真正拉开 AI 使用差距的，是你手里那套别人拿不到的上下文

很多人每次打开一个新的 AI 对话，都要重新做一遍自我介绍。写公众号，要再贴一次目标读者、文章结构和禁用词；整理资料，要重新说明哪些内容有用、哪些只能参考；修改文案，还得告诉它哪些地方太空、哪些句子不像自己。

模型明明换得越来越强，使用方式却一直停在“重新认识一下”。同一个要求解释五遍，AI 仍然像刚来的临时助手。问题往往不在模型，也不在少收藏了几个提示词，而在于它每次拿到的都只是眼前这项任务。

当大家都能使用相近的模型，真正拉开长期差距的，是你有没有一套持续积累的个人工作上下文。 它让 AI 知道你是谁、手里有什么、过去怎么判断、最后拿什么标准验收。缺少这些内容，再强的模型也只能一次次从陌生人开始。

01 AI 每次都从零开始，累的是你

临时任务很好说明，长期习惯很难在一句提示词里讲完。比如“帮我写一篇文章”只有动作，没有读者、语气、结构和判断方式。你继续补充“别写得太学术”“不要编案例”“重要判断才加粗”，AI 才慢慢靠近你想要的样子。

下次换一个对话窗口，这些纠正又没了。你再把同样的话说一遍，像每次叫车都要重新教司机怎么开车。时间花在解释上，人也很容易漏掉某条关键要求，最后只能靠反复修改补回来。

现成的提示词模板解决不了这个问题。模板告诉 AI 一类任务通常怎么做，却不知道你具体怎么做。有人喜欢开头先给结论，有人习惯从观察切入；有人要完整分析，有人只想要一页能直接执行的清单。公开模板可以复制，这些长期形成的选择复制不了。

提示词描述这一次要做什么，个人上下文记录你长期怎样工作。 前者随任务变化，后者会跟着你持续积累。AI 真正熟悉一个人，靠的正是后一部分。

02 个人上下文，至少要装下四类东西

最先要保存的是身份和稳定偏好。你通常写给谁看，做什么类型的工作，喜欢直接还是委婉，哪些表达坚决不用，这些内容不会因为换了一个任务就消失。它们像房间里的家具摆放，AI 每次进来都应该知道，不需要你临时再挪一遍。

张坤现有的公众号写作说明书，就保存了这类信息。文章要从具体观察切入，不从概念定义开始；语言像从业者和同行交流，不写成报告；重要判断才加粗；文章必须有清楚的个人判断。还有一份明确的禁止清单，哪些词太空，哪些开头太套路，都直接写下来。

这些规则的价值不只在于让文章“像本人”。它们还减少了每次交代要求时的遗漏。写新文章时，AI 不必等待一句句纠正，就能先避开已经确认过的问题。文风只是其中一部分，更重要的是它知道什么样的结果才算合格。

长期资料是第二类。常用的背景说明、参考文章、术语解释、固定格式和正在维护的文件，都应该有清楚的位置。它不等于把所有资料一股脑塞给 AI，而是告诉它这次该去哪里找，哪些文件有效，哪些旧版本不能再用。

第三类是历史判断和修改痕迹。成品只能告诉 AI 最终留下了什么，修改记录还能告诉它你为什么删掉某句话。把抽象表达换成工作画面，把一句口号改成可以执行的动作，把未经确认的案例直接删除，这些选择比一份漂亮成品更能说明你的判断习惯。

第四类是质量和验收标准。交付文件要有哪些字段，正文能不能出现单句段落，加粗最多几处，事实没有来源时怎么处理，这些都属于可以检查的标准。要求越清楚，AI 越少靠猜。它交出来的内容也更容易被你快速判断，不必从头通读后才发现格式和方向都错了。

03 真正有用的记忆，会区分长期和临时

个人上下文并非记得越多越好。记忆里混进太多临时要求，AI 反而会拿着过期规则处理新任务。某篇文章需要轻松一点，只适用于这一次；某个阶段关注个人效率，也可能在以后调整。把它们永久保存，旧要求就会不断干扰新任务。

现有的 Agent 记忆规则里，有一条很实用：只保存稳定偏好，不记录临时进度。用户反复纠正过的写作习惯值得留下，某篇文章写到哪个版本不值得长期记。环境路径和固定格式可以保存，一次任务的待办和完成记录应该留在当次工作里。

判断一条信息该不该长期保存，可以看它下次是否仍然成立。“文章不要编造案例”属于稳定原则，“这篇文章不要写某个话题”属于本次限制；“重要判断才加粗”可以长期使用，“这一段需要删掉”只和当前文章有关。把两者混在一起，个人档案很快就会变成堆满旧便签的桌面。

过期内容也要主动删除。身份变化了，读者变了，常用工具换了，原来的规则就要跟着更新。AI 如果一直拿着旧资料工作，表现得越听话，偏得可能越远。一份可靠的个人上下文，既要会记，也要会改、会删。

敏感信息则要少存。个人证件、账户信息、私人对话和他人资料，没有明确用途就不要放进去。确实需要作为分析材料时，先做脱敏，只保留完成任务所需的部分。方便不应该建立在无限制保存个人信息上。

04 从反复解释的那句话开始

建立个人工作档案，不需要先搭一套复杂工具。找一个自己长期能维护的文件，写下身份、常见任务、稳定偏好、常用资料位置和验收标准，就可以开始。文件放在哪里不重要，重要的是它能随工作继续更新，也能在需要时交给 AI 阅读。

最容易的起点，是回想自己最近反复说过哪些话。“开头别铺背景”“不要编数据”“给我可以直接使用的文件”“只保存稳定偏好”，凡是已经解释过多次、以后仍然适用的要求，都可以先写进去。每条规则最好配一个正例或反例，AI 才知道边界在哪里。

每次纠正 AI 后，再多做一个判断：这是长期偏好，还是这次任务的特殊要求。长期偏好补进个人档案，特殊要求留在当前对话。隔一段时间回看一次，删掉失效内容，合并重复规则，把过于抽象的句子改成能观察、能检查的标准。

这份文件不会一次写完，也不该追求一次写完。它更像一本持续修订的个人工作手册，每完成一类任务，就多留下一点判断；每踩过一次坑，就把边界写得更清楚。时间久了，AI 拿到的不再是一段临时命令，而是一套只有你能积累出来的工作背景。

真正属于你的 AI 优势，不在模型列表里，而在你持续留下的偏好、资料、判断和标准里。 别急着再收藏一套万能提示词。先把自己反复解释的那几句话写下来，让 AI 下一次见到你时，不必又从自我介绍开始。