建立自己的AI工具体系

对于AI，一个非常实用的用法 方法就是，把自己每天的工作或生活的场景，进行分解，然后基于这些分解后的各种场景，去找到最好的、最适合自己的AI工具，不断地用这些 AI 工具去适配各种场景，形成一种使用习惯

随着不同场景被 AI 参与的程度越来越高，最终我们会发现，我们借助 AI 整体提效的能力就会越来越强 这个方法，有三个具体的步骤 第一，场景分解，比如，把自己的工作场景，分解成20个各种不同类型的场景，包括办公输入、个人知识库、多模态重写与素材改稿等等 第二，基于每一个个人场景，去找到能力最强、也最适合自己的AI工具，找到这些工具有很多方法，最常见的，AI搜索调研、找AI专家推荐 第三，然后逐步评测和迭代自己的AI工具，并建立自己的AI工具体系

这个事情，值得持续去做 假设我们有30个能让AI深度参与的工作、生活场景，每一个场景，我们都逐步找到了自己的世界上最好的AI工具，而这30个场景，占了我们每天总工作投入的50%以上，那么整体算下来，AI带来的提效、生产力变化还是会非常可观的

但是这个方法，也有它的局限性 也就是，它是在当前的工作模式、生活模式下的“改进”

其实，更重要的问题，还有两个 一是，这些事情本身，是不是还值得做，或者能否用AI重构？ 二是，目前自己在做的这个方向，是否还值得做，或者能否用AI重构？

当我们对AI的认知还不够深时，也许就是先从一个一个的小场景开始，把AI的能力融入进来，或许是最务实的做法

基于不同场景的AI工具推荐：

近期AI心法

最近的AI心法更新： 用最好的AI工具和最好的模型，尤其是最重要的任务（投资的逻辑）

  • 先从手上最真实的任务开始，重点关注，AI能解决哪些实际问题

  • 用AI优先做“能放大杠杆”的事，尤其是写作、编码、研究与创业试验

  • 直接围绕具体的场景，再加上AI的能力，去赋能、去构建

  • AI再强，也要始终以“人”为中心，所以要始终有自己的判断力，并不断提升自己的判断力

  • 人人都该拥有自己的AI算力与AI协作者，拥有自己的AI工具体系

  • AI的一个重要价值，是把人的“数字负债”变成生产力与创造力

  • 理解AI最有效的方式，就是先把它高频用起来

  • 模型越强，评估越重要

  • AI First原则，培养AI思维，对于任何的工作，可以先思考并尝试优先用AI来解决，践行“AI First”的原则，其中20%用于学习，80%用于实践和解决实际问题

  • 一件事情，重复复制粘贴了两次，且还会有第五次，就值得花一定的时间，自己做一个skill、或工具

  • 除了用AI解决工作问题和日常Vibe Coding外，每天固定一小时时间与AI进行深度对话

  • 自己动手学习AI编程，并实践一些AI应用

  • 通过关键词学习法，每周和ChatGPT系统性的探讨一个话题，并形成简易的知识体系

  • 关注和学习让AI能直接交付结构的Agent方案

  • 每周花一点时间，构建和升级自己的AI工具系统

  • 把最关键的3个AI工具用到极致

说真话的难度

说真话，为什么没有想象的那么容易？

首先，你以为的真话，可能未必是真话，也许是一种偏见，甚至另一种假象 其次，即便你认为的真相是真相，但是，一旦表达出来后，也许就变味了，比如表达所带来的信息损耗、或理解过程中产生的歧义 最后，在很多场景下，真相未必真的重要，因为最终我们会发现，人们很多行为并不是围绕真相运转的，而是围绕情绪、关系、身份和利益

所以，问题不在于“要不要说真话”，而在于到底“什么是真话，什么时候说，以及怎么说”

