能不能拿到结果,取决于你卖的是“信息”还是“别人自己判断不了的东西”;起点不是先做课,而是先找到一个真实受众、用具体作品证明你能交付结果。
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。
免费信息越多,付费越要靠结果和信任
立正提到,知识付费本身卖的很像“空气”,价值主要来自品牌和用户感受到的用心,所以自动化的、批量生产的内容卖不出价钱1。他在讨论课程定价时也指出,信息时代免费教程和AI都能给出抽象知识,学生为什么要花钱,需要课程给出免费内容给不了的东西2。这不等于“做AI课一定不行”,而是说:如果课程内容只是把公开信息整理一遍,付费理由很薄;能站住的是针对某类人的具体结果、真实案例和可信的交付。做之前先问自己:目标用户是谁,他们现在卡在哪一步,我能不能拿出别人已经因此变好的证据。
先做出一个有人真用的东西,再谈卖课
AI推演有一篇文章提出,AI 更像一根突然变长的杠杆:方向判断对了,专业能力会被放大很多倍;方向判断错了,AI 也会把错误迅速做大,真正被放大的仍然是人对问题、用户、风险和质量的理解3。另一篇讲社区项目的文章认为,最有价值的知识来自动手构建过程中的体感、案例和心得,而不是刷到的金句和鸡汤4。放到知识付费上,比较稳的起点是:选一个你熟悉的场景,自己用 AI 做出一个能跑的小东西或一套可复用的方法,交给几个真实的人用,看他们是否真的解决了问题、是否愿意继续用甚至付费。这个过程同时帮你验证两件事——你的内容有没有人需要,以及你能不能讲清楚为什么有效。有了这样的案例,课程才有可展示的证据,而不是先搭一套课再找买家。
判断力比追新工具更值钱
一篇讲 AI 使用差距的文章把第一项差距放在“认知校准”:面对层出不穷的模型和工具,先建立判断,分辨哪些信息是信号、哪些是噪音,标准是这个工具能不能嵌进自己现有的价值创造链条,而不是它厉不厉害5。做 AI 知识付费也一样,如果只是追热点、教最新工具的操作,内容很快过时;能长期卖的是帮人建立判断和把 AI 用进具体工作的能力。你可以先用自己真实的任务去测一个工具,记录它在什么条件下有用、什么条件下失灵,这类一手经验比转述官方文档更难被免费内容替代。
这些材料谈的是知识付费的价值来源和AI应用方法,没有给出具体的获客渠道、定价策略或收入数据,能否“拿到结果”还取决于你的受众规模和交付能力。
出处
- 1课代表立正:AI 课卖 2000 刀,偏偏坚持古法手搓
谈知识付费为何卖的是价值和信任、自动化内容为何难卖高价,是理解付费逻辑的核心。
- 2当知识获取的门槛降为零时,为什么我们还需要付费课程?
讨论免费信息充足时课程凭什么收费,涉及受众分层和定价合理性。
- 3到底什么才算AI Native人才?|如何unlearn?
说明AI放大的是方向判断,可用来判断该先验证什么再投入做课。
- 4从焦虑AI到驾驭AI,需要环境与行动的滋养
强调动手构建的体感和真实案例才是最有价值的知识,支撑“先做作品”的起点。
- 5AI 用得好的人与普通人的5个差距,和背后具体技术原因|非技术岗位版
可回到原文核对这部分判断
追问2026年10月17日
怎么判断一个AI工具或方向值不值得投入去做内容?
