当AI正在做你的入门工作，如何开启职业生涯

一个迷上AI的千禧一代，主动送上的四条建议。

大学毕业后，我的第一份工作是在俄亥俄州哥伦布市的一家小型众筹网站Fundable.com做文案。公司没钱，所以不在乎我没有经验。我没有经验，所以不在乎这份工作一开始不付工资。

它提供的服务很简单：为你的初创公司创建一份介绍，我们就帮你对接投资者。大多数创始人不想自己写介绍，所以我的工作，就是把创始人正在做的那些奇奇怪怪、还没成形的东西，转换成投资者听得懂的语言。这些介绍非常模板化，我现在还背得出格式：问题、解决方案、业务进展（traction）、团队、商业模式、收入预测、竞争格局、融资条款。

最近，我一直在想那份工作，因为AI现在只要两分钟就能生成这样一份介绍。23岁的我听到这个消息，会想：“谢天谢地。”36岁的我却会想：“谢天谢地，当时它还做不到。”没有那份工作，我永远学不会怎样把一家公司拆开，再重新组织成一个故事；也学不会怎样为一群并非拿着工资来读我东西的人组织信息——我本科时的教授可是拿着工资来读的。

今年这批应届毕业生，比我们那一届更难。AI能完成许多入门任务，正在取代那些早期工作经历，速度快得让雇主来不及弄清楚发生了什么。斯坦福数字经济实验室的研究者发现，自2022年末以来，在最容易受到AI影响的职业中，22至25岁人群的就业人数下降了13%，而在同样岗位上，年长劳动者的就业人数保持稳定。¹

我想象着22岁的自己，如果现在正向LinkedIn的虚空里投递求职申请，她会怎么看那些关于AI和岗位替代的新闻标题？她会害怕吗？

会吧，大概会。比这小得多的事情，都曾让她害怕。

所以，我完全清楚，这个千年里出生的人，没人想听一个在柏林墙倒塌之前出生的人给职业建议。但如果今天重新开始，带着我对工作、AI，以及二者如何相互塑造的认识，我会这样做。

有好消息，也有坏消息

今天，初入职场者面临的悖论，和入门工作本身一样古老：很多情况下，找工作需要经验，而获得经验又需要一份工作。在你选专业时，这项技术几乎还不存在，雇主如今却要求你有AI经验，这可能像一个宇宙级的笑话。不过，雇主要求求职者对一项全新技术具备五年经验，也早就不是新鲜事了。

对于简历几乎空白的应届毕业生，这些话起不了多少安慰作用。而且，AI对入门工作的影响确实存在质的差别。

首先，看看雇主期望的AI技能，就会发现，他们希望年轻劳动者具备的能力，远不止在ChatGPT里输入提示词。他们想要的是能够评估工具、审查输出，并弄清楚如何改进输出的人——无论是通过更好的提示词，还是亲自动手修正结果。

入门岗位对AI技能的需求增至原来的三倍，尤其重视那些既要求使用AI，也要求评估AI的能力。（图表由NACE提供。）²

他们寻找的是判断力，而这种能力基本只能通过经验培养。我写那些融资介绍时，学会了分辨好作品与坏作品。最初写的50份差得离谱，有一次，一个客户甚至说，应该把我拖到后院枪毙。有AI参与的话，那些差作品可能就不会差到足以教会我什么了。

今天的就业市场让初入职场者承受更大压力的另一个原因，是雇主期望他们熟练掌握一项变化太快、根本没人有时间完全弄懂的技术。智能体工具（agentic tools）正在以几个月、而不是几年的速度改变工作职能。没有一套经典教材可以研读，也没有资深同事让你跟着学。组织架构图上的每个人都在边做边摸索，而你既要和他们一起弄明白这项技术，还要学习如何应对办公室政治和报税。

那该怎么办？

追逐问题，而非职业

小时候，大人问你长大后想做什么，答案总是一个职业名称。消防员。医生。YouTube创作者。到了开始找工作的年纪，我们还带着这种思考习惯。选一个职位名称，然后追着它走。

问题在于，职位名称不像以前那样是一个可靠的目标了。你今天追求的岗位，18个月后也许还会存在。

选择一个你想参与解决的问题——世界上正在发生的一件事，即使没人付钱让你思考，你也会忍不住想它。“内容营销人员”或“数据分析师”这样的岗位，可能缩减、拆分，甚至消失，但这些名称背后的问题——怎样让陌生人关注一件他们原本不知道自己在意的事，怎样从一堆混乱的数字中理出头绪——仍然存在，也仍然会有人拿钱来解决它们。

