这些片段能帮你找到“怎么用 AI”的阅读起点:先想清要什么,再把任务拆小、反复试,并让 AI 按你的标准完成工作。
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。
先明确目标,再拆成可验证的小任务
一段讨论提到,使用 AI 前要先想清楚“你要的东西是什么”,再把过程拆成几步,例如记录、转成文字、再整理成结构化内容1。另一段经验是:同一个任务用不同方式让 AI 做,过程中发现原本该拆成两个任务,比如先做文字识别,再去做查找2。这两段都指向同一个可操作的做法:把大目标拆成能单独检查结果的小步骤。说话人未确认,这里只作为节目中的经验转述,不代表立正本人的判断。
把工具、标准和界面分层来想
有一段把使用 AI 分成几层:最底层是尽可能把工具接到 AI 上;往上是让 AI 按你的标准高效完成工作;再往上是把这些东西组织在新的界面里,并能跨工具使用3。这个分层适合用来定位自己的问题——是缺工具接入、缺标准,还是缺组织方式。说话人未确认,不能当作立正的观点。
想跳过配置,可以看“打包好的入口”这类讨论
AI推演一段对话提到,有课程和视频可以帮助跳过申请 API、配置工具等繁琐步骤,直接用一个提供的 API 去使用市面上的模型;还提到可以帮忙部署和运维在 Cursor 或 Claude 里做出来的项目,让它上线给别人用4。这描述的是某类服务的卖点,是否适合你取决于你愿不愿意自己配置、以及是否需要上线给别人用。说话人未确认,不构成对立正立场的认定。
这些片段都来自多人视频文字稿,多数说话人未确认;它们能提供使用思路和阅读入口,但不能确认某句话是立正本人的观点,也不构成对你具体场景的推荐。
出处
- 1旧金山线下火锅meetup全程
强调先想清目标,再把记录到结构化整理拆成步骤。
- 2AI让普通人无所不能,但只有1%的人在认真使用|十字路口Koji x Onboard Monica
提供“同一任务换方式试、把任务拆开”的具体经验。
- 3课代表和鸭哥工作的实况 | how the sausage is made
提供工具接入、标准、界面分层的使用框架。
- 4知识付费、IP、升职加薪、向上管理、Skills、可复用AI工作流|闪光少女斯斯和小声比比
说明打包 API、代部署这类降低配置门槛的服务形态。
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
- 我可以怎麼使用你
你可以把它当成一个读立正材料的助手:问一个具体问题,它帮你理解他的判断、把想法套到你的处境,或指出该从哪篇读起。
- 介绍一下你自己
我是基于公开“立正”材料(社区帖、访谈字幕等)的 AI 阅读与应用助手,帮你理解问题、把材料里的想法用到具体处境,或找到值得读的资料。
- 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。