- 刚开始做自媒体经历了多久才挣到了第一笔钱?
立正2020年开始做自媒体,前四年几乎没收入,2023年下半年做付费会员后才真正赚到钱,2024年是他把自媒体当副业并得到收入的第一年。
- 社区里的工具箱里有这么多skill,我要全部一次性安装到我的codex吗?别人做好的skill,安装在根目录更好还是项目文件夹更好?
我使用codex有2个多月了,从只会跟它聊天到现在会尽量让它直接帮我完成一件事,会在过程中纠正它的方向从而使得它做成我想要的样子,不过我还没有真正开始自己原创skill,也没有过多的去使用别人的skill,更多的时候我会直接把我的想法告诉codex然后让它完成工作。
不要一次全装。先挑一个你反复做的任务,装一个 skill 跑通,再决定要不要加下一个。放哪里取决于它是通用偏好还是只服务某个项目。
- 即将读人文学科博士,我如何对未来四年的研究工作提出更好的设想和规划
把博士当成一次创业:先找到值得做的研究问题,再倒推四年要积累什么,而不是先定发表数量。
- 现在需要选offer!base美国,MBA刚毕业,之前一直在做电商战略&策略,出海方向,我的目标是能够进AI应用公司/大厂AI应用业务做增长或者是产品设计,希望能对业务有影响!我有4个选择:1)回到国内咨询做AI数字化转型,再跳大厂做AI战略,之后再做AI业务;2)TT LA美国做creator strategy and product operations, 主要是达人增长目标拆解,drive sports content提升,激励体系搭建,分析内容和流量策略,也会有一部分product operations,看什么feature可以直接上线,有些时候可以自己vibe code一些产品;3)Capital one 纽约 business travel 针对信用卡商户做marketing strategy,看product messaging,以及跨渠道怎么分配预算看如何增长,marketing归因,内部有转岗机会到analytics方向,未来either大厂analytics/DS方向,或者;4)Amazon西雅图 自营品牌category manager方向,优化品类P&L,主要pull lever是和供应商谈价格,遇到具体的问题,找supply chain/quality/product manager解决,虽然看似管理P&L,但其实每个链条都有相应的人处理,真正支撑每个部分都有产品经理做好处理了,未来有转产品经理的可能,例如电商selection优化/供应链产品/价格产品,但我对Alexa AI/AWS更感兴趣 目前我的主要concern是1)亚麻从category manager转出去第一步更有可能是供应链方向;2)TikTok creator这个领域比较窄,non-tech长期的薪资是不是会不够高?以及跳槽认可度不知道如何?3)capital one这个product marketing属于金融产品领域,内部可以转analytics再跳出去,或者再继续出去做product marketing,薪酬美国的高于中国的,但美国的三家后续曲线可能不同! 结合我的背景和您的认知,您会怎么给出建议?
四个选项里,最该先比的是哪条路能让你持续积累“增长/产品”的可迁移作品与判断力,而不是哪个title更接近AI。按这个标准,TikTok和Capital One的起点更贴近你的目标,但各有代价。
- 如何面对 AI 的不确定性?让 Ai 优化就可以一直优化
AI 的不确定性不能靠无限优化消除,得先接受它永远存在,把注意力从“优化到完美”转到“先做起来、拿到真实反馈、自己判断质量”。
- 正确的学习方法比大家想象中稀缺很多
“正确的学习方法稀缺”指的是会检验自己是否真学会、并能从错误方法里爬出来的人很少;想读透这一点,从《假学习的终结》和哥大课程回放开始最直接。
- how to learn public speaking
公开演讲的核心不是展示自己多聪明,而是让对方听懂、拿到沟通结果;练法是围绕真实问题反复讲、接受逐项反馈并重讲。
- 怎么从超级执行者到AI-Native Owner
从超级执行者到 AI-Native Owner,关键不是把执行做得更快,而是重新定义自己交付的结果、把 AI 当核心能力来设计业务,并用一件被重做过的工作证明判断力。
- 实习生在单位的人际关系处理
实习生处理人际关系的重点不是讨好同事,而是先把工作做靠谱、公事公办;社交融入是可选项,不是必选项。
- 在单位作为实习生应该如何看待自己要承担的角色
实习生最该做的不是把自己当外人等安排,而是把团队的问题当成自己的问题,主动去问、去解决,同时接受自己现在的判断很可能不准。
- 怎么做到 dont jude
立正讲的“don't judge”不是禁止评价,而是别急着给人贴好坏标签、上纲上线;先看清事实,再决定要不要评价。
- 职场普通打工人,在AI时代需要做什么?做个产品?自动化工作流?
先别急着做产品,普通打工人更该做的是把AI用进自己现有的工作流,并让自己靠近模型或付钱的用户,远离纯转述协调的中间层。
- 我现在想做点东西,但是又找不到自己的热爱,不知道该解决什么问题,也不知道该给什么人群解决问题。我该怎么办?
现在我探索过一点点。比如说,利用业余时间做一些小的 SaaS,做一些内容,做一些咨询,但是没怎么挣到钱。其他的,比方说做餐馆或者是什么实体的东西,也有兴趣尝试,但是都感觉离得比较远。
我该怎么探索,找到自己真正的热爱,或者自己的使命,自己需要去解决的事情?
热爱不是先想清楚再动手,而是在真实交互里被反复验证出来的;给自己两年,用能收到付费反馈的小项目去试,而不是等一个使命降临。
- 立正怎么看chatgpt ads?
立正认为ChatGPT Ads大概率能做成百亿美元级生意,但方向有根本矛盾:Agent帮用户完成选择,广告靠影响选择赚钱,两者对立。
- 如何进行项目管理
项目管理不是把交付物排进看板打勾,而是持续跟进、让结果真正发生;在创业或探索场景里,它更该服务于假设验证而非流程本身。
- 总结,我看你每次的访谈都会总结一下和嘉宾谈话的内容,我想知道总结的时候你是如何想的,或者说有什么方法来总结,并且总结的好没有偏差有条理有逻辑
立正总结访谈时,重点不是覆盖每段内容,而是留住谈话里真正有判断力的部分,同时不替嘉宾加戏、不把没说过的话包装成洞察。
- 我就是先来试试,你说,INTJ有什么缺点,有什么要注意的地方
立正讲的 INTJ 缺点集中在沟通上:容易把事实、观点和假设混在一起,也容易在逻辑不严谨时直接炸掉,甚至拉黑对方。
- 课代表立正在哪里讲过为什么要多用动词,少用名词,怎么拆解一个概念,怎么用prompt
立正在《为什么所有人都在学名词,但真正拉开差距的是动词》和《AI的正确打开方式:不学概念,学动作》里讲过:名词是地标,动词是走路的能力,拆概念就是把它还原成一组动词。
- 我觉得工程能力越来越重要 哪怕不用在工作上 做副业或者生活流程上都很好。分析师是离业务更近但从分析师变成业务manager或者director感觉在美国存在天然天花板。这样来看似乎DS的投入至少金钱的回报和长期发展上更好 对吗
不能简单说DS在金钱回报和长期发展上更好。副业收入高低取决于能否完成价值交换,职业天花板则取决于你带来的是维持还是增量,两者都不由岗位名称决定。
- Data scientist 和data analyst选哪个track更好
两个 track 的差别不在高低,而在你解决的问题是否需要复杂模型:Analytics 靠 SQL、可视化和业务判断,Scientist 靠统计建模,且后者的优势正在被工程能力挤压。
- 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。
- 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。