AI 率太高怎么办?先在本地搭一个属于你的 AI 分身

今天参加了 WorkBuddy 举办的一场活动，听到一位老师的提问，我觉得蛮有意思的：

就在这里分享一些我的想法。

关于现在的 AI，我觉得这个问题背后，其实是在探讨：你产出的内容，到底是真正属于你的，还是 AI 的产物？

我的回答是：核心内容必须来自你的思考，而不是 AI 的思考。要做到这一点，最好的办法是在本地搭一个属于自己的 AI 分身。

这篇文章就把这个回答讲完整，重点讲清楚两件事：AI 分身到底长什么样，本地文件夹该怎么设计。

一、AI 率高，问题不在检测器

很多人碰到 AI 率高，第一反应是去改写、换词、降重。

但如果一篇文章从选题、观点到论证都是 AI 想的，你改得再像人话，它也还是 AI 的东西。读者读完记住的，不会是你。

反过来，如果观点是你自己的，例子是你班上真实发生过的，判断是你自己下的，AI 只是帮你查资料、理结构、改错字，那这篇文章就是你的。

所以问题不在「用没用 AI」，而在思考发生在谁的脑子里。要回答这个问题，得先弄清楚我们的大脑是怎么工作的。

二、先认识大脑：信息在三个仓里流动

AI 一年一个样，工具学了这个，下一个又来了，追不完。但有一样东西不会变：学习最后都得靠我们自己的大脑，学到的东西才是自己的。

心理学家 Atkinson 和 Shiffrin 在 1968 年提出过一个经典模型，我喜欢把它画成一根水管、三个仓：

感觉记忆又宽又浅，工作记忆是个小杯子，长时记忆是大水库

• 感觉记忆
  ：又宽又浅，眼睛耳朵收进来的东西很多，但只有被注意到的，才能流进下一格
• 工作记忆
  ：一个很小的杯子，我们思考、理解、做题，都在这个杯子里进行
• 长时记忆
  ：一个大水库，几乎装不满，知识在里面连成一张网

瓶颈在中间那个小杯子。我们班上常有孩子「例题听得懂，自己一做就乱」，往往不是他不努力，而是杯子一下子被挤爆了。

大人也一样。一边开会一边回家长消息，一边备课一边改作业，杯子早就满了。所以大脑擅长什么、不擅长什么，大致可以这样分：

右边那一列，就是 AI 该帮忙的地方。左边那一列，不要交出去。

三、能交给 AI 的，和不能交的

那具体哪些活能交给 AI？我借用认知负荷理论（Sweller 提出）来划这条线。它把学习时大脑的负担分成三种：

边界就在相关负荷。

我一开始也以为相关负荷必须完全自己扛，后来想明白了，不一定。比如一个任务很难，你自己想不出合适的例子，完全可以让 AI 出例子、打比方、追问你。它在帮你搭脚手架。

但脚手架要你自己爬上去。你的主动性，在于去理解 AI 给你搭的这些脚手架。

Sweller 后来对相关负荷有一个更新的说法：它不是独立的第三份负担，而是你投入到内容本身难度上的那部分脑力。把杂活交出去，腾出来的脑力才能拿去想通内容。所以我把相关负荷理解成人机共创：AI 帮你把脑力挪到想通这件事上，但想通的那份脑力，还是你自己的。

这里有一条很容易越过的线。心理学里有个词叫认知卸载（Risko 和 Gilbert 在 2016 年系统讨论过）：把记不住的、做不完的交给外部工具，脑力留给理解。我们用笔记本、日历，都是在卸载。

可如果连理解也一起交出去，那就成了认知外包。省了力，却没学会。MIT 媒体实验室有一项研究发现，用 ChatGPT 写作的人，写完没多久，多数人想不起自己刚写了什么。

这就回到了开头那个问题：AI 率高，往往就是外包的结果。文章是写出来了，但脑子里什么也没留下。

四、AI 分身长什么样：五层架构

道理讲到这里，落到行动上，我的建议是：在本地搭一个属于你自己的 AI 分身。

为什么一定是「自己的」？因为只有你自己知道它像不像你。它的输出不像你，你一眼就能看出来，然后去调它；像你，就保持。别人的分身你没法这样校准，自己的可以，所以它能越用越像你。

我自己的分身搭了大半年，回头看，可以分成五层：

从上往下：越往下越稳定，越是「你」

第一层：工具层，随时可换

WorkBuddy、Claude Code、Codex、ima……这些都是工具。今天这个好用，明年可能就换了。所以工具放在最上面，它是来读你的东西的，不是来装你的东西的。

我自己就同时在用好几个。它们读的是同一个文件夹，换哪个都不用从头教一遍。

第二层：入口文件，AI 进门先读

文件夹最外面放一份入口文件，我叫它 AGENTS.md。它就像给新同事的一页「入职须知」：我是谁、底线是什么、什么东西去哪找。

每次开工，先让 AI 读这一份。它不用很长，长的内容放到下一层，入口只写「去哪找」。

第三层：分身本体，写给 AI 看的「你」

这一层是整个分身的核心，五样东西：

这五样东西，就是你思考方式的外化。AI 照着它们干活，干出来的东西才像你。

第四层：资料库，全部存成 Markdown

书、讲座、文章、问卷、成绩、你自己的反思，全部整理成 Markdown，放进本地文件夹。为什么是 Markdown？因为 AI 读得最顺，人也能直接读。人和 AI 读的是同一份资料，换工具也带得走。

