ARTICLE · 1272202
阳志平:AI 时代,你需要新的软件
昨天，开智学堂联合活水 AI 实验室，推出「AI 生产力实战训练营·首期内测」。一上线，已有上百位同学报名。
活水模型（42model）、活水 Markdown（42md）、写匠（AIWriter），这三款软件由阳志平老师亲自研发。AI 时代，软件该怎么用？人和 AI 又该怎么分工？本课讲师蒲素就这些问题采访了阳志平老师，以下是整理后的回答。
Q1：为什么说 2026 年之前的软件，不是为 AI 时代设计的？
2026 年之前，几乎所有软件都不是围绕 AI 时代设计的：既做不到对 Agent 友好，也做不到对人友好。
先看 Agent 友好。人需要界面，界面是为人设计的；Agent 不需要界面，直接通过命令行操作，反而更快。因此，活水模型、活水 Markdown、写匠这三款软件都是先设计命令行，再设计桌面端或网页端。几乎所有功能都有对应的命令，还针对 Agent 做了大量优化，比如 JSON 输出模式与批量处理模式。而大量传统软件，几乎不提供命令行，也没有给 Agent 留接口。
再看人类友好。既然今天，越来越多的数字工作都可以交给以 Claude Code 为代表的 Agent，那么你会发现，传统软件的界面竟然那么多余、繁琐、笨重。人其实只需要少数几个界面，用来处理 Agent 处理不了的关键决策。因此，整个软件的界面也需要大幅重构。
从知识的输入到知识的输出，以前天天用的软件，现在显得那么过时；以前天经地义的习惯，今天反而成了效率的阻碍。我们需要重新学习：在 AI 时代，如何更好地工作。
Q2：阳老师能举例说说您的新工作流吗？
我这套新工作流，有一个关键原则：让人只面对极少数注意力界面，其他所有复杂的界面，包括各类 Agent 活动的界面，全部交给 AI 来处理。
如果你一天面对的，都是最有价值的那部分劳动，体力活都交给 AI，生产力自然就上去了。我自己的体会是，这样用软件，生产力能提升 3 到 30 倍，看做的是什么事。
举个例子，我现在这样写课件：左边开一个窗口，是写匠，我在里面只写要点；右边开一个窗口，是 Claude Code，它替我设计版式。我只在左边看预览，哪里不满意，就在右边说一句。
再举个例子，我写完一篇长文，需要校对。直接在右边窗口敲一句话：请调用写匠命令行的批量处理模式，把这篇长文拆分成段，一段一段校对。我审阅校对结果，没问题就确认，左边窗口随即更新。
能实现这种人与 Agent 联动、看似科幻的效果，是因为写匠从设计之初，就考虑到了对 Agent 友好，几乎所有功能都提供了调用接口；同时也考虑到了对人友好，让人的注意力只放在关键环节上。
Q3：阳老师为什么想到研发这三款软件？
活水模型，源自我三年前的一个判断。2023 年，llama.cpp 让大模型第一次在普通电脑上跑了起来。我当时就判断，本地模型极为重要，连夜买下了 42model.com 这个域名，打算开发活水模型。当时交给社群同学来做，可惜没做出来。后来，Ollama、LM Studio 这类本地大模型软件流行起来，我想，功成不必在我。
然而，今年我仔细了解后发现，同行们做得不尽如人意，依然停留在 AI 时代之前的思路。因此，我基于 Rust 研发了一套高性能的 AI 模型引擎，这就是活水模型（42model）。
简单来说，活水模型与我用过的同类软件相比：1）支持更多模型架构，翻译、语音转录、OCR、对话、编程都能做；2）文件更小、内存占用更低、推理更快；3）Agent 原生，从一开始就围绕命令行设计。
活水 Markdown：从我的真实需求出发。做活水 Markdown，是因为我自己真的需要。我做咨询，要转写录音，那些内容涉及高度隐私，交给第三方 API 非常不合适。我还有几十万篇 PDF、电子书，要批量变成 Markdown。
早年我用视觉模型转自己的论文库，成千上万个 PDF，生生转了 3 天。今天，一千篇带文字层的预印本论文，在我的电脑上一次批量处理，一分钟就完成了（扫描件则慢一些）。
它更强大的地方是知识编排：抓取一个实验室的全部 PDF，提取成 Markdown，翻译成中文，再给译文提取摘要。四步，我只需要输入一条命令即可。
