你电脑里那堆 AI 工具,其实压根不认识你:搭好这 4 个区,它才会越来越像你的助理

每天打开 AI，第一句话是不是又得从头交代：我是谁、做什么、讲给谁听、以前踩过什么坑、这次千万别写成什么样。

说完这些，它才开始干活。第二天换一个对话、换一个工具，又得再说一遍。

这件事很像你每天找一个能力很强的外包同事帮忙，但对方每天早上都会失忆。它会写、会查、会做表格，却不知道你的读者是谁，不知道你讨厌什么语气，也不知道那份两年前的旧方案早就不能用了。

所以我现在越来越觉得：装完 AI 工具，第一步不是立刻让它干活，而是先给它一份能读懂你的档案。

不是把文件一股脑塞进去，而是搭一条会流动的路：你是谁，东西从哪进，什么能留下，成品怎么验收，结果怎么再回到下一次决策里。

这篇就把我踩过的坑，以及后来改成的工作流讲清楚。你不需要先买复杂软件，先用电脑里现有的文件夹、笔记工具或 Agent 工作区，也能把这件事跑起来。

01.

资料多，不等于 AI 认识你

很多教程会教你“建立知识库”：把文档、链接、PDF、课程笔记全丢进去，最好再传几百篇。

这一步不算错，但只做到这里，通常只会得到一个更难找的文件夹。

我一开始就是这样干的。三百多个文件混在一起：对标视频、客户资料、写到一半的稿子、以前的方案，都放在同一个地方。有一次让它帮我写内容，它翻出了一份两年前的废稿当参考，语气和人设全偏了。

问题不是 AI 不够聪明，而是我没有告诉它：谁的优先级最高，哪些内容已经失效，哪些只是临时灵感，哪些才是正在执行的规则。

这也是“资料库”和“个人知识库”的差别。

前者只是保存东西；后者要不断回答三个问题：这是谁的资料？现在还有效吗？下一次任务该怎么被用上？

02.

先搭 4 个区：让每份东西都有去处

我现在会把工作内容分成四个区。文件夹、Notion、Obsidian、飞书、任何 Agent 的项目目录都能照这个逻辑搭，关键不是软件，而是职责不要互相打架。

1. 我是谁：它每次开工先读的底层设定

这里放的不是简历，而是一份持续更新的“个人工作档案”。至少写清五件事：

我在做什么；主要服务谁；我的表达习惯；哪些事实和案例可以使用；这周或这个项目的优先级是什么。

这份档案应该小而新。比起塞进 80 页自我介绍，我更建议每周花几分钟更新一次，把已经变掉的重点改掉。因为对 AI 来说，一份过期但写得很完整的档案，比没有档案更危险。

你可以直接从这个最小模板开始：

# 我的工作档案

我是谁：
我主要服务的读者/客户：
我最常做的三类任务：
表达与交付规则：
不能编造或必须核实的内容：
本周重点与暂不做的事：

下次让 Agent 干活前，不要只说“帮我写一篇”。改成一句：先读《我的工作档案》，再开始这项任务。这个动作看着小，但它把每次临时自我介绍，变成了固定的开工流程。

2. 收件箱：所有新东西先落地，不急着归类

刷到一条不错的对标视频、收到一个客户材料、突然想到一个选题，都先放进收件箱。

这里的规则很简单：只接收，不裁决。

很多知识库越用越乱，是因为人在忙的时候一边收东西，一边强迫自己做分类。最后要么懒得存，要么为了省事全塞进“重要资料”。收件箱就是给这种状态留的缓冲区。

但它也不能永久堆着。每周找一个固定时间，把里面的内容处理成三种结果：进入资料库、转成待办，或者删除。没有第四种“以后再说”。

3. 资料库：只留被确认过、能复用的东西

资料库不是垃圾场，而是下一次任务真正会被调用的参考层。

一条对标视频放进来，最好不只存链接或原片。顺手补一小段说明：它前 5 秒怎么抓人、讲了几个点、叙事怎么推进、哪些表达值得借鉴、哪些只是它的条件不适合照抄。

同样，一份客户资料进入库之前，也应该标上版本、适用项目、敏感范围和失效时间。能不能被 AI 使用，和能不能被你保存，是两回事。涉及客户、隐私、账号或未公开数据的内容，先按你所在团队的权限规范处理，别把“方便调用”变成信息泄露。

