- 初學者學AI應該以什麼為目標
初学 AI 的目标不该是先把技术练熟,而是从真实问题出发,同时培养自己的兴趣和第一性思考。
- 带着一些餐饮工作的经验但没有编程的基础,应该如何在AI时代完成从0到1的AI转型?如何在0编程基础上,扩展自己的AI能力,以适配自己能够觉察到的各种需求呢?
你缺的不是编程,而是把餐饮经验变成可复用系统、把真实任务交给 Agent 跑通的习惯。从一个小痛点开始,做到能部署、能修、能迭代,再谈变现。
- AI 怎么用来快速的做游戏
先用 AI 做出能玩的最小版本,再靠人定义“好玩”的标准,反复改数值、美术和关卡;关键不是让 AI 一次写完,而是把设计文档和判断标准交给它。
- 视频自动化剪辑
现有材料里的“视频自动化剪辑”其实是两条路:一条用脚本自动转写、校字幕、挑高光、起标题;另一条干脆把剪辑外包,自己只做内容判断。
- 经常看到博主使用AI做任务,AI给出的结果超出预期,我在使用时,也给了背景目标,但是最终的效果就是AI纯执行,两轮对话后就会变成我说一句AI做一下,给人一种“我还用你干嘛”的感觉
你缺的不是“背景目标”,而是让 AI 能自己判断对错的标准和可复用的信息。只给目标,AI 只能一步步等你指令;给出好/坏标准与素材,它才可能超出预期。
- 如果我講的題目是:如何做人。你認為這是一個什麼賽道的自媒體?好嗎
「如何做人」更像泛人生/价值观内容,不是立正所说的那种有明确问题、能倒逼输入的赛道;它很难直接变现,除非你把它收窄成具体场景里的行为方法。
- 得觉本质是什么,怎么应用得觉到我们的日常工作生活中,我把得觉里的“自”拆成了深层自和浅层自,浅层自指向表层感受,深层自指向内心真正所渴望的,因为有时候会发现很难区分浅层自与深层自,比方说表象是自己赖床不想起床嗜睡,但是深层自其实是渴望起床之后投身到一个良好的状态的。所以有时候会被浅层自给骗了。包括臣服实验,我理解也是先把自己和深层自调成同频,才能指引到自己真正“最好”的地方?所以关于得觉和臣服实验,怎么看,怎么理解表层的自?
得觉把内心分成“自”(与生俱来的感受和能量)和“我”(社会化角色与判断);你拆的“深层自”更接近立正所说的“本体”,而“浅层自”其实常是“我”在替感受说话。
- typeless輸入法
现有材料里,立正只把 Typeless 当作自己语音转文字工具的对照物,说它和微信内置语音都取代不了自己常用的服务;材料没有介绍 Typeless 本身的功能或用法。
- 关于unlearn,课代表有哪些观点和输出
立正把 unlearn 说成用好 AI 的前提:先放下旧习惯,尤其是程序员对“过程确定性”的执念,转向结果确定性和管理者角色。
- 平面设计在AI时代需要转型,会被完全取代吗
不会完全取代,但“只做执行”的那部分平面设计工作会被大幅压缩。更可能发生的是角色转型:从交付像素稿,转向用AI做原型、把审美和判断变成可执行的标准,并对结果负责。
- 立正或鸭哥写过cursor、codex、cloude code三者使用的大模型分别擅长什么领域工作吗?或者市面上的大模型分别擅长于做什么
就现有公开片段看,立正或鸭哥没有给出 Cursor、Codex、Claude Code 所用模型的固定“擅长领域排行榜”;他们更强调工具框架、上下文和验收方法往往比品牌标签更重要。
- 你认为在将来AI会导致人类灭绝或出现极其严重的全球性灾难吗?如果会,我们现在该怎么办呢?
立正不认为AI会因“有目的”而灭绝人类,他更担心的是工作与技能被缓慢替代带来的现实阵痛;应对上他主张存钱、学AI、保留一门手艺。
- 如果我想练“拆解需求”这个动作,可以拿什么日常任务先试?
