现有材料没有说明这个 App 是否用逐字稿建知识库、每次提问再检索。能确认的是:App 把文章、项目、评论、活动和课程放在一起,问答和讨论仍由人参与;立正对“核心价值”部分刻意少用 AI。
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。
App 的公开定位是内容与讨论的入口,不是检索式问答库
材料里的观点立正署名的发布文介绍,App 把文章、项目、评论和活动放在一起,手机上可浏览、切换和参与讨论;课程视频和资料也在 App 内,学员可在对应课节下评论提问。通知用于把新内容、回复和@带回具体讨论1。这描述的是内容聚合与讨论承接,没有提到逐字稿知识库或按问题检索片段。
问答机器人做过,但课程答疑坚持由人回答
材料里的观点立正说,他为一本书做过咨询式问答机器人,觉得“还挺有用”;但课程坚持由人回答,因为希望团队对学员的问题有感知,并把这视为高客单价服务的一部分2。所以“每次有问题就去检索某一块内容”至少不是他描述的核心课程答疑方式。
AI 被放在后台和可标准化的环节
立正说,社区里的前沿信息深度分析完全由 AI 产生,背后是较深的上下文架构结合抓取内容;中文内容译成英文也完全由 AI 做。他把 AI 看作放大器,认为要先有可放大的东西2。按这个分工推演,逐字稿若被使用,更可能落在整理、分析和翻译这类后台环节,而不是替代核心答疑;这是 AI 的推演,材料未证实 App 的实际技术实现。
提供的片段没有 App 的技术架构说明,也没有“问问立正”如何取资料、如何计费的完整描述;因此无法确认是否使用逐字稿知识库或检索流程。
出处
- 1Superlinear Academy的App正式发布了
立正署名的 App 发布文,说明 App 聚合哪些内容、讨论如何承接。
- 2课代表立正:AI 课卖 2000 刀,偏偏坚持古法手搓
立正谈课程为何坚持人工答疑,以及哪些环节交给 AI。
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。