从零搭建你的 AI 个人工作台：开发、管理与留痕
这节课讲的是普通人如何借助 AI 开发一个属于自己的工作台——从需求梳理、界面设计到接入 AI 实现自动化管理，再到让 AI 沉淀知识库形成复利。讲师分享了自己实际使用的工具、提示词和设计文档，并演示了财务看板、日程管理、知识库同步等真实案例。听完你能带走一套可复制的开发路径和具体操作方法。
选对工具：从网页端到 Agent 工作台
讲师 Gilbert 认为，开发工作台的第一步是选工具，而工具选择其实“大同小异”，关键是要知道不同工具适合什么场景。他把市面上的工具分成三类。
第一类是网页端产品，比如 Google 的 Gemini、DeepSeek 这类大模型网页。它们适合快速解答问题、处理资料，也能附带做一些小功能开发，比如抠图。如果你只需要实现一个小功能，根本不需要做一个应用或 APP，打开任意一个大模型的网页就能完成。
第二类是 AI 开发工具，典型代表是 VSC（Visual Studio Code）和 Cursor。这类工具本质上是给程序员用的，虽然嵌入了 AI 辅助功能，但界面以代码呈现为主——中间是代码，左边是文件夹，右边是对话窗口。Gilbert 直言“太过于专业了，太偏向于开发者了”，普通人用起来“眼睛累，脑子也很累”，所以他不推荐。
第三类是 Agent 工作台，也是他重点推荐的方向。这类工具包括 Codex、Claude Code、Workbody、Trae 等。他用一个比喻解释什么是工作台：“你现在有一张桌子，桌子里面除了电脑，左边有工具，右边有文件夹和抽屉。你知道工具从哪里拿，文件从哪里取。”Agent 工作台就是这样——它可以读取你的文件夹作为上下文参考，也可以接入各种工具，而你只需要用大白话描述需求，也就是所谓的 vibe coding（用自然语言编程）。整个过程不需要看代码、不需要敲代码。
他特别强调，像 IDE 工具和 CLI 工具本质上还是属于 AI 开发类别，因为它们以代码层面为主；而 Agent 工作台是以大白话输出、让 AI 执行，适合实现日常使用的小工具。“如果要实现一个非常复杂的服务器应用，那当然没办法，但实现一个日常用的小工具完全没有问题。”
需求澄清：把模糊想法变成可执行文档
选好工具后，下一步是梳理需求。Gilbert 发现一个常见问题：很多人直接告诉 AI“我要做一个日程管理工具”，AI 就会开始延伸功能，但它没有挖掘你背后的真实需求。“如果你能告诉它你为什么要做这个产品，是因为遇到了某些问题，它也许能提供一个更好的方向。”
他总结了三个要点。第一，通过真实经历来回答问题——告诉 AI 你在什么场景下遇到了什么不顺，而不是直接给结论。第二，一次只问一个关键问题，因为 AI 处理复杂问题多了会产生混淆，导致方案错乱。第三，形成一份最小的 MVP（最小可实现化）需求文档，围绕一个事项、一个关键问题去做开发，不要覆盖太多场景和功能。
为了让这个过程更可操作，他分享了自己做的一个“需求探索”skill（技能提示词）。这个 skill 的目的是“通过多轮访谈，把一个模糊的想法变成一个可确认的、最小可实现的产品”。它分三轮提问：
第一轮确认问题与核心场景，包括你的真实经历、当前做法、遇到的阻力、直接动机和核心用户。第二轮框定 MVP 边界和最短主流程，确认关键任务、起点、结束状态、必要接入的能力和范围。第三轮确认成功标准与硬约束，也就是验收标准。
他现场演示了使用过程：输入“我要做一个以每日任务为核心的 APP，偏向个人日历和多任务排期结合”，AI 会先确认观察事实、用户决定的目标、待验证的假设，然后追问“你最近一次需要同时安排自己和多人任务时，具体发生了什么？从开始安排到结束跟进，你是怎么做的？”他只需要用非常简单的话回答，AI 会逐步引导，最后生成一份完整的 MVP 需求文档。
他提到，这个过程“一点都不费 token”，因为主要是文本交互。他提醒大家不要像他最初那样“一天干了 2 亿 token”，因为大量沟通成本其实花在了后期。
UI 与交互：先定界面再开发，避免返工
需求文档出来后，很多人会直接让 AI 开发，但 Gilbert 建议先定义 UI（用户界面）。他把需求比作骨架，UI 是身体、表情和手感。“AI 的产出是能用，但非常粗糙”，而且界面会误导用户——需求是抽象的，但用户真正打开 APP 后看到的是界面，界面决定了用户怎么操作。
他举了个例子：谢霆锋在节目里说一道菜的造型很重要，因为造型引导用户从哪个角度去吃。UI 也是同样的道理，它能引导用户减少操作成本。
问题是普通人不会设计，但会用——我们平时使用 APP 积累了大量一手体验，却很难向 AI 描述“我要微软雅黑还是宋体、字体多大”。为此，他做了一份 design 文档（设计规范文档），包含颜色、字体、间距、圆角系统、组件系统等。把这份文档给 AI 读取，它就知道按什么格式设计，“约束 AI 自由发挥”，避免首页和详情页风格完全不一致。
接下来是 UX（用户体验），也就是交互设计。他提出三个原则：每次点击只让用户确定做某一个明确动作；让用户明确知道发生了什么、该怎么做；减少选择，不要替用户做关键决定。
他的实操流程是：需求文档创建后，先不进入技术核查，而是让 AI 生成一个 UI 画面确认方向。如果方向不对，就用自然语言调整——他甚至直接发一张参考图片，用语音描述“这张图片的 UI 整体方向我比较喜欢，想靠近这种感觉”。他特别强调，这个阶段不要进入开发，“一旦进入开发阶段，调整就不是一星半点了”。
