AI 视频，而在评论区里看到大家聊到恐怖谷这个名词后，我突然意识到 AI 与这个概念的关联性：
1 · 一种「特化」了的恐怖谷
简单说我的结论是：AI 感，其实本质上就是一种「特化」了的恐怖谷。
把 AI 跟恐怖谷放在一起说，其实不算新鲜。这个想法是我自己琢磨出来的，但讲 AI 画的脸、AI 做的界面，我不会是第一个。我这篇想做的，是把这个思考和类比拆开讲清楚：为什么说它是一种「特化」了的恐怖谷。
恐怖谷这个词，现在大部分人应该都听过。以防有些朋友不知道，简单说一下：这是日本的机器人学者森政弘 1970 年提出的，机器人越像人，人对它越有好感；可像到只差一点的时候，好感会一下子掉下去，让人发毛；等跟真人几乎一样了，好感才又回来。
值得一提的是，他原文里谷底附近的例子是「假手」：看着跟真手一样，一握，软的、凉的、没有骨头；谷底最深处是「尸体」，正好跟峰顶「健康的人」相对。我们现在一说恐怖谷就会想到的、那种目中无神的人脸，并非原始案例，而是后来大家自己的感受总结。
所有图和动图也都做了中文版，放在文末，想看中文的朋友可以对照着看。
其实 AI 做的视觉产品也是这样：它似乎很像最好的，但始终不够像。你可能肉眼看不出，但你的直觉已经发现了。
我从来不反对 AI，或者应该说，我是一个科技或者说工具派，任何可以提升效率和产出的新技术，哪怕是在创意领域，我都不会觉得它是抢夺了创作者的话语权。
可现实问题也很明显，大部分人看 AI 做的东西，隐隐其实都有感觉，觉得哪里不对劲，可又说不出具体是什么原因。
而我觉得这个核心原因与 AI 无关，而是一个类似于文学评论或作品赏析的底层问题：你需要知道一个好作品为什么好。
类似的还有，课代表教大家的 这四条特征识别同事中的大腿 时说的，你找不到大腿，是因为你不知道好的该什么样，和差的的核心区别在哪里。如果只能一味照猫画虎，很有可能最终画出来是一只病猫，从而产生了瘆人的作品，也就有了恐怖谷。
那人到底为什么会对机器有恐怖谷？说远些到心理生理的话，可能是对危险的天然恐惧等等。不过我们这里不讨论那些，只从最表现也最直接的原因来说，还是因为前面说的，它「不够像」。
因为最初人们设计的机器人是纯对表面的模仿。一开始的机器人，人们对它的制作和理解，就是看到什么模仿什么。它是一种「无机质」的模仿。我这里说的无机，不是无机物、有机物的那个无机，而是说它不是一个有机的整体，里面没有内部联系。
2 · 美人在骨不在皮
既然说到恐怖谷，审美还有人脸，就先多两句嘴聊聊面容。
我们说一个人长得美，会区分说这个人是皮相还是骨相：皮相，就是皮肤、五官这些表面上看得见的；另一种骨相，就是底下的骨架、比例和结构。
说「美人在骨不在皮」，虽说并不绝对，但是骨相好的，更利于现代环境，更具体地说，更适合化妆和摄影出片，也更容易抗住年龄增长。相对而言，传统中式甚至亚洲妆容都是重皮相的。
还可以拿画画来举个例子。一开始大家学画，大家都只能依葫芦画瓢，学点皮毛，我觉得可以称之为「看皮画皮」。学到一定程度之后，老师就会要求你了解人体基本构造，尤其是画人体的时候，先了解人基础的腔体，和四肢的相对关系；再多一点，比如画胸像，你必须了解最常见的外显肌肉和骨骼之间的关系。这个阶段可以算是「看骨画骨」。
到这个时候，有些人会误入歧途，开始去练医用美术。其实没必要，因为作为最终不是治病而是为了展示成果的作画者，你并不需要「看皮画骨」。练到一定程度，知道大概怎么表现了，就还是要回到「看皮画皮」，不需要「看皮画骨」或是「看骨画皮」。
只不过，有了这层画骨的底子，那种其实很明显、但普通人因为没受过训练，说不出哪里摆错了的违和感，就不会出现。比如你知道胸锁乳突肌和肩胛骨的走向，你的肩颈、锁骨的位置就永远不会画错
大方向会赞同：AI 感来自“只模仿表面、没有内部结构”，好作品要先知道好在哪。分歧可能在把 AI 感一律归为恐怖谷，以及把“骨相”当成唯一正路。