本页文字
AI都会教你了，
为什么还要上课？
我自己就在教AI课
AI都会教你了，为什么还要上课？
讲稿
AI都会教你了，为什么还要上课？这个问题我躲不开，因为我自己就在教AI课。
我课上讲的，AI也能讲清楚
讲稿
而且我得先承认：我课上讲的很多东西，你今天直接问AI，它也能讲清楚。RAG是什么，MCP是什么，它几秒钟就讲完了，还能拿你的工作举例子。
本页文字
我课上讲的很多东西，
你直接问AI，它也能讲清楚。
RAG是什么？ MCP是什么？
几秒钟 就讲完了，还能拿你的工作举例子。
课时多、工具全、体系完整，不够了
讲稿
所以一门AI课，如果还拿“课时多、工具全、体系完整”当卖点，我觉得它还没认真想过：AI对上课这件事，到底意味着什么。
本页文字
一门AI课的卖点
课时多 工具全
体系完整 AI对上课这件事，到底意味着什么？
我的答案：AI给不了的两样
讲稿
我的答案是这一句：AI让答案几乎免费。一门课要上的，是AI给不了的两样：水面下的判断，和把它练出来的那股劲。
本页文字
我的答案是这一句：
AI让答案几乎免费。
一门课要上的，是AI给不了的两样：
水面下的判断，
和把它练出来的那股劲。
水面上：一分钟就能抄走
讲稿
听着有点抽象。我拿一座冰山，把它拆开讲。先看水面上。你看别人用AI，能看到什么？一段提示词，一个工具，一个结果。再加上网上的教程，还有每个月冒出来的新名词：memory、RAG、MCP、skills。这些东西，一分钟就能抄走。所以抄别人的提示词，几乎从来拿不到别人的结果。
本页文字
所以抄别人的提示词，几乎从来拿不到别人的结果。
一份五分钟做出来的研究摘要
讲稿
AI还让这一层更便宜了。我在课上做过一个小实验：给学员看一份研究摘要，题目叫《一条比Transformer更好的通往AGI的路》。写得很严肃，很具体，该有的词都有。我问大家信不信，然后告诉他们：这是我用ChatGPT做的，大概五分钟。
本页文字
我在课上给学员看的一份研究摘要
《一条比Transformer更好的通往AGI的路》
严肃 · 具体 · 该有的词都有
信，还是不信？
ChatGPT 做的
大概五分钟
像样的答案，几乎不要钱
讲稿
像样又具体的答案，现在几乎不要钱。AI做出“看起来懂了”的速度，比我们任何人检查的速度都快。
本页文字
像样又具体的答案，
现在几乎不要钱。
AI做出“看起来懂了”的速度，比我们任何人检查的速度都快。
这一层只是门票
讲稿
这一层当然有用。一门课连这些都讲不清楚，没资格谈别的。可它只是门票。
本页文字
这一层当然有用。
一门课连这些都讲不清楚，没资格谈别的。
门票 可它只是门票。
tutorial跳过的东西，最值钱
讲稿
我之前写过一句话：tutorial教会你的东西，其实是不值钱了。但tutorial帮你跳过的东西，反而是最值钱的。跳过的是什么？在水面下。
本页文字
立正《学AI的两大误区》· 2026年2月
tutorial教会你的东西，其实是不值钱了。
但tutorial帮你跳过的东西，反而是最值钱的。
跳过的是什么？
↓ 在水面下
水面下：技术直觉和产品直觉
讲稿
水面下，是你看不见的判断。我把它分成两种直觉。一种是技术直觉：该给AI什么，它会在哪坏，要查什么。另一种是产品直觉：什么值得做，为谁做，什么叫好。
本页文字
水面上：提示词 · 工具 · 结果 · 教程 · 新名词
水面下 你看不见的判断
技术直觉 该给AI什么它会在哪坏要查什么
产品直觉 什么值得做为谁做什么叫好
近800万字，没搭复杂的RAG
讲稿
先接着说那些新名词。我做了一个网站叫“问问立正”，你问问题，它从我这些年的视频和文章里找答案，资料将近八百万字。很多人第一反应是：这得搭一套复杂的RAG吧？我没搭。向量就存在一个普通文件里，再加上关键词搜索，效果非常好。
本页文字
问问立正：你问问题，它从我这些年的视频和文章里找答案
近800万字
问问立正首页 · 真实截图 ↗
复杂的RAG？
