用AI完全替代目标管理和日程、GTD软件，用AI进行高质量的人生决策和行动管理

这篇教程带大家搭一套 AI Skill + Obsidian 的个人决策和行动管理系统。目标、日常安排、待办进度，都可以通过聊天交给 AI 整理和更新。遇到生意上的取舍，它还能找回你过去的思考，结合现在的情况，帮你把下一步想清楚。

这次带给大家空投的 Action Loop Kit，就是负责这些工作的五个 Skill。下面先看看用起来是什么效果，再分三步装进自己的笔记库。之前介绍过的 Mote 和 PlugScribe 也能接进来，方便你随时留下想法和真实反馈。

装好后，平时你负责说清情况、作出选择，AI 帮你维护记录、调整计划、推进已确定的工作。手机定时提醒和会议邀请仍需要另接日历工具，这篇先把决策与行动这部分跑通。

一、让 AI 带着对你的了解，帮你做决定

发了二十条作品没客户，这门生意还要不要做

阿岚开了一间陶艺工作室，平时主要靠熟客介绍。她想试着在网上卖成人体验课，连续发了二十条视频，还是没等来咨询。晚上剪完片子，她问 AI：

发了二十条，还是一个来问的都没有。是不是成人陶艺课根本没人买，要不先停了？

AI 的回答是这样的。下面的人物、记录和对话都是虚构示例，用来展示这套方法能怎样参与判断：

我建议先留两周，换一种试法。你现在这二十条的结果，还不足以判断课程卖不动。

你上个月定的目标是拿到八个付费预约。目前是零，确实没达到。但我看了你保存的发布记录：十八条是拉坯、上釉的过程，只有两条提到体验课，都没写上课时间、价格和怎么预约。看的人可能喜欢你的作品，却不知道你正在招学员。

而且，前两周店里有两位客人问过“下班后能不能来”。你在那天的记录里说，自己还没想好晚间班怎么安排，就没往下聊。这里有需求线索，值得再确认一次。

两个月前，你停过一次亲子课。当时的问题是周末接待太累，和陪孩子的时间冲突。后来你才选了工作日成人小班。这次如果因为没有咨询就改回周末亲子活动，之前的时间冲突还会回来。

还有一句你自己说过的话：“拍做杯子我能拍一晚上，开口说两百多块一节课，就觉得自己像在求人。”这可能和这次迟迟没写清价格有关，值得聊聊。单靠这些记录，我不能断定你在逃避销售。

你每周只有周二、周四两个晚上能做推广，我不建议加到日更。先用现有作品做一条完整的报名介绍：298 元、两小时、最多四个人、可选时间和预约方式。发之前先给那两位问过晚间班的客人看，问他们哪个时间方便。

如果你愿意，我们今天只把这份介绍写出来。接下来两周记录有没有人看到、问了什么、是否预约，再决定要不要继续。有人嫌贵，和根本不知道怎么报名，需要采取的动作不一样。

一句“要不要停”，得到的回答却连她之前停课的原因、现在能用的时间、怕开口报价的别扭，都考虑进去了。

它没有替阿岚保证生意能成。它把“发了二十条没有咨询”拆开了：到底是课程没有需求、报名信息没说清，还是她还没真正把课程卖给别人看？接下来做什么，也有了可以检验的结果。

这些贴合个人情况的回答，从哪里来

刚才那些细节，当然不可能从一句提问里猜出来。阿岚平时把自己的情况留在了笔记库，AI 回答前读取了相关记录：

AI 把今天的烦恼和这些资料放在一起，才有条件作出上面的判断。像“怕报价”这样的理解，也要回到阿岚自己的表达来讨论，不能凭几句话给她贴一个性格标签。

换成一个没有积累过这些背景的新聊天，无论你用豆包还是其他 AI，想得到同样贴合的回答，就得先补上一大段：

我一个人开陶艺工作室，有孩子，周末不能再排满。之前做过亲子课，因为时间冲突停了。现在做成人班，298 元一节，每周只有两个晚上推广。目标是八个付费预约，现在零个。二十条视频大部分是制作过程，没怎么写报名信息。有两个人问过晚间班，但我没跟进。另外，我不太好意思直接报价……

背景补得越完整，AI 越有机会答到点上。可谁愿意每次纠结都重写这么一遍？一些细节连自己都忘了，只有今天的挫败感特别鲜明。

所以我们用 Obsidian 保存个人上下文，用 Skill 约定怎样读取和处理，再通过日常使用不断补充。过去的思考、现在的目标、已经做过的事，都有地方可查。换一个对话，也可以从笔记接着往下聊。

