现在用 AI 的人大概可以分成两类。第一类每天都在感叹“太强了它连这个都会”第二类已经不太感叹了因为 AI 正在后台默默干活整理资料、检查结果、更新文档、生成内容做完还知道东西应该放在哪里。两类人用的可能是同一个模型差距却越来越大。原因并不神秘第一类人在消费答案第二类人在建设系统。很多人的 AI 生产力很像健身卡。付款那一刻感觉腹肌已经若隐若现过了两个星期只剩下扣费短信依然身材健硕。AI 也是一样。偶尔让它写一封邮件、总结一篇文章当然有用。但如果每次都要重新交代背景、重新纠正格式、重新检查错误你只是请来了一位速度很快、每天都在办入职手续的临时工。真正的生产力不是 AI 这次替你多做了十分钟而是你把一次正确做法留下来让它下次自动发生。一次回答是烟花一套系统才是滚雪球有个很形象的观点“爆款是烟花资产是滚雪球。”它原本讲的是内容创作一条视频爆了几天热闹过后可能什么也没留下如果每条内容都能沉淀成知识卡片经过审核后进入系统下一次创作就不是从零开始。这句话放到 AI 使用上同样成立。你得到一段漂亮回答是烟花你把回答变成模板、规则、工具和验收标准才是在滚雪球。很多人把“会用 AI”理解成会写提示词。提示词当然重要但它只解决了一个问题这一次怎么说得更清楚。真正稳定的工作还需要回答另外几个问题正确材料从哪里来AI 应该按什么顺序处理它可以调用哪些工具什么结果算合格做完以后结论放到哪里下次怎么找到如果这些问题没有答案再华丽的 Prompt 也像一张“请认真工作”的纸条。贴在电脑上很有仪式感至于活儿能不能干完主要看缘分。我也踩过坑收藏越来越多能力原地踏步收藏一个 AI 技巧时大脑很容易提前发放奖励“这个我学会了。”其实只是拇指学会了。知识库也很容易变成“电子墓园”收藏时庄严隆重文件名一个比一个宏大入库以后安静得让人肃然起敬。我的抖音知识库里有一条内容专门提醒知识库不是存得越多越好真正重要的是它和自己的实践、习惯、复盘能不能发生关系。另一条内容则提出普通人应该先找出高频重复工作再把做法做成专属 Skill逐步汇入自己的工作台。这两个观点看似一个踩刹车、一个踩油门其实方向完全一致不要为了拥有系统而搭系统要从真实、重复、值得改进的工作中长出系统。所以我的做法不是先买十个 AI 工具也不是第一天就搭向量数据库。我先问一个很朴素的问题最近什么事情我已经重复做过三次日报要反复写接口文档要反复核对文章要反复整理看到的抖音素材要反复转写和提炼。重复出现的地方才是最值得系统化的地方。我的 HerSystem不是一个文件夹而是一条生产线现在我的系统大致分成几层随记接住临时想法和待办。抖音知识库保存原始转写、来源和时间。抖音知识库总结自动形成总览、观点库、素材库和选题池。知识沉淀保存已经验证、以后可以复用的结论。产出物保存文章、方案、报告和正式交付。AI Harness保存 AI 的启动规则、工作规范、工具入口和执行记录。这些目录本身没有魔法。真正起作用的是它们之间的流动关系。以抖音知识库为例我只需要把分享链接放进转写区。系统每 60 秒扫描一次新链接会依次经过视频下载、音频提取、本地转写、AI 总结和索引重建。每条笔记不是只留一篇长长的转写而是继续拆成五部分AI 摘要核心观点可用素材适合写成的选题我的待判断截至 2026 年 7 月 29 日自动汇总首页记录了 24 篇已总结笔记当前原始目录中有 29 个 Markdown 文件来自 20 个作者目录。数字不算惊人这反而是好事。一个能被持续使用的小系统远胜过一个收藏了十万条、打开就开始犯困的“赛博图书馆”。真正的关键不是自动化而是“我的待判断”很多自动化流程做到“摘要”就结束了我故意在最后留下一个栏目我的待判断。因为 AI 可以提取观点却不能替我决定观点是否可信、是否适合我的场景、是否值得变成长期规则。这层判断非常重要。举个真实例子。抖音素材里有一条“喜欢的图片一句话完美反推提示词”给出了主题、构图、镜头、光线、色彩、材质、风格和背景八个拆解维度。这个方法有价值但“一句话完美反推”显然说得太满。成品图片无法告诉我们原作者使用的模型版本、随机种子、参数和后期过程。