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。
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。
材料能支持的部分:教育被指缺了两块
材料里的观点Leon 认为,学校教育的共同点是社会体制与价值的延伸,起源于工业革命后培养能投入生产的人,因此缺失两方面:教人把金钱当工具使用,以及幸福学教育;他称后一点是转述哈佛校长的说法1。立正接着补充,教育既有启发思考,也有社会职责、规训与选拔,不能只讲启蒙一面1。这是对教育功能的批评,不是对“未来范式”的预测。
另一条线索:先做再想,而非想清楚再做
材料里的观点立正在另一段视频里主张,三思而后行适用于几千年前的问题背景,现在多数职场问题更适合“零思而后行”,并说自己博士期间听讲座提问的经历让他意识到这一点2。这可以看作对“如何开始”的一种回答:不必等想明白再动手。但它谈的是职场思维,不是阅读或教育制度。
把两条线索接起来是 AI 的推演
若把上述批评当作起点,可以推想:与其等教育体系改变,个人可以先补上材料指出的缺口,例如把金钱当工具来学、把“先做再想”用于小规模尝试。这是 AI 的综合,不是任何发言人的预测。崔老师的经历提供了一个个案:他初中就决定做影视,家里没有用成绩和稳定职业来否定他,母亲只问他能否接受做喜欢的事却吃不上饭3。个案不能当成普遍路径。
提供的片段没有直接讨论“阅读”的未来变化,也没有系统预测教育范式转移;上述未来方向只是基于批评意见的推演。
出处
- 1如何积累第一桶金?|摆脱韭菜思维的最后一次努力|Leon访谈_上
Leon 与立正讨论教育的社会功能及其缺失,是回答的核心材料。
- 2请零思而后行
立正主张先行动再思考,可用于回答“现在如何开始”。
- 3不上班不创业,如何找到爱好并养活自己?|对教育的启发|干货无鸡汤
崔老师的成长与家庭态度,提供一个具体个案。
追问2026年11月3日
所以應該要做怎樣的產品去處理閲讀與教育的問題,這兩個應該是不變的東西吧
立正没有直接回答“该做什么产品”,但他反复强调:先确认要解决的问题值不值得解决,再谈技术。放到阅读与教育上,产品应围绕“让人带着问题、在真实任务中学习”,而不是把考试或技术本身做得更精致。
先问问题值不值得解决,再谈做什么
立正引用 Ethan Evans 的说法:很多技术人员是在给自己的技术做纪念碑,而不是解决真正的商业问题;问题本身不值得解决时,技术做得再好也没有意义1。他因此主张从问题出发,而不是从 solution 或 how to 出发1。按这个标准,阅读与教育产品要先说清它替谁解决了什么真实困难;只是把刷题、测评或阅读打卡做得更顺,未必算解决了值得解决的问题。这是 AI 依他的判断做的推演。
考试式学习正是他要绕开的东西
立正认为技术崇拜的一个来源是教育:中外的教育主要靠考试筛选,而考试有三个特点——有正确答案、答案在书本知识内就能找到、越难的问题越有价值1。他批评的是把“找到标准答案”当成学习目标这种模式1。所以阅读与教育产品若只是把“有标准答案的难题”搬到线上,方向可能正好相反;更贴近他思路的是让人面对没有现成答案的真实问题。
可迁移的做法:带着框架去读、去学
AI推演立正在讲读代码时给了一个可借用的方法:先自己想“这东西要完成什么、大概怎么做、可能遇到什么问题”,再带着这个框架去看3。结果分三种:和你想的一样,读得快;比你想的好,立刻看到自己的不足;不如你,就发现改进机会3。这是 AI 把它迁移到阅读上的应用:产品可以帮读者先形成自己的问题和预期,再对照文本,而不是直接给结论。
现有片段没有直接讨论“阅读与教育产品该怎么做”,以上是把立正关于问题优先、考试式学习和技术崇拜的判断迁移过来,属于 AI 的推演,不是他本人的产品方案。
出处
- 1技术不重要!技术不重要?技术不重要!
集中讲从问题出发、技术崇拜与考试式教育的关系,是回答的核心依据。
- 2直播录视频
与《技术不重要!技术不重要?技术不重要!》同源观点,可对照技术角色与教育筛选的论述。
- 3如何高效学习和高效工作
给出“带着框架去读”的具体方法,可用于迁移到阅读产品。
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。