立正会先把“机会”和“热爱”拆开看:钱不够时它很重要,但别让升职加薪或外部认可替你定义人生意义;重新开始时,可以先做一件能直接给别人提供价值的小事,用真实反馈检验热爱是否站得住。
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。
先分清你要的是机会,还是别人给的意义
立正提到,他过去以为的人生意义其实是别人给的:成绩、级别、收入和个人价值绑在一起,他后来认为这完全错了,但也没有现成正确答案1。他还反问过,如果升职加薪本身是错的,那错过它就不算风险2。这不等于劝人不要工作或不要钱:他明确说钱在不够时非常重要,买安全感、选择权和尊严,他抗拒的是被成功反向定义3。所以“一无所有、想重新获得机会”时,先别把机会窄化成职位和收入,也别因为追求意义就拒绝一切有报酬的事。可以问自己:这个机会是我真想做,还是只是被惯性推着证明自己3?
热爱要靠直接提供价值来检验
AI推演立正给大学生的建议里有一个可迁移的做法:认真想清楚不依靠公司、不依靠打工,你能直接给别人提供什么价值,并花时间真去试一试,而不只是停留在“我可以创业”这类答案4。这正好对应你“重新开始获得机会”的处境:机会往往来自别人需要的东西,公司只是其中一种间接的组织方式4。选一件成本低、能直接接触真实需求的小事去做,比如帮特定的人解决一个具体问题,观察有没有人愿意为它付出时间或钱。反馈会告诉你,你追的热爱是真实的能力和关切,还是想象中的方向。
意义不是算出来的,要在体验里校准
立正引用过“良质”的说法:真正真实的,是你主观遇到客观世界那一刹那的感受,其余都是对它的解读5。他也写过,知道世界如何运行,并不等于知道自己应当怎样活,事实不会自动替你完成价值选择6。放到你的问题上,这意味着“人生意义”很难先想清楚再行动;更可行的是先做几件能产生真实体验的事,再回头判断哪件让你觉得对。他2024年也提到,自己从更共情有钱人转向更共情渔夫,这种转变来自经历,不是道理推出来的7。
这些材料谈的是立正自己的价值转变和给年轻人的一般建议,没有针对“早期放弃机会后重新开始”的具体路径;他2023年也承认停下来会影响职业上限,这种权衡仍要你自己判断。
出处
- 1立正本人的话 · 想清楚这些,才能成为财富的主人|Multiple-Fire系列
核对立正如何描述“别人给的人生意义”以及他与收入、级别绑定的个人价值感
- 2立正本人的话 · 如何摆脱无意义的工作?|Multiple-Fire系列
可回到原文核对这部分判断
- 3如果让我做一个role model,我想成为一个不 productive 的role model
核对他对钱、成功和“被成功反向定义”的完整区分,避免把追求意义误读成反金钱
- 4对大学生的三条建议:找到工作以外的自我价值
看他不依靠公司、直接给别人提供价值的具体建议,适合作为重新获得机会的起点
- 5立正本人的话 · 问道|格桑泽仁老师访谈
理解“良质”作为主观遇到客观那一刹那的感受,以及它和人生意义判断的关系
- 6AI接过工作之后,人生的问题才刚刚开始
可回到原文核对这部分判断
- 7征文活动第一波:我的2024总结/2025 resolution
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
- 我在网上看到有些人可以把 token 用的非常多,比如说跑几百个 agent 做这种类似 one-person company。
我感觉我现在虽然也用 Claude,但我还不是这种状态,我基本还是 single thread,或者 at most 也就 3 个 thread 这样子
几百个 agent 不是靠人同时盯几百条线程,而是把大部分任务交给自动化流程,人只看关键节点和结果。
- 如果我的本职工作和要放大的事业关系不大,该怎么选那一头?
先判断哪一头有更大的放大空间,再把稳定的一头当底座、把可放大的一头当主攻;不必平均用力,也不必立刻辞掉本职。
- 我在自建中台软件,涉及到知识库和知识台两部分,知识库采用那种路径更好?是obsian这种,还是mag或grep?
现有材料没有比较 Obsidian、mag 或 grep 这三种知识库路径,无法据此判断哪种更适合你的中台。能确定的是:知识库要服务分叉、引用、结构化资产和过程可观测,而不只是线性记录。
- 我应该如何影响我的其他同事,推进当前的项目
先弄清同事在意什么,再用他们关心的价值切入,而不是只讲自己方案正确。
- 立正从什么时候开始做视频,如何坚持下来的
立正说自己是五年前开始做视频、每周至少更新一期;起点是给餐馆做外卖教学视频,发现满足了表达欲,就一直做下去。
- 在ai时代 data scientist更应该develop什么skillset 是product/strategy方向 还是更technical/statistics方向
材料不支持把两条路当成二选一:统计与编程是入场工具,product sense 决定能否把商业问题转成数据问题;AI 时代更值钱的是设计系统、定义评估,而非只做执行。