AI接下来对白领工作都要冲击，普通人应该如何学习如何使用

立正把白领工作的核心概括为降低信息的认知成本：写报告、做分析、写代码、整理会议纪要，本质都是处理信息。AI恰好能以接近零的成本完成这类事，所以被抽空的是“信息处理器”这个基础⁠1。他署名文章里进一步说，价值会流向AI难以商品化的部分：定义问题、建立信任、把人机整合进业务流⁠2。夏淳博士在访谈中的说法被概括为：白领生产的是符号系统，恰好是喂养AI的材料；未来竞争力不在“我能做这些符号工作”，而在定义边界、提出问题、判断利益、承担责任、整合人和系统⁠3。这些是他们对趋势的判断，不是对每个人处境的诊断。

立正在节目里给没有编程背景的人列了三个门槛：一是对编程环境祛魅，别怕界面，一晚上熟悉Cursor或Claude Code这类工具是可行的；二是遇到报错时，把背景、错误本身和你要做什么一起告诉AI，让它帮你解决；三是练习清晰地把要求给AI，包括任务背景、你的意图和AI需要知道的文件，他称之为“认知同理心”——知道AI不知道什么⁠4。他还提到，把同样的话从聊天工具搬到agent型工具里，会发现它不只给答案，还会把事办了，对话方式随之改变⁠5。这些是立正的经验性说法，效果因人而异。

立正强调，值得蒸馏的是workflow——该调哪些子任务、怎么交叉验证、要不要多轮review；只模仿某个人的口癖和偏好意义不大⁠6。他把积累分成三层：文件是“有什么信息”（what），skill是“如何做”的判断（how），resolver是遇到任务后怎么分配⁠5。他筛选人才时看的也是这个：能不能从“这东西叫什么”进入“它怎么改变我的行为”，比如怎么给AI项目背景、怎么把一次经验写成下次可复用的规则⁠7。落到你身上，可以先挑一件每周都做、有明确产出的小事（比如整理一份周报或会议纪要），让AI做一版，你负责给背景和纠错；做完后把这次的做法写成几行规则，下次直接复用。观察点是你改了几轮才可用、下次是否少改。