AI并非不能辅助决策，关键在于上下文是否充足

各位还在担心 AI 给你瞎提建议吗？

但实际上，你完全可以借助提示词帮它定位角色和思考路径。

而且，它也清楚该怎样调用 5W、鱼骨图 这类分析方法。

道理上讲，AI 应当懂得怎么去拆解问题，可为什么大家依然觉得它在胡出主意？

根本原因在于上下文不够啊！

试想一下，哪怕是各位精英大佬，也不敢让刚入职的实习生直接拍板吧？

可为什么不敢让新人做决策呢？

因为他一无所知。不清楚人际关系、不明白来龙去脉、不熟悉公司运作、不了解组织架构……

大家都讲，AI 就像一位刚入职的新人。

同样地，你也得喂给它足够的信息。它理解了，才有望给出真正落地靠谱的判断与建议。

AI 并非不能介入决策。它过去提不出好点子，多半不是分析能力不行，而是缺少你的事实依据、约束条件、历史背景和判断准则。

去年初，大模型井喷式涌现，紧接着 Vibe Coding 走红，Cursor、Cline 这类工具日趋完善。

不过让我这个小白真正接触 Vibe Coding 的，是 TRAE。彼时还没区分 Code、Work 之类，只有一个 IDE。

当时我借助 TRAE，搭建了第一个个人项目——"工作日记 App"。

虽叫 App，其实就是个跑在本地的 Web 应用。

后来正式上线了，网址是 https://workdiary.cn。

它的样子是这样的：

当时只想着一个念头：不用自己写周报和月报了。

每天把日记写好，接入 DeepSeek 后，按周、按月自动汇总，还能生成一个 HTML 看板来呈现。

慢慢地，它就成了我每日记录个人工作的地方。

我也渐渐养成了每天下班后花半小时回顾并记录工作的习惯。

起初是手工记录，一条条地写。

今年龙虾爆火之后，为了让 Agent 能够调用它，我还专门开发了 API 接口。

此后，我的工作日记入口就搬到了飞书，而且是口述式的。

就这样，日积月累，攒下了整整一年的工作日记。

与此同时，几个月前 Obsidian 第二大脑火了起来。

我让 Agent 把工作日记的内容全部迁移到 Obsidian 里，并每天进行双向同步。

Obsidian 有一个亮点，它可以在文件夹下放置 AGENTS.md，让进入的 Agent 知道该怎么做。

所以，通过这种途径，我的龙虾会定时翻阅我的日记库：

借助这种方式，我的龙虾对工作内容了如指掌。

它清楚：

如今，开会的发言稿我一律交给 Agent 代笔。

因为它了解上周发生了什么；

因为它明白我想要表达什么；

因为它清楚当下存在哪些问题；

因为它知道这些问题该由谁去解决。

而我，只需泡壶茶、点支烟，给 Agent 语音留言。

今天正好有个小例子。

集团公司发来一封邮件，要求开展一项活动。

我直接丢给 Agent，让它帮我拟一份方案。

好家伙，它给我的方案细化到了时间节点、部门和负责人。

而且跟我脑中还在酝酿的方案，不能说高度吻合，但起码丝毫不差。

换作以前，我构思完再落到纸面，反复修改，怎么也得花上一小时。

现在省事了，两分钟搞定。

当 AI 拥有长期上下文，它给出的就不再是一套放之四海而皆准的套话，而是更贴合你真实处境的方案。

所以，AI 不是鸡肋，也不是拿不出好的建议。

而是我们只抛给它一个问题，却没有喂给它理解问题、解决问题所需的上下文。

所以，赶紧搭建你的日记本吧！

学姐都讲了，先行动起来！

晚一天，就少一天的上下文哦！