先别把“面试表现差”当成能力问题:把求职当成多轮概率游戏,用真实反馈定位卡点,同时接受一个过渡性起点,再向出海方向靠近。
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。
把面试看成概率,而不是一次定输赢
熊力在节目里算过一笔账:公司常要面4到6轮,即使每轮通过率有九成,连过几轮后拿到offer的概率也会降到五六成;但连续面几家公司,全部失败的概率会明显下降。他的结论是从数学上倒推,看哪一步能提高整体成功率,而不是“wishful thinking”地认为准备完美就必得1。立正接着指出,面试多了才会暴露自己的问题,很多人知道自己有问题,却不知道出在哪1。对你来说,这意味着面试表现不佳不必先归因于“信心不足”,更可能是某一轮、某一类问题反复失分。复盘时不妨按轮次和问题类型记录,找出最常挂的那一环。
先拿一个起点,再谈跃迁
AI推演Devin Dong 董有超给工作几年后跳槽的人的建议是:心态上千万不能急,把找工作理解成按半年甚至按年计的长期积累;有一个起点比没有起点好,哪怕先接受一个五六十的机会,也好过停在零的状态。他还说,如果已在五六十的位置,下一步可以先找加十分的地方,再拆解需要哪些公司、行业和简历项目2。这与你“薪资平衡、有过渡出海机会”的目标可以接上:不必把第一份新工作当成终点,而是把它当作进入出海业务的跳板。这是 AI 根据他的建议做的应用推演,不是他针对你的情况下的判断。
把复盘从“找自信”改成“找反馈”
AI推演熊力提到,收到拒信后仍可以坦诚地找recruiter和hiring manager聊为什么被拒,这是利用机会拿到真实反馈1。立正也说过,面试本身是沟通交流和提高自己的过程,多争取面试机会是好的;他还强调针对想去的公司做准备、用内推提高成功率,并把工作内容和你产生的impact讲好3。你已有七年产品经验,复盘时可以重点检查:项目讲述是否落到可量化的影响、是否针对目标公司的出海业务做了准备。这两点比笼统地“提升自信”更容易产生可观察的改进。
现有片段没有专门讨论产品经理转出海岗位的路径,也没有针对离职空窗三个月的具体建议;上述应用是把通用求职方法接到你的情况上,需要你结合自己的面试记录检验。《别等想辞职了,才开始面试》4谈的是在职时面试的心态,与你当前已离职的状态不完全对应,未作为主要依据。
出处
- 1刷题+海投已失效,好工作需要这三件事|Databricks招聘经理访谈 - 上
提供多轮面试的概率视角、从失败中定位问题,以及向招聘方争取真实反馈的做法。
- 2找不到理想工作的原因,与成功跳槽的三个秘诀|YC 2/3
提供工作几年后跳槽时“先有起点、再逐步加分”的策略和长期心态。
- 3如何管理两百份海投? 找工作时候要注意什么心态和方法?|Data Scientist求职3/3
提供针对目标公司准备、内推和讲好工作impact的求职要点。
- 4别等想辞职了,才开始面试
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
- 你认为机器人能像人一样思考吗?strong AI、general AI、AI consciousness可能实现吗?为什么
现有材料支持一个拆分式回答:智能可以很强,但意识是另一回事;通用机器人比通用语言模型难得多,而“像人一样思考”是否等于有意识,目前没有证据。
- 我每天都用AI很多, 也有很多自己的思考, 但是我不知道怎么转化成用户感兴趣、会订阅的自媒体产品。 因为我的思考并不一定集中在某个行业,也有点像‘立正’ 的思考方式, 很多时候是泛泛的
先别把“泛泛的思考”直接当产品。先定一个具体成功标准:你要的是大流量,还是少数精准的人愿意付费或合作;再选一个能承载你判断的窄切口。
- 立正和鸭哥如何理解 Agent、Harness、Tools、Workflow 的区别?推荐我先读哪些文章?
立正把 Agent 的核心定为调用工具、多步决策、自我迭代三点;Harness 是围绕这三点搭运行环境;Tools 是 Agent 影响外部世界的手段;Workflow 是更外围的编排,不是 Agent 的定义条件…
- 数据分析师学习什么才能不被淘汰
把重心从“会用工具”转到“能定义问题、创造业务价值、影响决策”,并把 AI 当作放大这些能力的系统来用。
- ai能很容易的建立nlp框架来分析情感或者评论主题,那我还需要学习nlp基础么?
如果目标只是跑通情感分析或评论主题,AI 确实能大幅降低门槛;但要不要学 NLP 基础,取决于你是否需要判断结果对不对、在什么场景下失效。
- 我如果要进行这个创业 我该从什么地方开始?
先别急着做产品,先想清楚谁会在什么情况下付钱、你怎么触达他们;再结合你独有的经验和理解选赛道。