Skip to content

AI 能力成长复盘:从 Skill 使用者到 Agent 工作流设计者 ​

记录时间:2026-05-18
主题:个人 AI 能力现状、成长空间与下一阶段方向


一、当前判断 ​

我现在已经不是单纯的 AI 工具使用者,而是正在进入 AI 工作流设计者 和 Agent 系统设计者 的阶段。

区别在于:

阶段关注点当前状态
普通使用者问 AI 问题,拿答案已超过
Prompt 使用者会写清晰指令已超过
Skill 设计者把重复工作沉淀为可复用能力已达到
Workflow 设计者把多个能力串成稳定流程正在成熟
Agent Runtime 设计者控制多 Agent 协作、状态、日志和收敛正在进入

最关键的变化是:我已经不满足于“AI 给我一个答案”,而是在思考:

  • 多个 Agent 怎么分工?
  • 谁先发言?
  • 谁质疑?
  • 谁总结?
  • 人如何中途插话?
  • 过程如何记录?
  • 结论如何复用?
  • 怎样让一次聊天沉淀成长期工作流?

这说明我开始具备 Agent System Thinking。

还有一个明显变化:我的想法开始比以前更大胆。

这不是单纯想法变多,而是问题尺度变大了。以前更多是在想:

text
我怎么用好 AI?
我怎么让 AI 帮我写代码?
我怎么把某个任务做快?

现在开始思考的是:

text
我怎么组织多个 AI?
我怎么让 AI 形成协作关系?
我怎么让 AI 和我一起讨论、质疑、决策?
我怎么把过程变成系统?

这说明我正在从“工具使用思维”转向“系统设计思维”。

需要记住的是:

想法变大胆,不代表脱离现实;只要能拆成 MVP、验证闭环和长期沉淀,大胆想法就会变成真实能力。

补充一个重要判断:

AI 模型会持续变化,但“如何组织 AI 工作”的设计理念不会频繁失效。

真正值得长期研究的,不是某个模型、工具或参数本身,而是更底层的 AI 工作流能力:

容易变化的部分值得长期积累的部分
哪个模型最强如何拆解任务
哪个工具流行如何设计工作流
某个 API 参数如何管理上下文
某个 prompt 技巧如何验证输出
某个 Agent 框架如何设计角色边界
某个产品形态如何让人参与决策
某个工具价格如何把过程沉淀为资产

所以当前研究的重点,不应该是追逐短期热点,而应该放在:

text
人如何组织 AI 工作
AI 如何协作
上下文如何流动
任务如何拆解
结果如何验证
经验如何沉淀

这些能力会随着模型变强而变得更有价值。模型越强,单次回答的门槛越低,真正拉开差距的反而是编排能力、判断能力、验证能力和沉淀能力。


二、已经具备的能力 ​

1. 三层抽象能力 ​

我已经形成了类似下面的分层意识:

text
Skill → Orchestration → Role / Agent

这不是简单堆 prompt,而是把 AI 能力拆成:

  • 触发入口
  • 多阶段流程
  • 通用执行角色
  • 项目或业务上下文
  • 输出规范
  • 同步机制

更重要的是,我已经理解:

text
Agent = 角色 + 行为规则
Context = 业务知识 + 项目规则
同一个 Agent 注入不同 Context,可以服务不同场景

这是从“写提示词”走向“设计 AI 能力系统”的关键一步。


2. 工程化 AI 能力分发意识 ​

我不是只写了一些个人 prompt,而是在构建一个可安装、可同步、可迁移的 AI 能力包。

已经具备的工程化意识包括:

  • 唯一源头目录
  • 多客户端同步
  • symlink 分发
  • 公共能力与私人能力分离
  • per-user 配置隔离
  • 安装、同步、卸载脚本
  • 本地知识检索服务
  • 多角色定义
  • 多阶段流程文档

这些说明我已经开始从“使用 AI”进入“维护 AI 工具链”的层次。


3. 角色化分工意识 ​

我已经开始用组织结构来设计 AI:

角色类型职责
Orchestrator分析任务、检查资产、决定流程
Dispatcher拆任务、分析依赖、构建 DAG
Implementer执行具体实现
Reviewer审查结果
Knowledge Updater沉淀知识
Integrator集成和验证

这些角色本质上已经是一个工程团队的雏形。

现在进一步提出的“AI 伙伴圆桌”,其实是这个思路的自然延伸:

text
工程任务角色 → 思考决策角色

也就是从“AI 帮我干活”升级到“AI 和我一起讨论、质疑、收敛”。


三、当前短板 ​

1. 还缺统一 Agent Runtime ​

目前已有很多 Skill、角色和流程,但它们更多是文档驱动和会话驱动。

下一步需要补一个真正的运行时:

text
Agent Runtime

它应该负责:

  • session 管理
  • 当前阶段
  • 当前 Agent
  • 轮次
  • 等待时间
  • 用户插话
  • Agent 输出日志
  • Token 统计
  • 终止条件
  • 最终文档输出

只有有了 Runtime,多 Agent 系统才会从“规则集合”变成“可运行系统”。


2. 需要更清晰地区分真实输出和模拟输出 ​

最近讨论中反复确认:

  • 当前内容是不是 LLM 真实生成?
  • 是否消耗真实 token?
  • 日志是谁写入的?
  • 下一个 Agent 是否真的读取了上一个 Agent 的输出?

