AI驱动:我的系统化探索与成长之年(2025)

年度主题:AI加持下的探索之年

一、个人工作日志与笔记系统的构建

我将2025年称为AI走向大众的元年。年初DeepSeek的爆火,让原本只有少数人才能获得的GPT级体验,迅速被每个能上网的人便捷获取。在年初的反复体验中,我形成了一个认知:

如果AI不够了解你,他就不能高效的针对你给出意见,想让AI了解你,必须有足够多的个人输出。

于是我开始着手搭建自己的笔记系统,为接入AI打下数据基础

我先后接触了卡片笔记PARA分类 等概念,比较了一系列笔记工具(印象笔记,Notian等),最后在Obsidian上进行了6个月左右的PARA实践。

在此实践过程中,我认为PARA做为一套顶层个人信息管理系统是合适的,但在实操层面,面对频繁的日常工作记录,PARA显得有些无力。此时名为PPR 的项目记录方法进入了我的视野。它借助Obsidian的生态,将项目记录与GTD方法结合,满足了我对工作记录和追踪的需求。

单个项目由任务书、计划书、周日志三部分构成。对这三部分进行合理的权限划分,基本能应对我目前的工作与学习状态:

  • 任务书:项目的正式启动文件,确定了项目的目标和关键里程碑事件,实践中里程碑的设置需遵循SMART原则。
  • 计划书:对任务书中的每个里程碑事件进行拆解,将其分解为多个任务及子任务,子任务的颗粒度遵循WBS原则。
  • 周日志 :每周创建,周一从计划书中拉取任务,当天完成该任务的记录。工作中产生的实际资料存放于项目下,周日志仅进行记录应用。
    三者交互关系如下

随着这套系统的搭建完成,我更多的精力会放到SMART和WBS的拆解上,通过对每个任务配置起始,提醒和结束时间,借由时间形成的列表,就构成一个小型GTD列表,只需根据列表选择任务,并在日志中记录,这套系统便能运行起来。

一个小遗憾是,这套方法对于时间复盘分析不太友好,需要手动统计实际耗时。

通过这一年的学习和实践,我基本上形成了基于自己的工作与笔记记录方法,每个环节有指导,每个步骤有记录。

二、AI驱动的工作与学习实践

下半年,各大AI在思考与工具使用能力上均有显著提升。我尝试借助AI的能力向新的工作方向探索。从辅助编程到自主编程,从软件架构的设计评估到硬件选型的建议,AI在方法论和落地层面都为我探索新领域提供了极大助力。以下是今年使用频率最高的工具组。

  • 基础设施:4080S 16G x 2+Ollama
  • 辅助编程:vscode+Cline+Ollama
  • 辅助工作总结:obsidian+smartComposerChat+ollama
  • 方案设计:Qwen
  • 轻文献阅读:ima

无论是AI直接传授的,还是由AI触发、我进一步检索学习到的,今年我确实掌握了Java入门、软件架构设计等基础知识。在此过程中,我总结出几条个人AI使用经验,将任务分为"设计与探索型"与"实施型"两类:

  • 设计与探索型
    • 选择一个思维框架(如SMART),让AI基于该框架进行沟通。
    • 让AI记住你的个人偏好(公司情况)后再执行。
    • 结束时让AI对对话过程进行复盘/总结,提炼可复用的经验。
  • 实施型 实施型任务追求确定性,以编码和写报告为主。
    • 需要对任务的背景,方法,输出都进行详细准确的定义。
    • 确保输入数据的准确和全面性。
      基于以上原则使用AI,可以实现基础水平的工作成果。而获得一个跨领域的基础水平成果,在大多数情况下足以作为进入该领域的敲门砖。

三、管理实践

今年业务线调整,我遇到了一些新领导与新同事,古语有云,以人为镜,可以明得失。借此变动机会,我也对自己的管理与汇报进行了反思,形成了一些心得体会。

3.1 管理的MCV (Minimum Core Validation)

提出这点,源于近期遇到的一位缺乏经验的管理者,其行事缺乏章法与延续性。观察其言行与他人的反应,我总结出如何从零开始搭建最基础的管理框架,称之为"最小可实施方案",可总结为以下两点:

