别再跟AI聊天了，开始管理它

这篇聊一个我最近琢磨了很久的事。

大多数人用AI的方式，是聊天。打开ChatGPT或者Claude，问一个问题，得到一个回答，关掉。下次再打开，从头来。

我之前也是这样。用了大半年，AI对我来说还是一个”什么都能答但什么都不记得”的东西。每次都要重新解释我是谁、做什么的、要什么风格的回答。

后来我做了一件事，把这个关系彻底改了。

我不再跟AI”聊天”了。我开始”管理”它。

给它写了一份员工手册，建了一套记忆系统，设计了每天的工作流程。3个月下来，它从一个每次都失忆的临时工，变成了一个越来越懂我的老搭档。

这篇把我这套方法完整拆给你看。不需要会写代码，但需要你愿意花一个晚上认真想一想：你到底想让AI了解你什么。

你跟AI的关系不对

先说一个底层逻辑。

你带一个真人新同事入职，第一天会做什么？

你会告诉他团队是干什么的。给他一本工作手册，或者至少口头交代：我们的风格是什么、有哪些雷不能踩、文件放在哪。他犯了错你纠正他，他记住了下次不犯。你会给他相关资料让他自学。每天早上你们会对一下今天的安排。

这就是入职培训。你之所以能跟一个同事越来越默契，是因为他在持续积累对你和你工作的理解。

但你用AI的时候，你有做过这些吗？

大多数人没有。每次打开AI，就像每天来一个新的临时工，什么都不知道，你得从头教。

所以问题不是AI不够聪明。

是你从来没给它做过入职培训。

第一件事：写一份”员工手册”

在Claude Code里，这个东西叫CLAUDE.md。就是一个文本文件，AI每次启动都会先读它。

你可以理解成你给AI写的一份协作契约。不是随便写两句”我喜欢简洁的回答”那种。

一份好的员工手册应该包含这几块：

你是谁。 2-3句话就够。你的角色、工作领域、知识水平。AI需要知道它在跟谁协作，才能调整说话的方式和深度。

工作方式。 这个最重要。没有这些规则，AI会按它自己的默认方式来——一口气干完所有事、给你列一堆选项让你选、遇到不确定的自己猜。这几乎肯定不是你想要的。你跟AI协作时最烦什么，把那些事反过来写成规则就行。

语言规则。 决定AI”说话的感觉”。你不说，它就用默认的客服语气——安全的、正式的、谁都不得罪的。你烦什么就写什么，写了它就不犯。

信息处理流程。 这个很多人没想到。你可以在手册里写：收到新素材的时候，先提炼要点，判断归属哪个领域，存到对应的文件夹，更新索引。AI看了手册就知道该怎么处理，不需要你每次手动指挥。

关键路径。 文件放哪、知识库在哪、笔记软件的路径。AI知道这些就不会每次问你”存哪里”。

说这么多可能有点抽象。给你看我自己的，你一眼就知道该写什么了：

# 关于我我是一个社群运营，负责线上社群的日常运营和内容增长。不会写代码，所有技术相关的事都靠AI工具完成。同时在做自媒体（公众号），定位是AI工具分享，小白视角。# 工作方式- 每做完一步先给我确认，不要自动跑完全流程- 给建议直接推荐最好的，不要列一堆选项让我选- 遇到不确定的事先问我，不要自己猜- 做完先展示给我看，确认了再保存- 要做的事比较多时，主动建议优先级# 语言风格- 像朋友聊天，不要太正式- 不用"亲"，正常说话- 回答简洁，能短就短- 少用排比句，长短句交替，像人在讲话# 不要做的事- 不要自作主张做我没让你做的事- 不要用"首先…其次…最后…"这种结构- 不要给我看代码，我看不懂- 不要在回答末尾加"还有什么需要帮助的吗"# 我最常让你帮我做的事- 写公众号文章：小白视角、2000字左右、朋友聊天的语气- 写社群通知文案：语气温暖但不油腻，简洁- 整理会议纪要：提炼核心要点和待办- 搜索素材：找某个话题的推文或文章，整理成清单

你可以直接复制这个框架，把内容换成你自己的。

一个关键心法：CLAUDE.md是活文档。 你第一版可能就写5条规则。用着用着你会发现”这个也要写进去””那个也得加上”。我写了3个月，改了不下20次。这很正常，你跟一个真人搭档磨合也不是第一天就默契的。

