先别急着找更多信息,先给自己定一个要解决的问题和一套判断标准;没有标准时,再多信息也无法判断该不该花时间。
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。
先有判断框架,再谈筛选信息
材料里的观点立正谈到,人要先形成自己的判断框架,之后才谈得上有效筛选;没有框架,就没有东西能告诉你一条信息值不值得信1。他还提醒,网上很多“信息差”是被刻意制造出来、用来制造焦虑的,看到这类内容先别当成稀缺资源1。对你来说,框架可以很朴素:你眼下想解决的具体问题是什么,这条信息能不能改变你对这个问题的做法。比如你刷到一个“大学该学什么”的视频,如果它只是让你更焦虑,却给不出可验证的做法,那它就不值得你投入时间。
深入的标准是能带来更深的思考
立正认为,更好的知识和更有用的结论往往不是来自更多信息,而是来自带着不同角度反复思考同一个问题2。所以判断一条信息要不要深挖,可以看它有没有让你重新审视一个你原本没想清楚的问题。他还建议,对真正需要答案的问题,带着它去和不同的人、在不同场合交流2。你身边没人能帮,这个动作依然可行:把问题写清楚,去找能回应这个问题的人或社区,而不是泛泛地“多认识人”。找人时,先想清楚你具体要问什么、为什么找对方,这样对方才容易回应你3。
把精力放在能积累的核心能力上
AI推演立正给还没上大学的人的建议里提到,可以想一下自己会有什么核心竞争力,它更偏向能力素质而不是某一项专业技能,比如深度思考、兴趣广泛、阅读量大4。大学正好有环境和时间去建立它4。这可以当作你筛选信息的另一个标准:这条信息能不能帮你练出一项可积累的能力,还是只是让你知道了一件热闹的事。前者值得持续投入,后者看过即可。
这些片段没有专门讲非 IT 专业学生如何搭建信息渠道,也没有涉及具体平台或资源的推荐。
出处
- 190%的工作都没价值?|噪音时代,如何获取有价值的信息?|硅谷徐老师访谈 3/3
讲判断框架与信息筛选的关系,以及“信息差”焦虑的来源,适合核对筛选标准这一层。
- 2如何想深两层?
说明深入来自反复思考和换角度,适合理解“什么信息值得深挖”。
- 3显著增加networking成功率的小技巧
讲找人请教前要先有具体的事,适合你身边无人可问时向外求助。
- 4对大学生的三条建议:找到工作以外的自我价值
给出大学阶段围绕核心竞争力的建议,适合把筛选标准落到能力积累上。
追问2026年11月1日
大学期间该怎样把“深度思考”练成一项能力?
把深度思考当手艺练:先戒掉立场先行,再区分观察、评估和评判,最后用成长型心态把每次判断失误当反馈。
先戒掉立场先行,思考才有起点
材料里的观点立正把“立场先行”看作阻碍很多人提升思考能力的最大问题之一:先有结论再找理由,思考就变成了为已有立场辩护,而不是认识事物。大学里常见的表现是:选专业、评价一门课、判断一个观点时,先站队再论证。练法是遇到一个议题,先写下自己当前的立场,再专门去找能推翻它的证据;如果找不到,至少说明这个立场经得起一次检验。这比读更多书更能练出思考的肌肉1。
把观察、评估和评判分开
材料里的观点立正区分三件事:观察是看到发生了什么,评估是判断哪里有效、哪里不足,评判则是给自己或别人下好坏定论。前两步是进步必需的,评判反而带来内耗,让人把“这次没做好”变成“我不行”。练深度思考可以先从描述事实开始:比如读完一篇文章,先写下它说了什么、论据是什么,再评估哪些成立、哪些存疑,最后才下结论。这样思考有层次,也不容易被情绪带着走2。
用成长型心态对待判断失误
固定型思维把能力看成天生,失败就等于否定自己,于是人会回避挑战、拒绝反馈;成长型思维把失败当信息,把反馈当帮助。深度思考必然会出错,关键是出错后能不能复盘:是前提错了,还是推理跳步了。立正也提到,深度思考、阅读量大、兴趣广这些素质本身就是重要的核心竞争力,大学正好有环境和时间去建立它3,4。
这些材料讲的是思维方式的原则,没有给出大学阶段专门的练习计划;具体怎么安排要结合你自己的课程和时间。
出处
- 1你为什么会轻易放弃思考?
讲立场先行为什么阻碍思考能力提升,是练深度思考最直接的起点。
- 2如何避免内耗?|Don't judge|The Inner Game of Tennis
区分观察、评估、评判,说明为什么评判会带来内耗、妨碍进步。
- 3第04课|警惕固定思维:你的人生本该如此吗?
固定型与成长型思维的对照,解释怎么对待思考中的失败和反馈。
- 4对大学生的三条建议:找到工作以外的自我价值
把深度思考列为大学期间值得建立的核心竞争力之一,说明为什么现在练。
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。