从聊明白，到真的往前做一步

阿岚同意再试两周，告诉 AI：“今晚只剩半小时，你先帮我写报名介绍。”

AI 从课程方案里提取已确定的信息，写出草稿，请她确认时间。她把介绍发给两位客人后，回来补了一句：“一位觉得工作日七点赶不及，问能不能八点；另一位说想带朋友一起。”

这次需要讨论的就变成了上课时间、双人报名和她的晚间安排。AI 保存反馈，更新当前事项，再检查新安排是否和她的生活冲突。两周结束时，对照实际预约和客户反馈复盘；如果仍没有进展，再决定调整课程或暂停，也比只凭播放量判断多了些依据。

这段过程由五个 Skill 分工完成：

想法可以先用 capture-now 留下来，过一阵子再拿来讨论。确定要做的事，再进入规划和执行，不需要每句话都跑完五个步骤。

二、平时多留一点背景，做决定时就少一点盲区

阿岚如果只告诉 AI“二十条没人问”，它很难发现报名信息一直没写清。如果只记录推广计划，没说自己还要照顾孩子，AI 又可能把周末和晚上全部排满。

个人上下文要靠长期使用慢慢积累。 目标、行动、冲突、过去的思考和新反馈，很少一次就能说全。今天的一点感受，也可能到下个月才显出意义。

记录不用写得漂亮。客人走后说一句“她其实想买，但时间对不上”；晚上说一句“今天又改了封面，还是没敢写价格”；做完一件事告诉它结果，都能让下一次讨论更具体。先保存原话，暂时拿不准的解释留作问题，别急着把每个念头都变成任务。

很多思考发生在手机边上：送完孩子的路上、刚和客户聊完、睡前突然想通一件事。等到坐回电脑前，往往只剩一句“今天挺烦”。可以装上我们之前介绍过的 Mote，在手机的 Obsidian 里继续聊，顺手把值得保留的内容写进笔记。

比如对它说：“把刚才这段想法和原因整理进思考记录，保留我的意思，先让我确认。”确认写入并同步到同一个库后，电脑上的 Agent 才能在下次规划时用到。重要的背景要落进笔记，别只留在某一个聊天窗口里。较长的口述、会议和客户交流，则可以接上后面讲的 PlugScribe 转录。

把真实的自己记下来，先要放心把记忆放在这里

要长期这样用，你得信任这套 AI 记忆。生意上的难处、对人的不满、自己不愿承认的犹豫，都能放心说。如果每次记录前都要考虑“这件事能不能放进去”“以后还能不能拿回来”，最后留下的很可能只是一份修饰过的个人介绍，AI 很难据此帮你作出真正贴合处境的判断。

所以我会把这件事分成两块：记忆放在哪里，以及由谁来做推理。

记忆这一块，这套教程里我只推荐大家用 Obsidian。它本地优先，笔记就是自己设备上的 Markdown 文件，可以查看、复制、备份，也可以带到别的工具里继续用，不必把多年的个人经历绑在某个聊天账号上。你自己决定怎样保存和同步这些资料。Obsidian 官方的数据存储说明 也解释了这一点。

推理这一块，再由你自己接入信任的大模型供应商。Agent 从笔记里找出与这次问题有关的背景，交给模型分析，再把有价值的结果留下来。以后换模型，已经积累的目标、思考和行动记录仍然在你的库里。

这里说的“模型无状态”，可以理解为：模型并不会因为上次读过你的经历，就自动在下一次调用时记得你。例如 Claude 的 Messages API，需要由应用把对话背景再次传入；长期记忆由笔记库和调用它的应用来维护。不同产品也可能提供自己的会话或记忆功能，不能一概认为所有服务都不保存状态。Claude 的接口说明 对此有具体解释。

同样，“笔记在本地”也不代表推理全过程都在本地。调用云端模型时，选入上下文的内容仍会发给供应商，是否留存、怎样使用，要看所选服务的设置与政策。这两块都让自己放心，才适合持续放入真实的个人背景。

