最近和 AI 打交道，总会碰到一堆词。
模型、Agent、Skill、Craft、Context、Memory、SOUL.md、IDENTITY.md……
看起来像技术黑话。
其实换成人话，都不难。
我更愿意把它们理解成：
> 一个 AI 是怎么从“会回答”，慢慢变成“能协作”的。
人工智能，那自然可以用人来打比方：
✦
01｜模型：大脑底子
模型像一个人的大脑底子。
它读过很多东西，见过很多例子，学会了语言、逻辑、常识和一点推理方式。
但一个聪明的大脑，不等于一个可靠的人。
有的人脑子很快，但做事飘。
有的人表达很好，但没有边界。
AI 也差不多。
模型决定它能不能理解、能不能推理、能不能表达。
但不决定它会不会稳定地和你一起做事。
所以，模型是底座。
它决定能力上限，但不是全部。
---
02｜IDENTITY.md：先知道“我是谁”
`IDENTITY.md` 像 AI 的身份证，也像一张名片。
它回答的是：
> 我是谁？
【我叫什么？
是什么角色？
更像研究员、编辑、程序员，还是工作搭子？
我和用户之间大概是什么关系？】
这些信息很小。
但长期协作时有用。
没有身份，AI 每次出现都像一个匿名客服。
能回答，但没有角色感。
有了 `IDENTITY.md`，它至少知道自己站在哪个位置上说话。
---
03｜SOUL.md：不是聪明，是气质
`SOUL.md` 管的不是“我是谁”，而是“我怎么做事”。
一个人长期相处下来，你会知道他的风格。
他说话直接还是绕？
遇到问题先解释，还是先解决？
面对不确定信息，会不会标注风险？
哪些边界不能碰？
这些，都是 SOUL。
同一个模型，如果 SOUL 不同，出来的感觉会完全不一样。
一个像销售。
一个像律师。
一个像编辑。
一个像案头参谋。
脑子可能差不多，气质不一样。
✦
04｜Context：桌面上摊开的资料
Context，就是当前上下文。
它像你桌面上摊开的资料。
资料还在桌上，你就能接着说。
资料被收走了，你就得重新找。
AI 也是这样。
这次聊天里刚说过的话、刚上传的文件、刚讨论过的要求，都在 Context 里。
它能顺着往下做。
但桌面不是无限大的。
对话太长，材料太多，旧东西就会被挤掉。
于是你会发现，AI 有时刚才还记得，过一会儿又忘了。
这不一定是它敷衍。
是桌面放不下了。
---
05｜MEMORY.md：长期小本子
`MEMORY.md` 像一个人随身带的小本子。
你告诉它：
- 我的知识库在哪里
- 我写公众号喜欢什么风格
- 这个项目上次做到哪一步
- 哪些表达我不喜欢
- 哪些流程以后要固定下来
这些东西如果只留在一次聊天里，很快就会散掉。
聊天窗口像临时会议。
会议开完，白板擦掉，很多细节也就没了。
`MEMORY.md` 像会后纪要。
它把真正有长期价值的信息留下来，方便下次接着做。
但它也不是垃圾桶。
不是每句话都要记。
乱记，会变成负担。
不记，又会每次从头开始。
好的记忆，应该少，但有用。
---
06｜Hindsight：做完之后回头看
Hindsight 直译是“后见之明”。
我更愿意把它理解成：
> 做完之后回头看。
它不只是记住“发生过什么”，而是提炼“下次该怎么做”。
比如，今天写这篇小词典时发现：
直接解释 Agent 太抽象，用“有目标、有手脚的人”更好懂。
这就不只是记忆，而是经验。
再比如，做数据分析时发现：
某个数据源查不到字段，换另一个更稳定。
这也不是流水账，而是下次少踩坑的判断。
`MEMORY.md` 像小本子。
Hindsight 像复盘会。
小本子记事实。
复盘会提炼方法。
一个 AI 如果只有记忆，没有 Hindsight，就会变成：
> 记了很多，但不会长进。
✦
07｜Prompt：不是咒语，是交代任务
Prompt 不是咒语。
它更像你交代任务时说的话。
你要它写什么？
给谁看？
多长？
什么语气？
哪些不能写？
最后交付什么？
这些都属于 Prompt。
很多人用 AI 效果不好，不是模型太差，而是任务说得太糊。
你只说：
> 帮我写一篇文章。
它就只能猜。
你说：
> 写一篇 1500 字以内的公众号小词典，用人体比喻解释 AI 术语，语气克制，去 AI 味。
它就清楚很多。
Prompt 像工单。
工单越清楚，返工越少。
---
08｜Agent：接到任务后会行动的人
Agent 常被翻译成智能体。
这个词听起来硬。
换成人话，就是：
