夜雨聆风
当AI不再只是工具:一个让我彻夜难眠的发现
从我开始探索AI领域，用Claude code写代码、调提示词、知道哪些工作流能省时间去搭建工作流、智能体、打造自己专属的AI分身，但过去几天，三个案例依旧让我感到有些许焦虑。
原来AI的玩法，比我想象的远不止”提效”这么简单。
我原本的AI认知：
工具思维
）
01
.
过去的时间里，我利用AI去辅助自己提效，赚点生活费，但依旧感觉每天时间永远不够用。
在这个过程中，Claude Code成了我的”第二大脑”
但在4月初，我看到三个案例。
第一个叫同事.skill，上海人工智能实验室24岁工程师周天奕（网名titanwings）上线的GitHub项目；第二个叫WeSight，AI重构微信聊天体验的产品；第三个叫Farzapedia，一个用AI把自己人生做成维基百科的个人项目。
它们让我意识到：我一直在用”工具思维”看待AI，而它们已经在用”分身思维”玩AI了。
案例一：同事.skill——让逝去的同事”赛博永生”
2026年3月30日，上海人工智能实验室的一位24岁工程师，花了4小时，做了一个叫colleague-skill的项目。
上线3天，6.7k Stars；10天，破万星。从GitHub技术圈火到小红书、微博、抖音，成了全网热议的职场现象。
它的核心玩法是什么？
简单说，就是把同事”蒸馏”成AI数字分身。
你可以导入同事的飞书/钉钉聊天记录、工作文档、邮件、截图，再加上你对他的性格描述——然后AI会生成一个可调用的.skill文件。
这个数字分身分两层：
Work Skill：复刻技术规范、工作方法、决策路径和踩坑经验
Persona：还原说话语气、沟通风格，甚至能模仿”甩锅””推活””代码评审”这些职场软技能
最火的梗是：
“你的同事被优化了，但他的skill还在”
“上午办离职，下午AI在群里@你”
“打工人的一生：入职→攒Skill→上传→毕业”
山东有家公司还真把一位离职人事专员做成了AI分身，能处理咨询、邀约、做PPT——让概念变成了现实。
更绝的是开源社区的衍生：老板.skill、导师.skill、前任.skill、暗恋对象.skill……甚至还有反蒸馏.skill（专门用来包装经验，防止被公司”榨干”）
总结： 这是一个基于字节Coze平台的.skill格式工具，通过导入同事的工作聊天、文档、邮件，用大模型蒸馏出可调用的AI数字分身，复刻工作方法与沟通风格，让”离职”不再是经验断层，引发了关于AI职场应用与数据隐私的大讨论。
案例二：WeSight——把微信变成你的私人情报室
如果说同事.skill是”把别人的经验变成你的工具”，那WeSight就是把你的数据变成你的资产。
这是国内一位工程师基于开源项目wechat-cli开发的桌面端Agent。wechat-cli是什么？一个微信命令行工具，能用11个命令操作本地微信数据——查看聊天记录、搜索消息、导出Markdown、管理收藏……全程本地运行，不走第三方服务器，零封号风险。
WeSight把这种能力包装成了产品形态：
群聊日报总览：自动总结昨天群消息数、发言人数、活跃时段、消息类型分布，AI提炼核心话题、关键决策、争议点、精华内容
广告监控与预警：自动识别群里的广告消息
聊天记录导出分析：一键导出Markdown，配合飞书cli做备份或分享
收藏二次管理：把微信收藏变成可搜索的知识库
最打动我的是那个“转发到群聊”按钮——AI生成群聊洞察后，一键复制文字或图片发回群里，做个每日精华回顾。
这位工程师说了一句让我回味好久的话：
“AI应该帮我们过滤噪音，而不是制造更多噪音。”
他爆肝3天，同时开着两台电脑：Mac跑WeSight项目，远程连接Mac mini跑wechat-cli，用Google AI Studio同步开发官网。一个人的团队，干了以前一个月的活儿。
为什么值得关注？
他把wechat-cli做成了技能（skill），能访问本地微信聊天记录、联系人、收藏，数据完全基于本地，甚至能接本地模型做到数据完全隐私。你可以把它集成到Claude Code、OpenClaw、WorkBuddy这些Agent里。
总结： WeSight是基于开源wechat-cli的桌面Agent，将本地微信数据转化为可分析的群聊洞察、收藏管理和消息监控，全程本地运行零封号风险，核心亮点是AI自动提炼群聊精华并支持一键转发，重新定义了”个人信息处理”的边界。
案例三：Farzapedia——把你自己做成维基百科
如果说前两个案例还在”解决具体问题”，那Farzapedia干脆提出了一个哲学问题：你的个人知识，到底应该以什么形态存在？
2026年4月初，创业者Farza在X上发了段2分24秒的视频，展示他基于Karpathy的技术框架，用AI把自己的人生成了一本维基百科。
Andrej Karpathy看完直接转发，并补充了一份完整的技术框架。
