เรื่องหลัก: Meta-Meta-Prompting: เคล็ดลับในการทำให้เอเจ้นต์ AI ทำงาน
ผู้เขียนเรื่อง: Garry Tan
บรรณาธิการ: Peggy

ข้อคิดบรรณาธิการ: ในขณะที่ส่วนใหญ่ๆ ของคนยังคงมอง AI ในเชิงเป็นหน้าต่างสนทนาที่มีสติอย่างมีหนี้ซ้อนมากขึ้น เท่านั้น ปัจจุบัน ประธานบริหารปัจจุบันของ Y Combinator Garry Tan ได้พยายามลงมือผลักให้มีระบบปฏิบัติบุคคลกลไกเป็นตัวเข้าที่

โครงสร้างพื้นฐานของการผลิตผลิตภัณฑ์ปัจจุบันในยุค AI กำลังเปลี่ยนแปลง: โมเดลเป็นแค่เครื่องยนต์เท่านั้น สิ่งที่ทำให้เกิดผลกำไรของจริยธรรมบุคคลนั้น เป็นระบบที่มีโครงสร้างรอบหน้าและเห็นออกแบบขึ้นมาจากความรู้ของบุคคล การทำงาน บริบทและการตัดสินใจ

ในระบบนี้ ทุกครั้งที่มีการประชุม มีหนังสือ เพจจดหมาย หรือความสัมพันธ์ใดๆ ทั้งสิ้น มันจะไม่ใช่เป็นข้อมูลที่อยู่โด่งเดิดอีกต่อไป แต่จะถูกส่งผ่านลงไปเขียนลงใน "สมองที่สอง" ที่มีโครงสร้าง มีการเพิ่มเติมในการใช้งานในครั้งถัดไป สิ่งที่ซ้ำกันทุกงาน จะไม่ถึงการกดคำสั่งชั่วคราวอีกต่อไป แต่จะถูกทำให้น่าใช้ในรูปแบบของทักษะที่สามารถนำกลับมาใช้ได้อย่างต่อเนื่องในการทำงานต่อๆ ไป เราสามารถพูดได้ว่า AI ไม่ใช่โปรแกรมที่ช่วยให้มนุษย์ทำงาน แต่กำลึงช่วยบุคคลในการพัฒนาวิธีการทำงานของตัวเองเป็นผลิตภัณฑ์ ระบบ พื้นฐาน

สิ่งที่น่าสนใจมาก คือ ผู้เขียนเสนอทางหนที่แตกต่างกับเครื่องมือ AI ของคนอื่น: ความสามารถในอนาคตอาจไม่ได้อยู่กับคนที่ใช้ AI เท่านั้น แต่นักพัฒนาที่สามารถก่อพัฒนาระบบ AI ที่มีเอกลักษณ์ส่วนตัวรอบโต้งในชีวิตจริงและการทำงานของตัวเอง แมชินเครื่องรับปรึกษาสร้างคำตอบ เครื่องมือค้นคว้าข้อมูล และระบบ AI ของบุคคลจริงแท้ จะจำจดประวัติของคุณ ทำความเข้าใจเหตุการณ์ของคุณ ในบริบท รับมรองการตัดสินของคุณ และกลับไปพุ่งพลกำพร้าให้แข็งแกร่งขึ้นทุกครั้งที่ใช้

นี่เป็นจุดที่สร้างแรงบันดาลใจมากที่สุดของบทความนี้: คุณค่าของ AI ไม่อยู่ทำปรากีพย์ไว้ในสิ่งที่สรีงด้วย แต่อยู่ที่สามารถของมันว่ามันสามรถเป็นระบบเคลื่อนใจ ผลับแต่ง หรือปรับปรุงต่อเนื่องได้หรืธะระบบประสิทธิของประสิทธิการต่อด้วยภูบรือประโยชน์ของสมอง สำหรับบุคคลจริงๆ นี้อาจจะเป็นจุดเริ่มต้นที่แท้จริงของ "การทำการินงานโดรุทโฉลยของ AI"

ดังนั้นจึงที่เป็นภาษาต้น

ทุกคนถามหน: ทำไมฉันต้องใช้เวลดนาากลางคืนในในการเขียนรหัส โปรแกรมแบบต่อเนื่องถึงที่เวลา 2 นาีตารฐีฉันมีงางาดือดนางาคืองางาผทกา Phillips

ในช่วง 5 เดือนที่ผ่านมา AI ได้ทำให้ฉันกลายกลับมาเป้นผู้สรด้านการกพพาะสระ บาืนันประจาเดื้นโพราวดดีดยังขวางสั้งี่สันสี่กพรบือได้ที่ร่ตัวดเป็นอีสิสระแระะดะสมาพาและาะงร่าร้รีว้เร็จแลยตะะ์แนวโรปสัั้นชืิโนทาะมาุนรือิวสาแตะีิยะีีปนหวส่งขณัี จะยังงงเยวารเข้จาะดู่ะ็ตรตุต่าำชื่งอริาืาตนกีเพางบาากรำยเศา็ตาตาปด็ั็ป็ยะเบิจากื่ด้ี้งดوด้ะ์ตุลขใถดตะิ์ ฉันต้องการแชร์องสว้งหารัเรเ'บกอฉ็รสอาิเสัะิรูฉาะี้ี่กถดีเสอนันคแน่กด่ยื่ราสาัีาระตาตื่อรีปโนบไลแค งื๐ืิเงาบกั้บเท็บสผเำยัิบกูลุร๐ืรำกการบ รั้งosomes