可以先拿一件你本来就要做的日常小事来练,比如用 AI 做一份 PPT:先写清这次要讲给谁、要他们记住什么,再让 AI 出第一版,看结果缺什么。
- 我是一名刚接触ai agent的大学生 不知道能干什么
可以看看什么来多了解了解这个世界
先读俞舟教授那两集访谈,理解 agent 的两种路线;再读立正讲“必须上手做”的那段,然后自己动手做一个小任务。
- 我现在有一个产品。
带有ai 工具链的ai linux硬盘 。还有一套企业 内部的知识库。架构都 linux的。不知道 怎么把盘 或服务 器 或网关 卖给第一批用户 。寻找 第一批种子用户 请问有什么办法 和方法吗
预装了 一些企业内部常用 的知识库 框架 和自媒体 自动 化剪辑运营 comfyui 相关的工具链
先别急着卖整套盘、服务器和网关,先选一个具体人群,用他们已有的工具和付费做对照,验证哪一层真正值得买。
- 【我的背景】我是一个搜索平台产品,主要负责评测平台、洞察平台(如线上大盘数据分析、用户搜索行为数据等)、线上结果干预平台、kbox线上卡片干预和配置平台,目前10-12月在做平台的大模型评测优化项目,【我的疑问】受限于自己的平台产品岗位,并不直接负责模型评测skill的开发功能
作为平台产品,你的核心产出不必是skill本身,而是让评测结果能改变决策:把抽样、评分标准、人工复核和干预配置串成一条可验证的闭环。
- 【我的背景】我是一个搜索平台产品,主要负责评测平台、洞察平台(如线上大盘数据分析、用户搜索行为数据等)、线上结果干预平台、kbox线上卡片干预和配置平台,目前10-12月在做平台的大模型评测优化项目,
【我的疑问】受限于自己的平台产品岗位,并不直接负责模型评测skill的开发功能;另外在架构侧也在做一个新agent,但是这个ai做得很垃圾,agent不能支持自主调用,且回答也错误,自己的ai能力比较差,想提需解决,但是不知道从哪入手,我想问问我接下来该怎么做
先别急着提“把agent修好”的需求。用你手上的评测平台,把“回答错误”和“不能自主调用”拆成可验收的评分标准,再用真实用户反馈定优先级,这是你能主导的核心产出。
- 關於閲讀與教育,未來的範式轉移是怎樣,現在如何開始
现有材料没有直接谈“阅读与教育的未来范式转移”,只提供了两条可用的线索:教育被批评为工业社会培养螺丝钉、缺少金钱与幸福学;以及先行动再思考的职场建议。
- 全面总结“杨天楠:看似体面的工作,实则都是在表演?”这次访谈
这期访谈把“fake work”定义为表演型工作:不为赚钱或真正影响人,而主要服务于向上管理和汇报。嘉宾立正认为它在大厂几乎无处不在,并给出“看清环境、选择环境、挤掉低价值工作”的应对思路。
- 餐飲人適合做自媒體嗎?尤其是專長只有單店的餐飲人,不打算開分店的那種,適合怎麼做
适合,但单店餐饮人做自媒体不该以涨粉为目标,而应把店当成内容资产,放大真实需求与手艺,让内容反哺这一家店。
- 如何讲清楚做的bi看板、宽表开发、数据产品的业务价值呢,我们是一个乳业公司里做数智化转型部门里的数据中台组,每次汇报领导总是反馈业务价值低,或者价值不清楚
汇报时别先讲看板、宽表怎么做的,先讲它让谁做了什么决定、改变了什么结果;技术细节只用来让领导相信你的结论。
- 我是一名學校圖書館主任,擅長具現化閱讀文本,我察覺到未來context的重點,而輸入輸出的根本是文本,所以我覺得閱讀能力是思考速度的具現化,在下一個時代,思考的能力(閲讀的能力)是根本,同時過程要留下context。因此我同時在探索閲讀商業化的事業方向。我希望交付的不是文青式的品味推薦,而是「將混亂結構化、轉化為可執行微行動」的能力。我覺得這是閲讀具現的方向。但我目前卡在:明知深度閱讀與理解是高摩擦力的內隱苦差,該如何把它封裝成真正具備商業生長點的產品形態,而不是退化成「拆箱 15 分鐘新鮮感的實體周邊」或「無人買單的情懷宣講」。在未有ai的年代我曾做過閲讀展覽閲讀套裝,都有不錯的效果但感覺上不是未來方法。
