howie.serious 的 ai 实战总结（2025年10月版）

学ai，就得在做中学，一直做，一直学，边做边学，还得经常和其他ai重度实践者讨论交流！

5678手的ai资讯转述是没有价值的。所以，我的ai直播，以实战为核心理念，用2小时主题讲座的形式做实战经验分享。

下面是我上周六晚上直播的总结笔记，便于听过的朋友温习回顾，没听过的朋友快速了解，然后再按模块去看直播回放。

我的 ai工具组合（2025年10月版）

为什么是ai工具“组合”？为什么要开多个ai会员？

核心观察：大语言模型进入“大分化”时代 不同模型差异巨大，如同性格、技能各异的人。不能再说某个模型是绝对最好的。对应的策略就是：必须对比着用，扬长避短，在特定任务下选用最合适的模型。

语言与写作类任务：claude sonnet 4.5；特别强，非常像 gpt-4.5，甚至在某些特点上更优。其优秀程度是“显而易见的”。“500字费曼”系列文章的效果，很难发现有人能够做到这么好。

研究级、深度思考任务：gpt-5 pro。在学术研究、行业研究等领域“遥遥领先”。在“前沿数学”（Frontier Math）等高难度 benchmark 上取得 SOTA。

日常综合与信息处理：gpt-5 thinking。语言风格上显著不如gemini 2.5 pro和sonnet 4.5，但它是“没有感情的干活机器”，智商极强。核心优势：Agentic 能力强大，能主动调用工具、海量搜索并整合信息。

**Deep Research/主题研究：openai deep research ** chatgpt 的DR质量远超 gemini 和 claude，后两者产出的结果有时“惨不忍睹”，存在“质的差距”。

与 LLM 搭配的最佳工具：logseq 和 notion

Logseq 是个人知识管理的大本营，因为它遵循人类认知和知识管理的第一性原理。

notion的重要性在 ai时代被重新认识。核心优势：数据库结构与 ai的整合潜力巨大。通过 API 和内置 ai功能（可使用 sonnet 4.5 和 gpt-5 thinking），将 notion 数据库（如概念库、错题库）与顶级智能无缝整合，实现 “1+1 >> 2”的协同效应，可能带来“乘法性”的改变。

我最喜欢的 ai功能（2025年10月版）

chatgpt Pulse：私人定制的信息流 Agent，根据你的对话、目标和兴趣，每日生成高质量的“早报”。

chatgpt projects：将大量对话按主题隔离和管理。优势：为每个项目建立独立的知识库、指令和记忆，避免信息交叉污染。可运行针对该项目历史对话的 Deep Research。

“llm三人行”：同时在多个模型（如 gpt-5 thinking, gemini 2.5 pro, sonnet 4.5）上运行同一个任务，进行“比稿”。直观对比不同模型的思路与产出，发挥各自长处。这是应对“大分化”时代的必要策略。

coment等ai浏览器：已取代chrome成为我的默认浏览器。能自动捕获网页上下文，节约大量复制粘贴的时间。

我开通的 ai会员与付费思考

订阅清单：

• chatgpt pro：200刀/月,
• claude pro：20刀/月,
• gemini pro：20刀/月,
• notion Plus + AI：22刀/月。

“ai工具到底该不该花钱？该花多少？” 这个问题，每个人都需要重新思考。

判断1：上下文工程 vs 提示词工程

上下文工程 (Context Engineering) > 提示词工程 (prompt Engineering)

ai的发展方向：不是追求无限高的 IQ，而是更加私人化，更加懂你。

sam altman 的观点：终极目标是“把用户的整个人生来作为 gpt 的 context”。

结论：ai对你的了解可能超过你的伴侣。你个人能提供的 Context，是任何 ai公司都无法给予的，这是人的核心价值所在。

判断2：知识管理的重要性，在ai时代才能真正显现

知识管理从可选变成必选，差距从倍数变成指数级。ai时代前，做与不做知识管理的差距可能是20%。ai时代后，差距可能是 200%、500%、1000%，是指数级别的差距。

个人知识库（数千个概念、数万条连接）可以和chatgpt、claude等llm无缝整合，成为ai系统中的“长时记忆模块”，与顶级智能无缝结合，释放超越想象力的潜力。