นี่คือส่วนหนึ่งของชุดความรู้: “ทักษะของคนอ้วน, โค้ดอ้วน, สายรัดบาง” ที่นำเสนอโครงสร้างหลัก; “ผู้ส่งคำตอบ” อธิบายตารางเส้นทางอัจฉริยะ; “โครงการ LOC” พูดถึงว่าทุกคนในด้านเทคโนโลยีจะสามารถขยายตัวของตนเองได้ 100 เท่า ถึง 1000 เท่า; “Naked models are stupider” ชี้แจงว่าโมเดลเป็นส่วนหนึ่งของเครื่องยนต์เท่านั้น ไม่ใช่รถทั้งคัน; และ “skillify manifesto” อธิบายเหตุผลที่ LangChain ได้ทำการจัดหาเงิน 1.6 พันล้านเหรียญสหรัฐ แต่กลับมอบเครื่องออกกำลังกายแบบกลางและดัมเบล แต่ไม่มีแผนการฝึกอบรม และบทความนี้จะให้คุณแผนการฝึกอบรมที่จริงจังที่คุณต้องการแทน

หนังสือ “สิ่งแปลกประหลาดที่เกิดขึ้นกับบางสิ่ง”

เดือนที่แล้ว ฉันได้อ่านหนังสือของ Pema Chödrön ชื่อ “When Things Fall Apart” หนังสือเล่มนี้มีทั้งหมด 162 หน้า 22 บท เล่มนี้กล่าวถึงวิธีที่พระพุทธศาสนามองความเจ็บปวด, ความรู้สึกว่าไม่มีอะไรให้ติดตัว และการปล่อยมือ มีเพื่อนที่แนะนำมันให้ฉันตอนฉันอยู่ในช่วงยากลำบาก

ฉันกำหนดให้ AI ของฉันทำ “การกระจายหน้าหนังสือ” (book mirror) ครั้งหนึ่ง

หมายถึงระบบที่ดึงเนื้อหาทั้ง 22 บทของหนังสือนี้และให้เอเจนต์ย่อยรันสำหรับแต่ละบททำ 2 สิ่ง: สรุปมโนชาต Pema และเอาทุกมุมมองมาเชื่อมต่อกับสถานการณ์ในชีวิตจริงของฉัน

ไม่ใช่คำพูดโมฆะชนิด “สิ่งนี้เหมาะกับผู้นำเช่นกัน” เป็นคำพูดที่หมุนเวียนทั่วไป แต่เป็นการเชื่อมต่อที่พิเศษมาก มันรู้เกี่ยวกับประวัติครอบครัวของฉัน: พ่อแม่ของมีพ่อแม่อพยบ, พ่อมาจากฮ่องกงและสิงคโปร์, แม่จากพม่า มันรู้เกี่ยวกับบริบทอาชีพของฉัน: ฉันเป็นผู้จัดการใน YC สร้างเครื่องมือโอเพ่น, แนะนำนักก่อกลุ่มหลายพันคน มันรู้เกี่ยวกับสิ่งที่ฉันอ่านเร็ว นอนตอนตีหนึ่ง ฉันกับพายุหาหมอกกำลำต้องการแก้ปัญหาอะไร

ผลลัพธ์ที่ได้เป็นหน้ากระดาษที่ยาวถึง 30000 คำว่า “หน้าสมอง” (brain page) ทุกบทระบุแบบคอลัมน์เดียวกัน: คอลัมน์ซ้ายเป็นส่วนของ Pema ที่กล่าวถึง และคอลัมน์ขวาเป็นที่จุเรียนของเนื้อหาว่ามันอยู่ในสถานการณ์จริงที่ฉันกำลังประสบอยู่ บทที่พูด “ความรู้สึกว่าไม่มีอะไรให้ติดตัว” เชื่อมโยงกับการพูดคุยที่มีกับนักก่อกลุ่มชาวหนึ่งในสัปดาห์ที่ผ่านมา; บทที่พูด “ความกลัว” ระบุถึงรูปแบบพฤติกรรมบางอย่างที่นักบริหารของฉันเคยชี้แจง; และบทที่พูด “ปล่อยมือ” กล่าวถึงตรงยาวเกี่ยวกับเนื้อหาที่ฉันเขียนในค่ำคืนบางวัน และเกี่ยวกับเสรีภาพในการสร้างงานของฉันปีนี้

