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。
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“本来就要做”的任务开始,先写清对象和目的
AI推演拆解需求不是先列功能清单,而是先问:这是给谁用的、要解决他什么麻烦、他为什么愿意花时间。立正讲识别真伪需求时,强调要区分“用户说会用”和“真的愿意付出成本”,并建议先做原型去问用户“十块钱你用不用”,而不是花大力气做完再免费送1。把这个思路搬到日常任务上,第一步就是把模糊的“帮我做个东西”改写成一句可检验的话:对象是谁、他现在的做法是什么、你希望他看完或用完有什么变化。这是 AI 基于该判断做的应用推演。
用“做第十次”的任务练迭代,而不是只做一次
立正以 PPT 为例说,第一次用 AI 做和第十次做差别很大:到第十次,工具、模板、素材库和表达偏好都积累下来了,只需口述两分钟核心观点,基本只改百分之五2。这正好适合练拆解:每做一版,就记下“这次哪里不对、下次要提前告诉 AI 什么”,把要求沉淀成可复用的说明。注意这是立正对 agent 工具使用体验的陈述,不是对所有人都成立的效率承诺;效果取决于你是否真的记录和复用。
把捕捉到的需求先记下来,不急着判断能不能实现
AI推演立正发起的“捕捉需求”活动建议:别管能不能实现、是不是现在就要做,碎片化念头先记在手机里,这个动作的意义是激活“捕捉习惯”的意识3。练拆解时可以配合这一步:平时把“这事真麻烦”的瞬间记下来,周末挑一条,按对象、现有做法、你希望的变化三栏拆开。这是 AI 给的应用建议,不是原文规定的流程。
提供的片段没有给出完整的“拆解需求”操作步骤,以上是把立正关于真伪需求、PPT 迭代和捕捉需求的判断组合成练习建议;具体任务是否适合你,还取决于你手头有什么日常任务。
出处
- 1烧完数千亿,Meta放弃元宇宙,伪需求为何如此难识别?
立正讲如何区分真需求与伪需求,并建议用原型和付费意愿去检验。
- 2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】
立正以 PPT 为例说明第一次和第十次使用 AI 的差别,以及积累工具和素材的作用。
- 3活动:激活自己“捕捉需求”的意识
立正发起的捕捉需求活动,说明先记录念头、不急着判断实现。
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。