「人们感到痛苦的，不是他们用笑声代替了思考，而是他们不知道自己为什么笑，以及为什么不再思考。」
5 月 9 号晚上快 11 点了，我才结束与企业客户的腾讯会议直播。
这是我的企业客户之一 J 公司的 AI 试点项目直播培训，然后我在微信群「AI 辅导班（18）」里布置完课后作业。他们 17 个同事分别来自外贸业务团队、技术、HR、财务、生产。这个白天和晚上，他们跟着我走完了 Karpathy 那套 LLM Wiki 的完整流程。
Clip、Ingest、Query、Lint。
外部信息 ──Clip──▶ raw/ ──Ingest──▶ wiki/ ──Query──▶ 答案
▲
│
Lint（定期清理）流程都跑通了。我在群里写道：「你的 vault 从’装了文件的文件夹’变成了’有节点 + 有连接的网络’了。」
自那之后，我刻意与很多身边的朋友交流大家近期使用 AI 的心得。但随着 OpenClaw 与 Hermes 的流行，很多人开始过度追求自动化，以至于万事不决问 AI，也就逐渐惰于思考。他们以为自己在外包工作，其实是在外包自己的思考与判断力。
坦白讲，我见过不少独立顾问的同行朋友，还有一些培训师伙伴。每天打开 Claude 等 AI 几十次，却越用越焦虑，越来越觉得自己可能会被 AI 替代。唉，这句话都已经烂大街了。
并不是因为 AI 太强大了，是他们开始过度依赖 AI，却慢慢开始停止思考了。
我记得赫胥黎曾在他的书《美丽新世界》中说过：「人们感到痛苦的，不是他们用笑声代替了思考，而是他们不知道自己为什么笑，以及为什么不再思考。」
你已经被外包过一次了
你别觉得意外。这件事高德或百度地图已经在你身上演练过一次了。
虽然我自己一直生活在杭州未来科技城这边，但开车出去几乎没有不开导航的。虽然有些路已经太熟了，比如每周都会去个两三次阿里数字生态创新园去办公，但导航是必开的，这已经变成肌肉记忆了。
哪天去滨江那边，让我不开导航，我可能保不准真会开错路。
我承认自己在这件事上挺废的。
电话号码我只记住自己的、太太的、老爸老妈的。180×45 等于多少，我下意识会打开计算器。3G 时代的网速我经历过，但你今天要把我从 5G 切回 3G，我大概会摔手机。
不是我变笨了，是因为有了高德地图、有了通讯录、有了计算器、有了 5G，我的大脑做了一个非常「理性」的判断：这些事，外包出去更划算。
理性吗？理性的。
代价呢？代价是我对自己生活了近 7 年的城市，已经没有那种「闭着眼也能找到回家路」的肌肉记忆了。
AI 现在正在你身上做同一件事，就像我太太，现在干什么都要问豆包或 GPT。只是这一次，它外包的不是路线和数字，是思考本身。
这就是它危险的地方。
我昨晚和老麦在 EFC 那边的星巴克，聊完企业客户应用 AI 的场景与思考后，到家快 23 点了，然后赶紧把答应发群里（5.22/23｜Claude Code 直播课）的课前资料清单整理完发出去。最后我专门备注了「此消息纯手工，无 AI 介入」，其实当时写群通知时，完全是本能反应，以至于六六同学在凌晨了还专门@了我，哈哈。
随着 AI 越来越强大时，这种写个通知的小事太基础了，但我有时候还是会刻意亲自动手一下。想想也是，现在手写内容就跟手工做产品一样，慢慢开始显得珍贵了。或许，这就是时代车轮的必然趋势吧。
3 个「用反」的信号，对照一下
你心里大概在想，我不至于吧。
那你看看下面这三个场景，有没有眼熟？
1）让 Claude 帮你做一份给客户的方案 PPT。第一版你觉得不对劲，又让它改了第二版，还是别扭，改到第三版你认了，自己上手重做。回头一看时间，3 个小时过去了。这事你本来 1 小时就能搞定的。
2）你让 Claude 写一封给重要客户的邮件回复。写完你读了一遍，第一反应「这不像我说话的风格」，然后自己重写。重写完发现还是不对，又改一遍。最后发出去的版本，跟 Claude 那一版几乎没什么关系。
3）让 Claude 给你做一个 Excel 财务模型，4 个 tab 都建好了。但你不放心，每一个 tab 的每一个公式都得自己 check 一遍。最后发现错了 2 个公式，2 个数据引用错了 sheet。你救回来了，但你搭进去的时间比从头开始完全自己做还多。
这三个场景，我自己每一个都干过。每一次结束我都想骂一句：MD，学习 AI 的成本有点高啊。像大家所熟知的油管上 OPC 大神 Dan Koe，我在 2025 年 1 月份买过他的线上课程，还报了不少写提示词的付费社群，但自己实践下来，发现时间成本太高了。
但本质上，问题不在于 Claude 或其他 AI（如果你在用其它的也是一样，只是我自己现在用 Claude 更多一些）。是你把外包工作当成了外包思考。
你以为给 Claude 一个模糊的 prompt，它就能猜出你的意思。放心吧，你没有深度训练和设置它之前，一点可能性都没有。这也是有些伙伴同样用了 Claude Max 会员，然后来问我说：「刚哥，怎么我的 Claude 没有你的强啊？是不是被官方降智了啊？」