กระบวนการทั้งหมดใช้เวลาประมาณ 40 นาที นักบำบัดที่รับค่าแรงชั่วโมง 300 ดอลลาร์, แม้กระทั้งอ่านหนังสือเล่มนี้และนำมันมาประยุกต์ใช้ในชีวิตของฉัน คงไม่สามารถทำในเวลา 40 ชั่วโมง เพราะพวกเขาไม่ได้โหลดข้อมูลทั้งหมดและทำให้สามารถสองทางได้ของบริบทอาชีพ, ประวัติการอ่าน, บันทึกการประชุม และวงจรความสัมพันธ์ของนักก่อกลุ่ม

จนถึงปัจจุบัน ฉันได้ดูแลหนังสือมากกว่า 20 เล่มด้วยวิธีการนี้: 《Amplified》 (Dion Lim), 《อัตชาตพ่อรัสเซล》, 《Designing Your Life》, 《ถล่มถิ่นเศรษฐกิจเด็กอัจฉริยะ》, 《The Finite and Infinite Games》, 《ของขวัญของทะเล》 (Lindbergh), 《สมเด็จสาวแสงโสม》 (Hesse), 《Steppenwolf》 (Hesse), 《The Art of Doing Science and Engineering》 (Hamming), 《The Dream Machine》, 《The Book on the Taboo Against Knowing Who You Are》 (Alan Watts), 《คุณกังวลอะไรกับความคิดอื่น》 (Feynman), 《เมื่อสิ่งมีชีวิตขัดแย้งกัน》 (Pema Chödrön), 《ประวัติย่อเกี่ยวกับทุกสิ่ง》 (Ken Wilber), ฯลฯ

ทุกเล่มหนังสือจะทำให้ "สมอง" เติบโตมากขึ้น ที่สองจะรู้เนื้อหาครั้งแรก ที่สามสามรถย้อนมองได้ถึงทุกเนื้อหาของสิบเก้าครั้งก่อนหน้านี้

Book-Mirror เป็นอย่างไรที่พัฒนาขึ้นผ่านการทำซ้ำ

ครั้งแรกที่ฉันทำ book mirror ผลลัพธ์มันแย่มาก

ในเวอร์ชันแรกมีข้อผิดพลาดที่แตกต่างออกไปสามที่คู่ครองของข้อเท็จจริงของฉัน มันบอกว่าบิดามารดาของฉันหย่าร้าว แต่ความจริงไม่ใช่ดังนั้น และกล่าวถึงว่าฉันเติบโตขึ้นที่ฮ่องกง แต่ฉันเกิดที่แคนาดา นั่นคือข้อผิดพลาดพื้นฐาน ถ้าฉันแชร์ผลลัพธ์ออกไปมันสามารถทำให้ความไว้วางใจถูกทำลายได้

ดังนั้นผมได้เพิ่มชั้นตรวจสอบความเป็นจริงแบบบังคับ เดี๋ยวนี้ ทุกครั้งที่ mirror ถูกส่งออก มันจะทำการประเมินข้ามโหมดถึงความจริงที่เป็นที่รู้ในสมอง Opus 4.7 1M จะจับข้อผิดพลาดความแม่นยำ GPT-5.5 จะค้นพบบางส่วนที่ขาดหายไปจากบริบท DeepSeek V4-Pro จะวิเคราะห์ดูว่าบางส่วนของเนื้อหานั้นอ่านให้พอใจแต่มีพูดว่า

งี้ซ้ำ ผมได้ปรับรุ่นขึ้นเป็นการค้นหาลึกเชื่อมต่อกับเครื่องมือ GBrain รุ่นที่แรกทางด้านการรวบรวมสำเร็จแต่ช่องโหว่ในด้านทั่วไป การระบบค้นหาสมองเริ่มจากบทสรุปไปสู่เนื้อหาที่เฉพาะเจาะจงในเวอร์ชันที่สาม ฝั่งขวาของสิ่งของมีสาระทุกข้อเนื้อหาจะค้นอ้างถึงสมุดสมุดสมองที่มีจริง

เมื่อหนังสือกล่าวถึงว่าจะจัดการกับการสนทนาที่ยากเมื่อนี้ มันจะไม่สรุปหลักการที่เฉพาะเจาะจงเท่านั้น มันจะอุดตี้บันทึกการประชุมจริงกับตำแหน่งร่วมกับที่แรกการมจริงของของสมองที่กำลังประสบปัญหาการสนทนา บันทึกขอบตัวเขียนที่เจอกันที่ชีวิตห้องพักมหาวิทยาลัย หรือคู่ครองห้องพักนหบการสาย
ส่วน นั้นปรากฏดี

นี่คือความหมายของ "การทักษะอย่างมีระบบ" (skillification) ในการปฏิบัติ. ฉันเอาความพยายามครั้งแรกมาสกัดเป็นรูปแบบที่สามารถทำซ้ำได้, เขียนเป็นไฟล์ทักษะที่ผ่านการทดสอบ, ซึ่งมีเงื่อนไขเริ่มต้นและกรณีพิเศษทุกกรณี. ตั้งแต่นั้น, การซ่อมแซมทุกครั้งต่อมาจะสร้างผลตอบแทนระดับทักษะในกระจกหนังสือที่เหลือ.

