夙愿的 AI 实验室 · 闭门直播 · 道法术器复盘

上下文、工具、许愿夙愿 × 锦成 · 11 月 18 日连麦复盘

这一场名义上是夙愿给锦成做一对一私教,拿锦成的电脑现场开刀,大家旁听。开场 100 多人,讲了将近 3 个小时,到最后还有 60 多人没走。没有回放。这份复盘只发给在群里写了复盘的朋友。

800 亿锦成三个月烧的 token
318 → 47锦成的 Skill / 夙愿的
约 3 小时没有回放
60 多人讲完还没走
2026 年 11 月 18 日晚 20:13 起约 2 小时 57 分无回放依据当晚逐字稿整理
夙愿主讲。2022 年 ChatGPT 刚出来就在用,自己只留了 47 个 Skill,平时用一个主控 bot 管所有事。
锦成被私教的那个人。三个月烧了 800 亿 token,装了 318 个 Skill,用 AI 剪视频、做选题、做封面。

只有 1 分钟:看「先讲结论」和最后的「接下来就做这几件事」。
有 5 分钟:再看「按用途找」和「数字汇总」。
想看全:从头往下读,约 25 分钟。每一段都标了是谁说的,绿色是夙愿,橙色是锦成。

先讲结论

这一晚最值得带走的 5 件事

  1. 你发一句话,AI 收到的是一整串。系统说明、内置工具、所有 Skill 的介绍、规则文件、对话历史,每次请求都一起发过去。新开对话第一句还没发,就已经用掉 5 万 token,锦成的是 8 万。省 token 先从这一串里做减法。
  2. 减法让 AI 自己做。每个人的电脑情况都不一样,没有标准答案。让 Agent 扫你过去 30 天的对话记录,它自己能找出哪些 Skill、工具、功能根本没用。
  3. 用 AI 就三件事:给上下文、给工具、会许愿。把它不知道的事实告诉它,把工具配好,只说你要什么结果。不要教它怎么做事。
  4. 人是 AI 的瓶颈。你以为自己用 AI 已经很激进了,往往还不够激进。旧经验会让你下意识觉得「这个 AI 做不了」。
  5. 没有标准答案的事,先造一个标准。写文案、剪视频、做封面,说不清好在哪,但 A 和 B 摆在一起一眼能选出来。快速打标,就是在把人的判断蒸馏给 AI。
道
底层世界观 · 十年后还成立

道:底层世界观

每一节按「判断、证据、为什么、边界」写。卡片上标了是谁的判断,正文就是那个人的口吻。

道 · 一

每一次请求都是一整串夙愿

判断很多人以为发给 AI 的只有自己打的那一句。其实模型每一次收到的,是一整串内容。token 为什么那么多,原因在这一串里。
系统提示词 每次都带
内置工具的说明 搜索、读文件、改文件……
MCP 工具的说明 装了几个带几个
所有 Skill 的介绍 装了 318 个就带 318 个
规则文件 AGENTS.md、CLAUDE.md
对话历史和工具结果 越聊越长
你打的那一句话
一次请求里装了什么。新开对话、第一句话还没发,就已经用掉约 5 万 token;锦成那台是 8 万。
证据当晚现场扫锦成的电脑:318 个 Skill,其中 243 个近 30 天一次都没用过,有一组装了 45 天一点没用。我自己只有 47 个。
为什么每次请求都要把完整的 Skill 清单丢进去。你说一句「帮我改一下这个」,里面 99% 的 Skill 跟这件事没关系,但每次都得加载一遍。更要命的是注意力:模型思考时得分一部分去想「这个 Skill 要不要用」,单次请求的东西越少,模型能放在你真正要做的事上的注意力就越多。所以我 47 个 Skill,该调用的时候调用得很稳;锦成 318 个,他自己都说现在调 Skill 基本全靠斜杠,因为不点名它会乱。
边界Agent 出厂的配置是「大部分人用起来都还行」,不一定适合你。我主要做编程,锦成主要做自媒体,该关的东西不一样。所以这件事没有一份标准清单可以抄,得让 Agent 扫你自己的日志。
道 · 二

