真正的差距不在“有没有用 AI”,而在能否把它变成稳定、可复用、持续改进的工作系统,并用真实成果证明价值。
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。
从比较工具,转向拆解和诊断任务
立正认为,初学者常问哪个模型最强,高手则先判断任务,再选择模型、工具和流程;结果不好时,不只抱怨 AI,而是定位上下文、指令或任务拆解哪里出了问题。他把关键动作概括为管理、拆解、判断、路由、诊断和沉淀1,2。因此,同样使用 AI,差距会体现在能否稳定推进复杂项目,而不是会多少提示词或追了多少新工具2,3。
把每次使用沉淀成自己的基础设施
AI推演一次做得好不构成壁垒;可复用的上下文、模板和工作流程才可能产生复利。可把长期偏好与标准、项目资料、需要更新的信息分层保存,并为反复出现的任务建立经过验证的模板;每次使用后再修正4。先选一个高频、较标准化的任务迁移给 AI,跑稳定后再扩展,比试图一次改造全部工作更可控4。
用项目成果而不是“会用 AI”建立辨识度
AI推演立正明确说,把 AI 当搜索引擎、会提示词花活或会若干工具,本身不构成核心竞争力;更重要的是围绕真实需求做深项目,并能讲清遇到的技术挑战和解决过程3。你可以选一个与本职工作直接相关的问题,记录基线、工作流、失败诊断和最终结果。若成果确实帮助了合作方,再让相关方把你的具体贡献反馈给主管;这是他在职场脱颖而出问题上给出的做法5。
这些原文提供的是通用方法;具体该自动化什么、如何衡量优势,仍取决于你的岗位、评价标准和可使用的数据权限。
出处
- 1AI已经用得很好,为什么还是怕被淘汰?
可回到原文核对这部分判断
- 2AI的正确打开方式:不学概念,学动作
解释高手与普通用户在任务选择、诊断和沉淀动作上的差别。
- 3AI时代的面试,三件事让公司对我求贤若渴?
直接区分工具熟练度与可展示的深度项目能力。
- 4AI 用得好的人与普通人的5个差距,和背后具体技术原因|非技术岗位版
具体说明如何用上下文、模板和渐进式迁移形成系统复利。
- 5如何在众多同事中脱颖而出?|工作标签
补充如何让真实贡献被组织中的评价者看见。
追问2026年11月7日
在中国,尤其是当今AI剧烈发展下,企业招人似乎变成了学历筛选,他们认为简历可能有水分,但是第一学历是985却能精准证明这个人是聪明人,那在这种情况下,想要继续往上爬,但学历不好的人的出路在哪里?
学历筛选是真实存在的门槛,但它主要卡在入口;越往上走,判断标准越从“你被谁筛过”转向“你能做出什么、解决什么问题”。学历不好的人,出路不是硬补学历,而是绕到能积累真实成果的赛道上。
学历卡的是入口,不是天花板
立正把高校和大厂看成同一套“优绩主义游戏”:好好学习、做别人做不到的难题,就能获得认可和升职;但升到某个层级之后,规则换成“真实世界”的规则——价值、机会和不确定性,跟努力程度、事情难不难不再直接挂钩1。他提到,很多人到天花板才开始抱怨社会,然后发现“学校那套东西是假的”1。按这个框架,第一学历在简历筛选中确实好用,因为它是一个便宜、可核对的信号;但它证明的是“你曾经在考试游戏里赢过”,不是“你能在真实问题里创造价值”。这是 AI 对材料的综合,不是立正对学历问题的直接表态。
往上走,看的是识别价值和做出结果
立正说,识别价值的能力比努力的能力重要得多,穿透不确定性的能力比在确定环境里拿结果重要得多;社会机会不均匀,在有价值的机会上努力,收获会高很多2。他还批评“怎么把过去学到的东西用上”这种思维:那是在做有约束的优化,而应该做无约束的优化,不要被过去的路径套死2。对学历不占优的人,这直接意味着:与其纠结“我的背景配不配”,不如去找那些还在看作品、看结果、看你能不能解决问题的入口。
AI 时代可操作的绕行路径
AI推演立正写道,拿到 offer 靠积累,不靠叙事框架;框架只能重组你已有的东西,没有真实项目,框架是空的。他建议没有机会做项目的人,用几个周末做一个真实、够深、能讲完整过程的小项目3。他还说,拉开差距的不是“会不会用某个产品”,而是能否用 AI 做出更真实的结果、在新的协作方式里工作、把判断力沉淀成系统3。另一篇里他强调,有效路径不是“先完全学会再使用”,而是先迁移一两个高频任务、沉淀第一次成功经验,再逐步升级4。访谈中 Ethan 的判断被转述为:有 GitHub 且项目像样的应届生可能不到 3% 到 5%;立正补充说,认真按 job post 写申请的人可能已超过 98%,Ethan 认同这个判断5。这些是嘉宾和作者的观察,不是对招聘市场的统计证明。
提供的材料没有讨论中国企业的学历筛选机制,也没有数据证明“第一学历 985 等于聪明人”这一招聘假设;以上是把立正关于优绩主义游戏、价值识别和项目积累的论述用于这个问题,属于 AI 的推演。
出处
- 1118. 从「象牙塔」到「真本事」,AI时代如何打造个人价值|课代表立正
立正区分高校/大厂的优绩主义游戏与真实世界规则,是理解“学历筛选为何卡在入口”的核心。
- 2118. 从「象牙塔」到「真本事」,AI时代如何打造个人价值|课代表立正
立正谈识别价值、穿透不确定性和不要被过去路径套死,直接支撑“绕行”思路。
- 32026,如何在面试中证明自己"真的懂AI"
说明项目经历在先、表达框架在后,给出可操作的积累方向。
- 4AI 用得好的人与普通人的5个差距,和背后具体技术原因|非技术岗位版
可回到原文核对这部分判断
- 5AI时代,找工作和创业的有效方法|Jobright联创/CTO Ethan对话
提供招聘端对真实项目稀缺程度的观察,帮助校准焦虑。
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
- 最近用ai用的很一般,也不晓得是提示词问题还是怎么样,不确定ai给的东西是不是最优解,leader和pm用ai产出就很好,大家都是用同一个工具的
同一工具下,产出差距更可能来自上下文、验收标准和迭代方式,而不只是提示词。leader和pm的优势往往是把隐性标准写清楚、让AI能反复调用。
- 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。