夜雨聆风第一句：长长文，长期刷抖音 reels shorts 微信短视频 等等 导致attention退行的伙计们劝退。
然后跟公众号的读者说一声抱歉。上次更新还是一年前。有点丢人了。为什么这么长时间没有更新？因为过去这一年，变化实在太大，太忙，太忙，太太忙。
其中很重要的一个原因，就是 Agentic AI (Codex、Claude Code、Kimi Work、WorkBuddy 等等等等) 出现了。我本身作为资深科研牛马，手头的事情已经够多；再加上我对 Agent 这件事情又实在太好奇，以至于这一年多的时间基本完全投入到忘我的工作中。直到前两周终于放暑假了，歇了一会儿，我才重新想起来：这个公众号是不是也应该捡起来了？脑科学、心理学和我们自己的研究以后当然还会继续写。只是从这一篇开始，我也想多加一条过去一年真正改变我工作方式的内容：AI是怎样进入科研、项目管理和日常决策的。
一点都不夸张地说，过去一年是我科研牛马生涯这么多年来，感觉变化最大的一年，甚至可以说是一个完完全全的paradigm shift。起因就是Agentic AI的出现. 关于Agentic AI使用的宏观一点的讨论，我们以后可能还会重新回来讲。很多人很激动，很多人很害怕，有很多人很彷徨。但是我们今天只讲一点，讲一个具体一点的事情。那就是有了 Agent 以后，我就开始老琢磨一个事儿：
我们能不能用 AI，重新搭建一套管理所有项目的方式？
为什么要用AI干这个呢，虽然我一直在给我自己的笔记软件 Roam Research 交钱，但是有一个问题一直在困扰我：
我们已经记了这么多东西，为什么还是不知道接下来该做什么？
我们最常见的用笔记来管理工作项目流程的方式，不外乎这么几种。
第一种，是用一个小本子，把每天做过的事情按照日期手写下来。然后没事，回头翻一翻。
第二种，稍微数字化一点，是在每天记完以后把内容转录到Word，或者更专业一点的 Obsidian、Roam Research、Notion 或其他笔记软件里。
再高级一点，是再进一步：自动转录、自动归档、建立双向链接，再加上一套精心设计(根本不用)的标签系统。甚至还有网络，比如下面这个是我的Roam的一个切片，炫不炫，酷不酷？！讲真，可能是我水平不够吧，我每次都只看看。。。
我原来用Onenote，后来换成Obsidian，然后一个月15刀用了很多年Roam。它们非常善于帮我们保存过去写下来的信息。但不管采用哪种方式，最后往往都会发生同一件事情：我们积累出一个庞大到令人恐怖的笔记库。所有东西似乎都在那里。每天做过什么在那里，读过的材料在那里，会议记录在那里，Brain Storming想到的脑洞也在那里。问题是, 虽然有这么大一堆东西
我们不知道我们应该拿这些笔记来干什么💀
我从自己的工作中发现这套传统方式主要有三个问题。
第一，项目理解是碎片化的
尤其是同时推进很多项目时，我们对一个项目的理解往往被压缩成自己手写的一两句汇报，错别字还一堆。具体材料可能散落在代码、文本、照片、聊天记录和不同文件夹里。这样的话，实际项目内容和笔记之间的漂移概率就非常高。一旦离开当时写下那句话的语境，它到底依据什么得出的，常常就很难继续考证。走着走着就走偏了。
第二，项目之间的关联经常流于表面
传统笔记软件很多半都基于建立链接和标签在小卡片之间建立联系。但很多时候，这种联系仍然是我们人为加上去的：这篇笔记属于“写作”，那篇属于“项目管理”，另外一篇再打上“AI”的标签。这些标签能帮助搜索，却不等于系统真正理解了不同项目之间更底层的关系。也没办法去验证。
第三，记录下来的内容很难被深度复用
记了一大堆东西以后，我们经常不知道应该怎样重新利用它们。
例如，我可能想回头看看：过去几个月的工作量发生了什么变化？我做的工作性质有没有改变？原来写在计划里准备投入精力的项目，和实际完成的事情之间有没有发生漂移？如果我同时做三十个项目，哪些项目已经很久没有推进？
仅仅依靠传统笔记库，这些问题往往很难回答。即使可以，追溯的人工成本也很高。
