立正讲的是:真正快的人靠的是背后那套基建,所以一句话就能让 AI 把事做完;而普通人还在一句一句地问 AI,等于自己站在车前面挡着速度。
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。
快,是因为背后有基建
材料里的观点立正说他自己能很快做出来,靠的是背后有一套基建,所以他只是提一句“速度慢一点”“换个域名”“换个模型”“把思考过程给用户”,对方就能把这些都做出来。他把这看成区分 AI 高手的地方:表面上没教任何花哨的东西,方法就是直接跟 AI 说话,但背后那套东西很厉害。他用《禅与摩托车维修艺术》里的垫片打比方——易拉罐拉环上的垫片其实比店里找的更好,只是有人因为它是宝马就不肯用1。这个道理放到“单片机自己加、视觉处理很快做好”这类事上也一样:看起来是某个模块随手就搭上了,实际是底下已经有人把模型、部署、工程能力都铺好了2。
一句一句问 AI,等于人挡在车前面
材料里的观点立正用英国早年要求有人举红旗走在汽车前面来比喻:人走在前面,车再快也超不过人的速度。今天用聊天的方式跟 AI 一问一答,就是在干同样的事——你问一句、它答一句,那个提问的人本身成了 AI 的限制。他描述自己现在的做法是:只说清要达成什么目标、有什么标准,AI 就把中间九步从头到尾做完,生成一堆过程文件再综合起来,他不需要盯着。他把这称为 30% 提效和 10 倍生产力的区别3。所以“很快就做好了”不是因为他手速快,而是因为他不再充当那个必须逐句推动的人。
先做出个错的东西,也比只写方案强
材料里的观点立正还提到一个更早的习惯:脑子里想的东西表达出来会失真,但把东西做出来,别人一看就懂了,讨论效率高得多。哪怕花两三天做出一个错的东西,也比花两三天写一份设计文档有用,因为大家能直接看到问题出在哪、卡在哪,甚至很多时候你直接就做完了,不用再讨论。他管这叫“just do it”,是飞快提高效率的方式4。这解释了为什么他描述的那些事听起来都很快:不是每一步都想清楚了才动手,而是先让一个能跑的东西出现,再在它上面改。
这些片段只讲了快背后的机制,没有给出搭基建的具体步骤;鸭哥那个卷帘门方案是否开源,现有材料里没有提到。
出处
- 1AI时代,为什么必须要做“个人网站”?
讲“快是因为背后有基建”,以及易拉罐垫片的比喻,是理解他这套速度观的核心。
- 2少打卡社交局,才能遇到真人脉?
提到鸭哥手撸模型、一个周末做出人脸识别系统,可对照“综合工程能力”这个说法。
- 3用豆包还是Codex,正在加速两极分化…
红旗走在汽车前面的比喻,直接解释为什么一问一答会限制 AI 的速度。
- 4如何高效学习和高效工作
“先做出错的东西也比写方案强”,说明他为什么习惯先动手而不是先规划。
追问2026年10月13日
有提到鸭哥的github吗?
有。立正提到鸭哥年初写的 cursor rules 在 GitHub 上有几千颗星,另外「问问立正」这个工具的代码也在 GitHub 上开源,用的是 MIT 协议。
鸭哥的 cursor rules 在 GitHub 上几千星
材料里的观点立正在一期访谈里提到,鸭哥今年年初写了那份把 Cursor 用出 Devin 效果的 cursor rules,在 GitHub 上拿到了几千颗星。这是他用来举例说明鸭哥功力的一个具体作品:不是空谈某个工具好不好,而是真的做出来、放出去,别人用了才知道是真的1。
开源的是「问问立正」的代码,不是鸭哥的仓库
材料里的观点「问问立正」这个工具的代码放在 GitHub 上,MIT 协议,想给自己的文章和笔记也做一个可以拿去改。不过要注意:这是立正自己发布的内容,代码托管在 GitHub,和鸭哥本人的 GitHub 仓库是两回事。鸭哥做的工程平台是 Builder Space,年费会员也能用,但这里说的是平台,不是 GitHub 仓库2。
现有片段只提到鸭哥的 cursor rules 在 GitHub 上几千星,没有给出仓库地址或链接;「问问立正」的代码在 GitHub 上开源,但同样没有具体链接。
出处
- 1AI 时代,还需要刷 LeetCode 吗?|@hackbearterry 访谈_下
立正亲口提到鸭哥年初写的 cursor rules 在 GitHub 上几千颗星,是鸭哥 GitHub 作品最直接的出处。
- 2问问立正:直接问我讲过的内容,Founding Member不限次
说明「问问立正」代码在 GitHub 上开源、MIT 协议,以及鸭哥做的 Builder Space 平台,帮助区分两者。
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
- 为什么 ai 越用越慢
“越用越慢”通常不是模型变笨,而是上下文被塞满、每次从零开始、以及把该由人做的判断也外包给了 AI。
- 一个打算做几十年的非营利社群,不把规模当目标。它应该怎么定义成功,才不会变成假装忙碌的 fake work?什么样的成功定义是真的?
把成功定义成"某个具体的人或事发生了可验证的改变",而不是活动量、成员数或影响力这类感觉。指标只是衡量策略的代理,不能当目标本身。
- 大家都在抢着用 AI agent,把能自动化的都自动化了。往后看十年二十年,这个世界会缺什么?什么会变得真正稀缺?
稀缺的不是会用 AI 的人,而是能判断 AI 结果好坏、能收口负责的人,以及愿意把时间还给身体、关系与思考的人。
- 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。