我没搭 向量存在一个普通文件里 ＋ 关键词搜索
效果非常好。
做这个网站的复盘：《复盘「问问立正」：我原以为套壳不值得做，做完发现好香》
知道这次不用RAG，在水面下
讲稿
知道RAG是什么，在水面上。知道这次不用RAG，在水面下。
内存超了：换一个问题
讲稿
这个网站还有两个故事。有一次，它内存超了：平台给256MB，它要260。我的AI agent给的方案很合理：削一削峰值，再去找鸭哥多要点内存。我问的是另一个问题：资料本来就在文件里，为什么每次都要全部装进内存？改完以后，103MB，两秒就绪，结果一模一样。
本页文字
内存超了 问问立正跑在 AI Builder Space 上：每个服务 256MB
256MB 上限
之前：全部装进内存 ≈260MB
之后 103MB
两秒就绪 · 1,556 次检索，改前改后一字不差
我的 AI agent 给的方案
削掉峰值，再去要 512 MB。
我问的 资料本来就在文件里，为什么要全部装进内存？
“没看过”：砍掉一个功能
讲稿
还有一次，首页有个列表叫“没看过”，每个人看到的都不一样。上线第三天，数据库请求已经从一天三千涨到十七万八；第四天，免费额度用完，网站挂了二十分钟。最快的修法是多花钱。我问的是：我们真的需要“没看过”吗？不需要。砍掉它，问题就没了。
本页文字
“没看过”
首页的一个列表：每个人看到的都不一样
3千 3.5万
17.8万
10月1日 10月2日 10月3日
第4天 免费额度用完网站挂了二十分钟
最快的修法：多花钱
我问的 我们真的需要“没看过”吗？
不需要。砍掉。
数据库每天的请求数 · Upstash 控制台，2026年10月 · 砍掉“没看过”的经过：《复盘「问问立正」》
本页链接《复盘「问问立正」》 ↗
两次，都是换了一个问题
讲稿
两次，改变结果的，都是换了一个问题。这种问题，不在任何提示词模板里。
本页文字
这种问题，不在任何提示词模板里。
再往下：判断的来处
讲稿
那这些判断从哪来？为什么课上讲了，很多人还是学不会？再往下一层，是判断的来处。这里有两种“知道”。第一种，叫世界模型。这是AI和决策领域的一个词。
本页文字
技术直觉 该给AI什么它会在哪坏要查什么
产品直觉 什么值得做为谁做什么叫好
这些判断从哪来？
为什么课上讲了，很多人还是学不会？
再往下 判断的来处：两种“知道”
世界模型 什么导致什么激励和约束你一动手会发生什么
世界模型是什么
讲稿
Jim Fan把它说成：我们脑子里，对世界如何运转的模拟。我会补一句：它是你自己对原因、激励和约束的理解。什么可能，什么不可能，如果这样做，会发生什么。比如：如果这个技能便宜了十倍，我的工作会怎样？如果停掉补贴，谁还会买？
本页文字
Jim Fan：什么是世界模型 ↗
我们脑子里，对世界如何运转的模拟
我补一句 你自己对原因、激励和约束的理解
什么可能 · 什么不可能 · 如果这样做，会发生什么
如果这个技能便宜了十倍，我的工作会怎样？
如果停掉补贴，谁还会买？
“没看过”背后的世界模型
讲稿
刚才那个“没看过”，就是一个例子。我为什么会问“真的需要它吗”？因为我脑子里有一个很简单的模型：每个人看到的列表都不一样，每来一个人，就得把所有问题重排一遍。成本，就是问题数乘以访客数。来的人越多、问题越多，它只会越来越贵。看清了这一层，多花钱就不是解法，砍掉才是。
本页文字
刚才那个“没看过”
我为什么会问“真的需要它吗”？
每个人看到的列表都不一样，每来一个人，就得把所有问题重排一遍。
成本 ＝ 问题数 × 访客数
来的人越多、问题越多
它只会越来越贵
多花钱不是解法，砍掉才是。
想要更好的判断，长世界模型
讲稿
Yann LeCun说过，有了世界模型，动物只要很少几次尝试，就能学会新技能；碰到从没见过的情况，也能避开危险的错误。所以想要更好的判断，更多的信息帮不了你，更多的工具也帮不了你。你得长你的世界模型。
本页文字
Yann LeCun 的立场论文 · Jim Fan 的帖子里引的
