先读《假学习的终结》和《学AI的两大误区》,再补《AI焦虑的三种形态》和《用好AI的第一步》那组入门三篇,就能抓住“围绕交付能力学、别把做出来当学会”的主线。
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。
先读讲“学没学会”的两篇
材料里的观点《假学习的终结》最值得先看:它把问题定在“撤掉AI帮助后你还会什么”,提醒把做出来了当成学会了是一种误会,AI可以当陪练,也可以替你举铁,区别在于你让它替你还是看着你1。《学AI的两大误区》接着讲方法:课堂式学习和照抄教程都不适合学AI,要围绕交付能力练,关注自己能力有没有增长,而不是教程跑通带来的虚假成就感2。两篇合起来,一篇给判断标准,一篇给练法。
再补底层理解和入门路径
材料里的观点《AI焦虑的三种形态》解释为什么追新模型、新工具反而学不深:信息只给结果不给上下文,越想站在浪尖越没底,应该弄清底层问题,比如AI适合什么任务、什么必须人来审核3。如果刚开始接触,免费资料页列出的入门三篇(停止只用聊天窗口、先写Skill再执行、什么算AI Native人才)适合当第一站,但那一页整理于2024年底,工具和课程已有不少更新4。《Knowledge Bank》的说明也主张带着一个真想弄懂的问题去找相关文章,不必按顺序读5。
免费资料页整理于2024年底,其中推荐的课程和工具可能已过时;《学AI的两大误区》只给了学习框架,水下部分未展开。
出处
- 1假学习的终结
给出“撤掉AI后还会什么”的判断标准,是理解AI时代学习的核心一篇。
- 2学AI的两大误区:找课本(只看不动手),抄作业(依赖tutorial)
讲清课堂式和教程式学习为何失效,以及围绕交付能力练的方向。
- 3AI焦虑的三种形态和解决方法:从《道德经》第三章说起
解释追信息流为何学不深,并列出值得弄懂的底层问题。
- 4AI Learning Free Starter Kit | AI学习免费资料
提供入门三篇的具体阅读起点,但需注意内容整理时间较早。
- 5Knowledge Bank|理解 AI 的技术本质,建立自己的判断
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
- 想了解AI时代怎么学习,要先读哪几篇
先读《假学习的终结》和《学AI的两大误区》,再按免费资料页给的三篇入门文推进;这三篇是2024年底的推荐,工具部分已过时。
- 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。