Farzapedia做了什么？
他把自己的iMessages聊天记录、Apple Notes笔记、日记全部喂给LLM，通过一个流水线处理后——生成了417篇文章，横跨41个分类的维基百科。
注意这个数字：417篇文章来自约2500条原始笔记。AI不是简单搬运，而是做了大量归纳、合并、交叉引用。一条”和Sharif在旧金山吃饭”的日记，可能同时贡献给了「Sharif Shameem」「San Francisco」「Food」三篇文章。
最精妙的设计是它的叙事视角。
传统的知识管理工具（Notion、Obsidian）的问题是：你记录的信息是客观的，但你需要的信息是主观的。
你不需要知道”旧金山有87万人口”，你需要知道”我在旧金山最有创造力的那段时间做了什么”。
Farzapedia让LLM替你完成了这个视角转换。点开朋友Sharif的页面，文章不只介绍”他是谁”，而是”他对我来说是谁”——我最久的朋友之一、室友、合作伙伴。
点开”San Francisco”页面，第一句话是：”San Francisco was the city Farza returned to more than any other”（旧金山是Farza返回次数最多的城市）。不是百度百科式的”旧金山位于加利福尼亚州”，而是以Farza为圆心的叙事。
更颠覆的是它的查询方式。
它不用RAG（检索增强生成），不用向量数据库，不用embedding。
它让Claude Code当图书管理员——先读index.md（文章分类索引），判断哪些文章相关，然后直接阅读完整文章，跨文章推理后给出答案。
比如问”我最大的灵感来源是什么？”，Agent会：
1、读取index.md展开搜索
2、找到多篇相关文章（life/meaning-and-legacy.md等）
3、跨文章串联：个人日记 → 纹身决定 → 教育理念 → 恩师记忆 → 产品灵感
4、答案：Naruto（火影忍者）
而且这个Wiki是活的——你添加新笔记时，AI会自动判断”这条信息应该更新到哪10-15篇已有文章中”，Wiki像有机体一样生长。
总结： Farzapedia将个人iMessage、Notes、日记喂给LLM，生成417篇以”我”为中心的维基百科式知识库，核心创新是放弃RAG而采用Agent文件系统导航，让AI像图书管理员一样跨文章推理，实现从”记录客观事实”到”讲述个人叙事”的转换。
三个案例
背后的共同规律：
AI应用的范式转移
）
02
.
它们看起来风马牛不相及——一个职场工具、一个微信分析产品、一个个人维基百科。但如果抽离出表层功能，会发现它们指向同一组底层范式转移(规律)：
01
[ 从”工具思维”到”分身思维” ] .
以前的AI用法：
把AI当工具——问问题、写代码、改文案、做分析。AI是外挂，用完即走。
现在的AI用法：
把AI当数字分身——它代表你存在、思考、行动、积累。同事.skill让逝去的同事继续打工，WeSight代表你监控群聊，Farzapedia记录”你眼中的世界”。
关键区别：
工具用完即走，分身会持续进化。Farzapedia的Wiki是活的，每天添加新笔记都会更新相关文章；WeSight的群聊洞察会越用越准；同事.skill会持续学习新数据。
这对我的冲击：我一直在”用”AI，但没想过让AI”成为”我的一部分。
02
[ 从”平台数据”到”个人资产” ] .
过去的认知：
聊天记录、笔记、文档——这些是平台数据。微信记录存在腾讯服务器，飞书文档存在字节云端。你是租客，不是房东。
现在的转变：
wechat-cli让你能用命令操作本地微信数据；Farzapedia把你所有的iMessage和Notes变成可查询的Wiki；同事.skill把聊天记录蒸馏成可复用的经验资产。
数据正在从”平台租赁品”变成”个人可编程资产”。
为什么这重要？因为你的数据里有最懂你的上下文。AI只有看过你所有的聊天记录、日记、笔记，才能真正理解”你”——你的偏好、你的成长轨迹、你真正在乎什么。
03
[ 从”客观记录”到”主观叙事”] .
这是Farzapedia给我最大的启发。
传统的知识管理软件要求你客观记录——事实、日期、地点、人物。但人类记忆的珍贵之处恰恰在于它的主观滤镜。
“旧金山对我意味着什么”和”旧金山是什么城市”，是两种完全不同的知识形态。
AI的伟大能力在于：它能帮你把客观记录转换成主观叙事。
WeSight的群聊精华总结不是罗列消息，而是提炼”核心讨论话题、关键决策、争议点”；Farzapedia的朋友页面不只介绍职业背景，还记录”他对我来说是谁”；同事.skill不只是复制聊天记录，而是蒸馏”工作方法与决策路径”。
这才是知识管理的终极形态——不是数据库，而是以你为中心的叙事网络。
04
[ 从”RAG热”到”图书管理员” ] .
