夜雨聆风最近两个月开始深度使用AI agent，在此之前我只接触过chat类的AI工具，像是ChatGPT老师，kimi老师，豆老师之类的。
这些老师们是好用的，但是局限也很大，基本上只能基于联网搜集整理资料，更像是知识库/百科全书问答+定向讲解。这种模式也限制了我对AI工具能力的想象：好用，但是有限，AI也就那样。
后来我开始使用agent，天！直接上头，每天一睁眼就是蹬。
阶段一
一开始，我深深地陷在了各种skill和agent配置里，今天看到一个新skill，明天看到一个workflow，后天又发现一个必备agent.md。每天穿梭在小红书、youtube和Github，下载安装各种技能，优化agent配置。那段时间经常熬夜，非常疲惫。
那个阶段很兴奋，非常容易上头。原本我是想用 AI 解决问题，后来却变成了追逐工具本身，想着多研究几个工具搭建一些复杂流程，这样后面就能更好施展AI的能力。
但 AI 的迭代确实太快了。很多时候，我还没来得及深入使用搭起来的东西，就又看到新的更新，于是又投入到下一轮工具迭代里。
但慢慢地，我发现不对劲，装skill和配置工具本身不应该成为目标。
阶段二
当我发现 AI 真的能帮我做很多事之后，我开始产生一种“我强大到可怕”的幻觉（对于从来没有真正拥有过自己认可的能力的人like me来说，是这样的）。好像以前做不到的事，现在几行命令就能实现：写代码、做产品、写文章、学技能、做投资研究，everything！
在这种强大的迷幻效应下，我变得非常贪心。什么都想做，什么都想试，什么都想让 AI 帮我完成。
于是景象就变成：我时刻守在电脑前，像一只工蜂不停地穿梭在不同的窗口之间，批准它们的权限，按照提示的prompt进行下一步。但是随着越来越多的文档和代码被写出来，我开始有点恍惚，感觉自己变成了AI的牛马，每天的工作是检查AI生成的东西对不对，以及不断的推进AI往下走。没有目标，不知道为什么开始，也不知道在哪里结束。
我开始意识到，我和 AI 之间必须有边界，规定好哪些是我应该做的，哪些是AI完成的。
比如投资。最开始我沉迷于蒸馏投资大佬，希望可以得到一个电子永生版巴菲特时刻指导我的投资决策。但是在经历过无数个夜晚的N轮蒸馏之后，我发现这件事就是俩字：妄念。
（至少现在）AI 并不能给你生成一条捷径：告诉你一个股票代码，然后直接操作。
这改变了我对蒸馏skill的思考。AI 很适合搜集和整理材料，然后基于语料提炼出框架。但不能把投资的判断权交给它，不能幻想让它去学习投资方法，然后我等着从它那里拿答案。
如果投资决策是一个模型，各种公司、行业、市场就是一个个变量。如果依赖AI的决策，就等于是在这个本就复杂的模型上又多增加了一个变量，确定性会下降。因为我不仅要判断公司，还要判断 AI 的判断是不是可靠。
阶段三
我放弃了如何打造更厉害的agent，转向问自己：我有没有更厉害？
所以我开始和AI明确边界：知道自己要解决什么问题，知道哪些事可以交给它，哪些事必须自己承担。在这方面AI真的是非常完美的搭档，它没有情绪和价值判断，拥有强大的执行力和海量知识。我可以毫无负担的问它任何小白问题，接受它作为资深专家的手把手指导。现在我也越来越喜欢让 AI 反过来问我问题，这个过程中它可以帮助我不断的清晰目标，检验逻辑，查找和补全漏洞。
同样拿投资来举例，AI做的是把大佬的思想打造成适合我的课程，帮我学习投资的方法论，大佬经典投资案例背后的逻辑，如何分析公司，如何估值，如何考虑风险，……
在这和agent交互的过程中，它会帮助我暴露思想的误区，核验我的分析链路，倒逼我把逻辑讲清楚。
现在我再做这类 skill，不再追求一步到位。它更像一个和我一起学习的循环，在自己理解知识的同时，沉淀和迭代：
明确skill的目标，基于目标选择对应的语料投喂。 先用生成的skill做一次完整的分析。 然后再和拆解框架，分小块和 AI 一起打磨实际案例分析中遇到的问题。 让AI基于案例打磨的learnings优化skill，同时沉淀版本之间差异用于后续的案例分析。 再使用优化过的skill分析新的案例，重复上面的迭代过程。
所以最新版本的感悟是，AI 不能替代我做决定，而是让我更有能力做决定，决策和承担责任，还是自己的事情。
最后感谢AI和伟大的时代，让我们能更容易的成为自己想成为的人！
