立正提到，AI领域每隔一阵就有新概念被自媒体拿去炒作，讲解的目的常常是博眼球而不是讲清楚，听的人既浪费时间，也没法建立对AI的有效认知⁠1。他主张从第一性原理去拆，而不是跟着热词走。放到带货这件事上，你在生财有道这类平台看到的“AI图书带货”“贴图号”案例，很可能正是被包装过的成功叙事，你感到的不笃定，恰恰是还没形成自己判断的表现。要判断它是不是幸存者偏差，得先弄清这类账号的收入到底来自哪里、平台规则怎么变、内容供给有多拥挤，而不是先看别人晒的结果。

立正认为，build（动手做出东西）是拿到结果的必要条件，但不是充分条件；只要开始做，就已经跨过了大多数人跨不过的门槛⁠2。他还用游泳打比方：看再多游泳视频也不如真的下水游一次，游过之后你才知道哪个视频讲得有道理⁠3。这对你的问题很直接：与其继续收集赛道信息，不如先做一个最小可验证的尝试，比如选一个细分品类，用AI做几条内容发出去，看有没有真实的点击和成交。反馈会告诉你两件事：这件事的门槛是不是像宣传的那么低，以及你自己愿不愿意持续做下去。

立正讲知识付费时说过，自动化的东西卖不出价钱，他因此很审慎地使用AI，价值更多来自用心和品牌⁠4。这提示一个判断角度：AI能压低内容生产的成本，但成本低也意味着供给会迅速变多、单价被压低。真正决定能不能赚到钱的，可能是你选品、理解买家需求、持续运营账号的能力，而不只是会不会用AI做视频。你可以先问自己：在这个品类里，我比别的做号的人多懂什么？如果答不上来，那更可能是拼执行力和运气，而不是稳定能干的事。

立正反复强调，动手做出东西是拿到结果的必要条件，而且这一步本身并不保证成功。他把用AI的人分成几层：只是聊天使用、会摆弄工具、能真正做出东西并自己迭代、能靠谱解决复杂工作，越往后越难，也越有价值⁠1。另有一条社区回复强调，跑通核心这一步再怎么强调也不为过，因为它能帮你把问题想清楚⁠2。放到带货这件事上，与其先争论“这是幸存者偏差还是稳定生意”，不如先完整走一遍选品、做内容、挂链接、看有没有人下单的闭环。跑通一次，你才知道卡住你的是内容、选品还是流量，这比听别人讲赛道有用得多。

立正提到，人容易被看起来硬的名词吸引，比如某个具体工具或技术名词，而忽略上下文管理、任务拆解、结果确定性这些看起来软、却真正决定能不能把事做成的能力⁠3。带货和虚拟资料也一样：AI生成视频、贴图这些是“硬”的表层动作，谁都能学；真正拉开差距的是你能不能判断什么内容有人要、怎么稳定产出、怎么让结果可预期。所以即使赛道本身有机会，也不等于你进去就能赚到，这取决于你能不能把这些软功夫练出来。

如果你确实想试，一个值得先做的动作是：选一个你稍微熟悉的小品类，用AI做一批内容挂上去，只投入很少的时间和钱，看有没有真实的下单或咨询。这个尝试能验证的是：你对“有人要什么”的判断准不准，以及你能否稳定地产出。反馈不好，说明问题在选品或内容，而不一定是赛道不行；反馈好，再考虑加大投入。这样你是在用行动收集信息，而不是靠感觉赌一个赛道。

出处 1 3

判断一份 AI 内容有没有人要，不能看它做得多快、多像样，要看它交付出去以后，读者或用户是否因此做了不同的选择：点开、收藏、下单、照着做、回来追问。立正讲 fake work 时反复追问的是，一件事做完之后到底发生了什么不同，如果一路追问下去，最后碰到的是现实，还是只停在组织的记分牌里⁠1,2。放到 AI 内容上，播放量、点赞、生成条数都是代理信号，它们和“有人真的需要”之间要定期对账；一个永远不会失效的指标，迟早会变成制造无用工作的机器⁠1。

在改不了大环境时，可行的做法是先闭合一个小循环：做出改动，让真实用户使用，观察发生了什么，再改一次；练的是从判断一路负责到结果，而不是多做一个项目⁠1。具体到 AI 内容，可以先只做少量、针对某一类人的内容，看有没有人主动来问、来要下一份，或者按内容去做了某件事。反馈回来后再改一版，比较两版之间哪一处变化带来了不同反应。这比先判断“AI 图书带货靠不靠谱”更能拿到真实信息，但它只说明这一小批内容在这些人身上有没有用，不能直接外推成整个赛道稳定可做。

立正提到，做数据的人容易把 metrics 当成 goal：真正的目标是服务用户，增加用户量只是策略，用来衡量策略进展的指标一旦被本末倒置，动作就会变形⁠3。同样，AI 内容如果只盯着涨粉、完播、生成数量，就容易做出“大家都能接受、但没人真需要”的东西。反过来，AI 擅长的是已经被大量表达过的共识内容，真正有价值、别人第一反应会反对的判断，它很难稳定坚持⁠4。所以判断“有没有人要”时，也要问一句：这份内容是在重复共识，还是给出了某个具体的人用得上的判断。