当然，现在已经有很多MCP工具可以和 Obsidian、Roam 或其他笔记软件结合，帮助我们搜索和总结。但在我的使用里，真正的问题并不只是“能不能把旧笔记再总结一遍”。
更核心的问题是：这套系统有没有足够的上下文 Context，知道每个项目现在到底处于什么状态？它给出的总结，又能不能回到真实的项目内容进行核查？
图 1 ｜ 传统笔记库保存了大量历史信息，但难以回答项目当前状态、跨项目关系和后续行动。
我决定把“项目事实”和“注意力管理”分开
上面这些问题揭示了一个非常核心的区别。
传统的笔记库，非常善于记录我们过去做了些什么，以及一个项目里面曾经出现过哪些内容。但它们很难持续审计并告诉我们：这个项目现在处于什么状态？已经得出了什么结论？还有什么问题没有解决？下一步应该做什么？
所以，在经过了很多尝试、使用了各种 AI 插件以后，我有一天茅塞顿开🔥，我意识到传统笔记的架构注定了这些问题没办法被解决，于是我就打算重新构建一个 AI Native 的项目管理系统。
这个系统本身需要什么呢？第一件事，非常简单，首先就是需要一个 coding agent。它可以是 Codex、Claude Code，也可以是 WorkBuddy、Kimi Work，或者是类似的其他产品。然后可能相对地，我们还要有对应的 token 就可以了，无论是 API 还是订阅 (氪金)。当然，你如果不用这些，可能得联系我再写一篇文章说服你。:P
你需要的不是某一个特定AI品牌，而是一个能够在明确权限下读取和更新本地项目文件的Agent。模型不一定要最贵，从几块钱rmb的的kimi/minimax api到一个月两百刀的Fable 5都行，关键是它能够看懂文档代码图片，遵守文件契约，并把更新写回可追踪的状态文件。
第二个需求就是我们要有确定在工作的项目。比如说一个文件、一个文件夹，要完成一份工作。这个做牛马的人一般都有吧？如果你做领导，管理100个项目有这么些文件夹，有据可查，也方便不少不是吗？
然后我们这个项目最核心的架构，其实就只有两层
第一层，是每一个具体项目本身。
我们的写作、代码分析、经费申请，甚至财务管理，健身计划，家务，打游戏升级计划 (Agentic AI助能的策越游戏升级有人有兴趣我也愿意讲讲🥳)，等等等等，都分别留在自己的项目文件夹里。每个项目保存属于自己的材料和事实，例如代码、文本、当前结论、工作记录、产生的 artifacts，以及重要的决策记录。
关于单个项目内部具体怎样治理，我们以后可以再单独展开。在我文章最后提到的repo代码库里也具体的范例。这里最重要的一点是：每一项工作都落实在自己的项目中，而且所有项目都采用相对统一的格式管理。
每个项目里，都会有一个非常关键的文件：PROJECT_STATUS.md。你叫别的名字也行。它和普通笔记的区别不在于使用了Markdown，而在于它被定义成单个项目当前状态的唯一入口：回答固定问题，有明确更新触发点，并且能够继续回到底层材料核查。
作为当前状态的汇报入口。它至少应该能够回答几个问题：
这个项目当前已经确认的事实和结论是什么？ 最近完成了什么？ 还有哪些未决问题？ 下一步最具体的动作是什么？ 如果项目暂停一段时间，重新进入时应该从哪里开始？
第二层，是建立在所有项目之上的 Portfolio Control Plane，也就是“项目组合控制面”。这一层是以一个本地甚至云端的独立文件夹，然后被作为 Agent 的一个特定项目来存在的。
这一层不复制各个项目的具体内容，也就是代码、文本、图片这一类的信息，也不替代项目内部的文件。它只负责一件事：读取各自项目的 PROJECT_STATUS.md，然后依次以此作为依据来管理哪些项目可以占用我现在的注意力。
在这个控制层里，项目会被分成四种状态：
- Active：
现在真正需要推进的项目； - Maintenance：
不主动扩展，只在特定条件下响应和维护； - Parked：
主动暂停，但保存好重新进入所需的信息； - Closed：
已经完成，或者目前不再继续投入。
