先别问“用哪个工具”，先问这项工作真正要交付什么；AI 是杠杆，方向对了放大专业能力，方向错了放大混乱。
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。
先分清交付物，再谈用 AI
材料里的观点以数据分析为例，SQL、看板和模型都不是最终产品，真正的交付是更好的决策：做 A 还是做 B，资源投向哪里。只有先认清这项工作的产品，才能判断 AI 有没有让它变好。如果一份分析快了十倍，组织仍然不知道下一步做什么，那只是更快地生产了中间品；分析本身混乱，AI 会放大混乱1。这个判断可以迁移到多数知识工作：先写下你这份工作最终要让谁做出什么决定，再看 AI 能压缩其中哪一段。
从消费输出到构建可靠流程
会用 AI 做出一个网页或脚本，和会设计一个让 AI 承担理解、判断、行动、记忆、协作的系统，是两件事。前者是 AI 帮你写代码，后者是你设计系统。能力提升的方向不是换更强的工具，而是从消费模型输出，到构建可靠工作流，再到设计能长期运行的系统2。对个人来说，这意味着先选一个你反复做、标准化的任务，把它完整迁移过去并跑稳，再迁移下一个，而不是一次把所有工作都搬上去3。
把隐性判断变成可复用的资产
游戏策划的配表平衡原本依赖资深策划的直觉，新策划要么自己反复试玩，要么排队等人审。把这种判断拆成静态规则加动态模拟两层自动检查后，改完配表几分钟就能拿到诊断，判断标准沉淀在规则库里，每发现一个盲区就加进去，整个团队受益4。任何“重要但依赖资深人员、执行频率又高”的事情都可以这样处理。个人版本是：把反复做的任务类型做成经过验证的模板或 skill 文档，每次从包含你偏好和标准的起点开始，而不是从空白对话开始3。
材料未涉及你的行业、岗位和现有工具，以上是判断方式而非针对你处境的方案；配表平衡案例来自游戏策划语境，迁移时需按自己任务重新设计。
出处
- 1到底什么才算AI Native人才？｜如何unlearn？
先讲清“这项工作交付什么”这个起点，适合用来校准自己用 AI 之前该先想什么。
- 2AI产品的六个层次
区分会用 AI 做东西和会设计 AI 系统，适合判断自己当前处在哪一档。
- 3AI 用得好的人与普通人的5个差距，和背后具体技术原因｜非技术岗位版
给出个人层面的迁移与沉淀方法，适合想从单个任务开始落地的人。
- 4你团队的 AI 效果不好，问题不在模型，在 Context
用配表平衡案例说明如何把资深判断变成可复用资产，适合想沉淀团队经验的人。
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
- workbuddy普通人怎么用
普通人用 AI 的关键不是学会某个工具，而是从“偶尔用一用”变成“让 AI 成为核心生产力”，并围绕自己反复做的一件事持续积累。
- 如何用好AI
用好AI的关键不在学更多工具技巧，而在把自己变成会定义标准、给足上下文、搭好工作流的人；想入门可以先从「AI产品的六个层次」和「AI原生思维」读起。
- 总觉得现在学习新东西，技术没有什么意义了，因为ai能比你做的快10倍，同时也觉得任何东西/poc都没有门槛，我能几天之内学习新的技术，并deliver。如果我能，我相信别人也能，那我的竞争力到底在哪里？ 学更广的知识还是干别的什么？
几天做出一个能跑的东西，只证明你当下交付得快，不证明能力留在你身上。竞争力更可能来自撤掉帮助后仍能判断、拆解和交付，以及别人做不出来的深度。
- 如何学习 ai
学 AI 要当手艺练，不是当知识背：围绕真实任务动手，用“撤掉帮助、隔段时间、换个条件还能不能做”来检验自己是否真会。
- ai时代如何赚钱？
立正认为AI时代赚钱的关键不是抓住某个风口，而是把认知和方法练出来：用经营者的视角看待工作，学会识别真正创造价值的事，并且相信赚钱的唯一方式是给别人创造价值。
- 课代表一直说要像学习一门手艺一样工作，这个怎么理解，什么是手艺，学习手艺的时候需要注意什么，如何精通一门手艺？
手艺不是熟练重复，而是能不断往深里钻研、越做越发现学问的活能力；学它靠动手试错，精通靠长期坚持。