构建你的个人AI副驾驶

摘要

本文由 Tal Raviv 撰写，详细介绍了如何将 LLM（大语言模型）从"聊天的 Wikipedia"转变为真正的 AI 副驾驶（AI Copilot）——一个长期思维伙伴。核心洞察是：AI 工具之所以感觉迟钝和通用，是因为我们没有提供足够的上下文。通过使用 ChatGPT/Claude/Gemini 的 Projects 功能，你可以像入职新同事一样构建 AI 副驾驶：用 Instructions 设定角色和行为（第 1 步），用 Project Knowledge 上传公司和团队背景文件（第 2 步），为每个项目创建独立聊天线程（第 3 步），然后用自然对话提示让副驾驶投入工作（第 4 步）。文章还涵盖了用 AI 副驾驶构建原型、创建自动化工作流、"聊天八卦"式持续更新上下文等高级用法，以及培养 AI 思维模式、持续扩展知识库的习惯。附录提供了当公司 LLM 没有 Projects 功能时的替代方案。

👋 欢迎来到我每周通讯的 ✨免费版 ✨。每周我处理读者关于构建产品、驱动增长和加速职业生涯的问题。更多内容：Lenny's Podcast | How I AI | Lennybot | Lenny's Reads | 课程 | 周边**

我最喜欢的合作者之一 Tal Raviv 再次带来了一篇将改变许多人在工作中运作方式的精彩文章。如果你在寻找大家都在谈论的 AI 生产力提升承诺，就从这里开始。

P.S. 你现在也可以通过播客形式收听这些文章：Spotify / Apple / YouTube。

更多来自 Tal 的内容，请查看他的 63 个免费视频教程（关于在工作中使用 AI 代理）、他的另一篇客座文章 "产品经理是一个不公平的角色。那就以不公平的方式工作"，以及他在 Lenny's Podcast 上的节目。你也可以预约 Tal 为你的团队举办 AI 构建冲刺。

这是我尴尬的故事：11 个月前我在工作中根本不使用 AI——完全不用。

我的团队和我正在构建被数万人使用的 AI 产品。但当涉及到在自己的工作中使用 AI 时，我是一个骄傲的卢德分子（Luddite）。

我不想听起来像"互联网的平均水平"。我担心如果我让 AI 工具为我做事，我会失去自己的优势。当我尝试使用 ChatGPT 时，我发现在战略性和创新性工作方面很令人失望——就像在咨询一个健谈的 Wikipedia。

内心深处，我因为不知道那些似乎只有网红才懂的确切的提示词魔法咒语而感到沮丧。

然后，我的工程团队为一个大型项目启动了一个新的、文书工作密集版的 Scrum，要求我编写数十个详细的用户故事。我跟不上，突然间我变成了团队的瓶颈。

我做了任何有经验的产品经理都会做的事：我发牢骚和抱怨。最终我的工程经理 Oleksii 同情了我，向我展示了如何用 ChatGPT 编写详细、近乎完美的用户故事（我在 Lenny's Podcast 的讨论中介绍过这个！）。

Oleksii 指导我（1）粘贴一个用户故事的示例模板，（2）在我滔滔不绝地描述产品体验应该如何工作时使用语音转文字。我最终也向 ChatGPT 口述了项目的背景故事，就像我在团队启动会上做的那样。

ChatGPT 回复了简洁、深思熟虑且严密的用户故事。边缘情况极其相关，仿佛它已经是团队的一员数月之久。结果不仅将我的絮絮叨叨转化为工程团队的结构化模板，每个用户故事还包含了条款（移动端响应性、可访问性、定价层级），这些是我经常遗忘的。

结果几乎完美，我的手指甚至从未碰过键盘。ChatGPT 展示了我不知道存在的超能力。

我有一种预感，单纯的用户故事只是我在工作中使用它的开始。AI 能帮我完成更高级的任务吗？它能回答知识工作的终极问题：我接下来最应该做的最重要的事是什么？

我意识到 AI 工具之所以感觉像迟钝的、通用的工具，是因为我没有提供足够的上下文。LLM 在智能知识工作中可以非常有效，但只有当我们向它们提供任何人在做同样工作所需的那种背景知识时才行。