根据我自己的设置，我通常只允许同时有两个项目处于 Active 状态。这个初衷就是让我每天最多同时处理两个项目的内容作为深度工作的内容。这个限制看上去有点残酷，但它迫使我承认一个事实：写在待办清单上的十个“最高优先级”，并不是真的十个最高优先级。真正能够持续占用注意力的项目，其实非常有限。当然，如果你天赋异禀，你也可以同时设置 10 个项目为 Active。
图 2 ｜ 不同类型的项目通过各自的 `PROJECT_STATUS.md`，向 Portfolio Control Plane 汇报当前状态；具体内容仍然留在项目本地。
在这个体系里Agentic AI能够帮助我做什么？第一个例子：
每天工作的时候我会先在具体项目内部完成工作。这个项目本身也是由各种 agentic AI 来治理的。我通常的做法是一个项目同时可以从 Claude Code 和 Codex 进入。工作每结束一个阶段，或者在一天结束的时候，我就会跟 Claude Code 或者 Codex 在这个项目内部根据实际文件生成一次 project update，再由我审核。这个 project update 最后会汇总到项目文件的各个层级，但是最关键的是要汇总到这个 PROJECT_STATUS.md 里面。
我通常跟 AI 的输入是通过语音输入来完成的。比如说，在项目的内部session，我可以直接嘴遁：
“我刚才做了一下项目"挑战万有引力"，写了 5000 行代码，我自己感觉解决了一个诺贝尔奖级别的工作。这个星期就可以先停下了，下个星期计划"挑战爱因斯坦"的项目。你先读取这个万有有引力项目的
PROJECT_STATUS.md，核对当前状态，然后把这次进度记录下来。”
项目达到阶段性收尾时，在项目内，我一般都会像上面那样，让agent根据项目内部的代码、文本、结论和决策记录，重新整理这个项目自己的 PROJECT_STATUS.md。这方面，祥林嫂都不如我念叨。
我们的项目管理Portfolio Control Plane 是一个单独的本地文件夹，你可以把它当做是一个所有项目管理的调度中心。在做完这个挑战万有引力的工作以后，我在专门用于项目管理的 Codex/Claude Code Project 里开一个新的 chat session，对它说：
“挑战万有引力项目这一阶段做完了，可以移到 Maintenance；现在把项目 "练就 8 块腹肌"重新加回 Active。”
分别在两个地方嘴遁一次。撒花收工！
这就是我一个最简单的项目管理的切片。
AI 可以读取每个项目已经整理好的真实状态，可以帮我核查、总结和提出下一步建议；但它不会替我决定哪个项目更重要，也不会因为 Portfolio 状态发生变化，就擅自去修改某个项目的代码或对外发送消息。具体的调度工作都是由我这个活生生的真人来实现的，项目内的基本工作也是在项目内的边界里完成的。当然，我可以让 AI 给我一些根据具体项目内容提供的建议，但是最后做决策的人一定是我自己。在项目管理层这里这是一个很重要的边界，我们是直接显式explicitly写在项目相关的AGENTS.md和claude.de里的。
AI 负责整理事实，人负责分配注意力。
这套系统是为了让我们在做决定时，面前尽可能有一份可靠、可以追溯的项目状态。
实际上我们都可以怎么使用？
这套系统听起来很抽象，但我们平时并不需要手动维护一张非常复杂的项目表格。最常见的用法，其实就是直接跟 AI 说话。
图 3 ｜ 日常使用基本都通过自然语言完成——记录一次进度、回顾今天、回顾这一周，以及重新进入一个停了很久的项目；AI 负责整理事实，注意力仍然由我自己分配。
场景一：完成一项工作以后，记录一次进度
这是最基础的场景。
这个就是我在上面介绍的，关于完成“挑战万有引力”项目，到把下一个to do转换成练就8块腹肌的部分。
我们不需要重新解释整个项目的背景，也不需要自己寻找这条信息应该写进哪个文件。AI 会先回到项目内部的状态文件，确认这次工作与项目当前状态之间的关系，再把它记录到对应的位置。
