夜雨聆风
「10 倍」是骗你的。
但有 5 件事做对，2 倍是真的。
先说一句不爱听的话
每隔一段时间就有人问我：
「AI 这么厉害，普通人到底怎么用才能 10 倍放大自己？」
坦白讲，我每次听到这个问题都有点犹豫。
不是问题不好。
是「10 倍」这个词，本身就是一种话术。
它来自硅谷的「10x engineer」概念，本意是描述那些产出明显高于同行的工程师。后来被搬到 AI 时代，变成了一种营销口号。
「用 AI，让你的产出 10 倍。」
但你真的去算一下：
周报 30 分钟变 5 分钟，6 倍。 长报告 1 小时变 5 分钟，12 倍。
每件事都能算出 10 倍。
但一年下来，你的总产出真的变成 10 倍了吗？
诚实回答：基本没有。
因为节省下来的时间，都花在了「下一步做啥」和「这结果对不对」之间。
真正放大能力的，不是工具变快了。
是你利用 AI 之后，有没有把判断力、长期记忆、和工作流也跟着一起放大。
工具是杠杆。
你是支点。
杠杆再长，支点不动，也撬不起来。
下面这 5 件事，是我自己反复在做的事。
不是 10 倍秘籍。
是 5 个让支点稳一点的方法。
第一件：给 AI 写一份「你是谁」
我观察过身边一堆人用 AI 的方式。
他们每次打开 Claude 或 ChatGPT，都是从零开始。
「我是一个产品经理，我们的项目是……」
打完这一段，AI 才知道你是谁。
但你下次开新对话，你又得重新打一遍。
一年下来，你浪费的不是时间。
是「让 AI 重新认识你」的那一段心智成本。
正确的做法是写一份给 AI 看的「自我介绍」：
- 我是谁：
职业 + 行业（比如「电商运营」、「3 年产品经理」、「初中数学老师」） - 我每天主要在做什么
（比如「每周写 5 篇小红书」、「每天回 50 条客户消息」） - 我做的东西给谁看
（同事 / 领导 / 客户 / 读者 / 学生） - 我喜欢什么样的回答
（短一点还是详细一点、口语还是正式、要不要带步骤） - 我不喜欢什么
（比如「不要套话」、「不要加免责声明」、「不要解释我已经懂的东西」）
把它存在一个固定位置。先放在一个笔记里也行。每次开新对话，把这份「给 AI 的个人说明书」贴进去。
不同工具的入口不太一样。
国产工具：
- 豆包 / Kimi / 通义千问：
都有"智能体"功能，创建一个，把这 5 条写进"角色描述" - DeepSeek：
暂时没有持久化入口，先存备忘录里，每次开新对话粘贴
如果你用的是更偏专业的开发者工具：
Claude Code 叫 CLAUDE.mdCodex 叫 AGENTS.mdCursor 叫 .cursorrules
但本质都是一回事。
让 AI 不需要每次都重新认识你。
这一件事，对普通人的杠杆是被严重低估的。
它把「每次开新对话需要 10 分钟解释自己」压缩到 0。
省的不只是时间。
是你不用再在脑子里重新过一遍"我是谁、我刚才在干嘛"。
第二件：把反复做的事，写成一个 skill
什么意思？
如果你每周都要写一次周报，写法是固定的。
那就不要每次都临时跟 AI 说一遍：
「帮我写周报，语气不要太夸张，结构要清楚，要有下周计划……」
这不是在用 AI。
这是在反复给 AI 做入职培训。
更好的做法，是把「周报怎么写」这件事写成一个 skill。
skill 里写好：
周报的固定结构（这周做了什么、下周计划、风险） 你的语气偏好（克制、不夸张、不汇报式） 你已经踩过的坑（「不要把'已完成'和'待完成'混在一起」） 输出格式样例
写一次。
以后每次说「帮我整理本周周报」，AI 自动按这套跑。
你把一件反复发生的事，从「每次重新沟通」，变成了「一次想清楚，以后重复调用」。
比如我是产品经理，我会把「怎么写一份 PRD」做成一个 skill。
里面不只是放模板。
还会放我的判断标准：
用户故事要写到什么颗粒度 哪些地方不能只写「支持」「优化」「完善」这种虚词
以前我每次写 PRD，都要重新想一遍结构和验收口径。
现在把需求背景丢进去，AI 自动按这套标准搭出第一版。
你不再只是让 AI 替你干活。
你是在把自己的判断，封装成一个可以反复调用的系统。
判断稳定的事，越多越值得做成 skill。
第三件：看「修改痕迹」，不只看 AI 的总结
这一件事最容易被忽视，但代价最大。
AI 给你写完一份东西。
它会附上一个总结：「我帮你修改了 X 部分、补充了 Y 内容。」
