立正说，他并没有感到眼前突然出现一个从头到尾都是 AI 的东西，但做研究、写博客、做分析的方式已经在经常使用生成式 AI，画图、开发这类环节也一样，是点点滴滴地改变工作流⁠1。所以判断 AI 有没有帮到自己，可以看具体环节：原来哪一步最耗时间，现在这一步是不是变快了、错误是不是变少了。他也提到，早期用新工具可能还不如已经优化好的旧流程快，效率提升是随着生态完善逐渐显现的⁠1。

立正把关键动作落在三件事上：站在 AI 的视角理解它需要什么，这被他称为认知上的同理心；用 Context、Component、Criteria 把背景、组成和验收标准讲清楚，让 agent 能自己迭代和纠错；以及不只说好不好，而是说清什么是好、什么是不好⁠2。如果结果和预期不符，他建议回头检查这三项哪里出了问题，而不是只怪模型⁠2。对个体来说，难点常在于标准本来就在自己脑子里，从没写成 AI 能读的格式，所以产出总差一点意思⁠3。

立正认为，很多人还在优化 prompt，但更大的杠杆在流程设计：把生成、评审、收敛拆成不同阶段串起来，比把所有要求塞进一个提示词强得多⁠4。他也提醒，会用某个工具、提示词有花活，在这个时代不构成核心竞争力，AI 背后是一整套工作方式和组织方式⁠5。一个可试的做法是：挑一件你反复做、又总是不满意的事，先写下你判断“这次做对了”的两三条标准，再让 AI 按这个标准做一版，看它是否更接近你要的结果。