有些时候，我只能笑而不语。说实话，有些人之所以学不好 AI，完全是两大因素阻碍了。一是缺乏好奇心，带着固有的认知来使用 AI。二是以大多数人动手能力之低，根本轮不到拼大模型的等级（有些小伙伴连最基础的电脑操作都是小白，这着实有点令人头痛）。
Claude，我们要客观看待它。它就是个非常聪明的实习生，但你不给它上下文，它就会用它脑子里那个「标准答案」来糊弄你。
接下来这 5 个动作，是我现在每次打开 Claude 之前都会做的事。也是我教给 J 公司这 17 位学员的核心方法论。
Step 1 · 让 AI 先认识你（CLAUDE.md）
我记得当天的直播课程中，非常重要的一环就是让所有人必须先做了 Claude30 问，但是一周过去了，只有 1 位同学完成了，而且她自己做完并去用它分析海外买家询盘时十分欣喜。
5 月 9 日当天课程的第一件事，我让他们做了这 3 个动作：
-
在桌面新建一个文件夹，命名「我的 AI 工作台」
-
在文件夹里新建一个 CLAUDE.md 文件，写 3 到 5 行自我介绍：你是谁、你做什么、你希望 AI 怎么跟你协作（或者直接用 Chat 给自己做访谈，用我提供给她们的针对外贸团队的 Claude 30 问）
-
在文件夹里新建一个 inbox/ 子文件夹
3 件事做完，我让他们打开 Claude Code 桌面客户端，把这个文件夹拖进去，然后问 Claude Code：
「你好，看看我的 CLAUDE.md，介绍一下我。」
有个小伙伴当场惊呆了，发现它能真正认识并记住自己了。
我见过太多人用 AI，每次都是从零开始解释自己是谁、自己的角色是什么、自己想要什么。CLAUDE.md 解决的就是这件事。它不是 prompt 模板库，它是 AI 认识你的身份档案。
我自己的 CLAUDE.md 现在有大概 1200 个字。包含我的角色（独立顾问 + 写作者）、我服务的客户类型、我写作的风格偏好、我对 AI 协作的硬边界（选题观点、案例、金句、情绪走向等，这些我绝不外包）。
虽然我的 Claude Cowork 已经训练得只给选题就能写出像我风格的文章，但我仍然没有直接用它来日更获取流量。你可以认为我是固执，只是 Claude 越来越强大到慢慢我都敢把整个电脑都开放权限给它时，我却越来越谨慎和克制。
很多时候，你的上下文缺失。这是绝大多数人 AI 用不起来的第一个坑，也是最容易跨过去的一个坑。
（顺带说一句，你的 CLAUDE.md 不需要一开始就完美，先写 8-10 行就够了。后面用着用着，自然就会迭代进化了。我自己的版本，过去 6 个月迭代过不下 20 次。）
Step 2 · Clip：把外部信息搬进你的 vault
9 号那晚的直播，我教她们如何用 Obsidian Web Clipper。
简单到令人发指：Chrome 应用商店搜 Obsidian Web Clipper，装好之后右上角会出现一个紫色的图标。打开任何一个你想保存的网页，点一下那个图标，选好 vault，选 raw/clippings/ 这个文件夹，点 Save。
网页就这样变成了 markdown 文件，进了你的 vault。
我让所有人当晚做了一次 clip。clip 的对象是 Karpathy 那篇 LLM Wiki 的 gist 页面。
为什么这件事重要？
你大部分时间在网上看到好东西，一般是怎么处理的？
收藏到浏览器，然后半个月都没打开过一次。不信，你打开自己微信收藏夹，那些过去你收藏的干货，真正第二次第三次再点进去看的有几回？
一旦你只喜欢收藏却不动手实践，那你只会越收藏越焦虑，越焦虑又会越爱收藏，循环往复。
我自己微信收藏夹里有 200 多条，手机备忘录收藏置顶了 30 多篇内容，过去 1 年来读完的概率不到 10%。
Clip 不一样。Clip 进 vault 的文件，下一步 Ingest 会让 AI 去消化它，跟你 vault 里已经有的东西做连接。它不是塞进抽屉，是放上工作台。
我自己每天 raw/clippings/ 大概 clip 1 到 2 篇好的文章或视频。一周也就七八篇左右，刚刚好。多了其实消化不了，太少了又喂不饱飞轮（我是四仓联邦制）。
Step 3 · Ingest：让 AI 整理你已有的，不是生成新的
这一步是 Karpathy 那套方法里最反直觉的一步。
大多数人用 AI，是让它 generate。写邮件、写代码、写方案、生成图片。
Karpathy 的洞察反过来：让它 maintain。整理你已经有的东西。
J 公司那晚我跑的 ingest 命令长这样：