我自己一直不太能做到这一点。我花了十年时间，追逐“文案”，后来又追逐“内容营销人员”的头衔，跨过了几个毫无共同之处的行业——肿瘤治疗广告、个人理财，甚至，老天救我，加密货币——却从没问过自己是否在乎其中任何一个。我抱着高中优秀生的心态：你不必热爱一门课，也能拿A。我已经在那些没什么感情的课程里拿了16年的A。工作又能有什么不同呢？

当AI能完成入门任务时，这种策略就没那么好用了。你对雇主的价值，是在这些任务之外还能带来什么——通常，是比模型更深入地理解问题。你很难在一个自己不在乎的领域里建立这样的理解。

选择一项要保护的技艺

选定问题后，再选定自己的技艺，无论它是写作、开发、研究、设计、制定策略，还是运营。

你可能听过那句老话：精通一项技能需要10,000小时。实际研究比通俗版本复杂得多，但背后的想法是对的。没有反复做过很多很多次，你就不可能把一件事做好。

如果你想靠写作谋生，就自己写句子。如果你想当工程师，就自己写代码。

不惜一切代价，保护这门技艺，不让AI代劳。AI可以帮你找资料、解释概念、考考你，并指出推理中的漏洞。但如果让它替你写句子或做研究，你就得不到那些把事情做糟的练习时间，而这些时间是以后做好它们所必需的。

我说这些很容易，因为写这篇文章时，另一个标签页里就开着AI。本节一半句子的初稿是Claude写的。我重写了它们。这种重写，正是这门技艺的用处：察觉到某些东西没有达到要求。我之所以能做到，是因为我已经写了十年的句子。

我太清楚了，当捷径就在另一个标签页里时，抄近路有多诱人。别走那条捷径；五年后，你会把那些走了捷径的人远远甩在身后。

在任何人提出要求之前，先做出东西

刚大学毕业、开始申请工作的时候，我的简历几乎没有说明我在“现实世界”里能做些什么，除非雇主恰巧想找一个对《呼啸山庄》主题有本科生水平理解的人。

一份单薄的简历，不像以前那样是劣势了，尤其是雇主越来越倾向于以技能为依据的招聘（skills-based hiring）——按候选人会做什么来筛选，而不是看他们曾在哪里工作。

在这样的环境里，你需要做的，是做出一个东西，什么都可以——一个你希望早就存在的小工具，一篇讨论某个没人付钱让你思考的问题的文章。选一个你自己想用的东西，然后把它做出来。

作品一旦帮你敲开了门，接下来的谈话就会围绕你怎样做出它展开。哪些地方你用了AI，哪些地方你决定不用——那些你看着模型的第一个回答，心想“不，这不对”的时刻。除了作品本身，能带着别人走一遍这些决策，也是你正在培养的第二项能力。这就是我前面说的判断力。

做出你希望自己拥有的职业教练

上一次找工作时，我在ChatGPT里做了一个职业教练，借助它找到了现在这份工作。那是一个项目，里面有我的简历、几篇自己引以为傲的文章，以及一份很长的提示词，告诉模型应该怎样与我交谈。大约一个月里，大多数工作日我都会找它聊聊。它最大的作用，是给了我一个安放思考的地方。我不用再让同样的焦虑在脑子里循环，而可以把问题摆出来，让模型建议明确的下一步，比如值得继续打磨的写作样本，或在它鼓励我争取到的那次拓展人脉的通话中，可以问些什么。那个月结束时，我有了工作。

如果我能坐上时光机，回去和22岁的自己说话，我也会建议她做一个。甚至没有多难：

1. 选一个工具。 ChatGPT和Claude都有项目功能，可以跨会话保存上下文、文件和对话记录。用哪个都行。免费版本就足以起步。
2. 创建项目，给它取个名字。 “学徒教练”“职业那些事”，或者朋友给你起的昵称。
3. 补充背景。 放入你引以为傲的作品，也放入你希望能做得更好的作品——模型需要看到你的目标，以及你现在的起点。粘贴几条自己想申请的岗位信息，即使它们对你来说可能过于资深。写一段话，说明你关心的问题和原因。
4. 告诉它该怎样表现。 在指令里，向模型说明你希望它如何给出反馈。如果你想要一个严格的批评者，就直说。如果你容易怀疑自己，就让它更像啦啦队。要注意一点：模型出了名地会迎合（sycophancy）——告诉你想听的话——所以要在指令中防范这一点；即使如此，仍然要对输出保持适度怀疑。这也是以后在工作中被要求使用AI时的一种练习。

