AI 记不住你的工作,缺的是一份入职档案

"

每天重复交代的背景，是你在一个领域里最值钱的理解。

—— 大魏

你有没有对同一个 AI，重复讲过同一段背景。

就是这种画面。你问它一个工作问题，先补一句项目是什么，数据在哪，上个月定了什么。过两周再问一次，你又从头讲一遍。它答得挺好，可你总觉得这场对话像第一天认识。

这个场景我在自己身上也见过。我有一套内容系统，AI 帮我管选题、管素材、管发布前的检查。最累的环节在开工前，把背景再交代一遍。我是谁，读者是谁，哪些动作必须我自己拍板。讲一遍要五分钟，一天讲好几遍。

后来我琢磨明白一件事。这事怪不到我头上，也怪不到模型头上，两边之间缺一份档案。

📌 本文看点

先看一组数字。去年 MIT 发布的 NANDA 报告说，约 95% 的企业级生成式 AI 试点，没有产生可衡量的收益。

— 95% 的试点没有可衡量的收益，问题常出在上下文

这个数字很反直觉。模型一个比一个聪明，怎么落地成这个样子。

行业里这几周的解释在变。过去大家都在拼模型推理能力，谁智商高谁赢。现在几家公司几乎同时把注意力挪到一个新词上，上下文。千问办公在 8 月中旬开源了一套叫MyContext的上下文基础设施，上线一周在 GitHub 上攒了超过一千个星。它的目标很简单，把散落在群聊、文档、会议纪要里的工作事实，加工成 AI 能读懂的专属工作档案。

一家做企业服务的公司叫 Impetus，它的首席增长官打了个比方。

报道里举的例子也很具体。一个 AI 要帮你干活，却连项目上周定了什么方案都不知道。这些事实散落在群聊、会议纪要和文档里，没人整理，它就读不到。

这个比方我越琢磨越觉得准。新员工头一个月干不好活，多半卡在没人带、没文档、不知道公司怎么回事。老员工看一眼就懂的事，他要先翻三天聊天记录。

你的 AI 同事比新员工还难一点。新员工入职那天好歹有人讲讲，AI 连这步都没有。你每开一次新对话，它等于重新入职一次。

企业花几百万做试点，栽在上下文上。普通人没这么贵，但版本一模一样。

你回想每天怎么用 AI 的。问周报，先把这周干了什么打一遍。问方案，先把项目背景粘一遍。这两件事每天都要来几趟，背景讲一次不觉得，讲十次就是纯消耗。

我自己的解法很简单，给 AI 写一份入职档案，三样东西。

— 给 AI 的入职档案，三样就够

这三样加在一起，一百字能写完。放在一个新文档里，每次开新对话先丢给它。花五分钟写，换掉以后每次五分钟的重复。

拿我自己的档案举例子。身份那一行写着，我是大魏，退休以后玩 AI 工具，写东西给职场人和老师看，发布、付费、删除、外发这类动作永远自己拍板。项目背景那一行写着，我的内容工厂，公众号加视频号，最近在做上下文这个系列。验收那一行写着，稿子要过四层质检，禁词清零，金句至少三句。三行加起来不到一百字，够我用上一阵子。

写档案这个动作，还有一个我特别想说的点。

你每天重复交代的背景，是你在一个领域里最值钱的理解。它以前散在聊天记录里，找不回来，写下来才存得住。把它给 AI 一份，等于把你的经验从对话里捞出来，存成能反复用的东西。

我自己体会最深的是选题这件事。以前每次让 AI 帮我想选题，都要把产品、读者、之前的选题重新讲一遍。后来我把收藏池和选题自动池这些机制固定下来，AI 每到周日自动把收藏变成候选，我再也不用重复交代背景。这中间省下最多的，是思路不断线。

— 把背景写下来，AI 才记得住你

上下文这个词听着像大厂的事。落到你身上，就是今晚这五分钟。

今晚可以试一件小事。打开你常用的那个 AI，给它写三行字。我是谁，在做什么项目，什么叫做好。不追求完整，一百字就行。

下次开对话，先把这三行丢过去，再看它给你的东西差多少。

我是大魏，退休以后把 AI 工具玩成了日常，专帮职场人和老师把 AI 用进实际工作。

如果你也在跟“AI 记不住你”这件事较劲，点个关注，咱们一起把这份档案写起来。