先看这个工具或方向能不能嵌进你已有的具体问题、放大你真正想放大的东西;再看它带来的变化是否可验证。追新名词和“最强工具”本身不构成投入理由。
先问它解决谁的什么问题
判断一个AI方向值不值得做内容,起点不是它有多新、多强,而是它对应的问题是否真实、重要。立正提到,面对AI工具应先问“我的哪个问题值得用AI解决”,再问需要多强的模型、什么数据和验证、人工在哪里把关;反过来,从“这个新东西这么厉害,我该怎么用起来”出发,等于先接受了发布者对“厉害”的定义,剩下只是怎么用1,2。做内容也一样:如果这个方向只是让你多讲一个概念,读者听完仍不知道拿它解决什么,那它更像是在缓解“我没落后”的焦虑,而不是在积累能力2。判断标准可以落到:这个方向能不能对应一批人真实存在、且自己判断不了的问题。
内容要放大的是你已有的东西
内容方向要从自己的处境里找,先明确它要放大什么:业务、能力、关系还是机会。周洁的例子里,立正建议把目标说具体——找投资线索和合作伙伴,而不是笼统的“扩大影响力”,并且只选一件做;同时要判断这件事本身是否适合被内容放大,本地餐馆花大力气做自媒体,可能不如先把卫生和服务抓好3。他还区分大流量账号和高变现账号:前者靠播放量接广告,后者靠少数精准认可你的人,两者通常冲突,要先想清楚自己要哪一种,否则只有十几个赞也会被当成失败3。放到AI内容上,值得投入的方向通常是你已经在用、能拿出具体过程和结果的那个,而不是别人说最热门的那个。
用一次真实交付检验,而不是靠感觉
AI推演判断值不值得,可以先用一个具体任务试:把这个工具或方向用在你手上真实的一件事上,看它是否让结果更好、错误更少、过程更可检查。立正强调,能持续进步的人有明确的验收标准和定位问题的能力,而不是“感觉差不多”就换个说法再试;输出不可观察时,问题只能等到最后翻车才发现4。做内容时,这个检验可以是你先按这个方向做一期,看有没有人因为具体内容来找你聊合作或追问细节——这比播放量更能说明方向是否成立3。如果试完发现你讲不清它解决了什么、也拿不出自己的使用证据,那多半还不值得作为内容主线投入。
这些材料讨论的是自媒体方向选择与AI工具判断的一般原则,没有针对AI内容赛道的具体数据或案例;是否值得投入仍需结合你自己的领域和受众判断。
出处
- 1通过Jev,辨清AI新技术的叙事陷阱:谁替你决定了什么叫“厉害”?
说明“技术厉害”不等于“值得投入”,适合核对如何避免被新方向的叙事带着走。
- 2AI焦虑的三种形态和解决方法:从《道德经》第三章说起
给出面对AI工具应先问自己哪个问题值得解决,适合核对追新与建流程的区别。
- 3做自媒体,先想清楚你要放大什么
讲清内容方向要先定“放大什么”、区分大流量与高变现,适合核对做内容前的目标判断。
- 4AI 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
讲验收标准和定位问题的能力,适合核对怎样用一次真实任务检验工具价值。
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
- 不知道作为一个普通打工人,大公司的后台岗位,怎么能用AI最大化自己的收入或为转岗往科技行业和业务岗铺路。
在暂时换不了工作的阶段,更现实的做法是把采购岗当成积累可迁移能力的平台,用AI把重复工作系统化,同时用副业小规模验证自己能否独立创造价值。
- 立正说的“文件响应模式”具体怎么落到一个任务里?
把任务写成文件、让 AI 读文件并把结果写回指定文件,下游只认产物文件,不认会话里说过什么。
- 怎么判断自己是否应该硕士去国外读?
立正没有直接谈“硕士要不要出国”,但他谈博士和职业选择时的判断可以迁移:先问这段经历要换来什么具体能力或机会,再算它是否值得花掉的时间,而不是把“出国”本身当成目标。
- 让 Agent 沉淀经验,让人专注创造。
帮我看下目前有哪些解决方案
立正给出的方案核心是把经验从个人聊天记录里搬进 AI 每次都会读的结构化文件,再让 Agent 接手信息搬运,人只保留定目标、做取舍和担后果。
- 探索中医专业学生转行可能性,目前想了解coffee chat需要谈论哪些内容能帮我更高质量获取有用信息
别把这次 coffee chat 当成“问出转行答案”的咨询,而要当成一次验证:带上你的处境和一个会影响选择的具体问题,问对方药企岗位的真实工作与门槛,再追问他的经验在你身上成立的条件。
- ai怎么去看论文
看不懂论文时,先别从头硬读,让AI先猜出这篇论文在解决什么问题、关键假设和结论,你再带着这些猜测回原文核对、纠正,把“读懂”变成一次可检验的尝试。