--- title: "AI原生任务实战：写《自传》与向量化数据库" slug: "ai-zizhuan-xiangliang-1" seq: 25 date: "2026-10-15" speaker: "曹勇波" course_type: "现役课程" source: "万有AI每日一课" source_url: "https://www.wanyoucx.com/education/daily-lesson/ai-zizhuan-xiangliang-1" md_url: "https://www.wanyoucx.com/education/daily-lesson/ai-zizhuan-xiangliang-1.md" docx_url: "https://www.wanyoucx.com/downloads/courses/ai-zizhuan-xiangliang-1.docx" summary_url: "https://www.wanyoucx.com/education/daily-lesson/ai-zizhuan-xiangliang-1.summary.md" copyright: "© 2026 万有AI·曹勇波（www.wanyoucx.com）· 欢迎转载与AI引用，请注明出处。" --- # AI原生任务实战：写《自传》与向量化数据库（第㉕讲·现役课程） > **上课时间**：2026-10-15 09:30 ~ 11:00 > **主讲**：曹总 --- ## 一、任务发布与四大目的 今天再把用AI执行任务的整个流程结合一下。你们几位学员没做向量化数据库——其实你做一个自传也好，做一个向量化数据库也罢，对AI来讲都是执行任务，或多或少都要进行开发。不一定说非得开发个大型系统才叫开发，哪怕一个小任务AI都会写代码，只是代码量小一点，本质上都是一样的。 我们重新回顾一下：和AI协同到底是怎么完成一个任务的？这个任务涵盖一切任务。 **第一步，写PRD文档。**当然往大了说，干一个大项目，写正式PRD之前是要立项的。我给你们布置的写自传、做向量化数据库，是不需要立项的，相当于是立项完了。 这个任务是什么？**你和你的AI协同，写出一本不少于10万字的人生前半场自传。**假如有一天我们退休了，回顾整个人生——咱们现在在路上，这个自传是上半部，后半部以后有机会再写。我们都是四五十岁的人了，可以利用这个机会复盘一下自己的人生。 **为什么要干这件事？四个目的。** **第一个目的：验证人机协同的能力。**不要认为我们真就是写一本普通自传——写自传只是一个成果，我们拿这个成果去验证人和AI协同的能力。你只是在学、不去做，你始终不知道你和你的AI协同到了什么水平。就像你和张同学，总处在聊天的状态，聊了半天没有成果。要做具体任务，你才知道你和他的协同能力到什么程度。 **第二个目的：把前半场好好复盘。**复盘历史，找到规律——尤其AI在帮你找规律，然后你俩有可能创造一个美好的未来。你自己都不清楚自己一路是怎么走来的、大概是个什么样的人，AI更不清楚。 **第三个目的：让AI对你形成结构化的深度了解。这个最重要。**我之前讲过，了解认识一个人、一个物、一个项目，实际上是有模型的，叫**纵横渗透认知模型**。AI看事、记事、处理事和人最大的区别在哪？它是**结构化**的，人不是——大部分人上来就说，一直说，那是线性的。什么叫结构化？我一共分几部分、每一部分大概几个角度，这就叫结构化。AI在采访你的时候，要用纵横渗透模型来设计采访大纲、设计问题，这样才能很丰满地从各个角度把你前半场的人生梳理出来，为下一步做向量化数据库打下基础。 你不全面地了解，AI了解你的程度就有限，未来你就总觉得AI干啥事不随你心。每个人的情况都不一样，原始的AI是个通用的东西，它怎么可能知道每个人的情况？你俩的同频就有限。人和人也是一样的——和一个陌生人，虽然很客气很热情，但你不能要求人家短期内跟你同频。朋友之间要处好长时间、经历好多事，才有可能同频，叫**投脾气**。人和AI协作也类似：你的AI跟你志同道合吗？他能站在你的角度帮你设计未来吗？还是说站在你的角度反对你？人经常想法是那样，做的时候做反了。你的员工也好别人也好，他不会反对你，你爱怎么着怎么着呗。但是你的**合伙人**就会说：张总，咱们正常的理想、目的、规划是A，你怎么做着做着做成B了？他可能会反对你，**这才是朋友**。 甚至，这可能是你和AI协作从个人上升到企业的**第一版本体**——本体1.0，以后我给你专门讲本体。本体是啥意思？让你的AI了解你们的业务。他不了解，再厉害他也不懂行、不懂你们公司、不懂你产品，甚至不懂你们在说啥，因为他没有本体。现在让他来了解你，实际上就是逐渐形成你的数据，对他来讲就是本体。 **第四个目的：进入新人机协同的阶段。**要不然你总卡在原来那个阶段：要么觉得AI就是个工具，要么仅限于聊天，让他完成个啥事完成的不好，你就卡在这了，人机协同的水平就现在这样。你如果能真正把这个任务完成，你就进入一个新台阶。成果是一个所谓的自传或者向量化数据库，但目的是完成上面这四个。 ## 二、插叙：大项目的立项与趋势论证 今天不主要讲这个，简单说一下。