AI 更适合当降低记录摩擦、帮你复盘和提醒的工具,习惯本身要靠你愿意长期维持的生活方式来支撑;先改一件能持续的小事,比让 AI 排满计划更可能不反弹。
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。
减肥要换一种能长期过下去的生活方式
材料里的观点立正谈到减肥时讲得很直接:真正有效的做法,是换成一种你接下来能持续的生活方式,而不是平时不动、突然加很多运动,或平时吃碳水、突然完全不吃。那样短期能掉下来,回头也容易反弹。他还强调不能靠逼自己,要多认识自己,比如他发现自己其实不爱吃甜的,却会吃很多甜食,这种自我观察比硬扛更有用。放到早睡、规律运动、控制热量上,道理相通:先找一个你本来就不排斥、能长期重复的版本,而不是设计一套最理想但撑不过两周的方案1。
AI 的价值在降低记录摩擦,不在替你下决心
材料里的观点社区里有个饮食记录项目,思路是用微信群里的图片自动记录和分析饮食,让用户不必额外操作就能留下数据,再给出个性化建议;被认可的设计点正是把记录摩擦降下来,让人更可能坚持。风险也写明了:依赖聊天记录导出的工具可能随平台更新失效,模型识别的准确性也需要验证。所以 AI 适合承担“随手记、定期汇总、提醒你看趋势”这类杂活,判断吃什么、几点睡仍然是你自己的事2。
环境比意志力更能带动习惯
AI推演立正讲“顺天改命”时把环境放在很重的位置,说人特别善于模仿身边人:身边人都天天健身、吃得健康,你自然更容易走向健康的生活方式;身边人都觉得某件事不可行,你也会跟着觉得不可行。他还提到,深度使用 AI 半年一年后才慢慢看出变化,短期看不到效果是正常的。可以试的做法是:先只改一个环境变量,比如把零食从手边挪走、约一个固定一起运动的人,用一两周观察自己是否真的少吃了、多动了,再决定要不要加下一项3。
现有片段没有专门讲早睡早起或热量计算的具体方法,关于 AI 辅助习惯的部分主要来自一个饮食记录项目案例,不是完整方案。
出处
- 1#148. 我们为什么AI焦虑,我们又该怎么脚踏实地
立正本人谈减肥要换可持续的生活方式、不能逼自己,是理解习惯为何会反弹的核心。
- 2用“AI产品的六个层次”,分类AI Architect学员项目,结果如何?
饮食记录项目展示了用 AI 降低记录摩擦的具体做法和它的风险边界。
- 3如何走对下一步,顺天改命?
讲环境如何影响行为,以及深度使用 AI 需要时间才见效,适合判断该先改什么。
追问2026年10月20日
如果只想先改一件事,早睡、运动、饮食里哪个更值得先动?
没有哪一项在资料里被证明该优先;更值得先动的,是那个你心里其实并不真正重视、只靠规则硬压的环节,先把它变成愿意维持的安排。
先改哪件,取决于你真正在意什么
立正讲睡前看手机时提到,他一开始靠给自己立规则,后来发现这像减肥时强行压住食欲,问题并没有解决;转折点是承认自己心里其实没把睡觉看得比玩手机更重要,表面说重视,潜意识里更想玩手机1。这个判断可以迁移到早睡、运动、饮食三件事上:如果某一项你只是“应该做”,靠意志力硬撑,那么先动它最容易反弹;反过来,如果某一项你本来就愿意维持,只是缺一个能长期执行的安排,先动它的成本最低。所以与其比较三项哪个“更健康”,不如先问自己:这三件里,哪一件我嘴上说重要、实际并不真想改?那一件要么先不碰,要么先改掉“只靠规则压自己”的做法。
靠意志力硬改,容易改完又退回去
立正提到,饮食习惯和运动习惯是几十年积累下来的,即使调动全部意志力把一件事做成,也可能觉得太痛苦、不是自己的习惯,于是又退回去,反弹得更厉害2。这说明三项里任何一项,如果改动幅度大到需要长期对抗自己,先动它反而可能消耗掉你后面改其他事的力气。更稳的做法是选一个改动小、你能接受并维持的方式先开始,比如先从饮食里减掉一类明显不必要的东西,而不是同时戒糖、戒应酬、加运动。他在减肥经历里也提到,是在掌握了足够知识后,用接下来能维持的方式重新安排饮食3。
资料没有比较早睡、运动、饮食三者的健康收益大小,也没有针对你的作息、体重或工作节奏给建议;以上只是判断“先动哪件”的思路。
出处
- 1最近好像找到了睡前不看手机的方法
讲睡前看手机时如何发现“嘴上重视、心里不重视”,适合核对先改哪件的判断依据。
- 2如何走对下一步,顺天改命?
说明靠意志力硬改长期习惯为何容易反弹,适合理解先动哪件的风险。
- 3我发现了缺乏行动力的真正原因
讲减肥时用能维持的方式调整饮食,适合看“小改动先开始”的具体例子。
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。