非技术背景学 AI,重点不是背概念,而是练三件事:把隐性标准写成文档、给对上下文、把需求说成可验收的结果。
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。
先改任务方式,不是先学名词
立正把普通使用者和高手的差距放在处理任务的方式上:知道什么时候该多给上下文、什么时候该少给,复杂任务怎么拆,哪些环节交给 AI、哪些必须人判断,出错后能定位是能力限制、上下文不足还是中间环节的问题1。他也说,那些概念名词真要学,五分钟跟 AI 就能学会1。所以对没有技术背景的人,第一步不是报一门原理课,而是拿自己手头一个真实任务,按“给背景—给标准—定义结果”的方式做一遍。
三个可练的具体动作
材料里的观点第一,文档先行:把你的风格偏好、受众、判断原则、验收标准写成 AI 能读的文档。立正指出,个体创业者的品牌调性和标准都在脑子里,从没写成 AI 能读的格式,所以产出总“差点意思”2。第二,上下文策展:不是把所有东西塞给 AI,而是为每个任务挑最相关的背景,信噪比决定产出质量2。第三,结果导向指令:不说“先打开 Excel 在 A1 写标题”,而说“我要一份对比三个方案成本、时间、风险的表格,最后给推荐”,告诉 AI 做到什么算对,而不是教它怎么做2。这三条都不需要编程基础,练的是表达和取舍。
想再进一步,就做一个真实小项目
AI推演立正认为,能讲清楚自己懂 AI,靠的是真做过一个深度项目,框架只能帮你重新组织已有经历,没有真实经历框架是空的3。他还建议用几个周末做一个真实、不大但能讲出完整过程的项目3。对非技术背景的人,一个可试的起点是:选一件你本来就要判断的事(比如筛一批可疑数据),先想清楚哪些能用明确规则处理、哪些需要 AI 看上下文、哪些必须你自己拍板,再让 AI 做中间那段,并把你的判断标准写成可复用的说明4。这是 AI 根据上述材料做的应用推演,不是立正给初学者的原话方案。
材料主要来自立正面向职场和个体使用者的文章与访谈,没有专门针对零基础学习路径的系统课程设计;上述步骤是据此综合的应用建议,不是一套已验证的教学大纲。
出处
- 1AI的正确打开方式:不学概念,学动作
说明高手与普通使用者的差距在任务处理方式,而非概念名词。
- 2AI 用得好的人与普通人的5个差距,和背后具体技术原因|非技术岗位版
给出文档先行、上下文策展、结果导向指令三个非技术可练的具体方法。
- 32026,如何在面试中证明自己"真的懂AI"
强调真实项目经历在先、表达框架在后,并建议用周末做小项目。
- 4不要一上来就让 AI 判断一百万条数据|AI与人协作的任务光谱
提供程序、AI、人如何分工的实例,可作为第一个项目的思路来源。
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。