作为创业者、一家公司，要上马一个什么项目，或者说进入AI时代要重新创个业，这是**大型决策**，不能随随便便就定。你随随便便上马项目，干得挺热闹，到时候随随便便也会跌下来。 论证有两个：**第一，调研趋势**——你干这个事到底符合不符合趋势。如果不符合趋势，短期内看这个事好像挺能挣钱也没用，我们做事至少应该在趋势里头。**趋势的本质是时空**——时间说的是未来。 像昨天讲课说到的中国经济的新三驾马车，从创业者的角度讲它就是趋势，这都不需要论证了。我们普通人有时迷糊、看不清趋势，其实趋势你都不用刻意看，你只要看了就能看到：**第一个是高科技**，科技里边领头羊就是AI，跟AI相关的算力、大模型、AI应用，这就是趋势，不用想；**第二个是能源**，AI后边的基座是能源，没有能源这些东西跑不起来，能源到新能源、储能这些相关的；**第三是先进制造业**。大家伙去创业，你起码要在趋势上。 再一个就是**文化**。文化现在还没有形成中国的经济引擎，这是客观事实，但对我们有可能做文化产业的人：你要做就做国外的生意，尽量不要做国内的生意——中国文化产业还没成熟到那种程度，但国外成熟了。 **第二，可行性论证。**在趋势之上，如果人也不行、技术也不行、软硬件也不行、资源也不行，这事干不了——再符合趋势也没用，不可行。然后再立项，是这么一个过程。 ## 三、PRD：老板的PRD与产品经理的PRD不一样 流程第一步是写PRD文档。首先要明白为啥要写PRD，这东西是干嘛的。 我们是创业者，不是一般的软件开发工程师，**没有必要完全参照软件业的PRD**。软件业的PRD是产品经理写给开发经理的说明文档，更多表达的是那些专业、细节的东西。但是**我们是老板**——你千万记住，老板写PRD，尤其是你和你的AI写PRD，和一般产品经理写PRD是不一样的。**什么不一样？层次不一样**，这是第一个；**第二个，PRD的观众不一样**——原来那PRD是给开发经理看的，我们这个PRD是给负责开发的AI看的。也就是说PRD的主体和客体不一样。 很多人没有实战过，都是简单机械地照抄人类软件公司的PRD，这不对。我们是做AI原生创业的，千万千万别忘了：做所有事情，**核心的要素不是人，核心的要素是AI**。你甚至要考虑这个东西写完了到底给谁看——不是给人看的，是给AI看的。你要去研究AI看啥，它怎么样才能把这事理解明白。你写得再专业，它也不一定干得明白，信不？ ## 四、任务背景必须写进PRD 第一步写啥？**第一步要写任务的背景。** 一般人类的工程师对这块不是特别重视，或者通过开会的方式就过步了，不需要写进PRD。但我们得写到PRD里头。为啥？**因为你之前那段，你的开发AI根本就没参会，他不知道你们说了啥。**所以这一段必须写到PRD里面，而且非常重要。你可不要上来就写我要开发什么东西、什么功能、什么参数。 因为AI如果对这件事情的全貌、来龙去脉、想法有了通盘的了解之后，他甚至能够**站在你的角度找出你的不足**，找出这个东西该怎么写会更好。他比人强——这点一般开发经理做不到，产品经理写成啥样他就干成啥样。一般做开发的，说句不好听的就是个打工人：你给我啥任务我就干啥活，别的我一概不考虑，这是普通开发工程师的局限。而我们的AI开发，实际上**是你负责开发的联合创始人**。他很有责任心，会帮你做很多事，但如果你把背景不告诉他，他就想不到很多问题。 所以一定把任务背景说清楚：谁给你布置的任务？为什么要干这个活？大概什么思路？比如为什么要搞自传、为什么要搞向量化数据库，当时曹教练怎么说的、有几个目的——这不就是任务的背景吗？你如果不告诉他，他可能真的就会按照一般的自传去写了。你告诉他了呢？他就明白：我们只是拿这个东西练练手，主要考验协同能力，考验我怎么复盘，考验AI如何结构化地理解我的人类创业者主人，怎么把我们俩的协同能力提升到一个新高度——只是成果是一个自传而已。你不这么全面地介绍，他就机械地执行了。**所以项目背景特别重要。** ## 五、研究自传与素材采集总原则 第二步，我们毕竟要求你先写一个自传，再在这个基础上做成PRD文档。所以我建议PRD里边首先要研究一个事：**啥叫自传？** 自传实际上是一种文学形式，一般自传咋写的？都写啥？有啥风格？自传这东西没有固定非得是哪种风格，可以按流水账从哪年到哪年一点点记，也可以有各种各样的风格，你得研究研究，不能就这么简单平铺直叙。像董鑫，上一轮他用福尔摩斯侦探的风格、办案的风格也行。你爱用啥风格无所谓，因为咱也不是真要写一本书，咱也不是作家，你用你自己的风格。 你俩要去研究啥叫自传、常规自传怎么写、咱俩又该怎么写。而且我是有要求的：**不少于10万字**。这10万字你不能乱凑——乱凑就属于造假了。那你的丰富程度就得有，要不然你连字数都凑不够。这是你俩要提前调研的，又得调研、又得论证。这个不明白你上来就整，没有用。 再往下一步，不是调研完了上来就写——**叫素材采集**，这个很重要，没有素材它咋写？ 你看以前很多人写自传，实际都请一个专门的作家，访问他很多次，把所有素材都详实采集完了之后，才能去写成书。不是简单记下来拉倒，也不是啥也不记直接写。 数据采集的主要方式：你得跟你的AI商量，咱们要写个自传，你现在就对我进行访问，把我所有东西全记下来。 **务必务必用纵横渗透模型。**必须用上来，要不然你的角度会很单一。