给上下文,不要控制它夙愿

判断现在用 Agent,该做的是把事实给够、把工具配好、把目标说清。很多人还停在「教 Agent 做事」的旧习惯里,这个习惯要改。
证据我拿乔哈里视窗讲过:你知道 AI 也知道的,是世界知识,模型训练时就有了;你知道 AI 不知道的,是你的个人信息,比如你的知识库、你是干嘛的;还有两块是你不知道它知道、你们俩都不知道。锦成有两台电脑,AI 是不知道的,你不说,它不可能伸出眼睛来看。我的做法是直接在全局的 AGENTS.md 里写清楚:哪台是主电脑,另一台上跑着什么,两台怎么连。只写事实,不教它怎么做。
锦成当场复述:「只告诉它客观的事实,告诉它你想要的结果,不要给它方法。」后来又补了一句:「按你这么说,我里面大部分是有大问题的,因为我全在管理它、控制它。」
为什么在这么多上下文的管理、这么多零碎知识之间建立关系这件事上,AI 一定比你聪明。你写一堆流程去控制它,等于拿你的上限去压它的上限。
边界锦成问:在我专业的领域,AI 给的方法很多时候是错的,怎么办?原因是你没把专业领域的东西给它。模型只有世界知识,世界知识在有些领域就是平庸的,你让 GPT 写文案就写得不行。这时候要补的是专业领域的上下文,比如高分作品、你的判断记录,还是给,不是控。
道 · 三

人是 AI 的瓶颈夙愿

判断你觉得自己用 AI 已经非常激进、非常穷凶极恶了,这种时候往往还是不够激进。拖后腿的经常是人。
证据我 2022 年 ChatGPT 刚出来就在用。那时候的 AI 很蠢,很多事都得跟它说,用久了脑子里就有了「它只能做到这样」的禁锢。从 23 年一直用到今天的人,用 AI 反而可能比不过刚接触的人。当晚好几个现场例子:锦成想把我说的话转成文字再复制给 AI,我说「格局小了,你直接截个图给它」;锦成说怕把规则文件改坏,我反问「你既然害怕,为什么不跟你的 Agent 说你害怕?」你说了,它自己会先备份,改完用几天不好使再帮你恢复。
为什么人会觉得「这么小的事我顺手帮 AI 干了吧」,省了一点 token,花掉的是你的注意力。还有一种是你根本想不到 AI 能做。以前我让 AI 读微信,是全选聊天记录、收藏转笔记、再复制全文。如果你不知道有读取微信的工具,你只会以为只能自己一点点复制。
边界激进不等于没脑子。我不建议完全不看、一路点「下一步」,虽然它有备份机制,还是得自己稍微看一下。我也建议关掉输入框里的「下一句预测」:AI 说完话,下面自动出现一句建议回复,你按 Tab 回车就发出去了。这样你从看完内容到想怎么回的那点思考也没了,最后只会说 yes 和 no。这件事我觉得很可怕。
道 · 四

有外部验证的领域,AI 才能自己变强夙愿

判断AI 能不能把一件事做好,关键看有没有一个它能用来检查自己的外部标准。
证据锦成讲了一个反差:搞网络、配 VPS,他把官方文档丢给 AI,AI 比他强 10 倍;可让 AI 去拆别人的直播,哪怕喂了方法论、建了知识库,拆出来也完全不行,必须他自己跟 AI 一起逐段看录像。差别在于配 VPS 有标准答案,网络通没通、IP 准不准、测试点过没过,都有可置信的工具给它做循环。写文案、做直播,没有这样的工具。
为什么没有外部验证,AI 只能萃取训练时的世界知识,它自己也不知道写得好不好。所以要把你领域里的标准答案、高分作品变成参考,再让一个模型生成、另一个模型盲评,看有没有到 80 分、问题在哪,交给负责优化的 Agent 改,循环几十轮。
边界这属于 Agent 评估的领域,没那么简单。评分的 Agent 可能把好的打低分、坏的打高分,还得有人辅助:把大步骤拆成小步骤,每一步就把结果给你看,及时调。但这已经比你自己一点点调强,因为你自己调,其实也是在给它做评估。
道 · 五

