一位做了很多年教育的老师问我一个问题： 你们做了大半年帮创业公司招人，企业端到底想要什么样的年轻人？ 我愣了一下，按理说应该有个标准答案，但实际很难说出一个清晰的"人才模型"。原因是创业公司变得太快了。 我们服务过一家做模型的团队，前一个月还在帮他们找 C 端增长的人，一个月后融资有变，C 端整条线被砍，增长岗的人要么转去做 B 端销售，要么离开，而且这还不是个例。 所以创业公司想要的人，很难用一份 JD 描述清楚。做内容的要懂一点 marketing，还得能谈合作、对接资源；再往底层挖，是学习力，和会不会借力。但真正卡住年轻人的，是他们大多手里没有一个"必须解决的问题"。 在公司里，这个月用户数据上不来，目标就摆在那，你会被逼着去拆竞品、找最佳实践。做出海的，一定会去研究 Manus 在北美每一步怎么走：产品为什么这样更新，吸引的人群发生了什么变化。学校里没有这种压力，所以很多实习生会觉得某个增长 idea 是自己想出来的，其实市场上早有人做过、验证过，甚至踩过坑。这个时代，愿意踏实拆透一个案例、能把问题问对的人，比能想出 idea 的人更稀缺。 技术岗也差不多一个逻辑。AI coding 普及之后，出现了很多看起来很能写代码的人。不止一个雇主跟我们讲过，追问候选人怎么 review AI 写的代码，得到的回答是"用一个模型写，用另一个模型验"。那到底谁是对的？ 创业公司没有大厂那套评审、测试、灰度，代码一上线面对的就是真实用户。企业真正想看的，是你遇到过什么问题、用什么工程思维解决的。如果仓库里全是 AI 生成的东西，对方心里的问题会很直接：那我为什么不给自己的工程师多报销点 token？ 收回来看，AI 时代企业于是开始为另一样东西付费——在真实约束下做过判断的痕迹。有目标，有预算，有截止时间，也有可能做砸。 这可能也是为什么黑客松和 workshop 越来越成为大家喜欢的招人场景：给一个真问题，限定时间，谁能拆解、谁能边做边学，很快就看得出来。也是我们做自荐墙时不让大家放简历的原因，比起"我做过什么岗位"，我们更想看你用大白话讲清楚，自己解决过一个什么问题。 如果你还在学校，或者刚工作没多久，也许可以先不急着问"我该学什么工具"，而是给自己找一个真问题，哪怕它很小。 被一个真问题逼过的经历，时至今日依旧很贵。