把 demo 当成一次“展示你怎么做事”的机会,而不是“证明你能做出产品”。交付一个能打开的小东西,加上过程记录和复盘,比堆功能更能被看懂。
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。
先问清楚 demo 要证明什么
材料里的观点面试后的 demo 通常不是要你交付产品,而是看你怎么把模糊需求变成可检验的小步。立正写过一个观察:招聘方要找的不是只会做 demo 的人,而是已经把 AI 融入具体工作、能带回真实业务的人1。所以动手前值得问对方一句:这个 demo 主要想看哪方面——是判断需求、用 AI 的熟练度,还是对边界的理解?问清楚不算失分,反而说明你在意目标。
小任务加过程记录,比大而全更有信息量
材料里的观点立正给过一套筛选方法:给一组高质量输入和一个足够具体的小产出,一周后看带回来什么。任务不需要大,越大越容易变成考察资源和时间。交付物有三样:一个可打开、可运行、可阅读的东西;一份简短记录,写你怎么做、遇到什么问题、AI 犯过什么错、你怎么修正;一次复盘,如果再做一遍会怎么改工作流2。这套标准是招聘方用来判断候选人的,你反过来照着准备,正好对上他们想看的东西。
把 demo 和产品分开,别承诺你维护不了的东西
AI推演立正区分过:demo 只需要在展示的那一刻是对的,产品要在现实不断变化时一直是对的;前面的 90% 是 demo,最后的 10% 才是产品,之后还有 ownership3。他还提醒,最危险的项目是你完全有能力做出来、却不值得长期拥有的那种3。放到这次 demo 上,这是 AI 的综合判断:把范围收在“能演示清楚一个核心任务”即可,不必顺手把账号、支付、权限这类基础设施也搭一遍;如果对方期待的是产品级交付,那要在开始前谈清楚边界和投入。
现有片段没有说明这次 demo 的具体题目、时限和对方身份,所以无法判断它更接近“小任务考察”还是“产品级试工”;上面的范围建议需要你按实际情况调整。
出处
- 12026,如何在面试中证明自己"真的懂AI"
说明面试方想看的不是只会做 demo 的人,而是能把 AI 带回业务的人。
- 2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?
给出小任务的具体交付物:可运行的东西、过程记录、复盘。
- 3Don't build: 看清demo和production之间的鸿沟
解释 demo 与产品的差别,以及维护成本该不该由你承担。
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。