你不需要先补文字敏感度,而是选一个真实、可验收的小任务,把“什么算做好”写成文档,再让 AI 执行、你验收;有效与否看换任务后还能不能交付。
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。
先定验收标准,再谈工具和运营
你说不擅长电箱运营、对文字不敏感,这恰好说明该先做的是把结果标准写清楚,而不是先学一堆工具。立正提到,AI 用得好的人会给 AI 定义“做到什么算对”,而不是逐步遥控过程;也会把自己的验收标准、常用案例写成 AI 可读的文档1。他还说,真正难的是发现自己“没有描述清楚结果”,以及需要另一套机制来验证好坏2。所以你的研究方案第一步可以是:挑一个你实际要交付的安装或验收任务,写下合格与不合格各是什么样,再让 AI 按这份标准产出。
“认证有效”看可迁移,不看懂没懂
按立正的说法,AI 是手艺而非知识学科,懂概念不等于能稳定交付;tutorial 和 toy project 替你完成了建模、拆解、验收、诊断和迭代,你只是走流程3。他给的检验标准是“可迁移性”:换任务、换工具、换领域还能交付,才算真学会3。放到你身上,可以这样自测:同一个验收标准,换一个安装场景或换一个 AI 工具,你还能不能判断产出对不对。能,才算有效;只是这次做出来了,不算。
去哪里学:从真实项目入手,而不是先找课本
AI推演立正建议用几个周末做一个真实、不大但够深的项目,解决一个真实问题,并能讲出完整过程;他强调项目经历在先,表达框架在后4。他也建议先学方法、再学习惯、再学思维方式,而不是一上来就要“123 能马上用的招”5。对你来说,可以从一个安装验收流程开始:让 AI 帮你整理检查项、生成验收清单、对照现场记录找漏项,你负责判断对错。想找参考,可以看 AI Architect 学员项目总结,那里是按“用户使用时 AI 在 runtime 承担什么职责”分类的,能帮你判断一个做法是浅用还是真进了工作流6。注意这只是分类维度,不代表项目好坏的全部6。
现有片段没有给出具体课程、认证机构或“官方认证”的信息,所以无法判断哪张证书被行业认可;上面说的“有效”是立正提出的可迁移检验,不是认证标准。
出处
- 1AI 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
给出验收标准、结果导向指令和文档化的自检清单。
- 2功成名就的大佬们需要学AI吗?|沈明高博士对话课代表立正
可回到原文核对这部分判断
- 3学AI的两大误区:找课本(只看不动手),抄作业(依赖tutorial)
说明为什么懂概念不算会,以及可迁移性这个检验标准。
- 42026,如何在面试中证明自己"真的懂AI"
建议用真实小项目积累经历,项目在先、表达在后。
- 5杨天楠:看似体面的工作,实则都是在表演?
可回到原文核对这部分判断
- 6用“AI产品的六个层次”,分类AI Architect学员项目,结果如何?
提供按 AI 在 runtime 职责分类的项目参考,可用来判断应用深度。
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
- 如何把实际业务场景里需求梳理成对应的AI工具,同时也伴随着清晰的上下文、组件和判断标准,防止任务跑偏。同时如何定义对应做出来的工具或者产品是否有效,能说清好坏或者有效程度的标准和范围?
先把需求拆成上下文、组件和验收标准,再用真实案例测 AI 能不能过及格线,最后用 precision/recall 这类量化指标判断工具是否有效。
- 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。