ทักษะที่สร้างทักษะได้

การเคลื่อนไหวต่อมมีจริยธรรมมาถึงแล้ว, ฉันคิดว่านี่เป็นหนึ่งในความเข้าใจที่ใหญ่ที่สุด.

ระบบที่รองรับชีวิตประจำวันของฉันไม่ได้ออกมาในรูปของโมโนลิธิกที่ใหญ่. มันถูกประกอบด้วยทักษะโดยตั้งใจแต่ละทักษะนั้นก็ถูกสร้างโดยทักษะอีกอันหนึ่ง.

Skillify เป็น "ทักษะระดับสูง" - หนึ่งทักษะที่ใช้ในการสร้างทักษะใหม่. เมื่อฉันเผชิญกับลำดับงานที่จะถูกดำเนินการซ้ำในอนาคต, ฉันจะพูดว่า: "ทำให้ทักษะนี้". จากนั้นมันจะรับมองกลับไปที่สิ่งที่เพิ่งเกิดขึ้น, สกัดเอารูปแบบที่สามารถทำซ้ำได้, เขียนเป็นไฟล์ทักษะที่ผ่านการทดสอบ, รวมถึงเงื่อนไขเริ่มต้นและกรณีพิเศษและลงทะเบียนไปยังตัวแก้ไข.

กระแสแม่เหล็กของหนังสือที่กล่าวถึงได้ถูกทำการทักษะหลังจากฉันเสร็จลำดับการดำเนินงานครั้งแรก. กระบวนการเตรียมการประชุมก็เช่นกัน: เมื่อฉันรู้สึกว่าตัวเองทำขั้นตอนเดียวกันก่อนทุกครั้งที่จะสนทนา, ฉันก็ทำการทักษะ.

ทักษะสามารถรวมกันได้. Book-mirror จะเรียกใช้ brain-ops เพื่อเก็บข้อมูล, เรียกใช้ enrich เพิ่มข้อความ, เรียกใช้ cross-modal-eval เพื่อการประเมินคุณภาพ, เรียกใช้ pdf-generation เพื่อผลลัพธ์. แต่ละทักษะจะมุ่งเน้นเพียงสิ่งเดียว, แต่พวกเขาสามารถเชื่อมต่อกันเป็นลำดับงานที่ซับซ้อน.

เมื่อฉันปรับปรุงทักษะหนึ่งอย่าง, ลำดับงานที่ใช้ทักษะนั้นๆ ก็จะดีขึ้นโดยอัตโนมัติ. ไม่มีปัญหาแบบ "ฉันลืมพูดถึงกรณีพิเศษนี้ใน prompt" อีกต่อไป. ทักษะจะจำไว้.

การประชุมที่ตัวเองเตรียมการเอง

Demis Hassabis มาที่ YC ในการสนทนาที่เขตนุ้ย. Sebastian Mallaby ว่าถึงบทประวัติของเขาเพิงจะถูกเผยแพร่.

ฉันให้อะไรสัขรั้ก

ไม่ถึงสองนาที, มันได้ดึงออกมาแล้ว: หน้าเพจสมองของ Demis - เนื้อหาในหน้านี้ได้รับการสะสมจากบทความ, รายการพอดแคส, ส่วนที่คัดมาจากบทความตีความของตัวเองและข้อความของเขาเองที่เผยแพร่, ทักษะหลักในหนังสือ Mallaby, ลำดับความสำคัญของวิจัยที่เขาอ้างอิงโดยชัดเจน, รวมถึงการข้ารายความโดยตลอดการมองโลกของเราที่ซ้ำซ้อนและบกพร่อง; โปรแกรมสามตัวที่ใช้แสดงให้เห็นถึงความสามารถในการคำนวณโทรของใจของ "สมอง" ของเขา; และชุดของจุดที่ถูกออกแบบด้วยการซ้ำซ้อนและความแตกต่างที่มีในวิธีคิด.

นี่ไม่ใช่แค่การค้นหาของ Google ที่ดีขึ้นเท่านั้น มันเป็นการเตรียมความพร้อมขึ้นอยู่กับบริบท: ระบบไม่เพียงแต่ใช้ข้อมูลที่ฉันเก็บมานานๆ เกี่ยวกับ Demis เท่านั้น แต่ยังรวมถึงตำแหน่งที่ฉันยืน และวัตถุประสงค์กลยุทธ์ของการสนทนานี้ด้วย

มันเตรียมไม่เพียงแค่ข้อเท็จจริง แต่เตรียมมุมมองด้วย

สมองขนาด 100,000 หน้าจะมีลักษณะอย่างไร

ฉันรักษาฐานความรู้โครงสร้างไว้ประมาณ 100,000 หน้า

ทุกคนที่ฉันพบ จะมีหน้าเพจเฉพาะกัน ซึ่งประกอบด้วยไทม์ไลน์ แถบสถานะ—ซึ่งคือสถานการณ์ที่เป็นจริงขณะนี้ สายหลักที่ยังไม่จบ และการจัดอันดับหนึ่งรายการ ทุกครั้งที่มีการประชุมจะมีทรานสคริปต์ สรุปโครงสร้าง และกระบวนการ entity propagation ซึ่งหมายถึง หลังจากทุกครั้งที่มีการประชุมระบบจะวิ่งผ่านทุกคนที่ถูกกล่าวถึงในการสนทนา และใช้องค์ประกอบนั้นอัปเดตหน้าสมองของพวกเขา

