- 康奈尔大学经济学博士
- Amazon经济学家
- Meta数据科学家
- 腾讯IEG数据与AI副总监
带领30人团队 - StatsigPrincipal数据科学家
OpenAI收购团队早期成员 - 超线性学院创始人 · 全职投入
AmazonNetflixLinkedInWalmartPinterestDoorDash腾讯美团小红书哥伦比亚大学等
“立正分享的不只是工具,而是思维哲学——这才是AI时代最稀缺、最有价值的东西。他的课程让我这个科学家也深受启发。”
刘嘉关于教学清华大学讲席教授“立正做的AI教育社群很少见:内容筛选认真,实战密度高,也确实贴近工作里的问题。”
魏慧(Wei Manfredi)关于社群洲际酒店集团AI与架构高级副总裁“立正把多年产品增长经验提炼成可执行的洞察:帮助数据科学家找到决定性信号、产品经理把数字变成策略,也帮助创始人找到能够持续复利的PMF路径。”
Vijaye Raji推荐《Growth Data Analytics Playbook》OpenAI CTO of Applications“立正是真正的AI Native Pioneer——他用独特的思维框架,带领更多人在AI时代实现超线性成长。”
戴雨森关于AI实践真格基金合伙人
不怕AI天天变,
就来超线性学院。
超线性学院是一个免费的AI社区。工程师、产品经理、研究者、创业者和各行各业的人,把自己用AI做的东西拿到这里,互相给真实的反馈。为什么说是一座城?
问问立正
卡住的时候,先来这里问。AI主要依据我写过、讲过的内容回答,每一段都能点回原文。
打开完整页面 →
先把判断写下来,
再让时间检验。
说对的,说错的,都留在原处。每条附当时的原始记录;隔得够久的,写上后来怎样。
- 2021.04
上一代AI的天花板在哪里
主流的机器学习从标注数据里学“对应关系”,能把窄场景自动化得很好,但不会因此获得对世界的通用理解。选AI应用,要看机制和任务结构,而不是benchmark上的表演。
后来2022年底ChatGPT出现。2023年2月我写文章判断:这道上限被打破了,见下一条。
- 2023.02写于GPT-4发布前
关于ChatGPT最重要的五个问题
ChatGPT是“自然语言计算机”,是人类调用数据与算力的近乎完美的形态。
从机制推演了推理成本会大幅下降、长期记忆与个性化、连接工具的工作流、直接交付结果,以及围绕ChatGPT重建的系统。在中文互联网广泛传阅。
后来推理成本大幅下降,ChatGPT有了长期记忆,也能调用工具。也有两处看错,写在原文的后记里:高估了OpenAI,高估了模型训练的天花板。
原始记录 - 2025.01
2025年,AI最大的机会是Agents
Agentic AI是近期最重要的变化。从2025年初开始,先行者大约有10到18个月的窗口期。
后来这一年,Claude Code、Manus、Codex相继推出,Agent成了行业的主线。
- 2025.03
MCP有结构性缺陷
MCP的热度超过了它能可靠交付的东西,协议本身有重大的结构性问题。
后来MCP成了行业标准,OpenAI和Google当年就接入了。同年11月,Anthropic自己写文章讲它的问题:工具一多,光是工具说明就占满上下文。
原始记录 - 2026.03
为什么OpenClaw一定会凉,但仍然值得一试
这个产品品类不会持久;但亲手试一试,能帮你理解这一轮能力变化。
后来还没到下结论的时候。
原始记录 - 2026.09如何判断炒作
通过Jev,辨清AI新技术的叙事陷阱
判断一项新技术是不是炒作,最要紧的是找到真正的对标:它最好的替代方案是什么。
新技术常先让你接受什么才算“厉害”,再证明自己厉害。五层判断帮你跳出叙事陷阱:理解技术、明确边界、拿回评价标准、找到真正合理的比较对象,再判断这个问题值不值得投入。
- 2026.11对下一步的预测
Agent的下一个突破,在文件系统
AI的下一步,通用Agent要得到的突破在文件系统上。
本地的Agent离不开电脑,云电脑把文件绑在了自己的机器上。文件系统需要一次大的革新:文件归人,不归设备,也不归哪一家的云;在哪儿打开都是同一份;哪个Agent能读写什么,由你来定。它未必明年就来。
怎么算我错通用Agent已经到了大多数人手里,文件却还绑在某一台机器上。
三种方式,
走进这座城。
从免费社区开始。想系统地学,选AI Builders;想长期跟上变化,加入Stay Superlinear会员。





田渊栋
Mike Vernal
Ethan Evans
硅谷徐老师
魏慧
屠龙大实话