建议行动：每天持续记录和迭代笔记，构建个人知识体系，是拥抱 ai时代最重要的投入。

判断3：如何理解“智能时代”的本质？

关于智能时代的一个核心矛盾是：一方面大多数人都认可这是一次ai革命，另一方面很多人的体感却不强，觉得“用AI就是聊聊天”。

一个新的衡量指标：token消耗量。在企业层面，产生了“token独角兽”的概念。消耗的token量反映了公司提供了多少有价值的智能服务。在个人层面，每月消费高质量大模型token的数量，可以成为衡量个人脑力活动强度、质量和智力产出的有意义的指标。

反向指标是 “短视频消耗量”，消耗大量短视频信息流，是一种劣质的信息消耗。

我们正处于“智能富足时代” (The Age of Abundant Intelligence) 。智能富足时代的本质，是算力的转移，算力从人脑到 GPU 的大迁移。越来越多过去由人脑提供的计算 (compute)，正在转移到由 ai通过 GPU 和电力来提供。

这个趋势，也解释了sam altman为何要推动耗资数万亿美元的 ai基础设施建设计划。在基建与产业链层面，AI 工厂（GW级算力/周）、HBM、代工（TSMC）、设备（ASML）、整机（Foxconn），这也为判断 NVIDIA 等公司的未来市值提供了底层逻辑。

启示：我自己每月的token消耗量是多少？token消耗量越高，你和智能时代这个大趋势的融合就越深入。

案例1：重塑阅读理解的“三级笔记”prompt

底层理念：阅读理解存在一个基于认知第一性原理的底层方法。语言文字是线性的，但其背后的知识是树状结构。此 prompt 的目的就是从线性文本中提炼出这棵“知识树”。

于是，设计了这个基于三级笔记的阅读工作流：

• 阅读前：将长文、播客文稿等输入 prompt，迅速生成一个结构化的大纲笔记。
• 建立全局图景：在深入细节前，先获得一个对内容的整体性、结构化理解 (whole picture)。
• 带着框架阅读：针对性地阅读或通读，更容易建立关联。
• 高效记笔记：在 ai生成的框架上进行补充和迭代，而非从零开始。将遇到的新概念转化为知识“砖块”，并融入个人知识体系。

核心价值：ai并非让你偷懒，而是卸载了低级的认知负荷，同时加码了高级的、创造性的认知负荷。整个过程认知强度更高，但理解更深入、更体系化。

这个prompt的关键是“三级笔记法”以及阅读理解背后的认知原理。我会写一篇完整的介绍文章，并分享这个prompt。

案例2：“500字费曼”prompt

核心理念：成功的 ai写作不依赖于某个“神奇的 prompt”，而是一个结构化的、由人主导的 “agentic workflow”（智能体工作流）。

诺奖文章写作流程：

• 初始研究：诺奖公布后，让多个模型（gpt-5 thinking, gemini 2.5 pro, sonnet 4.5）对获奖情况做初步综述。
• 深度研究：使用专门的 Deep Research prompt（首选 OpenAI），生成一份约2万字的深度报告。
• 核心写作：将深度报告喂给“500字费曼” prompt，让三个模型分别生成稿件。
• 择优：在“比稿”中选出最佳版本（通常是 claude sonnet 4.5）。
• 人工终审：人必须全程参与和把控，对最终产出负责，进行修改，使其符合自己的理解和风格。

这个工作流的成功，依赖于两个核心要素的乘法效应：你对任务本身（写作）的深刻理解、经验和品味；你对大语言模型（不同模型的特性、能力边界）的深刻理解。

Q&A

notion vs. Logseq：Logseq 是个人知识管理的“大本营”和“根基”，符合认知原理；notion 在需要数据库功能和团队/家庭协作时使用。二者是互补关系。

如何总结 Podcast：绝大部分播客不值得花时间完整听。最佳方式是获取文字稿 (transcript)，用“三级笔记”等 prompt 快速处理，建立框架性理解，再针对性地提问或收听关键部分。消费的单位不应是整个播客，而是其中的关键概念和思想。

Comet 浏览器：优势是能自动获取网页上下文，很方便。但其调用的 API 版本可能是“掺水”的，输出质量不如原生 App。最理想的是等 chatgpt 推出原生浏览器。

ai时代的效率：使用 ai提高效率，省下来的时间，不是为了无所事事，而是为了将精力聚焦在 5% 的那些最顶尖、最重要、最美好的事情上，比如阅读经典原著。

点击“阅读原文”，直达讲座视频。

下期预告

上次ai讲座是月度的实操总结。本周五晚上，计划针对“agentic ai”这个2025年关键主题做一次专题直播，直播预告过两天发。

感谢大家支持，欢迎点赞转发，以示鼓励👏 👏 👏