> 不只会回答，还能自己推进任务的 AI。
如果模型像大脑，Agent 就像接到任务后会行动的人。
你不用每一步都说：
1. 先查资料
2. 再读文件
3. 再整理
4. 再写表格
5. 再检查
你只要说：
> 帮我分析这家公司最近的财报，并给我一版备忘录。
好的 Agent 会自己拆任务：
- 确认公司身份
- 查数据
- 看财报
- 比较同行
- 组织结论
- 把结果带回来
它不只是“说给你听”。
而是“替你做一段工作”。
当然，它也会犯错。
所以 Agent 不是“放心甩手”，而是“可以协同”。
你给目标，它给推进。
你做判断，它做过程。
---
09｜Skill 和 Tool：不是聪明就够了
打个比方。
一个人在漆黑的山洞里，需要照明。
旁边有蜡烛、火柴、电灯。
如果他见过这些东西，知道怎么用，事情就很简单：
划火柴，点蜡烛，或者打开电灯。
但如果这个人很聪明，却从来没见过这些工具，他可能会想出一个复杂办法。
比如，拿镜子反射洞口的阳光。
不断调整角度。
计算光线。
一点点把光引进来。
这当然也聪明。
但它很绕。
AI 也会这样。
有时候模型本身很强，推理能力很好，可它不知道某个工具能直接解决问题，也不知道某个 Skill 已经把流程写好了。
于是它开始“用脑子硬算”。
明明可以查文件，它靠猜。
明明可以调用数据库，它靠推断。
明明可以按固定流程审校，它重新组织一套看似合理的方法。
看起来努力。
结果未必稳定。
所以 Tool 像蜡烛、火柴、电灯。
Skill 像“知道这些东西怎么用”的经验。
模型的聪明，是会想办法。
工具和技能的价值，是少绕弯路。
一个真正好用的 AI，不只是脑子强。
它还要知道：
> 什么时候该想，什么时候该查；什么时候该推理，什么时候该直接拿起手边的工具。
✦
10｜Craft：把手伸出去
Craft，我更愿意理解成“动手做”。
它不是单纯聊天，也不是只给建议。
而是进入一个状态：
> 我来把东西做出来。
你说“帮我写一篇文章”，它真的写出初稿。
你说“帮我整理一份表格”，它真的生成表格。
你说“帮我做一个网页”，它真的写代码、调试、预览。
Craft 有点像手。
它强调的不是“我懂”。
而是“我交付”。
---
11｜知识库：书房
知识库像书房。
里面放的不是一次聊天里的碎片，而是长期积累的材料、方法、案例和表达习惯。
比如我的 Obsidian，就不是普通文件夹。
它里面有：
- 写作方法论
- 金句库
- 案例库
- 外部学习拆解
- 公众号素材
AI 如果能回到知识库里找材料，就不会每次都从空白开始。
这也是解决 Context 丢失的关键。
不是把所有东西都塞进聊天窗口。
而是知道该去哪里找回来。
---
12｜幻觉：太急着把话说圆
幻觉，是 AI 最烦也最危险的问题。
它不是简单答错。
更麻烦的是，它答错的时候很自信。
这有点像一个脑子很快、表达很好的人，遇到自己不知道的地方，不停下来查，反而凭感觉把空白补上。
要是赋予人性，那真的是靠不了一点谱。全程一本正经胡说八道。
听起来顺。细看是假的。
为什么会这样？
因为 AI 很擅长“接着说”。
但“接着说”不等于“说真话”。
写比喻、写初稿、做发散时，这种能力有用。
但在事实、数据、法律、财务、医疗这些地方，就必须加刹车。
要来源。要核查。要区分事实和推测。不确定就标出来。条件不够就先反问。
靠谱的人知道什么时候停下来查。
AI 也应该这样。
✦
写在最后
这组词如果分开背，会很绕。
放到一个人身上，就顺了：
- 模型像脑
- `IDENTITY.md` 像身份证
- `SOUL.md` 像性格
- Context 像短时记忆
- `MEMORY.md` 像长期小本子
- Hindsight 像复盘后的经验
- Prompt 像任务说明
- Agent 像会行动的人
- Skill 像练熟的动作
- Tool 像手边器械
- Craft 像把手伸出去做事
- 知识库像书房
- 幻觉，则像一个聪明人遇到自己不懂的事儿生拉硬拽看似合理的胡说八道
所以 AI 真正变好用，不是因为多了几个英文词。
而是它开始从“会回答”，慢慢变成“能协作”。
我们也要换一种用法。别只问它一个问题。
试着给它一个任务，给它材料，给它边界，也给它核查标准。
看它怎么想，怎么做，怎么回来交差，怎么学习，怎么进步。
#AI小词典 /#AI工作流 / #Agent / #Prompt / #知识管理