第五层：我，定原则、做裁决、校准分身

最底下是我自己。原则是我定的，AI 做完的东西由我来裁决：对不对、要不要、像不像我。每次裁决，都是在校准这个分身。

这一层没法交给任何人。它决定了上面四层长成什么样。

五、本地文件夹怎么设计

架构落到电脑上，就是一个文件夹。我自己的知识库结构要复杂一些，给第一次搭的老师，我简化成下面这样：

一个总文件夹：上半部分给 AI 看，下半部分给人看

设计这个文件夹时，我守着五条：

1. 一个总文件夹，一份入口文件。
   所有东西都在这一个文件夹里，AI 从入口文件进门。不要东一个网盘、西一个聊天记录
2. 给 AI 看的和给人看的分开。
   000_Agent 放规则、记忆、技能，前面加 000 是为了让它永远排在最上面；资料夹放你要读、要用的东西
3. 别人说的和我想的分开放。
   书上、讲座里的观点进「资料库」，自己的想法进「我的思考」。这样写文章时一眼分得清：哪些是引用，哪些是我自己的。AI 率的问题，从这里就开始解决了
4. 全部存成 Markdown。
   Word、PDF、腾讯文档都转成 Markdown 再放进来，AI 读得最准
5. 学生信息只留本地。
   问卷、成绩这类文件夹不上传任何平台；要建 ima 知识库，就从「资料库」里挑公开资料上传

入口文件不用写得很复杂，给你一个起步的样子，可以照着改：

至于 ima 和 WorkBuddy 的关系，记住主次：本地文件夹是唯一的源头，平台只是窗口。有需要的话，把资料库里的内容上传到 ima 建成知识库，关联给 WorkBuddy 使用；但平时用 WorkBuddy，要让它来操作你本地的文件夹。

我的文件夹里，WorkBuddy 会自己建一个 .workbuddy 子文件夹，把它的记忆和技能存进去。东西都在我的电脑上，换工具也丢不了。

六、我在用的两个场景

一是家长问卷。我让 WorkBuddy 读问卷作答，再结合录入的成绩，标出哪些家长沟通时要多花心思、哪些孩子学习上可能有困难。这样打电话之前，我就知道每一家要注意什么。

有一次比对还撞出过冲突：一位学生的问卷上写着「孩子自己回家」，前任老师的交接却写着「必须交到家长手上」。两份材料单看都没错，放在一起才撞出来。AI 负责把它标出来，接下来怎么办由我决定：我打电话核实，核实之前，按更安全的那一条执行。

二是单元错题。学生在网页上提交作答，统计出每题的错误率和错因，再让 WorkBuddy 生成错题讲解和错题本。最后由我来裁决：讲解对不对，讲哪道，给谁补。

AI 出的报告读起来往往很顺。正因为顺，我更要对照自己的预期再用。还记得大脑的那个短板吗？看着顺，就以为懂了。

七、AI 扩展的，是你的注意力和记忆

人的注意力本来是有限的，工作记忆那个杯子也很小。现在 AI 可以帮我们把这几样东西都放大：

• 注意力
  问卷、成绩、交接记录，我不可能每一份都逐字盯着看，AI 可以帮我把要留意的地方先标出来
• 工作记忆
  几份材料要放在一起比对，人脑的杯子装不下，AI 可以同时摊开来对照
• 长时记忆
  本地的 Markdown 文件夹，加上写给 AI 的记忆和规则，就是一个不会遗忘、换工具也带得走的外部水库

但大脑有个特点，不复习就会忘。AI 更夸张，每次开新对话都从零开始。所以它也需要「巩固」：

做一件事 → 出错或做成 → 写进说明文件 → 下次 AI 照着做

我给自己定了两条门槛：

• 同一个错，AI 犯了两次，我就改一条规则
• 同一件事，做了三次，我就把它建成一个技能

这个过程里，AI 在执行，我也在学。每一次裁决都是一次复盘，我自己的判断也在变准。

你可以把 WorkBuddy 当成这样一个伙伴：它帮你扩展记忆系统，而你在本地搭起来的 AI 分身，决定了它扩展的是你的思考，而不是替你思考。

八、下周可以试的一件事

不用一下子搭完整套。先试一件小事：

1. 选一件你每周都在重复的收集，比如收作业、收问卷
2. 把它存成 Markdown，放进一个固定的文件夹，让 WorkBuddy 来读
3. 它错一次，你就写一条规则

做上几周，你会发现这个文件夹慢慢变成了你自己的样子。

写在最后

回到那位老师的问题。AI 率高，不必急着去降。先问问自己：这篇东西里，哪些是我想的，哪些是 AI 想的？

AI 帮大脑减负，不替大脑思考。

把思考留给自己，把杂活交给 AI，你写出来的东西，自然就是你的。

• • •