你缺的可能不是更多信息,而是一件能自己完成、能验证的小事;先做产品再谈品牌,正反馈来自做出来的东西,不来自追浪潮。
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。
先做出一个东西,正反馈才有来源
立正讲过,早期大家是通过产品认识你,而不是通过品牌;把时间和精力花在打磨产品上,回报率更高,产品还没做好就去做品牌,是一种不划算的取舍1。放到你身上:你看了很多课、很多自媒体、很多“高级东西”,但这些都还是品牌层、信息层,没有落到你自己的产品上。正反馈不是从别人那里领来的,是你做出一个东西、它真的有用、别人真的用了之后自然产生的。所以“先看高级东西再做”这个顺序可能反了——先做一个小的、能跑通的东西,哪怕很粗糙,做完再看别人怎么做,挫败感会小很多。
AI时代真正留下的是撤掉帮助后你还会的东西
工具和原型最容易让人觉得在进步:学会一个工具就能截图、发帖,但AI工具几个月就换一轮,半年后按钮和命令都变了;留下来的是拿到模糊需求先拆成能检验的小步、结果不对先找原因而不是换工具再试2。原型只碰到最容易的情况——需求清楚、数据简单、用户只有你自己,难的全在从原型到产品这一段2。你担心“赶不上时代浪潮”,但浪潮本身换得很快,能带走的恰恰是这种拆解和判断的习惯。你提到自己曾经最大的优势是go deep,那正是这类不随工具过期的东西。
判断一个选择为什么适合你,而不是照搬结论
AI推演立正提醒过,只记住别人的结论、没带走结论成立的条件,很容易照搬出错;一个人今天能做什么,是过去的选择累积出来的3。你同学建议你先去工作、接触钱,这个建议对某些人成立,但成立条件是什么——是缺现金流、缺行业信息,还是缺一个能持续给反馈的环境?你自己报量化面试、跟策略班、反复操作BTC,这些动作背后可能都是同一个匮乏感在驱动,而不是真的在验证哪条路适合你。可以问自己:如果缺少“家里还爱我、还能读下去”这个条件,我还会这样选吗?
你提到的“三种mindset”在本次材料里没有对应内容,无法据此展开;上面讲的是产品、习惯和判断条件这几条有材料支撑的线索。
出处
- 1把注意力放在产品而非品牌上|There is no brand without product
解释为什么先做产品再谈品牌,适合核对“正反馈来自做出来的东西”这一判断。
- 2AI替你做出来以后,你还会什么?|哥大客座课程回放
区分工具、原型和撤掉帮助后留下的能力,适合核对“什么才是AI时代带得走的东西”。
- 3为什么别人的好建议,到你这里就用不上?
讲结论成立的条件和过去选择的累积,适合核对“同学建议先去工作”这类建议该怎么用。
追问2026年10月9日
博五阶段,怎么在不放弃毕业的前提下给自己制造正反馈?我感觉博士必定要延毕,结合组里情况(我不能很好地活在当下) 我的产品可以是我的论文初稿,也可以是量化公司的策略改进。但必须要去做。就像我做AI,做了这么久还是在对话,出来的demo几乎完全不能用,也让我很沮丧。我意识到我没有“1”的经验,也很难判断AI的输出到底不好的原因是什么(我在context上下功夫不够,需要我深度思考,AI不能代替我思考,我就是平常,不愿意输出,我觉得AI可以代替,也许是可以,但我不能因为未来这个东西做的更快而不做眼前的事情),这就是我的思考之一。 我同学提出这个观点猜想,是因为他诊断我:缺乏正反馈和努力的动力。
正反馈可能来自把论文初稿或策略改进做成一个能看见结果、能自己判断好坏的小成品,而不是等一个完美的“1”。
先做出能看见错误的第一版
你提到AI demo几乎不能用、也不知道输出为什么不好,这恰好是“第一版”的正常状态。做出一版之后,原本藏在名词里的决定才会浮现:信息顺序不对、哪些数据不该占主要位置、流程哪里别扭。这些判断在看到错误版本之前根本不存在,所以第一版的价值不是证明你行,而是让你看见原来的想法有多不完整1。论文初稿和策略改进都适用:先交出一个能被检验的版本,哪怕它明显不对,你才有具体的东西可以改,而不是在脑子里反复评估一个还不存在的成品。
