AI时代解决问题的逻辑
很久没有更新了。文章的题目定为“AI时代解决问题的逻辑”，我将从这个话题谈起，但也不拘泥于这个话题，更多是将我整个寒假摸爬滚打的经历做一个总结和分享，其中也包括一些思考，希望能对大家有启发和帮助，欢迎与我讨论。
摘要
- 新问题的应对策略：AI时代我们该如何面对陌生问题
- AI能力的认知误区：在图文领域，如果你觉得AI能力不够，大概率是你不会用
- 个人知识库实践：基于Claude Code + Obsidian打造智能知识库
- 关于OpenClaw和未来产品的看法
一、如何应对新问题？
不妨举个具体的例子。
以排版问题为例，想要完成排版任务，传统做法是手动排版（如论文等），耗费你短则半小时、长则两小时的时间。更进阶的做法是使用现有工具，例如Office全家桶或WPS等，但我实际测试下来效果并不理想——WPS中只有几个固定的排版选项，无法满足更具体的排版需求。
即便这已经是进阶做法，但很明显完全达不到预期效果。但你可能会疑惑：这样的排版任务，让豆包、DeepSeek来做也完成不了啊。
这里我想先提出一个观点：
在图文领域，如果你觉得AI的能力不够，大概率是你不会用。
这个观点我后续会详细论证。在这个具体问题中，我后来摸索出使用Claude Code配置docx skill，使其具备查看和操作docx文件的能力。随后，在终端中将需求告诉它，它就会自行进行排版，实测效果很好。
所以你会发现：现在面对新问题，我们可以选择扩展已有AI（Claude Code）的能力边界，使其具备应对能力。更何况，这件事具有复利效应——你可以在不断的使用中让AI的能力越来越强。
接下来我来论证刚才提出的观点。
之所以限定在图文领域，是因为当前AI的能力主要依靠基座模型LLM衍生而来，即其核心能力为语言能力。考虑到部分模型的多模态能力，其擅长的领域目前仅限于图文领域，不过，这也覆盖了绝大部分使用AI的需求。
我认为，在同一基座模型下，AI的工作效果差异主要来源于两个要素：上下文和技能包。
上下文：提示词 + 工作环境
其中上下文包含提示词和工作环境等。提示词不必多说，你对AI的要求越具体，它的效果越好。
如果你长期仅使用豆包、DeepSeek等chatbot，那么你对“工作环境”可能并不理解。同时这也是chatbot向agent转型的重要一环。
以Claude Code这一经典的agent为例：
- 它的工作原理是运行在我本地的某一个文件夹下（算力仍来自云端）
- 它能够访问我本地的所有文件
- 这相当于你向豆包上传文件的进阶用法——不仅能上传无数文件，还能向AI展示你的文件结构，方便它在需要的时候查看使用
- 不仅仅是查看，它可以通过在你的电脑上执行命令行操作，代替你对文件进行修改
大名鼎鼎的OpenClaw，本质上也是这种agent，只不过其能力得到了进一步扩展。后面我会分享一些我对OpenClaw的看法。
技能包：能力的扩展
除去上下文之外，技能包是决定AI工作效果的另一个关键要素。
尽管上文提到AI可以在你的电脑上执行命令行操作，但这种操作带来的能力增长也是有限的。如果你要进行某种特定的工作，例如前文提到的操作docx文件，那么你就需要给它安装相应的技能包（术语为skills）。
在使用过程中，你可以根据自己的需要，不断给AI安装技能包，使AI的能力不断得到增强，更加适配于你自己的工作流。
实践案例
以具体问题为例，我依照上述原则完成了实践队总结：
- 将寒假实践队的所有采访实录、参访计划等文件作为AI工作的上下文
- 在多轮对话中为其提供了准确而全面的提示词
- 为其配置了操作docx文件的skill
最终，我在10分钟内便完成了一篇3000余字的总结，非常切合实际，并没有让人感到是AI瞎编的空洞文章。我想这和我提供的高质量的上下文有很大关系。
关于“AI味”的思考
另外提到“AI味”，我认为那不过是AI在不具备语境情况下的产物。
试想：别人让你写一篇实践队总结，却丝毫不告诉你实践内容，难道你能写好总结吗？同样情况下，AI写出的文章便有了“AI味”的问题。
但如果你能提供AI高质量的上下文，就好像AI和你一起完成了实践，那么AI就能完成非常优秀、毫无AI味的总结。
