ai-collab-playbook

我是一名人工智能方向的在读博士生。从 GPT-3.5 时代开始，我就比较重度地使用 AI。几年下来，AI 已经渗透到我工作的大部分环节——科研、写作、编程、日常学习，甚至和朋友聊天时的零碎想法。这份手册就是这些经历的沉淀。

它不是"装哪些工具"的清单，也不是"怎么写 Prompt"的速成教程。我更想回答的是：当 AI 已经能进入这些场景以后，人应该怎样继续主导问题、判断质量、沉淀经验，并避免把理解能力外包出去。

把 AI 当同事，不当工具；但人仍然是主变量。 AI 可以帮你探索、生成、执行，但问题表述、验收标准、必要取舍和最终判断不能交出去。否则效率越高，越可能只是更快地制造一种"我好像在推进"的幻觉。

先读什么

• 想看完整文章：从 docs/phd-ai-collab.md 开始。
• 想快速抓主线：先看下面三张图，再回到文章对应章节。
• 想复用工作流：看 skills/full/README.md 和 prompts/。
• 想看我怎么约束 Agent：看 AGENTS.md / CLAUDE.md。

这份手册在讲什么

人是主变量。 AI 可以放大能力，但不能替代问题意识和判断力。你仍然需要知道自己要什么、什么算好、什么该放弃。

当同事协作。 让 AI 进入真实工作流，而不是停留在一次性问答窗口。划词、IM、远程 Agent——入口越贴近任务，越容易形成高频使用。

低摩擦入口。 把划词工具栏、IM 消息、远程 Agent 和知识库接到你日常的材料流里。不是每件事都值得拉起本地 Agent 走完整工作流，轻量任务就该轻量入口。

上下文优先。 先准备好目标、材料、偏好和验收标准，再让模型执行。没有上下文的 AI 输出，和掷骰子差别不大。

经验沉淀。 把有效流程固化为 Skill 或 Workflow，越用越好，越用越快——但也要定期做减法，不然 skill 膨胀本身就是一种噪音。

反效率幻觉。 警惕把理解、审美、取舍和学习过程一起外包给 AI。效率很高但不理解自己在做什么，比低效更危险。

仓库内容

独立维护的 Skills

这些 Skills 已经拆出去单独维护。它们不是全部推荐一次性安装，而是我在不同阶段沉淀过、可以按需参考的工作流：

反馈

• 随手留言 / 读后反馈：Discussions
• 勘误 / 结构建议：提 Issue
• 小红书转发版：链接

友链

• linux.do