硅谷投資人YC CEO：你不需要更好的AI模型，你只需要它認識你（第二大腦搭建指南）

今日喺一個羣組入面，我睇到一段對話。

有人話，自己用 AI 寫文案，俾人話 AI 味太重，啲稿都係要自己練返。

另一個朋友話，試過用 AI 做片頭，後面慢慢都唔掂。

仲有人崩潰：「我老細一定要我用豆包嚟生成文案。」

然後有人出咗句：「我仲未馴服到 AI，求教學。」

我當時順手發咗一張自己嗰篇 Claude Code 圖文教學嘅數據截圖，回咗句：「但我內容一路都係用 AI 寫㗎喎。」

同樣係用 AI，有人寫出嚟俾人話 AI 味太重，有啲 AI 寫出嚟嘅文字，放上抖音同小紅書之後反應都幾好，甚至有人用咗 AI 都完全睇唔出。

所以問題可能唔係「用唔用得 AI」。

問題係：你個 AI 好大機會唔識得你。

AI 都好聰明，但係唔穩定。

你叫佢寫一篇文章，佢唔知你點解要寫呢篇。你叫佢寫一份教學，佢唔知你之前中過咩伏。你叫佢做一個方案，佢唔知你個生意係做乜、客係邊個。

所以佢只能靠估。

羣組仲傳過一張「文案注意點」嘅圖，上面寫得好實際：唔好用大詞，要詳細咁寫，邏輯要通，鈎子唔可以斷。

呢啲建議都啱。但如果 AI 唔知你個產品係乜、用戶係邊個、過去啲反饋係點，佢都執行唔到呢啲建議。

你知道唔好用大詞，AI 唔知。你知道鈎子唔可以斷，AI 唔知。

我研究 AI 差唔多 6 個月喇，真正高強度用 AI Agent 都超過 3 個月。

我而家越嚟越肯定一件事：好多時候唔係你冇馴服到 AI，係你仲未俾 AI 一個可以認識你嘅地方。

我以前都以為，俾 AI 一段提示詞就夠。後來發現唔得。只要資料、規則、項目、製成品全部撈埋一齊，AI 就會亂。佢分唔清邊個係我嘅觀點，邊個係我收藏返嚟嘅原文，邊個係臨時諗法，邊個係已經可以出街嘅內容。

我後來將佢哋分開，先變成而家咁樣。我用嘅系統叫第二大腦，但唔係乜嘢知識管理工具，Obsidian 只係用嚟呈現。真正重要嘅係規則：原材料、製成品、項目、工具，各自分開放。

例如，一篇英文原文只係原材料，唔可以直接當成我嘅觀點；一條臨時諗法只係想法，唔可以直接寫入正文；一篇出過街而且數據唔錯嘅教學，先係 AI 下次應該重點參考嘅樣本。

分清楚之後，AI 每次開工前就知道：邊啲可以讀，邊啲可以寫，邊啲唔鬱得。

呢個方法，我成功執行咗一個多月。

尋日，我寫咗一篇「國內如何用上 Claude Code」嘅圖文教學，放上抖音之後，3.9 萬瀏覽、922 個讚、1110 個收藏。小紅書嗰邊反應都唔錯。

呢篇內容唔係 AI 憑空寫出嚟嘅。

佢知道我點解要寫呢篇：唔係因為 Claude Code 呢個詞熱，而係因為最近好多人卡喺國內網絡同 API 配置上面。我一個月前就用火山方舟嘅 API Key 搞掂咗，而家需求大咗。

佢知道呢篇係俾邊個睇：唔係俾已經好熟命令行嘅人，而係俾啲想用但係卡喺安裝配置嘅人。

佢知道我嘅表達方式：唔係一開始就寫「本文將從背景、原理、步驟三個部分展開」，而係先講我自己嘅使用情況，再俾圖文步驟。

佢知道教學一定要行得通：唔係「睇落有道理」，而係讀者跟住做可唔可以行得落去。

呢啲資訊，如果都要靠我每次喺對話框重新講一次，我會癲。

所以我將呢啲背景、規則、案例同表達標準都放入第二大腦，等 AI 開工前先讀咗先。

睇到呢度你可能會諗：我係咪都要起返一套四個庫？

唔一定。我嘅結構係從我嘅生意衍生出嚟嘅。你唔一定同我一樣。

你真正應該做嘅，係令 AI 先了解你，再幫你設計適合你嘅系統。

呢一步最適合交俾 AI Agent 做。你可以直接叫佢問你幾個問題：你做乜嘢、主要想 AI 幫啲乜、讀者係邊個、最近推緊咩項目、過去邊啲內容值得重複讀取、邊啲規則唔可以掂。