Agent组织

科斯在1937年回答过一个问题，公司为什么存在

公司存在的原因是：因为市场交易有成本，找人、沟通、谈判、交付，都要付出代价，当外部交易成本太高时，人们就把人和资源装进一家公司，用内部管理去替代外部市场

大公司之所以能成立、能扩张，背后都建立在这套逻辑之上

但今天，AI Agent正在改写这套逻辑

当Agent越来越聪明、越来越稳定、越来越便宜，很多原本必须靠人和组织内部消化的工作，开始被重新拆解

比如，当HR对我说：

传统模式下，我需要给技术传达下这个需求，然后PM排期，技术再实施，无论怎么样，这中间的沟通成本、协作成本，总得需要几个小时

但我收到这个信号之后，就顺手给AI转达了下这个需求：

过了一会儿，AI将修改好的代码，自动提交到GitHub： 

于是，我在服务器拉取最新的代码，完成更新

整个过程，对我来说，不到1分钟 省去了大量的沟通成本、时间成本与组织的执行成本

而这样的小场景，每天都大量的发生在公司内部 当我们发现，越来越多环节都可以交给Agent完成，过去靠层层汇报、层层分工、层层管理维持运转的组织结构，必要性正在下降

这个时候，一个新的概念开始浮出来了，就是Agent组织 所谓Agent组织，本质上不是一群人围着流程运转，而是少数关键人，带着大量Agent协同工作。人负责方向、判断、责任与关键决策，Agent负责执行、连接、调用与放大。过去是人组成组织，未来会越来越像是人+Agent共同组成组织

所以，AI带来的变化，不只是提效，也在重新定义组织的最小单元 过去，一个业务要成立，先想的是招几个人、设几个岗位、分几个部门，未来，一个业务要成立，先想的可能是需要几个关键角色、多少个专业Agent、怎样设计它们之间的接口与协同机制 这就是Agent组织和传统公司的根本区别

传统公司追求人数、层级和控制，Agent组织追求的是目标、接口和杠杆 传统公司看岗位配置，Agent组织看能力编排 传统公司靠管理人来完成协作，Agent组织靠人管理Agent、Agent连接Agent来完成协作

但这不意味着公司会消失 因为公司依然是信用主体、责任主体、品牌主体，尤其在高风险、高信任、强交付的领域，组织仍然长期存在

真正会被改写的，是组织的厚度、层级和边界。未来大量公司会继续存在，但内部形态会越来越像Agent组织

聪明、笨与智慧

如何理解这三个词？

  • 聪明：能很快看懂问题，并找到解决办法的能力

  • “笨”：不追求取巧，而是愿意长期、稳定、重复把事情做下去的能力

  • 智慧：在复杂世界里，判断什么该做、什么不该做的能力

让AI做了一个对比表：

这样看，它们的关系：聪明解决问题，智慧避免问题，而笨小孩，则负责把路一直走下去

找到属于自己的命题

一个人真正活明白了，往往都会慢慢走向一件事，就是给自己找到一个足够大的长期命题

这个命题，更像一条很长的线，能把你不同阶段做过的事，慢慢串起来，比如，你读过的书，想过的问题，写过的东西，做过的业务，见过的人，最后都在服务同一个方向

大部分人更多还是围绕“事情”在活，做项目、拿结果、追反馈 但很多事情做完也就结束了，成就感往往是阶段性的，真正让一个人产生纵深感的，往往不是做成了多少事，而是有没有一个值得自己长期投入的大命题

比如梁建章，这些年持续关注和推动的人口议题，变成他长期投入的社会命题之一；比如马斯克，让人类成为多星球物种……

一旦有了这样的命题，人会变得更稳 因为你开始从更长的时间尺度看问题，也更能承受短期没有反馈的阶段，长期命题天然要求一个人有延迟满足能力，也会逼着你不断训练自己的耐心、判断力、思考深度和行动定力

更重要的是，它会让你的人生慢慢形成主线，你会知道什么值得投入，什么只是热闹；什么值得做五年十年，什么只是短期机会

我一直觉得，一个人最难得的，不是聪明，也不是高效，而是找到一个自己真正愿意花很多年去推动的问题，并且把它变成生命使命的一部分 这样的活法，很慢，但很深，很长，很值