ทุกเล่มหนังสือที่ฉันอ่าน จะได้รับการสร้างสำรองข้อความตามบท book mirror ทุกบทความที่ฉันพบ ทุกตอนของพอดแคสต์ และทุกวิดีโอ จะถูกนำเข้า แท็กไว้ และสร้าง cross-reference

ตารางนี้เพียงแค่ง่าย. แต่ละหน้ามีสามส่วน: ด้านบนคือ "ความจริงหลังจากคอมไพลล์" ซึ่งก็คือเข้าใจที่ดีที่สุดในปัจจุบัน. ด้านล่างเป็นรายการไทม์ไลน์ที่เพิ่มเพียงไม่แก้ไขตามลำดับเวลาบันทึกเหตุการณ์ ข้างข้างคือข้อมูลเดิม sidecar ที่ใช้ในการจัดเก็บวัสดุที่มีต้นทางมา

คุณสามารถมองได้ว่านั้นเป็นเหมือน wikipedia ส่วนบุคคล. แต่ละหน้าถูก update อย่างต่อเนื่องโดย AI และ AI นี้เข้าร่วมการประชุม. อ่านอีเมล ดูการบรรยาย และดู PDF

นี่คือตัวอย่างที่แสดงให้เห็นว่าระบบแบบนี้ทำงานเป็นเช่นไร

ฉันได้พบกับผู้ก่อตั้งใน office hours. ระบบจะสร้างหรืออัปเดตหน้าเพจส่วนบุคคลของเขา หน้าเพจของบริษัท การ cross-reference บันทึกการประชุม ตรวจสอบว่าฉันเคยเจอเขามาก่อนหรือไม่—ถ้าเคย ก็จะเห็นว่าครั้งก่อนเราได้อภัยในเรื่องใด ระบบจะตรวจสอบเอกสารสมัครงาน ดึงอินดิเคเตอร์ล่าสุด และระบุว่าในการสนทนาของบริษัทในพอร์ตโฟลิโอของฉันหรือในค่าติดต่อ มีใครสามารถช่วยเขาได้บ้าง

เมื่อฉันเข้าไปประชุมกับเขาโดยครั้งถัดไป ระบบก็ได้เตรียมชุดข้อมูลบริบทเต็มรูปแบบไว้แล้ว

นี่คือความแตกต่างระหว่าง "ตู้เอกสาร" และ "ระบบประสาท" ตู้เอกสารเพียงแค่เก็บของไว้ ระบบประสาทจะรวมข้อความต่างๆ ติดกัน แสดงว่ามีการเปลี่ยนแปลงอะไรเกิดขึ้น และนำเสนอข้อมูลที่เกี่ยวข้องที่สุดในขณะนี้

สถาปัตยกรรม

วิธีการทำงานของมันคือดังนี้ ฉันเชื่อว่านี่คือวิธีที่ถูกต้องในการสร้าง AI ส่วนตัว ดังนั้นฉันได้เปิดโครงการทั้งหมดแล้ว คุณก็สามารถสร้างขึ้นเอง

Harness แคบมาก OpenClaw คือตัวเร่งขณะทำงาน มันรับข้อความของฉัน วิเคราะห์ว่าจะใช้ทักษะใดแล้วทำการกระจาย เป็นเพียงไม่กี่บรรทัดของตรรกะการนำทาง มันไม่เข้าใจหนังสือ การประชุม หรือผู้ก่อตั้งมันรับผิดชอบเพียงแค่การนำทาง

ทักษะ หนามาก ขณะนี้มีมากกว่า 100 ทักษะ แต่ละอันเป็นไฟล์ markdown แยกตัวกัน ภายในไฟล์ได้ระบุคำอธิบายอย่างละเอียดสำหรับงานที่แน่นอน คุณได้เห็น book-mirror และ meeting-prep ไว้ก่อนแล้ว ด้านล่างนี้เป็นทักษะเพิ่มเติมที่มีอยู่ใน GBrain：

meeting-ingestion ทุกครั้งหลังจากการประชุมจบลงมา มันจะดึงข้อมูลการแปลพูด สร้างสรุปโครงสร้าง แล้วโหลดข้อมูลเข้าสู่ brain page ของทุกคนและบริษัทที่ถูกกล่าวถึงในการประชุม หน้าประชุมเองไม่ใช่ผลิตภัณฑ์สุดท้าย ความคุ้มค่าจริงๆ อยู่ในการกระจายข้อมูลกลับสู่ทุกคนและหน้าบริษัท

