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。
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。
SDE 岗位多、薪资高，但选方向要看热爱
材料里的观点立正提到，SDE 的工作数量大约是数据科学家的十倍以上，同级别薪资也普遍更高，在 Facebook 这类公司差距明显。他把这当作“纯从找工作方向看”的参考，同时强调工作本身是人生的一部分，如果只盯着结果而不喜欢做的事，长期很难撑住。所以这个比较适合用来理解市场供需，不适合直接变成“SDE 一定比 DS 好”的结论：它成立的前提是你确实愿意做工程类工作1。
换行业时，旧经验能带走的是方法和判断
立正自己从电商跳到游戏，说这是给“职业上已经比较 senior 的人换 domain 意味着什么”提供一个参考角度。他做电商八年，对行业的理解来自自己开店、和从业者、创业者和投资人长期交流，而不是只靠岗位头衔。对 SDE 来说，可迁移的往往不是某个业务知识，而是把问题定义清楚、选合适方法、让结论被接受的能力；他讲 senior 和 junior 的差别时，重点就在“high judgment”：知道对方真正想知道什么，在快、透明、复杂之间选对做法，并给出大家能接受的解2,3。
行业全貌要靠自己动手问出来
AI推演很多工作三到五年的人会觉得缺业务全局视角，立正给的办法是主动去搞清楚：写一份组织百科，找一线负责人和骨干聊，找十个人聊三轮，第一轮问傻问题也没关系，请人喝杯咖啡换一次对话。这个做法对 SDE 同样适用：你所在团队的服务为什么这样设计、上下游谁在用、指标怎么定，这些不会自动掉到你头上。可以先挑一个你最说不清的系统或业务指标，找两三个直接相关的人各聊一次，看自己能不能把“它在解决谁的什么问题”讲清楚；讲不清的地方就是下一步要补的4。
材料里没有具体公司的招聘要求、当前薪资行情或某一技术栈的细节，涉及这些只能另找资料。
出处
- 1数据科学家职业理解
核对 SDE 与数据岗在职位数量、薪资上的比较，以及他附加的热爱前提。
- 2留美14年，为何在升职前夕决定回国？｜游戏行业有多厉害？
看他本人从电商换到游戏行业时，怎么解释 senior 换 domain 的意义。
- 3互联网企业Senior和Junior能力有什么不同？｜Senior能力如何获取？
理解他说的 high judgment 和从描述事实到判断业务问题的能力阶梯。
- 4如何重拾人生的掌控感？｜如何了解部门业务全貌？
了解他建议的主动摸清业务全貌的具体做法和适用阶段。
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
- 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。
- 怎么在面试时清晰简洁快速的展示出你对用人公司有用的AI技能？
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。
- 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。
- 我在安全团队做AI应用，现在有个协作的问题：大家发现问题就在群里At我改，结果群里全是细节信息，而且容易抓不住问题重点，全是讨论。很少有人能先讲清楚要达到什么结果，由谁来验收，我自己排在前面的事反而一直被打断。协作方说风控这个业务就是这样 要快速响应，不然黑产攻击都来了 啥也没解决。实际这些很多都是很小的事情和细节，事后也无法记录下产出和结果
群里被 At 打断，是因为任务发起时只给了现象、没给结果和验收人；把“做到什么算对、谁来确认”写进发起环节，细节讨论才会变成可验收的产出。
- 我在安全团队做AI应用， 现在有个协作的问题：大家发现问题就在群里At我改，结果群里全是细节信息，而且容易抓不住问题重点，全是讨论。 很少有人能先讲清楚要达到什么结果，由谁来验收，我自己排在前面的事反而一直被打断。
群里被@打断，往往是因为任务发起时只说了“哪里不对”，没说“做到什么算对、谁来验收”。把结果和验收标准前置，细节讨论才有收敛点，你的优先级也才有依据被保护。