快速打标,是在蒸馏人的判断锦成

判断夙愿讲完评估这一段,我想通了:这件事的第一性原理是快速数据打标。AI 产出,人快速下判断,AI 把人的判断学走。
证据剪辑我已经这样跑通了:剪辑师在审片页面上直接批注,AI 根据批注改剪辑的 Skill。做工作台也一样:左边放现在的,右边放优化过的,一屏十个页面,我快速选 A 选 B,就能把 60 分变成 70 分,70 变 75,75 变 80。卡我三个月的是文案 Skill,接下来就用同一套:让它半夜先跑 20 段,我回来快速批注。
为什么很多时候我们没有能力说清楚好在哪、坏在哪,但我们感觉得到。比如我觉得夙愿的教程质量在我看过的里面排前 3%,好教程和坏教程我说不明白、也写不出来,但我分得出来。说不出来没关系,只要 AI 产出现成的东西让你选,你的判断就进去了。
边界模型得够强。复刻出来全是六七十分,那就没意义,我自己写不出 85 分的东西。现在可以:文案用 Gemini 4 写,剪辑用 Fable 5.2。场景切得足够细的时候,Skill 打磨到 80 分就够了,不用追 95 分,比如我大号和小号两种剪辑风格,各打磨好一套。
道 · 六

红利有窗口,能力要配上营销锦成

判断现在用好 AI 有明确的红利期。趁这个时间,赚到跟自己在 AI 上的认知匹配的钱。商业上,大部分时候营销比技术重要。
证据99% 的人连 Claude 都用不上。我做的 AI 视频号现在 4.4 万粉,官方互选平台报价 6500,下个月准备报到 8000 到 10000,这还只是一个平台、一个账号。我对标的鉴锋 Agent,抖音 400 粉,视频号两个月涨了 16 万到 20 万粉,人是数字人,剪辑是 AI 剪的,他自己可能去做商务、做 B 端了。
为什么等到 WorkBuddy 这类工具也能做出同样的效果,几千万人都能剪出这个级别,标准就又变高了。另外,东西好、实用价值强的时候,一定要把用户体验做到顶,要么傻瓜式,要么贼好看。工作台为什么要做得那么炫,为了让别人想要。展示面太关键了。
边界最终的限制是人的身体、体力和精力,这个没办法,所以要有团队。AI 五分钟能解决的事,后面这五分钟也要省下来,去做更重要的事。夙愿当晚也提醒我:这一段听着有点打鸡血、有点成功学,他没打断我,是想让大家看到想法爆炸时的魄力,有这个胆量,才敢给 AI 许 10 倍的愿望。
法
可迁移方法论 · 换个场景照样用

法:可迁移方法论

每一节写清它解决什么、当晚怎么出现、换到你那边怎么用、哪里会失效。

法 · 一

让 Agent 扫自己的日志做减法夙愿

解决什么不知道该关什么、删什么,网上又找不到适合自己的方案。
当晚我把经验蒸馏成了 save-my-tokens 这个 Skill。锦成在他的大知识库目录里,用最强的模型跑起来。它扫了 30 天的日志,按使用频率把 Skill 分成五组,第一组是「装了 45 天一点没用」。锦成第一反应是「全部归档,也不删」;后两组是他最近还在用的,但其中一部分只需要他自己斜杠调用,不需要让模型看到。光清 Skill 这一项,还只清掉了一千多 token,后面 MCP、应用自带工具、规则文件、上下文配置一项项往下查。
怎么迁移任何「东西越堆越多」的地方都能这样做:先让 AI 按使用频率分组,再分三档处理。还在用但模型从不主动调用的,改成只能斜杠调出来;一直没用的,挪走归档、不删;常用的留着。中途我让锦成打断它:「我们现在只做选择,你先不用干,等把所有该清理的项都列出来、确认之后,再按合适的顺序一次性干完。」
局限它是先备份再动的,但我还没在每种电脑上认真测过。别一路点下一步,每一档自己看一眼再确认。
法 · 二