把“自己先想”的部分留给自己
AI推演你担心AI会代替你思考,这个担心有依据:同一项数学实验里,先让学生自己解题、AI只给提示不给答案的那组,练习成绩提高明显,考试也没下降;区别就在于学生还有没有机会自己先想、自己犯错2。所以可以试的做法是:论文或策略里最核心的那一步——问题值不值得做、怎么拆、结果到底好不好——先自己写下来,再让AI帮你补细节或检查。配环境、调参数这类费劲却不长本事的“假困难”可以交给AI2。这样做的反馈是:你会开始分得清哪些卡住是思考没到位,哪些只是工具没配好。
正反馈来自做成一件具体的事
有访谈提到,很多学生缺的正是把一件事做成后的成就感,结果里能看见进步,学习才有正反馈,愿意继续做、继续改,手艺才可能真正学通3。这和你同学说的“缺乏正反馈”方向一致,但正反馈不是靠想通mindset获得的,而是靠一件做完的事。你不需要先解决“活在当下”再开始,可以先选论文初稿或策略改进中的一个,做出一个能被你自己判断好坏的版本。至于“博士必定延毕”这个判断,材料里没有讨论延毕本身,这里只能作为你的处境背景,不能从材料推出结论。
材料没有讨论博士延毕、理论物理论文或量化策略的具体做法,这些部分只能作为你的处境背景,不能从材料推出结论。
出处
- 1Don't build: 看清demo和production之间的鸿沟
解释为什么第一版的价值是让你看见原来想法的不完整,适合核对“demo不能用”这件事该怎么理解。
- 2AI替你做出来以后,你还会什么?|哥大客座课程回放
说明哪些难该留给自己、哪些可以交给AI,适合核对“AI会不会代替我思考”这个担心。
- 3从结果确定性到通用智能:和韦晓亮老师聊AI、产品与教育
讲正反馈和把一件事做成的关系,适合核对“缺乏正反馈”这个诊断的方向。
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
- 有个投资人讲 alexzandra wang
最直接的是周楠那期访谈,标题就点明他讲 Alexandr Wang 为什么是顶级创始人;片段里还提到 Scale AI 在 2021 到 2022 年因自动驾驶降温而客户变少的转折。
- 找到10%高价值的工作,但是在AI时代,对于data scientist来说,高价值的工作是什么呢?我觉得我之前很多的高价值的工作现在都没有价值了,而且留不下来,而且别人不会觉得是我做的。
AI 让“处理信息”这件事变便宜,所以数据科学里原来值钱的分析、建模、报表正在贬值;新的高价值位置是判断该做什么、把模糊问题变成可执行系统,并对结果负责。
- 为什么个体AI用的很好但是整个公司团队没有上来?
个人用得好,是因为他一个人就能把背景、判断和反馈闭环起来;团队上不来,是因为这些能力散在每个人脑子里,组织结构和激励又没跟着改。
- 职业院校实训科教师(体制内)+ 个人开发者/IP 运营者。想请您诊断我这套工作流架构:① 最脆弱、迟早出事的一环是什么?② 最过度建设(投入产出最差)的一环是什么?③ 如果只能再做一件事,您建议做什么?
最脆弱的是学生数据与云服务混用的那条链路;最过度建设的是多设备、多模型、多平台的全互联架构;如果只做一件事,先给「学生数据不可上云」划出一条可验证的物理边界。
- 我每天很忙,但不知道工作有没有价值,怎么识别 fake work?
识别 fake work 的关键不是看你有多忙,而是追问:这份产出完成后,下游会做出什么不同的决定或行动?如果多生产十份,真实结果也不会更近,那它很可能只是让你感觉在前进。
- 如何看待国内办公场景workbuddy爆火和AICG盛行的短剧,对我们这些使用原生agent的开发者有什么建议。
办公场景的AI工具和短剧爆火,说明AI正在把“生产内容/代码”的单价压到很低;对原生agent开发者来说,越靠近“为结果负责”就越难被替代,光会调工具本身不构成壁垒。