立正更看重的是把上下文和验收标准说清楚,让工具按你的判断做事;工具本身显得专业与否并不重要。Claude Code 过度设计,往往是因为需求里没写清边界和成功标准。
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。
先给足上下文和验收标准,再谈工具表现
立正把跨工具的方法概括成几件事:给足上下文,用 CER 读懂和处理报错,用 3C 写清需求与验收标准,执行后再验证结果。换成 Claude Code 只是界面和收费不同,方法不变1。他也说过,从完成任务的角度看,关键是你让 AI 干什么、上下文够不够好,它就能直接做2。所以 Claude Code 显得“过度专业”,更可能的原因是它没拿到明确的边界和成功标准,只能自己补一套看起来完整的方案,而不是它天生爱炫技。可以试一次:把同一个任务写成两版,一版只说“帮我优化这个脚本”,另一版写清目标、不能改的部分、什么算完成;比较两次产出的复杂度差异,看它是否真的收敛。
判断它做得对不对,比盯着每一步更省力
在一场课程问答的记录里,讨论到一种做法:写清目标和成功标准,用一批案例加一个 LLM 当评委来检查结果,而不是逐步盯 Claude Code 的每一步;其中把这种做法比作管理者花少量时间检查结果、拿到全部成果的杠杆3。这段记录里各句的说话人归属没有逐句确认,所以只能说明讨论过这个思路,不能算作立正本人的主张。它对应你说的“真正有用”:与其在对话里反复纠正它的措辞和结构,不如先定义什么叫有用,再让它自己对照检查。如果中间步骤会影响最终交付(比如客户看到的输出),就把这些要求写进验收标准,而不是靠每轮口头提醒3。
复杂不等于可靠,能撤掉帮助还成立才算数
AI推演立正提醒过,AI 让做出漂亮东西变容易之后,作品本身证明不了什么,撤掉帮助后你还会的才作数4。放到 Claude Code 上:它给出的复杂方案如果经不起你追问“为什么这么设计、有没有更简单的做法”,那多半是包装而非能力。你可以让它先给最简方案,再说明什么情况下才需要加复杂度;如果它说不出加复杂度的具体触发条件,就说明那层复杂度可以砍掉。
现有片段没有专门讲 Claude Code 提示词写法或配置技巧,上面的做法是从通用工作流和验收思路推出来的;课程问答那段的逐句说话人归属未确认。
出处
- 1AI Builders第13轮更新(2026.8)
给出跨工具的工作流要点:上下文、CER、3C 与执行后验证,适合核对方法层面。
- 2#031 关于OpenClaw被封杀以及我们为什么不建议普通人养龙虾?
说明命令行工具与 IDE 的差别不在任务本身,关键在上下文和指令。
- 3AI替你做出来以后,你还会什么?|哥大客座课程回放
记录里讨论了用成功标准和结果检查代替逐步盯 Claude Code,可参考其验收思路。
- 4假学习的终结
提供“撤掉帮助还成立才算学会”的判断标准,可用来识别包装式复杂。
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
- 这个课干啥的
这是一门教人真正把 AI 用进工作与项目的课,重点不是软件操作步骤,而是提需求、判断与动手做的能力;另有一门一小时小课供先试。
- 课代表在223年写的一篇文章里面有讲包括大语言模型是怎么来的呀?介绍这些背景资料的
按现有片段,无法确认“课代表”在2023年写过介绍大语言模型由来的文章;能确认的是立正在2023年有两份公开讲解,分别从生成模型原理和范式变化切入。
- 前辈想请我付费帮她做一档播客,我很愿意采访,但觉得采访完之后的剪辑和发布比较麻烦。一方面我觉得 AI 应该可以把后期做的不错,但实际上我自己的播客后期一直没有弄的很丝滑。我不太知道怎么判断这件事合适。我想的是,我可以收很低的费用,只负责采访。或者用相对高一些的费用,把采访和后期都接了。不太想接负责找外包剪辑同学以及和外包同学沟通,之前自己试过比较麻烦。
按你的约束,更稳的是低价只接采访,把后期排除在承诺之外;若想连后期一起接,就应把外包剪辑和沟通成本算进报价,而不是假设 AI 能替你消化。
- 如何做好 data agent?
做好 data agent 的关键不在模型多强,而在先把数据关系建模成图、在生成查询外加一层审计纠错,并把上线后的持续调优当成常态。
- 目前用了很多 agent,如果管理跨 agent 的 skill 更新和维护问题?
把 skill 当成需要持续运营的共享资产:统一存放、版本化、按环境适配,并给高风险改动加审批。多 agent 不是多份 skill,而是同一份 skill 被多处引用。
- 想赚钱,增加收入,普通人是不是做自媒体更好
不一定。对多数普通人,自媒体更该先当低成本试水的事业,而不是稳赚的副业;它前期大概率不赚钱,成功标准要先定清楚。