现有材料没有记录“问问立正”上线后用户实际最常问、立正最感兴趣或最好奇的问题;能确认的是他做这个工具的动机,以及他判断好问题的标准。
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。
能确认的只有做工具的动机
材料里的观点立正署名的发布说,8月底社区有人问能不能做一个“立正 Skill”,回答问题同时推荐他讲过的文章和视频;他把公开材料整理成 Open Context 放到 GitHub,但认为仓库对多数人是门槛,于是做了打开就能问、也能导出图片或 PDF 的“问问立正”1。这解释了他为什么做,但没有列出上线后的高频问题、他本人最感兴趣的问题,或他最想知道的问题。
他偏好的问题长什么样
材料里的观点在早于该工具的视频里,立正说好的问题通常先摆出双方对同一件事的认知,再对事实,再说明结论依赖哪些关键假设;如果对方不同意其中某个认知,他会“非常兴奋”,因为终于找到了认知差异2。他还说,80分的问题只要简单清晰,前提是提问前先做功课,让对方能高效弥补双方的认知差距3。这些是他对问题质量的判断,不是对“问问立正”用户实际提问的记录。
按他的标准推测他会好奇什么
这是 AI 的推演,不是立正的表态:若沿用上述标准,“问问立正”里最可能让他感兴趣的不是“帮我做个个人选择”,而是用户带着自己的事实、诊断和关键假设来问,并明确说“我可能错在哪”2,4。他署名的一篇方法文也建议把事实和解释分开,写出“我目前认为卡点是……”,再问一个会影响选择的问题,并把答案变成一次小验证4。这只能作为判断方向的依据,不能证明他实际最好奇哪类问题。
当前片段只覆盖工具的介绍页和两段谈提问方法的材料,没有上线后的提问记录、统计或立正本人对“最常问/最感兴趣/最好奇”的表述,因此这三问无法按事实回答。
出处
- 1问问立正:直接问我讲过的内容,Founding Member不限次
唯一直接介绍“问问立正”来源与用途的原文,可核对做工具的动机和功能。
- 2如何问出一针见血的好问题 | 有字幕
立正本人谈好问题的结构,以及看到认知差异时的反应。
- 3三条奥义学会在职场里有效提问
立正本人对“简单清晰、先做功课”的80分问题的说明。
- 4为什么别人的好建议,到你这里就用不上?
立正署名的方法文,给出带处境、假设和小验证的提问方式。
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
- AI写东西很快,我怎么判断它写得对不对?
先别急着逐句改,先问自己能不能指出“哪里不对、为什么”。说不清时,把标准写成可读的文档或评分表,再对照原文和具体场景检查。
- 我该不该从ucberkeley本科退学去创业,我学的社会学专业,学不到任何东西
现有材料没有直接讨论“伯克利社会学该不该退学创业”,但能帮你把问题拆成两件事:先验证创业想法是否值得你押上退学,再判断“学不到东西”是课程问题还是你还没找到用法。
- 课代表曾经提到过他在meta上了一门数据相关的课程,不知道是什么
现有片段只能确认立正曾在 Meta 做数据科学家,没有提到他在 Meta 上过哪门数据课程,因此无法给出课程名称。
- Product data scientist在ai时代应该如何转型
核心不是补更多分析技能,而是从“做一段执行”转向“设计系统让AI把结果做出来”,并先确认自己现在的工作是否真在创造价值。
- 最近在自己用AI开发游戏,之前是游戏策划出身,对技术了解相对比较少。但是感觉现在vibe coding出来的代码质量很差,我不确定问题到底出现在哪里,是我的提示词不对,还是我没有用比较好的skill?还是说有什么我没有意识到的方面在影响?核心还是应该如何提升自己vibe codeing的代码质量呢?
代码质量差,通常不只是提示词或 skill 的问题,而是任务拆得不够细、缺少可判断质量的评估能力,以及没有把“第一版”推进到“可靠系统”。
- 什么是强的工作能力
这些材料把强工作能力指向三件事:判断什么值得做、把事真正做完、在模糊中持续放大成果,而不是把技能清单堆满。