  • 沟通机制 与团队之间形成固定的双向沟通机制,关键词是固定与双向。固定是指形式上相对稳定,不要随意变动,如固定周期的周会,每日站会等。双向是指信息流要双向流程,不要做成单纯的汇报会议,或没有反馈的日报周报。
  • 目标驱动 以目标作为沟通交流的主题,围绕目标展开工作,目标需遵循SMART原则。这与高效开会的逻辑相似:会议有目标,讨论有结果,结论有跟踪。至于SMART原则,在实践中逐步完善即可。
    抓住以上两点,可以实现团队的基本运维,平稳度过管理工作的初始阶段。

3.2 两种R2

管理工作中 ,我们常用"能力-意愿"四象限模型来判别员工风格.但同样是高意愿、中能力的R2也存在差异。

组内的小B与小A同属R2风格。安排独立工作时,小B的技术方案总是过于超前,超出自身能力范围。两次过后,我识别出小B过于自信的风格,通过用数据让其碰钉子、并用小A做对比的方法,帮助小B逐步调整心态,按质量交付工作。整个过程需把握好小B的心理承受能力,避免过度打击。

3.3 团队的成长

当团队运行顺畅后,管理者的工作重心需要向工作流程的优化转移,主要分为两部分:

  • 团队的运转效率
  • 团队的成长
    遗憾的是,今年的工作由于客观原因,这两块没有实践机会.

3.4 如何应对不同领导风格

作为中基层员工,在不同风格的领导手下工作,需采用不同的汇报方式。需根据领导是否跨专业、管理水平高低、资源调度能力、坦诚程度等因素进行适当调整。有时汇报要围绕"事",有时则要围绕"人"。

四、总结

今年是AI驱动的个人能力探索之年。在工作上,我借助AI提升编码效率、理清管理逻辑、协助方案设计;在学习上,用AI制定计划、辅助理解知识。此外,也尝试了多种AI工具,探索个人与AI协作的更多可能性。

从复利积累的角度看,后续可继续沿用的实体成果有:

  1. 工作记录系统。
  2. 本地AI工具。

思维/认识上的升级包括:

  1. 核心目标的抓取,学会围绕关键目标进行沟通和展开工作。
  2. 里程碑设置,以及SMART、WBS原则的实践经验。
  3. 企业中的4A分层(业务,应用,技术,数据)。
  4. 软件工程中的概要设计,详细设计,接口设计等概念。

技能上的变化包括:

  1. Docker Compose的编写与部署。
  2. MQTT协议的使用。
  3. XGBoost算法的应用。
  4. Java开发的基本概念。
    加粗样式
相关推荐
Codebee6 小时前
能力中心 (Agent SkillCenter):开启AI技能管理新时代
人工智能
聆风吟º6 小时前
CANN runtime 全链路拆解:AI 异构计算运行时的任务管理与功能适配技术路径
人工智能·深度学习·神经网络·cann
uesowys6 小时前
Apache Spark算法开发指导-One-vs-Rest classifier
人工智能·算法·spark
AI_56786 小时前
AWS EC2新手入门:6步带你从零启动实例
大数据·数据库·人工智能·机器学习·aws
掘了6 小时前
「2025 年终总结」在所有失去的人中,我最怀念我自己
前端·后端·年终总结
User_芊芊君子6 小时前
CANN大模型推理加速引擎ascend-transformer-boost深度解析:毫秒级响应的Transformer优化方案
人工智能·深度学习·transformer
智驱力人工智能7 小时前
小区高空抛物AI实时预警方案 筑牢社区头顶安全的实践 高空抛物检测 高空抛物监控安装教程 高空抛物误报率优化方案 高空抛物监控案例分享
人工智能·深度学习·opencv·算法·安全·yolo·边缘计算
qq_160144877 小时前
亲测!2026年零基础学AI的入门干货,新手照做就能上手
人工智能
Howie Zphile7 小时前
全面预算管理难以落地的核心真相:“完美模型幻觉”的认知误区
人工智能·全面预算
人工不智能5777 小时前
拆解 BERT:Output 中的 Hidden States 到底藏了什么秘密?
人工智能·深度学习·bert