Subscribe
Share
Share
Embed
课代表立正的官方Podcast
深度访谈，有用干货，亲身验证的「真本事」
Superlinear Academy创始人，Maven Top AI Instructor
前Statsig布道师（OpenAI收购），腾讯副总监，Meta，Amazon；康奈尔经济学博士
社区：Superlinear.Academy
课程：ai-builders.com
个人：lizheng.ai
我在做企业培训和跟行业的朋友交流的时候
就发现2026年很多公司
尤其是那些明星的 startup
或者说是 AI Native 的 startup
他们就会有一个专门的面试环节
叫做 AI mindset 的环节
这个环节就是用来考察候选人
是不是真的具备 AI 原生的思维
是不是真的可以跟 AI 非常有效地协作
是不是真的能把 AI 用好
那我们怎么样子在这个环节里面出彩
怎么样子拿到我们想要的
那些下一个时代的岗位呢
我在这里边给大家总结了3个框架
这个框架其实是我在
朋友身上已经使用过
并且拿到很好的结果
帮助她拿到 offer 的
因为我平时不接 mock interview
所以说这期视频就把这些框架
完整的给大家分析起来
欢迎大家自己拿去使用
在这里有一个说明啊
就是这些框架其实
大多数针对的是非程序员
对于程序员来说有一个更高的要求
也就是说这个框架针对的是
设计师、Data Scientist、PM、Data Analyst
或者 Marketing Project Manager 这样的职位
对于程序员的话
他们其实硅谷现在的热词叫做 Conductor
其实就是我们所说的 AI Architect
如果大家去看我们的胜任力模型的话
AI Architect 的关键词是 orchestration
Conductor 也是 orchestration
就是这个编排这个词而来的
那我们关于程序员的面试要求
我们可以未来再说
今天我们就来解读一下
非程序员的 AI Native mindset
到底要怎么证明你很厉害
在这里边给大家分了三个点
每个点的开始都是
“我不只是会用 AI，我还能：...”
因为在今天这个时代啊
就是你说我用过 Cursor
我用过 Claude Code
它不构成一个竞争优势
所以说你要去说
你除了用这些之外
你到底有什么 AI 原生的思维方式
才能打动面试官
那这三个思维方式分别是
我还能用 AI 做出更真实的东西
我能在新的协作方式里边
更高效的工作
和我能把我的判断力教给 AI
我一个一个来拆解啊
然后绝大多数人其实大家会发现
根本连第一层都没有跨过
所以说你如果能把这3层掌握
在工作中和 side project 中积累足够的案例
那我相信你拿下这样的面试是完全不成问题的
甚至他因为你这个面试表现的太好
还可以弥补你其他环节的一些不够优秀的点
因为企业对这样的人才
实在是太求贤若渴了
那第一点
什么叫做我不只是会用 AI
还能用 AI 去做出更真实的东西呢
这里边的原理是我采访 RYO 的时候
他的思想
对于 RYO 这样的一个设计师来说啊
他讲他为什么放弃了 Figma 而去用 Cursor 了
因为我们去做软件的
building material 就是代码
而不是像素
这个像素其实只不过是
我们对这个软件的一个视觉上的切片
而这个软件的本身其实是代码
这个软件本身是深的
是有交互的
是动态的
所以说你通过代码才能
更逼近这个软件的真实
那一个好的设计师当然不能
满足于只在视觉上去看这个软件
因为那样看出来的东西
永远是一个假的东西
他要去真正的去走进这个 building material
走进 code
才能更真实的去面向这个软件
大家可以想象啊
这个是对于设计师来说的
那你对于 PM
对于 Data Scientist 来说也是这个样子
如果大家去我的 App Super Linear Academy 里边
有一个免费的公开课
其中有一个呢
就是我跟鸭哥跟
Pinterest 全公司的 DS 做了一个讲座和 Demo
那里边我们就专门讲了
Data Scientist 们是怎么样子
可以更好地使用 AI
去得到更真实的洞见
去更逼近 truth 的
如果说 Data Scientist
你想就这个环节的细节进行准备的话
