ARTICLE · 1100335
从“问AI”到“组织AI”:我用了半年才明白的事
从“问AI”到“组织AI”:我用了半年才明白的事我很早就用过ChatGPT，它刚出来的时候我就下载了，最让我新奇的是可以直接语音聊天。聊了几句，觉得有意思，和媳妇分享，然后就没有然后了。我没想过它能为我的学习、工作做什么。 现在回头看，那时的我算是“用过AI”，但谈不上理解AI。真正的变化，发生在2026年3月。 01 从“试过”到“研究” 那个月我读到一篇文章，作者过去一年在AI上投入了不少时间和费用，也确实做出了东西。具体内容我已经记不清了，但触动很直接：与其站在外围看，不如自己付费、自己实践。 于是我订阅了Claude，开始认真研究怎么用AI。 很快我发现，自己此前最大的误解，是把AI当成一个更聪明的百度：想到问题，问一句，拿到答案，关掉对话。这当然也是一种用法，但如果只停留在一问一答，AI能创造的价值其实很有限。 02 《诗经》项目：AI第一次进入项目 第一次让我明显感到不一样的，是一件和AI看似无关的事：读《诗经》。 我一直有写读书笔记的习惯。读《诗经》，一篇笔记要走完一整套流程：读原文，查文献、对照不同参考书，比较各家解释，形成自己的理解，最后整理成文。做完一篇，通常要三个小时左右。 后来我在Claude里创建了一个专门的《诗经》Project：写好Project Instructions，参考资料放入Files，围绕这本书逐渐积累的上下文。同时，我重新划分了自己和AI的分工。 读书这件事，还是要我自己来。阅读、理解、思考，以及形成真正属于自己的心得，仍然由我完成。AI负责整理资料、搭结构，再根据我的想法起草初稿。 这样分工之后，一篇笔记的时间从三小时左右压到了半小时左右。 但比“三小时变半小时”更重要的，是另一个变化：AI第一次从“我偶尔去问问题的工具”，变成了一个持续存在的项目伙伴。 之后我开始琢磨Project该怎么用：Project Instructions 怎么写，Files放什么最合适，上下文的Token限制是多少，同一个Project里的不同Chat能不能分工，比如一个负责创作，一个负责审校，一个负责资料研究。 那段时间，市面上很流行卖Prompt的玩法，各种付费模板、课程广告满天飞。殊不知Prompt只是AI的一部分，除此之外还有Project Instructions、Files、Memory、上下文和工作流。 总之，AI开始为我稳定创造价值，不是因为它回答得更聪明，而是因为我把它从一次性问答，放进了长期项目和工作流。 03 用得越深，越想手搓一个自己的AI 3月起我的主力是Claude，5月开始订阅ChatGPT，也一直在用Gemini、Grok；国内的DeepSeek、Kimi、Qwen、GLM、豆包也都用过不少。 起初我想在国产LLM中选一个合适的AI使用，希望它们有Project 功能，可以长期工作。但用了一遍才发现，国产AI对C端极其不友好——这不是说国产模型不够强，而是在我实际使用的那些版本里，产品形态更偏向“一问一答”：打开聊天框，问完一个再问下一个，缺少类似Project的长期空间，上下文也容易断裂。比如Qwen，我三天前聊过的内容，三天后接着聊，它可能已经不知道前面发生了什么，甚至会一本正经地编出一个答案来。 于是，我开始手搓个人AI了。 
Rowan AI 登陆界面 在动手做Rowan AI之前，我还曾重仓过飞书Aily。后来飞书和豆包合并，产品用起来不顺手，我就放弃了。 此后，我开始做Rowan AI：一个更接近海外成熟C端产品形态的国内AI产品，有Project功能，有Project Instructions，有持续上下文，能围绕长期任务持续工作。我注册了域名，买了服务器，订阅了DeepSeek、Qwen的API。 这件事对我的影响很大。我第一次从“选择别人做的 AI”，走到“按自己的理解做一个AI产品”，也开始反过来想：一个好用的AI产品，到底应该具备什么？ 同时，我也没把探索限制在知识工作上，还研究过AI漫剧、AI写小说、AI画图。这些方向其实是同一件事：不断试探AI的能力边界，看它能进入哪些原本属于人的生产和创作过程。 04 下一步：进入真实工作，但不把自己绑在任何一家 既然AI能进入一个长期读书项目，为什么不能进入真实工作？ 于是我开始研究AI办公：WorkBuddy、QwenWork、Cowork、ChatGPT Work，再到飞书 Aily、CLI、MCP。 体验得越多，我越觉得各家产品在趋同。所以当时给我家媳妇发了一则体验心得： 
这两天看到DeepSeek出了办公产品，才有了写这篇文章的念头，想梳理一下自己这半年对AI的探索过程。 AI界变化太快，我不想把自己的工作绑在任何一家产品上。 这时我在X上看到一位大佬分享Claude的使用方法，核心思路是：把数据和AI大脑分离。数据放在自己手里AI只是大脑，只要数据还在，无论AI界怎么动荡，我都可以自由选择。 经过深度体验和研究，我选择了飞书作为数据库，再通过CLI把飞书接出来，让ChatGPT Work 和 Codex 去操作它。 具体用起来是这样的：飞书妙记会把我每周的会议内容记录下来。每次工作，我让ChatGPT Work通过飞书CLI调取这些记录，帮我做360度的总结和分析，再给我建议。 会议开完，内容不是很好整理，这样记录留在飞书里，就成了可以反复调用的数据。 数据始终留在我自己的飞书里，ChatGPT只是眼下最顺手的大脑。哪天出现更好的，换掉大脑就行，数据不用动。 这条路我还在探索。AI能不能理解持续的工作上下文，能不能调用工具、执行任务、真正提效，我还没有最终答案。但有一点我越来越确定：比起猜哪一家会赢，更值得花力气的是，怎样把这些能力变成自己的生产力，并且不被任何一家绑住。 05 试过，不等于用好 回头看，我很早就“用过”ChatGPT，按有没有用过算，我早就是AI用户。但真正的理解，是从我愿意投入时间和费用开始的：做真实项目，比较不同产品，设计工作流，尝试不同分工，做自己的产品，再把AI接进真实工作。 由此我得到一个比AI本身更普遍的体会：接触过一种新技术，和真正掌握它，是两回事。 以后再遇到可能影响深远的新技术，我不想只停在“试过了”，而要去研究它、理解它，想办法用好它。这也是我后来建立“AI精进”项目的原因。 我关心的不只是哪个AI又更新了、哪个模型登顶榜单，而是：哪些能力真正有价值，哪些只是宣传；哪些方法可以复用；AI为什么有时好用有时不好用；怎样组织上下文、工具和流程；哪些工作交给AI，哪些仍然该由人来做。 我想积累的不是几条很快过时的Prompt，而是一套能跟着AI一起升级的使用能力。 如果要说整个过程的转折点，不是我从Claude 换到ChatGPT，也不是用过多少模型，而是《诗经》项目让我第一次看到：当AI从一次性问答进入持续项目，再被放进真实的工作流程，它才开始稳定地产生价值。 我的探索还远没有结束。但有一个问题，也是我这半年体验下来最确定的一点：人是目的，AI只是工具，但我们得学会用好这个工具，因为往后，它会像水和电一样，成为一种基础能力。