读取 raw/clippings/[Karpathy gist 那个文件].md，用中文摘要 5 个核心要点，加 frontmatter（tags: [type/methodology], created: 2026-05-09），在末尾加一段「跟我的 vault 的关系」，简单说这套方法怎么用在我的工作里，保存到 wiki/methodology/karpathy-llm-wiki.md。
复制命令，粘贴到 Claude Code，等个三五分钟。
切到 Obsidian，wiki/methodology/ 下多了一个新文件。打开 Graph view，多了一个节点，几条连线。
我的理解是这样的。
你脑子里其实已经有很多东西，散落在邮件、Word、PPT、聊天记录、会议纪要、客户公司主页里。它们在物理上都存在，但它们之间没有产生连接。AI 帮你做的不是生成新的，是把你已经有的东西，结构化、连接起来、变成你可以反复 Query 的资产。
关键不是文件本身，是它跟谁连接了。一次 ingest = vault 多 4 到 5 条新连接 = 飞轮启动。
Step 4 · Query：基于你的 vault 回答，不是基于 Claude 的模型脑子
如果你的 Step 1 到 3 都跑通了，你的 vault 已经有几十个文件、几百条 wikilinks。
这时候 Query 才上场。
举一个我自己的例子。上周我准备一个老客户的复盘会，对方是我服务了 1 年多的公司。过去这两个月我跟他们开过 4 次正式会议（包括线下）、五六封邮件、上百条微信。
我跑的 Query 命令大概是这样：
客户 J 在过去 2 个月里讨论过哪些战略议题？基于 wiki/threads/ 和 wiki/2026-下的会议纪要、邮件 ingest 出来的文件回答。给我：每个议题 + 最新进展 + 决策点 + 相关 wikilinks。
Claude 给我的不是瞎编出来的内容，是基于我自己 ingest 进 vault 的真实纪要做的提炼。每一个引用，我都可以点开 wikilink 验证。
这是真正的复利。vault 越大，Query 答案越精准。
在我用这个方法之前，我的 Mac 文件夹是乱的，文件串门现象尤为明显。
现在我做的事，是先把最重要的文件夹逐步 ingest 进 vault。每多 ingest 一篇，下次 Query 的精准度就上一个台阶。
这个动作，就是让自己的资料真正活起来的关键所在。
Step 5 · Lint：让 AI 帮你查死链、孤立文件、stale 内容
第 5 步那晚直播我没来得及讲、留给第 3 次课的内容（不过我在课后答疑上告知了一些内容）。但既然你看到这里了，提前跟你说一下。
vault 转起来之后会有一个隐患：东西越来越多，但越来越乱。
孤立文件（建了之后再没被链接过）、断链 wikilink（指向一个不存在的文件）、tag 拼写不一致（client/abc 和 clients/abc 并存）、stale 内容（一年没碰过的方案）。
没有人愿意做这件事。
但每个 vault 都需要。
Lint 就是让 Claude 跑一遍 Obsidian 仓库健康度检查：
扫描 wiki/ 下所有文件，找出：
过去 30 天没被任何文件链接到的孤立文件
wikilink 指向不存在文件的断链
tag 拼写不一致的地方
内容时效性超过 12 个月、可能 stale 的文件
它会给你一张清单。你花 30 分钟，删除不要的、修复断链、统一 tag、归档 stale。
vault 重新变干净了。
没有 lint 的 vault，跟你桌面那个「发票报销」的文件夹是同一种东西。装得越满，后面完全越没法看。
我是如何写公众号文章的
你看到这里大概想问：刚哥，你这套方法听上去是教企业客户如何用好 Claude Code。我一个人能用吗？
当然，我自己每天就在用。
我跟你说一下我自己公众号文章一般是怎么写出来的。
我今年一直在坚持的习惯，每天晚上看书 30 分钟，合上书再思考+输出 20-30 分钟，我用 flomo 语音，自动转文字。然后再基于这个初稿，让 Claude Cowork 基于我的预设文件夹来写文章。
我的选题是基于 GAP 框架，然后写在 Notion 里的选题内容库，Claude Code 会自动去调用它，因为我在 CLAUDE.md 文件里预设好了任务。
选题有了，初稿（口述）有了，那 Cowork 来润色和写下去就容易多了。
最后我自己再过一遍，删掉 25% 左右的废话。朱雀检测，0%。21:50 定时发布。
整个流程下来，AI 帮我做了什么？
整理我已经有的素材、识别主题、做最后的润色和字数补足。
AI 没帮我做什么？
案例、故事叙事角度、情绪张力。
所以回过头来问你一句：
你今天打开 Claude，是让它替你思考，还是让它帮你整理你已经想过的东西？
这两件事，差了十万八千里。
纯手工、真实发声，在当下这个 AI 时代，已越发弥足珍贵，你觉得呢？
以上，与你共勉。
—— Danny 2026.05.20 21:47 于杭州