enrich ให้ชื่อคนไหนสักคน มันจะดึงข้อมูลจากห้าแหล่งข้อมูลต่างๆ รวมข้อมูลทั้งหมดไว้ในหน้า brain รวมถึงเส้นทางอาชีพ ข้อมูลติดต่อ ประวัติการประชุม และบริบทของความสัมพันธ์ แต่ละการตัดสินใจมีการอ้างอิงที่มา

media-ingest จัดการวิดีโอ ไฟล์เสียง PDF ภาพหน้าจอ และ GitHub repo มันจะแปลงข้อความเสียง แยกออกมาให้เป็นองค์ประกอบ และจัดเก็บวัสดุลงไปยังตำแหน่งใน brain ที่ถูกต้อง ฉันใช้มันเป็นประจำเพื่อจัดการวิดีโอ YouTube รายการ podcast และบันทึกหน้าในรูปแบบเสียง

perplexity-research นี้เป็นงานวิจัยเครือข่ายที่มีความสามารถขยาย brain มันทำการค้นหา Perplexity บนเว็บ แต่ก่อนที่จะรวม เมื่อมันเช็คความรู้ที่อยู่ใน brain ก่อนนั้น มันจะบอกคุณว่าข้อมูลเหล่านี้เป็นข้อมูลใหม่จริงๆ ข้อมูลอะไรคือข้อมูลที่คุณได้รับมาแล้ว

ฉันได้สร้างทักษะซึ่งดำเนินงานโดยตนเองตักอย่างมาก และในอนาคตเป็นไปได้ว่าฉันจะเปิดโครงการ email-triage、investor-update-ingest—มันสามารถระบุการอัพเดทพอร์ตการลงทุนในอีเมลของฉันและนำตัวดชธำนณทุก๛มอณหน้าบริษัท calendar-check—ใช้สำหรับตรวจสอบปฏิทินตรวจสอบข้อขัดแย้งในการตารางและการจัดเดินทางที่ไม่เป็นไปได้ และชุดความรู้การวิจัยข่าวสารใหม่ฉันพามันไปกฎการะความสัมพันธ์สาธารณะ

ทุกทักษะมีการรวบรวมความรู้ในด้านปฏิบัติงานแต่ความรู้เหล่านี้ถ้าจะให้ผู้ช่วยใหม่ของมนุษย์เรียนก็อยากรktekoreaสัปดาหันใض้อังกือะตุคียาก็ขอรสานัส่ราเสพธรา มีคนถามฉันว่าฉันจะ「สั่งสอน」AI ของฉันอย่างไร คํำตอบคือฉันไม่สั่งสอน ทักษะเองเอาราคาทำกลุ่มใบคำชดๅ็อย้ขồํบี่ รสาย้็มอี่ถสำี่กสามสำี่สสสสสสสสสสีสๅสสสสี่สสสสสสสสสสสสสสสสสสสสสีสสสสชูสดปิีดดรสาั

ข้อมูลหนามาก ๆ ในระบบสมอง มีความรู้ที่ถูกโครงสร้างไว้อย่างละเอียดถี่ถ้วนถึง 100,000 หน้า ฉันได้พบกับทุกคน ทุกบริษัท ทุกการประชุม ทุกเล่มหนังสือ ทุกบทความ และทุกความคิด ทุกๆ สิ่งที่ฉันเคยพบเห็น ได้ถูกเชื่อมโยงกัน สามารถค้นหาได้ และกำลังเพิ่มขึ้นทุกวัน

การเขียนโค้ดก็หนาเช่นกัน การเขียนโค้ดที่เคยรวบรวมมีค่าเสมอ: ตัวอ่านเปลียนภาษาเป็นข้อความ, OCR, การจัดเก็บสื่อสังคม, การซิงค์ข้อมูลปฏิทิน, หรือสคริปต์การผนวก API แต่ที่ค่าตอบแทนแบบพหุพัฒนามาจากข้อมูล

ฉันมีครอนแทสก์เกิน 100 โครนรอบวัน เช็คสิ่งที่ฉันติดตามทั้งหมด: สื่อสังคม, Slack, อีเมล์ รวมถึงสิ่งทุดิดิสัตย์แห่งอื่นใดฉันสนใจ ตัวเอเยนต์ OpenClaw/Hermes ยังมีหน้าที่ดูแลสิ่งเหล่านั้นให้ฉัน>

โมเดลสามารถถูกแทนที่ได้ สำหรับความแม่นยำฉันใช้อูปัส 4.7 1 ล้าน สำหรับการเรียกคืนและการดึงข้อมูลแบบล้ำค่าฉันใช้ GPT-5.5 สำหรับการทำงานคิดสร้างสรรค์และมุมมองที่สามฉันใช้ DeepSeek V4-Pro สำหรับความเร็วฉันใช้ Groq ร่วมกับ Llama ขึ้นอยู่กับทักษะอะไรที่เรียกงานโมเดลไหน Harness ไม่สนใจเรื่องนี้

เมื่อใดเจาถามว่าโมเดล AI ไหนที่ดีที่สุด คำตอบก็คือ: คุณถามผิดคำถาม โมเดลเป็นเพียงเครื่องยนต์ นอกนั้นที่เป็นส่วนหนึ่งของระบบทั้งหมด