以后条件允许，我也希望把这些推理放到本地开源模型上，让更多处理留在自己的设备里。先把记忆积累在自己掌握的文件中，就为以后换模型、换运行方式留下了余地。

这种信任，也包括能看见 AI 依据哪条记录、改了什么。它记错了，你能纠正；它的分析不符合实际，你能拿原文一起讨论。日子越久，这份记忆才越值得依靠。

计划会变，维护计划的工作交给 AI

传统待办清单里写着“周四拍视频”，可周四孩子临时有事，你就得自己改日期、重新排优先级，再看看会挤掉哪项工作。变化越多，条目越难维护。我们本来想把事情做完，结果还要花力气照顾清单。

在这套流程里，你说出变化，Agent 就能读取目前的安排，帮你检查哪些该缩小、推迟或取消。很像指挥官和参谋：前方有变化，参谋更新地图，对照资源与目标提出调整，指挥官再决定怎么做。早上的计划需要接住下午的新情况。

同样的办法也可以用来讨论更难的选择：隔壁门面空了，要不要扩租；忙不过来，是请外包还是自己招人。店面利用率、过去的客户反馈、你愿意承担的管理工作，都要一起看。有时租更大的店很令人兴奋，但你真正想解决的，是上半年收入没起色的焦虑，扩大空间是否能带来新收入还没有依据。

还有一种情况，是分析时都认可，行动时又去做熟悉的事。想卖课程，却总在学剪辑；想试一个产品，连续几个周末都在看创业课。记录攒起来后，AI 可以和你一起找出卡住的环节，再把尝试缩小。它能提供持续的提醒和比较，真正的反馈仍要从行动里获得。

三、第一步：把五个 Skill 安装到笔记库

准备好这次空投的 action-loop-kit 压缩包或文件夹，并打开你准备使用的 Obsidian 笔记库。还没有配置 Agent 的会员，可以先完成基础工作区安装。

让 Agent 以这个笔记库为工作目录，并授予需要的文件读写权限。套件里的 skills/ 包含五个 Skill 文件夹，安装后的常见布局如下：

你的笔记库/
└── .agents/
    └── skills/
        ├── know-me/SKILL.md
        ├── capture-now/SKILL.md
        ├── plan-next/SKILL.md
        ├── advance-work/SKILL.md
        └── review-sprint/SKILL.md

可以直接让 Agent 安装：

请把 Action Loop Kit 安装到当前 Obsidian 笔记库。
套件在：[填写下载后的完整路径]。

先读取套件说明、五个 SKILL.md 和本库已有规则。
检查你使用的客户端怎样发现工作区 Skill；支持 .agents/skills
时，将套件 skills 下的五个文件夹安装到这里，否则按当前客户端
支持的方式安装。不要多嵌套一层 skills，也不要覆盖本库其他 Skill。

完成后列出五个 Skill 的实际位置，确认你能发现并读取它们。
接下来我会让你配置它们需要的笔记目录。

做到这里，检查一下： Agent 能列出五个 Skill，并读出各自用途。此时还没有建立你的个人资料，接下来要给它们准备存放信息的位置。

四、第二步：建立目录，让 AI 知道去哪里读写

前面的例子里，AI 读了状态、目标、思考和反馈，又更新了当前事项、今日安排和结果。现在就为这些内容准备固定位置。

下面是一套可以直接使用的目录名。已有同类目录就沿用，不需要再建一套：

目录用来分清信息的用途，平时的归档和维护可以交给 Agent。 你不需要说一句话就手动填九个文件夹。很多目录一开始可以是空的，需要时再创建笔记。

Skill 只约定这九类信息，不要求你安装某个软件，也不需要额外的配置文件。上表是默认目录名；你已经有同类目录，就沿用原来的名字。

需要长期维护的只有根目录的 AGENTS.md：里面写一张对照表，说明九类信息分别放在哪个目录。以后改名、迁移，只改这一处。Agent 每次开始工作先读这张表；表里没写的，它先找存放同类记录的目录，找不到再问你，不会自己挑一个位置写进去。

把下面这段话交给 Agent：

请按本教程的目录表配置 Action Loop 工作区。

1. 同类目录优先复用，缺少的再创建，不移动旧笔记。
2. 在根目录 AGENTS.md 写一张对照表：状态、思考记录、目标、项目、
   当前事项、阶段计划、今日安排、决策记录、行动产出，
   分别对应实际目录。已有对照表就补上缺少的项。
3. 合并下方的使用规则，保留本库已有规则与保护范围。
4. 检查九类信息都有落脚点、都在本库内、权限满足要求。
   不编造个人资料。返回实际目录对照表。

