把书拆成可检索的片段,再让 AI 基于这些片段回答并给出处,问答才有依据;直接让 AI 凭记忆答整本书,容易编。
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。
先让 AI 带着假设去问,再让人纠正
AI推演一个可迁移的做法是:先让 AI 根据已有材料猜几个可能的原因或答案,再请当事人选择、纠正和补充,并留一个“都不是”的选项,把 AI 的猜测当成待验证的假设。放到书上,就是先让 AI 读你切好的片段,猜出可能的回答,再由你核对它猜得对不对。这样比从零提问更容易得到有效信息,也让你看得见它错在哪1。
问答要有出处,不能只靠模型记忆
公开材料里描述的做法是:想知道一个人的某个观点,AI 会从他公开的文章和视频里找出相关内容,整理成回答并附上出处。这说明可问答的关键在于“先检索、再回答”,答案要能追回到原文。若只把整本书丢给模型凭记忆作答,它无法区分哪句来自书、哪句是自己补的,也就难以核对。把书切成带位置标记的段落,回答时标出对应段落,是让问答可信的最低条件2。
书的价值在激发思考,不在搬运结论
读一本书真正有用的,往往不是书里的结论或信息本身,而是阅读过程中它激发你去重新审视一个之前想过、但没得到满意答案的问题。做问答系统时,如果只追求“把书里的答案抽出来”,你得到的仍是二手结论;更有用的问法是拿书里的角度去碰撞你自己的问题,看它能不能让你把原来的判断想深一层。这决定了你该问什么,而不只是怎么存3。
资料里没有专门讲“把一本书做成问答系统”的完整方法,以上是从提问、检索和阅读三处材料迁移过来的,具体工具和切分粒度需你自己试。
出处
- 1为什么别人的好建议,到你这里就用不上?
给出“先让 AI 猜、再让人纠正、留都不是选项”的具体做法,适合迁移到读书问答。
- 2建议每个人都用Opus 5.5做一下个人主页
说明可问答的关键是先检索公开内容再回答并附出处,适合核对问答可信度的条件。
- 3如何想深两层?
解释读书的价值在激发思考而非搬运结论,适合想清楚该拿书问什么。
你也有想问的?
卡住的时候,问问立正:回答只从立正讲过、写过的东西里来,每一段都能点回原文。
问类似的问题也可以接着问:
别人还问了
- 接offer前关于一家公司的情况有哪些值得了解的
接 offer 前值得看的不只是薪资,而是这家公司所在行业和业务的增长空间、直属老板、岗位有没有清晰的成功标准,以及组与组之间的差别。
- 你觉得AI时代会放大职场的性别差距么,还是缩小?AI时代的女性主义会有什么特点?AI的大爆发会为女性主义带来什么变化
现有材料没有直接谈性别差距,但能推出一个判断:AI 更可能放大已有的能力与议价差距,而不是自动缩小它;女性主义会因此更聚焦议价权、判断力和转型期的生存,而非单纯“进入职场”。
- 这么叫鸭哥的context infra
“鸭哥的 context infra”指一套把散落上下文变成可复用资产的系统,分概念图、技术架构、工具链三层,核心是分层记忆、按需加载和持续提炼。
- 在追求超線性價值的前期,如何在弱反饋、反共識、沒同路人下堅持? (允許回答打破假設/盲點)
弱反馈、反共识、没同路人,恰恰是超线性价值前期的常态:价值大而只有你在做,说明别人还没意识到它的价值,而不是你做错了。坚持靠的不是意志力,是把注意力押在少数高价值的事上,并接受心有不甘会一直存在。
- AI时代,嵌入式软件领域有什么机会
现有材料没有专门讨论嵌入式软件,但有三条可迁移的线索:AI 原生公司更缺系统架构者、长尾生产力工具是被释放的新市场、物理世界的机器人等要等 2030 后成熟。
- 立正的AI课程是否会过时?因为AI agent发展这么快,我担心之前的课程现在已经过时了
课程本身会持续刷新,但工具和技巧层面的内容确实会贬值;真正不容易过时的是背后的思考方式和管理AI的方法。