AI优先：建立自己的AI工作系统
从「不是AI万能，而是AI优先」出发，完整走一遍从工作习惯、任务交付、长期记忆、多Agent与Subagent、上下文隔离，到Skill、MCP、知识库、文件系统、自动化、权限治理、验收与可追溯的个人AI工作系统搭建路径：开篇＋25篇。
共 26 篇 · 单篇页面收录于 AI 教程栏目 · 来源仓库：lennonli/licheng-AI-tutorials
演讲版 · 26 页完整课把 AI 优先讲成一套工作系统按文章顺序把 AI 优先拆成 26 页演讲内容；从工作习惯、任务交付到自动化、验收和人的判断，每页一个主题。打开演讲版系列目录
- AI优先｜开篇：建立自己的AI工作系统 —— 过去一段时间，我花了很多时间研究AI，也用了很多不同的模型、Agent、MCP、Skill、知识库和自动化工具。真正重要的，不是知道多少AI工具，而是有没有建立一套适合自己的AI工作系统。
- AI优先｜做任何工作前，先问一句：这个事能用AI完成吗？ —— 每接到一件事情，不是马上动手，而是先问一句：这个事能不能用AI完成？；不是“AI万能”，而是“AI优先”。
- AI优先｜5%的时间设计，90%的时间等待，5%的时间复核 —— 用了AI一段时间以后，我越来越觉得，很多工作的最佳状态，不再是“人从头做到尾”。5%的时间设计AI工作系统和提示词，90%的时间让AI执行，最后5%的时间复核。
- AI优先｜养好一个AI智能体：经常用、持续用，让它越来越懂你 —— 我现在越来越觉得，AI智能体不是“用一次算一次”的工具。如果只是偶尔打开，问完一个问题就走，那它和搜索引擎、普通聊天机器人差别并不大。
- AI优先｜不要频繁换Agent：你的AI记忆本身就是数字资产 —— 今天一个新模型，明天一个新Agent，后天又有一个更强的产品。哪个新，就换哪个；哪个排行榜高，就用哪个。
- AI优先｜把零散的AI工具，组织成一套工作系统 —— 用了AI一段时间以后，我越来越觉得，真正重要的不是“装了多少AI工具”。所谓AI工作系统，不是某一个软件，也不是某一个模型。
- AI优先｜不要陪AI工作：学会把完整任务一次性交出去 —— 很多人用了AI以后，工作方式其实没有真正改变。问AI一句、看一下结果、再补一句、再等一下、再改一句。
- AI优先｜复杂任务不要自己拆：先让AI做任务规划 —— 不要陪AI工作，要学会把完整任务一次性交出去。但一碰到复杂任务，很多人又会回到原来的工作方式。
- AI优先｜一个AI不够：建立自己的多Agent工作体系 —— 用了AI一段时间以后，我越来越觉得：；真正稳定的AI工作方式，不应该只依赖一个Agent。
- AI优先｜善用Subagent：让一个主Agent同时调度多个子代理 —— 不要把整个工作系统只压在一个独立Agent上。一个Agent内部，也不应该什么事情都自己从头做到尾。
- AI优先｜不要把所有信息都塞给AI：学会上下文隔离 —— 用了AI一段时间以后，我越来越觉得，一个很容易被低估的问题是：；上下文太多，也会降低AI的工作质量。
- AI优先｜重复三次的工作，就应该考虑做成Skill —— 我现在越来越有一个很简单的判断标准：；如果一件事情已经重复做了三次，就应该考虑把它做成Skill。
- AI优先｜提示词、全局指令、项目指令、Skill，到底怎么分工？ —— 用了AI一段时间以后，很多人会慢慢积累出一堆东西：；这到底应该每次写在提示词里，还是放到全局指令？
- AI优先｜不要只做知识库：建立AI真正能用的项目文件系统 —— 很多人一说AI工作系统，第一反应就是：；但我现在越来越觉得，如果目标是让Agent真正参与日常工作，只有知识库远远不够。
- AI优先｜AI知识库不是越大越好：先解决质量、时效和可追溯性 —— 一说到AI知识库，很多人的第一反应是：；把网上找到的文章、案例、报告一起塞进去。
- AI优先｜给AI接工具：为什么MCP比单纯提示词更重要 —— 很多人刚开始用AI时，主要精力都放在提示词上。但用了Agent一段时间以后，我越来越觉得：
- AI优先｜从提示词到自动化：一个AI任务应该怎样一步步进化 —— 用了AI一段时间以后，我越来越觉得：；一个任务，不应该永远停留在“每次重新问AI一遍”的阶段。
- AI优先｜能定时运行的AI，才真正开始像“数字员工” —— 前面讲过，一个AI任务最理想的进化路径，大概是：；临时对话 → 提示词模板 → Skill → 工具调用 → 脚本 → 定时任务 → 条件触发。
- AI优先｜不要让AI自动化失控：给Agent设计权限、审批和兜底机制 —— 真正成熟的AI工作系统，不应该每件事都等人来启动。很多重复、稳定的任务，应该逐渐变成：
- AI优先｜AI工作系统一定要能复盘：别让AI重复犯同样的错 —— AI工作系统真正有价值的地方，不只是把事情做完，而是：；如果AI今天审合同漏了一个风险，明天还继续漏；今天解决了一个Agent故障，下次遇到同样问题又重新排查，那说明虽然一直在用AI，但系统没有真正积累经验。
- AI优先｜给AI设验收标准：不要只说“做完”，要定义什么叫“做好” —— 很多AI任务最后效果不好，不一定是模型能力不够。任务虽然交出去了，但没有提前定义“做到什么程度才算完成”。
- AI优先｜先定义输出，再让AI开始工作 —— 我现在越来越喜欢一个很简单的AI工作习惯：；先别急着告诉AI怎么做，先把最终要交付什么想清楚。
- AI优先｜不要只让AI给结论：重要工作必须可追溯 —— 但在法律、财务、尽调、投资这类专业工作里，只有结论还不够。所以我现在做重要任务时，会直接把“可追溯”写进任务要求里。
- AI优先｜不要让AI替你做最终判断：把执行交给AI，把责任留给人 —— 我现在越来越倾向于把工作分成两部分：；这不是保守，而是专业工作本来就有不同层级。
- AI优先｜以后我不再只学习怎么用AI，而要学习怎么管理AI —— 刚开始接触AI的时候，我最关心的是：；但用了很长一段时间以后，我越来越觉得，真正值得继续提升的能力已经变了。
- AI优先｜最终篇：真正的AI能力，不是会用AI，而是建立自己的AI工作方式 —— 看起来主题很多，但写到最后，我越来越觉得，这个系列真正想讲的其实只有一件事：；不要只学习怎么“用AI”，而要逐渐建立一套属于自己的AI工作方式。
