先别急着给每个想法找做法:多问几层“为什么”,把想法收成一个值得做的方向,再动手。
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。
先问Why,别急着进入How
材料里的观点立正给过一个很具体的顺序:不要一上来就“Go to How”,先问5到10个Why——为什么做这件事、为什么是这些用户、为什么竞品这样做。问完这些,才更容易提出一个正确的问题、找到值得优化的方向,抓住重点;否则容易错过更大的图景,也不知道自己为什么要做这些事1。这正好对应“想法太多”的处境:混乱往往不是想法不够,而是还没筛出哪个问题值得回答。
把评判换成先理解,再抓核心
材料里的观点面对复杂问题,立正提醒不要在不了解清楚前就下判断。他给的做法是:察觉自己冒出轻率结论时,抱着开放心态去真正理解,主动听不同视角、欢迎别人反驳,目标是了解清楚问题而不是证明自己正确;最后还要能抓到问题的核心本质,因为复杂问题一定有取舍2。用在整理想法上,就是先别急着否定或执行某个念头,而是问它背后要解决什么、和别的想法冲突在哪。
一个可试的整理动作
AI推演这是 AI 根据上述两点给的应用建议,不是立正针对“想法混乱”开出的处方:挑出最困扰你的一个想法,连续问自己几层“为什么想做它”,再写下它和另外几个想法之间的取舍。若问完仍说不清它为什么重要,就先搁置;若越问越清楚,再进入“怎么做”1,2。另一个可参考的日常做法来自穆潼:频繁记录自己的想法和心情,哪怕写的时候不知道在写什么,过一段时间再翻看总结,她把这也当作一种疏通方式3。
现有片段没有专门讨论“想法太多”的完整方法;上面的顺序和记录做法来自相邻话题,属于有条件的借用。穆潼的记录经验出自她个人经历,不等于对所有人都有效。
出处
- 1技术不重要!技术不重要?技术不重要!
立正讲先问Why再进入How,是整理想法方向的核心依据。
- 2培养思维深度,要小心这三个字!
讲面对复杂问题先理解、听反驳、抓核心,补充判断取舍。
- 3「优秀」的陷阱|用当下驱散臆想,进入自洽和内驱之境界
穆潼讲频繁记录和事后总结,提供一个可参考的日常做法。
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。