按立正的说法,AI 让人“做到之前做不到的事”,关键不在模型突然变强,而在人把 AI 接进真实工作、补上链路,从而能调度算力、承担端到端结果。
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。
新能力来自“接上链路”,不是等 AGI
材料里的观点立正把“AI 无所不知”到“无所不能”的差距,归因于生态和链路没打通:AI 理论上能替微信群做事、能替游泳比赛排表,但做不到是因为它和这些系统的链路没通。他用汽车引擎几十年才取代马车作比:不是引擎不够好,而是没有路、加油站和司机。所以新能力是渐进的,靠每个人解决真实问题一点点铺出来1,2。这是他的判断,不是已被普遍验证的结论。
从“问一句”到“让它把事做完”
材料里的观点立正描述自己几乎不用 ChatGPT 聊天,而用 Codex、Claude Code 这类 agentic 工具:让 AI 去翻邮箱、找账户、联系客服,把两个账户合并。他说这种事自己做得嫌麻烦,交给 AI 就解决了3。他还举了自动转录、生成字幕、精校、挑出该剪和该放前面的片段、收集材料发给剪辑同学、生成 show notes 并发布——他说每一步今天的 AI 都够用,缺的是人把摩擦降下来、把触发和上下文接好4。这些是立正本人的使用经验,不等于普通读者照做就能得到同样结果。
真正稀缺的是为结果负责的整合者
AI推演立正引田渊栋的观点说,问题从来不是“AI 对人”,而是人加 AI、AI 加 AI、人加人加 AI 的组合;整合者为结果负责,判断什么交给什么人、什么交给什么 AI,技术变强时他们能做之前做不到的事,也最需要放下旧范式的假设5。他给打工者的第一条行动建议是把工作贴近可验收的结果:不说“我做了个分析”,而说“我要影响决策”5。按这个思路,读者可以挑一件自己一直嫌麻烦、又有明确完成标准的事,交给 agent 工具跑一遍,观察它卡在哪一步——卡点通常就是需要补的链路3,4。这是 AI 基于上述材料做的应用推演。
材料主要是立正的个人经验和判断,没有给出可复核的量化对比;他说的“今天 AI 都够用”针对的是他自己的视频生产流程,不能直接推广到其他行业。
出处
- 1#148. 我们为什么AI焦虑,我们又该怎么脚踏实地
立正解释“无所不知到无所不能”缺的是生态和链路,并举汽车与马车的类比。
- 2#148. 我们为什么AI焦虑,我们又该怎么脚踏实地
可回到原文核对这部分判断
- 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)
立正讲用 agent 工具替自己处理账户合并等杂事的具体经历。
- 4等待AGI,是错误的认知,会错过很多有价值的机会
立正用视频生产流程说明 AI 能做什么、人还要补哪些链路。
- 5AI取代的是所有白领工作
立正谈人加 AI 的整合者、为结果负责,以及把工作贴近可验收结果。
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。