- 我应该把自己的资料和隐私给ai么 像是computer use remote control这些feature 不给用不了 这个决策应该怎么思考
把资料分成两类:一类是让AI更懂你、能替你判断的上下文,值得给;一类是让AI能对外行动、影响他人的权限,要设审批关卡。
- 你怎么comupter use, 好用吗 应该从哪里开始入手呢
立正把学 AI 比作学游泳,必须下水才会;入手点不是先选工具或想清定位,而是打开一个 AI 工具,用它解决一件你自己真实的小事。
- RAG 值不值得学习?它有什么局限性?
RAG 值得学的不是那套流程名词,而是它背后“怎么让模型用上你的上下文”这件事;只学 pipeline 容易停在简历打勾,判断不了它在你任务里值不值得用。
- 程序员辞职自由职业了,每天都很忙,但感觉没有产出
忙和产出是两回事:自由职业后,原本由公司提供的结构、反馈和身份都消失了,人容易用“填满时间”来逃避“我到底在产出什么”这个问题。
- 自由职业每天怎么安排工作,优先赚钱项目还是自媒体?
先定内容要放大什么,再决定它和赚钱项目谁优先;两者通常不是并列关系,而是内容服务于业务。
- AI+战锤涂装/手办涂装 会有什么赛道么
资料里没有直接谈涂装赛道,但立正判断AI时代的机会不在把旧活做快,而在找到自己真正在意、能长期打磨的方向。
- 现在这么多AI技术,可以帮你读大量文献并总结,你认为还有必要自己读文献吗,现在读文献的意义是什么,或者说应该怎么读,跟之前没有AI的时候应该是什么区别。之前是自己通过读文献,找出自己的研究问题,而现在让AI找研究问题,优势和弊端分别是什么。你认为应该如何更好的使用AI,用在读文献上。
AI 能替你读、替你总结,但替不了你定标准、选比较对象、判断值不值得做;所以文献仍要自己读,只是读的位置从“获取信息”移到“形成判断”。
- LangChain
立正把 LangChain 当作一个“名词”:值得了解,但学会它不等于会用 AI,真正的差距在上下文管理、任务拆解、人机分工这些“动词”上。
- YC改简历的相关视频里面的内容介绍
这期视频是立正借“改简历”讲打造产品的方法论,并整理了社区里YC改简历的两个帖子:一个讲整体理解,一个点评6个真实案例。
- 我现在刚入职,然后在性格上比较不会去跟同事约饭之类的,但是又想从他们哪里听到他们的一些经验,然后问出好的问题,为了功利主义去约饭这是好的吗,如果可以又要怎么约,如果问问题又要怎么问,毕竟我们不知道我们不知道的东西
约饭本身不是问题,问题在于你把它当成交换信息的手段,还是当成一次有来有往的请教;后者更容易持续,也更容易问出真东西。
- 找软件相关工作(前端开发,全栈开发,AI agent开发,项目管理)已2个多月,但一个面试邀约都没收到,时而消沉、时而焦虑,请问我要放弃找工作吗?
不必现在就放弃,但两个多月零面试说明投递方式或定位可能没产生信号,值得先改一件事再判断。
- 在没有工作经历、只凭强烈好奇心,且不依靠学历的情况下去找一份自己想做的工作,这样的机会在市场上本就非常少。
从表面上看,仅仅因为缺乏履历,在竞争者中不仅不突出,甚至处于明显劣势。在这种情况下,怎么才能提高找到这类工作的机会?
把“没有履历”换成“有作品”:先锁定一小块你想去的市场,用自己创造的真实项目证明能力,再靠大量直接接触人拿到信息和机会。
- 如果我想把“健康”功能做成啤酒的差异点,应该先验证哪一件事?
先验证的不是“健康”能不能做出来,而是消费者是否愿意用“健康”这把尺子来评价啤酒的好坏——即他会不会因此改变选择。
- Jev为什么是炒作?如果我们想设计一个分类器,有什么可学习的?
