别把“想清楚做什么”当成开工前提:真实需求通常是在做小东西、给真人用、反复改的过程中长出来的。技术不是你的瓶颈,持续迭代和判断什么值得长期维护才是。
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。
需求不是想出来的,是推出来的
立正明确不同意“先想清楚做什么再动手”这个说法,认为它可能变成不开始的理由。他的判断是:没有人一开始就知道要做什么,真实需求往往不会一开始就长成最终的样子,得从一个小问题出发,做一点、用一点、再往前推1。这与你的处境直接相关:你缺的不是技术方案,而是可被现实修正的起点。一个周末就能被复刻的原型确实难有竞争力,但从这个原型出发持续迭代一年是另一回事1。所以切入点不必宏大,先选一个你自己或身边人正在忍受的小麻烦,做出能用的版本,让真实使用暴露你原先没想到的问题。
付费意愿要慢慢验证,但验证对象是真人
Ethan 在访谈中讲,Jobright 前一年半免费,不是因为不想赚钱,而是产品还没达到他们自己的标准;后来开始收费时,转换率只有现在的二十分之一左右。他的原则是“不要对任何从零到一开始做的东西有过多期望”,一个功能刚上线往往很傻,需要一轮轮优化,前提是团队有 conviction2。他也说,只有先给用户更多价值、让用户理解价值,付费才会慢慢来2。这是嘉宾的经验,不是要求你也免费一年半。对你更可操作的含义是:把“有人愿意付费”拆成可观察的小信号,比如有人主动重复使用、愿意为省下的时间付一笔小钱,而不是靠问卷里客气的“我会付”。
精简不等于没有维护成本
AI推演立正在另一篇里提醒:AI 压缩的是写代码的前 90%,discovery 和 ownership 没有被同样压缩;demo 只需在展示那一刻是对的,产品要在现实变化中一直是对的3。他还建议开始前多问一句:做出来以后,我真的想长期拥有它的维护成本吗3?按这个标准筛你的切入点:优先选那些你愿意长期盯着的领域,把账号、支付、权限这类通用部分交给成熟服务,把精力放在你独特的那一层。这是 AI 基于上述判断对你处境的推演,不是原文给你的处方。
材料没有给出识别需求的具体方法或工具,也没有针对软硬件结合方向的付费证据;津晶提到的 ToC 付费意愿上升、硬件优势等判断,因该段说话人归属为声纹自动匹配,这里未作为依据使用。
出处
- 1从大厂高薪到自己赚钱,中间差的是什么?
立正直接回应“先想清楚做什么”这一顾虑,是本题最贴近的判断。
- 2AI时代,找工作和创业的有效方法|Jobright联创/CTO Ethan对话
Ethan 讲收费节奏与 PMF 的耐心,可核对嘉宾原话。
- 3Don't build: 看清demo和production之间的鸿沟
讲 demo 与产品的差距及长期维护成本,帮助筛选切入点。
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
- 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。