立正用电机取代蒸汽机作类比：只把动力源换掉，提效约三成；真正十倍百倍的提升，来自按生产流程重排工厂，也就是重做工作流。他据此提出，判断自己是否用好 AI，要看是否在想方设法让 AI 多做事情、自己少参与⁠1。他还建议第一步从聊天窗口转向 Codex、Claude Code、Cursor 这类 agentic coding 工具，并说从 2025 年初强调到现在，实际这样用的人仍很少⁠1。这是他对工具选择的判断，不是对某个具体产品效果的保证。

立正给了一个拆解模板：Context（背景）、Component（要素）、Criteria（标准）。三者给清楚，AI 才能理解意图并在其上迭代纠错；结果不对，通常先回头查这三项哪里没交代好⁠2。他还强调“损失函数思维”：不能只说好或不好，要告诉 AI 什么是好、什么是不好，这也是评估的核心⁠2。换句话说，模糊需求要先被定义成有边界的清晰方案，AI 才有稳定的发挥空间。

立正指出普通人最常见的浪费：今天用 AI 写好一篇文章，明天又从零调起，经验不沉淀，只能线性增长⁠3。他给的做法是建个人上下文架构，区分长期不变、按项目加载、定期更新三类信息；为反复做的任务建模板或 skill 库，从已验证的起点开始，每用一次优化一次；再选一个最频繁、最标准化的任务先完整迁移，跑通后再迁移下一个⁠3。在更复杂的任务上，他还主张按确定性分工：规则能判断的交给程序，模糊和需要上下文的交给 AI，最终判断留给人，人的反馈再回去改进 skill 和评估⁠4。这是 AI 对材料的综合：三份材料共同指向“可复用、可校准”，但具体到你的任务该切在哪一层，需要你自己试。