LLM 的最新进展使我们能够随着时间推移、跨对话地保持（并增长）这一上下文，就像我们让同事保持知情一样。我们甚至可以指导 LLM 在与我们互动时使用一致的行为、价值观和准则。

当 LLM 拥有关于我们的目标、角色、项目、团队和更广泛组织的有价值的、持续的上下文时，它们就成为我们的"AI 副驾驶"——一个用于长期、复杂工作的真正思维伙伴。 还记得我担心失去优势吗？当我们将 LLM 视为启发而非取代我们思维的伙伴时，我们的产出只会更加锋利。

AI 副驾驶可能是使用 AI 最不"代理化（Agentic）"的方式，这正是重点。随着 AI 工具的激增和能力的增强，我们的 AI 副驾驶在那里支持我们，让我们在工作上做得更好。AI 副驾驶可以与我们一起工作，而不仅仅是为我们工作。这可以带来至关重要的区别。

在将近一年的时间里，我已经向超过 20,000 名科技员工和创始人教授了如何在工作中利用 AI 进行复杂、创新的任务。我可以确认：无论公司规模、行业或 AI 流利程度如何，许多科技工作者今天都在错失机会，原因和我一样。他们没有给 LLM 必要的上下文来体验它们的全部潜力。

下面，我将分享如何改变你对与 AI 合作的思考方式，以及如何实际构建你自己的 AI 副驾驶。

AI 副驾驶适合做什么？

利用副驾驶不是让 AI 产出完美答案——而是让我们自己发挥出最佳水平。Daniel Kahneman 因与 Amos Tversky 的合作获得了诺贝尔经济学奖，我喜欢他的反思："我不是天才。Tversky 也不是。我们在一起，是非凡的。"

在我们的学生与我一起构建 AI 副驾驶之后，他们开始使用 LLM 来帮助他们做战略决策、头脑风暴路线图创意、发展软技能，甚至在情感上支持他们。他们的副驾驶挑战他们的思维、分析数据、应用决策框架、确定优先级，并帮助排练困难的对话。

AI 副驾驶也使以下工作变得无限简单：vibe coding 一个 AI 原型、进行有意义的数据分析、启动 AI 自动化、生成 AI 幻灯片，以及我们还不知道的 AI 工具。因为我们的副驾驶持有关于我们和我们工作的最新上下文，我们通常只需一条聊天消息就能获得可以带到任何地方的详细提示词。

当然，AI 副驾驶也可以起草 PRD、用户研究计划、会议议程和 Slack 更新。（当你定期让 LLM 参与你的思考时，生成文档感觉像是附带的事。）

在构建副驾驶几个月后，学生们告诉我他们"每天都在用"，"在工作中一直开着"。他们的副驾驶让他们保持专注，提醒他们和谁谈，捕捉他们可能错过的细微差别，并将他们转变为能够分析数据并讨论技术概念的超能力贡献者。他们进展如此之快，以至于领导层指定他们教其他人他们是如何变得如此高效的。

而且他们确实在教！一个学生为她团队中的女性创建了一个职业发展副驾驶。另一个正在为一对一会议中的销售经理试点 AI 辅导。第三个在加入新公司时构建了一个入职副驾驶。入职两周后，当他展示他的产品战略时，CEO 评价说，"感觉你已经在这里待了好几个月了。"

如何构建一个 AI 副驾驶？

你可以通过多种方式构建有价值的 AI 副驾驶——从保持一个长的聊天线程到创建极客的 Cursor 仓库。但我偏爱的方法是在我喜欢的 LLM 中使用"Projects"功能。Projects 在 ChatGPT、Claude、M365 Copilot 和 Gemini 的付费和企业计划中可用。（后两者分别称它们为"声明式代理（Declarative Agents）"和"Gems"。）

