把事做好,靠的是真正钻进这件事本身、把复杂问题拆成能判断的小问题,再用行动和反馈逐步补全,而不是一开始就追求想全所有方面。
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。
全面不是一次想完,而是拆开再拼回
材料里的观点立正认为人脑没法一下处理一团乱麻式的复杂问题,得先抽象、归纳,把复杂问题拆成许多清晰的简单问题,逐个判断,再回头对整体下结论。他提醒“无非是”这种说法背后常是居高临下、把自己视角直接套上去,容易只看到复杂事物的一小面就下结论。要提升判断力,得真正扎进问题里,尽量多看不同面,并意识到自己带着偏见,主动听不同人的想法,梳理清楚后再抓最本质的东西。所以“考虑全面”更像一个反复展开、再收拢的过程,而非开工前的一次性清单1。
把注意力放在事情上,而不是自己的纠结上
材料里的观点立正观察到,有些人反复纠结没意义的工作,一下午产出很有限;另一些人每件事都做到位、拿出来的成果很扎实。差别在于前者想的是自己,后者真的去想这件事本身,也才更可能做成。他还提到,事情真正的难度和关键所在,常和当事人以为的地方不一样,原因正是没把自己带进事情里。对应到“怎么考虑全面”,可以先问:我现在的分析是在解决这件事的关键难点,还是在处理我自己的担心?这个区分能帮你把精力放到真正影响结果的地方2。
先做两成,再带着结果补全
立正讲过一个“百分之二十”的做法:一件事做到两成左右就可以拿去和人讨论,比如先看基础数据、调研竞品和别人怎么做,判断值不值得继续探索。他也强调行动优先——想得到某个结果,抱怨不会带来它,只有不断行动才可能。放到“全面考虑”上,比较可行的路径是:先挑一个能验证关键假设的小动作做出来,看反馈是否推翻你原来的判断,再决定往哪个方向补。这样全面性来自一轮轮修正,而非开工前的空想3,4。
这些片段讲的是判断与行动的一般原则,没有针对你具体那件事的领域细节;涉及专业判断时仍需结合该领域的具体信息。
出处
- 1培养思维深度,要小心这三个字!
讲复杂问题如何拆解、为什么要多看不同面并警惕自己的偏见,最直接回答“如何考虑全面”。
- 2赚钱的机会,为什么总被自己分析没了?
对比高效与低效做事的人,说明把注意力放在事情本身而非自我纠结上的差别。
- 3如何跟老板1:1?
给出“做到两成就去讨论”的具体做法,适合理解如何边做边补全。
- 4如何重拾人生的掌控感?|如何了解部门业务全貌?
强调先行动、通过多轮接触拼出全局视角,补充行动与全面理解的关系。
追问2026年11月1日
公司里面有些需要非常细心,不能出差错的问题,我自己去做的时候,如何避免忘了哪些东西,如何避免漏掉内容呢?
防漏靠的是把“该检查什么”从记忆里搬到外部清单上,并让每一步都能被核对;只靠提醒自己细心,反而最容易漏。
把检查项外化成可勾选的清单
材料里的观点需要细心、不能出错的事,最怕的是依赖“我记得要查”。更稳的做法是事前把这类任务拆成一份固定的检查项,每项写成能判断对错的具体问题,做完一项勾一项。立正在讲访谈整理时用的就是这个思路:写完不靠感觉判断“差不多”,而是逐条过一遍检查问题,比如每个重要判断能不能回到原话或原始场景、有没有把细节删到只剩概念1。这套检查项可以照搬到你的场景:把上次出错或差点出错的地方记下来,变成清单里的一条,下次直接照着过。清单的价值在于它不随你当天的状态波动。
让判断过程留下痕迹,漏没漏才看得出来
光有清单还不够,关键是每一步要留下能被回看的依据。立正讲课程设计时提到,要补的是被省掉的判断过程:先做出来,再把选择的前提摊开,比较不同方案,最后换一个条件看原来的答案在哪里失效2。放到你的任务上,就是不要只交一个结果,而是在过程中记下你依据什么做了这个判断、查了哪些地方。这样漏掉的部分会在回看时暴露出来,而不是等出错后才发现。比如核对一份合同,把每个条款对应的依据写在一旁,比只写“已核对”更能发现缺口。
把容易漏的环节交给别人或工具兜底
AI推演如果某类错误反复出现,可以考虑不把它压在自己一个人身上。立正讲精力管理时提到,要优先做那些需要跟别人输入输出的任务,借助合作把事往前推3。对应到防漏,就是让第二个人或一个自动检查环节专门看最容易出错的那几项,而不是全靠自己再查一遍。这在你独自负责、又没人复核时不一定成立,那时更现实的是把清单做得更细、把关键项单独标出来。
现有材料没有专门讲“细心类任务如何防漏”的方法,以上是从访谈整理检查和课程设计思路迁移过来的,具体清单内容仍需按你的任务来定。
出处
- 1用AI做访谈整理,且不加戏
讲写完后的逐条检查问题,最接近“防漏清单”的实操做法。
- 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”?
说明为什么要保留判断过程、摊开前提,帮助理解“留痕”为何能暴露缺口。
- 3下班精力被掏空?这五个方法能帮到你|课代表的精力管理方法
提到借助合作与输入输出推进任务,可用于考虑复核环节。
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
- 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。