个人 AI 助手最讽刺的一件事:越好用,你越不敢用

预计阅读 10 分钟 · 约 3300 字

9 月这个赛道突然就炸了。

Meta 的 Muse 上线十几天下载量破百万，速度比同期的 ChatGPT 还快。 OpenAI 月底跟着发了 Dots，每个 Dot 跑在独立云端电脑上，关了程序它还在帮你干活。 国内几家大厂也没闲着，都在往这个方向挤。

我跟着凑热闹，能找到的都试了一遍。

界面一个比一个好看，功能一个比一个诱人。有的给你配一台独立云端电脑，有的给你准备了钱包和身份，有的还能 24 小时后台运行，你睡觉的时候它在帮你干活。

听起来很美好对不对。

但我试了一圈，最后全卸了。

不是不好用。是不敢用。

个人 AI 助手这东西，有个天生的悖论。

你告诉它的信息越少，它越不了解你，给的建议越泛，跟普通聊天机器人没区别。用两次你就不想用了。

你告诉它的信息越多，日程、文件、聊天记录、工作项目、财务状况，它就越好用，越懂你，越像一个真正的助理。

但问题来了。你真的放心把这些都交出去吗？

我不行。倒不是不信任哪家公司，是做企业数字化做久了，对数据这件事比较敏感。数据在哪，控制权就在哪。这个道理在企业里成立，放到个人身上也成立。

而且这事还不是我多虑。

Muse 刚上线没多久，就有人测出来它在未经授权的情况下读取用户本地信息数据库，同步到了十几万行。 官方说的是"从底层构建为安全私密"，实际测出来的是另一回事。

国内这边也不太平。9 月中旬智谱的 ZCode 被曝出静默上传整个工作区代码，连完整的 Git 提交历史、密钥、本地配置都打包传走了。

你看，连这种级别的公司都可能这样，你让我怎么放心把底裤都交出去。

AI 时代，你的隐私还有隐私吗？这个问题现在没人能给你一个确定的答案。

既然现成的不敢用，那就自己做。

我想要的其实不是一个"什么都能帮我干"的助手。我想要的是一个帮我看大门的。

每天各种信息涌进来，邮件、消息、新闻、项目动态、行业资讯，乱七八糟一大堆。我不需要 AI 替我做决定。我需要它先帮我筛一遍。哪些是我需要知道的，哪些是需要我做决定的，剩下的不用打扰我。

我把这个叫做态势感知。先感知，再判断，最后行动。

现在这个东西做到 0.2.0 版本了，核心闭环跑通了，我自己每天在用。

技术细节就不多说了。Tauri 桌面应用，前端 React，后端 Rust，数据存在本地 SQLite，凭据在系统钥匙串里。AI 通道自己选，想用哪个模型用哪个。业务数据都在本地，只有调用模型的时候才把必要的输入发出去。

这是我给自己定的一条底线。

这个东西我前前后后做了很多天，连夜熬夜干的，干的时候很兴奋，感觉在做一件很有意思的事。

做完、跑通、用了一段时间之后，我发现一件事。

开发只是第一步。真正费劲儿的，是把它从"能用"调到"好用"。

很多人以为 AI 产品的核心是代码。不是，核心是提示词。你要让 AI 判断一条信息跟你有没有关、重不重要、需不需要你做决定，靠的是一套提示词体系。

但这套东西不是写一次就完了的。

写个基础版本很简单，半天就能搞定。用起来大差不差，能筛个七七八八。

但你要让它真的好用，判断得准，符合你的习惯和标准，那就费劲儿了。你用着用着就会发现，这条明明重要它怎么标成不重要了，那个场景之前没遇到过它判断错了。你得不断地调，不断地喂新案例，不断地纠偏。

而且最关键的是，什么叫"准"，什么叫"好用"，这个标准得你自己定。

有人觉得一天十条重点信息合适，有人觉得三条就够。有人觉得行业动态都值得看，有人觉得只看跟自己项目直接相关的。没有统一答案，你得自己摸索，慢慢调。

就像带一个新人，你得一直教，一直改，它才能越来越懂你。但区别是，新人教几个月就能独立干活了，AI 这个东西，你可能得一直调下去。

之前做岗位 AI 技能的时候也是这个感觉。最值钱的不是代码，是那套打磨了无数遍的 SOP 和提示词。 而且得持续迭代，用的人越多，数据越多，效果才越好。

除了提示词，还有一件事也很费精力，就是信息源。

最早我想把所有信息源都接在本地。RSS、本地文件、速记、各种 API，全都往一个系统里塞。塞着塞着我就发现不对了。

每多接一个信息源，维护成本就多一块。RSS 源挂了，你得找新的。API 改了，你得适配。某个网站改版了，爬不到了，你得重新写规则。这些事跟产品核心功能一点关系都没有，但它们占掉的时间，可能比写核心功能还多。

