立正署名的发布说，8月底社区有人问能不能做一个“立正 Skill”，回答问题同时推荐他讲过的文章和视频；他把公开材料整理成 Open Context 放到 GitHub，但认为仓库对多数人是门槛，于是做了打开就能问、也能导出图片或 PDF 的“问问立正”⁠1。这解释了他为什么做，但没有列出上线后的高频问题、他本人最感兴趣的问题，或他最想知道的问题。

在早于该工具的视频里，立正说好的问题通常先摆出双方对同一件事的认知，再对事实，再说明结论依赖哪些关键假设；如果对方不同意其中某个认知，他会“非常兴奋”，因为终于找到了认知差异⁠2。他还说，80分的问题只要简单清晰，前提是提问前先做功课，让对方能高效弥补双方的认知差距⁠3。这些是他对问题质量的判断，不是对“问问立正”用户实际提问的记录。

这是 AI 的推演，不是立正的表态：若沿用上述标准，“问问立正”里最可能让他感兴趣的不是“帮我做个个人选择”，而是用户带着自己的事实、诊断和关键假设来问，并明确说“我可能错在哪”⁠2,4。他署名的一篇方法文也建议把事实和解释分开，写出“我目前认为卡点是……”，再问一个会影响选择的问题，并把答案变成一次小验证⁠4。这只能作为判断方向的依据，不能证明他实际最好奇哪类问题。