有了世界模型，动物只要很少几次尝试，就能学会新技能；碰到从没见过的情况，也能避开危险的错误。
想要更好的判断： 更多的信息 更多的工具 长你的世界模型
怎么长：做预测
讲稿
那怎么长？做预测。把你的判断写成会错的样子：会发生什么，概率多大，什么时候见分晓。预测会把你藏着的假设拉到明处，让现实有东西可以打分。错了，就更新。错了不是失败，含糊到永远不会错，才是失败。
本页文字
假设 → 预测 → 现实打分 → 更新
把判断写成会错的样子： 会发生什么 概率多大 什么时候见分晓
预测会把你藏着的假设拉到明处，让现实有东西可以打分。
错了不是失败。含糊到永远不会错，才是失败。
这件事真做得到吗：六个判断打分
讲稿
这件事真做得到吗？2023年3月，GPT-4发布之前，我写下六个关于未来两年的判断，每个都标了概率。后来，大概率的中了，小概率的没中。这正是你给事情标概率时，希望看到的样子。
本页文字
这件事真做得到吗？
2023年3月，GPT-4 发布之前写下的六个判断，每个都标了概率
1 专家水平回答事实问题 99% 中了
2 专家水平回答判断问题 80% 基本中了
3 人人的数字副驾驶 70% 中了
4 编程效率提高10倍；半年做出3A游戏 60% 部分中了
5 当我的学徒，赚得比我多 50% 还没有
6 写出一篇满是原创知识的文章 5% 没中
大概率的中了，小概率的没中。
这正是你给事情标概率时，希望看到的样子。
《关于ChatGPT最重要的五个问题》2023年3月 · 英文版 · Statsig 技术分享 · 2026年回头打分
鸭哥也是这么做的
讲稿
鸭哥也是这么做的。前面说我没搭复杂的RAG，不是拍脑袋。2025年4月，鸭哥做过一个实验，发现把资料切成碎片去检索，找得到相关的话，却丢了要理解的关系。所以我们一直建议，先试markdown加搜索，让AI按需去读。背后是同一套方法：先看清一项技术到底解决什么问题，再跟最合理的替代方案比。这套方法，你也学得会。我们把这些判断和背后的推理都写出来，标上日期。你不用从零开始，可以先借来用，再拿你自己的现实去检验它。
本页文字
2025年4月 · 鸭哥的实验：让AI读完三年的群聊记录
切成碎片去检索：找得到“谁说了什么”，答不出“这三年是怎么变的”。
“不是能力不行，是它根本没有一个完整的全景图可以从中提出判断。”
我们的建议：先试 markdown＋搜索，让AI按需去读 问问立正：没搭复杂的RAG
同一套方法：先看清一项技术到底解决什么问题，再跟最合理的替代方案比。
这套方法，你也学得会。
我们把判断和推理写出来，标上日期 → 你先借来用 → 再拿自己的现实检验它
鸭哥《我们让AI读完三年微信群聊记录，它写了一本出人意料的小书》2025-04-16 · 方法：《通过Jev，辨清AI新技术的叙事陷阱》
本页链接鸭哥《我们让AI读完三年微信群聊记录，它写了一本出人意料的小书》 ↗《通过Jev，辨清AI新技术的叙事陷阱》 ↗
另一种“知道”：手艺
讲稿
另一种“知道”，是手艺：你还说不清，就已经看得见。
本页文字
技术直觉 该给AI什么它会在哪坏要查什么
产品直觉 什么值得做为谁做什么叫好
再往下 判断的来处：两种“知道”
世界模型 什么导致什么激励和约束你一动手会发生什么
另一种是手艺
你还说不清，就已经看得见。
手艺 你还说不清就已经看得见
鸭哥那一眼从哪来
讲稿
鸭哥看代码，常常一眼就知道问题出在哪。我问过他，这一眼是怎么来的。他说学生时代，每年写几十万行代码，那时候没有AI，一个字一个字敲出来的。他也说，光看代码量说明不了什么。他自己的解释是吃过见过：见过设计得好的东西，才知道眼前这个哪里不对。
本页文字
鸭哥看代码，
一眼就知道问题出在哪。
学生时代，每年
几十万行 那时候没有AI，一个字一个字敲出来的。
“代码量本身说明不了什么。”
鸭哥 吃过见过
见过设计得好的东西，才知道眼前这个哪里不对。