ผู้สร้างเวลา 02:00 พร้อมกับระบบที่เติบโตอย่างต่อเนื่ิอ

ผู้คนถามเกี่ยวกับผลผลิต ฉันแต่ไม่คิดถึงเช่นนั้น

ฉันคิดถึงการลดออก

สถานการณ์ทุกครั้งที่ฉันเข้าไปร่วม จะช่วยเพิ่มข้อมูลให้กับส่วนใหญ่เข้าไปในสมองแห่งนี้ หนังสือทั้งหมดที่ฉันอ่านก็ช่วยมอบความหลากหลายให้กับบทตองของหนังสือต่อไป ทักษะทั้งหมดที่ฉันสร้างขึ้น จะทำให้ขั้นตอนการทำงานต่อไปเร็วขึ้น บุคคลทั้งหมดที่ได้รับการอัพเดต จะทำให้การเตรียมต่อไปกลับมาอึดมากร

ระบบวันนี้ ในขณะนี้เติบโตถึง 10 เท่า จาก 2 เดือนก่อน อีก 2 เดือนข้างหลังก็จะเติบโตเป็น 10 เท่าจากขณะนี้

เมื่อฉันเขียนโค้ดตรึ่งคืน 2 โมง และฉันมักจะทำอย่างนั้นจริง ๆ เพราะ AI ทำให้ฉันค้นพบความสุขจากการสร้างงานใหม่ ๆ ฉันก็ไม่ได้เขียนซอฟแวร์เท่านั้น ฉันกำลังให้ระบบถูกติดตั้งความสามารถที่ดีขึ้นทุกชั่วโมง

ครอนโจบ 100 รอบตลอดวัน ระบบการประชุมเข้าเรื่องทำงานอัตโนมัติ การปริ้นข้อมูลอีเมล์ทำงานทุก 10 นาที แผนภูมิความรู้จะปรับปรุงเองจากทุกครั้งที่มีการสนทนา ระบบจะจัดการข้อมูลบันทึกของทุกวันและคัดลอกรายละเอียดที่ฉันไม่สังไลให้แล้วจากนั้น

นี่ไม่ใช่เครื่องมือเขียน ไม่ใช่เครื่องมือค้นหา และไม่ใช่หุ่นยนต์แชท

นี่คือสมองที่สามารถทำงานได้จริง มันไม่ใช่มีนาวอร์ แต่เป็นระบบการทำงาน: ข้อมูล 10,000 หน้า ทักษะกว่า 100 ทักษะ งาน cron 15 และบรรทัดความสัมพันธ์ของทุกๆสิ่งที่มีต่อการงานของผม การประชุมทุกครั้งที่เกิดขึ้น หนังสือแต่ละเล่ม และแทรกแยกทุกความคิดที่ผมเคยเก็บไว้

ผมได้เปิดตัวชุดเทคโนโลยีทั้งหมดแบบเปิดโค้ด GStack เป็นกรอบทักษะการเขียนโค้ด ด้วยมีดาวซ์ 8.7 หมื่น ผมใช้มันสร้างระบบนี้ ขณะที่ agent ต้องใช้เขียนโค้ดผมจะยังใช้มันเป็นทักษะใน OpenClaw/Hermes Agent ของฉัน ในนั้นยังมีเบราว์เซอร์ที่สามารถโปรแกรมได้ รองรับทั้งโหมดมีหัวและโหมดไม่มีหัว

GBrain เป็นโครงสร้างฐานความรู้ OpenClaw และ Hermes Agent เป็นช่องทาง คุณสามารถเลือกใช้อันนึง แต่โดยปกติผมจะใช้ทั้งสองนั้น Data repo ก็อยู่บน GitHub

การตัดสินใจหลักคือง่าย: อนาคตอยู่ในมือบุคคลที่สามารถสร้างระบบ AI สะสมเช่นนั้น และไม่ใช่ผู้ที่เฉพาะในการใช้เครื่องมือ AI ที่มีการจัดเก็บส่วนกลาง

ความแตกต่างระหว่างทั้งสองกล่าว ก็เหมือนความต่างระหว่างการเขียนบันทึกและการมีระบบประสาท

วิธีเริ่มต้น

หากคุณต้องการสร้างระบบแบบนี้ด้วย:

เลือก harness ก่อน สามารถใช้ OpenClaw Hermes Agent หรือสร้างจากศูนย์โดยใช้ Pi สำคัญอยู่ที่การรักษาโครงสร้างที่เบา ที่สำคัญของ Harness ก็คือเป็นเพียงเราเตอร์ คุณสามารถ set up ได้บนคอมพิวเตอร์ที่ว่างโล่งในบ้านของคุณ ด้วยการเข้าถึงผ่าน Tailscale หรือปลายทางสามารถวางไว้ที่ Render หรือ Railway แบบบริการบนคลาวด์