他还分享了一个小技巧：不同模型的能力侧重不同。ChatGPT、智谱这类大模型适合编程，但设计能力一般；豆包、Kimi 的前端设计效果反而不错。所以可以切换模型来生成页面，选一个最满意的。
界面确定后，他会让 AI 扮演交互设计师，根据 UI 图反推交互逻辑，整理成设计文档，再结合产品需求进入技术核查和开发。
他还推荐了两个找参考的网站：dribbble 和 evarts（即 Behance）。方法是找到一个好看的页面，让 AI 从四个角度分析——第一眼用户看到什么、页面重点是什么、用户下一步该点什么、怎么展示——然后把分析标注到页面截图的对应位置，再丢给开发 AI 参考。
接入 AI：让工作台自动运转
工作台开发完成后，第二部分是让 AI 接入进来，帮你管理工作台。Gilbert 以自己的生活工作台为例，包含行程日历、生活记录、财务记录三块，并拆解为四个能力：智能处理、知识库、流程自动化、预测建议。
智能处理的核心是“一个指令让 AI 解析和处理”。他演示了日程记录：在 APP 里直接语音说“8 月 15 号下午 2 点有一个分享”，AI 就能自动生成日历事项，而且可以打通飞书日历和苹果日历。财务记录方面，他接入了邮箱——每天收支会发邮件到邮箱，APP 每天晚上 23 点自动检查并拉取账单，不需要手动操作，数据保存在本地，不会上传。
知识库方面，他有两个：一个本地知识库（用 Obsidian 管理），一个飞书知识库，两者同步。本地知识库的建立方式是设置一个自动化工作流：每天晚上 23:50，AI 回顾当天与 Codex 的对话，筛选有长期复用价值的内容，按指定格式提炼，归档到本地路径。筛选规则包括产品判断、工具理解、可复用的 prompt 工作流；必须忽略的是临时问答、简单翻译、一次性任务。
有了知识库后，AI 在回答问题时“会本能地先从知识库里面浏览一遍”，找到相关内容再回答。他演示了一个例子：问 AI“我在 Aily 提到过 compounding 的概念是什么意思”，AI 参考了知识库里的“富力工程”文档来回答。这个过程消耗的 token 极少，“文本的量才几十，可以忽略不计”。
流程自动化就是“让工作台干点自己的活，不用你惦记”。预测建议则是“让工作台比你更早发现你的生活规律或理财规律”。他展示了财务看板：接入 DeepSeek 的 API 后，点击“立即分析”，AI 会分析所有投资标的数据，给出资产配置建议，比如“现金管理低于下限了”“股票超出上限了”。他推荐大家在工作台里嵌入 AI 分析功能——除了理财，运动、饮食、作息数据都可以让 AI 分析，给出调整建议。
留痕与复利：让数据成为你的资产
最后一部分是“让 AI 留痕”。Gilbert 认为留痕的核心是反馈留痕——把每次与 AI 沟通的对话沉淀下来，变成日常积累。他的做法是：自动化工作流每天回顾对话，把有价值的内容提炼成文档，存到本地知识库，同时同步到飞书知识库。这样，下一次与 AI 沟通时，AI 会引用这些沉淀的内容来回答问题。
他举了一个具体场景：在 APP 里语音提交一个日程时，AI 会识别这个日程是什么事情，然后从知识库里调取相关文章，在日程下方显示“相关资料”。点开就能看到参考文章。这意味着“每个人都可以定制一个属于自己的工作台，量身定制属于你自己的每一个工具”。
关于同步问题，他解释是通过飞书开放平台实现的——开发时让 Codex 连接飞书开放平台，授权读取知识库和云文档的权限。他自己没有代码基础，是产品经理出身，整个过程都是“问 AI 怎么做”，AI 会一步一步引导。
他总结整个方法论：开发阶段，AI 是 builder，你是产品经理，提需求、定 UI 和交互，让 AI 实现最小 MVP；管理阶段，接入 AI 处理日常事务、接入知识库、实现流程自动化；留痕阶段，知识库里的数据就是你的资产，用起来后会反过来优化下一次输出。他提到，整个 APP 从开发到接入这些功能，“只用了不到一天的时间”。
要点回顾
- 工具分三类：网页端产品适合小功能，AI 开发工具（VSC、Cursor）偏专业不推荐，Agent 工作台（Codex、Workbody、Trae 等）适合普通人用大白话开发。
- 需求澄清三步法：从真实经历出发、一次只问一个关键问题、形成最小 MVP 需求文档。
- 用“需求探索”skill 引导 AI 进行三轮访谈，把模糊想法变成可确认的产品需求。
- 开发前先定 UI：准备一份 design 文档约束 AI 的设计风格，避免页面风格混乱。
- 不同模型能力不同：ChatGPT、智谱适合编程，豆包、Kimi 前端设计效果更好，可以切换使用。
- 参考网站推荐：dribbble 和 Behance，让 AI 分析页面交互并标注到截图对应位置。
- 智能处理：语音创建日程、邮箱自动拉取账单，减少手动操作。
- 知识库建立：设置自动化工作流，每天让 AI 回顾对话、筛选有价值内容、按格式归档。
- 预测建议：接入 API（如 DeepSeek），让 AI 分析理财、运动、饮食数据并给出建议。
- 留痕即复利：知识库沉淀的数据会在下次沟通时被 AI 引用，持续优化你的输出效率。
直播回放约 84 分钟
播放器来自飞书妙记 · 点击正文里的章节卡可跳到对应时刻 · 在新窗口打开