场景二：每天结束时，回顾今天并规划明天
一天工作结束以后，我们可以让 AI 回顾今天涉及的项目，告诉我具体做了哪些事情、哪些工作已经完成、哪些事情还没有收尾。这个部分我通常会安排一个固定的 scheduled task（在 Codex 里是这么叫，在 Claude Code 里叫做 routine）来完成，它每天到了晚上八九点的时候会自动生成一个 daily log。这个文件可以用来人工回看，也可以成为AI治理的一个基准。
它也可以根据这些记录，先列出第二天可能的优先顺序，然后我再和它讨论：明天应该先做什么？哪些事情现在必须处理？哪些事情可以暂时不做？所有的这些事情都是通过自然语言的交互来完成的。
AI 可以整理已经发生的事实，也可以提出安排建议。但是，最终哪些项目继续占用注意力，仍然由我自己决定。
场景三：每周做一次更深的回顾
到了每周收尾时，我们可以让 AI 把 reasoning 的深度再开得更深一点。甚至可以根据需要，明确地让他们有权限去读取项目的实际工作内容。
它不再只是罗列这一周完成了哪些任务，而是结合 daily log、各个项目的 PROJECT_STATUS.md 和当前 Portfolio 状态，重新总结：这一周推进了哪些工作？解决了哪些问题？还有哪些事情一直没有解决？
在这个基础上，我们可以继续讨论更高层次的问题：
这一周的注意力主要去了哪里？ 工作的性质有没有发生变化？ 原来设定的优先级是否仍然合理？ 有没有项目已经达到阶段性完成，可以从 Active 移到 Maintenance 或 Parked？
AI 可以把散落在不同项目中的信息重新组织起来，形成一份每周，每月，每半年的回顾。但项目状态是否真正发生变化，还是需要我确认。
比如说，下面这个是我上周总结的时候AI给我的建议：
有空吗？至少我觉得是有的。基于真实工作场景的情绪工作双重价值是不是？！这活我原来的Roam Research干不了。
场景四：把邮件和消息变成一个受控的 Inbox
除了上面三个常规场景以外，这套系统还有很多可以继续拓展的地方。因为有了基本的食材和作料，你能想的多远，他们就能把这个大餐做多远。
比如，如果我们的 Agent 能够在明确的权限范围内和自己的工作邮箱、Slack、飞书或企业微信绑定，它就可以扫描新收到的信息，并判断这些内容是否能够对应到项目库里的某个项目。然后提供建议。
比如说，我们可以打开这个项目管理的session，然后对我们的agent说一句：“你搜索一下我过去 24 个小时内收到的邮件，然后比照一下我的这个项目进度内容，来帮我看看应该怎么处理？"
对于能够匹配的内容，AI 可以读取对应项目的 PROJECT_STATUS.md，提取真正相关的信息，再给出一个建议的处理顺序：
哪些内容可以马上回复？ 哪些内容在回复以前还需要完成更多工作？ 哪些内容无法对应到现有项目，可能是一个新项目，也可能只是一件临时杂事？
无法归属的内容不会被 AI 自动升级成正式项目，而是先进入 Inbox。等到由我亲自来告诉他这个项目到需要投入多少工作，以及是否值得进入项目体系以后，再决定应该把它放在哪里。
当然，像这样的使用涉及邮件账户权限、隐私边界和对外操作，我们每个人对于AI 的边界都有各自的偏好。我在这里也只是举一个可以拿来 scale up（也就是拓展）的例子。让不让AI读你的邮件你说了算。
必杀场景：“记住项目现在在哪里”
有了这样的项目管理体系以后，对于那种需要治理的项目超过两位数的牛马，比如我，每次一个被放了很久的的工作项目重新active，我只需要在项目治理的 Agent project 里新开一个 session，然后嘴遁，问它三个问题：
这个项目现在做到哪儿了？ 我接下来应该做什么？ 根据项目内部的计划和时间表，我有哪些事情是现在必须要办的？
因为它已经拥有各个项目足够的 Context，所以给出的回复通常可以落到真实项目和具体下一步，而不是一串脱离背景的泛泛建议。如果我们需要更具体，还能让他深入到项目内容里来回答相关的问题。
