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。
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。
名词是地标,动词是地标之间走的路
材料里的观点立正说名词和动词不是对立的:RAG、LangChain、Harness 这些名词在某些情况下确实值得学,名词给你零件,动词给你组装能力,两个都需要。问题在于市场只给名词定价,所以大多数人的名词远远多于动词,零件堆了一地却什么也没造出来。他把这个差距落到 RAG 上:名词只有一个,对应的动词却有六个——上下文管理、切分、判断、评估、诊断、编排,每一个展开都是很深的内容。换成 agent、Harness Engineering、AI 编程、AI 写作、AI 知识库,道理一样1,2。
拆概念就是把它还原成一组动词
他拆一个概念的做法是:不背这个名词的定义,而是问它对应哪些动作。RAG 被拆成上面那六个动词,每个动词再展开成具体细节。这样拆完,初学者关心的“该学哪个工具”“怎么写一个更好用的 prompt”“哪个模型最强”,就换成高手关心的“这个任务该如何组织”“需要什么样的上下文结构”。名词是 Science,读文档、跑 demo 就能会,checkpoint 明确;动词是 Craft,只能在真实项目里遇到问题、做判断、看后果、校准直觉,一轮一轮磨出来。协议层的知识读文档就能学会,运行时层的能力只能在生产环境里磨3,2。
用 prompt 的功夫在任务组织,不在措辞
AI推演立正把“怎么写一个更好用的 prompt”归到初学者关心的问题,高手关心的是这个任务需要什么样的上下文结构。他讲过一个社区同学问“我要做一个基于日常上下文的 agentic flow,用什么工具”,他回答这个问题没有意义——因为工具选择不是起点,任务怎么组织才是。所以用 prompt 不是去调措辞,而是先想清楚这个任务要拆成哪几步、每步需要什么上下文、怎么判断输出对不对。他也在别处提到,只改 prompt 是知其然不知其所以然,要从原理入手才能触类旁通2,4,5。
关于“怎么拆解一个概念”的完整方法,目前片段只给了 RAG 这一个拆解示例,没有更系统的拆解步骤。
出处
- 1为什么所有人都在学名词,但真正拉开差距的是动词
名词与动词的核心比喻,以及“名词给你零件、动词给你组装能力”的完整表述。
- 2AI的正确打开方式:不学概念,学动作
把 RAG 拆成六个动词的具体示例,以及初学者与高手关心问题的对照。
- 3名词、动词、和手艺 -- 学AI到底在学什么?
名词是 Science、动词是 Craft 的区分,说明动词为什么只能在真实项目里磨。
- 4AI已经用得很好,为什么还是怕被淘汰?
补充说明为什么大家看不到动词,以及动词与缓解焦虑的关系。
- 5在《以一个简单任务为例看AI落地的关键决策》下的回复
可回到原文核对这部分判断
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
- 作為一個軟件工程師,已經用agent 寫99% 代碼,在專業的學習上應該要學習什麼,以前要學習編程語言,框架的syntax, 在AI 年代好像學來也沒有什麼意思
立正认为不必再从语法和算法入门,该学的是怎么把任务交给 AI 并让它可靠交付:给多少上下文、怎么拆任务、哪些环节必须人判断、出错时定位是能力限制还是上下文没给够。
- 我不学习ai会怎样?
不学 AI 的代价,不在少懂几个名词,而在把判断力外包出去:工具替你做对了,你以为自己也会了,撤掉工具就交付不了。
- 我其实一直想搞清楚:一个普通人要了解AI到什么程度?需要从底层开始了解吗?还是该怎么弄?
普通人不必从底层原理学起,先建立对AI的基本判断、再用它动手做真实任务,比啃算法更有效。
- ai该怎么学
把 AI 当手艺而不是知识来学:先自己猜、再让 AI 做,然后撤掉帮助、隔段时间、换道题,看自己还会不会。
- Ai平权下,资源更值钱,那么学习知识的目的是什么
AI让知识本身不再稀缺,学习的目的从「记住答案」转向「能判断、能行动、能交换」——用行动和思考引领求知,而不是先囤知识。
- 玩ai到底要不要自己摸索
要,但摸索的对象是任务本身,不是名词和工具。把真实任务做完、暴露问题、再补方法,比先学概念更有效。