你看一眼觉得挺好，就用了。
但 90% 的总结是真的。
剩下 10%，AI 在你看不见的地方做了你没要求的修改：
删掉了一个你需要的判断条件 改写了一个不该改的关键句 顺手「优化」了一段其实没问题的内容
你不知道。因为它没告诉你。
正确的做法是：
让 AI 输出「修改前 / 修改后 / 为什么改」的对照表，看它到底动了哪里。
不要只听它汇报。
这一件事的杠杆不在「加速」。
在「保护判断」。
AI 最大的问题不是做得慢。
是它替你做了一个你没意识到的判断。
你表面上省事了，实际上把判断悄悄交出去了。
第四件：让 AI 帮你建一个「个人知识库」
这一件事是我这两年最大的收获。
普通人最稀缺的资源是什么？
不是时间。
是「自己读过的、想过的、踩过的坑」的有效存档。
你读过一篇文章，过一周忘了。
你想过一个判断，过一个月忘了。
你踩过一个坑，过半年又踩一次。
AI 不会替你记。
但 AI 可以帮你结构化地记。
具体怎么做？
选一个你熟悉的工具：Obsidian、Notion、备忘录都行 读到值得记的内容，让 AI 帮你做摘要 + 关联现有笔记 想到一个判断，让 AI 帮你写成独立笔记 踩坑了，让 AI 帮你写「以后遇到类似情况怎么办」 建议用 Obsidian + llm wiki，亲测非常好用，教程跟着Karpathy用 AI 搭一个不会烂尾的第二大脑）
时间一长，你会拥有一个只属于你自己的知识网络。
里面是你的判断、你的经历、你的踩坑记录。
AI 调用这套数据回答你时，质量会高出几个数量级。
因为它不再是「猜一个普通人想要什么」。
它是「按我这个具体的人想清楚了的东西」在工作。
第五件：判断哪些事不该让 AI 做
最后一件事最重要。
但这件事跟前面四件反着来。
它不是让你更多地用 AI。
是让你知道在什么时候，不该用 AI。
哪些事 AI 不该做？
- 真实的第一手观察：
亲身体验、亲眼看过、亲耳听过的事 - 核心判断：
要不要做某件事、对人对事的立场 - 真实的情绪记忆：
你愣住的那一秒 - 关系里的事：
跟具体的人说话、处理冲突
这些事 AI 做不好。
不是它不够厉害。
是这些事的本质，是「只有你自己能做」。
AI 替你做了，你就把判断丢了。
丢得多了，你以后只能继续依赖它。
依赖到最后，你变成了 AI 的延伸。
应该反过来才对。AI 是你的延伸。
真正的 10 倍在哪里
回到开头那个问题。
如果你做对了上面 5 件事：
短期看不到 10 倍。
每件事单独的杠杆，可能只有 2-3 倍。
但叠加起来，时间一长，差距会拉开。
而且最重要的不是产出 10 倍。
是「你的判断力 × 你的长期记忆 × 你的工作流稳定性」一起被放大。
工具放大的是产出。
这三样放大的，是你这个人。
AI 最好的用法，不是替代自己。
是训练一个更高级的自己。
它帮你写，不是为了让你永远不会写。
它帮你分析，不是为了让你失去思考的肌肉。
最好的状态是：你每用一次 AI，自己的判断和结构化能力也跟着变强一点。
最后
工具是杠杆。
你是支点。
支点不动，杠杆再长也撬不起东西。
所以下次有人跟你说「用 AI 让你 10 倍」。
你可以反问一句：
「放大的是产出，还是我？」
如果是产出，那是工具问题。
如果是你，那是 5 件事的问题。
所以，今天真的想开始，不用搞得复杂。
只做三步：
写一段「给 AI 的个人说明书」：我是谁、做什么、讨厌什么废话 挑一件你每周都会重复做的事（周报、会议纪要、客户跟进都行），写成一个 skill 下次让 AI 改东西后，看它到底动了哪里，不要只看它的总结
这三件事做起来都看着不起眼。
但很稳。
不要追 10 倍。
追「我这个人在变得更稳」。
变得更稳的人，时间会替你 10 倍。
对了。
如果你这两天准备试试，告诉我你从哪一件开始。
或者你已经在用了，有什么摸出来的小习惯，也留个言。
我自己也在收集。看一条别人怎么用的，常常比闷头琢磨有用得多。
下面留的每一条，可能正好是另一个还在犹豫的人的入口。
如果你喜欢今天的分享，也许你也会喜欢：
提示词工程师已经过期了：未来 3 年真正成型的 6 个 AI 新职业
Opus 4.7 六招上手：Claude Code 负责人自用两周，给出来这 6 条建议
从 Prompt, Context 到 Harness，AI 工程真正来了
交流/咨询/围观朋友圈（备注AI）：