如果你本来就用一套编号目录，比如 09_State/、16_Goal/，不用改名，把它们写进对照表就行。目录名只是位置，九个用途不变。

在 AGENTS.md 中加入使用规则

这段规则把“我怎么聊天”和“Agent 该调用什么”连起来，也规定它怎样维护前面的目录。可以让 Agent 合并到库内原有规则中：

## Action Loop 使用规则
 
先看下方目录对照表，按表里的目录读写笔记。表里没有的，先找存放
同类记录的目录，找不到再问我；不建第二套目录，不写到库外。
 
新笔记沿用本库已有模板与命名习惯；没有模板时至少写清标题、日期、
来源和作者。引用用笔记标题或双链，不写文件路径。写入前去重，
区分用户事实与 AI 推断。
 
## 目录对照表
 
- 状态 → 个人状态/
- 思考记录 → 思考记录/
- 目标 → 目标/
- 项目 → 项目/
- 当前事项 → 当前事项/
- 阶段计划 → 阶段计划/
- 今日安排 → 今日安排/
- 决策记录 → 决策记录/
- 行动产出 → 行动产出/
 
1. 初次建立或深入更新个人背景时调用 know-me。先读已有记录，
   再询问必要信息，整理当前状态，不把旧目标当成当前意愿。
2. 对话产生新事实、想法、反馈、承诺或进展时调用 capture-now。
   保留时间和来源。想法可以先沉淀，不自动成为任务或正式决定。
3. 我问怎么选、下一步或今天做什么时调用 plan-next。
   对照当前状态、目标、项目、已有决定、阶段容量、当前事项，
   检索相关旧思考和新信息，指出冲突、成本与缺少的证据。
4. 先更新相关事项的事实状态，再判断是否需要调整今日安排、
   阶段计划或目标。今日安排选择一项主要行动，最多两项支持行动，
   写明做到什么程度算完成、依据是什么、在哪里停下。
5. 我要求推进工作时调用 advance-work，完成授权范围内的动作，
   保存实际结果或明确阻碍，再更新进度。未执行不写成已完成。
6. 阶段结束时调用 review-sprint，对照实际结果复盘。
   未完成事项逐项判断是否继续，不自动全部滚入下一周期。
7. 重大方向、验收标准和承诺变更等我确认。项目需确认启动条件、
   当前状态和容量；未启动、暂停或结束的项目不自动进入执行安排。
8. 思考记录与已确认决策保留原貌。新决定用新记录说明替代关系；
   当前进度写在事项中，保留变更依据，不回头改写旧思考。
9. 每次写入后回读检查，告诉我改了哪些笔记、还有什么待确认、
   下一步做什么。纯知识问答不必为了留痕创建事项。

如果你改用了别的目录名，让 Agent 同步更新这张对照表，并检查规则里提到的目录也一起改。日常使用时，你只要正常表达，Agent 就会按这些约定选择合适的 Skill。

做到这里，检查一下： 九类内容都有落脚点，对照表与实际目录一致，Agent 能明确说出状态和目标从哪里读取、完成结果写到哪里。

五、第三步：建立你的背景，跑一次真实行动

目录建好了，先从一件正在处理的事情开始，不必一次整理全部人生经历。

1. 让 AI 了解你现在的处境

请用 know-me 帮我建立当前状态，先读取已有相关笔记。

我目前在做……，近期希望达到……
每周大约能拿出……时间，不能影响的责任是……
已经试过……，现在卡在……
相关旧笔记在……（没有就说明没有）。

缺少重要信息时一次问我一个问题。把已知事实、推断和未知分开。
目标、项目启动条件和这两周的安排先给我确认，再保存正式版本。

聊完后，打开 个人状态/ 看它是否理解准确。目标写成你希望看到的结果，阶段计划只选近期有容量推进的部分。没有历史记录就从今天开始积累，AI 不应该替你补造过去。

2. 告诉它一个变化，再讨论下一步

刚有一个新情况：……
我现在想选 A，因为……；另一个选择是 B。

请先记录，再用 plan-next 对照我的目标、现实限制、正在做的事、
过去相关思考和已有决定。比较两个选择会带来什么、挤掉什么，
哪些结论还缺证据。附上实际读取的笔记位置。

等我确认后，更新相关事项和今日安排，给出今天能完成的一个动作。

这时你应该看到它回到前面配置的目录里找依据。缺少资料时，它应该明确指出；不要把一段听起来很合理的泛泛建议，当作已经理解了你的处境。

3. 完成一个动作，检查进度有没有保存

选定行动后，可以说：“用 advance-work 帮我推进这一步。”能由 AI 完成的，让它留下文件或结果；需要你亲自做的，完成后告诉它发生了什么。没完成，也把原因说出来。