把「深度阅读」卖成产品,关键不是卖书或卖盒子,而是卖一个可验收的转变:用户带着一团混乱进来,带着一份结构化判断和下一步行动出去。
- 如何管理团队
空降且还在学习时,先别急着全面管理:用前几个月大量了解人和事,把一对一变成你主导的讨论,并让下属学会主动把风险和进展告诉你。
- 如何高效地使用AI
高效用 AI 的关键不在提示词写得多漂亮,而在把上下文给足、把判断标准说清、把经验沉淀成可复用系统,并逐步让 AI 承担完整任务。
- 我从财务和运营岗位转行到业务流程顾问,项目是一个IT变革项目,我们前期做业务流程顾问和辅助做咨询材料整理,现在转为IT系统实施顾问。
目前给我分配的一个试点单位,距离我所在的城市较远。接到安排后,我非常担心自己什么都不会,去那么远的地方,而且IT系统外采供应商的派驻人员也很少,用实习生充数,且我再沟通业务需求界面方面总感觉自己也不清楚。虽然我们有供应商,但是历史数据清洗导入,系统页面UI配置都要自己上,所以非常害怕,午饭也没吃好,也睡不好觉。
我想了想,既然项目这样还是要接受安排,但是下午还是不想工作。
你怕的不只是“不会做”,还有“一个人在外地、没人可问”。资料能帮的是沟通方法:先听懂对方的问题,再谈自己的方案。
- 我是程序员,但是不想在编程上面走的太深,我又想做的更高拥有更多话语权,应该怎么办?
不想深钻编程却想有更多话语权,方向不是把代码写得更深,而是把技术当底座,去练编排、沟通和影响力。
- ai会提升效率,可能会让某些事情变得更容易,但是需求又是难增长的,最后可能就是裁员等情况出现,那么在ai时代,人们应该怎么去使用ai呢,大家会用ai去提效,但是很少会用ai去做新东西,这样的话感觉ai反而在短期内会带来不好的影响,毕竟省下来的时间算谁的
你的直觉在材料里有支撑:只把AI用于提效,省下的时间往往被新任务填满,收益归组织而非个人。更值得做的是用AI删掉不值得做的事,并把它用于过去不值得服务的小需求。
- 在企业内部做 ai 提效产品,应该怎么分辨高价值场景?ai 的优势处理 fuzzy input fuzzy output 的,那对于业务场景来说,是能讲清楚流程步骤的问题更适合,还是讲不清的模糊的?
高价值场景不是“流程讲得清”或“讲不清”二选一,而是确定性部分交给程序、模糊判断交给 AI、最终拍板留给人。
- 问题背景:数据处理项目,分派agent A处理依赖版本更新导致的改动,分派agent B调整项目架构。两个问题相互耦合影响。
诉求:在现在的agentic vibe coding模式下,怎么很好地处理这种问题?
耦合改动不宜让两个 agent 平行各改一块,再由主 agent 合并;更稳的做法是让一个负责人守一条判断主线,把可独立验收的检索、测试交给子 agent,并在对外或有后果的步骤设审批关卡。
- 针对展示个人 AI 能力,立正描述的做法是给候选人看一个小型 AI 工作流材料,再问最关键的设计是什么、解决哪个底层问题、迁移到自己项目先改哪三件事、有什么风险、AI 反复犯同一错时怎么约束。
我不知道具体该怎么做。
立正这套面试法的核心不是让你背答案,而是让你从材料里读出机制:它怎么改变行为、怎么防错,再迁移到自己的项目。
- 如何在面试中,让对方认为我具备 AI 认知和落地能力
别空谈趋势,也别只展示 demo。用“原场景—AI 项目带来的新工作方式—回到业务怎么做得更好”这条线,讲清你如何把 AI 融进真实工作。
- 面试前投递简历,对方都是未读,我该怎么办
“未读”多半不是简历内容被否定,而是投递渠道和触达方式没让简历进入对方视线;先换渠道(内推、直联),再按“几十秒内让人看到亮点”的标准改简历。
- AI在当下的落地应用有哪些,有哪些案例
现有材料能给出几类可核对的落地案例:客服与前台语音、绿卡申请材料优化、瑜伽建议、AI占卜,以及编程和多媒体生成。它们共同点是嵌进具体流程,而不是单做一个聊天框。
- 为什么超线性回报早起看起来毫无动静,怎么判断自己是在复利曲线上?
