把博士训练出的判断力用在“提出正确非共识”和“给 AI 结果收口”上,而不是只做可被压缩的执行;再用真实项目把这种判断沉淀成系统。
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。
博士的稀缺处是出题和收口,不是执行
材料里反复出现一个区分:AI 能完成大部分执行,但最后判断对错、修正和负责仍要人来做。Ethan 的说法是,不是专家就 close 不了 loop;没有专业深度,AI 反而放大盲区1。立正也把“正确的非共识”列为人的位置:AI 擅长在既有语料里归纳,人可以从自己相信的原点押注一个尚未被承认的判断2。对理论博士生,这正好对应两件事:一是提出别人没提的问题,二是判断 AI 给出的推导、文献或方案哪里不对。博士训练的价值在这里,不在亲手算完每一步。
把判断力做成可复用的系统,而不是停在聊天框
AI推演立正把 AI 能力分成消费、调动、驯化、架构几层,终点是能设计一个在真实世界里可靠替你工作的系统3。他也提醒,不能停留在聊天框里,要让 AI 成为杠杆4。具体做法上,他建议用几个周末做一个真实、有深度、能讲出完整过程的项目,项目经历在先,表达框架在后5。对理论方向的人,这可以是一个把某个推导或文献流程自动化、并设计评估标准的小系统:价值不在代码量,而在你能不能定义什么算对、什么该交给人6。
别把学校里的成功模式直接搬到校外
立正提到,学校里拿高分的思维模式放到校外常常不适用:学的东西大概率没有直接用处,要在做的过程中才知道什么有用,该扔就扔,不被过去路径套死7。他也说读博更像创业——先找好问题、做调研、判断为什么别人没做到8。这两点合起来的意思是:毕业后的方向不必从“我学的理论能怎么变现”倒推,而可以从一个你真正相信值得做的问题出发,用 AI 快速试,再根据反馈调整。
材料没有专门讨论理论科学博士的就业市场、教职路径或具体学科差异;以上是把通用判断迁移到该身份,具体方向仍需结合你的领域核对。
出处
- 1AI时代,找工作和创业的有效方法|Jobright联创/CTO Ethan对话
给出“专家才能 close loop”的判断,直接对应博士的专业深度如何变现。
- 2有限的AI降临派
解释为什么“正确的非共识”是 AI 难以替代的人的位置。
- 3AI产品的六个层次
提供从消费 AI 到架构 AI 的能力分层,帮助定位该往哪走。
- 4AI会干掉中产吗?一场来自科技从业者的深度对话
可回到原文核对这部分判断
- 52026,如何在面试中证明自己"真的懂AI"
说明真实项目在先、表达框架在后,给出可操作的起步方式。
- 6AI时代,大厂打工人的五条路
可回到原文核对这部分判断
- 7118. 从「象牙塔」到「真本事」,AI时代如何打造个人价值|课代表立正
可回到原文核对这部分判断
- 8读藤校博士是什么体验?
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。