你卡住的可能不是能力,而是“必须先准备好、必须做对”的考试式标准;把目标缩到一件能立刻得到反馈的小事,用行动本身替代自责,才可能打断内耗循环。
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。
卡住常来自“不够好就不许开始”
立正提到,很多人迈不出第一步,卡点在于心里那种不值得、不配得、觉得自己不好的感觉,而不是不知道怎么做;这种声音常伪装成高标准,让人不允许自己以不完美的状态上场1。他也说过,人给自己加的限制条件一旦被相信,就会真的觉得没有选择、无力改变2。你“觉得自己不行所以动不了”,很可能属于这一类自我限制,而不是对能力的客观评估。学历好、会做题,说明你在有明确题目和评分标准时能运转;但生活和成事没有现成考卷,用考试标准要求自己,就会一直停在“还没准备好”。
行动本身就是学习,不必等学会再开始
AI推演立正主张,行动不是学习结束后的考试,行动本身就是学习发生的地方;不开始,看再多教程也只是熟悉别人怎么做,不会让自己知道该怎么做3。他还批评过学校里的考试思维:工作中重要的是尽早开始、尽早获得反馈,在不断修正中前进,那个想象中的大考永远不会到来4。放到你身上:与其先找一套完整方法论再执行,不如挑一件你一直拖着的小事,做到能拿到一次真实反馈的程度,比如发出一个请求、交出一个不完美的初稿。反馈会告诉你哪一步是真难、哪一步只是想象,这比在脑子里推演更能打破“我不行”的判断。
自责本身也在消耗行动力
立正讲过,大脑为了终止焦虑,会给自己贴标签、找理由,比如用“我是要脸的人”来解释自己为什么不做某件事,这样焦虑暂时停了,但那个判断未必正确5。你反复自责“枉费好学历”,可能也在起类似作用:它让痛苦有了说法,却没有推动任何一步。他谈后悔时也说,后悔这种情绪没有用且有毒6。这不等于要你否认难过,而是把“我是不是不行”换成“这件事卡在哪一步”,后者才有下一步可做。
你提到抑郁,这些材料谈的是行动与内耗,不能替代专业评估;若情绪持续低落,值得同时寻求专业帮助。
出处
- 1当“好学生路径”失效之后,真正决定你能不能活好、做成、赚到钱的,是什么
解释“我不够好”如何伪装成高标准、阻止人开始,对应你卡住的感受。
- 2环境 | 决定你一大半的成败
可回到原文核对这部分判断
- 3如何breakthrough:去做那件你早就该做、却一直没做的事
说明为什么不必等准备好再行动,适合核对“先做再学”的判断。
- 4工作中最重要的三个月,如何应对?|这四个好学生习惯一定要改!
讲考试思维在真实任务里为何失效,对应你“只会做题”的自我描述。
- 5如何避免内耗?|Don't judge|The Inner Game of Tennis
讲大脑如何用标签终止焦虑,帮助理解自责为何不带来行动。
- 6后悔:无用且有毒
可回到原文核对这部分判断
追问2026年10月24日
我之前似乎避免了一个方面的过错 那就是嘲笑别人的无知,但没有避免一体两面的另一个过错,那就是自恃懂得多,害怕懂得更多的人。把知识当作身份。其实是一个错误。这可能也能解释我为什么不想行动获取更多知识 因为过去再学生时代 会学习学习好已经是我的身份不需要在努力获取,但这个感觉是错的。 我想继续想清楚 我就算现在把过去的学历什么都扔掉,我不会创业 也不如他们对创业的认知清晰个高明,也没那么多时间阅读。我仍然可以尝试在创业团队中贡献没那么出色的技术来尝试把东西做出来。这个是对的么?
这个方向大致对:不必先补成创业者或技术专家,可以在真实项目里用行动换取反馈;但“贡献没那么出色的技术”要成立,前提是团队确实需要这块活,且你愿意从做小东西、被指出问题开始。
知识当身份,会把行动变成掉价
你把学历和“懂得多”当成身份,行动就容易被理解成承认自己不够懂,于是拖延反而保住了那个身份。立正讲自己也有类似结构:明明知道该做,却在该推动的事上偷懒,比如课程推广、翻译、认真写代码,还反复想“如果当年练了会怎样”1。这说明问题不在于你缺一套更完整的知识,而在于把“已经会”当成不开始的理由。把身份放下来,不等于否定过去,而是让过去不再替你决定现在该不该动手。
先做出来,知识才有判断力
AI推演《真本事》第二课把学习拆成行动、思考、求知三个环节,认为现实世界里行动应占大头,遇到瓶颈再针对性补知识,并给出大约六三一的比例2。这正好回应你说的“没时间阅读、认知不如创业者”:创业认知很多是在做的过程中被具体问题逼出来的,不是在读完之后才具备的。你可以先在团队里接一块边界清楚的小技术活,比如做一个能跑通的原型、修一个具体问题,做完拿给队友看,观察他们能不能用、哪里卡住。这个反馈会告诉你该补什么,而不是先假设自己不够格。
贡献不必出色,但要真的被需要
AI推演“贡献没那么出色的技术”能不能成立,取决于团队是否缺这块人手、你是否愿意接受被修改和被质疑。立正提到,人相对于工具的价值之一,是能判断哪个答案对具体的人最有用3;这可以理解为:技术不必最强,但要知道自己做的东西服务谁、解决什么。若团队已有更强的人且不需要你补位,硬挤进去可能只是旁观;这时更实际的是找一个小团队或一个具体需求,从最小可交付的东西开始。