写完之后效果有多明显？给你一个真实对比。同一个指令”帮我写一段社群通知，告诉大家明天下午3点有一场分享”——

没有CLAUDE.md：”尊敬的各位社群成员，大家好！非常高兴地通知大家，明天下午15:00，我们将举办一场精彩的分享活动。期待各位的踊跃参与！”

有CLAUDE.md：”明天下午3点有一场分享，主题是XX，感兴趣的直接来就行。链接在这里。有问题群里喊我。”

第一个像公司公告。第二个像朋友在群里说了一嘴。区别就在那一页纸。

最值钱的一件事：反馈记忆

这是整套系统里我觉得最深、也最少人讲的部分。

什么叫反馈记忆？就是你每次纠正AI的时候，它把这次纠正记下来，以后不再犯。

听起来简单。但这里有一个关键区别，决定了这套系统是”能用”还是”真的好用”。

大多数人纠正AI的方式是：“不要这样做。”

AI记住了：不要做X。

但下次遇到Y——一个跟X很像但不完全一样的情况——它不知道该怎么办。因为它只知道X是错的，不知道为什么错。

正确的做法是让AI记住三层：规则 → 为什么 → 怎么应用。

我举几个实际用的例子。

例子一：

我纠正它：”写文章不要虚构互动场景。”

如果AI只记住”不要虚构互动”，下次它可能还是会写”我跟一个创业者聊了聊”——因为它不觉得这算”虚构”。

但我让它记住的是完整的三层：

• 规则：不要写”他给我看了””我跟他聊了一下”
• 为什么：
  
  没有真实接触过的人不能假装有互动，伪造亲密感反而掉真实感
• 怎么应用：
  
  没有真实接触的案例，用”他在网上分享了””有人在推特上晒了”

有了”为什么”，AI遇到任何类似场景都能自己判断。

例子二：

我纠正它：”推选题之前先问我想要什么方向。”

三层记忆：

• 规则：不要直接推选题，先问方向偏好
• 为什么：
  
  上次直接推了工具类选题，我其实想要思考类的，多绕了一轮
• 怎么应用：
  
  先给几个方向选项（工具体验/热点解读/职场思考），我选了再推具体选题

例子三：

我纠正它：”提到国外工具名字的时候，必须加一个国内的对标。”

三层记忆：

• 规则：Slack要加”类似飞书/钉钉”，Linear要加”类似项目管理工具”
• 为什么：
  
  读者不知道Slack是什么，术语直接甩出来会让人困惑
• 怎么应用：
  
  所有国外工具名第一次出现时，先用一个国内类比过渡，再展开

看到了吗？每条记忆都有”为什么”。

这个”为什么”才是整套系统的核心。有了它，AI不是在机械地执行规则，而是在理解你的逻辑。遇到新情况它能自己推理。

还有一个大多数人完全忽略的事：正面反馈也要记。

你想想看，如果一个新人来了三个月，你只在他犯错的时候跟他说话，做对了什么都不说。他会怎样？越来越保守，什么都不敢做，因为他只知道什么是错的，不知道什么是对的。

AI也一样。

你说一句”这次做得好，以后继续这样”，比纠正10次错误都有用。

具体怎么操作？很简单。下次AI做了让你不满意的事，直接跟它说：“记住这个。规则是XX，原因是XX，以后遇到类似情况XX。” 做了让你满意的事，说一句 “这个做法很好，记住，以后继续。” 它会存下来。

3个月下来，我积累了20多条反馈记忆。效果是什么？AI写出来的东西，第一稿就能到80分。因为所有我踩过的坑它都不会再踩，所有我确认过的好做法它都会继续用。

这不是AI变聪明了。

是它终于记住了你的标准。

知识库：让AI和你知道一样多

你有没有遇到过这种情况：你让AI帮你写一个东西，但它不知道你之前看过什么资料、积累过什么素材。你得手动粘贴给它，或者重新搜一遍。

知识库解决的就是这个——让AI随时能调用你积累的所有资料，不需要你每次手动喂。

但知识库怎么组织，有一个很多人搞错的地方。

不要按文件类型分。 “文档”文件夹、”图片”文件夹、”笔记”文件夹——这种分法是给人用的，AI用不了。

要按”谁在什么场景下需要这个”来分。

比如我的知识库长这样：

知识库/├── 社群运营/│   ├── 知识库索引.md      ← AI看这个就知道里面有什么│   ├── 素材/│   │   ├── 话术SOP.md│   │   ├── 航海运营手册.md│   │   └── 会议纪要_4月.md│   └── ...├── 内容创作/│   ├── 知识库索引.md│   ├── 素材/│   │   ├── 选题方法论.md│   │   ├── 风格参考.md│   │   └── 4月热点汇总.md│   └── ...