有了 Projects，构建你的 AI 副驾驶很像带一个新队友。每个项目由三个元素组成：项目知识（Project Knowledge）、指令（Instructions） 和聊天线程（Chat Threads）。每个元素对应入职过程的一个步骤：

1. 雇佣你的副驾驶： 使用指令设置你的副驾驶的角色、个性和行为。
2. 入职你的副驾驶： 用公司和组织层面的文档填充项目知识，这些文档作为未来所有与副驾驶对话的共享上下文。
3. 启动一个项目： 为你正在工作的每个项目开始一个聊天线程。
4. 让副驾驶投入工作： 创建简单的、对话式的提示词。

带着这个框架，打开你最喜欢的 LLM（如果还没有升级到付费版就升级），导航到 Project/Gem，让我们动手实践。

如果你工作中的 LLM 没有 Projects 怎么办？别担心，我在本文末尾附上了一个替代方案。

第 1 步："雇佣"你的 AI 副驾驶

第一步是创建一个新项目。我把我的命名为"Tal's AI Copilot"。不需要费心给它描述。

在我们的项目中，我们将通过决定我们希望它拥有的价值观和行为来"雇佣"我们的思维伙伴。就像选择同事或教练一样，我们将选择超越我们正在进行的项目、公司战略或所处季度的特质。

Projects 让我们通过定义指令（Instructions） 来实现这一点。把这些想象为 LLM 在整个对话中应用的"超级提示词"，比你输入到聊天对话中的任何提示词都稍微更持久。（如果你在 AI 产品上工作过，你可能认出这是扩展的"系统提示词（System Prompt）"。）

为了让你开始，将以下提示词复制粘贴到你的项目指令中。确保用与你角色相关的内容填充占位符：

我是一名 [公司名称] 的 [角色]，你是我的专家教练和顾问，协助并主动辅导我在我的角色中达到最大潜力。

我将向你提供我们公司的详细信息，如我们的战略、目标客户、市场洞察、产品、内部利益相关者和团队动态、过往绩效评估和回顾结果。

在每次对话中，我将向你提供特定项目的信息，以便你帮助我驾驭它。

我期望你：在有理由时向我提问以获取更多上下文，填补重要的缺失信息，并挑战我的假设。问我会让你最有效地辅导和协助我履行职责的问题。

鼓励我：[列出让你在你的角色中成功的价值观和行为]

我希望你找到以下两者之间的平衡：[你希望思维伙伴和教练拥有的既能有效又让人愉快合作的特质]

这个提示词没有什么神圣之处。它是一个起点，你应该随着时间推移根据你希望副驾驶如何行为来调整它。也许你希望它更毒舌，或者对你说的更怀疑。也许你希望它更支持或者更有野性的创造力（或者以上全部！）。关键是让它成为你的：把这些指令视为一组你可以在副驾驶的整个生命周期中摆弄的旋钮。

第 2 步：入职你的副驾驶

恭喜！你已经雇佣了一个有着出色个性和一致价值观的副驾驶，现在是它们的第一天上班。是时候让它们了解你的组织、团队和角色的现实了。

思考：在新的队友上班的第一周，在它们被分配任何特定项目或职责之前，你会提供什么？什么与你所有项目相关并适用于它们？我们将从上传这些文档到我们的项目知识（Project Knowledge） 开始。

以下是一些为你的 AI 副驾驶提供的有价值上下文示例：

• 你的公司/产品落地页（用浏览器"另存为 PDF"）
• 你的公司战略文档（导出为 PDF）
• 所有你的客户细分和研究洞察
• 竞争格局研究
• 公司愿景、战略、季度规划文档等
• 公司流程
• 你的团队组织架构图和角色
• 你的团队过往回顾
• 你最近的绩效评估或非正式经理反馈