AI Architect《课代表和鸭哥工作的实况（二）｜高手的判断从哪里来？》33:21–35:58、1:02:17–1:09:56
鸭哥这么厉害，我怎么学？
讲稿
听到这儿，你可能会想：鸭哥这么厉害，那我怎么学？我给一位学员写点评时说过：我们在教课的时候，我最注重的，就是把鸭哥脑子里的隐性知识显性化。但我们也发现，必须要上手，自己体验一把，才能建立这种直觉。所以分两半。能说出来的，我们尽量说出来，做成课，比如为什么不教RAG，什么时候不该用AI。你不用也去敲几十万行代码。说不出来的，你得自己上手。好在代码可以让AI写，同样的时间，你能多做几遍，多碰几次现实；卡住的时候，有人一眼看出问题在哪。
本页文字
鸭哥这么厉害，那我怎么学？
“我们在教课的时候，我最注重的就是把鸭哥脑子中的隐性知识显性化，但我们也发现，必须要上手，自己体验一把，才能建立这种直觉。”
我给一位学员写的点评 · AI Architect「什么时候不该用AI」
能说出来的
我们尽量说出来，做成课
《我们为什么不教RAG》
《什么时候不该用AI》
你不用也去敲几十万行代码
说不出来的
你得自己上手
- 代码让AI写，同样的时间多做几遍、多碰几次现实
- 卡住的时候，有人一眼看出问题在哪
为什么非得自己上手
讲稿
为什么非得自己上手？我在《真本事》里写过：学校里，考试总有标准答案；真实世界，几乎没有。水面上的，是有标准答案的那部分，正好是AI最擅长的。水面下的没有标准答案，所以没法直接交给你。
本页文字
为什么非得自己上手？ · 《真本事》第二章
学校里 考试总有标准答案
真实世界 几乎没有
水面上：有标准答案的那部分
正好是AI最擅长的
水面下：没有标准答案
所以没法直接交给你
本页链接《真本事》 ↗
AI是门手艺，像游泳
讲稿
AI是门手艺，像游泳。你坐在菲尔普斯旁边，看他训练一万个小时，下水还是会沉。水面下的东西，只能做出来。
本页文字
你坐在菲尔普斯旁边，看他训练一万个小时，
下水还是会沉。
水面下的东西，只能做出来。
知道和去做之间，隔着一股劲
讲稿
可问题来了：既然只能做，为什么大多数人知道了，也不去做？因为知道该做，和真的去做，中间隔着一股劲。
本页文字
既然只能做，
为什么知道了，也不去做？
知道该做 真的去做
劲
劲漏到哪：看，和焦虑
讲稿
这股劲，常常漏到两个地方。一个是“看”。这个月你看了多少AI视频？感觉像在进步，其实没有。很多人以为自己在学AI，其实是在买“我没有落后”的感觉。你买到的是接触感，不是能力。另一个是焦虑。焦虑是大脑跑在身体前面：你在想一个还没发生的坏结果，可是没有敌人可打，也没有地方可逃，这股劲就在身体里空转。
本页文字
劲，常常漏到两个地方
① 看 这个月你看了多少AI视频？感觉像在进步，其实没有。
“很多人以为自己是在学习AI，其实是在购买‘我没有落后’的感觉。你买到的是接触感，不是能力。”
立正《AI焦虑的三种形态》
② 焦虑 大脑跑在身体前面
想一个还没发生的坏结果，没有敌人可打，也没有地方可逃
这股劲，就在身体里空转
本页链接立正《AI焦虑的三种形态》 ↗
识字助手的三版
讲稿
那劲从哪来？有一部分，藏在认知里。我们AI Architect课上有位学员，给五岁的女儿做识字助手。第一版，每回答一次要等四十秒，女儿等到第三秒就走神了。第二版，降到将近十秒，可只有七成时候能用。第三版，把固定的步骤交给普通代码，AI只管对话：不到三秒，而且稳定。
本页文字
那劲从哪来？
有一部分，藏在认知里。
AI Architect 课上一位学员，给五岁的女儿做的识字助手：每回答一次要等多久
3秒：她就走神了
V1三个接口串起来
40秒 V2让模型决定一切
9.8秒 · 七成时候能用
V3固定步骤交给代码，AI只管对话 不到3秒 · 稳定
学员的帖子：《从40秒到准实时：儿童识字助手的三次架构演进》 · 课：AI Architect「什么时候不该用AI」
第一版和第二版，是用来扔的
讲稿
