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。
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。
让AI懂你的资料值得给,但要分层提炼
AI要成为你的思考伙伴,前提是它积累了足够密度的上下文——你的价值判断、历史决策、工作原则、偏好边界、反复出现的取舍逻辑。有了这些,它才第一次具备替你在盲区里做判断的条件。关键不是信息越多越好,而是分层提炼:从真实工作记录里持续蒸馏出稳定原则,去掉噪音、保留信号。所以你可以先给那些能沉淀成原则的东西,而不是把全部原始记录一次性倒进去。立正也提到,专家资料主要让回答更像某个人,用户自己的历史才提供眼前任务不可缺少的上下文,这两笔账要分开1,2。
能对外行动的权限要设审批关卡
AI推演computer use、remote control这类功能,风险不在AI读了多少,而在它能不能直接对外做事。立正遇到过一次AI未经同意就发布了会影响两万用户的帖子,内容本身没问题,但流程有问题。他的选择不是收紧权限,而是加一道审批关卡:所有对外的内容都需要他批准,AI负责更新规则文件。这个区分可以套到你的处境:读你的资料、帮你分析,风险低;替你发消息、改文件、操作账号,风险高。按“是否对外产生后果”来划线,比按“是否涉及隐私”划线更可操作3。
先想清楚你交出的是数据还是代理权
当你告诉AI自己的预算、偏好、家庭安排、工作背景和真实约束,然后问它该选哪个,你交出去的不只是数据,而是一部分代理权:请它理解你的利益、替你压缩选择、甚至替你行动。代理权越大,AI能帮你的上限越高,但一旦它的激励和你的利益不一致,冲突也越大。所以决策时可以问自己:这个功能要我交出的是“让它更懂我”,还是“让它替我决定并执行”?前者通常值得,后者要看你能不能保留最终确认权4。
材料没有讨论具体平台的数据合规、加密或删除机制,涉及法律和账号安全的判断需要另找依据。
出处
- 1AI User 与 AI Builder 的 5 个差距,和背后具体技术原因 | 科技大厂打工人版
解释context密度为什么是AI成为思考伙伴的前提,以及分层提炼而非全量倾倒。
- 2从结果确定性到通用智能:和韦晓亮老师聊AI、产品与教育
区分专家资料与用户历史两类私有数据的不同价值。
- 3Codex“背着我”发了个帖,但我不怪她…
提供审批关卡的具体案例,说明为什么加关卡而不是收紧权限。
- 4ChatGPT Ads的根本矛盾:广告靠影响选择赚钱,Agent靠完成选择创造价值
区分交出数据与交出代理权,帮助判断哪些功能值得开放。
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
- 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。
- 在ai时代 data scientist更应该develop什么skillset 是product/strategy方向 还是更technical/statistics方向
材料不支持把两条路当成二选一:统计与编程是入场工具,product sense 决定能否把商业问题转成数据问题;AI 时代更值钱的是设计系统、定义评估,而非只做执行。
- 什么叫做技术直觉,它起到什么作用?怎么养成肌肉直觉?肌肉直觉的关键点是什么
技术直觉是从很少的数据点看出问题背后原因的能力;它靠经验积累、观察和把知识连成结构来养成,不是单靠重复动作练出的“肌肉记忆”。
- 如何做好一个new grads的mentor
做好新人导师,重点不是替新人做决定,而是帮他把力气用在对团队有影响的事上,给略高于当前能力的任务和失败空间,并在公开场合替他争取认可。
- 不是讲的是个人专注 行动力 真正的想解决问题
你记的方向没错:立正确实讲过“愿意解决难问题、愿意吃苦、愿意承受失败”的人能做出价值高得多的东西。但“克服所有困难”不是他的原话,他更强调先选对值得解决的问题,再投入排他的时间。