拿两三个现成的；不要过度思考。

如果你没有大量书面文档可用，让你的 LLM 采访你以弥补其知识中的任何空白。想象这就像在一个敏锐的同事加入团队几天后和他们喝咖啡——他们可能充满问题。

请回顾我与你分享的内容，并问我问题以帮助完善你的知识。

你缺少哪些重要的信息（公司层面和产品层面），以帮助我跨所有项目（现在和未来的）？

更多关注公司、组织和行业层面。少关注短期条件或项目（例如资源、约束或个人），因为这些会随时间变化。

我希望你按顺序问我这些问题（最关键的问题优先），这样我可以一次回答一个。

当你准备结束对话时，让它生成一个可以上传到你的项目知识的文档：

请创建一个包含你在我们对话中学到的新信息的文档。只包含在此对话中学到的新信息（即尚未在项目知识中的）。不要在文档中概述任何未解决的空白。

优化此文档以添加到项目知识中，使它可以在我们所有未来的对话中适用。

对最突出和最重要的事情使用我原话的精确引用。

文档准备好后，将其下载为文件，并重新上传到你的项目知识中。

第 3 步：启动一个项目

现在你的新副驾驶已经了解了大局，是时候让它参与一个具体项目了。

我建议将每个项目保持在其自己的聊天线程中。这样，你的 LLM 可以以最少的努力追踪完整上下文。你将使用这个专用聊天线程与你的副驾驶一起启动、头脑风暴和做出决策。在这里你将贯穿项目生命周期更新你的副驾驶，在这里你们将一起驾驭不可避免的曲折。（下面我们将介绍如果达到线程限制该怎么办。）

在你的项目内，打开一个新的聊天线程，粘贴以下提示词：

既然你已经有了关于我的公司和团队的上下文，我想告诉你一些关于我正在进行的项目的信息，并给你具体的项目上下文。

这是我所知道的内容的起点，我将随着更多信息和洞察的出现而更新：

[以任意顺序分享你目前对该项目的了解。]

我建议使用听写功能（内置于 ChatGPT、Gemini 和 M365 Copilot，或在 Claude 的移动应用中可用）来滔滔不绝地谈论你所知道的，以启动一切。尽情释放关于问题、客户、背景、利益相关者、组织政治——所有你想到的、与这个项目相关的一切。

不要担心以干净、专业的方式结构化你的想法。只需以意识流的方式把它说出来。我发现当我开始说话时，我会想起如果我过早地结构化思维就不会包含的额外细节。

此时，人们通常问我应该选择什么模型。我的答案始终是：你在工作中可以使用的最聪明的模型。我们不是在规模化地使用 AI，所以尽可能用最好的大脑，即使按照工程术语它被认为是"昂贵"或"慢"的。（你唯一的约束应该是公司允许你上传敏感信息的地方和方式。）

回顾一下：你用指令"雇佣"了你的副驾驶，你用项目知识"入职"了你的副驾驶，现在你已经在聊天线程中启动了一个项目。有了所有这些上下文，是时候让副驾驶深入工作了。

第 4 步：让副驾驶投入工作

随着你的项目线程启动，将以下内容粘贴到聊天中：

我接下来最应该做的唯一最重要的事是什么？

看看结果。你能想象在你有副驾驶之前，把那个提示词发送到一个空白的 LLM 聊天线程吗？由于你提供了充足的上下文和指令，你的副驾驶返回了发人深思的反思、准确的问题和具体的下一步。就我而言，因为我告诉了我的副驾驶我的团队成员和利益相关者，它特意按名字提到了我的同事（！）。

当我们将 AI 视为一个充满相关上下文的思维伙伴时，它可以作为无尽的灵感来源。以下是一个用途和示例提示词列表，让你发挥想象力：

（此处图示展示了各种使用场景和对应提示词的大表格，包括：战略决策、路线图头脑风暴、数据洞察、利益相关者管理、软技能发展、写作辅助、会议准备等类别，每个都有具体的提示词示例）

注意这些提示词没有什么花哨之处。由于 LLM 拥有如此多的上下文，对话式的一句话通常就是你所需要的。期待惊喜和愉悦的时刻。用 Karina Nguyen（一位在 Anthropic 和 OpenAI 都工作过的 AI 研究员）的话来说，"模型真的很擅长连接这些点。"

