立正这套面试法的核心不是让你背答案,而是让你从材料里读出机制:它怎么改变行为、怎么防错,再迁移到自己的项目。
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。
五个问题其实在考同一件事
材料里的观点立正给出的五个追问是:最关键的设计是什么、它解决哪个底层问题、迁移到自己项目先改哪三件事、有什么风险、AI 反复犯同一错时怎么约束。他判断候选人差异的依据,是有人只复述名词(上下文、agent、prompt),有人能看到动作:怎么给 AI 项目背景、怎么沉淀偏好、怎么避免重复错误、怎么把一次经验写成下次可复用的规则。也就是说,他考的是你能否从“这东西叫什么”进入“它怎么改变我的行为”1。
回答时把“机制”和“验收”讲出来
按立正对 AI Builder 的描述,好的回答会落到两处:一是明确的验收标准,不是“看起来还行”,而是是否满足某条件、是否避免某类错误、是否覆盖关键边界;二是能诊断根因,因为 AI 失效分几类——上下文缺失导致幻觉、上下文窗口饱和导致信息丢失、指令歧义导致方向偏差、超出模型能力边界,对应处理方式不同2。所以被问到“反复犯同一错怎么约束”时,可以顺着这条线说:先判断它属于哪类失效,再把这次经验写成可复用的规则或检查项,而不是笼统说“多试几次”2。
迁移到自己项目时,讲清判断力怎么外化
AI推演立正把展示分成三层,多数人只停在第一层“会用工具”。第二层是能在新的协作方式里把抽象判断转成高质量上下文;第三层是能把自己隐性的经验、标准和判断外化,变成 AI 可复用的规则、模板、上下文3。回答“先改哪三件事”时,可以对着这三层说:哪件事让产出更接近真实、哪件事让协作反馈更可执行、哪件事把你自己说不清的标准写下来。他也强调 AI 是手艺,检验标准是换任务、换工具、换领域还能交付,所以迁移例子最好讲一个你真做过、能说出失败与修正的4。
这些片段讲的是面试中如何展示与判断,没有给出某份具体工作流材料该怎么读;实际回答仍取决于你手上那份材料的内容。
出处
- 1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?
五个追问的原出处,并说明立正如何区分复述名词与理解机制。
- 2AI User 与 AI Builder 的 5 个差距,和背后具体技术原因 | 科技大厂打工人版
支持验收标准与按根因诊断 AI 失效的回答思路。
- 32026,如何在面试中证明自己"真的懂AI"
三层展示框架,用于组织“迁移到自己项目”的回答。
- 4学AI的两大误区:找课本(只看不动手),抄作业(依赖tutorial)
说明 AI 是手艺、以可迁移性为检验标准。
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
- 如何在面试中,让对方认为我具备 AI 认知和落地能力
别空谈趋势,也别只展示 demo。用“原场景—AI 项目带来的新工作方式—回到业务怎么做得更好”这条线,讲清你如何把 AI 融进真实工作。
- 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。