你遇到的更可能是“什么才值得发”的门槛设得太高,而不是素材真的枯竭;没有新项目时,先别停更,也别硬做大项目,而是把已有的真实使用过程拆成可验证的小尝试。
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。
门槛设成了“必须有新成品”
把“值得发”等同于“我刚做完一个新工具”,等于给每篇内容都绑上一个完整项目。但第一版做出来只是让你看见原来的想法有多不完整,真正的工作发生在解压后的现实里,很多正确的决定在看到错误版本之前根本不存在1。也就是说,你已有的两篇内容里,那些“为什么这样设计、哪里别扭、后来怎么改”的部分,本身就是素材,不需要等下一个成品。你现在的判断“没有新项目就没得发”只是一个有待检查的解释,不是已证实的事实2。可以先把事实和解释分开写:事实是最近没做新工具,解释是“所以没内容可发”。
没新项目时,先做小验证而不是停更
AI推演停更等素材,赌的是灵感自然出现,代价是节奏断掉、手感变冷;主动做小尝试,赌的是真实反馈会带来新内容,代价是要花一点时间。两者都不保证成功,区别在于哪个能让你拿到可观察的反馈。更稳的做法是选一个你现在愿意做、成本能承受、能带来反馈的动作,先写下它要验证什么,以及什么结果会让你改变原来的想法2。比如你已有的亚朵 Skill,可以试着换一个真实入住场景去用,看它在哪种情况下不灵,这个“不灵”就是下一篇的素材,而不是硬造一个新项目。
下一步先解决“怎么判断什么值得发”
AI推演你现在缺的不是选题库,而是一个判断标准:什么算值得发。工具和原型最容易让人觉得在进步,因为它们能截图、能发帖,但工具几个月就换一轮,留下来的是拿到模糊需求先拆成能检验的小步、结果不对先找原因这类看不见的东西3,4。放到你的处境,值得发的可能不是“我又做出了什么”,而是“我在真实使用里发现了什么、怎么判断的”。先拿一篇已发内容回看:哪部分是成品展示,哪部分是你真实的判断过程,后者才是能持续产出的来源。
材料没有针对小红书或账号运营的具体方法,以上是把通用判断迁移到你的处境,不构成平台层面的运营建议。
出处
- 1Don't build: 看清demo和production之间的鸿沟
讲第一版只是让想法暴露不完整、真正的工作在解压后的现实里,适合理解为什么已有项目的过程本身也是素材。
- 2为什么别人的好建议,到你这里就用不上?
讲怎么把事实和解释分开、把答案变成一次小验证,适合核对“没素材”这个判断本身是否成立。
- 3AI替你做出来以后,你还会什么?|哥大客座课程回放
区分工具、原型与留下来的方法,适合核对“什么算值得发”的标准该怎么定。
- 4假学习的终结
讲原型跳过的那段最该学的路,适合理解为什么不必等新成品才能产出内容。
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。