Jev被说成炒作,是因为它拿自己跟大模型比,却没跟真正合理的替代方案比;设计分类器时,先让任务决定指标权重,再找不用它的最佳做法。
- 技术不是第一,分发
技术好不等于有人要,分发和信任才是价值落地的地方;但分发也不是先攒粉丝,而是从真实问题里长出来。
- 怎么设计context
设计 context 的核心不是塞更多资料,而是分层管理:把当前任务、项目积累、长期知识分开,让 AI 每次只自动加载需要的那部分。
- 做了一个产品,如果没有什么人脉的话。推广思路其实是不是就是到处发帖子?
到处发帖子通常不是推广思路,而是把“产品已经没问题、只缺曝光”当成了前提;这个前提没验证时,发得越多越可能白费。
- 我现在做一个女生虚拟IP,自媒体账号,主要用创意广告、Vlog、平面摄影等方式做美学创意内容的分法可行吗
方向可行与否,取决于这个虚拟IP要放大的是哪一门生意:接商单、卖产品、卖AI课,三者对内容的要求不同,先选一个再定内容形态。
- 怎么和领导提涨薪 我要做什么准备
涨薪的关键不在罗列自己做了什么,而在让直属领导觉得给你加薪对他有利——他关心的是自己的升职,你要找到这个共同点。
- 要学AI需要配的硬件是什么
学 AI 不需要先配硬件,先配好能跑 agent 的软件环境;硬件只在你要自己训练或本地跑大模型时才成为问题。
- 这个app怎么赚钱?是纯福利吗
不是纯福利。Superlinear Academy 靠会员订阅、课程销售和课程分销佣金赚钱,App 本身是让这些内容和社区更容易被日常接触的入口。
- 普通人应该怎么学习AI
把 AI 当手艺而不是知识学科来练:先自己动手做真实任务,再撤掉帮助、换条件重做,看能力是否留在自己身上。
- 律师或者法律行业怎么运用ai解决问题
法律行业用 AI 的落点不是让 AI 出结论,而是让 AI 做检索、总结、初稿和筛查,由律师用专业判断收口并负责。
- 看到网上求职机构发布的求职题及答案拆解,我感觉他们的回答有分点、有专业词汇、有前后流程顺序。我有过岗位相关实习,但没有经历过这些(有可能是大公司风险意识较强,做任何事都要有严密的思路验证)。我现在越看、学习他们的回答拆解,我越没信心。
我归因为自己没有体验过。那些回答拆解对我而言是单个要点。
如果我下次面试回答,我会想这些参考答案,然后追求全面,逐个点蹦出来,而不能成体系地回答。
我要继续看这些业务面试题拆解、背答案吗?我的思路是否正确?还是说我要降低期待,先去一家要求没那么高的企业岗位,积累经验(真的能体验到像大厂一样的流程拆解吗?会就此停留在这个水平了吧)
背题拆解解决不了你的问题:你缺的不是要点,而是把要点串成一条判断链的经验。可以继续看,但要换一种用法。
- AI 时代,你为什么没有开发一个产品而是卖 AI课程。你的课程是鼓励别人开发新产品。目前在你平台上有没有人因为开发产品赚到可以维持生活的钱?
立正把课程和社区本身当成他的产品来做,而不是另做一个软件产品;至于平台上有没有人靠开发产品赚到能维持生活的钱,现有材料没有给出可核实的案例。
- 如何看待比特币未来趋势
立正没有给出比特币涨跌预测,他更强调价格由市场共识和信念决定,而不是由基本面或成本模型决定,因此趋势判断本身极难做。
- 一個人經營內容網站靠導購和廣告維生,每條變現路都有點成效但沒有一條明顯勝出,底層平台又隨時在變。應該用什麼標準決定把力氣集中在哪裡?還是分散本身就是正確答案?
先判断哪条路能持续放大入口,而不是先优化现有转化;分散本身不是答案,但把资源压在一条随时会被平台改掉的路上也不是。
- 要怎麼想到好點子?感覺我能想得到的都有人做了
好点子的来源不是「想出一个没人做过的」,而是先弄清为什么做,再去感受自己真实遇到的摩擦;别人做过不构成否决理由。
- 没有工作经验,只有个人项目的初级程序员的出路在哪里?
