这篇文章的核心价值，是把“怎么用 AI 提效”从抽象概念变成可落地的方法：通过 agents.md、memory.md、MCP 连接器和技能（SOP）体系，逐步搭建可复用的 AI 工作系统。作者给出的证据不是空谈，而是多个真实使用场景与效率对比，例如跨工具一条指令协同、广告分析流程自动化、定时任务持续执行等。最关键的见解是：AI 的长期优势不在单次 prompt，而在可迁移的“上下文 + 记忆 + 技能”资产沉淀。对个人创作者和小团队来说，这意味着可以从每周自动化 3-5 个小流程开始，逐步把碎片化执行工作压缩并转化为复利。

想象一下：你只需要用简单的文件夹和文本文件，就能把一个AI助手变成一整个"数字团队" —— 帮你处理邮件、日程、广告投放、日常运营等各种工作。

这就是 Remy Gaskill 在这篇文章里要教你的东西。不需要写代码，任何人都能上手。

大多数人还停留在AI的第一阶段：你问一个问题，AI给个答案，你自己去做。

这就叫聊天。聊天的感觉就像打乒乓球——你来我往，但效率有限。

智能体（Agent）就不一样了。你给它一个目标，它自己规划步骤、执行、交付结果。

Remy Gaskill 把这个区别叫做"问答"vs"目标到结果"。那些真正用上智能体的人，每天的工作效率能提升10到20倍。坚持几周几个月下来，你已经遥遥领先了。

不管用哪种AI工具，智能体都遵循同样的三步循环：

观察（Observe）→ 思考（Think）→ 行动（Act）

举个例子：让AI"帮Greg Eisenberg建一个作品集网站"，它会这样工作：

然后循环回来——现在它有研究资料了，它想"我需要一个计划"，于是写出计划。再循环，写代码。再循环，启动网站。再循环，截图验证完成。

智能体就这样一直循环观察→思考→行动，直到确认任务按你设定的标准完成了。

Claude Code、Codex、Antigravity、Cowork、Manus、OpenClaw……这些名字看起来不同，但它们本质上都是"智能体工具"——就像不同的车，但发动机和方向盘的工作方式是一样的。

打个比方：学会了开车，你就能开丰田，也能开路虎。座椅加热、定速巡航这些功能不同，但油门、刹车、方向盘的操作逻辑是一样的。

Remy 演示了同一个指令分别在 Claude Code、Codex 和 Antigravity 上运行，三个都成功建出了一个作品集网站。原理相同，只是"口味"不同。

首先，在电脑上创建一个文件夹，叫它"执行助手"。

现在这个文件夹是空的。如果你让AI写一封冷启动邮件，它根本不知道你是谁、卖什么、目标客户是谁。

解决方案：一个 agents.md 文件。

这就是AI的"系统提示"。每次开始任务前，它会先读取这个文件。里面写清楚：你的角色、你的业务背景、你的偏好、常用的工具、你喜欢的工作方式。

不同工具对这个文件叫法不同：

• Claude Code → claude.md
• Codex / OpenClaw → agents.md
• Gemini → gemini.md

概念一样：让AI在开始工作前，先了解你的背景。

💡 小技巧：你可以让任何一个聊天AI帮你生成这个文件。跟它说"用面试风格问我问题，提取我所有的背景信息，然后帮我生成一个 agents.md 文件"——它会把你的信息整理成结构化文件。

这才是从"写提示词"到"建上下文"的真正转变。 你给AI足够多的背景信息后，提示词可以简单到离谱："帮我写封冷启动邮件"——就这一句，因为背景已经在 agents.md 里了。

你有没有遇到过这种情况：你跟AI说"我最喜欢的颜色是薰衣草紫"，它说"好的"。然后下次对话？它完全不记得了。

像ChatGPT这种聊天AI会自动保存记忆，但那是云端保存，你控制不了。智能体不一样，记忆由你自己掌控。

在 agents.md 里加两行：

每次任务前读取 memory.md 当我纠正你或你学到新东西时，更新 memory.md 

然后在同目录下创建一个空白文件 memory.md。

现在你说"别写得那么正式"，AI就会在 memory.md 里加一条："保持口语化，永远不要正式"。以后每次对话，这个偏好都会带着。

好员工会记住你的喜好并不断改进，你的AI助手也应该这样。

大多数AI工具默认只有网页搜索功能。

要想连接 Gmail、Google日历、Notion、Stripe（支付工具）、Granola（日程工具）等，你需要 MCP（Model Context Protocol，模型上下文协议）。

