时间管理的新解法：我做了一个 AI 幕僚长

📌 一句话摘要

本文编译并深度解读了一位 Adobe 高管如何利用 Claude Code 和 Markdown 文件系统，构建一个无需代码的本地化“AI 参谋长”系统，以解决信息过载、管理团队上下文并提升决策效率。

📝 详细摘要

文章编译自 Supra Insider 播客对 Adobe 产品与战略负责人 Michael Livi 的访谈。Michael 作为一名非技术背景的管理者，分享了他如何利用 Claude Code 构建一个本地化、基于文件系统的“AI 参谋长”系统。该系统通过精心组织的 Markdown 文件夹（包括全局指令、个人 Wiki、思维模型、人员档案等八层架构），为 AI 提供了持续、深度的上下文，使其能够消化会议纪要、管理团队信息、规划每日优先级，甚至进行关联推理和主动提醒。文章详细介绍了系统的架构、10 分钟冷启动方法、具体使用场景（如会前简报、间隙时间优化），并提炼了“记忆层是 AI 产品护城河”、“先集中再分离”等核心观点，为知识工作者提供了极具实操性的 AI 个人效率系统构建思路。

💡 主要观点

- AI 助手的核心价值在于深度、持续的记忆层，而非单次对话的智能。 Michael 指出，现有 AI 产品的痛点在于每次对话都“从零开始”。他构建的系统通过本地 Markdown 文件为 AI 提供持久的、结构化的上下文（如个人思维模型、团队档案），使 AI 能真正理解用户背景并做出符合其直觉的判断，这构成了产品的真正粘性。

非技术用户构建 AI 系统的关键在于心态转变：将其还原为“一组文件夹”的管理问题。 文章强调，最大的障碍是技术恐惧。Michael 的成功在于剥去 Agent、Terminal 等花哨概念，将系统核心视为对 Markdown 文件和文件夹的精心组织，从而让任何会写文档的人都能动手实践，无需编写代码。

采用“10 分钟冷启动”和“先集中再分离”的渐进式构建策略，以快速获得正反馈。 为避免完美主义导致的拖延，Michael 建议用现有 AI（如 ChatGPT）快速生成关于自己的基础文档来冷启动。在系统架构上，他主张将所有工作上下文先集中放在一个文件夹，待出现混乱再细分，这降低了初期的决策成本和维护负担。

AI 参谋长能实现从“信息处理”到“关联推理与主动管理”的跃升。 该系统不仅能消化会议纪要和生成待办，更能进行跨上下文关联。例如，自动记录团队成员的产假信息，并在后续项目规划中主动提醒排期冲突。这种超出预期的、基于深度记忆的推理能力，对管理者价值巨大。

💬 文章金句

- 每次开始新对话，都要从头喂上下文。输出看起来像那么回事，但底下总是缺点什么。

• 所有在炫耀自己做了什么的人，也不过做了半年而已。你并没有落后多远。
• 把那些花哨的概念剥掉，看清它到底是什么，反而让我不再害怕，愿意去试了。
• 它不只是让你更专注——而是让你真正有后续行动。不只是在场，而是在场之后还能跟进。
• 记忆层才是产品的粘性所在。功能是可替代的，你看到模型和工具在互相超越。
• 叫它第二大脑太吓人了。把它还原成一堆文件和文件夹，反而让人敢动手。

📊 文章信息

AI 初评：87

来源：晚点再听LaterCast

作者：晚点再听LaterCast

分类：人工智能

语言：中文

阅读时间：18 分钟

字数：4278

标签： AI Agent, 个人效率系统, Claude Code, 知识管理, 上下文工程

阅读完整文章