核心主张是:AI 不必少用,但要把“难”留在判断上——先自己猜、撤掉帮助再做一遍、换条件再试,才能分清“做出来了”和“学会了”。
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。
用AI学习,难要留在关键处
材料里的观点不必为了学习而少用AI。文中举过一个实验情形:只给提示的那组,练习成绩提升更多,考试也没有损失,说明同一个工具,用法不同,学到的也不同。它把AI比作站在身后的保护员:不是替你举,而是在你快撑不住时托一把。配环境、申请token、调端口这类消耗意志力却不长本事的“假困难”,可以交给工具;真正该自己扛的是判断:这件事值不值得做、怎么拆、做出来的东西好不好1。
这套用法有三个动作:动手前先写下自己打算怎么做、觉得哪里会出错,再对照AI的结果;过一两天关掉AI重做一遍,或讲给别人听;再改一个条件,比如换一批数据、加一个约束,看还会不会。前一步让你有机会犯错,后两步检验错误有没有变成你的能力1。
“做出来了”不等于“学会了”
AI最危险的时候,是它做对了,你以为自己也会了。学会的感觉和真的学会常常相反:自己先做、卡过壳的学生学得更多,却觉得自己学得更少2。所以检验标准是可迁移性——换任务、换工具、换领域还能交付,才算真会3。
这也解释了为什么只看教程、抄作业效果有限:它们替你完成了建模、拆解、验收、诊断这些最重要的部分,你只是在走流程3。不过这不等于否定动手做项目。有文章明确说build是学AI最好的路径,只是学习项目的目标是获得认知,而不是把它当成能长期依赖的生产系统4。
这些是公开文章与课程中的学习主张,不是某位学员的实践记录;若想对照别人的真实体会,可看社区里的项目分享。
出处
- 1假学习的终结
最完整地讲了AI当“保护员”的用法和三个自检动作,适合核对具体做法。
- 2AI替你做出来以后,你还会什么?|哥大客座课程回放
解释“做出来了”和“学会了”的区别,以及学会的感觉为何会骗人。
- 3学AI的两大误区:找课本(只看不动手),抄作业(依赖tutorial)
说明为什么看教程、抄作业学不到能力,以及可迁移性这个检验标准。
- 4Don't build: 看清demo和production之间的鸿沟
补充build作为学习路径的价值与边界,避免把学习项目当生产系统。
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
- AI接下来对白领工作都要冲击,普通人应该如何学习如何使用
先别把目标定成“学会某个AI工具”,而是把AI接进你现有的工作流:从一个小任务开始,把背景、错误和需求讲清楚,再把做法沉淀成可复用的规则。
- 怎么高效使用ai
高效用 AI 的关键不是换更贵的工具,而是把工作方式改成“AI 多做、人少插手”,并把反复用的判断沉淀成可复用模板。
- 怎么用好ai
用好 AI 的关键不在背提示词,而在三件事:把需求说清楚、把经验沉淀成可复用的系统、把工作流程围绕 AI 重构。
- 如何高效地使用AI
高效用 AI 的关键不在提示词写得多漂亮,而在把上下文给足、把判断标准说清、把经验沉淀成可复用系统,并逐步让 AI 承担完整任务。
- workbuddy普通人怎么用
普通人用 AI 的关键不是学会某个工具,而是从“偶尔用一用”变成“让 AI 成为核心生产力”,并围绕自己反复做的一件事持续积累。
- 如何用好AI
用好AI的关键不在学更多工具技巧,而在把自己变成会定义标准、给足上下文、搭好工作流的人;想入门可以先从「AI产品的六个层次」和「AI原生思维」读起。