[AI 複利] 個人AI作業系統的差距正在指數擴大

 [AI 複利] 個人AI作業系統的差距正在指數擴大

摘要 : 頂尖使用者把AI變成會累積流程、記憶與校驗的系統，普通人卻常每次從零開始。

內容:

YC總裁 Gary Tan 認為，頂尖使用者與一般人之間的 AI 槓桿差距，正以指數級方式拉大：現在可能差十倍，兩個月後變一百倍，再兩個月後甚至上看一千倍。關鍵不只是「會不會用 AI」，而是有沒有把每次使用都變成下一次的基礎。

Gary Tan 舉例，他在準備與 DeepMind 創辦人 Demis Hassabis 的對談時，只對 AI 說了一句「幫我準備一下」，兩分鐘內系統就整理出 Demis 近幾個月的公開觀點、傳記重點、對 AGI 時間線的判斷、研究優先順序，以及雙方立場的重合與分歧，甚至給出對談切入角度。這不是臨時搜尋，而是系統長期累積上下文後的直接調用。

這種差距來自「複利系統」與「歸零系統」的不同。一般人常在需要時才臨時蒐集資料、翻郵件、查新聞；Gary Tan 的做法則是每次接觸到某人、某公司、某議題時，系統都會持續更新，等真正要用時，資訊早已整理完成。他每次用完 AI，都會問自己一句：「這次工作結束後，有什麼東西應該留下來？」

他所累積的第一類資產是流程，也就是 skill。像會議準備、人物研究、讀書筆記這些任務，第一次手動完成後，就把步驟固化，之後系統可自動按既定流程執行，不必每次重新教 AI。第二類資產是上下文，也就是 brain。會議紀要、人物背景、公司資訊、書籍觀點與專案內容會持續進入一個結構化知識庫，彼此關聯、可檢索、可引用，讓決策起點遠高於只靠記憶與臨時搜尋的人。

第三類資產是錯誤，也就是 eval。當 AI 曾出現事實錯誤或內容瞎編時，他不只修正當次結果，而是把錯誤轉成永久規則，例如要求先交叉比對已知事實、輸出必須引用記憶頁面、不同模型分別檢查事實精度與上下文遺漏。對一般人來說，錯誤只是一次返工；對他來說，錯誤是一次系統升級。

Gary Tan 已將這套思路開源為 G-Brain，作為個人 AI 作業系統框架，核心包含 brain、skill 與 eval。但更重要的不是工具本身，而是思維方式：讓今天的工作成為明天的起點。從固定一條常用指令、保存一段常用背景資訊、寫下一條防錯規則開始，就能逐步建立屬於自己的 AI 複利系統。