要,但摸索的对象是任务本身,不是名词和工具。把真实任务做完、暴露问题、再补方法,比先学概念更有效。
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。
卡住往往因为追名词,而不是任务没做完
材料里的观点真实工作里的任务是一段连续推进的过程,代码有历史包袱、上下文不全,模型会偷懒、会忘、会答非所问。很多人遇到这些就怀疑自己没学好工具、prompt 不够好,于是去学下一个名词,结果离把任务做完越来越远。真正决定用得好不好的,是那些动词——具体做什么动作,而不是 RAG、agent 这类名词。所以摸索的方向应该是:拿一个真实任务去跑,看它在哪一步出错,再针对那一步补方法1。
自己摸索不等于从零硬扛
摸索的价值在于你会积累起判断力。有个案例是,一个孩子先用 AI 一键生成游戏,玩腻了再回头看,才发现没有终点、Boss 数值失衡等问题;他开始定义终点、难度、胜负条件,让 AI 改数值。AI 能写代码,但“玩过什么、觉得哪里无聊、怎样才算好玩”只能由人提供2。另一个例子是,有人为一次十分钟的检查让 AI 临时搭了个对比工具,用完就扔——代码没留下,判断留下了3。这两件事说明:摸索的重点是练出对结果的判断,而不是把每个工具都学一遍。
材料讨论的是把 AI 用进真实任务时的学习方式,没有涉及具体工具选型或某个领域的入门路径。
出处
- 1AI的正确打开方式:不学概念,学动作
直接讲清为什么追名词会卡住、动词才是关键,适合核对“要不要先学概念”这一层。
- 2小学生如何用AI做游戏、校园故事、写剧本和验证幻觉|端午访谈
用一个孩子做游戏的完整过程,说明摸索如何从“一键生成”走到自己定义标准。
- 3到底什么才算AI Native人才?|如何unlearn?
用一次性分析工具的案例,说明摸索留下的判断比留下的代码更重要。
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
- 作為一個軟件工程師,已經用agent 寫99% 代碼,在專業的學習上應該要學習什麼,以前要學習編程語言,框架的syntax, 在AI 年代好像學來也沒有什麼意思
立正认为不必再从语法和算法入门,该学的是怎么把任务交给 AI 并让它可靠交付:给多少上下文、怎么拆任务、哪些环节必须人判断、出错时定位是能力限制还是上下文没给够。
- 我不学习ai会怎样?
不学 AI 的代价,不在少懂几个名词,而在把判断力外包出去:工具替你做对了,你以为自己也会了,撤掉工具就交付不了。
- 我其实一直想搞清楚:一个普通人要了解AI到什么程度?需要从底层开始了解吗?还是该怎么弄?
普通人不必从底层原理学起,先建立对AI的基本判断、再用它动手做真实任务,比啃算法更有效。
- ai该怎么学
把 AI 当手艺而不是知识来学:先自己猜、再让 AI 做,然后撤掉帮助、隔段时间、换道题,看自己还会不会。
- Ai平权下,资源更值钱,那么学习知识的目的是什么
AI让知识本身不再稀缺,学习的目的从「记住答案」转向「能判断、能行动、能交换」——用行动和思考引领求知,而不是先囤知识。
- 为什么要学AI
学 AI 是为了练出能迁移的判断力:撤掉帮助、换个任务,你还能把模糊需求变成可交付的结果。