好点子的来源不是「想出一个没人做过的」,而是先弄清为什么做,再去感受自己真实遇到的摩擦;别人做过不构成否决理由。
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。
先问够多的为什么,再想怎么做
材料里的观点立正提到,很多人一上来就跳到怎么做,结果完全错过了整幅图景,不知道自己为什么要做这件事、做它有什么意义。他建议先问五个、十个为什么,找到那个真正值得被描绘的方向,才知道重点在哪1。这直接回应你的困扰:如果起点是「想一个别人没做过的点子」,你比较的只是表面动作,自然会觉得都被做过了;换成先问「我为什么在意这件事、它对我意味着什么」,问题就从找空白变成找理由,而理由是可以和别人重复的。
从用脑转到用心,去感受自己的摩擦
材料里的观点立正主张捕捉需求要从寻找转到感受、从用脑转到用心,最好的方式是感受自己遇到的摩擦,比如「这个东西能点一下自动完成就好了」那种瞬间2。他特别指出,脑子里的逻辑会骗你——任何一个点子他都能正反两方面讲出成立和不成立的理由,所以逻辑不值钱;但那个「烦」是真实的,骗不了自己,只要你觉得烦,它一定对应一个真实需求2。别人做过类似的事,不代表你那个具体的烦被解决过。
别在脑子里创业,也别怕别人也做
立正提醒不要在自己脑子里创业,因为在那里你永远能编出一套逻辑说明自己是对的,但拿到市场上可能早就偏了,所以要用最小可行的东西去和真实的人交互、问对方愿不愿意付费3。他还提到,小的需求反而需要超高浓度的解决方案,用户容忍度低,做不好很容易走掉2。至于「有人做了」,他在谈竞争时说过,当你确信自己有真东西时,模仿者相当于免费的市场部4。所以别人做过,可能只是说明这个方向被验证过,关键仍是你有没有更贴近那个真实摩擦的做法。
这些片段讲的是找需求和判断方向的方法,没有给出「如何保证点子新颖」的标准;别人是否做过,仍要你自己去核实。
出处
- 1直播录视频
适合核对「先问为什么、别急着跳到怎么做」这一判断的原始表述。
- 2AI时代最危险的两个需求错判:寻找大需求,和用脑子想需求
适合理解从用脑到用心、感受摩擦找需求,以及小需求为何需要高浓度方案。
- 3技术人想赚钱,需要跳出哪些舒适区?
适合核对「不要在脑子里创业」和用最小可行产品验证需求的做法。
- 4学术界火了十年的Graph数据库,为什么等到 AI 才开始落地?|向量数据库为什么是死胡同?|纯技术创业有多爽?
适合看他对「别人也在做同一件事」的态度,以及定位该怎么说。
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。
问类似的问题也可以接着问:
别人还问了
- 什么是创意?创意也是对现有元素的组合排列吗?是的话,在这种情况下,怎么判断一个点子是否是真正创新的创意?最后如何获得创意?
创意可以看成对现有元素的重新组合,但判断它是否真创新,要看它是否解决了一个此前没被满足的真实需求;获得创意的路径是靠近真实问题、快速交给现实修正,而不是坐在房间里凭空想点子。
- 怎么和领导提涨薪 我要做什么准备
涨薪的关键不在罗列自己做了什么,而在让直属领导觉得给你加薪对他有利——他关心的是自己的升职,你要找到这个共同点。
- 要学AI需要配的硬件是什么
学 AI 不需要先配硬件,先配好能跑 agent 的软件环境;硬件只在你要自己训练或本地跑大模型时才成为问题。
- 这个app怎么赚钱?是纯福利吗
不是纯福利。Superlinear Academy 靠会员订阅、课程销售和课程分销佣金赚钱,App 本身是让这些内容和社区更容易被日常接触的入口。
- 普通人应该怎么学习AI
把 AI 当手艺而不是知识学科来练:先自己动手做真实任务,再撤掉帮助、换条件重做,看能力是否留在自己身上。
- 律师或者法律行业怎么运用ai解决问题
法律行业用 AI 的落点不是让 AI 出结论,而是让 AI 做检索、总结、初稿和筛查,由律师用专业判断收口并负责。