<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Ai-Talent on All about Raspberry Pi</title><link>https://hugozhu.site/tags/ai-talent/</link><description>Recent content in Ai-Talent on All about Raspberry Pi</description><generator>Hugo</generator><language>en</language><lastBuildDate>Mon, 20 Apr 2026 00:00:00 +0000</lastBuildDate><atom:link href="https://hugozhu.site/tags/ai-talent/index.xml" rel="self" type="application/rss+xml"/><item><title>AI 时代的核心竞争力：提问能力</title><link>https://hugozhu.site/post/2026/186-ai-talent-questioning-ability/</link><pubDate>Mon, 20 Apr 2026 00:00:00 +0000</pubDate><guid>https://hugozhu.site/post/2026/186-ai-talent-questioning-ability/</guid><description>&lt;p&gt;最近钉钉内部做了一次 AI 能力摸底。结果出乎很多人意料——那些平时代码写得最溜、技术栈最广的工程师，在解决客户问题的 AI 协同效率上反而不如几个产品同学和前线服务客户的同学。&lt;/p&gt;
&lt;p&gt;我观察了一个细节：&lt;strong&gt;区分高下最明显的指标，不是 prompt 写得有多长多花哨，而是他们向 AI 提出的问题本身的质量。&lt;/strong&gt;&lt;/p&gt;
&lt;p&gt;技术强的同学倾向于问：&amp;ldquo;帮我写一个 Python 脚本，读取 CSV 文件，按日期分组，输出统计报表。&amp;quot;——这是&lt;strong&gt;执行指令&lt;/strong&gt;，不是提问。&lt;/p&gt;
&lt;p&gt;而得分最高的一个产品同学问的是：&amp;ldquo;我现在有一个用户行为日志，想找出哪些功能改版后使用率下降了。你觉得我应该从哪些维度分析？有什么常见的分析陷阱？&amp;quot;——这是&lt;strong&gt;真正的提问&lt;/strong&gt;，它打开了一个探索空间。&lt;/p&gt;
&lt;p&gt;这个观察让我意识到一个反直觉的判断：&lt;strong&gt;评估一个人是否是 AI 人才，最可靠的指标不是他会用多少 AI 工具，而是他提问的能力。&lt;/strong&gt;&lt;/p&gt;</description></item></channel></rss>