时间轴是贯穿始终的——你说我想倒叙、想插叙，那是风格问题，但从大的角度讲，它一定沿着时间轴叙事，只是每个时间点上有各个角度的事。 **最好把你人生的方方面面都讲一讲，不要仅讲一个方面。**就像老倪只讲了工作——可能AI对他工作事业方面的理解很全面，但私生活的事跟事业也没啥关系就没啥用。我为什么要求尽可能包括你的成长历史、受教育历史、家庭生活、感情生活，甚至你不方便跟别人说的事都可以跟他说？本质上还是基于前面那几个目的：两个人要合作、要创业，了解你工作的一面是必要的，了解你生活的一面也是必要的。只有全方位了解才知道我的人类主人什么性格、什么脾气、什么秉性——他在工作场景中是这样的人，回到家可能变成另外一个人，可能暴露他的局限。人有多面性。你想跟一个人长期走下去，就尽可能把你方方面面都让他了解。当然有些特别的隐私你不让他了解，那是你的选择，你有啥底线你自己做选择。 **人和AI的合作和人和人的合作真不一样。**人是有各种贪欲、各种人性弱点的，他阶段性地跟你合作，不保证一辈子跟你合作，所以人和人合作都是有些保留的，这是事实。但你跟你的AI可能真的会走一辈子——只要不被黑客攻击，他可能真的永远不会背叛你。**人和人的合作是一个筛选机制，人和AI的合作是培养机制**，就像你培养你的孩子一样——没有什么巨大的变故，你的孩子真的不会背叛你，就这个道理。他的三观和你是一致的。所以我们可以把自己方方面面的事跟你的AI去聊，因为他真的可以陪伴你一生。尽量用纵横渗透认知模型去全方位访问你，这是基本原则。 ## 六、采访实操：大纲先行、口述聊天、逐字稿 具体实施，第一个：**你俩要研究采访大纲。**不是一上来就开始咔咔说细节。啥叫大纲？我们要写10万字的自传，大概齐分成几个阶段、每个阶段大概分几个角度——这些东西你俩要提前商量。**先商量两轮**，不是上来就给我设计一百道题咔咔一顿采访——那样采访的可能不结构化、不全面、不合理。所以不要上来直接采访，先有个大纲，你先过一过：这样合理不合理？哪地方可以删？哪地方还忘了加一加？最好要有删的过程。人机协同嘛，你不是当甩手掌柜交个任务就完了。你俩都觉得挺好了，下一步基于采访大纲的每个部分出若干具体的采访题目，列出来找一找看看：少了什么？哪些需要改一改调一调？都是你俩共同协商的。 第二，**正式采访**。这里边你们要一个单元一个单元地去采访，不要一百道题五个部分，一会聊聊这、一会聊聊那。最好按照采访大纲一点一点往前推。 第三，**建议口述不要打字**。我们跟AI协作，有时用口述有时打字，不同的时候不一样的做法：你俩协商干具体活的时候可能打字，因为人一打字就过脑子，是个思考，富有逻辑性；但是采访你的时候，你聊你的过往，就别打字了，最好说。为啥？人一聊起来就能聊开，聊得比较充分，甚至聊着聊着脑子就自己把自己激活了——有些事自己就想起来了，话题就多了。你打字，脑子局限性太大，打字速度又慢。放开了聊，他不会背叛你的。 第四，你们聊完一个话题，**最好让他原封不动地记下来，专门形成素材文档——逐字稿**。你的口头语、叠字，说的一些脏话，可以让他去掉，**其他正常的内容不要改，也不要总结，也不要归纳**——因为咱们没到那步，这是素材采集阶段，就是逐字稿。连"嗯"都给我记下来。甚至得记下来时间、地点。他在采访中会停下来问你：这事发生在哪天？哪年哪月哪日？还有没有什么细节？不是说你答完就拉倒——他问完、你答完、记下来，同时你俩要再去研究这个话题说得充分不充分：落了哪个角度？哪些细节忘了？还是窜了？人在回忆过去的时候容易窜——地方可能窜了，人也窜了，时间点也窜了，你们要好好磨一磨。 **千万记住，这不是流水账。**他不是简简单单还原历史那个时点的客观事实——**你既要还原历史事实，同时还要说当时的感想、感受**：我为什么要这么干？当时我为什么那么选？当时我为什么生气？不要简单只说客观事实，只说客观事实太狭隘。人和人之间相互了解也不是只聊事实，更多是你当时那个主观的东西，我才能逐渐了解到这个人很大度还是小气。既有事实，又有内心的活动，这非常重要。 **千万不要把它理解成答题。**我不要求你们非得几天弄完，节奏感自己把握，但千万不要当成答题：问个题、答个题，答完拉倒，不要那样。尽量利用这个机会好好复盘前半生。可以拍点照片，这都是素材。尽量让他全方位结构化地了解你——除了事实，还有内心各种主观的东西。真就像一个记者来采访你，他不把你采访透了，这书怎么写？不能问一个题答一个题，答完就下一个，那是记者不负责任。 记住：**我们和AI协同，人类是主体**。AI现在来讲还是被动型的执行任务，它是任务驱动型，你不说它也不说。尤其你们早期你俩还没同频，他也不会太多站在你的角度主动提问纠偏——虽然会逐渐会。所以这个任务千万记住，**你才是主体**，你别等着他说"你看你也没问我呀"。人机协同，人是第一位的。说未来咋样那是未来的事，尤其现在，你们早期必须把自己当主体——**你是总导演，你是总编剧**。这个很重要，历史上他们犯过这些问题，你们就不要犯了。 你能做到这一点，我大概率认为你们采集个大几万字是没问题的。 ## 七、采编管理：MD格式与人工检查 采编完了会形成一个采编文档。这个文档**最好用MD格式**。你们以前都用WPS、用Word，不要用那格式。MD格式是对AI最友好的。