先别在A、B、C里定终身;以创业为目标,优先选能让你对真实需求、试点和验收结果负责的那一个。若A能拿到这种授权,它比B更贴近你要练的本事;拿不到,就选C或B中能接触真实客户与交付结果的那个。
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。
排序是AI推演,不是立正推荐
以下排序是我根据你的目标和立正公开文章做的推演,不是立正本人对这三个岗位的推荐。立正没有谈过A、B、C这三个具体岗位。
推演排序:A(若能亲自做需求判断、组织试点并对验收收益负责)> C(若能拿到从需求到验收的完整授权)> B(若能参与方案决策,而不只是救火)> A(若只是调研写材料)≈ B(若只是现场救火)。
理由来自立正对“创业本质”的界定:拥有用户、定价权、现金流和反馈循环,直接为真实需求负责;市场只认价值,不认辛苦1。按这个标准,A的“对验收收益负责”最接近为结果负责,C的端到端项目次之,B的现场调优只有在能决定方案时才算。三个岗位的授权都还没核实,所以这个排序是待验证的假设,不是结论。
大公司能练的,和必须另补的
AI推演立正的文章里,大公司这段工资期最合理的用法是“leverage”:用还在到账的工资、公司资源、积累的context和关系,给自己建立第二个支点,而不是冲动扔掉2。对应到你:A能练需求筛选、跨团队拉通、组织试点;C能练完整交付和验收;B能练真实集群和模型上的诊断。这些是创业要用的能力。
但主动获客、定价、回款很难只靠内部岗位练到。立正说,AI不会替你拥有客户、承担口碑、建立信任,也不会替你面对供给、履约、复购和定价,这些是人的事1。他还建议先建立一条不经过老板结算的现金信号,哪怕只是第一个愿意付几百块钱的用户2。所以这部分要另补,不能指望岗位自动给你。
两周内不辞职的最小行动
AI推演立正给过一个可操作的提问框架:把事实和解释分开,写清目标、现状、试过什么、限制,再单独写“我目前认为卡点是……”,把它当作待检查的解释;然后带着处境问一个会影响选择的问题;最后把答案变成一次小验证,再带结果回来3。他还提醒,第一版真实东西会暴露你原来没想到的工作,discovery和ownership不会被AI压缩掉4。
据此,两周内可以这样做(这是AI应用,不是立正指定动作):用你现有的光电制造或标定经验,找一个你工作中接触过的外部供应商、客户或同行,做一次30分钟的需求访谈,问他们现在哪个环节最费人、最愿意为哪种结果付钱。访谈后写一页:对方原话、你原来的假设、哪条被推翻。这不等于获客,但能拿到一次真实客户反馈。
向岗位负责人最值得问的三个问题:1)这个岗位的人能否自己决定试点范围和对验收收益负责,还是只提建议?2)过去一年有没有人从需求走到验收并对外部客户交付,结果如何?3)方案决策权在谁手里,我能否参与定价或商务条款的讨论?
立正公开文章没有讨论A、B、C这三个具体岗位,也没有给出“先选哪个岗位”的排序;上面的排序和两周行动是AI基于其创业观做的推演。三个岗位的实际授权、决策权和验收责任都还未核实,需要你向负责人确认后才能定。
出处
- 1AI时代,大厂打工人的五条路
立正对创业本质的界定:拥有用户、定价权、现金流和反馈循环,直接为真实需求负责。
- 2年薪20万到300万,却越来越不敢停下来:高收入打工人的高配困局
立正谈大公司工资期如何leverage,以及建立不经过老板结算的现金信号。
- 3为什么别人的好建议,到你这里就用不上?
立正给的可操作提问框架:区分事实与解释,把答案变成小验证。
- 4Don't build: 看清demo和production之间的鸿沟
立正谈discovery和ownership不会被AI压缩,第一版真实东西会暴露没想到的工作。
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。