#06 写作即编排——当方法论指向自己

#06 写作即编排——当方法论指向自己

写完6篇讲「知识编排」的文章后发现:写作过程本身就是知识编排——建库、生成、核查、迭代,和用AI写代码的SDD流程骨架完全同构。信息论说模型不能凭空造信息,认知科学说外部结构就是心智的一部分,市场数据说51%企业选RAG而非微调。结论只有一个:AI时代,卡脖子的永远不是生成能力,是输入的结构化程度。模糊进,模糊出;清晰进,清晰出。知识编排不是新发明,但从学术少数人的规范变成了每个内容生产者的生存必需。
#05 AI 生成不等于 AI 正确——信息核查是最后一道门禁

#05 AI 生成不等于 AI 正确——信息核查是最后一道门禁

AI写得越顺滑你越该害怕——它不是在查真相,而是在预测下一个「看起来对」的词。最好的模型每5次编1次,最差的10次编9次,而且越自信越危险。核查之道:把文章拆成一条条断言,逐条验证,分红黄绿三级集中火力查最可能出错的数字和引用。别指望让AI查AI——它会觉得自己写得不错。人眼是最后一道门禁,没有捷径。
#04 知识引擎——不是笔记工具,是编排基础设施

#04 知识引擎——不是笔记工具,是编排基础设施

笔记工具是仓库,解决「存和找」;知识引擎是一体化厨房,打通「检索→综合→生产→验证→存储」全链路。语义搜索让你用概念找东西而非记标题,文档ID让每个数据点可精确回溯,AI记忆让上下文跨会话延续。Karpathy证明AI能编译知识结构,但止步于图书馆;真正的知识引擎还得开出版社——从取材到出书不离原地。2026年知识管理换天,关键不在有没有AI,在于AI是嵌入工作流还是独立存在。一句话:别建更大的仓库,建一条流水线。
#01 先建库,再写文章——为什么大多数 AI 写作是「无根之木」

#01 先建库,再写文章——为什么大多数 AI 写作是「无根之木」

AI写作的核心病灶:无根。AI不知道自己在编,最强模型每三次回答仍有一次是假的。多数人用AI写文章如同边炒菜边翻菜谱,手忙脚乱拼出的只是通顺的空话。正确的做法是先花两天建一个分级结构化资料库——43篇文献去重分类,标注类型、论点、用途、可靠性,写作时语义检索而非临时Google。这本质是「人工版RAG」:人过滤垃圾来源,AI负责组织表达。有库,两个矛盾数据能拆解出真知;没库,只剩「有人说快有人说慢」的废话。弹药库决定火力,根基决定高度。
#8 角色重构——工程师从「写代码的人」变成「编排 Agent 的人」

#8 角色重构——工程师从「写代码的人」变成「编排 Agent 的人」

当Agent能写百万行代码,工程师的手从键盘上抬起来了——但脑子比以前更忙。Spotify最好的开发者三个月没写一行代码,产出却翻了三倍。OpenAI三人团队零行手写、百万行产出,五个月干了别人五年的活。秘密不是「不干活」,而是干的活变了:设计约束(告诉Agent什么不能干)、编写spec(告诉Agent该干什么)、构建harness(给Agent搭好跑道)、审阅产出(校准Agent的判断力)。团队不再按前后端分,而是按spec/review/harness分。写代码的人消失了,掌舵的人诞生了。不是你不重要了,是你该站得更高了。