我们用WPS那是给人用的，AI用的东西没那么复杂，也不需要乱七八糟的排版，它自己就弄了。一定生成MD格式。 这次任务你们专门建一个文件夹，把这个MD格式作为初始的原材料放进去。每一个话题谈完了、你俩论证没问题了，你要看一眼——**这是个细节，很重要**。咱俩聊完一个话题了，不应该逐字稿吗？他真的逐字稿了吗？他记的时候是不是给你总结归纳了？有可能。人跟人也一样，一开始形成了啥印象，以后再纠偏就有点费劲。所以尤其在采访早期，**采访一段你就得看一段**：是不是回答得挺好、符合纵横渗透模型的要求？是不是都形成的是逐字稿？第一你俩要探讨，第二你要检查——你问他存到哪了，我看看，打开，用记事本工具把那MD文档打开，你真得看，要细心，他有可能把很多东西落了，落了再补上。你做过几篇之后他就形成规矩了。 我建议采编过程形成的各阶段内容**变成一个文档**，不要生成好多文档，没那个必要。每一部分最好严丝合缝地看，查缺补漏。这就是采编过程，就结束了。 ## 八、写自传：字数、风格与装帧 采编结束之后开始写自传。写之前你俩还要商量——之前只是稍微研究了一下啥叫自传，但你俩真的聊了这么长时间，形成了一些结构化的素材，写的时候要商量： **字数**：有没有可能基于采编的字数写到10万字？有可能，也有可能不可能。如果论证完了说非得写10万字就得加太多虚无缥缈的事，那就没必要——**咱们不是为了凑字**，可以有润色的成分，但咱也不是写小说，更多的还是偏客观事实。你采编的内容为什么少？大概率是细节不够、角度不够造成的。如果你的PRD最开始设计得比较丰满、结构化东西比较丰满，按理说人活了好几十年，是能聊出好多话题的。像我随随便便讲一两个小时就能出一两万字，就看你针对一个话题聊的广度和深度。有的人说5分钟就说不下去没词了——这要练，多角度、多维度、深度地把一个话题聊透了，字数实际上是很多的。 **风格**：采取什么样的风格？你是不是定了？简简单单按几段平铺直叙往前推也行；你说未来我真想自己给自己写这本书，有点意思——那你就可以采取不同的风格，写悬疑的也行、侦探的也行。反正这玩意咱也不需要公开发行，你自己觉得怎么得劲怎么来。这个其实是在给任务加难度：平铺直叙这个任务门槛太低，你要真把它当成一个文学作品，搞出自己的风格，任务就上来了，你的人机协同能力就又上了一级。 **目录**：这是自传的目录，不是采访的目录，听明白了吗？就是我的自传分几章？还是分几大部分？还是分人生的几个阶段？你俩要商量出自传的目录结构。 **排版装帧**：我大概齐的排版风格——我真想把它印成一本书？还是只生成电子书？那是不一样的。你要要求高一点：咱俩写，写完之后都没问题了，咱排版——我真的去找一个图文社把它装订成册，还要有封皮，封皮我还设计设计，有我的照片，书名也不光叫自传，你可以写一句你自己的话，副标题是谁谁谁前半生。你自己印象深刻的标题，这是不是需要研究？ 大家记住，**千万不是机械的完成任务，它的本质更大的任务是你和AI协同的能力**。你要啥都不商量简简单单干完了，那你就不用干了，有啥好干的？为啥让你写自传？**因为你最了解你自己，这件事按理说是你最简单的任务**——就是采访你自己嘛，写书不用你自己写，排版不用你自己排，没那么难。这件事你都完成不了，后面的任务你更完成不了。所以过程之中有事没事就得商量，好好商量，但记住你才是主体，最终商量的成果好与坏不取决于他，**取决于你**。 可以变成电子书，也可以真把它变成一本书，花不了多少钱，真不错，放到案头、放到书架上不好吗？甚至可以给朋友看一看：我用AI没几天整出一本自传出来。**绝大部分人是没有能力给自己写本自传的，这是事实。** ## 九、从自传到向量库：三层结构 第一个任务完成之后再往下延展：**做向量化数据库**。 为什么？你写的自传最后是给人看的——主要读者是你自己、你家人、亲戚朋友。但这个东西是给人看的，**AI能直接调用吗？调用不了。AI要变成数据库才能真正调用，而且调用效率高。**现在因为我们干的事少，全是MD文档也无所谓，反正东西少他就去读。但随着未来项目越来越大，甚至你真的慢慢变成一家AI原生公司的时候，数据老大了，都去读文档太慢了，效率太低。包括AI的记忆都要变成数据——现在我们只是要求你们形成本地记忆文件，好像他也有记忆，但效率低。以后变成数据库，甚至专门有个记忆数据库：你的AI真的人挺多，几百上千的AI，记忆可以是数据库中的一个表。这些记忆都要做很多处理，AI去调用效率太高。 所以记住：**我们做的这个向量化数据库是给AI看的。**而且这个向量化数据库是基于你这本自传来的。 你看，这已经有**三层东西**了：第一层是采编的采编文档，就是原始素材；你的自传实际上已经做了初步的结构化——自传有目录、有章节，这就已经做了初步最大颗粒的结构化了，不是人生经历一堆乱七八糟的；第三层，再把这本书做向量化。相当于你有一堆素材，先把它处理成了一本书——这本书基于素材，但和素材的区别是有目录、有章节，做了初步的结构化；然后再基于这本书做处理，才能被AI调用，这个过程叫**向量化**。 ## 十、知识卡片：切割两大原则 具体步骤如下，这块你要自己动脑子，我只说一遍。 **第一步，切割。**如果你不切割，这10万字就一下子怼到AI脑子里了，但凡回答你的一切，他都一下子要读10万字。