前两篇文章发出来之后，有个许久没联系的朋友专门来找我。

他在一家上市公司工作，自己也是重度AI用户，每天用AI处理邮件、做分析、写方案。他说看完"个人AI操作系统"那篇之后，有很多东西想跟我当面聊聊。他自己也一直在琢磨怎么用AI进一步提升自己的工作效率，但隐约觉得似乎还有一整片区域是自己没碰到的。

我们聊了将近三个小时。越聊越发现一件事：他对AI的使用其实已经很熟练了，工具也试了不少，但所有的使用方式都停留在同一个层面上。不是不够深，是没有换过维度。

这次对话之后，有些一直模糊的东西变得清晰了。"用AI"看起来是一件事，但实际上至少包含三层完全不同的东西。三层之间的差距，不是工具熟练度的差距，是认知模式的差距。就像会开车和会造车都跟汽车有关，但从来不是同一件事。

▶ 第一层：对话

朋友的日常使用方式，就是典型的第一层形态。

打开对话框，输入问题或指令，AI给出结果。写初稿、改措辞、翻译、做总结、头脑风暴。说到底就是一问一答，人主动驱动，AI被动响应。

这一层的价值不需要多说。认真用起来，一个人的产出已经能比不用AI的人高出一个量级。大量的信息处理、文本生成、知识检索，都可以在对话中快速完成。

不过这里有一个很多人不知道的事。

现在一些第三方AI客户端，比如我们公司在用的Cherry Studio，表面上看是一个对话软件，能接入全球所有主流大模型，界面体验比官方产品好得多。但它真正的价值不止于此。它已经内置了知识库搭建的能力，可以让AI基于你上传的私有文档来回答问题；它支持MCP协议接入，让AI连接外部信息源和工具；它甚至能帮你搭建简单的Agent工作流。

一个把Cherry Studio用透的人，其实已经站在了第一层和第二层的交界处。算是1.5层的状态，日常办公80%的场景都能覆盖。

但大多数人打开它，始终只在对话框里打字。

这就是第一层的天花板所在：AI是被动的。你问什么它答什么，你不问它就安静。所有的驱动力、判断力、组织力都在你身上。AI的天花板就是你的天花板。

▶ 第二层：Agent

跟朋友讲到这里的时候，他的第一反应是：“那什么叫第二层？是不是就是用得更复杂一点？”

不是复杂不复杂的问题。是AI跟你的关系变了。

第一层，你问它才答。第二层，你给它一个目标，它自己想办法。

打个比方。第一层的AI是一个坐在办公桌前的顾问，你走过去请教，它分析给你听。第二层的AI装上了手脚，你说"把这件事办了"，它自己出门、自己找路、自己把活干完。

现在已经有不少产品在做这一层的事情。像OpenClaw，你可以让它去小红书上搜集某个品类的内容趋势，它会自己打开平台、自己搜索、自己抓取数据、自己整理成结构化的分析报告。像Hermes，你给它一个任务框架，它能拆解步骤并串联执行。

这些产品的共同特征是什么？AI不是在等你提问了，它在替你工作。你的角色从"提问者"变成了"指挥者"，从亲手做事变成了布置任务、验收结果。

这个跳跃释放出来的东西，远比时间更重要。是认知带宽。当你不需要亲自处理那些可以被拆解和执行的工作时，你的注意力终于可以放到真正值得你放的地方：判断优先级、识别模糊信号、在不确定中做决策。

全球AI行业今年有一个被反复提及的判断：2026年，AI正在从"你使用的工具"变成"你委派的队友"。这不是预言，是已经在发生的事。只是绝大多数人还没有意识到自己跟AI的关系可以不是一问一答。

▶ 第三层：系统

朋友听到这里说：“那你之前写的那个个人AI操作系统，是在第二层吗？”

