先做一版能让人看懂“你为什么做、怎么取舍”的最小作品集,再把它当作获取反馈的传感器去推;小作品不必装大,讲清过程反而更显能力。
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。
作品集装的是判断,不只是成品
你担心东西小会显单薄,但材料里恰好有相反的例子:社区里被当作范文的项目,往往不是功能多,而是把“我做了什么、为什么做、犯过什么错、每一步怎么取舍”讲清楚。比如一个只给自己孩子用的识字助手,迭代多版、记录成功率上升和认知转变,就很有看头1。立正也提醒,当人人都能用 AI 做出漂亮的 GitHub 和作品集,作品本身就证明不了什么,能证明你的只剩撤掉帮助后你还会的东西2。所以对非技术背景的你,作品集的重点可以放在:这个小工具解决了谁的什么具体麻烦、你如何拆解和验证、资源清单的筛选标准是什么。成品放上去,但让它当证据,而不是全部。
先推再攒,公开是传感器不是方向盘
你问先有作品集还是先推。立正把公开的角色说成“从方向盘回到传感器”:公开不是为了定义你做什么,而是帮你取得反馈3。他还建议先问清这一阶段要验证什么——技术能不能跑通、用户愿不愿意回来,还是你能否把思考讲清楚——再选能回答这个问题的信号3。你的工具上线一个月没人知道,缺的可能不是更完整的作品集,而是一次能让真实使用者看见并回话的推送。作品集可以先有个能看的版本,推出去后用它收集“别人卡在哪、愿不愿意再用”这类反馈,再回头补。
最小可用:先交一版能回答一个问题的
AI推演完美主义的解法不是想清定位再动,而是把第一版限定成“能回答一个问题”。按上面的思路,你的最小作品集可以只包含:两个项目各一段“为什么做、怎么做的、现在什么状态”,加一个能联系你的入口。判断标准不是它够不够完整,而是陌生人看完能不能说出你在解决什么问题。立正自己也提过,把个人网站迭代了三遍才满意,过程中还卡在小问题上,靠工具才顺畅解决;他把这件事的意义说成克服“懒”、熟悉环境、搭起可带走的数字资产4。这说明第一版不必完美,它的价值在于让你开始迭代。
材料没有给出“最小作品集”的具体清单或字数标准,上面的三件套是 AI 根据“先验证一个问题”的思路推出来的,不是原文规定。
出处
- 1AI时代最危险的两个需求错判:寻找大需求,和用脑子想需求
给出社区里被认可的项目范例:讲清前因后果和取舍比成品大小更重要。
- 2AI替你做出来以后,你还会什么?|哥大客座课程回放
说明作品集泛滥后,真正能证明人的是什么,回应“东西小会不会单薄”。
- 3我对Build in Public的反思
区分学习实验、原型、作品集、内容、产品,并解释公开应作传感器。
- 4个人网页,数字资产,AI编程的最后一公里
作者自述个人网站迭代三遍的经历,支持“先交第一版再改”。
追问2026年11月4日
我的工具上线一个月没人用,怎么找到第一批真实使用者来给反馈?
先别把“没人用”当成推广问题,先找一个足够痛的小场景,把工具交到几个具体的人手里,看他们是否真的用、卡在哪里。
把“找用户”改成一个反馈回路
材料里的观点立正在一段对话里说,创业建立的是一个 feedback loop:让用户告诉你该做什么,再把产品信息和让用户使用接上;他批评“我做一个东西看别人要不要”是因果倒置,并说做 AB 实验时脑子里八成想法都是错的1。这段发言的说话人标注为立正,但字幕未经逐字核实,具体数字应保留不确定性。对你来说,这意味着第一批使用者不是“来捧场的人”,而是能告诉你工具哪里没用、为什么不用的人。
先找“足够痛”的那一小撮人
同一段里,立正说产品要有一个足够锋利的 wedge,解决一个足够痛的痛点,市场才愿意给你机会建立反馈回路;否则很多产品根本没有机会建立这个回路1。这是他对产品切入点的判断,不是对你这件工具的具体评价。你可以据此自查:工具服务的是哪一类人、在什么时刻最需要它。如果说不清这个时刻,先别急着扩大推广,先把使用场景缩到一个具体人群。
把作品集和社区当作反馈入口
AI推演立正在另一处提到,社区里很多开发者说,他们在别处能得到流量,但在这里最好的就是反馈:把东西给别人用,下面有人来说2。这支持一个可操作的做法:把工具放进一个有人愿意试用并开口讨论的小环境,而不是只发一条上线公告。陈唱那场大师课的主题正是“从‘能用’到‘有人用’”,并列出“去哪里找愿意试用的人”这一问题;但这是课程预告,不是已经给出的方法3。你可以先带着自己的工具去类似场合提问,或找三五个符合使用场景的人,请他们实际用一次并说出卡点。这是 AI 基于上述材料给你的应用建议。
现有材料没有给出找第一批用户的具体渠道清单,也没有陈唱那场课的实质内容;《AI时代,找工作的难度,远超你想象》1的说话人标注和字幕准确性存在不确定性,相关数字不宜当作确定结论。
出处
- 1AI时代,找工作的难度,远超你想象|Jobright创始人分享一线求职数据
立正谈反馈回路、因果倒置和“足够锋利的 wedge”,是回答的核心依据。
- 2杨天楠:看似体面的工作,实则都是在表演?
提到开发者认为社区里最宝贵的是反馈,支持把作品带进小环境试用。
- 3大师课更新|Daliana回放上线,下一场和陈唱聊产品增长
陈唱课程主题直接对应“产品做出来后怎样找到第一批用户”,可作进一步阅读入口。
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。