不必把两种工作当成二选一:更稳的做法是先练出“看清取舍、判断得失”的能力,再决定要不要进入需要自我判断的岗位。
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。
对错型工作提供清晰计分牌,但也会让人停在计分牌里
材料里的观点立正提到,学校、论文、终身教职这类外部评价体系像“非常明确的计分牌”,身处其中会感到安慰,因为只需知道怎么发好论文;后来才发现需要自己想清楚要什么1。郑昌熙也认为,有指标本身是好事,没有指标反而可能更迷茫,关键在于指标不是单一的、也不是静止的,需要随阶段调整1。这说明流程明确、对错清楚的工作并非没有价值:它降低判断成本,也给出可核对的反馈。风险在于,长期只按外部计分牌行动,可能把“熟悉这个领域”误当成“真正感兴趣”,郑昌熙谈到学生兴趣时正是这个意思1。
得失判断不是放弃对错,而是先看清取舍条件
立正讲工程师或资深同学面对方案时,会先问背后做了哪些取舍、限制来自钱、技术、人力还是组织结构,再判断哪里可以近一点、哪里必然要牺牲一点2。他还举过一个数据科学团队的例子:业务方想要结果A,分析师做出结果B,他建议先看清这次合作在更大组织里扮演什么角色,再决定怎样保留专业判断、把信息给到该做决定的人3。按他的说法,这不是不要诚实或专业度,而是先意识到专业价值是更大事情中的一部分,并适可而止3。所以“自我判断得失”的核心能力,是识别约束和权衡,而不是简单地变得世故。
把选择变成一个可检验的过渡
AI推演如果你现在更熟悉有流程、有对错的工作,不必立刻跳到完全靠自我判断的岗位。可以先在现有工作里做一次小练习:挑一个近期决定,写下当时有哪些明面或暗面的限制、谁承担后果、你保留了哪些专业底线2,3。这能检验你是否愿意且能够做取舍判断。立正还提出,可以先主动找到那10%高价值的工作,用高价值工作挤走低价值工作;他认为这样能在以低价值工作为主的环境里多做一些有意义的事4,5。这可以当作过渡策略:先在可控范围内练习判断,再决定是否把“自我判断得失”变成主要工作内容。
这些材料主要谈职场中的取舍、指标和高价值工作,没有直接比较两类岗位的长期收入、稳定性或行业差异;涉及你个人能力、家庭约束和风险承受度的部分,资料无法替你判断。
出处
- 1李飞飞收购郑昌熙:有生之年,我们可能看不到通用机器人出现
讨论外部计分牌的安慰与局限,以及指标需要随阶段调整。
- 2成熟打工人,多谈得失,少谈对错
说明做决定前先看限制条件和取舍,是“判断得失”的具体方法。
- 3杨天楠:看似体面的工作,实则都是在表演?
用数据科学团队案例展示专业判断与组织角色之间的权衡。
- 4第12课|10%的工作是有意义的 —— 工作如何抓主线?
提供用高价值工作挤走低价值工作的可操作思路。
- 5如何找到10%高价值工作,降维打击内卷?
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
- 你怎么看这样一个观念?
我们应该去做一些有对于错的工作, 而不是那些过度需要自己判断的工作。 因为自己判断和客户的反馈往往会很难对接,很难摸索出一个确切的结果。 然而有明确工作流程和准则的工作工作起来会相对舒服一些,减少纠结的苦恼
这个观念抓住了一部分真实:有明确准则的工作确实少纠结。但它把“舒服”当成选工作的标准,可能反而让你避开真正有价值、也真正需要判断的工作。
- 立正本人目前使用的 Codex 是哪个 ChatGPT 套餐或 plan(例如 Plus、Pro 或其他)?请依据公开材料回答;如果没有直接证据,请明确说无法确认。
无法确认。公开片段里,立正只说了自己几乎不打开 ChatGPT、遇到问题更常去问 Codex,并提到两者 token 单独结算;但没有说他用的是哪个 ChatGPT 套餐。
- 你现在有什么推荐的股票吗
没有。提供的材料里,立正没有推荐任何具体股票;他讲的恰恰是为什么“好公司会涨”这类选股理由未必站得住。
- 能用Html写程序吗?
可以。HTML 本身就能写网页程序;资料里李森提到自己当年就是学 HTML、CSS 做静态页面,再用 Dreamweaver 手动更新。
- 那么这个大项目我还在建设中,它对于边界和判定标准一直是说了后面忘了前面。怎么处理
把边界和判定标准写进一份可修改的规则文档,每次出错就补一条“错在哪、为什么”,而不是靠记忆反复重讲。
- 金融风控建模是一个有前景的方向吗
现有材料没有直接讨论金融风控建模,无法据此判断它是否有前景;能借用的只是两条通用判断:模型适合替代已有清晰规则和标签的重复决策,以及应把精力投向高价值、难被替代的问题。