問完之後再俾方案。

呢個比你對住一堆文件發吽哣更加實際。

呢個都唔係我一個人閉門造車諗出嚟嘅，而係同 Twitter 上兩個矽谷大神學返嚟嘅。

講到呢度我覺得有啲搞笑，我喺國內見過唔少大 V 拎咗兩位矽谷大神嘅方法之後，話係自己原創。如果係咁，咁姑且我呢個方式都係我自己原創啦。

Garry Tan 係 Y Combinator 嘅總裁兼 CEO。佢做嘅 GBrain，本質上都係讓 Agent 喺回答之前讀取人嘅生活同工作背景。

Andrej Karpathy 以前係 Tesla 嘅 AI 總監，亦喺 OpenAI 做過研究。佢好多關於 AI 同學習系統嘅分享，都不斷指向同一件事：真正重要嘅唔係一次過嘅 prompt，而係人同 AI 之間有冇一套持續運作嘅系統。

呢啲嘢令我更加確認，我呢半年摸索出嚟嘅方向唔係孤例。真正識用 AI 嘅人，最後都會走向同一個好重要嘅方向：唔係淨係問一個更好嘅問題，而係俾 AI 一個更好嘅工作環境。

你俾佢一個孤立嘅問題，佢只能俾返一個孤立嘅答案。你俾佢一個可以持續讀取嘅第二大腦，佢先有機會變成一個越嚟越瞭解你嘅員工。

所以返去開頭嗰句：「我仲未馴服到 AI。」

先唔好急住怪自己，都唔好急住換模型、收藏新提示詞。

先做一件更加基本嘅事：令 AI 認識你。

唔好先問 AI：「幫我寫。」

先讓佢知道：「我係邊個。」

附：如果你想你 AI 幫你整一套

唔使一次過整曬，亦唔好叫 AI 直接移動文件。先讓佢訪問你，再俾方案。

可以直接複製下面呢段發俾你嘅 Agent（open claw /Claude code/ codex）：

你現在是我的第二大腦搭建助手。

目標：閲讀杜一這篇文章幫我建立一個能讓 AI Agent 每次開工前讀懂我的工作文件夾，並用obsidian打開。

請先對我做一次訪談，確認：
1. 我是做什麼業務/工作的
2. 我主要想讓 AI 幫我做哪些任務
3. 我的讀者/客戶是誰
4. 我最近正在推進什麼項目
5. 我過去有哪些內容/案例/資料值得 AI 反覆讀取
6. 哪些是原始資料，哪些是準備發佈的成品
7. 哪些規則是 AI 必須遵守的紅線

訪談完成後：
- 給我一個文件夾結構方案（說明每個目錄放什麼、不放什麼、AI 什麼時候讀取）
- 如果我已經有文件，先掃描但不要移動，按"原料/內容/項目/工具"給出候選分類，標出你不確定的
- 生成一個"每次讓 AI 先讀這個.md"的模板
- 在我確認前，不要執行任何移動、刪除、覆蓋操作

今天在一個羣裏，我看到一段聊天。

有人說，自己用 AI 寫文案，被別人說 AI 味太重，腳本還是要自己練。

另一個朋友說，試過用 AI 做視頻開頭，後面慢慢也不行。

還有人更崩潰："我老闆一定要我用豆包生成文案。"

然後有人發了一句："我還沒有馴服 AI，求教程。"

我當時順手發了一張自己那篇 Claude Code 圖文教程的數據截圖，回了一句："可是我內容一直是用 AI 寫的啊。"

同樣是用 AI，有的人寫出來被說 AI 味太重，有的AI寫出來的文字，發到抖音和小紅書後反饋還不錯，甚至有人用AI根本看不出來在用。

所以問題可能不是"能不能用 AI"。

問題是：你的AI大概率不認識你。

AI 都很聰明，但不穩定。

你讓它寫一篇文章，它不知道你為什麼要寫這篇。你讓它寫一份教程，它不知道你之前踩過什麼坑。你讓它做一份方案，它不知道你的業務是什麼、客戶是誰。

所以它只能猜。

羣裏還轉過一張"文案注意點"的圖，上面寫得很實在：不要用大詞，要展開寫，邏輯要通，鈎子不能斷。

這些建議都對。但如果 AI 不知道你的產品是什麼、用戶是誰、歷史反饋怎麼樣，它也執行不了這些建議。

你知道不要用大詞，AI 不知道。你知道鈎子不能斷，AI 不知道。

我研究 AI 差不多 6 個月了，真正高強度使用 AI Agent 也超過 3 個月。

我現在越來越確定一件事：很多時候不是你沒有馴服 AI，是你還沒有給 AI 一個能認識你的地方。

我以前也以為，給 AI 一段提示詞就夠了。後來發現不行。只要資料、規則、項目、成品混在一起，AI 就會亂。它分不清哪是我的觀點，哪是我收藏來的原文，哪是臨時想法，哪是已經能發出去的內容。