2024-2025年，所有人都在聊RAG——把文档切块、生成向量、存入向量数据库、语义检索。
但Farzapedia说：我不需要。
它让Agent像人类图书管理员一样，先看目录，再翻到相关章节，阅读完整文章后跨文章推理。
为什么这能work？因为Wiki本身就是结构化知识。index.md已经做了分类摘要，Agent只需要判断”该读哪几篇”。
这给我的启发是：不要盲目追技术热点，找到场景的”最小可行方案”更重要。
RAG适合企业级百万文档场景，但个人知识库（几百到几千篇）用Agent直接读取文件系统，更简单、更可解释、维护成本为零。
这场”AI范式转移”
对我的三重震撼
）
03
.
这三个案例像三面镜子，照出了我认知里的三个盲区。
·
震撼1：我大多数时候还在”用工具”，别人已经在”养分身”
虽然我也去做了属于我自己的AI分身，但大多数时候还是去用Claude Code搭建工作流、智能体，提效解决问题，而同事.skill、WeSight、Farzapedia的共同点是：AI会持续进化，带着你的印记进化。
同事.skill会吸收新聊天记录，变得更像你的同事；Farzapedia每加一篇日记，都会自动编织进已有的叙事网络；WeSight分析的群聊越多，洞察越精准。
我在用AI，而AI在养它们自己。
这让我想到：如果我把和AI的每次对话都沉淀下来，会不会也养出一个”我个人的数字镜像”？
·
震撼2：我在”被信息淹没”，别人已经在”让AI过滤”
每天打开微信，几十个群99+，像一座座小山压在心里。我知道里面有重要信息，但没时间一条条翻——这是信息过载的普遍困境。
但WeSight告诉我：AI应该帮你过滤噪音，而不是制造更多噪音。
它不提供”全部聊天记录”，而是”精华总结”；它不让你逐条看消息，而是告诉你”核心讨论话题、关键决策、争议点”。
更关键的是，它用你的数据，按你的视角过滤。
这让我意识到：未来最有价值的AI应用，不是能生成多长的文本，而是能帮你减少多少信息摄入。
·
震撼3：我把数据当”记录”，别人已经把数据当”知识原料”
我的微信聊天记录、公众号草稿、学习笔记——我都当”记录”存着，偶尔翻一翻。
但Farzapedia告诉我：你的每一条笔记，都是知识图谱的原材料。
2500条原始笔记，经过LLM处理，变成了417篇有交叉引用、有叙事结构的Wiki文章。一条吃饭的日记，同时贡献给”朋友””城市””美食”三篇文章。
数据不是静态的存储，而是动态的知识网络节点。
我接下来想做的事：
从”用AI”到”养AI”
）
04
.
看完这三个案例，我知道我不能再停留在”用AI工具”的层面了。
我接下来想试试三件事：
01
用wechat-cli，解锁我的微信数据价值
我的微信消息99+是常态。我想试试把聊天记录导出，让AI帮我：
–提炼每个群的核心讨论方向
–找出我错过的关键信息
–分析我的活跃时段和发言偏好
数据是我的，为什么不让它为我工作？
02
建一个”我个人版Farzapedia”
Farza用iMessage+Notes+日记做Wiki，我有公众号草稿、学习笔记、AI使用思路、闲鱼实战记录。
我想试试把这些碎片，用AI整理成以我为中心的叙事Wiki——不是”我读了什么书”，而是”这本书如何影响我的决策”；不是”我用AI做了什么工作流工具”，而是”这些路径如何塑造我的能力图谱”。
目标不是炫技，是厘清自己。
03
在公众号持续记录”AI观察与实践”
记录我看过的AI案例、我试过的AI玩法、我踩过的坑、我的思考。
不是为了教人用AI，而是和大家一起探索AI还能怎么玩。
最后：AI时代的个人IP，
是”数字自我”的持续建设
）
05
.
写到这里，我想起Karpathy转发Farzapedia时说的那句话：“这是一个非常有趣的项目框架，关于如何构建个人知识系统。”
个人IP的本质，不是粉丝量，而是”数字自我”的建设过程。
同事.skill建设的是”职场能力分身”，WeSight建设的是”信息处理分身”，Farzapedia建设的是”人生叙事分身”。
而我，一个大学生，能建设什么？
也许是一个“成长轨迹分身”——记录我从大一开始的每一步思考、每一次试错、每一个决策背后的逻辑。
当三年后我回头看，这个”数字我”会告诉我：你当初为什么做这个选择？你经历了哪些认知升级？哪些事你一直没变？
这才是AI时代个人IP的终极形态——不是流量，是自我认知的数字化延伸。
后记：给各位看客的三个思考题
如果你也在用AI，不妨也想想：
1、你的哪些数据，正在被平台”锁住”？ 微信聊天、飞书文档、Notion笔记——哪些是你想带走却带不走的？
2、如果你有一个AI分身，你最想让它替你做什么？ 是处理重复工作，还是帮你过滤信息，还是记录你的成长？
3、如果AI能帮你写一本关于你的书，你想让它突出什么主题？
欢迎留在评论区。