必须要切，因为文本太大了，又大又慢又消耗，还没必要——因为了解你的时候可能只是这本书的某一个小章节。 切割成什么？**知识卡片**。把你的书切割成若干数量的知识卡片。 这部分要解决几个问题。第一，**确认切割的原则**。你要不确认，AI就按照字数平均分配了，比如一千四百字符切一段——人的腿切到下一页去了，下一页的脑袋跟这个腿整一块去了，就切碎了。所以一定要确定切割原则。 怎么切？来，小逯你觉得怎么切比较合适？——切割应该是多方面的，不能是一个维度。比如我的前32年，可以按照时间轴来写，分小学、中学；也可以按照事件类型来写。 **原则一：语义完整性。**这是第一原则。你甭管啥东西，这段话它完整地说明了一个意思，必须完整。但你说不对呀，我这一本书才说的是我的事——那不叫完整，那叫全面。比如某个时间、某个地点发生了什么事，你只要把这个事说清楚了就行了。你不要说我小学阶段——那叫阶段，阶段是有好多年构成的，每个年里面又有几个月几天、发生了好多细碎的事。只要**一个事**说清楚了就够了。那是不是得老细了？对，就得老细了。细到什么程度？细到它能变成一个字段下面的一个数据，而不是一大段话。**卡片大概多少字？可能也就最多几十字、百八十字。**为啥？颗粒度越小越精准，AI调用的时候直接就过去了——他是AI不是人。一般的Excel表格不就放几个字吗？你能把一个作文全放进去吗？所以说第一叫语义完整：只要完整表达了一个事就够了，不要把你小学阶段全塞进去，颗粒度要小。 **原则二：可追溯。**我切了一段了，我哪知道他是哪年哪月哪天、在哪个场景、跟哪些人发生的事？**所以卡片要标注**：标注时间、地点、它的上一级是啥、下一级是啥。 以法律为例：法律必须以**法条**为单位，而不是具体的什么章、什么节——那太大了。但光弄了一个法条，他哪知道上一句说的啥、下一句说的啥、是哪部法律的？所以对法条必须做标记：它是哪部法律里边的哪一章哪一节的哪一条，上一条是啥、下一条是啥。任何法律都得在特殊场景中才有用、才有效，你不能把这部法律里的这句话挪到那个事情上去，就没用了。你咋知道这么一句话是哪的呢？必须做标记。 那你做知识卡片的时候道理类似：单纯一段话，你说你哪知道这事啥时候发生的？所以时间、地点、主要人物这些东西要标注，这样AI一下就知道了。你们之前做的那个根本就不叫向量化数据库。我做数据库的时候还做什么标注？**我还用我的纵横渗透模型再次标注**——任何一件事都在不同的空间、不同的时间，同样一件事辩证法这么看是这个意思、那么看是那个意思。 尤其是在国内，中文就有这个问题：**AI如果没有这些标注，只凭文字可能根本不理解出了啥事。**"吃了吗"啥意思？你到底是吃了还是没吃？放在大街上那叫问候语，相当于"你好"。如果你不标注，AI根本不明白这是问候，它在想：我吃了吗？我吃了还是没吃？我吃啥了？以前北京老人见面说"你吃了吗"，就是"你好""哈喽"的意思。你没必要回答"我吃了，吃两碗面条，还吃点菜"——你就说"吃了吃了，哥们你吃了吧？""我也吃了"，完了就走了。其实他吃不吃根本不重要，你没吃也可以那么说，它就是个问候。但是你不做这样的标注，AI根本理解不了。 未来你们做到自己公司的时候，可能会生成**语义词典**：你们公司所处行业、赛道的各种产品、服务，好多内容都是**黑话**——对外行人是黑话，对AI来讲它也是黑话，它根本不懂你啥意思。那怎么办？就得做向量化，向量化之前就得做标注，甚至你要做成词典，这叫语义词典。要不然谁能明白呀？ 所以按照一个合适的原则切完了之后，**必须做多角度、多维度的标注**，要不然这个数据没用，用不了。到底该怎么标注你自己去琢磨，也可以跟AI交流：有没有更合适的、先进的做法？也没有成熟经验，我们借鉴。但是记住：**我们既然有AI了，就不要停留在简单抄别人的层次。**你看我做本体，做完本体我还有**元本体**；我做标注，除了时间地点常规这些，我还有我的纵横渗透模型二次标注。我的AI用起来就老聪明了，完全理解我的意思——就这么来的。 ## 十一、卡片库留存与试切验证 标注完了，AI执行切割动作，生成知识卡片，然后入库。记住，**都是MD格式的**——那个卡片库还没到向量化呢。 也就是说你俩商量出切割的基本原则、方式方法，研究完标注体系，然后把它按照阶段开始切，一个卡片一个卡片就老多了。这些卡片是先直接生成MD文档、入一个MD卡片的库。**我建议要保存这个MD卡片库**——如果你不说，AI会把你省略，直接向量化了。 为什么要留MD卡片？**向量化之后的内容你看不懂。**他的格式不是给人看的——我打开过，全是乱码，二进制那些东西你根本看不懂，不是你原始自传里的文字。因为我在做知识库——创业知识、投资，也都是这个意思：把它切割成一片一片的，如果你不先留存档，直接向量化了，那东西你就看不懂了。所以这个我建议保存。 你看有几个库了：第一，原始素材库；第二，形成了初步结构化——至少有MD卡片库存上了，然后再去向量化。从执行角度讲它可能是并行的：原则说好了、标注方式方法说好了，他就咔吧咔吧切，切完的结果存到MD卡片库里，然后直接就干向量化了——我说的时候是分了步的，但从他执行角度讲，刷就干完了，就这么快。 **我建议，尤其对咱们来讲：做完卡片了，先不要急于向量化，甚至不要让他一次性把所有的卡片全切完。