根据 2026.10.06 AI 神思会线下第十期广州主题分享现场录像与课件整理。台上嘉宾按昵称呈现，现场问答不点名。下载 PDF 讲义 下载精选 PDF
从「我去寻找笔记」，到「人和 AI 共同调用知识」。
树语：第二大脑是一组外部安排
树语去年刚毕业，文科，没有很强的技术背景。他给第二大脑的定义不跟某一个软件绑死：在真实任务当中，反复借助的一组外部安排——让过去的经验被调用，让当前的问题被解决，让未来的行动更可靠。它可以是一叠材料、一块白板、一份检查清单，不一定是数字化工具。
为什么要维护它？人脑工作记忆有限、会忘，跟 AI 多轮对话一长，中间也会掉。这件事始终绕着四种成本：保存、重构、检索，以及最容易被忽略的第四笔——生产。保存、重构、检索都做了，库仍可能是一堆不会回头看的数据。积下来的材料，要变成有价值的产出。
先让 AI 认识你
普通人每次和 AI 交流，都要重新交代项目怎么做、有什么规则、自己是谁。树语的办法是把自己「挖」干净：写成文档，让 AI 先认识你这个人，再谈怎么变成想成为的人。记忆要分层：主文档只留几百到一千来字，需要时再调相关文档，不然上下文膨胀。
插件不推荐看到好的就全装——几千个插件研究不完，有的装上再退不是完全可逆。从自己要改善的那一面出发，把需求写成一段话问 AI 帮你找，在实验库里一个一个试。筛选轴只有一条：能力提升对复杂度。高提升低成本、以及低成本但必要的才留下。
捕获只是开头，真正要接上的是行动和协作。
麻辣酱老师：先把资料管住，再让 Agent 干活
麻辣酱老师接不同类型的学生，备课、整理资料、学生档案耗掉大量时间。他发现问题不是模型不够聪明，是两件事叠在一起：资料散落，AI 又缺乏稳定的上下文——这次稳、下次不稳，方差很大。他的答案是先用一个软件把信息管住：资料和档案倒进去之后，Agent 不再乱放；把做事的步骤沉淀进去之后，它按步骤干活。
纪律有三条。一，进门的说明文件写清能干什么、不能干什么、什么时候必须停下，要改必须人批准。二，不让 AI 编——找不到就说没找到；早期把一堆文件直接喂给模型抽题，看起来没问题，一对就没有那道题。三，干完要留证据：完整路径、谁做的、哪一天、用的哪份步骤；单点自报「我做完了」不可信，后来改成两个 Agent 交叉，一个做、一个检。写稿也一样：AI 味不靠感觉，靠脚本，机检过不了就不出稿，人再检一遍。
JKL：让多个 Agent 读懂同一个项目
JKL 不再从头介绍 Obsidian，她沿着前面往前走一步：从个人知识库到协作中枢。现场问：有没有人同时开过好几个 AI 窗口？一个写文案，一个写代码，一个查资料。每一个单独看都很聪明，回到同一个项目，它们真的知道彼此做了什么吗？每换一个窗口都要重新介绍背景——这一群 AI 有没有变成团队不好说，自己肯定先成了不停复制粘贴、传话和派任务的项目经理。
多智能体最大的问题，不是大家都不聪明，而是大家知道的不是同一件事。她的收法是三条规则：稳定的进知识库，动态的进看板——知识库管共同背景，看板管共同状态；同一类信息只认一个修改入口，活动时间变了不能聊天一版、首页一版、文案又一版；做完要写回——结果路径、关键决定、还在等谁。判断标准只有一句：下一位有没有拿到继续工作需要的信息？
系统应该跟着工作需要长出来，而不是先搭一个复杂架构，再找任务填进去。
下次不必从头讲
三个人解决的是同一个问题：不要每次重新解释。树语解决「认识你」，麻辣酱老师解决「认识这道题、这次交付」，JKL 解决「认识同一个项目」。一个在个人，一个在项目，结构相同。
不是每个人都该上复杂系统。简单任务，一个 AI 就能完成；项目变复杂、角色变多、交接增加时，才需要把共同背景、工作状态和协作关系管清楚。先把今天听到的一招用到自己的一件事上——72 小时内。
先让知识被读懂，再谈协作。下次不必从头讲。
这个月只打四件事
- 72 小时内，把今天听到的一招用到自己的一件事上。
- 把反复要解释的背景写成一份文件，让 AI 先读它。
- 同一类信息只认一个修改入口，别让它各活一版。
- 做完写回：结果在哪、定了什么、下一步交给谁。
在同一份事实上工作
第十期收回四件事：认识自己、管住资料、同一事实、写回交接。不是让每个 Agent 都更聪明，而是让它们在同一份事实基础上工作。
从「我去寻找笔记」，到「人和 AI 共同调用知识」。
视频号 / 小红书：JKL神思记。文中提到的效果均为现场口述，不是审计、投资、接单或效果承诺。