用总入口做渐进式加载夙愿

解决什么一个工具装下来拖家带口一大堆 Skill,规则文件越写越长,每次请求全部背着走。
当晚飞书的命令行工具一装就是一个家族:表格一个 Skill、文档一个 Skill。我参考栋哥的 dbs 做法,自己建了一个 lark-cli 总入口:模型平时只知道「有飞书这个东西」,真要用到飞书文档,再往下打开一层,读对应的 Skill。你找栋哥的 Skill 输入 dbs,它自己路由到做内容还是做封面。
怎么迁移规则文件也一样,可以变成渐进式加载:只有任务相关时才去读那一部分。锦成担心「懒加载了,该用的时候没加载到怎么办」,办法是在最底层的 AGENTS.md 里写清楚:做什么事之前,第一步先去找什么信息。记忆系统、RAG、第二大脑,本质都是让模型先知道少量信息,需要的时候再去找更多。锦成知识库里的 SOT(Source of Truth,知识库导航)就是这个作用,让 AI 不用满盘乱翻。
局限总入口的说明要写准,模型才知道什么时候该往下走一层。入口写含糊了,等于没装。
法 · 三

管住每次请求的上限,并让它压缩后回头翻夙愿

解决什么前面是让每次请求变小,这一条是管住请求的总量和频率。
当晚Claude Code 默认上下文是 100 万。我建议改成到 40 万、50 万就自动压缩:对任务质量影响不大,但每次请求不会超过 50 万。扫锦成的记录也发现,他很多对话都用到了 40 万以上。
关键补丁压缩会漏东西。比如在扫 Skill,压缩后它记得「有第一到第五阶段、各自大概干嘛」,每个阶段里具体是哪些 Skill 它就丢了。模型都有一种倾向:手里有压缩版,就以为够了,不往前翻。所以要在 AGENTS.md 里加一句,让它知道压缩后的上下文是不完整的,接着干活前,主动回去翻压缩前的记录。再让它建一个专门记任务进展的文件(我叫 task log),压缩后读一下就知道干到哪了。
另一个坑还有上下文缓存:前面算过的结果记住了,后面就不用重算。它大约只保留 1 小时。一个对话停了超过一小时再继续,如果它已经有七八十万的上下文,重建一次很贵。锦成的理解很准:像人的工作记忆,还记得就不花钱,忘了重新找资料、重新想就要花钱。
法 · 四

按任务派模型,子 Agent 只是工具夙愿

解决什么所有活都交给最贵的模型,额度烧得最快。
当晚Claude 官方的口径是把子 Agent(sub agent)当成一次工具调用:主对话是这个任务的主理人,子 Agent 只帮它干一部分,比如扫一遍工具清单,干完把结果交回来,子 Agent 自己有完整的上下文窗口,不占主对话的。问题是如果你开了 Ultra Code 这类模式,什么都派给 Fable 级别的子 Agent,上网查个信息明明 Haiku 就够,也用 Fable,就很浪费。我的做法是在全局的 CLAUDE.md 里加一张模型分工表:什么任务找 Haiku,什么找 Sonnet,什么找 Opus,什么才值得开 Fable。
怎么迁移频率也要管:定时跑的任务,比如每天扫一遍对话做记忆整理,看看用的是什么模型,Sonnet 够就别用 Opus;能用 GPT 解决的就别用 Claude。后台偶尔跑一下的小任务,可以用 Codex 的 exec 无头模式在后台跑,连 Claude 界面都不用开。
锦成的做法:有 Fable 额度时,让 Fable 做突破性的事、做创新、做设计,再让它指挥 Opus 干活;更机械的活,让 Opus 5.5 指挥 Codex 去干。他估计这些设计加上以后,一个月能省一两千块。
局限分工表要按你自己的活写。我那一段会更新进 Skill 里,但谁的任务该派给谁,还是你最清楚。
法 · 五