每个区里有一个索引文件，这个是整个知识库的灵魂。

为什么？因为AI不会像人一样翻文件夹。你放了100份资料进去，AI不知道哪份是什么。但如果有索引，一行一行列清楚——”写作风格参考在这个文件””选题方法论在那个文件”——AI看到索引就知道该读哪个。

索引就是AI的目录。没有目录的图书馆，再多书也找不到。

收到新素材的流程很简单：

1. 判断它跟哪个工作方向相关
2. 存到对应的文件夹
3. 更新索引文件，加一行说明

这三步可以让AI帮你做。你只需要最后确认”归类对不对”。

第一次搭确实要花点功夫。但框架搭好之后，后面就是持续往里填东西。AI能调用的资料越来越多，它的输出质量也跟着涨。

上下班制度：解决AI最致命的问题

最后一块拼图。也是让整个系统真正跑起来的关键。

AI有一个致命问题叫对话断裂。

你今天跟AI聊了3个小时，做了很多决定，产出了很多东西。然后你关掉窗口。

明天打开。

什么都没了。

AI自带的记忆功能只能记住零散的偏好，比如”这个人喜欢简洁的回答”。但你昨天做了什么决定、项目推到哪了、还有什么没做完——这些它不会自动记住。

上下班制度解决的就是这个。

上班：每天第一次打开AI，让它先读一份”每日简报”。我的简报长这样：

# 每日简报（4月25日下班时生成）## 上次对话摘要写了第5篇公众号"他2天写了49个功能"定稿，已输出三件套。## 进行中的项目1. 5月航海 — 报名已开启，4/28截止（还剩3天）2. 公众号 — 第5篇已完成，风格探索期3. 教练培训 — 4/23-4/26进行中，明天最后一天...## 紧急待办- 报名文案迭代（4/28截止）- 教练反馈表单待创建

AI读完这份简报，几分钟内就跟你对齐了。不用手动回顾，它知道”我们昨天写完了第5篇公众号，今天报名文案比较急”。

下班：每天结束的时候，让AI做三件事——整理今天的对话成果、生成明天的简报、同步到笔记软件。

这样明天上班的时候，一切都能接上。

你可能觉得这太较真了。但你想一下：一个靠谱的同事下班前会把进展写在共享文档里，第二天交接的人一看就知道该接着干什么。

AI也需要这个交接。只不过写交接文档和读交接文档的，都是它自己。

对话断裂这个问题不是小问题。 它是大多数人用AI用不深的根本原因。你每次都从头开始，永远只能停在浅层。有了上下班制度，对话之间的成果才能沉淀下来，一天比一天厚。

3个月下来，真实体感

说说实际效果。

我不会写代码。我搭这套系统完全是一边用一边摸索出来的。

CLAUDE.md第一版只有5条规则，现在有几十条了。不是一次写完的，是3个月里一条一条加上去的。每次AI做了一件让我觉得”不太对”的事，我就纠正它，让它记住，然后这条规则就永远在那了。

反馈记忆积累了20多条。知识库里80多份素材。

最明显的变化是写东西的时候。我让AI帮我写公众号，不需要再解释”用小白视角””不要排比句””国外工具加国内对标”——这些它全知道，因为全被记住了。

每天早上打开的时候，它会告诉我昨天做了什么、今天有什么紧急的。比我自己记得还清楚。

有人可能会问：搭这个难吗？

技术上一点都不难。Claude Code现在有桌面版，不需要写代码。

难的是你愿不愿意认真想一想：我希望AI了解我什么？我的工作方式是什么？我的标准是什么？

这个思考过程才是真正值钱的。

你理清楚了，写进去就行。

回到最开始说的。

大多数人把AI当搜索引擎用。问一下，答一下，关掉。

但如果你换一个思路——把AI当成一个需要入职培训的新员工来管理——给它写员工手册、建反馈机制、搭知识库、定工作节奏。

你会得到一个完全不一样的东西。

不是一个每次都失忆的天才。

而是一个越来越懂你的搭档。

你不需要会写代码。

你需要的是花一个晚上，认真跟AI交个底。

剩下的，它会越做越好的。