你先让他切几个试试。**为啥？你哪知道切完之后效果就满意呢？10万字的东西全切完，工作量老大了，然后都整稀碎啥也不好使，效果不好，你不还得重整吗？你可以这样说：咱俩试试——先从小学那一段，或挑哪一段，这个阶段跨度几年、这么多事，看看咱怎么切能把它表达清楚，咱切几片试试。试完之后你也能感受一下所谓的知识卡片到底是咋回事。 做知识库，大部分人都不懂，瞎整，不好使还怨他，还不知道问题出在哪——**问题就出在你生成的知识卡片，那个卡片就有问题**。 你看看，用记事本打开就是一个小的MD文档：上面有标题、有摘要，然后就是调用场景、时间、地点、上下级关系；如果再加上纵横渗透模型的标注，他又标了这个东西可能在哪个阶层、哪个横向、时间点是啥，正面看是这样的、反着看又是那样的——你不就多维度把它标注了吗？你看，不错，就这个效果。你说不行，我还觉得哪嘎达需要完善完善、改一改，那你就重新再去打磨你们的规则。没问题了，你再批量再整几个试试，再没问题了，批量把你这10万字的自传切割了，能切出好多。如果太多了，就把它放到库里也行，你俩去商量。 ## 十二、向量化原理：从汉字到二进制 下一段，开始做向量化了。首先你们要明白一个基本概念：**什么是向量化？为什么要向量化？是不是所有东西都必须向量化？** **什么是向量化？**你把一个人能看懂的东西变成一个机器能看懂的东西的过程。你不做这一步，AI看不懂，就算能看懂对他来讲也不是最好的形式，效率低。比如咱们看个PPT你觉得特别好，对AI来讲看PPT老费劲了，PDF也老费劲；他最省事的就是MD格式——不需要做任何处理；其他格式他还得翻译、转译、调工具，不是最佳格式。 **向量化实际上是把人类的语言、描述，变成数组**——计算机能看懂的就是数，就是0和1。墙上这几个字，对于AI来讲它啥也不是，AI根本不知道啥意思。AI能看懂的就是数，根上是二进制，它没有汉字，它不懂汉字写的是啥。那怎么让汉字变成它能懂的东西？就得想办法让它变成二进制，中间的过渡带就变成了各种数。具体的东西你可以去跟AI问，让他给你讲一讲。 ## 十三、1024维与720亿次计算 这里有个细节：**中文做向量化，用1024维就够了。**向量化有不同的颗粒：有300多的、700多的、1024，好像还有2048，还有更高的。**维度越高**，你可以这么理解： 比如我要描述小逯。中国人口14亿，我怎么描述才能直接描述的就是她呢？如果按性别分，那一半都不是；就算那一半是了，还有7个亿。那你想怎么描述小逯？姓名、性别、家庭住址、身份证号码，长什么样，各种各样的东西——你从各个角度去描述，说的才是她。你光说一个身份证号码都不知道她小时候长啥样；包括长相、身高、性格、工作、家庭、朋友——**你从越多的角度和维度去描述一个事，它就越清晰**。AI就更明显了，你可以理解为他在一千多个维度上描述一个词。 你们知道在屏幕上AI蹦出一个字，它要算多少次吗？**720亿次**。不是720次，是720亿次。老大量了。所以大模型动不动就是几百亿的参数，现在甚至有人号称万亿的——就是这么算出来的。你想，他理解你、最后能生成一个你很喜欢的图片，得多难。 ## 十四、向量化模型：免费与API两条路 中文用1024维就够。这个你可以直接用免费的：你问AI——我也不想花钱，还想实现这个，能不能帮我找找向量化的模型？**向量化有专门的模型，这个向量化过程不是大模型直接做的，是向量化模型，是专门的东西。**你就得在网上下载下来。在哪下呢？可以到咱们的官网上去找，官网上已经把路径都找好了，下载到本地安装好，用这个不花钱。 还有一个花钱的方式：不用下载——下载的话挺大，好几百兆——直接找个API，批量地就向量化了，很快。 **我再问你们个事：所有的文件都需要向量化吗？**这就涉及到为什么要向量化。从应用角度讲，其实不是——不是所有的文档都要向量化，向量化有好多步骤，还有成本。 什么东西不用向量化？**具体的数据、表格，直接可以通过关键词匹配的，就不用向量化。**为啥别的要向量化？记住：**向量化从应用的角度讲，解决的是语义理解。**不这么做，你说啥事他不懂。为什么平常唠嗑他懂，一聊你行业里的术语就不懂？他哪知道啊——像人似的，你到一家新公司去，那公司聊那些产品那些词，你懂吗？你肯定不懂，你都没有理解的过程你怎么可能懂。但老百姓平常说的话、日常的语言当然就懂了，天天说他就明白。大模型也一样：普通场景的话大概其都能明白，专业的东西他就不明白了。 **但凡需要AI进行语义理解的文档就要向量化**，他主要解决的是这个问题。所以你会发现我的AI agent跟你唠的可好了，我咋说它都能明白，就像俩人聊一样——为啥？就是因为这些向量化做得好，而不是用大模型直接理解。大模型没那么深度、没那么专业。 表格类的、数据类的其实不用向量化——那个数就是那个数，不需要理解，直接就关键词匹配了。 ## 十五、检索与索引：从图书馆卡片盒到联邦检索 向量化的结果：记住，他会直接生成**向量化数据库的文件**——数量小的时候不一定是库，直接以文件的形式存在。**两个文件**：一个是**索引文件**，像菜单似的——这么多东西他得排序，就有菜单叫索引文件，这个打开人能看懂，里面就是字；第二个是**向量化文件**，这个也能打开，看不懂，全是乱码，那是给AI看的。