会许愿:说结果、说标准、敢开价夙愿

解决什么上下文给了、工具配了,AI 出来的东西还是平庸。
给上下文它不知道的事实:你是谁、两台电脑怎么分、你的高分作品
给工具它要用的手脚:微信、飞书、浏览器、屏幕时间、自动化
会许愿只说要什么结果,「不管你用什么办法」
当晚让 AI 把微信资料拿出来,我就这么说:不管你用什么办法,去找别人做过的项目,对比一下哪个确实有用、别人分享过能拿到、安全无毒、能用,你就给我弄好。它卡在要人点授权的地方,我帮它点一下。做 PPT 时,它一开始做得很烂,我说「你做的 PPT 最多值 1000 块,想办法把它变成 10 万块钱的效果」,它改到 5000 块的水平,我说还不够,再改,最后质感出来了。
怎么迁移许愿不是「帮我写一条 10 万加的文案」。你不给赛道、账号调性、好文案长什么样,它只能从训练时的世界知识里萃取,作业都写不出来。另一个办法:同一个任务交给三个模型各想一遍,比如 Fable 或 Opus、Gemini、Codex,再交给一个去综合三家的建议,取长补短后再执行,这本身可以做成一个 Skill。
局限锦成问用了 Skill 还要不要加「神级提示词」。我的回答是:神级提示词是在极致地抽取模型的能力,如果 Skill 里已经有这件事的上下文和方法,再加也好不到哪里去,除非你用的是什么都没配的纯模型。
法 · 六

让 AI 24 小时在合适的时间点自己推进夙愿

解决什么人记太多会忘,想起来了,掏电脑、打开、说一遍、等几分钟,中间一滑手又去干别的了。
当晚我的 bot 每天 8 点自动拉取微信聊天记录,看有什么该看、该回的。这次直播,我只是周一在聊天里跟锦成说要做成群分享,完全没跟 AI 说,它晚上读到聊天记录,自己建了提醒,前一晚提醒我发预告,今晚 7 点半又提醒我再发一次。我还让它通过 iPhone 屏幕镜像加 LCU 操控我的手机,用屏幕使用时间把小红书、X 这些都锁了;它第二天再抓屏幕使用时间看有没有效果,发现电脑上还没锁,中午自己跑任务给电脑也配上了,我全程没动,只在它做不到的步骤帮它点了一下。我在电脑前坐满一小时,它会锁屏,让我站起来活动。
怎么迁移锦成想做的「复利循环」,每晚让 AI 扫一遍当天所有对话给建议,也是这个思路。数据源可以有微信、飞书、腾讯会议的逐字稿、飞书录音豆的录音、屏幕时间、睡眠数据,它们都带北京时间,AI 能对齐出「某一段时间我在做什么、说了什么」。给它的是每天的摘要,要细节时它再点开具体的逐字稿,这也是渐进式加载。
局限这一套不是通用方案:上下文要收集,工具要打通,网络要配,微信这类东西我不会公开教具体怎么做。思路可以照抄,搭法只能按你自己的情况来。
法 · 七

把注意力留给验收结果夙愿

解决什么开的对话越来越多,人被工具调用的过程、来回切上下文拖垮。
当晚Claude Code 干活时会刷一大堆工具调用,它怎么干的我根本不关心,我只关心最后左边那块蓝色去掉没有。现在的模型已经不需要你当「微操大师」,盯着每一步。我有一个主控 bot 叫荔枝:新的事、不知道找谁的事,就找它,它自己去开一个新的 bot 专门管,干完把结果交回给荔枝,荔枝再给我。只有像去医院挂号这种我明确知道找「健康」那个 bot 的,我才直接找它。
怎么迁移你只跟一个入口说话,其他的让它去分派。验收是人必须做的,所以注意力要留在验收上,不留在过程上。要和 AI 快速来回做决策时,可以选速度快的模型,有人用 GPT 500 美金套餐的高速模式,每秒能到 300 token,一轮一分钟左右就有结果,人就能一直专注在一个对话里。
锦成的用法:他的 bot 主要用来调研,能连生财有术的 MCP、X、Reddit、GitHub,四个信息源交叉验证;搞网络时直接让它去 X 调研最佳方案、做成知识库,有问题截图丢给它。他说就是把它当一个人:有事直接找专人。
法 · 八

