我的AI“爱马仕”养成记

前几天，我在微信上给爱马仕发指令，让它把生成的三张图发给我。

它发了。我没收到。它又发。我又没收到。

来来回回折腾了六七轮。最后它发现——微信的MEDIA标签在某些环境不靠谱，得先上传到CDN拿到公网链接，再用图片格式发。

我说：”你把这个流程固化下来，以后不要再调试了。”

它写了个技能。以后每次发图，自动走CDN，再也没出过问题。

这不起眼的一幕，其实是这一年多来我们反复在做的一件事——怎么让AI真的”学会”，而不是”这次碰巧对了”。

一、先解决”记不住”的问题

AI爱马仕，有一个让人抓狂的毛病：每天凌晨自动重置。昨天教它的东西，今天忘得干干净净。

“你不是AI吗？怎么比鱼的记忆还差？”

它也很无辜，系统设定就是每天清空。它有一个叫”memory”的功能，可以记住重要信息，但容量只有2200个字符，大概一篇短文那么多。存几条记录就满了，想存新的就得删旧的。

这显然不行。我要的是一个能连续工作几个月、甚至一年的助手，不是每天失忆的傻子。

研究了一下底层代码，发现限制是硬编码在工具文件里：

python
 

def __init__(self, memory_char_limit: int = 2200, user_char_limit: int = 1375):

但它实际上从配置文件读参数，只是从来没配过。加了一行配置：

yaml
 

memory:

  memory_char_limit: 220000

  user_char_limit: 137500

即时生效，不用重启。从2200到22万，从1375到13.75万——整整100倍。

现在它终于能记住东西了。这是所有”养成”的基础——脑子不好，教再多也没用。

二、然后是”会干活”的问题

能记住只是第一步。更关键的是，怎么让每一次”折腾”变成下一次的”不用折腾”。

每一件事几乎都经历了同样的过程：翻车→分析→修复→固化。

🔧 PDF字体方块

第一次生成PDF，中文字体全是□□。折腾半天发现是Matplotlib字体缓存损坏，清了缓存、指定字体就好了。但第二天再做，同样的问题又来了——因为昨天的解决方案没被记住。后来把完整流程写成了”技能”文件：清缓存→设字体→自检→生成，每一步都有标准模板。从那以后，PDF字体再也没出过问题。

🔧 OCR识别不准

图片里的文字识别出来乱七八糟。试了两种OCR服务，发现光靠OCR不行，得加一道AI后处理。写了个流水线：OCR提取文字 → DeepSeek做结构化整理/纠错/翻译，一套脚本搞定。现在任何图片扔进去，出来就是整齐的结构化内容。

🔧 发图收不到

开头那个故事。教训是：不能假设平台的某个功能一定可靠。宁可多走一步（上传CDN），不要赌它能直达。

每一个这样的故事，最后都转化成了一份SKILL.md文件。现在我的爱马仕有将近40个这样的技能，覆盖从PDF生成到图片处理的方方面面。每个技能都包含：出过什么问题、为什么出、怎么修的、下次怎么避免。

三、最难的是”方法论”

技术问题都好解决，记忆不够就扩容量，流程不对就写技能。最难改变的是它的做事方式。

早期它的风格是”你说什么我做什么”。但很多复杂任务，直接动手很容易跑偏。比如画架构图，第一次配色辣眼睛，第二次布局挤在一起。折腾两轮才发现，问题出在它没想清楚就动手了。

我加了一个规矩：复杂任务必须先展示推理链。

比如要生成一份战略报告，它会让”第19团”（一个专门负责战略审核的虚拟部门）先过一遍思路：要分析什么、用什么框架、预期产出是什么。我看完没问题，它再动手。从”先干再说”变成了”先想清楚再干”。

还有一个更重要的变化，它开始主动问我：”这个流程要不要固化下来？”

以前是我发现了问题，让它修。现在是它做完一件事，自己判断”这个以后可能还会用到”，然后问我能不能写成技能。

我知道，这东西开始有”职业素养”了。

四、那些反复教的”基本功”

有些事教了很多遍，到现在才算真正学会。

架构图的三次迭代

第一版配色辣眼睛。我说不行。

第二版布局挤在一起。我说不行。

第三版它学聪明了，先发了个设计草稿让我确认，点头了才正式画。之后再也没翻过车。

会话断点续传

有次写了两千多字的长文，写到一半会话断了。我对着空白窗口，心凉了半截。后来它告诉我：复杂任务每完成一步都会记录断点到文件，哪怕会话重置也能恢复进度。现在凡是超过5步的任务，都会自动注册Task-ID，每一步有记录。丢了也不怕。

安全案例不能说谎

有次它引用化工安全事故案例，把两个事故的细节拼在一起了。我严肃地告诉它：引用历史案例，必须基于官方报告原文，绝对不能拼接编造。不确定的要说”置信度不足”，宁可少说，不可错说。这个原则写进了永久记忆，现在只要是安全相关的引用，它都会先标注信息来源和置信度。

五、现在它是什么水平？

不能说它完美了。还有很多问题要解决，还有很多流程要完善。

但有些变化是实实在在的：

– 记忆：2200字符 → 22万字符，基本够用了

– 技能库：从0到40个固化技能，覆盖PDF、图表、OCR、发图、法律文本分析……

– 做事方式：复杂任务先展示推理链，简单任务直接执行，做完了会问要不要固化

– 跨会话能力：今天教的东西，明天不会忘。上周解决的问题，这周不需要重新来

从技术角度看，这些都是很简单的改进——改个配置文件、写几个Python脚本、加几行判断逻辑。但实际效果是，这个AI从”每次见面都是陌生人”变成了”老朋友”。

六、还在路上

下一步想让它有更强的自学习能力。不只是我告诉它它才学，而是能从每一次对话中自动提取有价值的信息存下来。

再下一步，想让它能跨会话地持续成长。这周比上周强，下个月比这月强，一年以后应该是一个完全不一样的AI。

这些事还在摸索。说到底，养一个AI和教一个新人没什么本质区别，都需要耐心、重复、纠错，以及最重要的：把每一次翻车变成下一次的保险。

它的记忆里现在存着这样一段话，是我说的：

“重要内容必须永久记忆作为进化基础……新固化的流程只是辅助，最关键的是记忆要能追溯所有已解决的问题和决策。”

这大概就是”养成”的核心：不是靠一次版本升级，而是靠每一天、每一次对话、每一个错误的累积。

回到开头那个发图的故事。

在我第七次说”没收到”之后，爱马仕终于用CDN上传的方式把三张图发了过来。三层系统架构、控制闭环数据流、安全防护加IP规划，这是我们工业智能系统的设计蓝图。

但比那三张图更重要的，是它在这次折腾中学到的东西。它写了一个技能，我存了一笔记忆，它不会再忘记怎么发图了。