复盘与拆分
- 当前焦点
- 已完成任务
- 遗留事项
- 知识卡片
AI·LAB / 我如何和 AI 共用一套大脑
AI 如何认识我
我的工作台就是一座记忆宫殿，让 AI 在授权范围内持续获得关于我的准确上下文。
不是每次对话都重新介绍自己，而是让 AI 先读取我已经确认过的状态、偏好和判断。对话因此越来越精准，而不是每次都从零开始。
工具底层Obsidian：基于本地数据库的本地笔记软件终端命令行：连接 AI 与工作台的操作入口
01 / 记忆宫殿
AI 不是猜我是谁，
而是读取经过确认的上下文
工作台把一个人的长期背景、手头工作和知识工具分层摆放。AI 从对话入口进入，但只能在当前任务所需、人工授权的范围内读取。
当前层 / 已脱敏
我是谁
- 定位
- AI 理解我的公开真相源
- 包含什么
- 能力体系、盲区、驱动、价值观与表达风格
- 读取作用
- 帮助 AI 判断“我可能怎么看”，不替我做最终决定
- 公开结构
- 能力引擎、盲区、驱动、与 AI 的关系、表达原则
每次更新都要经过人工审阅与确认
02 / 共用大脑
一次对话，如何变成下一次的起点
共用大脑不是把所有聊天都存下来。真正有价值的内容要经过梳理、归类和人工确认，才能回到记忆宫殿。
从过程里捞出可复用内容
- 判断
- 灵感
- 方法论
- 素材
- 金句
- 试错
确认准确、必要、可保留
AI 负责建议和整理；我决定哪些内容进入长期上下文。
回到对应的真相源
- 我是谁
- Knowledge
- 对应项目的体系文件
03 / 认识过程
AI 对“我”的理解，分三步变深
先搭一张基础地图，再让日常对话持续校正，最后按任务渐进读取。它更像一套长期协作机制，不是一份静止的人格档案。
先建立自我认知框架
通过深度对话，把能力、盲区、驱动、定位与表达方式结构化，形成一张可修订的基础地图。
推荐 Skill：私董会（待接入）
能力引擎
跨领域解构 → 信息整合 → 重组输出 → 高质量呈现
系统性盲区
长期节奏、持续运营与稳定推进
驱动系统
被看见 → 被认可 → 被需要 → 全力投入
与 AI 的关系
不是单向使用工具，而是保持判断权的对抗式共处
核心定位
洞悉生意链路，切入运营环节，用 AI 加速
表达风格
结论前置、短句、真实经历、生活化类比
每次对话都可能带来修正
对话结束后提取待办、判断、灵感和素材。只有经过人工审阅确认的部分，才回流到判断、方法和知识体系。
对话→提取→人工确认→回流↺
只读取记忆宫殿中最相关的片段
LLM / AI 上下文容量有限。读取顺序先是核心规则，再到核心记忆与当前现状；需求明确后，才按需调用任务材料、技能、知识或外部调研。
调用规则
LLM 渐进式读取原则：遵循渐进式披露，只读取当前任务最相关的上下文。
协作原则与边界
已确认的个人信息与记忆索引
驾驶舱与项目进展
任务材料 · 技能 · 知识 · 外部调研
结论
AI 认识我，不靠一次性的自我介绍。
靠的是一座持续更新、经过人工确认的记忆宫殿。