所以我没有把原视频换个标题直接搬运而是增加事实边界和三个实测案例写成《看到喜欢的图片怎么反推出可复用提示词3 个案例讲清楚》。文章后来在 CSDN 和知乎公开发布。这就是“收藏”和“资产”的区别收藏别人说了什么。摘要这段内容主要说了什么。判断哪些成立哪些夸张哪里需要验证。资产我已经验证过并能再次用于解决问题的东西。AI 负责加速人负责定方向。方向盘交出去车确实会跑得更轻松就是目的地可能比较有创意。一个能干活的 Skill至少要有四样东西有一条关于 Skill 的观点很务实不要神化 Skill。一个完整的 Skill Pack 至少包含四部分MD 文档、运行脚本、工具链和验证机制。翻译成大白话就是说明书告诉 AI 先做什么、后做什么。执行器把步骤真正跑起来。工具箱让 AI 能查、能写、能调用外部能力。质检员确认结果正确失败时不能假装胜利。我的实践还会再加第五样沉淀位置。因为任务做对一次不够。正确结论如果只躺在聊天记录里下次仍然可能失踪。它应该回到规则、知识库或产出物中成为下一次工作的起点。这也是为什么我的系统要求发布文章要核验公开页接口改动不能只看代码还要核对文档和真实读写图片风格不能只说“就要这种感觉”而要进入机器可读的模板。就在写这篇文章之前我发现以前一篇 CSDN 技术文章使用的“小黑手绘知识图解风”更适合自己的技术内容。于是这次没有只说一句“以后都用这个”而是把它正式写成第 19 种图片风格加入提示词 JSON、自动路由、三张 Demo 和 57 图总览。一次审美偏好就这样变成了可以稳定复用的生产能力。提升生产力的五步闭环我把整套方法压缩成五步第一步输入保留原始来源不要让二手摘要冒充事实。链接、日期、原文和上下文能留尽量留。第二步判断区分事实、观点、经验和广告话术。问一句“这件事我验证过吗”第三步执行把高频做法写成步骤让 AI 调用真正需要的工具。没有工具的 Skill只是一个很会安排工作的嘴强王者。第四步验收提前定义“怎样算完成”。文章要检查图片、链接和公开状态代码要检查测试、返回值和真实运行环境数据要检查数量、边界和异常。第五步沉淀成功经验写成规则失败原因写进踩坑记录正式结果进入产出物暂时不确定的内容继续保留待判断。这样形成的不是一条僵硬流水线而是一个会随着使用不断修正的系统。今晚就能开始先做一张 AI 任务卡不要一上来就研究“全自动智能体矩阵”。这个名字听起来很忙通常也确实只忙了名字。先选一件最近一个月做过至少三次的事用下面这张任务卡写清楚# AI 任务卡 任务名称 什么时候触发 需要哪些输入 固定执行步骤 允许使用的工具 哪些事情不能做 怎样算结果合格 成功后沉淀到哪里 失败时记录什么第一次用这张卡指挥 AI 完成任务。第二次记录它哪里理解错了补规则。第三次把稳定步骤做成模板、Skill 或脚本再加自动检查。如果连续三次都没有节省时间就别感动自己果断删掉。系统的使命是减少摩擦不是新增一个需要供养的电子盆栽。最后AI 的价值不是让人活得更像机器关于 AI 工作流的内容还有一句我很认同以我为主为我所用。我们搭体系不是为了把一天塞进更多任务更不是为了和 AI 比谁更像一个没有情绪的 API。体系真正的价值是把重复劳动交给机器把判断、创造、关系和生活还给人。当 AI 帮你省下一小时你可以用它继续工作也可以去散步、陪家人、读一本需要慢慢啃的书。生产力不是永远加速而是终于有能力选择把时间花在哪里。所以别再只问“哪个 AI 最强”更值得问的是今天这个做对了的结果我能不能让它从偶然变成系统的一部分当答案一次次回到你的知识、规则、工具和作品中AI 才不只是一个聊天窗口。它会逐渐变成一套真正属于你的生产力。素材与事实说明本文系统事实来自 2026-07-30 本机 HerSystem、抖音知识库及发布记录快照。抖音观点素材来自 JACH 关于 Skill 四部分的内容、姜Dora在此关于个人 AI 工作台的内容、姜胡说关于内容资产与知识库的内容、五七聊AI关于图片反推提示词的内容。抖音语音转写可能存在识别误差本文只采用语义明确、能与实际系统互相验证的部分创作者观点不自动等于已验证事实。
