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。
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。
先定“给谁看、要说服什么”,再动手
材料里的观点Teri 张雅缇把好 PPT 的标准说成:清楚知道要给谁说、所有逻辑都为说服服务,并把事情简单说明白。她提到自己做 30 页 PPT 约一小时,但前提是“带着思考去想”;立正也接了一句,反复花的时间其实是思考的时间1。这正好对上你的卡点:第一次参加活动、没人告诉你流程,于是你在 PPT 和文档上反复改,改的可能是还没定的目标。可先写一页“验收标准”:这节公开课面向谁、听完要记住哪一两个点、评委或听课老师看到什么算成功。标准定了,AI 生成的内容才有对错可判。
把确定性工作交给模板,把判断留给自己
立正在讲数据处理时提出一个分工:能用明确规则判断的交给程序,规则不够用的才交给 AI,最终判断留给人2。这是他对数据筛查场景的说法,不能直接当成教学设计流程;但作为 AI 的综合,可以迁移成:教学大纲的固定栏目、PPT 的版式与页数、文档的格式规范,属于确定性部分,做成模板或清单;这节课怎么讲、哪个实验最能说明概念,属于判断部分,自己定。他另提到,AI 应把不确定的部分摆出来交给人看,而不是替人拍板2。
让 AI 越用越顺,靠的是积累而不是每次重说
AI推演立正在一次对话里描述:第一次和第十次用 AI 做 PPT,第一次几乎一样费劲,差别在第十次时本地已存好模板、素材库、表达偏好,说两分钟就能出稿,只需改约百分之五3。他讲的是自己用 agentic 工具的经验,不是对所有人的保证。对你来说,可观察的反馈是:同一个任务做到第三、第五次时,是否还要重新解释一遍格式和偏好。若还要,说明该把要求沉淀成一份可复用的说明文档。另一篇署名文章也把“把风格偏好、验收标准写成 AI 可读的文档”“定义结果标准而非逐步遥控”列为可用产出的条件4。
关于 ima 数据库定位和调用文件的问题,提供的片段没有涉及,无法给出具体排查建议。
出处
- 1一小时写30页PPT?还吊打全场?|有「目的性」的PPT才值得写
Teri 张雅缇讲好 PPT 的标准与“先想清楚再动手”,直接对应反复修改的困扰。
- 2不要一上来就让 AI 判断一百万条数据|AI与人协作的任务光谱
提供确定性工作、模糊判断与最终判断的分工思路,可迁移到文档与课件流程。
- 3从焦虑到上手: 白领/投资者的AI实战第一课【串台课代表立正】
立正描述多次使用后积累模板与素材带来的效率差异,说明沉淀的作用。
- 4AI 用得好的人与普通人的5个差距,和背后具体技术原因|非技术岗位版
列出把验收标准写成文档、定义结果标准等可自检的条件。
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
- 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。
- 英语老师一对一如何破局
一对一英语老师的破局点不在“教得更多”,而在把服务做窄:针对具体口音或表达问题做短期强化,并让学员看见可验证的进步。
- 怎么看待 DeepSeek Harness 新发布的 Super Agent 的文章?
我理解这种 Router-Worker 的样式,或者说 Agent Team 的概念是不新鲜的。但是为什么它能在当前被炒热?是因为模型发展到了当前阶段,或者说前沿的 Harness 已经稳定能够以某种方式去实现 Team 的工作方式了吗?
这个东西是我们必须要学的吗?还是说单个模型的简单方式就足够我们去使用了?
Router-Worker 本身不新,热起来是因为模型和 harness 让多步、多工具、可交接的协作更可用了;但要不要学,取决于你的任务是否真的卡在单模型做不完上。