知识工作者使用AI的姿势：从拉到夯

这个周三，我给蛇口社区的小伙伴做了一次内部分享，介绍AI圈最新的发展趋势，演示当前AI协作的最强姿势。人类的各种行动、意图、目标都可以在AI的加持下无限放大，提升数倍工作效率。

这也对应了我参与的蛇口社区创变者CMC的口号：一起让改变发生。到了当下，我们可以借助科技的力量，改变世界，改善我们的附近，我们的社区。

在分享前，我回顾了自己的产品经历。2018年，我得到第一份产品实习，那是一家生物智能独角兽企业，我的一个提案得到领导赏识，独立策划落地了市面上也许是第一款食物识别小程序。但整个过程其实不太顺利，设计稿和实际落地差距略大，我和设计师一起戳着前端工程师的显示器，一点一点地改。但受限于当时小程序生态的不成熟，一个画图功能硬是改不好。前端做不好，食物识别算法也没那么成熟，最后实习期到期，我选择离开公司，草草了事。

几年后，我经历了大厂实习、毕业、工作、裸辞，我想是时候自己做点事情了。于是，我准备在看好的运动康复领域做点应用，花了一笔钱，请了两位程序员朋友，帮我开发市面上也是第一款运动康复师平台。他们工作日上班，周末到我家敲代码，每次都写到十一二点。

就这样折腾了两三个月，上线之后，却发现靠自己的运营能力很难维持一个平台的运作，再次陷入行动的瘫痪。

之后，我就没有折腾产品了，转而曲线救国，选择做自媒体和韧性教练。

但到了近半年，以Anthropic为首的AI工程界发展，使得AI coding变得无比强大，我又突然拾起了产品的乐趣。运动零食小程序，实际落地的时间我只用了3天，而且靠的是网页对话，把代码复制到本地的笨方法。

引用阳志平老师在新年演讲中所说，这次AI发展是一次「意向革命」。

何为"意向"

"意向"这个词有点学术，有点抽象，它是你的信念、欲望、意图。翻译为人话，其实就是：你相信什么？你想要什么？你打算做什么？

我做产品屡屡碰壁，其实是我的信念、欲望、意图被剥夺的时候。所以做产品很容易得抑郁症，抑郁症正是一种缺失意向性的表现。当一个人的行动缺乏方向，他就可能转向自我反刍与攻击。所以我也有过一段时间，啥事不想干，只能通过游戏来慰藉缺失的行动力。

所以，为什么许多人会对Video Coding上瘾？因为它高度增强了人类的意向性，使得原本需要大量先验知识才能完成的事情，也能够轻易完成了。

为什么AI能够满足你的意图？它为什么能读懂你想要什么？这一切还得从大语言模型的发展史谈起。

大语言模型发展简史

2017年：Transformer架构诞生

Google团队发表论文《Attention Is All You Need》，提出Transformer架构。这个架构抛弃了传统的循环神经网络（RNN），引入自注意力机制（Self-Attention），让模型能够并行处理文本，大幅提升训练效率。Transformer成为后续所有大语言模型的基础架构。

2018-2020年：预训练模型时代

OpenAI发布GPT系列（GPT-1、GPT-2、GPT-3），证明了"预训练+微调"的范式。模型在海量文本上预训练，学习语言的统计规律，然后在特定任务上微调。GPT-3拥有1750亿参数，展现出惊人的少样本学习能力（Few-shot Learning）。

2022年：ChatGPT引爆AI革命

OpenAI发布ChatGPT，小小的对话框，其实是OpenAI最伟大的发明，后训练、RLHF（基于人类反馈的强化学习）技术，让模型能够更好地理解人类意图，生成更符合人类偏好的回答。ChatGPT的对话能力也让普通人第一次感受到AI的实用价值，用户数两个月破亿，成为史上增长最快的应用。

2023-2025年：AI插件

ChatGPT推出的Function Calling（函数调用）技术让AI能够调用外部工具，从"只会说话"进化到"能做事"。

但正在推动这一波进展的是Anthropic（Claude母公司）。Anthropic推出MCP（Model Context Protocol），让AI能够访问本地文件、数据库、API等资源。AI从"云端助手"进化为"本地化工作伙伴"，能够深度理解你的项目、代码、笔记，真正成为知识工作者的第二大脑。后来又相继推出了Agent、Hook、Command，还有近期爆火的Skill。

