你怕的不只是“不会做”,还有“一个人在外地、没人可问”。资料能帮的是沟通方法:先听懂对方的问题,再谈自己的方案。
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。
把“我不清楚需求”改成先问对方卡在哪
分享里对比了两种说法:小A只说“我把数据清理好了,你看我多不容易”,听的人接收到的是“你快夸我”;小S则先说对方遇到什么问题、自己找到的根因、清理好的数据能帮对方解决什么1。放到需求界面沟通上,与其硬撑“我懂了”,不如先问业务方:这个环节现在卡在哪、希望系统帮你们少做哪一步。分享里也强调,听懂对方在说什么本身就极难,很多人直接跳到评判1。你现在的“不清楚”,可以先落成几个具体问题去问,而不是先要求自己心里有答案。
难处要让别人替你说,并找到能帮你的人
AI推演分享里提到,小S会请老板和同事帮他把工作的难处讲出去,并建议在职业发展中找一个 sponsor 或 ally1。这提示你:一个人在外地试点,最该先落实的不是把所有活都自己扛,而是“出问题时找谁”。可以据此向项目负责人确认供应商派驻的实际人数和能承担的范围,把历史数据清洗、UI 配置逐项写明谁做。这是 AI 基于你描述的应用建议,资料没有覆盖 IT 实施的具体做法。
这套内容讲的是沟通,不是实施方法
材料里的观点这份分享的主题是职场沟通,讲者自述主业是做数据,分享基于他自己的经历和访谈2。所以它能帮你调整和业务方、供应商说话的方式,但不能直接回答数据清洗怎么做、页面怎么配。你下午不想工作,也不在资料讨论范围内。
提供的资料只讨论职场沟通的一般方法,没有涉及 IT 系统实施、供应商管理或异地试点的具体做法;关于工作安排的建议是 AI 的推演,需要你按项目实际情况核对。
出处
- 1工作中有效沟通的六层境界|扶摇计划分享
提供“先说对方问题再说自己的解决”的沟通对比,以及倾听要先理解再评判的层次。
- 2工作中有效沟通的六层境界|扶摇计划分享
交代讲者背景和分享主题,说明这套内容属于职场沟通,不是 IT 实施指南。
追问2026年11月3日
你最没底的到底是数据清洗、页面配置,还是和业务方谈需求?我觉得都有
现有资料没有立正本人对“数据清洗、页面配置、谈需求哪个最没底”的表态,无法替他排序。能核对的是:他反复强调先澄清问题和决策对象,再动手。
先澄清问题,再动手
立正在讨论数据工作时,多次把重点放在“先问清楚”上:要问使用者是谁、要影响谁的决策、老板下的需求到底要解决什么,并明确说“难道你不应该clarify这个问题吗”1。在另一段面试复盘里,他也说面试者应当主动向面试官要澄清,必要时复述问题,确认自己答的是对的问题2。这是 AI 从两段材料归纳的共同点,不是他对你三个选项的排序。
数据问题往往出在定义和建模
材料里的观点关于数据清洗,立正举的可能原因包括:数据库由不懂数据的人写、数据定义没做好导致各人理解不同、没有建模好导致该有的数据没有1。他还说决策要人来做,分析系统能做的是先把高质量数据做好、把有用信息收集起来1。这提示清洗的难点常在“口径和用途”,而不只是操作。
放到你的处境里
AI推演你担心的是外派、供应商人手少、需求界面说不清。按上面的思路,可以先做一件小事:找试点单位里实际用这套系统的人,问清他们现在怎么做、最想改变哪个决定,再对照需求界面确认理解一致。这是 AI 的应用建议,不是立正针对你项目的判断。
提供的片段里没有立正对数据清洗、页面配置、谈需求三者难度的直接比较,也没有涉及IT系统实施或外派场景;上述排序无法给出。
出处
- 1不被信任的数据工作,如何打开局面?
立正谈数据定义、建模和澄清决策对象,支撑“先问清再动手”。
- 2面试官详解版Data Scientist Product mock interview|你怎么被面经坑的|课代表数据大师课1
立正谈面试中主动要澄清、复述问题,支撑沟通方法。
追问2026年11月3日
我觉得自己可能的面对恐惧的问题如何处理,之前作为业务就遇到系统上线问题,取数问题,导致压力,然后免疫系统出问题
你描述的是“怕做不好”叠加“身体已经报警”。现有资料能帮你看清恐惧里混着不确定和压力,也提醒别只从自己身上找原因;但免疫系统问题该先交给医生。
恐惧不是一种情绪,先拆开看
AI推演立正在介绍谷爱凌那篇文章时说,恐惧是一个“散装的情绪”,里面混着激动、不确定性和压力三种成分;她面对高台时的恐惧,来自训练再充分也无法完全预演真实雪道上的那一跳1。这个拆法对你有用:系统上线、取数、页面配置里,哪些是“没练过所以不确定”,哪些是“时间紧、人在外地所以有压力”,分开看,才不会把整团恐惧当成一个无法处理的东西。这是 AI 借这个框架做的应用,不是立正对你处境的判断。
别把环境问题全算成自己的问题
立正在讲自己被 set up for failure 的经历时提到,他过去遇到问题总从自己身上找原因,后来更注意环境的影响,并说这反而是“中国卷王们”容易忽略的地方:有时你确实处在一个不好的环境2。供应商只派实习生、历史数据清洗和 UI 配置都要自己上,这些是项目配置问题,不全是你的能力问题。分清哪些能靠学习补上、哪些该向上反映资源缺口,比笼统地怕“什么都不会”更能落地。
身体反应要单独处理
AI推演你提到之前因上线和取数压力导致免疫系统出问题,这次又吃不好、睡不好。现有资料只谈心理层面的恐惧和环境归因,没有任何关于免疫系统与工作压力的医学判断,不能拿来解释或处理你的身体症状。比较稳妥的做法是把身体信号当作独立事项,找医生评估;同时把项目里最没底的一两件事列出来,先向供应商或项目负责人确认资源和分工,而不是一个人扛着猜。
现有片段没有立正针对“工作压力导致免疫系统问题”的具体建议,也没有关于数据清洗、页面配置这类技术任务如何上手的内容;这部分只能靠医生和项目内资源解决。
出处
- 1压力越大发挥越好?谷爱凌的「心境」秘籍
提供把恐惧拆成激动、不确定性、压力的框架,以及“训练无法完全预演真实场景”的类比。
- 2被set up for failure,怎么熬过来的?|Marketplace 1
立正本人讲被 set up for failure 的经历,强调不要忽略环境影响。
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。