先分清你的内容库到底提供什么价值:是让回答更像你、更可信,还是真的让问题解决得更好。前者靠你的资料,后者主要靠用户自己的上下文。
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。
喂自己的内容,多半只让回答更像你
材料里的观点把大量个人内容灌进模型,通常改变的是语气和风格,让人感觉在跟你对话,但底层解题能力还是来自模型本身。立正自己开放过大量个人材料,他的观察是:拿这些材料加 GPT 去解决问题,和直接用 GPT 差别不大——原来能聊出有用答案的人照样能,原来聊不出来的人换成“他的分身”大概率还是聊不出来。所以如果你的目标是“让系统更懂用户眼前这件事”,光堆自己的文章不够,真正缺的是用户自己的经历和处境,那部分模型不知道1。
先想清楚用户为什么来问
如果你的内容库是个人 IP 性质,用户因为认可你、又负担不起一对一,才愿意来问,这本身有商业价值,但这份价值来自信任,不等于解题能力变强。两笔账混在一起,容易误以为多喂名人资料模型就自然更聪明。做之前可以先问自己:用户来是因为想听“你会怎么说”,还是因为有个具体问题需要解决?前者你的内容库是核心,后者它只是入口,真正要补的是让用户把自己的情况带进来1。
从一个小验证开始,别先搭系统
AI推演与其先设计完整架构,不如先拿一个你真实要回答的问题试一次:把事实和你的解释分开写,明确你想达到什么结果、已经试过什么、你目前认为卡点在哪。然后看你的内容库加上模型,能不能比裸模型给出更有用的回答。如果只是更像你、但没更解决问题,说明价值在风格而非能力,那就该考虑让用户补充自己的上下文,而不是继续加你的资料。做完一轮再判断下一步2。
材料讨论的是私有数据在问答产品中的价值定位,没有涉及具体的技术选型、检索方案或部署细节。
出处
- 1从结果确定性到通用智能:和韦晓亮老师聊AI、产品与教育
直接讨论私有数据里专家资料与用户经历的区别,是判断你的内容库价值来源的核心依据。
- 2为什么别人的好建议,到你这里就用不上?
给出把事实与解释分开、用小验证检验判断的具体做法,适合用来试第一轮。
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
- 立正的AI助手用户入口在哪里
立正在原文里没有给出一个具体的“AI 助手用户入口”地址;他谈的是 agent 时代入口的形态,并说自己习惯在 Codex、Claude Code 这类通用入口里调用 agent。
- 如何跨行业找工作?本职工作是工程设计,在国企干了十几年,管理一个小团队,同时一直在兼职数字化方面的工作。近一年在 AI 应用落地方面做了很多实践,对企业 AI 转型的路径选择也摸索出了一些心得,想转到更有前景的行业专做内部提效方面的 AI 产品经理或企业 AI 转型方面的工作,地点北京。现在的卡点是业绩理好了,简历写好了,但是找不到几家合适的公司,投了两个也没有回音,不知道问题出在哪里
问题可能不在简历,而在找公司的渠道和岗位定位:你瞄准的“企业AI转型”岗位,在北京更可能藏在传统企业的数字化部门或AI服务商里,而不是公开招聘的“AI产品经理”。
- 课代表,我从事旅游OTA 4年,近一年业余时间做了个攻略站,引流渠道就只有SEO和GEO,但最近发现攻略站维护成本很高,便转型做元搜索,多OTA产品对比,但流量一直卡住,流量也主要是攻略带来的,月活一直也卡在3k左右,我不知道应该往哪个方向做增长比较好
你的流量卡在3k,很可能不是渠道不够,而是元搜索这个产品还没和现有攻略流量接上。先别急着加渠道,先让攻略页把用户带到对比页。
- 做困难但正确的事情
立正把“困难但正确的事”拆成两层:难不在事情本身,而在看不到结果时的孤独;判断“正确”靠守住价值观底线,而不是靠结果验证。
- 怎么提升贵人运
提升贵人运的关键不是讨好大佬,而是让人愿意把机会给你:有具体的事、值得帮的能力、懂人情估值并持续跟进。
- 今年三月已經建立了一個Context infrastructure, 但係去到今年七月沒有繼續維護。現在想重新整理,並把cursor 搬到去CODEX, 我要有什麼東西需要知道?
先别急着搬工具:把三月那套 context 重新盘一次,确认哪些还有效、哪些已过期,再按 Codex 的加载方式重写入口文件,最后才迁移和清理旧记录。