当前位置: 首页 > news >正文

用Claude Code做了一件事,现在AI比我还了解我?

上了这么多年班儿,我手上沉淀下来的东西不少。

怎么做分层架构、怎么拆业务领域、怎么让框架帮你兜底代码质量,这些年自己内化了不少方法论,后来还整理成了付费课程。每次开新项目,不管是公司的还是自己的,都用这套东西去拆解需求、设计系统、搭代码结构。

现在有了 AI 之后,一个人能干的事撑大了好几倍。以前说"我是写 Go 后端的",现在这句话基本没意义了, 基本上前端、后端、服务部署,SEO 分析什么的都得自己做。

这么一想原来我才是AI红利本利~

诶,现在实属没办法,项目越来越多,跨出自己原本领域的频率也越来越高。AI确实能在新窗口里扫描项目上下文继续干活,但我拆业务领域时的思考习惯、做架构决策的优先级排序、写内容时的风格偏好、过去在哪些地方反复踩过同样的坑。这些东西不在项目代码里,而是在我脑子和之前积累的文档里。

所以我开始想:能不能让 AI 不只是帮我写代码,而是真正用我的方式去思考问题?

于是乎最近几周我一直在尝试这件事:把自己"装进"了 AI 里。

我到底造了个什么东西

我用 Claude Code 搭建了一套数字分身系统

为什么选 Claude Code?因为它不是一个聊天窗口,是一个活在你项目里的 Agent。它能读写文件、执行代码、理解整个项目结构。这意味着你可以把"你个人"组织成一个项目:人格档案、记忆系统、技能流程全是项目里的文件,它能自己读取、自己维护、自己演进。每次开新对话自动加载你定义好的核心上下文,不需要你重新交代。而且它支持按需加载,根据当前任务决定读哪些文件。写文章时加载风格档案,做技术决策时加载方法论和专业知识,把上下文窗口用在刀刃上。

模型我选的 Opus 4.6。试过其他的,推理深度不够。你让AI用你的思维方式分析一个业务场景,浅一点的模型会流于表面,Opus 4.6 能真正把你的决策逻辑链走完,而且长对话里不容易跑偏。做数字分身这种事,最重要的是模型的思考深度和逻辑严谨度,差一点整个系统就能差不少意思。

基于这个,我搭了一套系统,给它取名叫 Alter。

说白了就是一个项目目录,里面放了几类文件:

第一类:我是谁。我的身份、我的专业领域、我做决策时的优先级排序、我写文章的风格特征。不是笼统的"我是程序员",而是具体到"我喜欢用自嘲式幽默""我讲技术概念时习惯先说结论再展开""我反对 DDD 之类的教条主义但把它的精华拿来为自己所用"。

第二类:它是谁。不是通用助手,是我的数字分身。什么时候该老老实实执行任务,什么时候该跳出来挑战我的想法,我都写清楚了。

第三类:记忆系统。这个最关键。它有一个长期记忆面板、一个每周经验积累区、一个盲区记录本。每次对话结束前,它会把值得记住的东西萃取出来,下次自动加载。

第四类:技能包。针对具体任务的标准化流程——写公众号文章怎么写、做经验复盘怎么做。


Alter 系统架构概念图

整个系统加起来,就是一套"上下文持久化"方案。它解决的核心问题就一个:让 AI 不只是读懂你的代码,还能读懂你这个人。

哪些东西意外地好用

搭完之后跑了两周,有几个体验超出预期。

风格模仿比我预期准得多。我把自己过去写的技术文章喂给它做了深度扫描,提炼出一份"表达风格档案"。之后让它帮我写公众号初稿,出来的东西虽然多多少少还是有点AI味儿,但需要改的地方不多,比自己从零开始写要省事儿不少。

记忆系统真的有用。举个例子,每次对话,每周的对话结束前都会整理候选的记忆条目,给他们打星,星高的推荐进入长期记忆。除此之外还能设置一些要追踪跟进的任务,每天对话时都会提醒你。