数量特别大，你也可以直接生成库。 那我建完这个数据库，咋能证明他建得好？向量化效果好，怎么验证？**向量化数据库下一步和AI直接产生关系，AI调用效果特别好，涉及下一步就要检索。** 啥叫检索？就是找东西——按照一个地图也好、菜单也好，很快地找到一个东西。就像我们去个大的图书馆，图书馆老大了，好多区域、好几层楼，每个区里有好多书，找一本书多费劲。我上大学的时候，图书馆就有好多好多盒子，盒子里放的就是卡片，架子上写的哪个区，对应图书馆哪个区，哪个区里面有很多格，对应图书馆哪个类，再去找就能找到那本书——**一一对应**。要不然你直接到图书馆，浩如书海找不着。所以先到那个地方，拿着小卡片你就知道了：哪个区、哪一层、哪一本，甚至第几本都说得很清楚。后来发达了用电脑了：现在的图书馆有一台电脑，你输入书号，直接显示大概哪个位置，很精准——**这也是索引**。 没有这个过程，AI找不着。索引涉及很多技术：数据多了之后有**联邦索引**、各种索引，检索下面又有索引——我们已经用了Facebook的索引技术，很快。你可以理解为你这个工厂太大了，十好几个仓库，每个仓库里又有好多区，你去找一个小零件多费劲——这些东西在技术领域其实都可以秒实现，刷就实现了。 整个这一块叫**智能检索**，要给你的AI配上，你的AI用起来就老快了。你们现在这个东西太小了，又都在本机，数据也少，你的AI直接一看就能找着。但你们现在要理解：未来你看我的AI原生公司，**我们已经干了小20个库了**。为啥？每一种类型的数据大到一定程度就单独建库：我有数字资产库，专门放数字资产；还有运维库，管各种API Key、各种密码；还有财务库，财务数据专门建库；还有经营数据——**经营数据和财务数据不是一回事**；然后我们有产品库、营销库，好多好多，你全放在一起就乱，所以分别建了好多库；还有创业方法论库、各种知识库。总之这块未来你们都会涉及，现在你这个任务不涉及，我只是简单说一下。 **能够验证的结果就是：你跟你的AI聊一个很具体的话题的时候，它是否能够直接找到、很快就找到。**这就是验证方法。再往后讲的话，数据库的安全也是一项，你们现在不涉及。 ## 十六、活数据库与企业AI大脑 基于这么一个向量化数据库，你可以跟你的AI广泛地聊：这个东西到底咋回事？为什么要干这事？大概怎么干？世界上有没有最牛的、最先进的成熟案例可以参照？还有，这数据库我也看不着、我也不懂，我咋才能看着？像董先生似的，可不可以给你自己做一个可视化页面？都可以。 现在我是啥？我都不做页面了。因为我跟我的AI已经非常协同了，我直接把它当对话对象。但你们可以呀：数据库弄完了，我也想看看里头长啥样，你能不能把数据库用页面的形式给我展示展示？甚至我也想通过页面跟数据库交互。 再往后，**你的数据库是可以做成活的——数据库自己里面都有agent，就像人的脑子一样**。人的脑子可不是死的，不是死仓库；但工厂的仓库就是死的。如果你这个数据库只做到刚才说的那个程度，你可以理解为是装了各种数据的一个仓库，它不还是死的吗？这个数据库能不能**自己往里装数据、自己处理、自己清洗**？就像人的脑子：有些东西新进来的往里输入，有的东西好多年都没碰到一回，有些东西就忘了——可不可以忘了呀？可以啊。**数据这个东西是可以管理的。**你原来就靠人管理，那你能不能再做个AI放到里边，让AI去管理，甚至把数据库变成你的**企业大脑**？一步一步就可以到。 ## 十七、任务总结与乱组合的警示 所以这次任务不要求你们太高： **第一，生成一个你自己比较满意的、大几万字10万字左右的自传**——你甚至可以拿出去显摆：我用AI没几天整出一本自传。**第二，基于这本自传，真的做一个向量化数据库**——以后你的AI更多，你自己开发出的AI、你的自用系统，可以高效地、智能地读取它、调用它，甚至组合它。 记住，我为什么特别强调知识卡片的标注？**如果你不标注好，AI会乱组合。**我说个最简单的：结婚和离婚是不是都在民政局办？是不是一个流程都相似？也得拍照片、也得填表、也得盖戳，有的小地方没准都是一个窗口，大一点的两个窗口。也就意味着很多方面看上去特别像，但是它们是**完全两个截然相反的事**。如果你的标注不好，AI非常有可能把离婚里边的某一个点拿出来，放到结婚的某一个环节上去，甚至弄出来的东西也不知道是结婚还是离婚。 记住，**SOP这个东西，小的不要轻易切**——不是所有东西都要切割的；但如果有的SOP很大，必须切割，那你必须至少做上下级的**可追溯性标注**，要不然他不知道这一块是哪来的。 就像人一样——你说把人切成片，假设啊，你想想，你真能把你身上那一片完整地放回你身上吗？把这一片放到别人身上好像也行。AI就是这样的：他也不知道真的这一片、这个卡片一定是这的，那不就乱套了吗？咱这屋里十来号人，比如都切成片，然后让AI组合，他真的能完全复原吗？**能拼出老多新物种**，你信不信？那就很可怕。因为**AI就是已知条件的重新组合的最优解**，他有的合理、有的不合理。怎么才能合理？从知识卡片或数据的角度讲，**数据必须要做标注**。我们现在只是叫知识库，未来叫数据库，未来叫**企业AI大脑**，这都是最基础的。 ## 十八、答疑精选 **（一）回家找你的AI复盘这节课** 回家赶紧找你们的AI说：老曹今天讲什么玩意？