ARTICLE · 1004883
装了很多 AI 工具,为什么问题还是没解决?
装了很多 AI 工具,为什么问题还是没解决?作为产品经理，我负责多个产品。上游和下游经常会来问产品现状，其中问得最多的，是系统现在到底是什么情况。 真正让我烦躁的，不是不知道答案，而是明明记得自己查过，却想不起具体细节。要是每次都重新翻一遍历史文档，不仅耗时、回复慢，也很耗精力。同一个问题，还会被我反复查找。 为了解决这件事，我用过 AI 知识库产品 ima。我把产品需求按产品线分好类，放进云端知识库，再把知识库分享给上下游，让他们可以直接问知识库 AI。 刚开始看，这个办法挺顺：资料放好了，AI 也能回答，我不用每次都从头查。 但实际用下来，问题没有完全解决。我省事了，对方却多了一步操作。而且上游和下游之间的部门关系还是要维护，不能简单地把问题抛回去，就当这件事结束了。 也是从这里开始，我认真区分了一件事：装上一个 AI 知识库，和拥有一套个人 AI 系统，并不是一回事。 刚开始接触个人 AI 系统时，我们很容易先盯着工具看。 收藏文章、下载教程、安装插件、试用新的 AI 产品，这些动作都很快。做得越多，也越容易产生一种感觉：我已经开始搭系统了。 可等到问题再次出现，还是要重新找资料、挑工具、整理信息，再把它们拼成一个能用的答案。这说明资料虽然存进去了，却没有被继续处理；工具虽然装上了，也没有进入固定的解决流程。 收藏本来只是入口。收进来以后，如果没有处理，也没有进入实际输出，它就会变成终点。工具也是一样，功能再多，如果没有接住解决问题的某一步，它仍然只是一个单独的工具。 所以，个人 AI 系统和工具堆积最核心的区别，不是工具数量，而是问题有没有顺着一条通路走到结果。 我现在会先看一条完整的路有没有走通： 遇到真实问题 → 收进需要的资料 → 整理和消化 → 变成下次能直接用的信息 → 得到实际结果 → 继续调整 这只是我用来拆解个人工作流的一种方法，不是什么平台规定的标准答案。 这条路从一个真实问题开始。需要的资料被收进来以后，要经过整理和消化，才能在下次遇到同类问题时直接使用。用了以后有没有得到实际结果，也要继续看；如果没有，就再调整前面的处理方式。 工具只是这条路上的零件。笔记软件可以帮我把资料放好；AI Agent，也就是能按任务继续处理信息的 AI 工具，可以参与整理和调用；自动化则可以接手那些固定动作。 判断它们有没有形成系统，不需要先被这些名字绕进去。先看资料进来以后放在哪里，由谁处理，下次能不能直接用，最后有没有产出真正需要的结果。 如果一个工具只把其中某一步做得很快，它仍然只是一个好用的工具。前一步的结果能被下一步接着使用，最后又回到最开始的问题，这些工具才算真正连了起来。 后来，我开始搭自己的个人 AI 知识库，想把信息输入、信息处理和信息输出真正串起来。 这套通路会用到 Obsidian、Claude Code 或 Codex，也少不了对原始资料的消化和整理。不过它目前还在搭建，不是一个已经完成的“完美第二大脑”。 “自动吸收、自动消化、自动产出”是我想达到的状态，不是已经做出来的结果。输入、处理和输出一直在变化，这套系统也会跟着我一起调整。 所以现在再看一个新工具时，我更关心的已经不是“它要不要装”，而是我到底想解决什么问题，原来的做法要经过哪些步骤，其中哪一步可以交给一个工具，哪些步骤需要几个工具配合，又有哪些地方仍然必须由人来做。 如果你也收藏了很多工具，却不知道从哪里开始，可以先别急着研究“完整的个人 AI 系统应该长什么样”。 先挑一件总在重复、又很消耗你的小事，把原来的处理过程从头到尾写下来。看看哪些步骤可以交给工具，前后的步骤能不能接起来，最后有没有得到自己真正需要的结果。 一开始可以先不算搭建成本，把方法跑通，真正弄明白这套做法怎么运转。等真正会用了，再比较用 AI 系统和沿用老办法，到底哪一条路更省事。 如果一件事很难离开人，或者目标必须依靠自己控制不了的其他人才能完成，那就先保留原来的做法。可以先把不需要人反复盯着、能够自动运行的部分拿出来，再把已经能说清楚的规则写进 Markdown，慢慢整理成 Prompt、Skill 或 Agent Profile。 个人 AI 系统不是一张越来越长的工具清单，而是一条从真实问题出发、能把信息推向结果的通路。 下次再遇到同一个问题时，可以先问自己一句：我还需要从头查一遍吗？ 如果答案还是“需要”，那现在拥有的可能只是一些工具，还不是系统。 如果你对信息焦虑怎么解决、个人知识库怎么开始搭，或者工具之间怎么串起来还有什么好奇，也可以直接留在评论区。我会从大家最关心的问题开始，继续往下写。