简单理解MCP之前的情况：AI会说英语，Notion会说西班牙语，Gmail会说法语，Slack会说中文——想把它们连起来，需要专门开发。

Anthropic 搭建了 MCP 就像造了一个"通用翻译机"。 AI继续说英语，各个工具继续说各自的语言，MCP在中间做翻译。

现在大多数工具都有现成的连接器。Cowork、Codex、Manus、Perplexity 都有"连接器"或"技能"菜单，点一下、登录账号就行。

一旦连接上，真正的效率就来了。 Remy 现场演示：一条指令，AI同时做了这些事——总结他的收件箱、从Granola拉会议笔记、创建Stripe支付链接、搭建Notion项目、起草跟进邮件。一条指令，AI搞定所有，完全不需要他切换标签页。

"如果你能把一件需要进七八个工具做的事提速七八倍，这会开始复利增长。"

技能是让效率产生复利的引擎。

你可以把技能理解为给AI写的"标准作业程序"（SOP）。你解释一遍流程，AI就能完美重复执行。

没有技能的时候： 你让AI写一份客户提案，来回改30分钟。"格式不对"→改，"价格放到最后"→改，"用这个蓝色"→改。终于改好了。下周，重新来。

有技能的时候： AI加载你的"提案技能"，它知道格式、颜色、价格位置。一会儿就完成。

两种创建技能的方式：

方式1：喂原材料 Remy 把一整门关于"病毒式标题"的课程内容上传给AI，让它"基于这个课程给我建一个病毒标题技能"。AI把它打包成了一个 .skill 文件，包含指令和参考资料。

方式2：从实际操作中生成 你手动和AI一起做一个流程，做完之后说"把我们刚才做的变成一个技能"。AI会把整个工作流程打包保存。

真实案例：Remy 建了一个"广告库分析"技能——抓取竞品广告、截图落地页、分析文案和创意、生成汇总报告。这原来需要3-4小时，现在他打两个字，技能就自动跑起来了。

如果你每周用技能自动化3-5个小型手动流程，最终你会自动化整个工作流。

技能组合起来才真正强大。

比如：

大多数AI工具现在支持定时任务。设置"每天早上9点跑一次早间简报技能"，它会自动：查看日历、总结收件箱、从Notion拉项目更新，然后给你一份当日工作计划。

真实案例：Remy 正在考虑买一辆特定颜色、特定配置的车。每隔3小时，会有一个AI自动抓取 CarMax、Cars.com 等平台，有匹配的车就给他发通知。"每天帮他省下一小时来回刷新标签页的时间。"

完整设置是这样的：

每个公司或客户一个大文件夹，里面按部门分子文件夹：执行助手、内容团队、营销负责人、销售……

每个子文件夹有自己的一套：agents.md、memory.md、skills文件夹、MCP连接。营销AI知道广告创意规则，内容AI知道你品牌调性，执行助手知道你邮件签名风格。

顶层有一个总AI协调所有。

全局 vs 项目级： 有些技能到处都用（比如"把这个缩短"），那就放全局。有些技能只属于特定项目（比如"把某人推荐给X"），就放在那个执行助手文件夹里。项目级技能放在项目里。

真正的未来组合是：你电脑上的文件夹。 AI工具会不断变化，但你的上下文文件、记忆、技能可以迁移到任何一个工具里。

每个人都会有自己的AI操作系统。你的AI智能体会不断积累：上下文越丰富，错误越少；技能越多，手动工作越少。

循环很简单：连接工具→建上下文→创建技能→自动化流程→重复

你不是要取代自己，而是把琐碎的工作压缩掉，好让你专注在真正重要的决策上。

从"执行助手"开始。这周建一个技能，下周再一个。几个月后，你能把一周的工作压缩到一天里完成。

原文链接：https://emergingai.substack.com/p/the-ai-system-that-builds-your-digital 翻译日期：2026-03-24