你花一个月调教好的 AI,换个工具就清零了

你有没有算过一笔时间账：花了一个月把 AI 调教成金牌助理，换个 agent，一切归零。这篇文章想讲清楚一件事——为什么留存数据的人，会越用越值钱。

一、一个正在发生的残酷现象

你可能花了一个月，把某一个 AI 调教成你的金牌助理。但是一旦你换一个 agent，一切清零——你的一些 skill、你的 CLI、你常用的 prompt 库都要重新配。碰到问题你才发现：两个不同的 agent，它们的 skill 互不通用，你没办法直接迁移过来。

你的数据如果没有进行及时的留存、备份以及整理，你在使用一个新的 agent 的时候，会极度不舒适。

要知道，换平台、换工具其实是常态。去年火的，今年可能就凉了；上半年火的，下半年可能就凉了。最明显的例子就是 OpenClaw。上半年它有多火，想必大家都知道——看一个东西有多火，就看它在市场里的售价：不仅 Mac mini 这种硬设备被炒得价格离谱，就连收费大几百、上门安装 OpenClaw 的服务，都能在闲鱼上热销。

但是到现在，国内已经没有人在讨论 OpenClaw 了。你当时在它上面搭建的整个使用习惯、各种工具，其实都很难迁移到现在最火的 WorkBuddy。

二、AI 擅长从 1 到 100，从 0 到 1 靠你的数据

为什么很多人抵制 AIGC 的内容？就是 AIGC 太机器化了——不管是文字、图片还是视频，一看就能看得出来。但为什么又有很多人非常提倡用 AI？因为它做的不是从 0 到 1 的工作，它更擅长的是从 1 到 100。

那么从 0 到 1 是从哪里来呢？就是数据，你自己产生的数据。日常工作里的流程、细节和经验，沉淀下来，及时整合成文档。

你不必非常仔细地去整理。你甚至可以这样子：每个月创建一个对应的文件夹——六月份、七月份、八月份，每个月一个。每次工作之后，把这些数据随便塞进去就行，AI 就可以帮你做后续的工作：文件的整理、归类，甚至工作经验的总结和梳理。它能把这些事情做得又快又好，前提是你要进行数据的管理。

三、每一次对话都有价值，包括提示词

很多人还没意识到：AI 的每一次对话都是有价值的。你跟 AI 每次对话的提示词，在不同时间想的是不一样的——有的更有含金量，有的比较随意。所以你的体感会是：每天跟同一个 AI 对话，产出的结果怎么不太一样？有时候你甚至会翻一下昨天用的提示词是什么、昨天是怎么跟它沟通的。

所以说，对话的内容也需要进行适当的留存。针对这个具体的问题，我的方法就是创建一个 skill：一个关于工作日志的 skill。

在计算机的世界里，程序日志是一个非常重要的东西——有时是程序自动生成的，有时是程序员每天写的。不管怎样，日志都是非常好的留痕方法：能在系统级的工作里及时回滚到之前的工作记录，也能在出问题的时候帮你定位问题。

四、别指望平台替你留：主动性最重要

所以非常建议：在每次对话快要结束、快要关闭窗口的时候，主动做一次留存。特别是使用 Claude Code 这种 agent 的时候——你每次关闭一个界面，数据是没有保存的。

不像 WorkBuddy，它会进行云端或本地存储，会有记录；Codex 也有相应的记录。只要你不删相关数据，都能看到之前的历史。但这都不属于你主动进行的数据留存——一旦你不关注它、不主动管理它，可能就会在某个时刻被误删，或者不见了。

• 主动去留存：对话结束前 30 秒，把有价值的内容存下来；

• 主动去备份：不要只依赖平台的云端记录；

• 主动去同步：让多台设备看到的都是同一份最新数据。

五、留存的尽头是复利

拿我自己的工作习惯来说：我的主要设备是苹果设备，同步工具就是 iCloud。家里的 Mac mini 和工作用的 MacBook 用同一个 iCloud 文件夹，里面分别创建两台设备的专属文件夹；再往下，每天用什么 agent，就以它命名一个子文件夹。

比如「0818 WorkBuddy」这个文件夹，就是我 8 月 18 号用 WorkBuddy 时，让它把生成的数据都存在这里。想换设备查看的时候，打开 iCloud 文件夹，就能看到对应留存下来的数据。

至于不方便直接保存的工具——一些 CLI、skill、Python 库、MCP 等等——怎么整理？其实除非是你自己创建的 skill，否则这些工具都能在联网的情况下，让 agent 非常便捷地帮你重新安装和管理。所以只需要记录到一个统一的知识库。

Karpathy（前特斯拉 AI 总监）最近也在用这个思路：让 AI 帮你维护一份持续更新的个人知识库。

我用的是最简单的 Excel：觉得好的、已经安装的，记在一个表里；觉得好但暂时没必要安装的，另外建一个 sheet 记录，后面有需要再翻出来装。