热度退潮不等于概念是假的,但也不等于它值得采用。判断标准是:它改善的指标是不是你任务的瓶颈,以及不用它时你最好的替代方案是什么。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
火一周就消失,说明的是叙事,不是技术
一个概念能快速刷屏,往往靠的是它自带的叙事框架——听起来顺、勾人好奇,而不是因为它解决了谁的真问题。立正讲过,要讲清楚为什么大家天然觉得某个东西好、这个叙事为什么吸引人、以及它错在哪,需要把技术本身拆开看,而不是跟着热度走1。所以“一周后没人提了”只能说明传播周期结束了,不能直接推出它是伪概念。反过来也一样:火过不等于值得用。真正要问的是,它当初被吹的那个指标,是不是你手头任务真正的瓶颈2。
该比较的是“不用它时你最好的办法”
评价一个新工具,最容易漏掉的一层是:如果不用它,针对同一个问题,你最合理的替代方案是什么。发布者拿自己跟几个对手比,只能证明它比那几个好,不能证明它值得被采用2。比如程序需要快速拿到一个判断,不等于必须接入一项新的云端服务——已有的开源小模型换一种读取结果的方式,也可能完成同类任务;如果本地方案已经够用,那么新服务带来的额外价值、以及多一层外部依赖的代价,都要一起算进去2。所以“销声匿迹”本身不构成否定,真正决定结论的是:它有没有解决替代方案解决不好的问题。
资料里对 Jev 的讨论集中在 2026 年 9 月前后,没有覆盖它之后的热度变化或产品现状,所以无法确认它“现在”是否真的沉寂。
出处
- 1如何炒作一个AI概念?以Jev为例…
讲概念为什么靠叙事走红,以及评价技术需要自己搭框架、找比较对象。
- 2通过Jev,辨清AI新技术的叙事陷阱:谁替你决定了什么叫“厉害”?
最直接回答本题:演示条件不等于你的工作,要拿回评价标准并找到真正的替代方案。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- Jev为什么是炒作?如果我们想设计一个分类器,有什么可学习的?
Jev被说成炒作,是因为它拿自己跟大模型比,却没跟真正合理的替代方案比;设计分类器时,先让任务决定指标权重,再找不用它的最佳做法。
- 在ai时代 data scientist更应该develop什么skillset 是product/strategy方向 还是更technical/statistics方向
材料不支持把两条路当成二选一:统计与编程是入场工具,product sense 决定能否把商业问题转成数据问题;AI 时代更值钱的是设计系统、定义评估,而非只做执行。
- 什么叫做技术直觉,它起到什么作用?怎么养成肌肉直觉?肌肉直觉的关键点是什么
技术直觉是从很少的数据点看出问题背后原因的能力;它靠经验积累、观察和把知识连成结构来养成,不是单靠重复动作练出的“肌肉记忆”。
- 如何做好一个new grads的mentor
做好新人导师,重点不是替新人做决定,而是帮他把力气用在对团队有影响的事上,给略高于当前能力的任务和失败空间,并在公开场合替他争取认可。
- 不是讲的是个人专注 行动力 真正的想解决问题
你记的方向没错:立正确实讲过“愿意解决难问题、愿意吃苦、愿意承受失败”的人能做出价值高得多的东西。但“克服所有困难”不是他的原话,他更强调先选对值得解决的问题,再投入排他的时间。
- 在 AI 持续降低知识工作执行成本的时代,一个缺少资本、专业积累和行业资源,但拥有时间、学习意愿与技术基础的年轻人,如何从零开始建立发现机会、解决问题和获取价值的能力?
在此过程中,哪些传统能力仍然值得长期积累?哪些能力可以通过 AI 加速形成?哪些资源需要通过现实实践获得?
更重要的是,如何避免只成为 AI 工具的高频使用者,而真正成为能够利用 AI 创造价值的人?
关键不在会用多少工具,而在能否对结果负责:有专业判断能收口、能自己出题、能靠真实项目积累反馈。传统能力仍要长期练,AI 可加速补技能缺口,资源只能从现实项目里换。