立正把会用 prompt、会调各种工具看成不构成核心竞争力的表层能力，真正稀缺的是理解 AI 背后那套工作方式，并能对结果负责。他引述 Ethan 的判断：AI 能完成大部分执行，但最后那一段需要懂行的人判断好坏、给反馈、把事情收口；没有专业深度，AI 反而会放大盲区。所以“去做啥”的第一层答案不是转去学 AI，而是在自己已有的领域里往“更接近结果”的位置挪：把模糊问题翻译成 AI 能用的上下文，设计评估和反馈，判断什么该自动、什么该人接手⁠1,2,3。

立正反复强调，光听别人说 AI 能做什么没用，要自己试一次，亲眼看到结果发生，才会真正改变对 AI 能力的判断。他举的例子很具体：让 Cursor 去网上搜自己的信息，直接做出一个职业化的个人网站。这一步的意义不在网站本身，而在于验证“我和一个 agent 配合，能不能做出原来想不到的东西”。如果只把 AI 当搜索引擎或临时工具，就会停在“AI 有幻觉、没提效”的印象里⁠4,5。

立正建议让 AI 吃掉那些重复的信息处理、行政劳动和只为维护形象而做的内容，把省下的时间放到能被验证的成果上，并尽量选择能为结果负责的位置——哪怕只是分析岗，也主动给出自己的判断、推动项目。他还有一层提醒：如果 AI 只是让人做更多、更快产出，那只是把旧世界的焦虑加速了；更值得期待的是用 AI 少做本来就不值得做的事。这两条并不矛盾：少做低价值劳动，才有余力做真正要判断和负责的事⁠6,7。