个人 AI 工作系统

问题不是 AI 不够聪明，而是每次都要重新开始

当 AI 只参与一次性问答时，一段提示词通常足够。但进入真实工作后，问题会迅速变化：不同项目有不同目录、事实来源、表达方式和验收标准；同一个决定可能在数周后仍然有效；有些操作可以自主完成，有些信息必须由人确认。

如果每次都重新解释背景，协作成本并没有真正下降。更严重的是，AI 可能记住结论却忽略证据，或者把旧状态误当成当前事实。

这个项目的目标，是建立一套适合个人长期使用的 AI 工作系统：既能继承上下文，又不会跳过现场检查；既能主动推进，也尊重权限、隐私和事实边界。

我的角色

我负责定义协作偏好、项目边界、敏感信息规则和最终判断标准，并通过真实任务持续纠正系统。Codex 负责把这些要求转化为可执行的项目路由、记忆结构、专用技能、检查清单和验证步骤。

渐进式记忆

系统没有把所有历史记录一次性塞进上下文，而是采用逐层展开的方式：

1. 先读取紧凑的项目摘要，判断当前任务属于哪个工作范围；
2. 再查找与问题直接相关的长期规则和历史决策；
3. 只有需要精确证据时，才回到具体记录或真实文件；
4. 对容易变化的状态，始终优先进行现场验证。

这种结构同时控制了阅读成本和错误风险。记忆提供方向，但不代替代码、配置、运行状态和文件系统中的当前事实。

项目路由与专用能力

不同工作被分配到不同的处理路线。例如，网站工作优先检查真实页面、内容模型和浏览器表现；数据分析关注分类口径与决策目标；演示材料需要经过渲染和视觉检查；Windows 清理则必须先扫描、列出安全候选，再由人确认高风险操作。

在重复任务中，稳定的方法会被整理成专用技能或检查清单。技能保存的是“如何可靠完成一类工作”，项目记忆保存的是“这个项目已经确认了什么”，两者不再混为一谈。

人与 AI 的责任边界

系统给 AI 更高的执行自主性，但没有取消人的责任：

• AI 可以主动检查文件、实现修改、运行测试并整理证据。
• 涉及公司信息时，默认删除可识别主体、内部系统、客户供应商、价格成本、业务量和敏感指标。
• 涉及删除、外部发布或重要业务判断时，必须遵守明确授权边界。
• 记忆中的旧结论需要标明来源；容易变化的状态必须重新验证。
• 公开内容必须经过事实、隐私、版权和质量检查。

从提示词转向工作系统

最终形成的成果并不是一条“万能提示词”，而是一套可维护的协作基础设施：项目有自己的入口和规则，历史决定可以被准确召回，重复工作逐渐沉淀为技能，执行结果能够通过测试或现场证据验证。

它减少了反复讲背景的时间，也让协作质量不再完全依赖某一次对话是否足够完整。更重要的是，人仍然掌握方向、价值判断和敏感边界，AI 则成为能够持续接手、执行和复盘的工作伙伴。