立正反复讲的一条路径是：不要“先完全学会，再开始使用”，而是“在使用中逐步升级”。先从可信赖的信息源开始，学会做几个关键判断，把一两个高频任务迁移到 AI 上，把第一次成功经验沉淀下来，再去做更复杂的项目；每一步都不需要完美，但都在为下一步打基础⁠1。他还说，不要等到“准备好了”才开始，找一个今天就能交给 AI 的任务，build 起来，在做的过程中学，这才是最快的路⁠1。这条路径之所以成立，是因为 AI 用得好的人与普通人的差距背后没有一条是天赋，全是方法，方法可以学、能力可以练、系统可以搭⁠1。

立正对“学到了什么”给了一个很具体的判据：分数是结果，学习是过程；真正学会，是撤掉帮助、过一段时间、换一道题，你还会⁠2。他特别提醒 AI 最危险的时候不是它做错了，而是它做对了，你以为自己也会了——假学习和 fake work 骗的是同一个东西，你对“进步”的感觉，而在 AI 时代这种感觉最常来自学会一个新工具、做出一个原型⁠2。所以出路不是少用 AI，而是在关键处选难的那条路：先自己猜，关掉 AI 再做一遍，再换一道题⁠2。他还把 AI 定位成一个拥有巨大潜力、但需要认真学习的工具，而不是魔法⁠3。

立正认为，把 AI 用好不是停留在表面的应用、只做一些 prompt 或简单使用 AI 产品，而是真的用 AI 去 build 一些 solution、提升工作流、解决之前解决不了的问题，并把它形成一个可扩展的、能真正上生产的项目⁠4。他提到很多人学 AI Coding 并不是为了成为工程师或单纯做一个 App，更核心的问题是怎么把 AI 放进自己的真实工作流里，让它从“帮我省一点时间”变成“帮我完成一整类原来做不了、做不快、做不好的事情”⁠5。他也强调课程想教的是一套不依赖具体工具的方法，工具会变，但能力练出来之后换工具的成本会非常低⁠5。