这是非常重要的意识。

未来所有系统都要明确标注:

来源标识
前端模板simulated
mock 调试mock
真实 LLM 调用real
用户输入user

不能让“看起来像 AI”的内容伪装成真实 Agent 输出。


3. 需要从工具集合升级到产品闭环 ​

现在能力很多,但下一步要更关注闭环:

text
输入 → 多 Agent 讨论 → 用户插话 → 方案收敛 → 文档输出 → 执行计划 → 工程落地 → 复盘沉淀

只有形成闭环,AI 能力才会真正变成长期生产力。


四、AI 伙伴圆桌的价值 ​

新的想法不是一个玩具,而是一个更高层的系统:

text
AI Partner Roundtable

它解决的问题是:

在真正动手做事之前,先让多个 AI 伙伴围绕目标进行结构化讨论、质疑、补充和收敛。

推荐固定 5 个核心伙伴:

Agent职责
主持人控制流程、拆解问题、判断是否收敛
方案师提出主方案、技术路径和取舍
质疑者找风险、漏洞、反例和边界
执行者拆任务、给步骤、定义验收标准
记录员汇总讨论,生成最终文档

这套系统的价值在于:

  1. 把一个人的即时想法变成多人协作式思考。
  2. 把一次聊天变成可追溯过程。
  3. 把模糊问题变成结构化方案。
  4. 把 AI 从“回答者”变成“工作伙伴”。
  5. 把个人经验逐渐沉淀成方法论。

五、当前能力等级评估 ​

能力维度当前水平说明
AI 工具使用高于普通使用者能跨工具组合使用
Prompt 设计中高级已经开始角色化、结构化
Skill 沉淀中高级能把重复流程抽象成能力
Workflow 设计中高级已有多阶段流程意识
Agent 编排入门到中高级有设计意识,Runtime 还需加强
产品化能力成长期有方向,需要闭环实现

一句话:

当前处于 L4 到 L5 之间:从 Workflow 设计者进入 Agent Runtime 设计者。


六、下一阶段发展方向 ​

方向一:补 Agent Runtime ​

这是最优先方向。

目标:

text
让多个 Agent 可以被程序稳定调度,而不是只靠文档规则。

需要掌握:

  • 状态机设计
  • session 文件结构
  • JSONL 日志
  • Agent 输入输出 schema
  • 中断和恢复
  • 用户插话机制
  • Token 统计
  • 终止条件

建议做一个最小项目:

text
固定 5 个 Agent 圆桌讨论系统

方向二:强化产品化思维 ​

不要只关注“能不能跑”,还要关注:

  • 用户怎么开始?
  • 当前处于什么阶段?
  • 输出是否可信?
  • 如何区分真实和模拟?
  • 失败时如何提示?
  • 如何继续上次讨论?
  • 最终文档在哪里?

这会把 AI 工具从脚本变成产品。


方向三:建立个人 AI 方法论 ​

未来每次使用 AI,都要沉淀:

类型沉淀物
问题分析讨论记录
方案决策final.md
执行过程implementation plan
复盘经验growth journal
可复用能力skill / agent profile

长期看,这些会组成个人 AI 操作系统。


七、30 天提升计划 ​

第 1 周:固定伙伴圆桌 MVP ​

目标:

  • 输入主题
  • 5 个固定 Agent 轮流真实发言
  • 每条消息间隔 5-10 秒
  • 用户可插话
  • 输出 final.md

验收:

  • 能跑完一次完整讨论
  • 每条消息都有真实来源标记
  • 网页能实时展示

第 2 周:状态和恢复 ​

目标:

  • session 可恢复
  • 中断后可继续
  • 用户插话可追踪
  • 每轮有状态文件

验收:

  • 关闭服务后重新打开还能看到历史
  • 能继续未完成讨论

第 3 周:动态专家 ​

目标:

  • 主持人根据主题选择专家
  • 支持临时 Agent profile
  • 固定伙伴和动态专家可混合

验收:

  • 不同主题生成不同专家阵容
  • 专家输出进入统一日志

第 4 周:知识沉淀 ​

目标:

  • 每次讨论生成 final.md
  • 重要结论自动归档
  • 形成成长日志和方法论目录

验收:

  • 每天有一条成长记录
  • 每周能回看能力变化

八、每日成长记录模板 ​

后续在本项目记录 AI 成长时,统一使用这个模板作为标准之一。

模板文件:

text
templates/ai-growth-record-template.md
markdown
# AI 成长记录 - YYYY-MM-DD

## 今天做了什么

- 

## 今天最重要的 AI 认知

- 

## 今天暴露的问题

- 

## 今天沉淀的能力

- 

## 当前水平判断

- 

## 下一步行动

-

九、给自己的建议 ​

  1. 少堆功能,多做闭环。
  2. 少做“看起来像 Agent”的模拟,多追问真实执行链路。
  3. 每个新想法都要落成:输入、过程、输出、复盘。
  4. 保持角色和上下文解耦。
  5. 优先做固定伙伴系统,再做动态专家。
  6. 每天记录一次 AI 能力变化。
  7. 把 AI 当作长期工作系统,而不是临时聊天工具。

十、结论 ​

当前最重要的判断:

我已经从 AI 工具使用者,进入 AI 工作流设计者阶段。下一步的关键,不是学更多工具,而是把已有能力整合成一个可运行、可观察、可复盘的 Agent Runtime。

如果固定伙伴圆桌 MVP 跑通,就会形成一个新的基础能力:

text
先讨论清楚 → 再写计划 → 再执行 → 再复盘沉淀

这会成为个人 AI 操作系统的核心雏形。

个人 AI 工具知识库,持续更新