人只做 AI 暂时替不了的那一段锦成

解决什么自媒体一个人产量上不去,卡在剪辑、封面、选题上。
当晚我公司剪辑师一个月八九千,一条 4 分钟的视频一天只能剪一条;现在 AI 剪,我两台电脑连在一起,一天能剪 10 条,时间只卡在渲染上。我 7 月份用 Codex 烧了 100 亿 token 做剪辑 Skill,这两周又做了新一轮,11 月 10 日模仿卡兹克一条剪辑特别好的视频,一个半小时内逆向完,效果能到他的 90% 到 95%。现在我的流程里,人只负责两件事:写文案,拍摄。选题用 TikHub 一下批量调研几百条爆款,加 Skill 按权重筛,几分钟搞定;拍摄几分钟,顶天 20 分钟;封面一个选题出 20 张,我挑一张;剪辑师在审片页批注,AI 改;复盘和发布写个 Skill 迭代就好。
怎么迁移把你的流程画出来,一段一段问:这一段 AI 能不能干,干不好是缺上下文、缺工具,还是缺标准。我原本以为自己用 AI 已经很夸张,跟夙愿打完电话 AI 化又多了 20%,今晚发现还是不够。
局限文案不可能交给别人写,别人写得不好你还要改。粗剪目前还要再调优。直播这类没有标准、拿不到后台数据的,AI 拆不明白,得人带着它从 0 到 1 打标。
夙愿的补充:挑封面时,打开飞书录音豆边看边说,「第一张不好,滚;第二张滚;第四张稍微好,脸不太像」,像皇帝批奏折一样。转写出来丢给 Agent,它下次就知道你喜欢哪类、不喜欢哪类,Skill 就越来越准。
法 · 九

先抄,再超,再赚到钞票锦成

解决什么不知道从哪里起步,或者只会照搬、做成别人的影子。
当晚我对标视频号的鉴锋 Agent,先抄他的选题、抄他的框架;剪辑我自认为比他强,那就用数据验证,看文案哪里还能优化、剪辑哪里还能优化。纯抄是没脑子,那样你永远只是别人的一个数字人。画面、剪辑、声音、文案,总要有一个点超越他一点点。
怎么迁移选题也一样:一条视频在抖音和视频号都火了,说明这个选题非常强,赶紧做;只在一个平台火的,要看两个平台观众的调性。我视频号关注我的人 30 到 50 岁居多,跟抖音很不一样,所以要因地制宜。
局限有人问一直参考同一种会不会审美疲劳。会,但问题很小:对 A 疲劳了,明天换 B 来学,改一下就好。夙愿提醒,「蒸馏」这个词有点负面,其实就是参考学习。
术
可执行动作 · 照着做

术:可执行动作

按你会遇到的场景排。每条末尾标了是谁说的。

省 token、清配置
管住上下文和模型
跟 AI 说话
内容生产
两台电脑当一台用
器
工具与载体 · 随时会变

器:工具与载体

扫配置、做减法save-my-tokens(夙愿的 Skill)
github.com/suyuan2022/save-my-tokens
看 token 构成Claude Code 的 /context、/compact、模型切换
模型Fable 5.2(突破性的事)、Opus 5.5、Sonnet、Haiku;Gemini 4(文案);GPT 和 Codex
后台小任务Codex 的 exec 无头模式
操作电脑和手机LCU;iPhone 屏幕镜像;屏幕使用时间
总入口栋哥的 dbs;夙愿自建的 lark-cli 总入口
同步和存储坚果云(实时、文本)、iCloud、GitHub、百度网盘(归档大文件)、外接硬盘、软链接
两台电脑雷雳线直连、Mac 远程登录(ssh)
磁盘清理Mole(付费,有专人维护)
调研TikHub;bot 连生财有术 MCP、X、Reddit、GitHub
记录判断飞书录音豆;审片批注页;腾讯会议逐字稿
长期助理bot(夙愿的主控 bot 叫荔枝,按专题再分 bot)
串起来