这就是为什么AI能读懂你的意图——它不仅学会了人类语言的统计规律，还通过RLHF学会了人类的偏好，更通过MCP等技术进一步提升行动能力。

为什么说本地化的AI才是王道

迈克尔·波兰尼提出，知识分为内隐知识和外显知识。外显知识是冰山上的一角，是我们能够表达、书写出来的部分，而内隐知识才是大头，它大量存在于我们的日常行为之中。

比如你会骑自行车，但你讲不出自己为什么能骑自行车；比如程序员写代码，都有自己的一套规则，只不过他们习以为常，并不会讲述出来；再如资深产品经理往往能很快识别出产品的用户需求场景，而不需要大量分析；甚至你给领导敬酒时，你的酒杯要举多高，都受到你内隐知识的影响。

云端应用的好处在于开箱即用，不需要配置环境，同时又内置了大量工具，适合轻度知识工作者。

而本地化的AI，如Claude Code和各类IDE，虽然配置麻烦，交互有点吓人，但云端应用能做的，它都能做。最重要的是它能够直接访问本地文件，这样才能够直接触达你的内隐知识。

所以，在分享中，我提出了「三个大脑」：第一个大脑是我们的人脑，记载着我们的意图、目标、角色、100%的内隐知识；第二个大脑是我们的本地笔记、知识、项目；第三个大脑是我们的AI大模型。

用好这套体系的基础是，你有没有做好本地项目、笔记、知识的管理。你的笔记是不是散落在各个云端的APP中？或者你压根没有记笔记的习惯？你的本地项目管理是不是一团糟，编码、存档都很随意？或者你的电脑里面本身就空荡荡的，没有多少项目沉淀。

那你大概率体验不到这个打法的好处。

我从去年开始，便开始弃用Notion，这款我用了四年的笔记软件。我将所有笔记全都导到本地。后来，我也用了一段时间Obsidian，但它也很快被弃用，因为它太卡了。

现在的工作软件是一套极简组合，被我称之为「夯」的知识工作者组合：Zed编辑器 + Claude Code + TextMate + 备忘录 + 42plugin，这套组合学习自阳志平老师团队，技术品味极佳。

但因为课程的时长和对Windows系统的不熟悉，当天的分享只能用Trae给大家演示和实操，初尝本地化AI的作用。

其实我刚从Trae等IDE转到Claude Code时，也很不适应，为什么要用一个黑乎乎的没有UI界面，要搞一大堆配置、要记命令语句的终端应用。

但熟悉之后，就真是回不去了。不得不说Claude这班人，对技术理解还是太到位了。

从"拉"到"夯"：AI使用的五个等级

借用这个网络用语，我给AI使用姿势大致排了个序：

1. 拉完了：淘宝购买免费的国产大模型账号 不知道正常渠道，还要去淘宝购买一个免费的链接。

2. NPC：使用国产大模型网页对话 豆包、元宝、Kimi等国产大模型，开箱即用，适合日常轻度使用。

3. 人上人：使用国际大模型网页对话 能够用上Gemini、ChatGPT等国际大模型，能力更强，但需要科学上网。

4. 顶级：使用各类IDE Cursor、Trae、Kiro等AI编程工具，能够直接编辑本地项目，大幅提升开发和办公效率。

5. 夯：Claude Code + Zed 终端应用 + 轻量编辑器，配置复杂但功能最强，技术发展最快，能够深度访问本地知识库，真正实现"三个大脑"协同。

从"拉"到"夯"，不仅是工具的升级，更是工作方式的革命。当你有了本地化的AI，有了管理良好的知识库和项目库，你就拥有了一套完整的"三个大脑"系统。在AI的加持下，你的想法、意图都会得到更好的实现。

小结

意向是人类最珍贵的禀赋。过去，它被技术门槛阻挡，被协作成本消耗，被时间距离稀释。今天，本地化AI正在改写这一切。

从"拉"到"夯"，是意向半径的跃迁。云端AI让你初尝大模型的强大，而本地化AI让你的意图触达全部内隐知识。你的项目历史、编码习惯、思考轨迹，都将成为意向的燃料。

选对工具，你的信念将穿越技术的迷雾，你的欲望将跨越协作的鸿沟，你的意图将抵达从未想象的远方。这不是未来，这是此刻正在发生的革命。

祝你在2026年，有美好的作品诞生。

---