WorkBuddy实战01：如何用AI工具，把学习与创作效率推向极限？

日更文章第192天：

此前我数次撰文分享过腾讯workbuddy，大多是号召性的让大家亲自上手体验。

其实只要工具当真好用，何须要我来摇旗呐喊。

所以，我认为落到实处，细看workbuddy究竟如何使用？如何真实解决我们所遇到的问题？此类分享，更有价值。

因此，我先大言不惭，许诺多写几篇workbuddy实战系列，不一定权威，但一定是我自己亲测且有效的经验。

正是开始之前，我先拆解一下我对于“学习”这件事的理解。

抠个字眼，“学习”究竟是什么意思？

“学习”，分为“学”和“习”。

“学”是看，是阅读、观看、听讲、观察以及理解。

“习”是练，应用、反复、矫正以及内化。

在认知科学的范畴，“学”解决的是输入（Input）与编码的问题，“习”解决的是输出（Output）与内化的问题。又回到输入输出的问题上，这也是我ID名称的来源，GavinMindIO，末尾的“IO”其实就是这个意思。

简单说，一边看，一边练，就是学习，学习的目的就是把别人的经验通过看和练，转化、内化成自己的经验。

所以，只看不练，就会出现一种假象，以为自己懂了，实则不懂的状态。

如果，只练不看，那么就是永远停止进步，重复昨天的自己，止步不前。

这两天高考，不时会想起我们十多年前的高中时代，现在回头再看，当时所谓的学习还有非常多的“不得要领”之处，很多课程基本上没有什么学习方法论可言，纯靠记忆力。

但更重要的是”学习方法“，这个道理至现在才理解透彻，悔之晚矣。

举个简单例子，高考前夕，需要记忆的内容奇多，不知从哪里看的“思维导图”和”记忆宫殿“此类方法，初看如获至宝奉为圭臬。

彼时，思维导图这种方法论形式远没现在这样烂大街，但是我用此方法把高中四本政治书全部串联起来，高效解决了记忆的问题，用致炉火纯青，巅峰时刻，甚至可以清晰知道每本书第多少页第多少行小标题是什么，内容是什么。这是我学生时代，为数不多使用方法而非蛮力取得的一些微末进展。因此高考文科综合成了绝地反击的一大助力。可惜的是，其他学科上一直没能找到更好的学习方法。

言归正传，我们继续拓展关于”学习“的思考到文艺、艺术作品的创作上。

就会发现，任何创作都不是凭空发生的。创作者脑海中必须积累足够多的范本，才能逐渐形成对节奏、结构、风格和质量的判断。而所谓审美，某种程度上就是大脑内部积累了大量样本之后，形成的一套隐性比较系统。

比如，学习写文章，就要关注和拆解好文章的是论点、论证、结构和语言。

比如，写小说，需要拆经典作品的人物欲望、冲突升级、信息隐藏、情绪变化和人物弧光。

再比如，拍电影，更要进一步拆镜头、场面调度、视听语言、剪辑节奏、声音设计和表演。

凡此种种，但底层方法论是相似的。

找到优秀作品、拆解其运行机制、模仿局部结构、独立创作、比较差距、修正。

好的，至此，我们找到了精髓。

两个字：拆解。

但是还有问题和困难，”拆解“这个动作本身是一件非常有挑战的事，想拆解某个领域的巅峰之作，只有大宗师级别的高手，才能做到真正的所谓的”拆解“，这种拆解跟初学者的”学习“模式，完全不在一个维度。

因此，我们知道了步骤和方法论，但是执行成了问题。但我们如今已经身处AI时代了，所谓的“拆解”也就不再是问题。

WorkBuddy上场了。

完整的流程路径是：给出需求、细化步骤和方法、拆解、总结拆解的方法论成 Skill、储存 Skill复用、将成果归档储存在个人知识库。

1、选择模式上，我一般比较喜欢”Plan“，也就是”规划模式“，它的特点是先拆解方案、列步骤，用户确认后再执行。

2、我不是很推崇研究提示词，基本的提示词结构是必要的，但是我还是喜欢直接问，且随着模型的迭代，在提示词上绣花越来越无必要，重点是表达清楚自己要做什么事。

3、比如，我想拆解一些经典的电影和小说，可以直接告诉 WorkBuddy：“拆解一个好故事的步骤是什么，详细计划一个拉片的步骤，先列出一些经典的电影或者小说的名单，我们选择一个，作为案例。”

之后，它会给出非常结构化、明确、详细的方法论、步骤。

4、选择一个自己喜欢的电影作品，让它分析。

5、分析之后，我会让它把这套方法论，直接总结成可复用的Skill。“请把这一整套拉片的方法论，总结成可复用的 Skill，并自动安装好，下次有新作作品，需要分析的时候，可以直接调用这个 Skill。”

6、下次重开任务，有新的作品需要拆解的时候，直接调用 Skill，可以手动调用，也可以通过触发关键词的形式，自动调用，这些关键词可以设置成“拉片、拆故事、叙事分析、场景精读、电影分析、小说分析、故事结构、镜头分析、story analysis、laping”等等。

7、最后这一步，也是 WorkBuddy 最方便的一个地方，如果说以上所谓”拆解“的步骤，好像任何一个 AI 模型完成，那最后这一步，来到 WorkBuddy的舒适区了。根本地化的笔记软件个人知识库打通，产出的成果内容，直接储存归档，效率拉满。

最后，我个人使用的是 Obsidian，我也强烈建议喜欢使用笔记的小伙伴们，可以试试，本地化+Markdown格式，Github 定期备份，数据永远属于自己，再也不受笔记软件平台的限制，这是自由的味道。

以上环节，为做示范，有些环节没有深究和细化，其实这些AI 直接给出的方法论本身很完整了，但是如果你还有自己的想法自己的认知，都可以重新反馈，添加个人的想法，直至满意，然后再总结成 Skill 或者储存归档。