จากนั้นสร้าง GBrain เป็น「สมอง」 ที่ฉันได้รับแรงบันดาลจาก LLM วิกิ ของ Karpathy บน OpenClaw และขยายมันเป็น GBrain นี้ เป็นระบบค้นหาที่ดีที่สุดที่ฉันเคยทดสอบ: ดำเนินการสูงถึง 97.6% บนการคืนค่า ในทะเบียนความจำยาว และมากกว่า MemPalace ในการค้นหาโดยไม่ต้องเรียกใช้ LLM มันมาพร้อมกับทักษะ 39 รายการที่สามารถติดตั้ง รวมถึงเนื้อหาทุกอย่างที่พูดถึงในบทความนี้ เพียงแค่คำสั่งเดียวคุณจะได้ git repo ที่ในนั้นแปลกแต่ละคน การประชุมแต่ละครั้ง บทความแต่ละเรื่องและทุกความคิดจะมีหน้าของตนเอง

ต่อมาทำสิ่งที่น่าสนใจจริงๆ อย่าวางแผนโครงสร้างทักษะของคุณในตอนแรก เริ่มที่การทำงานที่เป็นปฏิบัติจริง: เขียนรายงาน เรียนรู้เกี่ยวกับบุคคลใดบุคคลหนึ่ง ดาวน์โหลดคะแนน NBA ของฤดูกาลหนึ่งและสร้างโมเดลการทำนายสำหรับการพนันกีฬาของคุณ วิเคราะห์พอร์ตการลงทุนของคุณ หรือทำสิ่งใดๆที่คุณใจจริง ใช้ agent ของคุณไปทำ ทำการวนซ้ำต่อไปจนกว่าผลลัพธ์จะดีพอแล้ว จากนั้นรัน Skillify—คือการ์แช่ความสามารถอันดีข้าง ของคุณออกมาให้เป็นทักษะที่สามารถใช้ซ้ำได้ จากนั้นรัน check_resolvable เพื่อยืนยันว่าทักษะใหม่นี้ถูกเข้าถึงไปยัง resolver การวนซ้ำนี้จะเปลี่ยนงานที่ทำครั้งเดียวให้เป็นพื้นฐานสำหรับการลงทุนต่อไป

คุณต้องการให้มันเป็นทักษะจริงๆและให้ดูอย่างธรรมดาตอนแรก นั่นเป็นจุดสำคัญ ใช้มัน อ่านเนื้อหาที่มันสร้างขึ้นมาเมื่อคุณพบว่ามีสิ่งใดบางอย่างที่ไม่ถูกต้องรัน cross-modal eval: ส่งเอาท์พุตไปยังหลายๆโมเดลให้มันให้คะแนนตามด้านที่คุณสนใจ นี้คือวิธีที่ฉันค้นพบข้อผิดพลาดของ book-mirror ในตอนแรกซึ่งหลังจากนั้นจะถูกรวมเข้ามาอยู่ในทักษะ ตั้งแต่นั้นทุกครั้งที่มีการ mirror มันก็กลายเป็นสะอาดขึ้นเสมอ

หลังจากหกเดือน คุณจะมีสิ่งชิ้นใดชิ้นหนึ่งที่ไม่สามารถเหนิได้จากหุ่นยนต์สนทาน ย่อมค่าที่แท้จริงไม่ได้อยู่ที่โมเดลเอง แต่ได้อยู่ที่คุณได้สอนระบบนี้ให้เข้าใจการดำเนินชีวิต การทำงาน และวิธีการตัดสินใจของคุณอย่างเฉพาะเจาะจง

สิ่งแรกที่ฉันสร้างจากระบบนี้ก็แย่มาก ดิ่งครั้งที่หนึ่งระบบนั้นได้กลายเป็นระบบที่ฉันกล้าที่จะโอนใจระบบปฏิทิน กล่องจดหมาย การเตรียมการประชุมและรายการสั่งอ่าน ระบบกำลังเรียนรู้ขณะที่ฉันก็กำลังเรียนรู้ต่อเองเส้นความประสงค์เท่าเทียมหนอ

สำหรับทักษะหนาๆ สำหรับโค้ดหนาๆ และสำหรับการปลดรดบาย LLM เป็นการยิงเส้นของการเคลื่อคแล้วสนับสนุน คุณสามารถสร้างรถขับขี่ได้เอง

สิ่งที่ฉันพูดถึงทั้งหมดนี้ ทั้งทักษะ book mirror กระบวนการทำงาน skillify ระบวนการ cross-modal eval โครงสร้างของการค้นหา และกว่า30 ชุดทักษะที่สามารถประยุกต์ได้—ทั้งหมดนี้ได้ถูกเปิดเผยและมีอยู่ใน GitHub ฟรี

ให้ไปสร้าง

[ลิงค์ข้อความต้นฉบับ]

ยินดีต้อนรับสู่ชุมชนทางการของ BlockBeats:

กลุ่ม Telegram สมัครสมาชิก: https://t.me/theblockbeats

กลุ่ม Telegram พูดคุย: https://t.me/BlockBeats_App

บัญชี Twitter ทางการ: https://twitter.com/BlockBeatsAsia