4. 输出区：成品必须和原始资料分开

文章、方案、PPT、脚本、代码、复盘，都放到输出区。它的作用不是归档好看，而是让你能回头验收：这个版本最后有没有真的发出去？哪个版本被改过？当时参考了什么？

我会把“人工验收”当成输出区的一部分。AI 给完成品，先自己读一遍：顺不顺，事实对不对，里面提到的经历是不是我真的做过。没问题，再往外发。

输出区里的东西不会自动晋升为资料库。 只有被验证过、下一次仍然值得借鉴的成品，才沉淀回去。否则模型很容易把一份尚未确认的草稿，当成未来的标准答案。

03.

给 AI 的不是一堆文件，而是一条明确的使用顺序

搭完四个区，最重要的是让 Agent 知道先读什么、后读什么。

我更推荐这个优先级：个人档案 → 当前项目说明 → 已整理资料库 → 收件箱里的临时素材。

这相当于先让它知道“你是谁”，再告诉它“这次要做什么”，最后才给它参考材料。顺序反过来，几百份旧资料很可能会把当前目标淹没。

比如你要写一条 60 秒口播，不妨这样交代：

先阅读我的工作档案。
再阅读本次选题说明和指定对标稿。
先给出：目标受众、核心观点、60 秒结构、可借鉴但不照抄的表达。
不确定的事实单独列出，不能自行补写。
我确认结构后，再生成口播成稿。

这比一句“按我的风格写”靠谱得多。因为“我的风格”对模型是模糊词，而档案、指定参考和任务边界是可执行的上下文。

还有一点很关键：别要求它每次“把整个知识库都读一遍”。资料越多，越要挑选。现在的任务需要哪三份资料，就给哪三份；已经过期的资料，明确标为不能参考。AI 能读到很多内容，不代表它会自动替你判断哪份最有权威。

04.

最有价值的一步，是把发出去之后的结果丢回来

很多人的工作流到“AI 写完”就结束了。但这只解决了产出速度，没有让系统变得更懂你。

一条内容发出去后，评论里读者卡在哪、完播在哪掉、收藏来自什么需求、你自己觉得哪里别扭，这些都是比通用教程更贴近你的数据。

不需要一上来做复杂看板。每次只留一条简单复盘就够：

标题：
面向谁：
这次想验证什么：
发布后出现了什么反馈：
下次继续做什么 / 停止做什么：

把这些复盘放回“我是谁”或资料库里，下一次选题时让 AI 连同最近几条反馈一起读。它参考的就不再只是网上通用的“爆款方法”，而是你自己的真实轨迹。

这一步也要克制。一次数据好，不代表规律已经成立；一次数据差，也不必急着否定所有方法。把反馈当成下一轮要验证的线索，而不是自动生成结论的机器。

05.

今天就能开始：不要搬家，先跑一个小闭环

你不用把过去所有文件重新整理一遍。那很容易把“搭系统”做成新的拖延。

今晚花 15 分钟，做四件事就够了：

第一，建一个《我的工作档案》；第二，建一个收件箱；第三，从最近的一条对标内容里，写下它值得借鉴的三个具体动作；第四，下一次交任务前，强制让 AI 先读你的档案。

等这一轮任务结束，再补一条反馈。你就已经跑完了第一圈。

个人知识库不会让任何一个模型突然“永久记住你”。不同工具的记忆、项目文件和上下文能力也不一样。但它至少把最关键的判断从模型手里收了回来：哪些内容是你的现在，哪些是已经失效的过去，下一次任务究竟该站在哪些经验上继续往前走。

以前，我们每回都在向 AI 自我介绍。现在，是让它先读一遍档案，再和我们一起工作。

这不只是让写稿、做方案、做 PPT 快一点。它让你从一个每天都从零开始的人，慢慢变成一个手上有东西、经验能累积的人。

如果只能先补一项，你最想先把哪条规则写进自己的工作档案？

如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连，我们下篇见。