现在用 AI 的人大概可以分成两类。第一类每天都在感叹“太强了它连这个都会”第二类已经不太感叹了因为 AI 正在后台默默干活整理资料、检查结果、更新文档、生成内容做完还知道东西应该放在哪里。两类人用的可能是同一个模型差距却越来越大。原因并不神秘第一类人在消费答案第二类人在建设系统。很多人的 AI 生产力很像健身卡。付款那一刻感觉腹肌已经若隐若现过了两个星期只剩下扣费短信依然身材健硕。AI 也是一样。偶尔让它写一封邮件、总结一篇文章当然有用。但如果每次都要重新交代背景、重新纠正格式、重新检查错误你只是请来了一位速度很快、每天都在办入职手续的临时工。真正的生产力不是 AI 这次替你多做了十分钟而是你把一次正确做法留下来让它下次自动发生。一次回答是烟花一套系统才是滚雪球有个很形象的观点“爆款是烟花资产是滚雪球。”它原本讲的是内容创作一条视频爆了几天热闹过后可能什么也没留下如果每条内容都能沉淀成知识卡片经过审核后进入系统下一次创作就不是从零开始。这句话放到 AI 使用上同样成立。你得到一段漂亮回答是烟花你把回答变成模板、规则、工具和验收标准才是在滚雪球。很多人把“会用 AI”理解成会写提示词。提示词当然重要但它只解决了一个问题这一次怎么说得更清楚。真正稳定的工作还需要回答另外几个问题正确材料从哪里来AI 应该按什么顺序处理它可以调用哪些工具什么结果算合格做完以后结论放到哪里下次怎么找到如果这些问题没有答案再华丽的 Prompt 也像一张“请认真工作”的纸条。贴在电脑上很有仪式感至于活儿能不能干完主要看缘分。我也踩过坑收藏越来越多能力原地踏步收藏一个 AI 技巧时大脑很容易提前发放奖励“这个我学会了。”其实只是拇指学会了。知识库也很容易变成“电子墓园”收藏时庄严隆重文件名一个比一个宏大入库以后安静得让人肃然起敬。我的抖音知识库里有一条内容专门提醒知识库不是存得越多越好真正重要的是它和自己的实践、习惯、复盘能不能发生关系。另一条内容则提出普通人应该先找出高频重复工作再把做法做成专属 Skill逐步汇入自己的工作台。这两个观点看似一个踩刹车、一个踩油门其实方向完全一致不要为了拥有系统而搭系统要从真实、重复、值得改进的工作中长出系统。所以我的做法不是先买十个 AI 工具也不是第一天就搭向量数据库。我先问一个很朴素的问题最近什么事情我已经重复做过三次日报要反复写接口文档要反复核对文章要反复整理看到的抖音素材要反复转写和提炼。重复出现的地方才是最值得系统化的地方。我的 HerSystem不是一个文件夹而是一条生产线现在我的系统大致分成几层随记接住临时想法和待办。抖音知识库保存原始转写、来源和时间。抖音知识库总结自动形成总览、观点库、素材库和选题池。知识沉淀保存已经验证、以后可以复用的结论。产出物保存文章、方案、报告和正式交付。AI Harness保存 AI 的启动规则、工作规范、工具入口和执行记录。这些目录本身没有魔法。真正起作用的是它们之间的流动关系。以抖音知识库为例我只需要把分享链接放进转写区。系统每 60 秒扫描一次新链接会依次经过视频下载、音频提取、本地转写、AI 总结和索引重建。每条笔记不是只留一篇长长的转写而是继续拆成五部分AI 摘要核心观点可用素材适合写成的选题我的待判断截至 2026 年 7 月 29 日自动汇总首页记录了 24 篇已总结笔记当前原始目录中有 29 个 Markdown 文件来自 20 个作者目录。数字不算惊人这反而是好事。一个能被持续使用的小系统远胜过一个收藏了十万条、打开就开始犯困的“赛博图书馆”。真正的关键不是自动化而是“我的待判断”很多自动化流程做到“摘要”就结束了我故意在最后留下一个栏目我的待判断。因为 AI 可以提取观点却不能替我决定观点是否可信、是否适合我的场景、是否值得变成长期规则。这层判断非常重要。举个真实例子。抖音素材里有一条“喜欢的图片一句话完美反推提示词”给出了主题、构图、镜头、光线、色彩、材质、风格和背景八个拆解维度。这个方法有价值但“一句话完美反推”显然说得太满。成品图片无法告诉我们原作者使用的模型版本、随机种子、参数和后期过程。