最近面试了一批实习生。
看了不少简历，也聊了不少人。聊完之后我发现一件事：一个人的眼界和他用的工具，会在很大程度上决定他的成长速度。
顺便说一下现在的整体环境。能通过简历筛选的实习生，要么已经有了好几份实习经历，要么在学校期间就已经做出了一些项目成果，而不是处于完全空白的状态。越来越多的学生不再等到大三、大四才开始找实习，大一、大二就已经加入到这种竞争里。
这是个事实，没什么好回避的。在这种环境里，能不能拉开差距，靠的不是你简历上写了几行字，而是几件更底层的事。
一、决定天花板的，是你用的工具
最直接的一个例子，是编程工具和大模型。
如果你只用国内的大模型和编程工具，你做出来的东西、能达到的效果，其实是一个相对普通的状态。如果你能用上目前最好的编程模型，比如 Claude、GPT、Gemini 这一类；用上 Claude Code、CodeX、Antigravity 编程工具，整体做出来的项目质量会高一截。这不是国内国外的争论，而是一个事实判断。
但有意思的事在后面。这件事其实涉及到一个人的好奇心和开放程度。
有些人发现搞不定 Claude 账号，就放弃了。有些人觉得 Claude 太贵，就只用国内便宜的模型，从来没想过「最好的到底是什么样」。
我觉得核心的差别就在这里。如果你都去试过，你知道什么样的任务用 Claude 最合适，什么样的任务可以用便宜的替代品，这是一个比较 OK 的状态。你心里有杆秤，会按需调度。但如果你连试都没试过，这就会形成一个巨大的鸿沟。
知道天花板在哪的人，和不知道天花板在哪的人，做事时的判断力是完全不一样的。前者哪怕日常用便宜的工具，他也清楚自己舍弃了什么。后者会一直以为「我手里这个就是最好的」。
这种认知差，比技术差要可怕得多。
二、技术同学最大的浪费，是把 AI 只用在写代码上
我还发现一个现象。
很多技术出身的同学，哪怕已经有了 AI，他们的精力还是更多花在「做实现」和「提效」上。很少有人会去想，能不能把更多精力花在需求研究、自主探索、或者更主动地发起一些事情上。
AI 给了你能力。如果你不用好，其实是一种浪费。你比以前任何时候都更有可能从 0 到 1 做出一个东西。但如果你的注意力还停在「怎么把这个函数写得更优雅」，你就把 AI 给你的杠杆白白浪费了。
最近有朋友在招一个岗位，叫「产品工程师」（Product Engineer）。核心点在于：你从产品设计到工程实现都能参与，把整个链条做下来。而不是等到上游发了需求、产品经理研究完、设计师把设计稿给你了，你才开始干活。你本身就对用户有观察，对产品有品味，有一定的判断力，同时还能很好地把它实现出来。
这种能力目前是相对稀缺的，而稀缺背后有个底层逻辑。
随着 AI 能力的提升，如果一个产品的研发迭代还是「串行」的状态，哪怕每个环节都拼命提升效率，整体效率也不会好到哪里去。你产品想 1 小时，丢给设计师 2 小时，再丢给工程师 4 小时。中间每一次交接都有损耗，每一个环节再快，整条链路还是慢的。
但如果在一个小团队里，每一个人不管原本是什么角色，都能完成「从想法到落地」的闭环，整个团队就会变成「并行」的状态。这种效率才是最高的。
在这种模式下，会出现三件事：
- 大家协作时可以互相做 Review。
- 针对各自擅长的地方进行互补。
- 每个人都处于一个「全栈」的状态。
三、两条路：补代码，或者补产品
现在的教育模式通常是「你是学什么的，就专业做这方面的事」。这种模式确实是往特定方向培养人才。但对于个人来讲，不需要完全遵守这个模式。你应该知道整个环节是怎么回事，在你不熟悉的领域，也能借助 AI 快速学习和掌握。
虽然在 AI 的帮助下，你在非擅长领域可能只能做到 60 到 70 分，达不到 80 或 90 分。但 60 到 70 分已经足够你完成事情、实现交付了。这种「跨界完成度」，在当下是非常重要的能力。
所以我觉得未来可能有两个发展方向：
1. 不懂代码的同学：能够在 AI 编程的辅助下，用代码去实现自己的一些想法。不需要变成程序员，但需要让代码成为你手里的一个工具。
2. 已经会编程的同学：应该把更多精力花在研究用户需求、产品和设计上。不要再把心思花在提升代码能力上了。现在的 AI 在写代码这件事上已经做得非常出色，没有必要在这个维度上继续卷下去。你只需要做到快速、稳定地让 AI 出活就足够了。剩下的精力，留给更值得花时间的地方。
这两条路里，从工程师转全栈，可能是路径相对更容易的事情。当然，这是针对做复杂产品而言。工程师本身有「实现」这一块作为基本盘，往上游补需求、设计、判断力，是一个加法的过程。但如果反过来，让一个完全不写代码的产品经理去补「能稳定交付」这一块，难度其实更大。
如果你是一个零基础的小白，最需要具备的品质其实不是技术，是不要担心用 AI 编程会犯错。你需要有足够的耐心和动力去做这件事，技术本身反而是次要的。只要你经历了足够多次的失败，基本上都能掌握那些技巧和能力，学会如何与 AI 协作，把你想要的东西做出来。在这件事上，心态比天赋重要。
四、简历里普遍欠缺的那一栏：「为什么做」
回到实习生这个话题。
现在的核心逻辑是：无论你口头上说自己对什么感兴趣、擅长什么，最核心的证明方式还是看你做出了什么东西。而且这些作品最好是你基于个人兴趣，主动去研究并落地的产物，而不是为了完成老师布置的作业，或者应付实习项目里别人交办的任务。
我们更希望看到的是：你能够主动挖掘机会，去解决一个现实中的需求。这样磨练出来的东西才更有价值、更靠谱，也最能体现一个人的综合能力。
之前做面试官，加上最近看了很多简历，我有一个观察。大家在表述自己做过的事情时，除了说「做了什么」「达到了什么结果」，往往最容易欠缺、也可能更重要的一个地方，是关于「为什么去做这件事」。
具体来说，就是：
- 这个项目的背景是什么？
- 它解决了什么问题？
- 它满足了哪些人的什么需求？
写「我做了 A，结果是 B」的人很多。能把「我为什么要做 A」讲清楚的人很少。而后者，恰恰是面试官真正想看到的东西。
五、其实都是同一件事
写到最后，我自己也意识到，这篇文章里讲的「眼界」「工具」「主动性」「为什么做」，其实都是同一件事的不同侧面。
那就是：你有没有把自己当成一个「会主动思考、主动选择、主动出手」的人。
如果是，AI 时代会给你一个非常大的杠杆。 如果不是，AI 也帮不了你。