现有材料里没有你记得的那段“做问问立正时最初想用RAG、后来去掉,并说这是产品品位”的原文;能确认的是立正公开批评过标准RAG流程在真实场景里不好用。
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:找到的是RAG批评,不是“去掉RAG”的自述
材料里的观点你印象中的说法,在当前提供的片段里找不到对应原文。《问问立正》1只讲问问立正的由来和用法,没有提RAG,也没有提“产品品位”。《AI的正确打开方式:不学概念,学动作》2是立正讲AI应用的一段视频转录,他批评的是“检索top-k、把召回内容塞进prompt、再让模型生成”这套标准RAG流程:他说到了真实场景里这套流程“根本就没有用”,而且“非常的counterproductive”,并追问切分大小、embedding是否必要、为什么要用向量数据库和top-k召回等问题2。这能支持“立正对标准RAG流程持怀疑态度”,但不能直接等同于“他在做问问立正时最初想用RAG、后来去掉”。后者需要找到他本人针对问问立正的具体表述才能确认。
他质疑的不是“检索”本身,而是照搬一套固定流程
《AI的正确打开方式:不学概念,学动作》2里立正列出的问题都指向同一个方向:切分多大、要不要embedding、要不要向量数据库、召回5段还是20段,这些没有通用答案,换模型还要重来;而企业真正要解决的是“用户这个问题该召回哪些资料”,标准流程并没有回答2。所以更准确的理解是:他反对把RAG当成一套学会就能用的动作,而不是说任何检索增强都没用。这也是为什么“去掉RAG”如果真发生过,更可能是产品取舍,而不是技术上的全盘否定——但这一步是AI根据《AI的正确打开方式:不学概念,学动作》2的推演,不是原文。
想继续找原文,可以从这两个入口核对
AI推演《问问立正》1是问问立正的发布说明,适合确认这个产品是什么、怎么用,但它没有RAG相关内容,不能用来证明你的印象1。《AI的正确打开方式:不学概念,学动作》2是当前唯一直接谈RAG的材料,适合核对立正对标准RAG流程的原话和具体质疑点2。如果你要找的是“做问问立正时去掉RAG”的那段,建议在问问立正相关视频或文章里搜“RAG”“检索”“品位”这类词,重点看立正本人讲产品设计取舍的段落;找到后可以再拿来核对。
当前提供的片段中没有“做问问立正时最初想用RAG、后来去掉,并称这是产品品位”的原文,因此无法确认这段说法的出处和原话;《问问立正》1也不涉及RAG。
出处
- 1问问立正:直接问我讲过的内容,Founding Member不限次
问问立正的发布说明,可确认产品背景,但不含RAG内容。
- 2AI的正确打开方式:不学概念,学动作
当前唯一直接讨论RAG的材料,含立正对标准RAG流程的具体批评和追问。
追问2026年11月7日
课代表提过一个 根据产品taste删功能的例子 帮我找下 就是 说要简单不要复杂
你记得的应该是课代表立正讲 Simple vs. Easy 的那期:他主张复杂模型和产品适用场景更少,多数需求用简单功能或模型就能解决。
他说的“简单”是少而合适,不是做得容易
材料里的观点立正在这期开头说,做产品或模型常见的误区是越复杂越好;复杂模型和复杂产品越复杂,应用场景反而越少,而绝大多数需求应该由一个简单功能或简单模型解决1。他解释这种误区的一个来源:学校里从简单教到复杂,越厉害的学生越能解复杂问题,于是工作后容易把“能解复杂问题”当成厉害本身。他的修正不是否定技术深度,而是要在技术能力上再叠加对用户需求的理解和工程能力,在合适场合用合适工具解决合适问题1。他还专门区分了中文“简单”的两个意思:simple(简约)和 easy(易用),提醒两者常被混在一起1。所以这期更接近“按需求删繁、选合适工具”,而不是笼统地说功能越少越好;具体怎么删,片段里没有展开。
当前只有这期视频开头约两分钟的转录片段,没有看到具体“按产品 taste 删功能”的案例细节;如果你记得的是另一个例子,需要更多片段才能对上。
出处
- 1为什么越卷越失败?|Simple vs. Easy
立正本人讲复杂产品误区、简单功能满足多数需求,并区分 simple 与 easy,最接近你记得的内容。
追问2026年11月7日
他有没有在别的视频里讲具体怎么判断一个功能该删?