我非常推荐你去看那期免费的公开课
那个讲座本身在 Pinterest
也是非常受到好评
那大家看到了吗
在这一层
你所体现的素质
不光是你会用 AI 这么简单
而是你对真实
对这个业务本身的追求
对消费者的真实体验的关心
这个点其实才是那个真正
非常打动面试官的那个点
然后这一层看起来简单啊
但是我所遇到的大多数人
尤其是比如说一个设计师
他是没有去用 Cursor 的
然后他是没有去真的去看代码的
所以说用起来
然后已经打败了更多人了
更不要说你还有一个更深层次的
非常加分的思考
那就是求真而不只是求快
第二点一个 AI Native 的人
一定是可以在一个 AI Native 的组织
去发挥更高的效果的
那你就要知道一个 AI Native 的组织
到底是怎么运转的
这个其实大家去看 RYO 的那个访谈里边
我有专门的去问
然后他有专门的回答
拿一个设计师来说吧
之前的设计师他需要
去在 Figma 里边 Ctrl + D 是吧
然后去做出来无数的分支
然后最后形成一个他觉得看着不错的 mock
然后去跟程序员开会
然后开会对完了以后
程序员去把这个东西做出来
做完了以后基本上这个东西就不会再改变了
但是在 AI Native 的组织里边
程序员第一天就直接
跟设计师坐在一起
然后设计师直接和程序员
一起通过这些 AI coding 的工具
把第一个原型直接做出来
然后他们基于这个真实的原型上
一起去修改
那设计师在这里边可能提供
的是那些非常精确的 prompt
以及他对这件事情的审美
他对这件事情的审核
那程序员提供的就是 Architect
就是 Conductor
程序员可以使用 agents 更高效更可控的
把设计师的意图给实现出来
那对于 Data Scientist 们也是的
他要能跟程序员坐在一起
用最高效的方式去最快的
比如说什么地方该有 logging
然后我在什么地方
需要进行比较好的观测
我怎么样子去设置我们的实验
怎么样子用比较快的时间
我可以把这个实验给做出来
我在这个东西上线的过程中
我要去 set up 什么样的 dashboard
什么样的 monitoring
如果我要去优化 funnel 的话
我要展开哪些层次
我的业务的核心到底在这个时候应该
是 retention 还是 adoption 等等等等的话题
他不光要想到
而且他能更快的跟这个程序员一起去做出来
那最后达到的效果有两个
第一个就是把时间大大加速了
像之前那样的一个设计流程
可能一个周
两个周才能把一个东西实现出来
而现在真的是5分钟就可以
把这个东西实现出来了
这是第一速度
第二呢就是真实的迭代
其实真正做过产品的人都知道
我们脑子中想象的 hypothesis 80%都是错的
我之前在讲 A/B 实验的那个视频里边
有专门讲这个话题
就是我们人其实是非常不善于
预测真实世界用户到底在发生什么
和用户怎么看待我们做的这件事情的
我们需要用一个真实的原型
去尽早的给到用户
然后尽早的在真实的原型上进行迭代
所以说之前和之后的做法
不光是快
而且是我们是基于这个原型
去在这个原型上迭代了10次
迭代了20次
它给了我们很多的机会
在真实的世界里边往正确的方向去迭代
而不仅仅是快这么简单
那这背后其实相对于
第一层就是一个更大的变化
它是整个组织的变化
这里边的分工都是变化的
也就是说整个小团队
那一个 AI Native 的组织
它其实是一个小团队
这个小团队加起来一定是
end to end own 一个产品
只有 end to end own 一个产品的话
他们这个飞轮才是闭环的
然后他们才可以更快的转起来
那在这里边
不同的角色应该提供的
是他们不同的 expertise
比如说设计师提供的是审美
数据同学提供的是观测
对数据的直觉和对增长的理解
那 PM 提供的可能是一个对用户的同理
和他对整个项目的一个 vision
然后工程师提供的是 Conductor、Architecture
怎么样子最有效的调度这些 agents
让他们的一致性是好的
不 hallucinate
怎么样子有效的把 context 提炼出来
并且有效的提供给 AI
让 AI 可以更高效的运转
让每个人的杠杆都可以放大
所以说第二层
那第三点就是我不光会使用 AI
还会把判断力交给 AI
比如说一个 Designer
