打工主要练“做题”,创业要自己“出题、做题、分发、变现”跑完整闭环;所以创业更像在开放环境里由用户和市场给答案,反馈得自己给自己。
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。
打工只做一道题,创业要出整套卷子
材料里的观点立正把赚钱拆成四步:出题、做题、分发、变现,缺一步都很难赚到钱;打工通常只需要做题,题由公司出,分发和变现也由公司承担1。这决定了思考习惯的差别:打工时想的是“怎么把交给我的事做好”,创业时得先判断“什么值得做、谁会买、怎么送到他手上”。他还提醒,打工做得好不等于出来就能赚钱,因为过去练的是执行,缺的是出题和变现那几步1。
创业的反馈来自用户,不来自评价体系
公司里有老板、绩效、升职这些现成的正反馈,创业后这些基本消失,做得对不对要由用户行为告诉你:用户来用就是好,不用就是不好2。立正也说过,公司是别人设定好规则的游戏,是真实世界的一种加工,只有直接接触市场,判断才会越来越贴近现实3。所以创业者的思考习惯更接近不断向外求证:先假设,再拿真实用户和收入去检验,而不是等上级认可。代价是反馈慢、周期长,找方向的过程本身就很消耗人4。
能不能适应,取决于你喜不喜欢自己找路
AI推演立正观察到,多数人不喜欢被安排工作,但也不喜欢自己安排工作:前者是选择题,后者是没有命题的作文4。如果你在打工时习惯等明确任务,创业初期最难受的可能不是累,而是每天不知道方向对不对。一个可试的做法是:在现有工作里挑一件没人指派、但你认为对用户有价值的事,自己定目标、自己找第一批使用者,看你能不能在没有上级确认的情况下持续推进。这个过程能帮你判断自己更适合哪种环境,而不是先下结论说创业更高级。
这些材料讲的是思考方式和反馈来源的差别,没有涉及具体行业、资金或家庭条件,不能据此判断某个人该不该创业。
出处
- 1做客《上桌》:赚钱需要四步,打工只需要一步
最直接讲清打工只做题、创业要跑出题到变现的完整闭环。
- 2AI时代,找工作和创业的有效方法|Jobright联创/CTO Ethan对话
说明创业后正反馈消失、答案由用户和市场给出这一心理差异。
- 3AI时代,如何找到属于你的机会?
补充公司规则是加工过的世界、直接接触市场才更贴近现实。
- 4【限时公开】个体创业后,才发现打工最让我难受的,是“沟通税”
用具体案例讲清选择题与开放式命题的差别,以及找方向的消耗。
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。