对我来说，这个系统本身不能减少要做的事，但是他可以显著减少个体项目一直挂在脑子里的状态。更准确地说，它把一部分记忆和监控任务外置(offload)了：我不必持续记住每个项目停在哪里，只需要在需要时回到一份可以核查的状态入口。这其实也是很多传统gtd(get things done)体系的精髓。只不过多了AI驱动的外部执行系统。
如果没有这样一个值得信赖的外部体系，我们就不得不在脑子里一直挂着很多事情：这个项目做到哪一步了，那个人是不是还在等回复，这个分析还有什么问题，那个申请是不是应该重新开始。从认知心理学的角度，这种“害怕忘记”的状态，本身就是一种持续的认知负担。尤其是如果你不幸需要在两位数或者三位数之间的项目里不停地游移的话。我个人的体验是，很多时候周日晚或者周一早上，把所有的事情都计划一遍，还没有开始任何实质性工作的时候，一天的精力就交代了。。。
这个非常简单的系统替我们保留的是我下一次回来时继续工作所需要的 Context。这样我们才能把注意力放在真正需要思考和决定的事情上，而不是不断重建项目背景和在项目之间游移的注意力分布。
这套方式相对于传统笔记系统，究竟有什么不同？
第一，它是 Grounded 的：项目状态有据可查，可审计
这是最核心的区别。
在传统体系里，最上层的notebook/card-based，也就是以笔记为核心，辅助双向链接和标签的项目管理中枢，通常只能通过中间层的项目描述和人工整理来理解项目。至于最底层的代码、文本、文件、照片和决策记录究竟是什么状态，顶层往往不能直接核查。说白了，就是传统笔记里的这个项目记录，就只是一个标签，没有内容。这个特点严重阻碍了它的应用价值。这也就是为什么我给 Roam Research 交了很多年的钱，但一直感觉都怪怪的。
在我们现在的体系里，日常汇报通过 PROJECT_STATUS.md 完成，但这个文件并不是信息的终点。
当我们需要时，AI 可以继续向下读取项目内部的真实材料，核对这份状态汇报是否仍然准确。项目管理因此不再只是依赖几周以前写下的一句总结，而是保留了一条回到真实事实的，可审计的路径。
图 4 ｜ 传统体系的顶层只能依赖中间汇报；AI-native 体系在日常汇报之外，还保留了向下核查真实项目内容的路径。
第二，它是 Reusable 的：跨时间仍然可以恢复工作
传统笔记保存了很多历史，但每次重新打开一个项目时，我们经常要花大量时间重读、搜索和重新理解。
而在现在的项目管理方式里，项目的 work logs、当前状态和产生的产品 artifacts 都尽量保留在项目自身。PROJECT_STATUS.md 再把重新进入所需的关键信息压缩出来。
所以，即使一个项目暂停了一个月甚至几个月，下次重新启动时，我也可以直接说：
“OK，我们现在要重新开始这个项目了。请先核查项目状态，然后告诉我接下来应该做什么。”
第三，它是 Composable 的：不同项目可以被共同分析
我们的项目可能是写作、代码分析、财务管理，也可能是健身、家务或经费申请，也可以是挑战万有引力，或者是练就八块腹肌。它们的具体内容完全不同。
但只要每个项目采用相对统一的格式，并通过统一的 PROJECT_STATUS.md 向上汇报，Portfolio 层就可以在不复制具体内容的情况下，对这些项目进行共同管理。
每隔一段时间，我就可以在 项目管理Portfolio Management 的入口问 AI：
最近的注意力到底投放在了什么地方？ 计划和实际工作之间是否发生了漂移？ 哪些项目长期没有推进？ 哪些工作看似很多，但没有推动最重要的项目？
这些问题不再需要我先把几个月的笔记全部读一遍，再凭印象回答。
第四，它是 Scalable 的：可以逐渐支持更深层次的规划和回顾
当系统积累了足够多、格式相对稳定的项目信息以后，AI 可以进一步提供两类支持。
一类是向前的Forward-looking：根据当前容量、项目状态和未决事项，帮助我们规划接下来的工作。