伙伴视角 — 跳出惯性思维

伙伴和导师视角——继续观察中。搭这套系统的时候我有一个私心:一个人做事做久了,容易被自己的经验困住。这可能也是我没有变富的原因之一吧,hhhh。所以我给了它第二个角色:在我用惯性思维做决定的时候,能跳出来从不同角度给我建议或者挑战我。

坦白说,目前跑了两周,任务类型还比较单一,主要工作还是内容创作和系统搭建本身,所以这个“B角儿”还没有特别惊艳的发挥空间。但已经有一些苗头了。

有一次聊到内容分发,我下意识就在想怎么优化 SEO、怎么写更好的标题——全是被动等流量的思路。它直接问我:为什么不主动把内容投到目标社区去?为什么不主动多走一步。

这个我不是不知道可以这么做,是惯性思维里"内容写好了自然有人看、系统算法会推荐"这个假设太根深蒂固了。

说不上惊艳,但确实有几次被提醒到了。等任务类型更多样之后再看它这个角色能发挥到什么程度。

AI时代不要掉队

偶尔问 AI 一个问题、写个函数?通用助手够了。

但如果你每天跟 AI 协作好几个小时,要处理多个项目、多种任务,那么花两三天写清楚"你是谁",搭好记忆和技能框架,把你过去积累的值得提炼的东西投喂给它,然后用每天协作的过程逐步打造一个真正了解你的搭档还是有必要的。


结尾让我做回一个“臭卖课的”,推荐我的两门课程,无论是自己学还是拿来让AI学习一遍都可快速提升你的内功。有兴趣的点:优惠购课操作指南

http://www.cnnetsun.cn/news/2502848.html

相关文章:

  • CVPR 2026 预讲会54位讲者云集| 6大方向+5个专场
  • 留学生遭遇大厂 PIP 晴天霹雳?2026 北美科技圈绩效提升计划深度解码与生存闭环
  • 多代理RTL漏洞检测系统:原理、实践与优化
  • 离子原生QAOA算法:量子优化新突破
  • AI Agent Runtime 正在成为新基础设施层
  • Multi-Head Latent Attention(MLA)原理与工程实践全解析
  • 机器学习评估指标实战指南:业务、数据与工程的决策逻辑
  • Neural Code Search:代码语义搜索原理与工程落地
  • 激活函数为什么是神经网络的非线性开关?
  • Determined AI分布式训练实战:突破算法与编码偏差治理
  • MoE混合专家架构原理与工程实践:解密大模型稀疏计算真相
  • 2026年5月降AI率保姆级避坑指南:知网维普AI率5%上岸
  • GPT-4参数真相:1.8万亿与2%稀疏激活的技术本质
  • TensorFlow 2迁移学习实战:图像分类快速上手指南
  • VMPDump:突破性动态脱壳与智能导入表修复技术方案
  • 【从零到一】一篇文章让你彻底玩转Spearman相关性矩阵
  • Cloud-Device Collaborative Learning for Multimodal Large Language Models
  • Sa-Token客户端ID校验失败的原理与修复指南
  • OpenSSH 9.6p1紧急升级全解析:CVE-2023-51385漏洞修复实战指南
  • Unity对象池架构设计:从状态管理到Reset三级清洗
  • Unity多分辨率UI适配原理与Resize Pro动态缩放实战
  • OpenAI投2.34亿美元、谷歌携多项计划,新加坡AI战略引科技巨头入局
  • UE5 Windows到Linux交叉编译避坑指南:ABI兼容与构建链路实战
  • Unity编辑器资源创建性能优化:从Prefab到场景的序列化治理
  • 中国分县林地面积统计数据
  • 技术选型翻车实录:我们选的那个框架,两年后停止维护了
  • JMeter并发与持续压测实战:线程建模、分布式协同与非HTTP指标监控
  • 【野兽派Prompt炼金术】:用--stylize 1000+--chaos 95+动态负向提示构建“可控失控”图像流
  • 2026企业微信SCRM哪个靠谱?高性价比选型指南
  • Unity角色移动手感优化:从WASD输入到物理移动的完整链路