优先试那些你最近真要做决定、能小成本动手、做完能拿到反馈的事,而不是先设计一套“提升能力”的大计划。
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。
从手边一个真实决定开始
材料里的观点立正给出的做法是:拿一件你最近确实要做决定的事,走完一轮——先把事实和你的解释分开,写下“我目前认为卡点是……”,再带着自己的处境去问一个会影响选择的问题,最后把答案变成一次成本能承受的小验证1。他特别强调,不必为“提高提问能力”再准备一套很大的学习计划1。对刚毕业的人,这意味着合适的起点不是抽象地探索人生方向,而是你眼下真要拍板的那件事:选专业、选第一份工作、要不要做某个小项目。
两类值得先试的问题
一类是“我能不能给别人提供价值”。立正问高中毕业生:除了工作之外你还可以干嘛,并提醒“创业、考公”这类答案等于没想,应该花时间认真想,再花一周到一个月去试自己是不是真能做2。另一类是“我能不能用 AI 解决真实问题”。Ethan 认为很多学生没被系统教过怎么把 AI 放进真实工作流,他给毕业生的建议是每天高强度使用 AI,放进 coding、debug、research、写文档、做项目这些完整流程,并做出真实项目、真实 commit3。这两类都符合“小成本、能拿到反馈”的标准。
试的时候盯住反馈,而不是结论
AI推演立正要求先写下这次动作要验证什么、什么结果会让你改变原来的想法,做完再带着结果回来问下一轮1。按这个标准,判断一件事值不值得先试,可以看它能否在短周期内给你一个“被确认或被推翻”的信号。比如想验证自己能否靠某项技能接活,就先做一单最小的;想验证 AI 能不能帮上忙,就把它放进一个真实的小项目里跑完,而不是只看教程。这是 AI 根据上述方法做的应用推演,具体选哪件事仍取决于你手头的真实约束。
材料没有给出针对高中毕业生这一群体的系统清单,《对大学生的三条建议:找到工作以外的自我价值》2是 2023 年高考后的泛泛建议,《AI时代,找工作和创业的有效方法》3的求职建议面向 new grad 且带美国就业背景,套用到你所在的环境时需要自行核对条件。
出处
- 1为什么别人的好建议,到你这里就用不上?
给出“拿真实问题走一轮”的完整三步法,是回答的核心依据。
- 2对大学生的三条建议:找到工作以外的自我价值
立正直接面向刚高考完的学生,提出“除工作外你能提供什么价值”并主张动手试。
- 3AI时代,找工作和创业的有效方法|Jobright联创/CTO Ethan对话
Ethan 谈毕业生如何把 AI 放进真实工作流、做真实项目,提供另一类可试的问题。
追问2026年11月2日
如果试完发现方向被推翻,下一步该怎么调整?
先分清是“方向错了”还是“这次没做够”:若原假设被具体结果推翻,就带着这个结果改假设、再设计一次小验证;若只是没拿到反馈,先补足投入再判断。
先确认推翻你的是什么
“方向被推翻”要有具体依据:哪个结果、哪条反馈、哪次尝试让你改变原判断。立正建议把事实和解释分开写,并单独写一句“我目前认为卡点是……”,把它当作待检查的解释,而不是结论1。如果只是做得不够久、平台不对或投入不足,那还不足以推翻方向;《当「不断探索」开始取代对结果的追求》2里提到,方向没得到足够时间、资源和注意力时,任何结果都能被继续解释,现实反而没机会给出清楚回答2。所以第一步是判断:这次结果是否真的否定了你原来要验证的那个判断。
改的是假设,不是把承诺一笔勾销
立正说,commitment 不是预言一定成功,也不是永远不许改方向;它只是先把一次尝试定义到足以被检验:一个主要市场、一个想要的结果、一段明确时间、足够认真的投入2。按这个思路,方向被推翻后要调整的是“下一个要验证的判断”,而不是把之前所有投入都算作白费。《第13课》3也强调,每次尝试后要有“正确的学习”,让下一轮比上一轮好一点,而不是重复劳动3。换句话说,推翻一次假设本身是有效信息,前提是你能说清它推翻了什么、留下了什么。
把新方向压成一次能带回结果的小验证
AI推演下一步可以照《为什么别人的好建议,到你这里就用不上?》1的第三步做:选一个你现在愿意做、成本能承受、能带来反馈的动作,先写下它要验证什么,以及什么结果会让你再次改变想法;做完后带着“哪些被确认、哪些被推翻、哪里还问不出来”回来1。如果你之前公开讲过原方向,还要留意《我对Build in Public的反思》4提到的“表演债”:过去的公开承诺和身份期待,会让人不愿放下已经不成立的方向4。这时更该把调整说成“这一阶段交付什么、验证什么”,而不是笼统承认失败或硬撑原叙事。
这些材料讲的是探索、承诺与验证的一般方法,没有针对高中毕业生试错场景的具体案例;具体怎么调整,仍取决于你原来要验证的判断和这次拿到的结果。
出处
- 1为什么别人的好建议,到你这里就用不上?
给出把事实与解释分开、设计小验证并带回结果的具体步骤。
- 2当「不断探索」开始取代对结果的追求|和大舅聊内容、商业化与英文市场
说明承诺是把尝试定义到可被检验,以及方向没做够时结果难以解释。
- 3第13课|道:捋清商业底层逻辑,才能建立价值信念感
强调每次尝试后要有正确的学习,而非重复劳动。
- 4我对Build in Public的反思
解释公开承诺为何让人难以放下已不成立的方向。
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。