下面是一份起始模板。填写方括号里的内容，按自己的偏好调整反馈方式那一行，再把它加入项目的自定义指令：

职业教练提示词

我希望你担任我的职业教练。我的目标是借助AI获得反馈、培养判断力，并提供看得见的技能证明，同时仍然亲自完成核心工作。

以下是我的背景：

• 我关心的问题：[例如：气候、教育、公共政策、媒体、医疗、本地商业、创作者经济]
• 能够处理这个问题的工作类型：[例如：写作、软件开发、运营、教学、设计、研究]
• 我的背景：[大学专业、工作或实习、项目、参与的社群、生活经历]
• 我最有信心的技能：[列出3至5项]
• 我最没信心的技能：[列出3至5项]
• 我目前的技术熟练程度：[初学者／能熟练使用常见AI工具／会写一点代码／有技术背景但不是专家／技术水平很高]
• 我想培养的核心能力：[上面那些工作要求的具体练习——写句子、写代码、阅读资料、设计实验等]
• 这项练习中，我想继续手动完成的部分：[我希望保留、避免被自动化的重复练习，以及原因]
• 我希望你怎样给出反馈：[温暖鼓励／严谨直接／有策略、讲求实际／苏格拉底式、以问题引导／直率但有建设性]

重要：请诚实。当我的计划含糊、推理薄弱，或项目无法让我练习自己声称想学的能力时，请提出质疑。请问我一个澄清问题，不要猜测。

设计一份包含以下内容的学徒计划：

• 我应该亲自练习的任务，即暂时不该外包的事情
• 我应该怎样把AI用作教练、批评者、导师和研究助理
• 应该阅读的材料、关注的人、尝试的工具，以及开展的项目
• 可用来改进的反馈循环
• 我应该制作的作品集材料或公开成果
• 我应该留意的错误和捷径

给出计划后，再收窄范围：这周我能做哪一件明确的事，来朝这个目标迈进？

初学者的优势

本科时，我应对未来不确定性的策略，是假装它不存在。我付出的代价是焦虑和对生存意义的恐惧。所以，如果能给2026届毕业生一条建议，我会说：别等。AI正在实时重塑劳动力市场，无论怎么假装不是这样，都不会让它慢下来。

我很想告诉你，你所在领域的资深人士明天醒来，就会记起曾经也有人培养过他们。所有雇主都会意识到：今天不招的初级员工，就是十年后他们缺少的资深员工。但市场不会围绕你的愿望重新组织，你也不能靠等待市场改变来获得职业生涯。

AI恰好奖励一些年轻人拥有得很充足的东西，例如好奇心、愿意追问为什么事情要按某种方式做，还有一点理想主义：如果不受那些“最佳实践”的束缚，工作可以是什么样子？那些实践形成的年代，Sam Altman心里连ChatGPT的影子都还没有。

等你到了我这个年纪，工作究竟会是什么样，我不知道。没人知道。但如果一定要押注，我会押那些对可能性保持好奇的人。你们大多数人就是这样，无论现在是否已经意识到。

---

作者简介： Katie Parrott是Every的专职撰稿人。更多文章可见她的通讯。

赞助说明： 原文页面注明本期赞助商为Lightfield。

---

本文由AI翻译。

Footnotes

1. 译者注：保留作者引用的13%。研究者在2025年10月的说明中将其界定为相对于AI暴露程度较低职业的就业降幅，研究属于观察性分析，不能直接证明AI造成了这一变化。原论文的2026年8月修订摘要已将相对就业差距更新为19%，所用数据延伸至2026年6月；13%不代表该修订版的最新估计。 ↩

2. 译者注：NACE的2026年4月报告使用的表述是“接近三倍”，比较基线为2025年秋季。报告称，受访雇主的入门岗位中，超过三分之一要求AI技能。2026年春季更新调查于2月12日至3月17日进行，共185名受访者；这些结果属于该调查样本，不能直接视为全部入门岗位的比例。图中各项技能比例的样本为44名正在寻找具备AI使用能力候选人的雇主，与整份调查的185名受访者不同。 ↩