另一类是回溯和 metacognitive元认知层面 的：比较原来的计划和实际发生的工作，提醒我们最近是否长期低于预期，或者相反，是否安排了明显过量的工作。
比如说，我上面截图的上周的工作：在周三，我的总结是工作量很大，周四需要做一些轻量的工作。但在周四那天，因为突然触发了一个很有意思的项目，结果我从早上一直工作到晚上 11 点才停下来。这件事情在本周回顾的时候，就被 AI 完完整整地挖掘出来了。如果不具备跨内容的理解能力，文本导向的管理方式没法做到这一点。
当然，这些仍然只是分析和建议，而不是把决定交给 AI。AI 拥有更多 Context，并不意味着它自动拥有更高的决策权。最后做这些决定的人永远都是我们，但是有了Agentic AI这个可以根据实际工作来给我们提建议的“第二大脑”，在总结、整理、回顾以及计划工作的时候，我们都会自信很多也惬意很多。
我执行这个方法也就两三周时间，咖啡都喝得少了。不知道这个相关性能不能说明点问题。🤣
------------------------------------------------
当然，这套方法并不是没有成本。有一些习惯是我们必须要长期养成的。
如果一个项目的 PROJECT_STATUS.md 很久不更新，它同样会过时；如果所有项目都被治理得过于复杂，维护系统本身也可能变成新的工作。对于一个两三天就能结束的简单任务，可能根本不需要建立完整的四状态体系。
这样的话，我们在各自项目内部建立并养成一个长期治理项目的习惯就特别重要。
要做到这一点，我们需要在每一个项目中都采用一个相对统一的项目框架（虽然它们的内容可以完全不一样）。
然后，我们在项目工作的时候，会让 AI 在每结束一个报告时自动更新，或者最后由我们手动提醒它们更新 Project Status（也就是项目状态）。
另外一点，如果你本身对于 AI加入工作流程或者是 Agentic workflow 不感冒的话，那么好吧，这件事情就当我没说过。
----------------------------------------------------
终于快写完了，即使是语音输入，也是好多字啊。
如果你觉得有兴趣应用我们的治理方式，只需要在下面的两个代码库查找——我把项目治理的一个模板放在了 GitHub 和 Gitee 里。
GitHub：https://github.com/heyifei1984/project_management_public
Gitee (国内)：https://gitee.com/heyifei1984/project_management_public
我们只要登进这个界面，把这个代码库的链接发给我们的 Codex、Claude Code、WorkBuddy 或者是 Kimi Work，等等。然后问他们，或者对他们说：“我想在本地电脑上只用这种代码库的方式来做项目治理，接下来下一步应该怎么做？” 然后就按AI说的来就行。
然后说不定你就再也不会用自己的笔记软件了。
如果你觉得这个方法有用，欢迎转发、点赞，也算是给我一点下次更新的动力吧 :)
完结撒花。
AI使用披露：上面文字九成半由语音输入(typeless)嘴遁输入转录，你说是AI写的也行吧，毕竟不是土法手敲的。土法修改了另外半成。。。图1-4是claude画的，codex画图难看的很我实在看不上。roam research的截图100%非AI。周星驰gif我网上(tenor.com)摸来的。
—
👤 小菲
🧠 德国马尔堡大学心理与脑科学研究者｜独立科研项目负责人（PI）🔁 跨专业“半路出家”的中年科研人，用 DIY 思维探索人脑，搭建工作系统🧭 研究方向：大脑｜心理｜语言｜认知｜精神障碍🌐 个人主页：https://yifeihe.com (公众号里点不开，可长按复制)
📌 这里能看到什么
1️⃣ “读得懂”的心理科学前沿研究速递2️⃣ 科研思路 & 方法 & 学术杂谈3️⃣ 我怎么用AI做研究，管项目，做决定
📅 不定期更新｜欢迎留言、转发｜一起让科研和AI更有趣！