我後來把它們分開，才變成現在的樣子。我用的系統叫第二大腦，但不是什麼知識管理工具，Obsidian 只是呈現。真正重要的是規則：原料、成品、項目、工具，各放各的。

比如，一篇英文原文只是原料，不能直接當成我的觀點；一條臨時想法只是想法，不能直接寫進正文；一篇發過的數據不錯的教程，才是 AI 下次應該重點參考的樣本。

分清楚之後，AI 每次開工前就知道：什麼能讀，什麼能寫，什麼不能動。

這個方法，我跑通了1個多月。

昨天，我寫了一篇"國內如何用上 Claude Code"的圖文教程，發到抖音後，3.9 萬瀏覽、922 個點贊、1110 個收藏。小紅書那邊反饋也不錯。

這篇內容不是 AI 憑空寫出來的。

它知道我為什麼要寫這篇：不是因為 Claude Code 這個詞熱，而是因為最近很多人卡在國內網絡和 API 配置上。我一個月前就用火山方舟的 API Key 跑通了，現在需求變強了。

它知道這篇給誰看：不是給已經很懂命令行的人，而是給那些想用但卡在安裝配置的人。

它知道我的表達方式：不是上來寫"本文將從背景、原理、步驟三個部分展開"，而是先講我自己的使用現場，再給圖文步驟。

它知道教程必須能跑：不是"看起來有道理"，而是讀者照着做能不能走下去。

這些信息，如果都靠我每次在聊天框裏重新說一遍，我會瘋。

所以我把這些背景、規則、案例和表達標準都放進第二大腦，讓 AI 開工前先讀。

看到這裏你可能會想：我是不是也要建一套四個庫？

不一定。我的結構是從我的業務長出來的。你不一定和我一樣。

你真正應該做的，是讓 AI 先理解你，再幫你設計適合你的系統。

這一步最適合交給 AI Agent 做。你可以直接讓它問你幾個問題：你是做什麼的、主要想讓 AI 幫什麼、讀者是誰、最近推進什麼項目、過去哪些內容值得反覆讀取、哪些規則不能碰。

問完再給方案。

這比你自己對着一堆文件發呆要現實得多。

這也不是我一個人關起門來想出來的，而是和推特上的兩個硅谷大神學來的。

說到這兒我覺得有點搞笑，我在國內見過不少大v拿兩位硅谷大神的方法後，說為自創。如果是，那姑且我這個方式也是我自創吧。

Garry Tan 是 Y Combinator 的總裁兼 CEO。他做的 GBrain，本質上也是讓 Agent 在回答前讀取人的生活和工作上下文。

Andrej Karpathy 以前是特斯拉 AI 總監，也在 OpenAI 做過研究。他很多關於 AI 和學習系統的分享，也在反覆指向一件事：真正重要的不是單次 prompt，而是人和 AI 之間有沒有一套持續工作的系統。

這些東西讓我更確認，我這半年踩出來的方向不是孤例。真正會用 AI 的人，最後都會走向同一個很重要的方向：不是隻問一個更好的問題，而是給 AI 一個更好的工作現場。

你給它一個孤零零的問題，它只能給你一個孤零零的答案。你給它一個能持續讀取的第二大腦，它才有機會變成一個越來越懂你的員工。

所以回到開頭那句話："我還沒有馴服 AI。"

先別急着怪自己，也別急着換模型、收藏新提示詞。

先做一件更基礎的事：讓 AI 認識你。

不要先問 AI："幫我寫。"

先讓它知道："我是誰。"

附：如果你想讓 AI 幫你搭一套

不用一次搭完，也不要讓 AI 直接移動文件。先讓它訪談你，在給方案。

可以直接複製下面這段發給你的 Agent（open claw /Claude code/ codex）：

你現在是我的第二大腦搭建助手。

目標：閲讀杜一這篇文章幫我建立一個能讓 AI Agent 每次開工前讀懂我的工作文件夾，並用obsidian打開。

請先對我做一次訪談，確認：
1. 我是做什麼業務/工作的
2. 我主要想讓 AI 幫我做哪些任務
3. 我的讀者/客戶是誰
4. 我最近正在推進什麼項目
5. 我過去有哪些內容/案例/資料值得 AI 反覆讀取
6. 哪些是原始資料，哪些是準備發佈的成品
7. 哪些規則是 AI 必須遵守的紅線

訪談完成後：
- 給我一個文件夾結構方案（說明每個目錄放什麼、不放什麼、AI 什麼時候讀取）
- 如果我已經有文件，先掃描但不要移動，按"原料/內容/項目/工具"給出候選分類，標出你不確定的
- 生成一個"每次讓 AI 先讀這個.md"的模板
- 在我確認前，不要執行任何移動、刪除、覆蓋操作