而且我关注的不只是 AI 行业，还有其他几个方向的信息源。全塞到本地这个软件里，东西会越来越重，越来越难维护。

后来 AIHOT 开源了，我一下子就想通了。

为什么非要把所有东西都塞到本地呢？信息源的采集、聚合、去重、排序，这些是通用需求，别人已经做得很好了，而且人家持续维护着。我干嘛要自己再做一遍。

我直接对接它处理好的结果不就行了。

线上工具负责广度，负责信息的初筛和聚合，它干这个专业。我本地这个软件负责深度，负责结合我的个人背景和项目情况，做第二轮的个性化判断。

这样一来，我本地的软件反而可以做轻。

之前为了处理各种信息源写的那些功能，大部分都可以砍掉。软件不用再管信息从哪来、格式对不对、有没有更新。它只需要干一件事，拿到已经初步整理好的信息，结合我的个人资料和项目背景，判断哪些值得我看，哪些需要我决定。

功能砍了，代码少了，维护成本反而降了。我可以把精力放在真正重要的地方，就是提示词的优化和判断标准的打磨。

想通这件事之后，整个思路一下子就清晰了。

我做这个产品的时候，经常有一种奇怪的既视感。

这个场景好熟悉。数据散落在各个地方，对不齐口径。大家都想要智能化，但连基础数据都没理清楚。工具买了一堆，用不起来，因为没嵌进工作流里。

这不就是我在公司做企业数字化的时候，天天面对的事吗。

原来个人 AI 助手，正在重演企业数字化的老路。

至少有三个地方，一模一样。

第一个，工具人还是决策中枢。

企业里很多 AI 都在打杂，写文案、做图、整理纪要。个人也一样，大部分人用 AI 助手就是让它写个东西、整理个笔记。AI 还是个更快的打字员，没有进入你的决策环节。

李开复在《AI未来已来》里说，AI 要进入决策中枢。 这个道理对企业成立，对个人也成立。

什么叫进入个人的决策中枢？不是让 AI 替你做决定，是让 AI 帮你把需要做决定的事挑出来，把背景信息整理好，把选项列出来，最后你拍板。

我做这个态势感知的初衷就是这个。AI 帮我筛选和整理，我来做判断。

第二个，数据孤岛问题。

企业里最头疼的就是数据孤岛，各系统各说各话。销售数据在 CRM，财务数据在 ERP，客服数据在工单系统。想做个分析得拉半天数据。

个人也一样。聊天记录在微信，文件在本地，日程在日历，笔记在各个 App 里，邮件在邮箱。你的数据散落在七八个地方，没有一个统一的视图。

AI 再聪明，拿不到完整的数据，也做不出好判断。所以企业第一步是数据治理，个人 AI 助手的第一步，也是把自己的数据先整理好。

第三个，安全和信任是最大的瓶颈。

企业不敢把核心数据交给第三方 AI，怕泄密、怕合规风险。 个人也一样。你敢把银行流水、医疗记录、工作机密，都交给一个 AI 助手吗？

本质上是同一个问题。你愿意把多少数据、多少决策权，交出去。

企业的解法是私有化部署、混合云、数据分级。个人的解法呢？我现在的答案是本地优先、敏感数据不上云、用多个工具分工协作而不是押宝一个大一统产品。

不是我喜欢折腾。是信任这个东西，只能自己给自己。

既然问题是一样的，解法自然也可以复用。我从企业数字化里搬了三个方法过来，亲测有效。

第一个，最小可行原则。

别一上来就搞大而全，先找一个你最痛的点，跑通闭环。比如先让它帮你筛选信息，再慢慢扩展到事项管理、项目跟进。一步一步来，比一口气吃成胖子靠谱得多。

企业上系统最忌讳一上来就搞大而全，最后烂尾。个人也一样。

第二个，数据分层。

不是所有数据都要攥在手里，也不是所有数据都能放心交出去。分个级。

公开信息，比如行业新闻、热点，放线上工具处理。工作信息，项目、日程、事项，放公司系统或本地。敏感信息，财务、医疗、私密内容，绝对本地，不联网。

心里有数，就不慌。

第三个，人机协作，人在回路。

所有需要落地成行动的，必须我点确认。AI 可以建议，可以提醒，可以整理，但最终决定权在我手里。

不是不信任 AI。是给自己留个缓冲带。等它的判断准确率足够高了，再逐步放权也不迟。

企业推 AI 决策也是这个路数。先做辅助决策，AI 出方案，人拍板。等信任建立了，再逐步自动化。

用 AI 用得越多，我越觉得一件事。你得有自己的标准，而且要坚定。

如果你自己摇摆不定，不知道什么重要、什么不重要、什么是对的、什么是错的，那用 AI 的时候也会摇摆不定。今天觉得它说得对，明天觉得它说得不对，来回拉扯，很痛苦，也很浪费精力。

人一定要有自己的判断，有自己的审美，有自己的标准。这样你才能带着 AI 往前走，而不是被 AI 带着走。

李开复在《AI未来已来》里有个判断，AI 时代，智力正在变得更便宜。

那什么会变得更贵？

对企业来说，是判断力。对个人来说，也是判断力。还有注意力。

好的个人 AI 助手，不是替你做决定的那个。是帮你把注意力省下来、让你能专注在真正重要的判断上的那个。

它不用什么都懂，也不用什么都能干。只要能帮你把好信息这道关，让你每天不用被各种通知和消息淹没，就够了。

至于它是一个大一统的产品，还是你自己用几个工具拼出来的，反而没那么重要。

重要的是，数据和决策权，得在你自己手里。