我是一个想转行到ai领域的非技术背景的人,原来职业经历偏向咨询。我日常是在个人目标管理、自媒体中用到ai,都是个人的业务。但是求职转行的话,我意识到需要有真实的业务场景,但是我缺少这样的业务场景,有什么办法呢?

提问

AI根据立正公开的文章和视频整理,不是他本人回复

缺少“公司里的业务场景”不必然卡住转行:立正更看重你能拿出什么可验证的产出,而深度 side project 可以部分替代公司场景,前提是它解决真实需求、能持续带来复利。

面试看的是你能带来什么复利

立正提到,新公司关心的重点已经从“你一天能做多少张图、多少份分析”,转向“你加入后能不能让整个系统持续产生复利”⁠1。这意味着招聘方要判断的是你能否把 AI 接进一条真实的工作流,并让它越用越顺,而不只是你会不会用几个工具。咨询背景在这里未必是劣势:你熟悉的是拆问题、定标准、跟客户对齐预期,这些恰好是让 AI 产出可用的上游环节。缺少公司场景时,可以先用一个你真正在做的个人业务当试验田,看 AI 接管执行后,你的产出频率和交付质量有没有实际变化。

深度 side project 能补一部分场景

AI推演

立正也承认,很多公司自己还没想清楚怎么用 AI,老板未必给你机会,这时一个有效的做法是自己做一个比较深的 side project⁠1。他举的学员项目特点是各自跟着自己的真实需求走,而不是套模板⁠1。所以“真实业务场景”不一定非得是雇主给的:你日常做目标管理和自媒体,本身就是有用户、有反馈、有验收标准的业务。把它做深——比如让 AI 承担其中一整段流程并沉淀成可复用的方法——比再做一个 demo 更能说明问题。要注意的是,这只能补上“能做出东西”这一半,行业理解和团队协作的经验仍需另外积累。

先想清楚要放大什么再动手

立正主张先定方向再说第一步,方向要从自己的处境里找,并且把“成功”说具体⁠2。放到转行上,可以先问自己:你想让招聘方看到的是“会用 AI 的咨询人”,还是“能把 AI 落进业务流程的人”?这两种定位对应不同的项目选择和简历叙事。他也提醒,别人的做法有效往往依赖其过去积累的条件,照搬结论而不带走条件容易出错⁠3。所以看别人转行成功的案例时,值得追问对方当时有哪些资源、放弃了什么。

现有片段没有专门讨论非技术背景转 AI 岗的路径,也没有涉及具体岗位类型(产品、运营、解决方案等)的差异;上述判断是从面试与 side project 的通用说法推出来的。

回到3份原文

怎么判断一个 side project 已经“够深”,可以写进简历?

追问

AI根据立正公开的文章和视频整理,不是他本人回复

判断标准不在项目做了多久或技术多复杂,而在它是否解决了别人真实的需求、产出了可被外人判断的成果;只有玩具级 demo 通常不够。

够深的标准是别人能据此判断你

立正讲简历时强调,简历要证明的是你能适应那份工作的能力,所以含金量来自真实场景里解决的问题,而不是几小时就能搭出来的 demo;他甚至说,自己主动给餐馆做流程自动化这类经历,比一个随手做的项目更有分量⁠1。他后来也提到,玩具项目在这个阶段已经不够,要真的做出有用的产品,但可以用玩具项目先确认需求是否有效⁠2。放到 side project 上,判断“够深”可以看三点:需求是不是真实存在、有没有别人(用户、合作方、雇主)实际用过或认可、你能不能讲清自己在其中做了什么判断和取舍。只有你自己在用、只有功能演示,通常还停在验证阶段。

把项目变成别人看得见的作品

立正认为简历本身在贬值,公开可见的作品集在升值,包括你写的技术文章、做过的项目、自媒体和代码仓库,别人通过这些能判断你是什么样的人⁠3。他也提到,第一版、不完整的版本都可以发,重要的是你确实做了什么,并愿意把真实情况讲清楚,包括没成功的尝试和卡点⁠4。所以“够深”也可以反过来检验:你能不能把它写成一段让陌生读者看懂问题、做法和结果的说明。如果写出来只剩技术名词堆砌,说明深度还没落到可判断的成果上。

按目标岗位倒推需要多深

AI推演

立正讲个人价值时把路径拆成了解市场、打造产品、利用杠杆三步,其中打造产品要区分投入、产出和成果,从产出走到成果的关键是让它真正走向市场⁠5。对应到你的转行处境:先看目标岗位的招聘描述要什么,再判断你的项目是否覆盖了那类问题的解决过程。如果岗位看重的是在真实约束下做判断,一个只有个人使用场景的项目可能不够;如果岗位看重的是能独立做出可用工具,一个有真实用户的小产品就够用。这个判断依赖具体岗位,不能一概而论。

材料没有给出“够深”的统一量化标准,具体门槛仍取决于目标岗位和招聘方的判断。

回到5份原文

非技术背景转 AI,哪些项目类型更容易被雇主认可?

追问

AI根据立正公开的文章和视频整理,不是他本人回复

更容易被雇主认可的是从真实工作摩擦出发、AI 在产品运行中真正承担任务的项目,而不是用 AI 写代码做出来的普通工具;咨询背景可以变成选题优势。

AI 在运行时干活的项目更被认可

材料里的观点

立正区分了两件事:开发时用 AI 帮你写代码,和用户使用时 AI 在系统里读上下文、判断、调用工具、执行并纠错。前者只是 AI 辅助开发,后者才算 AI 产品⁠1。他判断,公司招人时会越来越用这类问题考察对 AI 的驾驭能力⁠1。所以项目类型上,一个能读取输入、调用工具、走完一段流程、最后交出可用结果的助手,比一个只会对话回答的问答页更有说服力。Ethan 在求职访谈里也把“能把 AI 放进真实工作流、用 AI 闭环”说成公司想要的能力,并提到有真实项目、真实提交记录的公开主页是强信号⁠2。

从真实摩擦出发的项目才讲得出深度

立正观察学员项目时提到,很多项目能做到较高复杂度,不是因为炫技,而是从真实生活和工作摩擦出发,比如周报、邮件、求职、知识沉淀这类场景,天然要求系统理解上下文、持续积累、输出可用结果⁠3。他也说,面试的表达框架只能帮你重组已有经历,提高不了经历本身,深度项目要在现有工作或 side project 里做出来⁠4。对咨询背景的人来说,可迁移的方向可能是把一类反复出现的分析、访谈整理、方案对比做成有流程、有验收标准的工具,而不是再做一个通用聊天助手。这能否被认可,取决于它是否解决了别人真实的需求、产出能被外人判断⁠5。

这些材料给的是项目深度与求职信号的判断,没有具体行业或岗位的招聘偏好数据;实际认可度还取决于目标岗位。

回到5份原文

1 超线性学院 2026-04-25

AI产品的六个层次 ↗

区分 AI 辅助开发与 AI 运行时,是判断项目类型的第一把尺子。