先把要解决的问题拆清楚,再让 AI 帮你实现最小可用版本;能跑通、能上线、别人真能用,比功能齐全更重要。
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。
先拆问题,再动手写代码
做 web app 前先想清楚两件事:你到底要什么,以及流程里哪一步摩擦最大。比如想把白板内容变成电子笔记,真正要拆的是“怎么低摩擦地拍下来”和“怎么自动整理成信息”,拆到这一步,剩下的实现才顺。AI 现在能做出可上线的简单前后端应用,但前提是你自己把问题定义清楚,否则它只会帮你更快地做出一个没想明白的东西1,2。
先做最小版本,验证工作流再扩展
一个被反复提到的做法是:先做网页版 MVP,验证工作流跑得通,再考虑 iOS 或其他形态。有人做文字识别同步工具时就是这么走的,先网页验证,再开发移动端。这样做的价值在于,你能早点看到真实使用中的卡点,而不是把时间花在还没被验证的功能上。上线本身也值得当成目标:让应用真的被别人用起来,和只写进简历的 toy project 是两回事3,4。
部署和安全是容易被忽略的一环
很多人做出应用后卡在部署上,目录报错、日志看不懂、要在工具和平台之间来回传信息。现在有平台把 API 调用和自动部署抽象成一句话能完成的操作,降低了这道门槛。另一面是安全:web app 比想象中容易被攻击,把 API Key 硬编码在代码里是常见隐患,应该放进环境变量。这两点不解决,应用就算做出来也不适合真的给别人用5,6,3。
这些经验来自个人主页、文字识别、邮件助理等具体项目,规模都不大;如果你的应用涉及多用户、支付或敏感数据,安全要求会更高。
出处
- 1旧金山线下火锅meetup全程
讲怎么把问题拆成低摩擦的步骤,适合理解动手前该想清楚什么
- 2AI编程的先进实践和底层理解,进化推演,中国团队的优势与劣势,专业开发者和vibe coder的分界,AI编程接下来几年的核心问题,破除套壳论|石扬访谈完整版_上
可回到原文核对这部分判断
- 3用“AI产品的六个层次”,分类AI Architect学员项目,结果如何?
多个学员项目案例,展示 MVP 思路和硬编码 API Key 等实际风险
- 4Gemini正在杀死Vibe Coding?未来什么样的AI人才最稀缺?
讲从做出应用到真正上线给别人用的差别,适合判断做到什么程度算够
- 5清晰地道书面英语的Editor -- 十分钟制作并部署成功
十分钟做出并部署一个 web app 的完整过程,适合看部署门槛怎么被跨过
- 6AI浏览器,才能让AI真正走入大众?|把AI写进pitch deck,是十年前就在发生的事情|只有2%的人真的有第一性原理?|硅谷徐老师_上
可回到原文核对这部分判断
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
- 如何使用《问问立正》打造自己的app
《问问立正》本身是问答产品,不是造 App 的教程;可用的路径是把它当提问和查资料的入口,再用 Codex 这类通用工具把反复要做的事做成自己的软件。
- 我在网上看到有些人可以把 token 用的非常多,比如说跑几百个 agent 做这种类似 one-person company。
我感觉我现在虽然也用 Claude,但我还不是这种状态,我基本还是 single thread,或者 at most 也就 3 个 thread 这样子
几百个 agent 不是靠人同时盯几百条线程,而是把大部分任务交给自动化流程,人只看关键节点和结果。
- 如果我的本职工作和要放大的事业关系不大,该怎么选那一头?
先判断哪一头有更大的放大空间,再把稳定的一头当底座、把可放大的一头当主攻;不必平均用力,也不必立刻辞掉本职。
- 我在自建中台软件,涉及到知识库和知识台两部分,知识库采用那种路径更好?是obsian这种,还是mag或grep?
现有材料没有比较 Obsidian、mag 或 grep 这三种知识库路径,无法据此判断哪种更适合你的中台。能确定的是:知识库要服务分叉、引用、结构化资产和过程可观测,而不只是线性记录。
- 我应该如何影响我的其他同事,推进当前的项目
先弄清同事在意什么,再用他们关心的价值切入,而不是只讲自己方案正确。
- 立正从什么时候开始做视频,如何坚持下来的
立正说自己是五年前开始做视频、每周至少更新一期;起点是给餐馆做外卖教学视频,发现满足了表达欲,就一直做下去。