夜雨聆风
上周在一个 AI 分享会上，听到一个清华博士生的分享，我人直接傻了。
这哥们清华电子信息博士二年级。一年级就把博士期间所有学分修完了，发了 7 篇 paper，满足了清华博士的毕业条件，导师认可并支持他创业。
更离谱的是，他同时在跑三个项目：
-
AI 教育公司：年营收几千万（他说“几千万”的时候还有点不好意思，后来解释说就是两三千万）
-
Agent 协作平台：刚注册，月营收已经做到百万
-
知识产权自动化：和清华校友合作，用 AI 自动撰写和校对专利
他说他能一个小时做出任何市面上的 Agent 产品，七天浮现任何你看到的 AI 应用。
我一开始以为又是一个技术吹牛的，但听完他的分享，我发现这哥们是真的在干，而且他的方法论完全颠覆了我对 Agent 的理解。
今天就跟大家聊聊，他到底是怎么做的。
一、别让 AI 替你做决策，让它成为“顶配版的你”
他说了一句让我印象特别深的话：
“AI 不是替你做决策的工具，而是让你每天都比昨天更不像昨天的工具。”
这话听起来很抽象，但他接着解释，我就懂了。
很多人用 AI 的方式是：我有个问题，打开 ChatGPT，问一下，得到答案，然后关掉。下次遇到类似问题，再问一遍。
这种用法，AI 永远是个外部工具。
他的做法完全不同。他把 AI 当成“顶配版的自己”在培养。
什么意思？
他说，他第一段创业的时候，带着一帮清北的兄弟，发现一个问题：很多时候他的决策是对的，但团队成员没办法理解他的思维逻辑，也就没办法做出同样质量的决策。
怎么办？
他把自己日常的言行、思考过程全部录下来，转成文本，然后让 AI 提取他的思维逻辑。
提取出来之后发现，这些思维逻辑其实都是已经存在的经典框架：
-
马斯克的第一性原理
-
奥卡姆剃刀原理（如无必要勿增实体）
-
其他一些决策模型
他举了个特别实在的例子：他们做了几千万营收，一个办公场地都没租，全程在学校，全程线上。
有客户来的时候很惊讶：“你场地呢？就两个工位？”
但他的逻辑很简单：租场地的必要性是什么？如果客户因为我没租大平层就不跟我合作，那我们也在双向选择他。
这就是奥卡姆剃刀——如无必要，勿增实体。
所以在他的认知里，Agent 不是替他做决策，而是让他的每一个决策都接近“顶配版的自己”。
二、三层架构：把自己当成 Agent 去进化
他的核心方法论叫 Self-Involving Agent Harness（自进化 Agent 架构）。
听起来很复杂，但他把它拆成了三层，翻译成人话就是：
第一层：工具层（你的思维框架）
这一层是你的“大脑操作系统”。
他不只提取了自己的思维模式，还把马斯克、马云这些人的思维模式也提取出来，做成 Skill。
怎么提取？
找他们的演讲、访谈，全部转成文本，扔给 AI，让它把这些人的思维范式提取出来。
然后当你在创业过程中遇到问题的时候，就可以调用这些 Skill，用这些已经拿到结果的人的思维方式去解决问题。
这就是工具层——你的思维框架和元认知能力。
第二层：数据层（你的上下文）
光有思维框架不够，你得给它足够的上下文。
他在本地根目录下建了一个文件夹，里面放了：
-
个人档案：我叫什么，多少岁，在清华读书
-
OKR：三年内要实现多个项目组合达到一个亿的营收
-
思考日志：每天晚上睡觉前，记两句话就行，不用很详细
-
项目概况：现在在做什么项目，遇到了什么问题
-
日常言行：录音转文本
他说，AI 有个特点，你给它几句话，它真的就能理解了。
这就是数据层——你的真实上下文。
第三层：沉淀层（错误复盘）
这是最关键的一层。
每次 AI 帮你做决策，不管对错，都要回写。
一周或一个月复盘一次：当时你帮我这样判断其实是错的，后来我发现那样才是对的。
系统越用越厚，它越来越像你，最后你就变成它了。
他说：“如果你的思维框架非常牛，数据又是真实的，都是你每天的上下文，然后你又沉淀出来每一次好的坏的决策，那其实他就是你，你就是他。”
“人会忘，但数据层不会。”
三、长流程可靠性：让 Agent 吃一堑长一智
很多人做 Agent 产品会遇到一个问题：短任务还行，一旦任务链路变长，Agent 就开始不听话了。
他说，他能一个小时做出任何市面上的 Agent 产品，但如果是复杂系统，回家一跑发现在长任务周期里它会出错。
怎么办？
他用了一个 postmortem（事后检查）机制。
每次跑完一个复杂系统，扫描一遍：这一整个流程到底有什么错误？出现了什么问题？
然后跨次归因：这个错误是不是在你的任务里反复出现？
如果反复出错三次，就把它落盘到更严格的 Harness 层——升级为固定的 Python 代码级别的检查。如果没有达到目标，就不让你过。
这就是让 Agent 吃一堑长一智。
他说，这套架构是量化的，整个自进化是这样闭环的。
四、一个小时做出任何 Agent 产品？