现有片段里没有他专门讲“怎么判断一个功能该删”的完整方法;能确认的是他主张复杂系统里要追求 simple 而非 easy,并用这个标准解释功能为何会出问题。
他给的是取舍标准,不是删功能的清单
材料里的观点在 Simple vs. Easy 这期里,立正借 Chris 的榨汁机比喻区分 simple 和 easy:机械榨汁机过程清楚,电子榨汁机用起来方便但结构复杂。他说在复杂系统里应追求前一种,因为后者出问题时定位和维修成本很高,而且系统里各部分的 feature 和结果互相依赖1。这提供了一个判断方向:一个功能让系统更难解释、更难定位问题,就更值得怀疑。但片段没有给出“满足哪几条就删”的具体步骤。
他用指标变化反推功能该不该留
材料里的观点在 AB 实验那期,立正举了 Rec Room 改版 UI 的例子:关键指标“创建的聊天线程数”大幅下降,回看界面才发现原本居中显眼的发消息按钮被挪到了角落2。这是事后用指标定位问题,而不是事前决定删功能。它说明他的判断依赖可观察的反馈,而非只凭直觉。
别把“反过早简化”读成“多删功能”
署名文章《反过早简化》提到,他不反对简化本身,反对的是简化后停住、不把复杂度补回来;文中还区分了分析时拆多维度、做决策时快速收束两种模式3。这是 AI 对该文的转述,用于理解他的倾向:删功能属于决策,可能偏快速判断,但文章没有给出删功能的具体判据。
当前片段只覆盖三期材料,不能据此断定他在其他视频里没讲过具体判据;若要找完整方法,需要更多原文。
出处
- 1为什么越卷越失败?|Simple vs. Easy
提供 simple 与 easy 的取舍标准,是理解他判断功能的核心。
- 2AB实验,有哪些重要却不为人知的知识?|课代表数据大师课5
用指标变化反推界面问题的实例,说明他依赖可观察反馈。
- 3反过早简化
澄清他反对的是过早简化,而非反对简化本身。
追问2026年11月7日
帮我找找问问立正有关的视频和文章
现有材料里没有一篇专门介绍“问问立正”的视频或文章,但有两篇立正署名的社区帖直接介绍它;此外可推荐几期他本人出镜或主讲的访谈。
先看这两篇介绍“问问立正”的帖子
材料里的观点最直接的是两篇立正署名的社区帖。一篇说明这个工具会从他的文章、视频和《真本事》里找材料,整理成带出处的回答,并给出入口和会员额度:Founding Member 用超线性学院邮箱验证后每天不限次,其他人每天3次1。另一篇更短,强调它解决的是“想知道一个人怎么想,不必把他的文章和视频翻一遍”,同样给出 ask.lizheng.ai 这个入口2。两篇都发布于2026年10月初,介绍的是当时的入口和额度,之后是否变化,材料没有说明。
想看立正本人怎么讲,可选这几期访谈
材料里的观点如果目的是听他本人谈职业、内容创作和商业化,可以看三处。一是与 Ashley 的公开录像,他谈自己频道名字的由来、从餐馆后台视频做到访谈节目的过程,以及小宇宙上节目和对话的数量3。二是《EP14:对话课代表立正》,他谈产假期间投入的时间、为什么选择更 scalable 但收入更少的做法,以及自己的输入来源4。三是《不接商单,假清高还是下大棋?》,他谈商业化能带来金钱回报、促使内容变好,也谈自己暂时不想为流量做内容5。这几段是访谈中的发言,不是系统教程;其中“待定”处是未确认发言,不能当作他的原话。
按主题挑,比按“立正”两个字搜更有效
现有材料覆盖的主题比较分散:AI 时代的能力与职业转变在 Ashley 那期和《S7E10 AI时代的新毕业生怎么办》里都有涉及3,6;短视频与平台生态在对话 Shuchao Bi 的两段里,立正主要作为提问者和讨论者出现7,8;论文、技术品味与真实价值在对话郑昌熙那期里,由郑昌熙主讲,立正提问9。另外,立正署名的《我是怎样做视频播客的》列出了屠龙、Orca CEO、宝二爷、刘嘉教授、Jobright 联创 Ethan 等访谈的伴读文章入口,适合按兴趣再往下找10。这些是 AI 按主题做的归类,不是完整目录。
没有专门以“问问立正”为主题的视频;两篇介绍帖只反映2026年10月初的入口和额度。部分访谈字幕的说话人标注为“待定”或依赖声纹匹配,引用具体句子前应回看原片核对。
出处
- 1问问立正:直接问我讲过的内容,Founding Member不限次
立正署名,直接介绍问问立正的材料来源、出处标注和会员额度。
- 2建议每个人都用Opus 5.5做一下个人主页
另一篇立正署名的简短介绍,给出入口和用途。
- 3Ashley × 课代表立正|AI时代的职业、真实价值与第二增长曲线(公开录像版)
公开录像,立正本人谈频道命名、内容起步和节目数量。
- 4EP14:对话课代表立正:AI时代下,后悔没早点离开职场
可回到原文核对这部分判断
- 5不接商单,假清高还是下大棋?讨厌的观众能不能骂?
可回到原文核对这部分判断
- 6S7E10 AI时代的新毕业生怎么办|课代表立正
可回到原文核对这部分判断
- 7Shuchao BI: 创立YouTube Shorts的故事,如何预测科技趋势,在大厂创新的领导力 | 对话 Shuchao 1/3
可回到原文核对这部分判断
- 8Shuchao BI: 创立YouTube Shorts的故事,如何预测科技趋势,在大厂创新的领导力 | 对话 Shuchao 1/3
可回到原文核对这部分判断
- 9李飞飞收购郑昌熙:有生之年,我们可能看不到通用机器人出现
可回到原文核对这部分判断
- 10我是怎样做视频播客的
列出多期访谈伴读文章的入口,便于按主题继续找。
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
- 问问立正为什么不用rag
立正说他不追 RAG,是因为试过后判断它不好用;他更看重上下文管理、任务拆解这类底层能力,而不是把 RAG 当成必学的名词。
- 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。