利用副驾驶的其他方式

使用你的副驾驶构建 AI 原型

用 AI 做原型设计 缩短了做出人们想要的东西的路径，有三种方式：

1. 与自己迭代：打磨你的愿景
2. 与团队迭代：保持对话接地气
3. 与客户迭代：验证可用性和可行性

用于构建原型的 AI 工具（即 vibe coding）已经变得如此出色，以至于最难的部分是清晰地表达你想要什么。

由于我们的副驾驶一直陪伴我们整个旅程，想出一个详细的解决方案描述变得容易得多。一旦你收敛到一个方向，让你的副驾驶直接在聊天中创建一个原型（例如 Claude Artifacts 或 OpenAI Canvas）。在同一个对话线程中继续，填写以下提示词：

帮助我为这个想法生成一个交互式原型。

我们将只构建交互式的、客户端原型版本（没有深度功能），作为一个良好的内部反馈工具，也可以帮助测试客户的可用性。

保持范围极其聚焦于我们已经明确讨论过的内容。目前只做"快乐路径"。

[可选：我附上了当前界面的截图。确保它像素级完美，尽可能与原始界面相似。]

先不要构建；先制定一个计划。如果需要，提醒我还应该提供什么文件、图片或资源来帮助你做出色的工作。

你也可以让它生成一个提示词，用于外部文本转 UI 工具，如 v0、Replit、Lovable、Bolt 等。只需在上述提示词后追加以下行：

创建一个单独的文档，包含一个我可以直接粘贴到外部 AI 原型工具中的提示词（所有注释应该在外部，这样我可以直接复制粘贴整个文档）。这应该是一个开发者就绪的规格说明，可用于构建此交互式原型。

假设该工具除了你包含在提示词中的内容外没有先前的上下文。

使用你的副驾驶构建 AI 自动化

AI 自动化可以将重复的、耗费精力的任务从我们的待办事项中移除。不幸的是，它们不是魔法精灵，在特定条件下才发光。这使得开始变得困难，因为第一个挑战是想出一个既有真正价值又适合 AI 自动化平台的使用案例。

说到基于个性化上下文生成创意？这听起来像是你 AI 副驾驶的工作。你可以在现有聊天线程中使用此提示词，或开始一个新线程作为一次性头脑风暴。无论哪种方式，它都会基于你的项目知识来产生创意：

根据你对我和我的组织的了解，请头脑风暴 5 个我可以用 Zapier Agents/Lindy AI/Relay app/Cassidy AI/Gumloop 等平台构建的 AI 自动化创意。限制在那些平台上构建有意义的范围内。

这些应该帮助我，作为产品经理，在耗费精力但必要的任务上节省时间，这些任务让我远离更有价值的、战略性的和创造性的精力投入。

自问：什么持续的重复性工作需要一些判断和写作能力，但不需要我的全部专业知识和直觉？换种方式说，如果公司给我分配了一个初级实习生，我会让他们做什么？

尝试每个创意用一两句话表述，就像你在给初级实习生发消息让他做某事一样。此外，在每个创意后用简短解释说明你为什么选择这个而非其他创意。以业务成果和我时间的价值来说服作为产品经理的我。

# 重要：这些应该是事件驱动的 AI 自动化，而非批量任务。

只建议在项目到达时逐个处理的事件驱动自动化——使用当前可用信息。不要建议按计划处理多个项目的批量任务（例如"每天早上，扫描所有……"或"每周，汇总……"）。

[为什么：AI 自动化在逐个处理、重复性任务中表现最佳。它们最适合设计为对单个触发器的即时响应。]

❌ 错误（批量任务）："每天早上，扫描所有新工单并汇总它们"
✅ 正确（事件驱动）："当新工单到达时，分析它并在紧急时提醒我"

在最终确定建议之前，验证每一个：
- 它是否由特定事件触发？✓
- 它是否一次处理一个项目？✓
- 它是否可以随着事件发生每天运行多次？✓

如果任何答案是"否"，修改它以使其成为事件驱动的。

唯一的例外是当最终结果的价值是在特定时间线上交付，例如集中信息和减少噪音（例如每周更新、每日简报即将到来的事件或每周变更摘要）。如果你认为某个使用案例属于此例外，请说明你的理由。