听到这里，我有点不信。
一个小时做出任何市面上的 Agent 产品？这不是吹牛吗？
但他接着说：他昨晚做了一篇 paper，效果达到 SOTA（当前最优）。
他展示了一张图，蓝色虚线是理论级别的最好性能，他们提出的方法已经接近这条线了，远超其他传统算法。
他说：“现在做自动化科研，是真真切切能为人类科学边界做出贡献的。而且我能保证机器做出来的东西比人做出来的更可信。”
这不是吹牛，是真的在用 Agent 推进科研边界。
五、把马斯克、马云的思维模式装进你的 Agent
他提到一个特别有意思的做法：
他不只提取自己的思维模式，还把马斯克、马云这些人的思维模式提取出来，做成 Skill 包。
怎么做？
找他们的演讲、私人访谈，全部转成文本，扔给 AI，让它把这些思维范式提取出来。
然后当你在生活中、创业过程中遇到问题的时候，就可以调用这些 Skill，用这些已经拿到结果的人的思维方式去解决问题。
这个思路太牛了。
相当于你可以随时调用“马斯克模式”或“马云模式”来看待同一个问题，然后综合判断。
六、三年后，十人公司不再罕见
他说了一句让我印象特别深的话：
“三年后回看，十人公司不再罕见。”
注意，他说的不是“一人公司”，而是“十人公司”。
为什么？
他说：“真正创过业的人会发现，OPC（一人公司）其实有些不太合理。因为确实一个人没办法做那么多事。营收达到 1000 万的时候，你的财务你还管吗？”
所以他的判断是：一人主导的十人以内的百万级营收项目，会变成常态。
而创业者的第一核心能力，应该是 Harness 设计能力。
什么是 Harness 设计能力？
就是你能不能设计一套系统，让 AI 按照你的思维方式去运转，让它越来越像你，最后成为“顶配版的你”。
七、记录决策链路，不是知识本身
他还提到一个特别重要的观点：
不要记录知识，要记录决策链路。
什么意思？
比如你做一个视频频道，把每篇文章记录下来，当然有用，但不是最有用的。
更有用的是什么？
记录你发了这篇文章之后，平台反馈的数据是什么，你当时心里的认知感受是什么。然后下一篇你做了什么改进，又得到了什么反馈。
把你的决策链路、这些知识的过程记录下来。
不是知识本身，而是你如何做决策、如何根据反馈调整、如何一步步优化的整个过程。
把 SOP 记录下来，加上每个节点的反馈。
这个观点和我之前写的《先出来，再说其他》里李超的观点一模一样。
在 AI 时代，知识本身不值钱了，因为 AI 什么都知道。值钱的是你的判断、你的品味、你的决策过程。
八、人机一统：你和系统一起进化
他最后总结的时候说：
“Self-Involving 到底在 involve 什么？不是 AI 在 involve，不是我在 involve，而是你个人加上整个系统作为一个整体，一起进化。”
这才是人机一统的境界。
很多人把 AI 当工具，用完就扔。
但他把自己当成 Agent 去进化——每天记录、每天复盘、每天让系统更懂你。
系统越用越像你，你也在这个过程中变得更清晰、更理性、更接近“顶配版的自己”。
九、我们能做什么？
看到这里，你可能会想：这哥们是清华博士，技术这么强，我一个普通人怎么搞？
我的建议是：别想着一步到位，先从最简单的开始。
1. 建一个本地文件夹
在你的电脑上建一个文件夹，开始记录：
-
你的个人档案（基本信息、目标）
-
你的思考日志（每天睡前两句话）
-
你的项目概况（在做什么，遇到什么问题）
-
你的日常决策（为什么这样选择）
2. 提取你的思维模式
把你做得好的决策，让 AI 帮你分析：我当时用了什么思维框架？这个框架能不能复用？
慢慢地，你会发现你的决策模式。
3. 记录决策链路
不要只记结果，要记过程：
-
我做了什么决策
-
当时的判断依据是什么
-
结果如何
-
如果重来我会怎么做
4. 让系统越来越懂你
每次用 AI 的时候，给它足够的上下文。不要只问“帮我写个方案”，而是告诉它：
-
我是谁
-
我在做什么
-
我的目标是什么
-
我的风格是什么
系统用得越多，就越懂你。
写在最后
这次分享给了我很大的启发。
不是因为他的技术有多牛，而是因为他展示了一个全新的视角：
把自己当成 Agent 去进化。
AI 不是替你做决策的工具，而是帮你成为“顶配版的自己”的系统。
在 AI 时代，真正的竞争力不是你会用多少工具，而是你能不能设计一套系统，让 AI 按照你的思维方式去运转，让它越来越像你。
三年后，十人公司不再罕见。一人主导的十人以内的百万级营收项目，会变成常态。
而创业者的第一核心能力，是 Harness 设计能力。
先出来，边做边说。
把自己当成 Agent，每天都比昨天更不像昨天。
关于作者
黄唐，正在用 AI 重构个人知识管理系统，记录从传统工科到 AI 产品经理的完整转型路径。如果你也在探索 AI Native 产品的可能性，欢迎交流。