今晚这些,其实是三件事

省 token 和用好 AI 是同一件事

出现在:道一、法一、法二、法三、术里的整组清理动作

前半场一直在砍 Skill、砍工具、砍上下文,看起来是为了省钱。但夙愿讲「AI 变笨」的时候点破了:每次请求里的东西少了,模型能分给你那件事的注意力就多了。47 个 Skill 调用得稳,318 个要靠斜杠点名,是同一个道理。对你有用的地方是:当你觉得 AI 最近变笨了,先别急着换模型、加提示词,先 /context 看看它每次背着多少东西。

「给」比「控」更有效

出现在:道二、道三、法五、术里「跟 AI 说话」一组

两台电脑只写事实、不写教程;微信资料说「不管你用什么办法」;害怕就直接说害怕;PPT 直接开价。全是在给它上下文、给它工具、给它目标,没有一条是在规定它第一步做什么、第二步做什么。锦成当晚最大的触动也在这:他写的规则大部分在管理和控制。回去看自己的规则文件,每一条问一句:这是在告诉它事实,还是在教它做事?

人要守住的是判断,不是操作

出现在:道三的边界、道四、道五、法七、法八

夙愿让关掉「下一句预测」,不建议一路点下一步,要把注意力留给验收结果;锦成说剪辑、工作台都是靠人快速选 A 选 B 磨上去的。两个人从不同方向走到同一个地方:操作可以全给 AI,判断要留在人这里,而且要用最快的方式把判断喂回去。这也是为什么快速打标值钱:它让你说不出来的那部分判断,变成 AI 能学的东西。

当晚原话

值得抄下来的几句

按逐字稿整理,只去掉了口头的语气词。

格局小了,你截个图给它。夙愿
你既然害怕,为什么不跟你的 Agent 说你害怕?夙愿
你觉得你用 AI 已经非常激进了,这种情况往往你还是不够激进。夙愿
人是 AI 的瓶颈,人给 AI 拖后腿了。夙愿
给它上下文,但是不要控制它,你不要试图教它做事情。夙愿
你做的 PPT 最多值 1000 块,想办法把它变成 10 万块钱的效果。夙愿
大家一定要穷凶极恶地给 Agent 提供你的 context。夙愿
你得看见有人真的能做成,你才会愿意去相信这个事情能做成。夙愿
我们说不清好在哪、坏在哪,但我们能感觉到。锦成
它的第一性原理,就是快速数据打标,快速蒸馏人的判断。锦成
先抄,再超,然后同时赚到钞票。锦成
你对 A 审美疲劳了,我明天换个 B,优化一下就好了。锦成
最终的限制,是人的身体、体力和精力。锦成
第二种读法

按用途找

上面的内容按「用来干什么」重新归了一遍,后面标着回到原文哪一节。

要记住的判断

  • 你发一句话,AI 收到的是一整串,每次请求的东西越少,模型的注意力越集中。道一
  • 给上下文,不要控制它;AI 在管理大量上下文这件事上比你聪明。道二
  • 人是 AI 的瓶颈,你觉得够激进了,往往还不够。道三
  • 有外部验证的领域 AI 能自己变强,没有的要先造一个标准。道四
  • 说不清好坏没关系,能选出 A 和 B 就能把判断教给 AI。道五

照着想的方法

  • 让 Agent 扫 30 天日志,按频率分三档:常用留着、只斜杠调用、归档不删。法一
  • 成套的东西做总入口,规则文件渐进式加载,底层写清「做什么之前先找什么」。法二
  • 40 到 50 万自动压缩,压缩后主动回头翻,长任务记 task log。法三
  • 主对话是主理人,子 Agent 是工具,按分工表派模型。法四
  • 给上下文、给工具、会许愿,许愿时敢开价。法五
  • 只跟一个主控入口说话,注意力留给验收。法七

照着做的动作

  • 今晚就 /context 看一眼,再跑一遍 save-my-tokens。术
  • 全局规则里加三样:压缩后回头翻、模型分工表、两台电脑的分工。术
  • 挑封面、审片开着录音说,转写丢给 Agent。法八
  • 选一个说不清好坏的场景,做一次 A/B 快速打标。道五