它会有很多的 design system
那你能不能把这个 design system
写成 AI 可以理解的程度
然后用类似于 skill 或者
context management system 的方式去教给 AI
从而让 AI 在做一件事情的时候
天然就是 respect 你们公司的 brand guideline
respect 你们公司的 design system 的
那一个数据科学家
你能不能把
我们公司现在的工作
用一个尽量可量化的方式去衡量下来
把你平时分析数据的
这一套用 skills 给 AI
让 AI 它在做这件事情的时候
自然而然的就可以观测很多东西
以及可能可以基于真实数据去进行有效的迭代
对于 PM 来说
可能它是一个决策框架
用户洞察和优先级判断
这些东西如果说它一直存在在人脑
然后存在在大家的感觉之中
它其实是很难放大的
那用人单位
它在招 AI Native 的人的时候
它就希望 AI 可以尽量的放大人类的杠杆
它就需要一个人能把自己
脑子中的这些隐性知识
这些 tacit information
转化成显性知识
转化成 AI 可以直接拿去用的
显性知识
如果大家能把这些东西表达得越清楚
然后把它转化成技能、模板、上下文
AI 就越有可能去放大人类的杠杆
所以说综合来看啊
大家可以看到就是
这种真正 AI Native 的组织
它要的不是个人的能力突出
而是要个人和团队和 AI 一起
可以跑得快跑得远跑得正确
那上一代公司关心的
可能是你进来了以后
你每天能出多少张图
你能做多少个分析
现在的新公司关心的就是
你加入了以后
能不能给我们整个系统持续的带来复利
好的以上就是整个面试的框架
然后我在这里边也跟大家提醒一下啊
就是面试的框架只能帮助你
更好的叙述你已有的内容
它没有办法提高你已有的内容
提高你已有的内容
一定要在你现在的工作
或者说你的 side projects 里边去提高
你在现在的工作中
就要主动的去寻找这样的机会
去用更好的方式去做
当然我们通过企业培训也发现啊
就是现在很多公司的观念还是非常落后的
就是你的老板
或者说你的 Director 都没有想清楚这些点
他就更加没有办法去 appreciate
有这样 AI Native mindset 的人
也没有办法给你提供相应的机会
那这个时候你可能一个
有效的做法就是你自己去
做一个比较深度的 side project
如果说你觉得做一个
很深度的 AI 项目不行的话
那我建议啊
你花10分钟去看一下
我们 AI Architect 学员的项目
他们这里边我收集了55个项目
然后我放出来在微信群里边
这是一个很有行业经验的人说
他看到了这些项目以后
觉得他们的平均质量都非常的高
甚至乍一看像是 YC Demo Day
如果你真的花十分钟去看的话
你会发现这55个项目
每一个项目都是非常独特的
他们都是跟着自己的需求来
而且做的都是非常深
然后每一个项目他们大家都
把自己遇到的技术挑战
和怎么克服这些技术挑战
非常完整的进行了分享
那为什么大家可以做到呢
就是因为我们这门课设计的好
说实话就是因为我们这门课质量高
然后给大家设计了非常完整
的方法理念和具体的做法
所以说大家根据我们的课程
就可以自己想出来这些 idea
并且把它实现出来
那如果你想做这样的一个项目
但是不知道如何开始的话
欢迎直接去购买我们课程
guarantee you
就是你如果把这个课程上完
就像我们这55位同学一样
把它上完了以后
你就能做出来一个这么深度
这么有意思
然后你从头到尾都能把它讲得非常清楚的项目
那最后我要跟大家说啊
就是我会用 AI
我把 AI 当成一个工具
我去把 AI 当成一个搜索引擎
我的 prompt 是有花活的
或者说我会使用这个工具
会使用那个工具
那些东西真的在这个时代
是不构成核心竞争力的
那这个很多人还把 AI 当成一个点
当成一个临时调用的工具
但其实 AI 背后就是这样的 mindsets
就是这样的 Architecture
它是一整套全新的
工作方式和组织方式
只有你去深刻地理解了
用 AI 原生去产生生产力的方法
你才是一个在这个时代
有真正竞争力的人
那好希望这期视频把这些点都说清楚了
希望可以帮助大家更早的
知道自己要做什么样的行动
去成为一个下一个时代有竞争力的人
那这视频就到这
我们下期再见拜拜