8 月 14 日晚，朱海涛老师来到学习分享会，用两个小时讲清了一个问题。怎样把散落在电脑里的知识、经验和流程，变成一套能被多个智能体反复使用的工作系统。
如果让一个新员工在三天内熟悉你过去做过的几百件事，大概率很难。
如果换成 AI 呢？
朱海涛老师在现场给出的答案是，三到五分钟就可以开始工作。前提是，你过去的业务经验已经被好好保存在电脑里。
这套系统被他称为个人 AI 办公室。
学习笔记 01
五分钟做出课件，速度只是结果
分享一开始，朱海涛老师讲了三个案例。
入职面试时，院长问他有没有做过用 AI 改造直播电商培训的项目。他坦白说没有，随后用五分钟做出了一份完整课件。课件符合直播电商的业务要求，也带着他自己的培训思路。
做公益分享时，他会请现场听众提交提示词，从中选出一条，再调用电脑里的工作系统，为对方生成一套能讲半天的定制课程。
准备这次分享时，原本预计需要十个小时以上的工作，他实际投入约两个小时。剩下的资料梳理、结构设计和内容审查，由多个智能体接力完成。
这些数字很容易让人把注意力放在速度上。朱海涛老师随后展示了自己的工作过程。旧项目、方法、案例和技能都在电脑里，AI 接到任务以后，可以沿着这些材料继续工作。正因如此，五分钟才可能够用。
临时打开一个聊天框，让模型从零猜测需求，很难稳定得到同样的结果。过去的工作在交付后被保留下来，后来才有时间可省。
学习笔记 02
多个智能体怎样一起干活
谈到多智能体协作，很多人会想到几个 AI 同时对话，彼此讨论，自动把任务跑完。朱海涛老师选择了一条更朴素的路。
他不允许智能体自由聊天。
一个智能体完成任务后，把结果和交接说明写进本地文件。下一个智能体读取文件，继续做设计、审核或整理。人在中间担任主持人，决定谁先做，谁接手，结果能不能进入下一步。
这种方式很像我们熟悉的办公室协作。策划写完方案，把文件交给设计。设计完成页面，再交给审核。大家未必需要同时在线，也不用反复复述前面的全部信息。共享同一批文件，知道自己的职责和交付标准，工作就能往前走。
本地文件因此成了不同智能体之间的共同工作区。Codex、Claude 或其他工具都可以更换，积累下来的知识和流程仍由自己掌握。
「铁打的 AI 办公室，流水的智能体。」
工具会涨价，模型能力会变化，平台也可能调整规则。把业务资料、知识库和技能都留在某个平台里，迁移时往往要重新整理。把核心内容保存在本地，选择权便回到了使用者手里。
学习笔记 03
一间 AI 办公室怎样搭起来
朱海涛老师把自己的系统分成五层。
最下面是素材。客户需求、合同、录音、旧项目和参考资料先进入项目文件夹。
接下来是知识。从大量素材里提取有用内容，整理成案例、方法和结构化笔记。
再往上是技能。把一次工作中验证过的步骤，写成可以重复调用的流程。
有了这三层，智能体才能进场。它读取材料，调用技能，完成写作、制作、审查等任务。最上面还有一套系统规则，用来说明每个智能体负责什么，知识放在哪里，技能怎样衔接，什么情况必须由人确认。
这套五层结构里，最费功夫的部分与 AI 产品关系不大。
一份录音先被说出来，完成显性化。它被转成电子文件，完成数字化。智能体再将内容整理成知识卡片，完成 AI 化。
素材和知识也要分开保存。朱海涛老师提到，一位中医诊所医生曾把六百万字资料全部放进同一个知识库，每次调用都会消耗大量算力。后来将原始资料和结构化知识分开，AI 才能更准确地找到需要的内容。
文件夹怎么分，知识怎样整理，工作流程如何描述，这些事过去就存在。AI 带来的变化，是它可以读取这些内容并参与执行。
学习笔记 04
AI 能放大多少，取决于你原来拥有什么
朱海涛老师将 AI 比作放大镜。
一个人对业务没有判断，AI 会把模糊的需求和零散的认识一起放大。一个人已经积累了案例、方法和标准，AI 才有机会把这些能力放大十倍，甚至更多。
他给出的时间分配很直接。
百分之八十用来钻研业务，百分之十学习 AI 与具体场景怎样结合，剩下百分之十再了解 AI 技术。
现场提到的中医医生就是一个很典型的例子。这位医生有长期积累的病历、案例和诊疗思路。接触这套方法约六个小时后，他开始搭建自己的医学知识库，并尝试 AI 与医学咨询相关的分享。
他学得快，靠的是多年积累的专业判断。他很清楚哪些信息重要，什么结果可信，哪里必须由专业人员把关。
摄影工作室的案例也提供了另一种观察。朱海涛老师的姐姐经营一家有四名员工的工作室。她整理业务知识，用 AI 培训摄影助理，随后又把工作室管理经验做成知识服务。
按照分享中的数据，她在 5 月获得了 1.7 万元相关收入，公众号涨粉速度达到过去的九倍，更新频率达到过去的十五倍。
AI 在这里没有凭空创造一门生意。它让已经做过的事情更容易整理、传递和重复使用。
学习笔记 05
从一次调用，走向能够积累的工作系统
许多人使用 AI 时，每次都从一个新对话开始。写完文章，关闭页面，下一次再重新解释背景。这样的操作可以省下眼前的半小时，却很难留下长期收益。
系统化工作的差别在于，每完成一次任务，电脑里都会多出一点可以复用的东西。
一次客户沟通可以整理出需求模板，一次课程准备可以留下课件流程，一次审稿可以形成新的检查标准。下一次遇到相似任务，智能体从这些结果继续往前走。
朱海涛老师已经积累了一百四十多个自定义技能。技能增多以后，他按照业务把它们分成知识管理、内容创作、培训等部门。使用时先找到负责某类任务的部门，再由规则调度具体技能。
这套安排听起来像组织管理，因为它处理的本来就是分工、交接和标准。
一次生成追求的是当下结果，系统建设关心每次工作结束后留下了什么。积累越厚，后来的人机协作才越省力。
学习笔记 06
普通人可以从两个技能开始
分享临近结束时，朱海涛老师给出了几条很克制的提醒。
别急着追求全自动，先做出一条可用的工作流程。
别一开始就搭庞大系统，可以先让两个技能完成一次接力。
也别把所有任务都交给 AI。目标模糊、频率很低、精度要求极高的工作，并不适合贸然自动化。内部搜索、初步内容生成、客服辅助等任务，更适合作为起点。
如果今天就想开始，可以先选一件每周都会重复的工作，把过去的材料集中到一个文件夹，再写清楚自己通常怎样完成它。哪些步骤可以交给 AI，哪些结果必须由人检查，先标出来。跑完一次以后，把有效的提示、检查项和交接方式留下。
不用等到规则完美，也不用等到找到最强的模型。先让一小段流程运转起来，再决定下一步增加什么。
两个小时的分享里，出现了智能体、技能、上下文工程、环境工程等许多概念。最后留在脑子里的，是一个很朴素的判断。
AI 产品一直会变。个人能够长期积累的是业务理解、项目经验、经过验证的流程，以及每次工作结束后愿意多整理的那一步。
当这些东西开始在电脑里彼此连接，一台电脑才有机会变成一间属于自己的 AI 办公室。