《问问立正》本身是问答产品,不是造 App 的教程;可用的路径是把它当提问和查资料的入口,再用 Codex 这类通用工具把反复要做的事做成自己的软件。
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。
先分清:它是提问入口,不是开发课
《问问立正》能帮你把问题问清楚、找到相关文章和讨论,但它不提供一步步写 App 的流程。立正在介绍自家 App 时讲的是阅读、课程、评论和通知这些功能,没有讲如何开发一个 App1。所以更实际的做法是:用它弄清你要解决的问题,再去找动手做的工具和方法。这是 AI 对两份材料的综合。
立正主张的路径:围绕真实工作长出软件
材料里的观点立正在一篇讲用 Codex 剪口播的文章里说,他不再为字幕、封面、图解各换一个 App,而是在同一个 Codex 项目里连续做,素材、审美和失败版本都留在本地,下一轮接着用。他把这称为 user-generated software,并强调不是每个人都要从头写 App,而是你本来就在反复做一件事,不断告诉通用工具什么算好、什么算不好,软件就慢慢长成适合你的样子2。在另一场对话里,他建议放弃只用聊天窗,改用 Claude Code、Codex、Cursor 这类工具指挥 AI 干活,并把上下文沉淀成 Markdown,方便换工具时带走3。这些是他对工具选择的判断,不是对《问问立正》功能的说明。
落到你的情况:先找痛点,再动手
AI推演立正在评论里转述过一个例子:开发者因为想了解一个人,做了展示自己兴趣爱好的网站;他补了一句,这个机会属于那个开发者,因为别人没有这个痛点4。套到你的目标上,可以先问自己:你要做的 App 解决的是你反复遇到、愿意花心思的具体麻烦吗?如果是,就用 Codex 这类工具在一个项目里迭代,把每次的判断和素材留下来;如果只是想要一个 App,先别急着选技术栈。这是 AI 的应用建议,不是立正对《问问立正》用法的表态。
现有片段没有《问问立正》的具体使用说明或功能清单,也没有它和开发 App 之间的直接关联;上面的路径是根据立正谈 Codex 和做产品的材料推出来的。
出处
- 1Superlinear Academy的App正式发布了
说明《问问立正》App 本身提供什么,避免把它当成开发教程。
- 2我用 Codex 剪了 5 条口播,最后却做了一则超市广告
立正讲用 Codex 连续做一个项目、积累自己资产的具体做法。
- 3118. 从「象牙塔」到「真本事」,AI时代如何打造个人价值|课代表立正
立正谈放弃聊天窗、改用 Codex 等工具,以及沉淀上下文。
- 4在《1个月开发的副业项目 - 一个能让"了解一个人"不需要那么随缘的APP。》下的回复
立正转述的案例说明做产品要先有自己的痛点。
追问2026年11月7日
Builder Space 的公开 API 文档在哪里看?
现有材料只确认 Builder Space 有公开 API 文档,但没有给出文档网址;能找到的入口是 Superlinear 工具箱里的 Builder Space 入口。
能确认的只有“有公开文档”
材料里的观点立正在介绍《问问立正》时提到,它跑在 Builder Space 上,这个平台有公开的 API 文档,Codex 读完就能自己写接入代码1。但这段原文没有贴出文档链接或具体路径,所以无法据此直接给出网址。
先找工具箱里的入口
另一篇社区帖说,Superlinear 工具箱集中放置 Builder Space 等完整版工具的入口、使用说明和常见问题,面向拥有完整工具权限的成员2。按这个描述,文档更可能从工具箱的 Builder Space 入口进去,而不是一个单独公开的网址。这是根据两段材料做的推断,实际页面是否这样组织,材料没有说明。
提供的片段没有 Builder Space API 文档的具体网址,也没有说明文档是否对非会员公开。
出处
- 1问问立正:直接问我讲过的内容,Founding Member不限次
确认 Builder Space 有公开 API 文档,并说明其用途。
- 2Superlinear 工具箱|工具入口、更新与支持
指出 Builder Space 入口集中在 Superlinear 工具箱,可作查找起点。
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
- AI 开发一个 web app 的最佳实践
先把要解决的问题拆清楚,再让 AI 帮你实现最小可用版本;能跑通、能上线、别人真能用,比功能齐全更重要。
- 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。