初级程序员的出路不在海投简历,而在把个人项目做成能证明判断力的深度作品,同时用AI把交付流程走通。
- 我不想工作了,想要fat fire,很舒服的那种,要多少钱?我现在35岁
资料里没有 FIRE 的具体金额数字,但立正反复讲的是:钱不够时很重要,过了某个阈值后,继续追钱可能反而增加绑定,真正难的是面对“不用再证明自己之后想怎么活”。
- 这个正确吗?接下来该咋办
Step-by-step reference (exam format)
What they're testing: Whether you can turn "trustworthy" into testable claims, and test each one with a metric, a benchmark and a decision.
Step 0. Clarify (ask before answering)
1. What is being judged: factual correctness, task completion, preference, or safety?
2. Output type: binary pass/fail, a 1–5 score, or pairwise A vs B?
3. What decision uses it: filtering training data, ranking models, or gating a launch?
4. Which error costs more: accepting a bad response or rejecting a good one?
Step 1. State what "valid" means as four testable claims
- C1 Accuracy: the judge agrees with expert consensus about as well as experts agree with each other.
- C2 Unbiasedness: its verdict does not change with things that should not matter (position, length, model identity).
- C3 Reliability: the same input gets the same verdict on repeated runs.
- C4 Fitness for the decision: its errors are small enough for the specific use (item-level for filtering, system-level for ranking).
Each later step tests one claim.
Step 2. Build the human reference set
- Sample: a random draw from the target distribution (for unbiased rates) plus an oversample of hard and high-risk cases (for power on rare failures). Keep the sampling weights.
- Raters: 3 qualified experts per item, blind to model identity and to the judge's output.
- Gold label: majority or adjudicated consensus; keep the individual votes.
- Human ceiling: compute human–human agreement (Krippendorff's alpha or kappa). This is the benchmark for C1.
- Size: set by the precision needed on the rarest class. To estimate an 80% catch rate to within ±6.5 points you need about 150 truly bad items.
Step 3. Split it
- Development set: tune the judge prompt and rubric.
- Test set: touched once, at the end. Every reported number comes from here.
Step 4. Test C1, item-level agreement
Judge output Metric Pass if
Binary Cohen's kappa, sensitivity, specificity kappa within about 0.05 of the human ce
大方向对:把“可信”拆成可测的几条、用人类一致性当上限、留出只碰一次的测试集,都是立正认可的做法。但这份清单缺了最关键的一步——先问不用这个评委时你最好的替代方案是什么。
- 我在公司内一个org下转组了,要换老板。我目前感觉新老板和现在的老板很不一样。根据我目前跟我新manager的交互,以及别人对他的评价来看,他是个挺nice的人,只要我工作能做好,他不怎么管其他的事情。但是我同时觉得,他也不像我当前的manager一样能给我很多帮助;从我们的交互中,我感觉就是我问他一个问题,他可能回我很短,但是其实我的问题涉及到很多东西,我发现其他的我自己要figure out。他回我信息的速度也很慢。现在的manager管理风格的比较hands on,技术方面喜欢给我们guidance。我之后要如何调整我的工作方式?
新老板的“nice+少管”不是能力缺口,而是管理风格差异。你要做的是主动把问题定义清楚、把汇报做扎实,让他愿意在你身上投入。
- 我想做自媒体,也有idea,我写了文字稿,但是拖了好久都没发出第一个小红书或者youtube视频。我手机里有很多视频片段,我想先自己根据文字稿录音然后让AI把音频和视频给我拼成一个视频,但是还没执行,我该怎么办
你卡住的不是技术,而是把「发第一条」变成了一件需要先解决录音、剪辑、拼接的大工程。先发一条最简单的,用发布来检验你到底在意什么。
- 第一个问题,策略容量大概是随着本金增多,能做到600美元一天。最大回撤有过30%(是一个当时还没有修改好的bug)修好之后到现在大概将近一个月最大回撤是10%
第二个问题,OPT还剩5个月,H1B三次没有抽中。
第三个问题,如果最终必须会亚洲,我当然是接受的。
你补充的信息反而暴露了真正的风险:两个月、月入6000美元的交易收益,还不足以支撑你放弃身份路径;而OPT只剩5个月、H1B三次未中,意味着你现在的选择窗口已经很窄。
- 你觉得在AI时代在有一定本金的基础上,借助AI的能力收集信息并且做量化交易,你觉得这个可行吗?有没有什么缺陷
可行与否取决于你有没有判断力去识别真正的信号,AI只是放大器;缺陷在于它让复制变得太容易,反而放大平庸和内卷。