材料没有涉及你具体的创业团队、技术基础和可投入时间,以上是按一般条件推演;若团队不需要你这类贡献,结论要重新评估。
出处
- 1我对“上进”的理解
自述知道该做却拖延、反复想“如果当年练了”,对应把身份当不行动理由的结构。
- 2第02课|学习工作和赚钱的正确方法
解释行动、思考、求知的比例,适合核对“先做再补知识”的依据。
- 3工作最重要的是自洽?|中国大厂 vs 美国创业公司
说明人的价值在于判断哪个答案对具体的人有用,可支撑“技术不必最强但要服务具体需求”。
追问2026年10月24日
换一个问题。现在在AI编程的过程中,有很多细节是我作为一个计算机学生本来很想学习、掌握的。比如我们经常说的一句谚语:Devil's in the detail。我们在做的过程中会遇到各种各样的问题,然后通过某些方式把它们一一绕开或者解决,这是我们对于做一个编程项目的预期。 现在把这些东西都丢给AI之后,我发现自己懂得变得少了,而且还没有长出来一些新的全局架构设计能力,这让我觉得有点难过、苦恼,还有没有方向感。
把细节交给 AI 后懂得变少,是因为你跳过了“判断哪里不对、为什么这样取舍”的那一段;全局架构能力恰恰要从这段判断里长出来,而不是从亲手敲代码里长出来。
被跳过的不是代码,是取舍过程
立正把 AI 协作拆成一个循环:人先感受到“这样对、那样不对”,再用示范和指出问题把方向传给 AI,AI 负责大规模执行,人再回来看输出哪里偏了1。这个循环里真正属于你的部分,是判断和校准,不是把每个细节亲手写一遍。他讲过一个反差:把调研和比较的过程全部拿掉、只留最后那个简单办法,看起来就很简单;可“只知道这一种办法”和“比较过几条路后知道这里用这一种就够”,写出来的代码几乎一样,差别藏在被排除的选择里2。你觉得懂得少了,很可能少的正是这段被排除的选择——AI 直接给了你答案,你没经历它为什么成立。
全局能力来自撞上现实,不来自绕开细节
AI推演立正说,从原型到产品,每一步都是想法撞上现实:你以为用户会那样用,结果人家偏偏这样用,很多正确的决定在看到错误版本之前根本不存在3。他还提到,很多人用不好 AI 编程,卡的不是 prompt,而是对编程环境和上线流程不熟,比如终端、IDE 布局、Git 和部署,这些只能一步步熟悉4。所以“细节被绕开”本身不是问题,问题是绕开之后你没有回头去看那个坑。一个可以试的做法:挑一个 AI 已经帮你跑通的小功能,自己复述它为什么这样设计、当时排除了哪条路,说不清的地方就是你要补的那一课;这能帮你分辨自己缺的是环境熟悉度,还是判断力。
这些材料谈的是 AI 协作与学习方式,没有针对计算机学生课程学习的具体安排;你目前项目做到哪一步、AI 介入多深,也会影响该先补哪一块。
出处
- 1良质与 AI:为什么人类最不可替代的能力,反而是「看一眼才知道好不好」?
人机协作的良质循环,说明人该负责判断与校准、AI 负责执行,是理解“懂得变少”的核心框架。
- 2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”?
解释为什么只看最终答案会显得浅,以及“被排除的选择”才是判断力所在。
- 3假学习的终结
讲原型到产品之间撞上现实的那一段,说明全局能力从哪里长出来。
- 4个人网页,数字资产,AI编程的最后一公里
具体列出 AI 编程卡住的地方是环境与上线流程,可对照自己缺的是哪类细节。
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
- 之前一段时间很忙,但是整个人很有干劲,最近业务没有那么忙,但是很懈怠,明明有事情要做,但就是不想做想刷手机 why
忙时靠外部任务推着走,闲下来反而失去方向;刷手机往往不是懒,而是没有把时间交给自己真正想做的事。
- 关于一些行动力的建议,我尝试在一些事情上积极起来,比如感兴趣的是寻找好工作。但是总是行动不起来,最开始我以为是我的时间管理或者行动模式出现问题,所以我去找了一些时间管理和福格行为模型等书籍观看学习,但这些效果很难持续一个月时间。经过仔细思考和回顾以后,我发现这些有着更底层的模式,一旦我规划的目标有着具体的时间路径,我倾向于将它们拖延、延后。而在压力到达一定程度下,我会回退到逃避模式,直接沉浸于小说、视频等娱乐中。而当最后的期限快要到达的时候,可以合理地调节:反正时间来不及,不是我不做,我一做肯定会做得非常好。这种行为模式与自我厌恶产生一种循环,会让人处于持续下降的状态。而且这种行为模式来源于幼年养成的习惯,它已经在不经意间影响我很多年,很难打破。那么如何进行破局呢
你缺的可能不是时间管理,而是让行动本身成为学习:先做一件小到不需要意志力的事,用过程中的真实反馈替代对“做得好不好”的预判。
- 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。