1000倍杠杆差距？ YC总裁的个人复利系统 #个人复利 #wiki #ai知识库 #人工智能 #AGI 1000倍杠杆差距？ YC总裁的个人复利系统——YC总裁garry tan《Meta-Meta-Prompting: The Secret to Making AI Agents Work》 YC CEO Garry Tan 说他的个人 AI 系统今天是两个月前的 10 倍，再过两个月还会再 10 倍。大多数人用 AI 的方式像都是一次性的，每次都是从零上下文开始，但有一种人，每次用完 AI，系统就多一层记忆、多一条流程、多一道检查。他们的 AI 在滚雪球，你的 AI 在原地踏步。这期讲清楚：复利从哪来，怎么开始滚。 原文链接：https://axisofeasy.com/best-of-the-web/meta-meta-prompting-the-secret-to-making-ai-agents-work/

你跟最顶级的人使用AI的杠杆已经差了十倍，过两个月差一百倍，再过两个月，可能就是一千倍。这是一个指数级鸿沟加大的过程。这个判断来自YC总裁Garry Tan，他的个人AI系统今天已经是两个月前的十倍强，再过两个月还会再十倍。 Garry Tan要去见DeepMind创始人Demis Hassabis，做一场炉边对话。他跟AI说了一句话：“帮我准备一下。”两分钟系统拉出来的东西是这样的：Demis过去几个月所有公开发言的核心观点，他刚出的传记里的重点章节，他对AGI时间线的判断，他的研究优先级；Garry Tan自己过去公开说过的相关立场，两个人世界观重合和分歧的地方，以及这场对话可以切入的三个角度。两分钟不是搜了一遍Google，是系统把过去几个月积累的关于这个人的所有上下文，组织成了一份可以直接上场的作战地图。 而你呢？你要见一个重要客户，提前一天开始准备，翻微信记录，翻邮件，翻上次的会议纪要，Google一下对方公司最近的新闻，花了一个小时拼出一个大概的印象。他两分钟搞定的事儿，你一个小时还不一定有他准确。为什么？因为他的系统里关于这个人的信息已经积累了几个月，每次看到相关文章，每次开会提到这个人，每次有新的公开发言，系统都在自动更新，到他真正需要的那一天，信息已经在那儿了，他只是调用，而你是临时抱佛脚，每次都从零开始搜集。 好的，是的，这就是复利系统和归零系统的区别。他的每一天都在为未来某个时刻做准备，虽然他自己可能都不知道什么时候会用到；你的每一天都是孤立的，用完就清零。那这个复利到底是怎么滚起来的？Garry Tan做了一件大多数人没做的事：每次用完AI，他会问自己一个问题，这次工作结束以后，有什么东西应该留下来？大多数人的逻辑是，我有一个问题，AI帮我解决，结束。他的逻辑是，AI帮我解决完，我把这次产生的经验喂回系统，下一次遇到类似问题，系统已经知道怎么做了。就这一个动作的差别，日积月累就是复利和归零的分水岭。 具体来说，他的系统在积累三样东西。第一，积累流程。他第一次让AI帮他准备会议，是手工做的：先搜这个人的背景，再查最近的发言，再对照自己的立场，再想切入角度。做完一次以后，他把这个流程固化了，以后每次准备会议，系统默认按这个步骤走，不用重新教。这就是Skill，一次做对的流程，变成以后系统自动执行的能力。你想想，你自己每次让AI帮你写方案、做调研、整理会议纪要，是不是每次都要重新说一遍？你要按什么格式，先做什么，后做什么，注意什么。他说一次就够了，因为流程已经沉淀在系统里。 第二，积累上下文。这一点是最容易被忽略的，也是威力最大的。他的系统里有一个东西叫Brain，你可以理解为一个持续更新的个人知识库。每次开会，会议纪要自动进入Brain，不只是存一份文件，系统会把会议里提到的每个人、每家公司、每个决策分别更新到对应的页面上。每次读一本书，书里的观点会和他过去的阅读、会议、项目交叉关联。每次遇到一个新的人，这个人的背景关系、历史交集都会被整理成一个可检索的页面。他说，他的Brain里有十万页结构化知识，每个人、每家公司、每次会议、每本书、每篇文章全部链接在一起，每天都在自动更新。这意味着什么？意味着他做任何决策的时候，起点都比你高。你做决策靠记忆，靠临时搜索，靠问同事。他做决策的时候，系统已经把所有相关上下文组织好了，放在那儿等他调用。而且这个优势每天都在放大，因为每过一天他的Brain就多一层信息，你的脑子里能记住的东西永远是有限的。 第三，积累错误。这一点最反直觉，但可能是复利最快的一环。他第一次让AI帮他做读书笔记，效果很糟，系统把他的家庭背景说错了，说他父母离婚，说他在香港长大，全是瞎编。如果这事儿发生在你身上，你会怎么做？你会说不对，改一下AI，改完这次结束，下次它可能还犯同样的错。他做了一件不同的事，他把这次错误变成了一条永久规则：以后每次做这类任务，必须先对照已知事实做交叉检查；然后又加了一条，输出必须引用具体的记忆页面，不能泛泛而谈；又加了一条，用不同的模型分别检查事实精度和上下文遗漏。一次错误，变成了三道检查。从此以后，系统在做这类任务，必须通过这三道关才能交付。普通人的错误是一次返工，他的错误是一次系统升级，这就是Evolve，每一次犯错都让系统多一道防线。 所以你现在能看清楚了：两个月十倍，再两个月又十倍，背后不是玄学。Skill让流程不归零，做过的事不用重新教；Brain让记忆不归零，见过的人、读过的书、开过的会全部在线；Evolve让教训不归零，犯过的错不会再犯。这三件事叠在一起，系统每天都在变厚。第二个两个月的十倍，不是从零开始跑，他是站在第一个十倍的肩膀上继续滚。你不动，他在加速，差距不是线性拉开的，是指数级撕裂的。 说到这里，你可能想问，这套东西普通人能用吗？Garry Tan把他的整套系统开源了，叫GPT-Brain，地址是https://github.com/garrytan/gptbrain。GPT-Brain是什么？简单说，它是一个帮你搭建个人AI操作系统的框架，它帮你做三件事：第一，给你一个Brain，一个结构化的个人知识库，每个人、每次会议、每本书、每个项目都是一个可更新的页面，互相链接，可以被AI检索和引用。第二，给你Skill的能力，你可以把任何重复的工作流程固化成一个Skill，下次系统自动按这个流程走，它自带三十多个现成的Skill，包括会议准备、读书笔记、人物调研这些。第三，给你Evolve的机制，你可以把错误写成检查规则，系统以后自动执行质量检查。你不需要从零搭，它已经把骨架搭好了，你要做的是往里面填你自己的内容：你的客户、你的项目、你的行业知识、你的工作流程。 当然，GPT-Brain只是一种实现方式，重要的不是用什么工具，重要的是那个思维方式的转变：每次用完AI，问自己一句，有什么东西应该留下来。如果你今天就想开始，你不需要搭一个十万页的知识库，从最小的地方开始。如果你发现某个步骤，你每次都要重新教AI，把它写下来，变成一个固定指令，这就是你的第一个Skill。如果你发现某些背景信息，你每次都要重新交代，把它存起来，让AI下次自动读取，这就是你的第一块Brain。如果你发现AI反复犯同一个错，你