所以我没有把原视频换个标题直接搬运而是增加事实边界和三个实测案例写成《看到喜欢的图片怎么反推出可复用提示词3 个案例讲清楚》。文章后来在 CSDN 和知乎公开发布。这就是“收藏”和“资产”的区别收藏别人说了什么。摘要这段内容主要说了什么。判断哪些成立哪些夸张哪里需要验证。资产我已经验证过并能再次用于解决问题的东西。AI 负责加速人负责定方向。方向盘交出去车确实会跑得更轻松就是目的地可能比较有创意。一个能干活的 Skill至少要有四样东西有一条关于 Skill 的观点很务实不要神化 Skill。一个完整的 Skill Pack 至少包含四部分MD 文档、运行脚本、工具链和验证机制。翻译成大白话就是说明书告诉 AI 先做什么、后做什么。执行器把步骤真正跑起来。工具箱让 AI 能查、能写、能调用外部能力。质检员确认结果正确失败时不能假装胜利。我的实践还会再加第五样沉淀位置。因为任务做对一次不够。正确结论如果只躺在聊天记录里下次仍然可能失踪。它应该回到规则、知识库或产出物中成为下一次工作的起点。这也是为什么我的系统要求发布文章要核验公开页接口改动不能只看代码还要核对文档和真实读写图片风格不能只说“就要这种感觉”而要进入机器可读的模板。就在写这篇文章之前我发现以前一篇 CSDN 技术文章使用的“小黑手绘知识图解风”更适合自己的技术内容。于是这次没有只说一句“以后都用这个”而是把它正式写成第 19 种图片风格加入提示词 JSON、自动路由、三张 Demo 和 57 图总览。一次审美偏好就这样变成了可以稳定复用的生产能力。提升生产力的五步闭环我把整套方法压缩成五步第一步输入保留原始来源不要让二手摘要冒充事实。链接、日期、原文和上下文能留尽量留。第二步判断区分事实、观点、经验和广告话术。问一句“这件事我验证过吗”第三步执行把高频做法写成步骤让 AI 调用真正需要的工具。没有工具的 Skill只是一个很会安排工作的嘴强王者。第四步验收提前定义“怎样算完成”。文章要检查图片、链接和公开状态代码要检查测试、返回值和真实运行环境数据要检查数量、边界和异常。第五步沉淀成功经验写成规则失败原因写进踩坑记录正式结果进入产出物暂时不确定的内容继续保留待判断。这样形成的不是一条僵硬流水线而是一个会随着使用不断修正的系统。今晚就能开始先做一张 AI 任务卡不要一上来就研究“全自动智能体矩阵”。这个名字听起来很忙通常也确实只忙了名字。先选一件最近一个月做过至少三次的事用下面这张任务卡写清楚# AI 任务卡 任务名称 什么时候触发 需要哪些输入 固定执行步骤 允许使用的工具 哪些事情不能做 怎样算结果合格 成功后沉淀到哪里 失败时记录什么第一次用这张卡指挥 AI 完成任务。第二次记录它哪里理解错了补规则。第三次把稳定步骤做成模板、Skill 或脚本再加自动检查。如果连续三次都没有节省时间就别感动自己果断删掉。系统的使命是减少摩擦不是新增一个需要供养的电子盆栽。最后AI 的价值不是让人活得更像机器关于 AI 工作流的内容还有一句我很认同以我为主为我所用。我们搭体系不是为了把一天塞进更多任务更不是为了和 AI 比谁更像一个没有情绪的 API。体系真正的价值是把重复劳动交给机器把判断、创造、关系和生活还给人。当 AI 帮你省下一小时你可以用它继续工作也可以去散步、陪家人、读一本需要慢慢啃的书。生产力不是永远加速而是终于有能力选择把时间花在哪里。所以别再只问“哪个 AI 最强”更值得问的是今天这个做对了的结果我能不能让它从偶然变成系统的一部分当答案一次次回到你的知识、规则、工具和作品中AI 才不只是一个聊天窗口。它会逐渐变成一套真正属于你的生产力。素材与事实说明本文系统事实来自 2026-07-30 本机 HerSystem、抖音知识库及发布记录快照。抖音观点素材来自 JACH 关于 Skill 四部分的内容、姜Dora在此关于个人 AI 工作台的内容、姜胡说关于内容资产与知识库的内容、五七聊AI关于图片反推提示词的内容。抖音语音转写可能存在识别误差本文只采用语义明确、能与实际系统互相验证的部分创作者观点不自动等于已验证事实。
双梁正问题 【 torch 实战】（Python代码实现）)