然后新开一个对话，问：“这件事现在到哪了，下一步是什么？”检查它能否只依靠笔记找回背景、当前进度和下一步。这比在同一段聊天里问“记住了吗”更能检验配置是否生效。

一至两周后再说：“用 review-sprint 看看这阶段实际做成了什么，哪些安排该调整。”此时复盘就能对照文件、反馈和事项变化，而不必全凭回忆。

六、接上 PlugScribe，让转录也成为规划依据

如果你已经完成PlugScribe 录音接入教程，那么会议、客户沟通、散步时的口述思考，都可以成为 Action Loop 的输入。

例如，阿岚和客人聊课程时留下了录音，里面有人问“下班后八点能不能来”。转录进入笔记库并被纳入检索后，她下次问要不要停课，AI 就有机会找回这条具体的需求线索，不用她再复述一遍。

1. 沿用你的转录目录

按前篇教程，把 PlugScribe 导出的转录归档到固定目录，例如 26_Transcription/。已经使用别的目录就沿用实际名称。保留时间、来源和原文，按前篇规则校对专有名词。

这批资料可以独立存放。思考记录/ 保存你与 Agent 交流形成的信号，转录目录保留真人对话的原始材料。规划时可以同时检索它们。

2. 在 AGENTS.md 中扩展 plan-next 的信息来源

让 Agent 把下面这段规则加入 AGENTS.md，将示例目录替换成你自己的实际路径：

## Action Loop 补充信息来源
 
运行 plan-next 时，除了目录对照表中的状态、目标、事项、决定和
思考记录，还要检索 26_Transcription/ 中与当前问题有关的转录。
 
- 先查上次处理后新增的材料，再按当前项目、人物、主题与日期
  搜索相关历史记录；不能只看最近几天而漏掉早期判断。
- 找到相关内容后读取原文上下文，注明文件、发生时间和说话人。
  区分事实、建议、用户承诺和 AI 推断，别把别人的建议当成我的决定。
- 提取可能影响状态、目标、行动或已确认决定的新信息。
  尚未处理的有效信号交给 capture-now 记录来源与关联；已记录的
  复用已有记录，不重复建项，再由 plan-next 对照当前计划。
- 保留转录原文，只把可确认的变化写入对应事项或状态。
  存在矛盾、转录错误或重大方向变化时，提出问题让我确认。
- 告诉我本次实际检查了哪些来源，以及哪些尚未检查。

这样就把更广的信息来源接到了规划入口。也可以定制 plan-next Skill 来实现同样的读取顺序；对于已有这套标准 Skill 的工作区，先把本库目录和检索范围写在 AGENTS.md，以后升级 Skill 时更容易保留自己的配置。扩展成长期标准流程时，再把转录目录写进 AGENTS.md 的对照表。

3. 用一段转录验证

选一段你自己的短录音，里面说清楚最近一件事的变化。例如：“这周可用时间变少了，但周五前仍要交出初稿。”转录入库后，告诉 Agent：

请检查转录目录里的新增材料，用 plan-next 判断它是否影响我现在的安排。指出你读取的具体记录，说明哪些地方要改，哪些还需要我确认。

检查它是否读到原文、正确理解变化，并在你的授权范围内更新安排。仅仅把文件放进目录，不会自动触发扫描；以上规则在你调用规划时生效，需要定时运行再另外配置定时任务。

七、平时最常说的两句话：帮我记录，下一步做啥

我期待这套系统带来的，是日常做决定时，脑子里能少挂一些东西。

人的认知带宽有限。哪怕普通的一天，也藏着很多没被算作“决策”的选择：客户临时提出一个小修改，要现在答应，还是先问清范围？下午空出一小时，是补昨天没做完的东西，还是抓住刚来的机会？合作方说“今晚聊十分钟”，要不要打乱原定的家庭安排？已经很累了，手里那件事还差一点，是继续做，还是明早再接着来？

每个选择背后，又牵着一些旧事：之前答应过什么，为什么没做成，这周真正想完成什么，自己还有多少余力。它们没有列在任务清单上，却一直在占用注意力。到晚上，可能没做几件大事，已经不想再判断任何东西了。