不是。那是第三层。

第二层，你让AI帮你做事。第三层，你让AI帮你造一个能持续做事的系统。一个是执行单次任务，一个是搭建反复运转的基础设施。

如果说第二层是给AI装上了手脚，让它能跑出去办事，那第三层就是给AI装上了武器。它有了建设力和创造力。你不再是一个使用工具的人，你是一个建造系统的人。

这一层的典型状态是什么样？上一篇文章写的那些：记忆系统、知识库、MCP工具链、自动化工作流。这些东西搭好之后会持续运转、持续积累、持续进化，不需要你每次都从一个空白对话框开始。你的经验、判断、认知被结构化地存入系统，系统基于你的上下文来工作。

而这一层的核心工具形态，是coding。

不是传统意义上的"写代码"。Claude Code的创始人Boris Cherny说过，编程已经被AI解决了，写代码会变成像用Word一样的普通技能。你只需要知道你要什么，AI帮你把它实现出来。

在这种工作状态下，有一个很有意思的变化：你跟AI协作的产出物不再只是文字。它可以是一个网页、一个工具、一个可视化的系统。

这就是为什么HTML在这一层变得如此重要。

过去我们理解的HTML是"做网站用的"。但在AI coding的语境下，HTML是最强的表达载体。因为它能渲染视觉结构、能承载交互逻辑、能在任何设备上即时呈现。AI生成一份Markdown文档，你看到的是一堵文字墙。AI生成一份HTML，你看到的是有层级、有色彩、有导航的信息建筑。同样的内容，理解成本完全不同。

更关键的是，HTML让AI的产出从"信息"升级为"产品"。一份总结不再只是几段文字，它可以是一个有视觉锚点、有行动清单、有优先级标注的可操作界面。一份分析不再只是数据罗列，它可以是一个有图表、有对比、有钻取能力的仪表盘。

这种"随手造工具"的能力，是第三层区别于前两层的根本特征。你不是在消费AI的输出，你在让AI为你制造输出的容器。

▶ 三层之间

回过头来看这三层：

第一层，AI是助手。你跟它说话，它帮你干活。 第二层，AI是队友。你给它目标，它自己想办法。 第三层，AI是你的延伸。你用它来建造属于你自己的能力基础设施。

三层之间有一个规律：不能跳级。想从第一层直接跳到第三层的人，大概率会摔。因为每一层培养的是不同的认知模式。你得先理解AI对话的边界，才能有效地给Agent布置任务；你得先理解Agent的执行逻辑，才能想明白系统层该怎么设计。

但反过来说，停在任何一层都没问题。知道上面还有什么，比急着往上爬更重要。

今年有一个越来越明确的行业共识：在AI时代，上下文比模型本身更重要。一个拥有充分业务上下文的系统，能持续跑赢一个缺少上下文的更强模型。这也是为什么到了第三层，建设个人知识库和记忆系统变得如此关键。你沉淀进系统的认知和判断，就是别人复制不走的东西。

▶ 一个结尾

聊到快结束的时候，朋友说内容太多了，回去得慢慢消化。问能不能在微信上给他发一份简单的总结，把今天聊到的要点、他回去该装什么应用、先做什么后做什么，列个清单出来。

“你等两分钟。”

我们对话的全程我开了飞书妙计，三个小时的对话被完整转成了文字。我把这份记录丢进我的AI系统，附上一句话的指令：帮这位朋友做一份行动指南。

不到两分钟，一份HTML页面生成了出来。

不是一份干巴巴的文字总结。是一个排版精美的可视化页面：今天的对话被提炼成了几个核心模块，每个模块有要点、有判断、有他具体要做的下一步动作。颜色区分了优先级，关键结论加了高亮，底部还有一个按顺序排列的行动清单。

这就是HTML在系统层的真实价值。AI拿到的不只是三个小时的文字，而是在我的记忆系统和知识框架加持下，理解了这段对话的上下文、理解了朋友的背景和需求、理解了什么信息对他最重要。然后它把这些理解，渲染成一个任何人拿到手里就能直接行动的东西。

朋友看了很久没说话。

然后他说了一句：“这就是你说的第三层。”

对。这就是。

这是「AI营销进行时」的第三篇文章。上一篇：不会写代码的人，怎么搭出个人AI操作系统

本周token消耗量：约7.01亿。记录真实用量的参照。