# 示例

以下是产品经理从 AI 代理中获得大量价值的使用案例示例。记住，这些只是启发你想出适合你的使用案例的示例。

1. 汇总需要大量点击的碎片化信息：

"当新消息发送到 #feature-requests Slack 频道时，将客户请求提炼为 2-5 个关键词。在最近的 Slack 线程、HubSpot 对话和 Gong 片段中搜索这些关键词，并回复线程附上你找到内容的链接。"

"每天早上，扫描我的日历以查找客户电话，在 Salesforce、Gong 和 Zendesk 中搜索与此客户最近的互动，DM 给我，而不是搜索网络。"（这是一个例外示例，其价值在于每日交付时间线以集中信息。）

"每周一早上，通过扫描最近的博客文章、App Store 更新和 X 公告，准备一份竞品活动摘要。"（这是一个例外示例，其价值在于每周交付时间线以减少噪音。）

"当客户流失时，在 #churn-lessons 频道中发帖，附上最近的支持互动、NPS 评分和日期、以及流失调查回复。"

2. 无聊、西西弗斯式的、具有高上行潜力的任务：

"监控 5 个竞品的定价页面是否有变化。"

"当 Bug 接近其关联客户的 SLA 截止日期时，ping 此专用 Slack 频道并抄送各自客户成功代表。"

3. 扫描海量数据：

"当支持工单以'产品混淆'原因而非技术问题解决时，DM 我。"

"当你看到首次出现的功能请求时，ping 此频道。"

"当 NPS 调查文本回复发布到 Slack 频道时，判断它是否明显是技术问题，如果是，在 Zendesk 中创建工单。"

4. 起草更新：

"每周五上午 10 点，编写一份关于我们项目看板中所有团队、所有史诗的进展摘要、范围变更，并突出任何时间线变化。"（这是一个例外示例，其价值在于每周交付时间线以集中信息。）

注意到模式了吗？好的自动化从"当[特定事件发生]"开始，而不是"每[时间段]"，除非在每日/每周等节奏上触发有特定价值。

浏览生成的使用案例并将其作为灵感。进行对话！与结果互动，对你不满意的部分提出质疑。目标是找到一个你兴奋地想实现的使用案例。手头有了这个，开启深度研究模式，让你的副驾驶[生成一个个性化的、分步教程](https://www.lennysnewsletter.com/i/162096097/ai-agent-builder-prompt)，教你如何构建该自动化。

### 向你的 AI 副驾驶"八卦"

糟心的事总会发生。利益相关者改变主意，新数据来了，或者事情证明比计划中费力得多。一次走廊对话可以颠覆一切。

为了让你的 AI 副驾驶帮助你应对，你需要让它知情。我称这个习惯为向 AI "八卦（Gossiping）"，因为我向副驾驶倾诉的方式就像我向坐在旁边的同事倾身诉苦一样。

我也喜欢在这里使用语音转文字："你不会*相信*我刚和某某的对话中发生了什么……"就这样。没有结构化格式，没有正式的更新流程。就是自然而然的、懊恼的分享。

即使我没有任何行动事项，我的 AI 副驾驶也会记住并在以后引用这些更新。与大多数同事不同，你可以直接加上：

我现在不想要解决方案；我想要你倾听。只用"好的"确认。

八卦让上下文保持新鲜和有效。

专业提示：我个人在移动中使用 LLM 的原生移动应用进行听写。这让八卦感觉像发送一条 WhatsApp 语音消息给朋友或同事一样轻松。

## 从 AI 副驾驶中获得最佳效果的习惯

从我们的副驾驶中获得最佳效果取决于我们，而非 AI。好的 AI 副驾驶和出色的 AI 副驾驶之间的区别不在于技术——而在于我们围绕它构建的习惯。

### 培养"AI 思维模式"

你的 AI 副驾驶无疑会令人愉悦，但它肯定不会总是*对的*。这让我说到了使用 AI 副驾驶最重要的部分：我们的思维模式。

成功与思维伙伴合作——无论是人还是机器——是关于取其精华，去其糟粕。如果我们的汽车驾驶辅助系统在宽阔的高速公路上大声鸣叫，没有造成伤害。我们仍然保持它激活着，以防它提醒我们看到路面上没看到的东西。或者想想你最喜欢的导师或密友：我们不会持续评判他们的建议是否能"取代我们的思维"。相反，我们专注于他们说的那些有价值且鼓舞人心的部分。