成千上万篇文档，不管是 PDF、DOCX 还是网页，都能统一转成 Markdown，汇总成一个知识库。这个知识库还支持「知识编译」，能按我的「卡片大法」，把所有文档自动整理成术语卡、人名卡、新知卡等 11 种卡片；还支持「知识综述」，处理卡片之间的观点与事实冲突，并整理成我可以直接引用的格式。
大家想想看，这对我工作效率的提升有多夸张？
写匠：十年圆梦之旅。研发写匠的念头，早在 2013 年就有了。我想做一款更符合认知科学原理的写作软件，服务我的创作过程。我先后在 2015 年、2020 年组队做了两个大版本，都没达到我理想中的产品水准。
直到今年 AI 有了突破，我亲自上阵，终于研发出了一款理想中的写作软件。
写匠的强大，我难以形容，只说几点吧：
基于 Rust 与 GPUI 的原生架构，10 万篇文档的大型写作项目，也是秒开； 一亿字的全文检索，仅需 0.3 秒； 支持边写边看，实时渲染成出版级版式，300 页的书秒出精美 PDF； 支持无限版本保存、无限版本回退、任意版本对照； 支持自动保存，自动归纳你的写作习惯、常用术语与人名； 支持 50 余项写作实时统计，以及 20 多项 AI 工具。
我现在每天都用写匠冲刺我的大部头著作，心情简直太愉悦了！
Q4：三款软件，怎么联动起来？
活水 Markdown 能把 72 种格式转成 Markdown，导入写匠；写匠则负责排版，能处理极为复杂的版式，包括但不限于图表、公式、封面设计等。两者都可以接入活水模型，在本地完成处理。
再加上 Claude Code，你想到的文字与文档相关的功能，几乎都可以实现。比如，你可以直接告诉 Claude Code：请把写匠里的这张卡片导出为公众号样式的 HTML，然后推送到我的公众号后台。
前几天，Anthropic 递交了上市招股书。我用活水 Markdown 与活水模型把它译成中文，再用写匠排成一本中文书和一套图解幻灯，三款软件从头用到尾，全程零 token 费用。
这类联合使用的例子，课程中会有很多。
Q5：本地大模型能替代云端旗舰大模型吗？
不能，这是对本地大模型不切实际的期待。从参数规模来说，能在本地流畅运行的大模型，一般在千亿参数左右；而云端旗舰大模型则常常在万亿级别了。
机器翻译、语音转录、OCR、文本生成、语义检索，这些任务，千亿参数以下的本地大模型已经能做得不错。但复杂的编程项目、长时间自主运行的 Agent，需要更大规模的模型。本地大模型与云端旗舰大模型差距不小。
我自己算过一笔账。100 节课的录音转写与识别，2015 年大约要花我 3 万元，2022 年至少 3000 元；今年全部放在本地处理，一分额外的 token 钱都没花。
Q6：有没有现在就能用上的小技巧？
最重要的技巧：先把三款软件下载下来。
活水模型：https://42model.com 活水 Markdown：https://42md.cc 写匠：https://aiwriter.cn
接着，每款软件我各介绍一个马上用得上的小技巧。
活水模型：转录前先创建热词文件。
推荐用我改造的 qwen3-asr-plus:1.7b 这个模型做语音转录。转录之前，可以让 AI 帮你准备一个热词文件，转录会更准确。像「写匠」被转成「写将」这类错误，就能少很多。
活水 Markdown：使用批处理命令。
比如，你要把下载的 1000 篇预印本论文都转成 Markdown，可以输入 batch 批处理命令：42md batch ~/Downloads/papers -o ~/papers-md
batch 命令会根据你的电脑性能自动并发处理，速度更快。
写匠：在全屏模式下写作。
在「卡片编辑」区，点击全屏按钮，即可进入更专注的写作界面。你还可以在全屏模式下，点击「眼睛」图标，切换为双屏写作模式，左边写，右边实时预览出版级的排版效果。这样特别能激发写作欲望。
当然，这三款软件功能极为丰富，建议大家读一读官网的文档。
一起来，搭建你的 AI 生产力系统
用 42 天，在自己的电脑上，动手搭建你的 AI 生产力系统。
欢迎你，加入「AI 生产力实战训练营」首期内测，成为 AI 时代的创作者。■
首发特惠，72 小时有效
首发特惠，72 小时有效
首发特惠，72 小时有效
↙ 首发特惠，72 小时有效