所以，我自己用得最多的话，其实很简单：

请帮我记录一下……

然后经常问：

下一步做啥？

不必每次都重新解释整个人生，也不必先把一句话整理成某个软件里的标准任务。背景在日常对话中不断补充，AI 负责把它们接起来。继续借阿岚这个虚构例子，配合前面配置好的规则，一天可以这样过：

早上，先说今天的真实状态。

“帮我记录，昨晚只睡了五个小时，今天下午三点要接孩子，上午还想把报名介绍发出去。下一步做啥？”

AI 读到昨天已经写好的草稿，就可以提醒你：“介绍已经有了，今天先确认开课时间，再检查预约方式。先把这一件做完，不用重新写一版，也先别加拍视频。”你直接接着昨天的成果做，少花一轮时间回想和重新安排。

中午有了新机会，先记下来，再看会不会撞上原来的安排。

“一个朋友想周末借工作室做活动，感觉能带来些新客，帮我记一下。”

等你问怎么选时，AI 可以指出：“你之前把周末留给家人，也是因为上次活动的准备和收尾都落在你身上。这次如果只是出场地，和你全程负责，是两种不同的投入。先问清谁接待、谁收拾，再决定。”

这时旧决定就派上了用场。你仍然可以接这次活动，但更容易在答应之前看见它会影响什么。

忙了一阵子，它也能在规划时提醒你该复盘了。

你又问“下一步做啥”，AI 发现原定的两周试卖昨天已经结束，就可以先把记录摆出来：“这轮有五个人咨询、两个人预约，另外三个人主要卡在上课时间。先花十分钟看看时间安排要不要改，再决定下周继续发什么。”

你不需要另外想起来“我是不是该复盘”。阶段的结束日期、原来的目标和实际结果都在库里，规划时就有依据把这件事提出来。

晚上，下一步也可以是休息。

“客户回复已经发了，明天的材料也确认了。我有点累，要不再改一下封面？”

结合早上的睡眠记录和当天进度，AI 可以回答：“今天必须完成的两件事都有结果了，封面没有明天必须修改的期限。你刚说很累，今晚先停下。明早从确认预约人数开始，我把这个接续点记下来。”

这类提醒来自你说过的状态、已有承诺和真实进度。它不需要为了显得勤奋，再给你塞一件事。你也能更放心地休息，因为明天回来还有明确的接续点。

上面这些提醒，都可以发生在你主动找它聊天、让它规划的时候。如果希望没有打开对话也收到提醒，再另行设置定时任务或通知；装上 Skill 本身不会自动在后台盯着生活。

当这些事情逐渐有人帮你接住，你就能腾出更多心力，去经营自己真正想做的事。重要的决定有人陪你推敲，确定的工作有人接着推进，今天的进展明天还能继续。这样的生活，是我想通过这套系统一点点实现的。

下一步，我想让 AI 也用上这套系统

写到这里，我还有一个特别想继续探索的问题：这套 Skill 给自己用，已经能帮我管理目标和行动，那能不能也给 AI 用？

假如把一个真实目标交给顶级 AI 模型，比如经营一个自媒体账号，或者接管一个项目的日常运作，再给它自己的记忆库、目标、行动记录和这五个 Skill，会发生什么？

拿自媒体账号来说，我想试着让它沿着这样的过程持续工作：读用户评论和账号数据，记录新发现；对照账号定位，选择下一轮选题；写出内容以后，找另一个 AI 挑问题，带着反馈修改；发布后继续看结果，复盘哪些判断对了，再决定下一步。

遇到连续几条内容都没效果，它会不会翻出之前的假设，发现自己一直在回答观众不关心的问题？当另一个 AI 提出不同意见，它能不能把分歧记下来，设计一次小实验，而不是聊完就算了？一个项目卡住以后，它能不能主动找出缺少的信息，向我提出一个具体问题，拿到答案后接着推进？

这些都是我下一步想动手验证的。

如果这条路能走通，我就可以逐步把更多持续性的工作交出去：一个 AI 负责内容，一个负责客户反馈，一个盯项目进度。它们各自有目标和记忆，能互相咨询，也能把需要我决定的事情带回来。我就有机会把时间留给方向、产品和真正重要的人，而不必每天亲自追着所有细节跑。

这是不是就开始接近 0ma.ai 想做的“一人公司的军团”了？一个人，也能带着一支持续做事、积累经验、彼此配合的 AI 团队，把原来顾不过来的想法做出来。

今天这次空投，先让大家用上自己的决策和行动助手。接下来，我想沿着这条路，把 AI 能接手的事情再往前推一步。

下一轮实验，敬请期待！