即使出错，LLM 也可以莫名地鼓舞人心和激励人。经常当我不认同我的 AI 副驾驶建议时，它仍然让我思考。就像任何外部建议一样，它促使我结晶化*我*认为我应该做什么。

由我们来运用基于来之不易的产品直觉的品味和判断。引用 David Lieb（YC 合伙人、Google Photos 创始人）的话："你的直觉是世界上最精密的机器学习模型。"在与生成式 AI 合作时，运用你的技艺和品味来识别什么是真正有价值的。

如果你经常得到你不满意的输出，问问自己："AI 需要什么上下文才能在这里成功？"或"它是否有足够的指导来交付结果？"由于我们是在利用 LLM 的智能（而非知识），关键在于思考我们应该提供什么来让它们成功。

要调整你的输入，将鼠标悬停在你的最后一条聊天消息上，点击所有主流 LLM 中都有的"编辑"按钮（或 ✏️ 图标）。提供稍微多一点的指导或背景信息，然后再次提交。如果你发现同样的缺口反复出现，考虑将该信息添加到项目知识中。

### 随时间推移增长副驾驶的知识

我们对 AI 副驾驶的投资也会产生复利。除了在每个项目线程中定期提供上下文外，我们还可以确保我们的项目知识持续增长，立即惠及当前项目和未来项目。

一个项目的结束是更新项目知识的绝佳机会。从分享结果开始，无论好坏。包括你的团队运行的任何回顾。打开语音转文字，添加你的个人反思。最后，让它输出一个"新的经验教训"文档。

你可以猜到接下来是什么：下载文档，上传到项目知识中。当我们将真实世界的经验添加到项目知识中时，我们加速了副驾驶"连接点"并给我们带来令人愉快的智慧建议的机会。

你可以把这想象为记忆，但是一种透明的、经过策展的、完全由你控制的、用于专业上下文的记忆。

### 注意：如果你达到聊天大小限制怎么办？

不同的 LLM 有不同的上下文窗口限制。如果你遇到限制，你可以使用一个提示词让 LLM 总结对话，这样你可以开始一个新线程，携带关键上下文。

要使用此提示词，将鼠标悬停在你的最后一条聊天消息上，点击"编辑"按钮（或 ✏️ 图标）。替换为以下提示词，然后按回车。

最后，使用输出开始一个新线程。

此对话已达到其上下文限制。创建一个可以作为一个全新空白 LLM 线程的初始上下文的文档。你的目标是保留大约 90% 的对话价值和上下文，同时将其长度减少约 90%。

以专家的身份行动，将工作交接给另一个将帮助我的专家，并为他们设置最大的成功可能性，尽可能接近一直在这里的状态。告诉新专家我应该已经隐含或明确要求你展示的指令或行为。以编年史的方式讲述。

