立正讲创业时提到一个常见岔路：一开始就把东西做得可扩展、健壮，为未来十倍百倍的使用做测算，结果要么没人用、全白做，要么真火了却早已被自己的复杂度拖住⁠1。个人做贾维斯也容易掉进同一个坑：先想记忆系统、多 agent 编排、工具注册表，两个月过去没有一个场景真正跑起来。反过来，先挑一件你每天都会交给它的小事，比如整理某类邮件或汇总某个信息源，让它稳定可用。这件事的价值不在于功能小，而在于它会逼你回答“做到什么算对”，而这恰恰是产出能不能用的关键⁠2。

立正分析 AI 用得好与普通的差距时指出，决定输出质量的不是提示词写得多花，而是 AI 执行任务时看到了什么⁠2。个体做助手时，你的偏好、判断原则、验收标准大多在脑子里，从没写成 AI 能读的形式，所以它总“差点意思”。他给的方向是先把这些隐性知识写成文档，再为每个具体任务挑最相关的背景，并直接定义结果而不是逐步遥控⁠2。放到贾维斯上：与其继续加功能，不如先写下“这个任务怎样算完成”的三五条标准，看它能不能照着做到。

立正提到很多人有个思想钢印：有问题就该有一个方案，照着做就能解决；但很可能方案本身不存在，需要自己淌出来，这也是多数人难以面对不确定性的地方⁠3。他也有过类似的执念期：读博时因为把去业界当成失败，多花了三年，回头看那段时间从结果上说是浪费的，并提醒不要轻易被奋斗困住，太少和太多的坚持都可能不对⁠4。这不能直接断定你也在硬撑，但值得核对：这两个月你是在推进一个具体可用的小东西，还是在反复重搭一个还没被验证的架构？如果是后者，先停手缩小范围，比再坚持两个月更能告诉你方向对不对。