别踩的坑

  • 一路点「下一步」,自己一眼都不看。道三
  • 开着「下一句预测」,最后只会说 yes 和 no。道三
  • 上下文压缩后不让它回头翻,它会以为摘要就够了。法三
  • AGENTS.md 太长,Codex 只读到前 32K。术
  • 什么都派给最贵的模型,包括上网查个信息。法四
  • 许愿只说「写一条 10 万加」,不给赛道、调性和好作品。法五
  • 模型不够强就做打标,出来全是六七十分,没意义。道五
第三种读法

数字汇总

我们走过的路
800 亿锦成三个月烧掉的 token;现在大约每月 400 亿
318 / 47锦成装的 Skill 数 / 夙愿只留的 Skill 数
243 个锦成的 Skill 里近 30 天一次都没用过的
100 亿锦成 7 月用 Codex 做剪辑 Skill 烧的 token
1 条 → 10 条剪辑师一天剪一条 4 分钟视频;AI 一天剪 10 条
90% 到 95%锦成逆向卡兹克剪辑后自评的还原度,逆向用了一个半小时以内
4.4 万锦成 AI 视频号粉丝数,官方互选报价 6500
2022 年夙愿开始用 ChatGPT 的时间
方法里的标准
5 万 / 8 万新开对话第一句话发出前已用掉的 token:一般情况 / 锦成那台
30 天save-my-tokens 扫的日志范围
40 到 50 万建议自动压缩的上下文位置(默认 100 万)
1 小时上下文缓存大约保留的时间
32K → 64KCodex 默认读 AGENTS.md 的上限,和工具建议调到的上限
80 分盲评达标线;场景切得够细,Skill 打磨到 80 分就够
60 → 80锦成用 A/B 快速选,把工作台从 60 分磨到 80 分
20 张一个选题出的封面数,从里面挑一张
这场直播
100+开场时在线人数
60 多人快 3 个小时讲完时还在的人数
第四种读法

从 0 到 1 的步骤

把当晚讲的排成你照着走的顺序。前面几步当天就能做完。

  1. 先看新开一个对话,输入 /context。记下第一句话没发之前用掉了多少,这是你的起点。(道一)
  2. 再清装 save-my-tokens,在常用目录用最强的模型扫 30 天日志。先只做选择,所有清理项列完、确认后一次性干完。(法一)
  3. 分档Skill 分三档:常用的留着,模型不主动用的改成只斜杠调用,一直没用的归档。做到 /context 里 Skill 那一项明显变小。(法一)
  4. 关掉下一句预测、用不到的连接器、被别的工具替代的自带功能。(术)
  5. 改规则告诉 AI 你怕改坏,让它先备份,再把规则文件改成渐进式加载。底层写清「做什么事之前先找什么」。(法二)
  6. 管上限40 到 50 万自动压缩,规则里加「压缩后回头翻」,长任务建 task log。(法三)
  7. 派模型写一张模型分工表,定时任务检查用的模型,后台小任务交给 Codex 无头模式。(法四)
  8. 有两台电脑在全局规则写清分工和连接,配置走实时同步,大文件走软链接。(术)
  9. 让它自己推进把最常忘的一件事做成定时任务,比如每天固定时间拉一遍聊天记录。(法六)
  10. 磨判断挑一个说不清好坏的场景,让 AI 先出一批,你快速选 A 选 B、开着录音说理由。做到它下一批明显更像你要的。(道五、法八)
接下来

接下来就做这几件事

  1. 今天:新开对话输入 /context,截个图存下来,当作优化前的样子。
  2. 今天:装上 save-my-tokens,跑完第一刀「先砍 Skill」,再 /context 对比一次。
  3. 今天:在全局规则里加一句「压缩后的内容不完整,接着干活前主动回去翻记录」,再关掉下一句预测。
  4. 这周:把你给 AI 写的规则从头看一遍,每条问一句「这是在告诉它事实,还是在教它做事」,教它做事的改成事实和目标。
  5. 这周:找一件你下意识觉得「这个 AI 干不了」的小事,跟它说「不管你用什么办法」,交给它试一次。
  6. 这周:挑一个说不清好坏的场景,文案、封面、剪辑都行,做一轮 A/B 快速打标。