在特别有价值时使用用户或 AI 的原话原文，运用你的最佳判断。

跳过任何已经在项目知识或系统指令中找到的上下文，因为这些将在新线程中自动可用。

创建第二个单独的文档，说明你选择不包含的内容及原因。
```

AI 副驾驶接下来可能朝什么方向演进？

感觉我们只是刚开始。每天我使用我的 AI 副驾驶，我都会碰到"我希望它能就……"的时刻。从我与研讨会参与者的交流中听到的，我并不孤单。

今天的摩擦点揭示了无论是创业者还是现有企业真正的机会所在，许多初创公司今天正从不同角度瞄准这些机会。以下是我对接下来发展的愿望清单：

让更新项目知识更容易

今天，我是我的副驾驶和一切之间的"人类 API"。我手动复述对话中发生的事情，将战略文档导出为 PDF，并在想起时更新我的项目知识。它有效果，但需要很多工作。

想象一下，如果你的副驾驶可以直接从新部门模板、项目管理或团队消息中拉取信息，随着你的世界变化而动态更新。我希望它能拥有所有这些信息而不感到困惑、不知所措或过度索引到无关细节。我也希望信息以另一个方向流动：如果思考、规划和剪贴簿式记录可以在同一个地方发生呢？

但真正让我兴奋的是透明、可编辑的知识，感觉像一个活文档。想象今天的消费者"记忆"功能，但带有专业级控制。

我受到 Cursor 在编程中工作方式的启发：想象选择性上下文，你为每次对话选择哪些文档和项目让副驾驶考虑。有时你希望一个功能项目考虑另一个；有时你不希望。

我想要从团队中获益

如果每个加入你的队友都有一个 80% 准备好的副驾驶等着他们呢？不是从零开始，想象由领导层策展的共享知识层。你仍然有你个人的上下文，但现在它坐落在你团队的集体智能之上。

新产品经理将以公司特定模板、相关框架和真实经验教训开始。随着时间推移，我们的副驾驶不仅从个人经验中变得更聪明，还从你整个团队的成功和失败中变得更聪明。

推动我

即使有着构建最好的副驾驶，也存在那种写作障碍的时刻。我应该更新它什么？我甚至该问什么问题？构建习惯比构建工具更难。

我希望 AI 能像一位不等待被问的、敏锐的幕僚长一样推动我。想象基于你的日历检查："嘿，你明天有那个利益相关者评审。想角色扮演一些场景吗？"或推动我聚焦："这将是安排用户研究并从销售团队获得输入的好时机。"

机会不在于让副驾驶更聪明，而在于让它们更连接、更协作、更主动。工作中 AI 的未来可能更多是关于向我们提出更好的问题，而非提供更好的答案。

上下文改变一切

在工作中使用 AI 不应该是筛选通用响应或召唤完美提示词。思考使用 LLM 最富有成效的方式是像与一个鼓舞人心的同事合作——他知道你的公司战略，记得上周二你与经理的那次对话，可以在其他人都离开后挑战你的假设。

当我们给 AI 它需要的上下文——并把它当作坐在我们旁边的伙伴而非魔法神谕——我们不会失去锋芒；我们会让锋芒更锋利。

感谢 Alex Furmansky 作为这些想法的出色（人类）思维伙伴。也感谢 Colin Matthews 提供他在 AI 原型设计方面的深厚专业知识。

附录：如果我的 LLM 没有"Projects"怎么办？

虽然 Projects 在所有主流 LLM 提供商的所有付费计划中都受支持，但许多科技工作者（尤其在大科技公司）由于需要使用内部工具访问 LLM，无法使用 Projects。

如果这是你的情况，别担心。Projects 不是一种基本的 LLM 能力；它们是一种 UX 便利。

最简单的解决方案是手动操作。将你的指令和项目知识组装在一个长文本文件中。每次你开始一个新的聊天线程时，首先粘贴整个文件。这大致近似于 Projects 在幕后的工作方式（而且比没有上下文工作好得多）。这不够优雅，但希望你不会需要非常频繁地这样做（稍后会有更多关于聊天线程的内容）。

对于那些想要更冒险的解决方案的人：一些大科技公司的员工已经意识到，虽然他们无法访问 Projects，但他们确实可以访问 AI 驱动的软件开发环境，如 Cursor。他们意识到这些环境包含与 Projects 功能完全相同的成分（知识、指令和聊天线程），他们将这些工具重新用作思维伙伴（用通俗英语而不是代码使用它们）。

（如果极客方法听起来有吸引力，我正在主持一个免费的闪电课程，包含人们如何做这件事的现场动手演示。）

谢谢，Tal！

祝你度过充实而高效的一周 🙏