AI 时代你需要立刻去做的三件事情:第一件事,马上停止使用豆包、DeepSeek 这类聊天式 ;第二,立刻积累及的个人语料实现自动进化

AI 时代你需要立刻去做的三件事情。

第一件事：马上停止使用豆包、DeepSeek 这类聊天式 AI 工具。

不是说它们不好。DeepSeek 很强，豆包的母公司人才密度也非常高。

问题在于——如果你用的是 DeepSeek 网页版、豆包的客户端或网页版，你没办法很好地积累你的语境和记忆。

豆包虽然有记忆功能，但这个记忆功能非常薄弱。

它记录两类内容：一是自动识别的，二是你主动告诉它要记的。

但自动识别的内容不会展示出来——你没办法审查，没办法修改，根本不知道它记得准不准。

总之，豆包的记忆功能是不够强的。

DeepSeek 的网页版呢？它根本没有记忆功能。

每一次对话，如果你要让它做复杂任务、或者带工作流的任务，你都得先把提示词从头灌给它——非常浪费时间。

所以，用好 AI 的第一步，就是停止使用豆包、DeepSeek 这类上一代 chatbot 产品。

那应该用什么？

应该用真正的 Agent 超级智能体。比如 Codex、比如 CloudCode。

国内也有——像 Workbody，它也是类似于 Codex 的存在。

这类超级智能体的核心，是它能够直接控制软件所在的电脑：创建、读取、修改你本地的文件。

同时，它还支持创建 Skill，内置 MCP，你也可以自己创建 MCP。总体上，它是一个 Harness 的概念。

我之前讲过，Harness Engineering 是今年年初整个 AI 领域推进到现在，提出的一个非常贴合发展现状的概念。

像 Workbody、Codex、CloudCode，本质上就是一套 Harness。

第二件事：疯狂去创建属于你自己的一百个技能。

这些技能，包括你工作中涉及的流程，也包括你生活中处理问题的独特方式——把它们整理成一个个 Skill。

为什么要一百个？因为做 Skill 要颗粒度非常细，一件小事就是一个 Skill。

颗粒度细了之后，你会发现，生活和工作林林总总加起来，大几十个、甚至接近一百个，是很自然的事。

你不用担心一百个 Skill 提交给 AI 会让上下文爆炸。

首先，现在 AI 的上下文已经足够了——200K 上下文对很多大模型都能做到。

同时，Skill 的机制叫渐进加载机制——每个 Skill 注入到系统提示词里的信息极少，它只注入「元信息」：Skill 的名称，以及触发条件。

有了大量这样的技能之后，你会发现 AI 变得非常好用。

因为这些 Skill 完全围绕你自己的思维特点、工作岗位、工作流程来创建，你使用的时候就会感到特别顺滑。

你提一个问题，它触发的 Skill，完全跟你的背景信息相贴合。

第三件事：立刻创建你的记忆系统。

记忆系统，是今年 AI 圈发展的一个最主要的方向。

它的好处，有点类似于个性化的 Skill——在回答你任何一个问题时，它都会去参考：

你的职业是什么、兴趣爱好是什么、过去做了什么、接下来要做什么。

这些个性化的信息，会注入到每一次对话当中。

好处是什么？

AI 的回复就有针对性，贴合你自己的特点。

而不是像你用 DeepSeek 网页版那样，都是泛泛地回答——回答得不错，但没那么能贴合你的情况。

记忆系统解决的就是这个问题。

最关键的一点：记忆系统有一个飞轮效应。

你开始给分层记忆系统注入个性化信息之后，它处理问题、处理项目、处理任务、处理对话时，都会去参考这些内容。

得到的答案和方案，都是高度个性化的。而这些个性化的方案、方法和答案，又可以存回记忆系统里。

这是一个非常重要的飞轮。

一旦这个飞轮建立起来，随着时间推移，你会发现你的 AI 越来越好用，你简直离不开它。

你说任何一句话，你都会发现它特别懂你。

这也是为什么要建立记忆系统——关键就是尽快形成个人化记忆系统的飞轮，非常非常重要。

形成飞轮之后，你就能形成复利。

而复利最重要的一点是：你开始得越早，领先的时间，就会通过复利积累，变成你的个人优势。

如果这篇文章对你有启发，欢迎分享给身边还在用聊天式 AI 的朋友。

越早开始构建自己的 AI 系统，复利优势越大。

汇聚最新的、来自世界各地的AI实践案例，并萃取经验。

后台回复【AI落地案例】获取案例库、申请加入学习群。

大家有没有发现，大部分领导者没有足够的胆识去做这个决定。因为AI会侵蚀毛利率，改变定价模式，蚕食现有收入。这很痛苦，但不做更痛苦。