二、基于Claude Code + Obsidian打造个人知识库
基于上述对扩展AI能力的论述，其实下一个问题已经不言而喻：如何给AI提供充分、全面的上下文？
我对这个问题的解答就是：打造个人知识库。
AI时代的知识库意义
这个知识库在AI时代别具意义——因为它不只是给你看，也是给AI看的。
它能够让AI了解你：
- 最近在干什么
- 最近读的一些好文章
- 一些自己的思考等等
当AI基于这些内容给予你回复，其回复效果就会得到很大优化，也更能触及你的心灵。
实用场景举例
举个栗子：
- 我可以将平时上课的笔记整理在里面，这样有任何问题，就可以让AI基于上课的内容对我进行回答
- 假如我忘了课程要求（比如什么时候交作业、课程成绩组成），只要我整理过相关内容，一问AI便知
我的知识库架构
经过几天的尝试和折腾，我终于完成了个人知识库的初始化，之后我还会持续迭代。
核心文件结构：
- AGENTS：我对AI的一些要求
- INDEX：方便AI快速找到文件
- MEMORY：AI对我的长期记忆（由AI自己维护）
- USER：用户画像——AI眼中的我（由我维护）
重拾日记习惯
另外，我已经开始重拾每天记日记的习惯：
一方面是受到卡神的《AI时代，为什么我极力推荐你开始写日记？》的启发。 我曾反思，AI成为我的得力助手后，很多工作我甚至不用动手，AI便能完成，但仔细想想，虽然是我的要求，但那份代码、文章中，还有多少是我呢？或者说，凭什么有我呢？
答案也很简单。因为我记得。我的经历、我的喜好、我的辗转反侧，这些记忆构成的一整个连贯故事，这个故事就是我。 假如将这份故事剔除，替换成别人的故事，那么我便不再是我。 刘恒曾写道：
“在人工智能可以取代几乎所有人类的表达之后，唯一幸存的便是人类个体对自己生命的独特表达。”
因此我希望能保存好这一份故事和独特表达，从记录每一天的进步、收获开始。
另一方面也和知识库的初衷有关——我希望能让AI了解我最近的思考，以及我最近在做的事情，一举两得。
三、关于OpenClaw和未来产品
OpenClaw从刚出现我就开始关注（Clawdbot时期），说实话，因为我一直在用Claude Code，所以不觉得有什么颠覆性的。
它确实打通了和人交互的方式——IM，从Telegram到飞书都能接入，使得AI终于具备了和人在社交媒体上交互的能力。再包括一些heartbeat、SOUL.md等创新。但现阶段仍无太大价值，没必要为此焦虑。
更何况其创始人也明确表示OpenClaw现有的各种安全问题、配置便捷性问题等。即便各大厂纷纷推出计划，我也没有花费太大精力在上面。因为我已经有了Claude Code，而这在现阶段已经足够。
现在媒体的炒作大多为贩卖焦虑，混在AI圈子这么久我也自然地免疫了。
虽然到处充斥了炒作和躁动，但也不得不承认，OpenClaw的现象级出圈：
- 一方面推动了大众心中AI能力的边界，不再停留在chatbot
- 另一方面也让各家模型公司、云服务厂商赚得盆满钵满，这让资本相信AI不是泡沫，现在就能实打实地赚钱
就让泡沫越来越大吧！
未来产品方向展望
最后对未来的产品方向做一些展望。
一、AI用不了的工具就不是好工具！
随着Obsidian推出CLI，我越发坚信这一点。
之后所有的产品都要向这个方向演进（除非刻意隔绝AI的参与——微信应该会是如此）。之后AI将会成为工具型软件的超级用户。如果AI用不了你，那么你就失去了最大的用户，消亡是大概率的。
同时这也是很大机遇——很快一个能与微信匹敌的IM就将出现，而它的特性就是AI可用（飞书、钉钉等都是候选者）。
试想一下：之后AI能帮助你处理你社交媒体上的各种消息，包括通知等——哪些需要关注，哪些可以忽略。那将是完全颠覆性的体验。
二、如果定位是人使用的产品，那就要尝试插入对话框！
被chatbot驯化的人们不会再愿意自己去找信息、执行操作。在对话框中提出要求，AI代办代找是新的逻辑。
例如各种论坛等都应该尝试这一逻辑。之后应该不再是“找帖子”，而是“让AI找帖子并总结内容”。
很久没有自己写过这么长的文章了。当我在某些任务（如写作）中隔离AI，我感到原始，但也感到纯粹、踏实和满足。
感谢阅读！