超线性回报早期看起来没动静,是因为它常靠阈值和复利:跨过临界点前几乎看不到回报,跨过后才突然放大。判断自己是否在复利曲线上,不能只看粉丝、收入等外部数字,要看判断力、产出质量、反馈系统有没有随投入累积。
- 需要別人認同
需要别人认同本身不是问题;问题在于把认同当成自我价值的唯一来源,一旦别人不认可,就觉得自己没有价值。
- 自己的小项目做好了,怎么做SEO
现有材料没有给出具体 SEO 操作步骤,但能提炼一个先后顺序:先想清楚为谁解决什么问题,再让页面围绕读者注意力组织,最后才谈关键词和流量。
- 用Claude写代码如何写出漂亮的前端
用 Claude 写前端,漂亮的关键不在提示词,而在反复看真实界面、给具体反馈、打磨细节;先做出来,再在代码里迭代。
- 未来AI对教育系统的冲击会是怎么样的,从K-12乃至于大学,在中美各自的环境下。教育和学校一定会是护城河吗,一定会存在吗?尽管部分学校在与时俱进,但绝大多数出色的学生都是自我学习和提高,school只是社交和学习社会的场所,未来的学校应该是什么样的?
AI会先冲掉“以记忆和标准答案为核心”的教学,学校不会必然消失,但护城河要从“教知识”换成“低风险试错、真实项目、同伴关系和评价权”。
- 为什么在 2026年 3月的时候就说OpenClaw一定会凉,但仍然值得一试
立正认为 OpenClaw 会凉,是因为它的惊艳效果靠拼装现有能力,副作用和门槛让它走不到大众普及的终点;但仍值得一试,因为它第一次让普通人亲手摸到 agent 能推进任务的感觉。
- 我是一名高中生物老师,目前正利用人工智能辅助我开展公开课的教学设计、PPT制作,以及教学大纲等流程化文档的编制工作。当前的困扰在于效果未达预期,反复修改仍不满意。此外,我使用的ima数据库在定位和调用文件方面存在规范性不足的问题,难以精准获取所需内容。
先把公开课的目标和验收标准定下来,再让 AI 按标准产出;反复改 PPT 往往是在补前期没想清的思考,而不是排版问题。
- 做自媒體選題的最好方式是什麼
立正的建议不是先想选题,而是先做满二十期;选题方向则按“天命、长板、市场”排序,早期换赛道几乎零成本。
- 现在正职工作比较闲,想再找一些副业来做一下,做自媒体肯定是一个非常好的选择。现在就看 AI 能不能帮我发现自己的优势、热爱和喜欢的事,以及能够持续搞钱、付诸终身的事业
AI 能帮你把模糊想法收窄成可验证的方向,但它发现不了你现成的“热爱”。更可靠的做法是先定一个具体成功标准,再用小规模发布去试。
- AI native 公司能够员工提供哪些可以快速出成果的土壤
材料里能支撑的“土壤”不是更多工具,而是改激励、改流程、改人的角色:让省下的时间归员工,让原型先于对齐,让人从执行者升为验收者。
- 幼少儿英语如何从一对一到阅读馆
现有材料只提供一条可迁移路径:先用一对一做深需求洞察,再把其中自己最有独特优势的部分标准化,以更低成本服务更多人。它没有专门讲幼少儿英语或阅读馆,因此不能据此断言这条路径一定适合你的业务。