---
author: 课代表立正
date: '2026-05-20'
guest: ''
layout: post.njk
source: https://www.youtube.com/watch?v=MTE6gpw8fqA
speaker: 课代表立正
tags:
  - ai-native-mindset
  - collaboration
  - ai-architect
  - product-development
  - innovation
title: AI时代的岗位竞争力：如何构建AI原生的思维框架
summary: 本文总结了AI Native初创公司在面试中考察AI思维的三大维度：利用AI追求真实、重构协作流程以及将个人判断力转化为AI能力。作者强调，仅会使用工具不构成竞争力，真正的优势在于深刻理解并应用基于AI的工作方式与系统组织逻辑。
insight: ''
draft: true
series: ''
category: ai-application
area: tech-engineering
project: []
people: []
companies_orgs:
  - Pinterest
products_models:
  - Cursor
  - Claude Code
  - Figma
  - Super Linear Academy
media_books: []
status: evergreen
---
### 面试新范式：AI原生的思维考察

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 **初创公司**（Startup），他们就会有一个专门的面试环节，叫做 **AI思维**（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。

我总结了3个框架，帮助朋友顺利拿到了 offer。这个框架大多数针对的是非程序员，比如 **设计师**（Designer）、**数据科学家**（Data Scientist）、**产品经理**（PM）、**数据分析师**（Data Analyst）或者 **市场项目经理**（Marketing Project Manager）这样的职位。对于程序员，硅谷现在的热词叫做 **指挥官**（Conductor），也就是我们所说的 **AI架构师**（AI Architect），其核心关键词是 **编排**（Orchestration）。

证明你很厉害的三个核心思维方式，每一个点的开始都是：“我不只是会用 AI，我还能：...”。因为在今天这个时代，你说你用过 **Cursor**（一款利用 AI 辅助编写代码的工具）、用过 **Claude Code**，它不构成一个竞争优势。

### 追求真实：从像素到代码的认知重构

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？

对于 **设计师** 来说，他做软件的“建筑材料”（building material）就是代码，而不是像素。这个像素只不过是我们对这个软件的一个视觉上的切片，而软件本身其实是代码，是深的、是有交互的、是动态的。你通过代码才能更逼近这个软件的真实。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。

他在追求的是真实，而不是简单的求快。同样的原理适用于 **产品经理** 和 **数据科学家**。如果数据科学家想在这一层有所准备，可以参考我与 Pinterest 全公司 DS 做讲座时演示的内容，去得到更真实的洞见，去更逼近“真理”（truth）。这个点其实才是那个真正非常打动面试官的点。我所遇到的大多数人，尤其是设计师，没有去用 Cursor，没有去真的看代码，而这已经能打败更多人了。

### 协作重构：端到端闭环的小团队飞轮

一个 AI Native 的人，一定是可以可以在一个 AI Native 的组织发挥更高的效果的。

拿一个设计师来说，之前的流程是他在 **Figma** 里 Ctrl + D，做出无数分支形成 mock，然后去跟程序员开会，做出来基本上就不会再改变了。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，一起通过这些 AI 编码工具把第一个原型直接做出来，然后基于这个真实的原型上一起修改。设计师提供的是非常精确的“提示词”（prompt），以及他对这件事情的审美和审核；程序员提供的就是架构，就是 Conductor，使用 **智能体**（agents）更高效、更可控地把设计师的意图实现出来。

对于数据科学家，他要能跟程序员坐在一起，用最高效的方式去快速设置实验、监测数据（logging/monitoring）、优化漏斗（funnel），在这个过程中，他不仅能想到，而且能更快地跟程序员一起做出来。

最后达到的效果有两个：
1. **时间大大加速**：之前一两周才能实现的东西，现在5分钟就可以实现。
2. **真实的迭代**：真正做过产品的人都知道，我们脑子中想象的 **假设**（Hypothesis）80%都是错的。我们需要用一个真实的原型去尽早地给到用户，并在这个原型上进行迭代。它给了我们很多机会在真实世界里往正确的方向去迭代，而不仅仅是快。

### 能力沉淀：将隐性判断力转化为AI显性能力

我不光会使用 AI，还会把判断力交给 AI。

比如说一个设计师，会有很多的 **设计系统**（Design System），那你能不能把这个系统写成 AI 可以理解的程度，用类似于技能或者“上下文管理系统”（Context Management System）的方式去教给 AI，从而让 AI 在做一件事情的时候，天然就是尊重你们公司的品牌指南（brand guideline）和设计系统。

一个数据科学家，能不能把我们公司现在的工作用一个尽量可量化的方式衡量下来，把你平时分析数据的这一套用 **技能**（Skills）给 AI，让 AI 在做这件事情的时候，自然而然地就可以观测很多东西，以及基于真实数据进行有效的迭代。对于产品经理，可能它是一个决策框架、用户洞察和优先级判断。

企业在招 AI Native 的人时，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**（Tacit Knowledge: 难以言传的经验与判断力）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。

### 行动指南：积累深度项目而非工具技巧

这种真正 AI Native 的组织，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。

面试的框架只能帮助你更好地叙述你已有的内容，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 side projects 里边去提高。如果你的公司观念落后，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。

我建议大家去看看我们 **AI Architect** 学员的项目，他们收集了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。如果你想做这样的一个项目但是不知道如何开始，欢迎直接去购买我们课程，我 guarantee 你上完之后，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。

最后我要跟大家说，AI 不应该仅仅被当成一个点、一个临时调用的工具。AI 背后就是这样的思维方式（mindsets）、这样的架构（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。