他不是一开始就做出第三版的。第一版和第二版，本来就是用来扔的。你要是觉得第一版就得做对，你根本不敢开始。工具也一样。它粗糙、老出错的时候，你要知道：这说明时代还早，不说明你不行。知道这一点，卡住了才不会停。
本页文字
第一版和第二版，
本来就是用来扔的。
觉得第一版就得做对，根本不敢开始。
工具粗糙、老出错，说明时代还早，
不说明你不行。
抽象让人焦虑，具体不会
讲稿
还有一部分，来自具体。抽象的东西让人焦虑，具体的东西不会。把一件大事，切成今天就能做完的一小件。做完，发出来。我在一次大师课上说过：全都是你在发之后才有用的。你在发之前，你想象的所有东西全都是错的。
本页文字
抽象的东西让人焦虑，
具体的东西不会。
立正《AI焦虑的三种形态》
一件大事 今天就能做完的一小件 → 做完，发出来
“全都是你在发之后才有用的。你在发之前，你想象的所有东西全都是错的。”
立正 · 大师课回顾02｜Daliana Liu：把专业变成选择权
旁边有人，少转很多圈
讲稿
最后一部分，来自旁边有人。一个人摸索，要转很多圈；卡住的时候有人一眼看出来，劲就不会耗在原地打转上。该自己走的路，一步不少；不用走的弯路，一步不走。
本页文字
最后一部分：旁边有人
一个人摸索，要转很多圈。
有人一眼看出来劲不耗在原地打转上
该自己走的路，一步不少；不用走的弯路，一步不走。
一门课该上的三件事
讲稿
所以AI来了以后，一门课到底该上什么？我的答案是三件事。第一，把高手水面下的决定摊开给你看：他为什么这么选，在哪里差点选错。第二，让你在自己的真问题上动手，让现实给你打分。第三件，是给你做下去的劲：一个今天就能做完的小闭环，卡住时有人带路，做完了有人回应。我们自己的课也照这个来：每一节都是一个小而真实的闭环，做完，发出来，讨论。
本页文字
所以，一门课到底该上什么？
1 把高手水面下的决定，摊开给你看
他为什么这么选，在哪里差点选错
2 让你在自己的真问题上动手
让现实给你打分
3 给你做下去的劲
今天能做完的小闭环 · 卡住时有人带路 · 做完了有人回应
我们的课：每一节，一个小而真实的闭环——做完，发出来，讨论
本页链接我们的课 ↗
检验一门课的标准
讲稿
我自己卖课，所以也给你一个检验我的标准：上完一门课，你手里有没有多出一个做完的东西？有没有一次卡住以后，自己接着往下走？都没有的话，这门课至少没给你劲。
本页文字
我自己卖课，所以也给你一个检验我的标准：
上完一门课，你手里有没有多出一个做完的东西？
有没有一次卡住以后，自己接着往下走？
都没有的话，这门课至少没给你劲。
AI的判断再好，也装不进你的脑子
讲稿
你可能会说：AI自己的判断也越来越好了。对，而且还会更好。可它的判断再好，也装不进你的脑子。你要用好它，先得能挑它给的答案；能挑，靠的还是你水面下的东西。
本页文字
“AI自己的判断也越来越好了。”
对，而且还会更好。
可它的判断再好，
也装不进你的脑子。
要用好它，先得能挑它给的答案；能挑，靠的还是你水面下的东西。
谁不需要上课
讲稿
反过来，如果你已经能自己选问题、自己判断哪里坏了，身边还有高手给你反馈，你可能根本不需要上课。如果你只是想买一份“没落后”的安心，也别上。
本页文字
这些情况，你可能根本不需要上课：
能自己选问题
能自己判断哪里坏了
身边有高手给你反馈
只是想买一份“没落后”的安心——也别上。
回到开头的问题
讲稿
回到开头那个问题：AI都会教你了，为什么还要上课？如果一门课只给你答案，那确实不用上了。
本页文字
AI都会教你了，
为什么还要上课？
如果一门课只给你答案，那确实不用上了。
AI给不了的两样：判断和劲
讲稿
AI让答案几乎免费。一门课要上的，是AI给不了的两样：水面下的判断，和把它练出来的那股劲。
本页文字
水面下的判断，和把它练出来的那股劲。
答案 AI几乎免费给你
判断 技术直觉 · 产品直觉
世界模型 · 手艺
劲 把它练出来
差的不是人，是市场通往AGI之路 · 2026年10月16日
假学习的终结Columbia University · 2026年10月2日