这两年，我已经把 AI 用进了不少工作。查资料时会用，讨论方案时会用，整理会议记录、修改文章、生成图片时也会用。单看每一次使用，效率确实提高了，有些过去需要几个小时完成的事情，现在可能只需要几十分钟。但用得越多，我越能感受到另一个问题。很多时候，我只是把原来的工作拆成了更多次和 AI 的临时对话。每次打开一个新窗口，还是要重新交代背景、重新整理材料、重新说明自己想要什么。上一次形成的判断，没有自然进入下一次工作；AI 生成了很多内容，我还多了一项工作：判断哪些值得保留，应该放在哪里。工具越来越多，工作方式却没有发生根本变化。这让我开始区分两件事：使用 AI，和拥有一条个人 AI 工作流，并不是一回事。我现在理解的个人 AI 工作流，不是把几个工具连接起来，也不是准备一套万能提示词。它应该是一条围绕真实任务建立的、可以反复运行的人机协作路径。在这条路径里，AI 知道需要什么背景，哪些步骤可以先做，什么时候必须把问题交还给我；我也知道自己应该在哪些地方判断，最终要留下什么结果。所以，这篇文章不准备推荐工具。我更想回答一个和自己有关的问题：在每周 5 小时的 OPC 实践里，我准备怎样建立第一条真正属于自己的 AI 工作流？
一、如果每次都从头解释，它还不是工作流
我过去使用 AI 的方式，大多是任务来了再打开工具。需要写一份方案，就把零散材料发进去；需要分析一个问题，就临时组织一段提示词；结果不满意，再继续补充要求。最后得到一份看起来不错的输出，任务结束，对话也随之结束。这种方式解决了当下的问题，却没有减少下一次工作的起点。下一次遇到类似任务，我仍然要重新寻找材料、重新说明背景、重新校准标准。如果换了一个模型或工具，还可能再适应一遍。这更像“临时请来一个很聪明的助手”，而不是一条稳定的工作流。真正的工作流，至少应该把几件事说清楚：什么情况出现时启动，它需要哪些输入，任务要经过哪些步骤，AI 和人分别负责什么，什么结果算完成，以及这次执行留下的东西如何进入下一次工作。如果这些问题没有答案，即使把五个工具连在一起，也只是一条自动化管道。工具链解决的是内容怎么流转，工作流解决的是结果为什么能够稳定发生。这也是我现在搭建个人 AI 工作流的第一个原则：先理解自己的工作，再决定怎样使用 AI。
二、起点不是“AI 能做什么”，而是“我反复在做什么”
AI 的能力变化很快，很容易让人从工具出发思考工作。看到一个新的 Agent，就想它能不能帮我自动写报告；看到一个知识库产品，就想是不是应该把所有资料导进去；看到别人展示复杂的自动化流程，也会产生一种紧迫感，仿佛自己的工作方式已经落后。但从工具出发，最后经常得到一套看起来先进、自己却很少真正使用的系统。对我现在的阶段来说，更合适的起点，是先找一项反复发生的真实任务。它不一定重要到需要一次性解决所有问题，但最好满足三个条件：经常发生，有相对稳定的输入和结果，过程里既有重复劳动，也有需要自己判断的部分。比如项目方案分析、客户需求梳理、会议准备、经营复盘、优先级判断，或者把一段工作经验沉淀成内容资产。这些事情已经存在于日常工作里，不需要为了使用 AI 再创造一个需求。判断一项任务是否适合作为起点，我现在会问一句：这件事，值不值得我和 AI 一起重复完成十次？如果只会发生一次，没有必要急着为它建设工作流；如果每周都在发生，每次又要重复收集、整理、判断和输出，那么它就值得被重新设计。
三、这组 OPC 文章，就是我的第一条工作流实验
回头看，我正在写的这组 OPC 文章，其实已经是一条尚不成熟的个人 AI 工作流。它不是从“让 AI 每周写一篇文章”开始的。真正的起点，是我在实践 OPC 时遇到的真实问题：我为什么要做一人公司？自己的利基市场在哪里？怎样低风险启动？管理经验能不能变成个人资产？这些问题来自我当下的处境，也决定了文章的核心判断不能交给 AI 代替。现在，一篇文章大致会经历这样的过程。首先，我从自己的实践和思考里确定问题，写下最初的判断、案例和想说的话。有时只是几段零散记录，并不完整，但它必须先有我的问题和立场。接下来，我会让 AI 帮助整理材料，检查结构是否成立，哪些地方存在重复，哪些判断缺少案例，读者可能在哪一步产生疑问。它更像一位不厌其烦的编辑和追问者，而不是替我决定观点的作者。然后，我重新选择和改写。哪些建议要吸收，哪些虽然正确却不符合我的真实处境，哪些句子过于顺滑、没有人的语气，都需要我自己判断。文章基本成形以后，AI 再帮助处理相对稳定的环节：检查标题和结构、整理 Markdown 排版、把文末方法转成工具画布，并生成与主题一致的配图。最后，文章发布出去，读者的反馈、我自己使用工具的结果，以及后续出现的新问题，再回到下一篇文章和下一版工具里。把它整理出来，大致是一条这样的路径：真实问题 → 我的初步判断 → AI 追问与整理 → 人工取舍和改写 → 内容与工具交付 → 外部反馈 → 下一轮更新这条工作流还很初级，也没有实现多少自动化，但它已经带来一个变化：每一篇文章不再只是一次孤立的写作，而是在更新同一套问题、判断和工具。AI 帮助我加快了过程，更重要的是，它开始参与一套可以重复和积累的工作方式。
