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。
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

画的是道一:你打的那一句话,压在一整串的最底下。

给它上下文,但是不要控制它,你不要试图教它做事情。

夙愿

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。
给它灯和地图,手上不牵线。
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。
光再多,也要从人这一道窄门过。
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

画的是法二:平时只露一个入口,要用的时候再往里走。

你既然害怕,为什么不跟你的 Agent 说你害怕?

夙愿

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。
锦成318 个 Skill
夙愿47 个
每格一个 Skill。灰掉的 243 个,近 30 天一次都没用过。
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

格局小了,你截个图给它。

夙愿

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。

带着走 · 5 分钟

带着走

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
一屏数字
318 / 47锦成装的 Skill 数 / 夙愿只留的 Skill 数
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
243 个锦成的 Skill 里近 30 天一次都没用过的
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
1 条 → 10 条剪辑师一天剪一条 4 分钟视频;AI 一天剪 10 条
60 → 80锦成用 A/B 快速选,把工作台从 60 分磨到 80 分
80 分盲评达标线;场景切得够细,Skill 打磨到 80 分就够
800 亿锦成三个月烧掉的 token;现在大约每月 400 亿
别踩的坑
照着做:检查单

点一下就打勾,下次打开还在(只存在你自己的手机里)。

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。