你测的不是“一键直出好不好”,而是“用户只给一段故事时,产品能否稳定产出他愿意用的视频”。把脑中想法写成验收标准,再逐项对照输出,你的困惑就会变成可提的改进意见。
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。
先把你的隐性标准写出来,再测产品
AI推演你面对文章时“脑中有想法”,这些想法正是产品的验收标准,只是还没写下来。立正把这类东西称为隐性知识:审美偏好、判断原则、过去的取舍、验收标准全在脑子里,AI 不知道,产出就“差点意思”。他给的方法是先把风格偏好、受众画像、原则、案例写成文档,再为具体任务精选背景信息,并清楚定义“做到什么算对”,而不是遥控每一步1。对你来说,就是把“我看完这段故事,期待看到什么样的片子”拆成可勾选的条目:故事有没有讲清、画面是否贴合文字、节奏是否拖、人物是否一致、结尾是否成立。这是 AI 基于该方法的推演,不是原文针对测试岗位的处方。
一键直出不是问题,问题在demo和production之间
一键直出降低门槛本身没问题。立正说,从能跑的demo到能被真实业务长期依赖的production system之间有一道鸿沟,大部分复杂度要等真实用户开始使用后才显形;AI只是让人更快走到鸿沟边上2。你的测试正是在替公司看这道鸿沟:同一段故事,换题材、换长度、换用户,输出还稳不稳。微软CoreAI副总裁Marco Casalaina也提到,AI需要格外长的试点期,让真实用户使用、认真收集反馈,再把反馈纳入评分标准,检验系统是否符合用户真正想要的行为3。这可以解释为什么你的岗位必须存在,但它是嘉宾的判断,不是立正的表态。
把“手脚被绑”改成“先猜后比”
AI推演你觉得被捆绑,是因为一键直出跳过了你本来会做的判断。立正建议先自己写下打算怎么做、觉得哪里会出错,再看AI的结果;错了才有得学。他还建议撤掉帮助重做一遍、换一个条件再看还会不会4。落到测试上:拿到故事,先花几分钟写下你预期的分镜和关键画面,再点一键生成,逐条对照差异。差异处就是你的意见来源——“这里我预期是近景,产品给了远景,因为提示词没覆盖情绪”比“感觉不太好”有用得多。这是 AI 把学习方法转成测试流程的应用,原文并非在讲产品测试。
提供的材料没有专门讲AI短片产品或测试岗位的方法,以上流程是依据通用原则作的推演。《AI在大企业中的应用才刚刚开始,人才供不应求?》3中关于试点期和评分标准的判断来自Marco Casalaina,不是立正本人的观点;《AI时代,“精英阶层”正在如何重构教育?》5、《EP14》6、《假工作的终结:AI让它先爆炸,再贬值》7的说话人标注为声纹或文字匹配,未经逐字听校,本回答未依赖其具体措辞。
出处
- 1AI 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
解释隐性标准为何没传给AI,并给出文档先行、精选上下文、结果导向三条方法。
- 2Don't build: 看清demo和production之间的鸿沟
说明demo与production之间的鸿沟,帮你理解测试要覆盖什么。
- 3AI在大企业中的应用才刚刚开始,人才供不应求?|对话微软CoreAI副总裁Marco Casalaina
嘉宾讲试点期与把用户反馈纳入评分标准,可作测试流程的背景。
- 4假学习的终结
提供先自己猜、再对照AI结果的具体做法,可直接改成测试步骤。
- 5AI时代,“精英阶层”正在如何重构教育?
可回到原文核对这部分判断
- 6EP14:对话课代表立正:AI时代下,后悔没早点离开职场
可回到原文核对这部分判断
- 7假工作的终结:AI让它先爆炸,再贬值|做客刘润读书会
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。