四、真正要设计的，是人和 AI 的边界
一条个人 AI 工作流最难的地方，不是选择哪个模型，而是决定哪些事情交给 AI，哪些必须留给自己。如果分工不清，常见的结果有两种。一种是把任务整体丢给 AI。输出很快，也很完整，但内容和自己的经验没有真正关系，最后只能得到一份“看起来像答案”的答案。另一种是自己仍然完成所有关键步骤，只让 AI 改改文字、调调格式。这样当然也有帮助，却没有真正释放出人机协作的价值。我现在更愿意把工作分成三层。第一层是可以直接交给 AI 的工作，例如材料整理、格式转换、信息比较、初步归类、检查遗漏和重复生成。这些步骤相对稳定，结果也比较容易检查。第二层是适合人机共同完成的工作，例如定义问题、追问假设、比较方案、识别风险和提炼经验。AI 可以扩展视角、提供反例，我负责判断哪些信息真正适用于当前场景。第三层是必须由自己承担的工作，包括目标选择、价值取舍、关键判断、例外处理和最终责任。这些事情可能得到 AI 的辅助，但不能因为有了一个完整答案，就把责任一起交出去。把这三层分清以后，我对 AI 工作流的理解也发生了变化。它不是尽量让我退出工作，而是让我从重复操作中退出，把有限的注意力留给问题和判断。AI 不应该替我完成思考，而应该让我的思考进入更好的位置。
五、一条工作流不能只留下更快的结果
很多 AI 效率案例关注的是节省时间：一份报告从三小时缩短到三十分钟，一次会议结束后立即生成纪要，一组图片几分钟就能完成。这些收益很真实，但如果每次任务结束后什么都没有留下，下一次依然需要重新开始，那么效率提升很难形成复利。对于我的 OPC 实践来说，一条工作流至少要产生两类结果。第一类是当前交付。文章要能够发布，方案要能够讨论，复盘要形成下一步行动。没有实际结果，工作流只是自我欣赏的流程设计。第二类是未来资产。这次任务补充了哪些背景资料，形成了什么案例，验证了哪条判断，改进了哪份模板，又有哪些步骤已经稳定到可以继续交给 AI。仍然以文章工作流为例。完成第七篇以后，我不只得到一篇文章，还留下了“主要矛盾优先级判断五问”；完成第九篇以后，又留下了“管理者能力产品化画布”。这些工具可以进入新的场景，被使用、被质疑，再继续修改。于是，一次任务的终点，也成了下一次任务的起点。完整的闭环应该是：真实任务 → 人机协作 → 工作结果 → 资产沉淀 → 新场景调用 → 反馈更新好的个人 AI 工作流，不只是缩短一次任务，而是让每次任务都在增强下一次任务。
六、先运行十次，再考虑自动化
我也想过，是不是应该尽快建立个人知识库，配置多个 Agent，再用自动化工具把整个流程连接起来。但回到第五篇的判断：好的 AI 工具，应该从一段被验证过的工作流里长出来。工作流本身还没有稳定时，过早自动化，只会把错误的步骤固定下来。所以，我准备采用一个更简单的方式。先选定一项高频任务，把原来的处理过程记录下来。哪些步骤最耗时间，哪些地方反复返工，哪些信息每次都要重新寻找，先看清楚。然后只改造其中一两个环节，明确需要提供给 AI 的背景、输出要求和检查标准。每运行一次，就记录哪个地方仍然需要大量解释，哪个结果不能直接使用，哪个判断必须由我介入。连续运行十次以后，再决定哪些材料应该进入长期上下文，哪些提示可以固定成模板，哪些步骤值得连接，哪些地方必须保留人工检查。我关心的不只是节省了多少分钟，而是四个更实际的信号：输出是否更稳定，重复劳动是否减少，自己的判断是否更清楚，每次执行后是否留下了可以复用的东西。如果四个问题都没有改善，就算流程看起来再自动，也不是一条适合我的工作流。这也符合我每周 5 小时实践 OPC 的方式。不建设一套庞大的“个人 AI 操作系统”，先把一项真实工作做得更清楚、更稳定，也更能积累。
结尾
AI 工具会不断变化。今天最顺手的产品，明天可能被新的模型替代；现在需要手工完成的环节，过一段时间可能已经可以自动执行。如果个人 AI 工作流建立在某个具体工具上，它很容易随着工具一起过时。但如果它建立在真实任务、必要上下文、人机分工、判断节点和反馈机制上，工具变化时，我只需要替换其中一部分，而不必重新理解自己的工作。所以，我不会从“应该再学会哪个 AI 工具”开始。我准备先选一件自己反复在做的事，和 AI 一起认真完成十次。看清哪些步骤可以交出去，哪些判断必须留下，哪些结果值得沉淀，再逐步形成自己的工作流。个人 AI 工作流，不是把自己变成工具的操作员。它真正要改变的，是我如何设计工作，如何使用自己的注意力，以及如何让每一次工作都留下能够继续增长的东西。AI 可以不断升级，但真正需要持续升级的，是我自己的工作方式。
夜雨聆风