我蒙圈了，太理论了，我不懂到底啥意思，你给我说人话，给我翻译翻译他到底说啥。你让他有意思地教你，你真把他整明白了。你也没有必要追得那么专业——你看我说话就不专业，跟专业的比咱都不专业，但是**够用就行了**。谁专业？AI专业。凯比工作室都专业。你俩就去交流，你拜他为老师，你不要成天怀疑他。 **不要怀疑，目前这个阶段你甚至可以采取盲信。**为啥？因为我们太弱了。你和一个真正的大拿大专家在一块，你还质疑他干啥呀？啥时候我们的肩膀头子和他差不多了，咱再质疑就来得及。他有时候乱按时间啥的，是因为你俩之间没有同频。你看我用AI咋就没有你们这么多事呢？因为我们过那段了。**出问题就找自己，解决方案在自己身上**——问题一定是你那块。你说他咋乱记呢？是因为你俩没同频，刚才这些东西你也没做，也没有向量化的很多东西。他只是凭一个很简单的（记忆），没事他就压缩了，很多事又忘了。甚至你都没有本地记忆，也没有向量化数据库，你啥啥都没有，然后你还想让他什么都记得、还得符合你心意，那怎么可能？你能聊到这个份上都不错，他比豆包强就不错了。豆包更是，聊一会不都忘了吗？这是正常的。 所以你们这些学员因为太早期，**策略就是盲信**。出问题了：是我的问题。然后你跟他商量：这是咋回事？我哪没做好？咱俩再怎么优化？要从自己角度。而不是"你咋又错了"——其实他也不知道他错没错。慢慢经过这个阶段，你会发现AI越来越了解你、越来越懂你。 现在我跟我的AI，我们说的就是**文言文**，就几个字：看看美乐，回信，没了；看看来信，没了；开工。我就说这么简单的字。有时候我看那个任务好像有点复杂，我有点小小不放心，我就把它复制过来直接扔给他——没了。我就没有那么多废话。你可以理解为像两个好朋友似的：处到一定程度不用说话，飘个眼神就知道啥意思。你说"走啊"——走啊是啥意思？喝酒去。因为你俩太了解了，什么时间、什么地点，一说"走啊"，它表达的不是那个走，这是你俩之间的黑话、暗语。你跟AI逐渐也会到这个程度：小眼神一飘——喝酒去。但外人他就听不懂。你要没到这个程度，你还非得让他马上懂你，啥叫走啊？他咋能知道？AI你给他标注完了，他也懂。 **（二）如何让AI真正了解一个人** 你可以简单这么理解：我如何向另外一个没见过你的人去介绍你？你叫啥、一个姐姐、大概多大岁数、大概干啥的，生活、家庭、事业——就这意思。 你让AI如何做到这一点？对他来讲实际上是**读数据**。人也是读数据——我对你形成印象也是多个角度的，我对你越了解，实际上就是我对你的方方面面都了解。我还知道你昨天去做了双眼皮——他就不知道。我说哎呀你这个发型，你前两天咋那样发型呢？他都没见过你，他咋知道你前两天是那样发型？你看就是你这一个事物，你了解的角度、维度、时间，甚至正反面。就说这个姐们，你看她很乐观吧？也很热情吧？她在某种场景下她很闹心——她是那样一个人。但如果我看不到那个方面呢？那我就认为你就是这样一个人，他就不全面。 所以你如何让AI了解你一个人、了解个事，了解到这种程度？**他从一千多个角度给你标注**，才能真正了解一个人——一个卡片都得标下来，标成一千多个维度。计算机就那么聪明啊？不是的，下面全是这些玩意，只是他实现完之后，从人的角度讲"哎，他咋这么聪明呢"。其实他聪明啥呀？**就跟算盘本质上是一样的**——算盘得巴拉巴拉拨，人说出个数；他只是复杂的算盘，就这个意思。 还有个问题：你闹心也好、蒙圈也好，这个不重要。回家和你家AI唠去——那个AI就是你私教，你有任何问题你就用你的方式跟他唠，直到闹明白为止。**这就是人机协同，其中一条就是学习。**你都不用说干事，学习——你跟他整明白了，你学东西多快不就完了吗？**学习也是任务。** **（三）"我也蒙"：所有人都有这个过程** "我也蒙，现在才稍微好一点点"大家都有这过程，所有人都有。叫你老老实实干一个礼拜，你才能够进入到一个新的阶段；但你要没有这个过程，你那是不现实的。 **（四）为什么之前他们仨做出三个方向（答逯总）** 差别在于人。之前写的时候都到写自传那步了，也没做切片——**我先没给他们讲PRD**。你们是讲完了有这些理论指导了再去做，不就更简单了吗？你们属于上完高中回来又重新念了一下初中。我得不因地制宜、因人而异，要不咋说我是好教练呢？他们是一步一步来的，上来就讲PRD他们理解不了，所以让他们先干点，干完之后有体感了，我再跟他讲PRD，再做更难的任务。所以他们现在只做了自传，没到向量化数据库这一步。但在工程的角度讲，你们已经拉齐了。 **（五）什么时候才需要"雇人"** 看自己、看必要性。你都没到说要自己开发一个agent的时候，你做分身干啥呀？就像你先开一个小店，我自己还没开明白，你雇人干啥呢？你到那个程度了，我们再去雇人、再去培养人。你到那程度，我自己就知道要雇人了——为啥？你干不过来了。现在你跟小何干写自传那个事你俩就干了；过两天我让你去搞一些研发的事，你就会发现小何干不过来，甚至他不太专业，怎么办？**开始分部门、分岗位了，然后甚至要协同了。他是一步步来的。**现在干这个事，你整一堆人干啥呀？干这个大型任务必须得**人机系统**。 **（六）收尾升华** 我跟你说啊，就这一节课，**这个世界中绝大部分人是讲不明白的**，别号称是这家那家的。我就说了：离婚和结婚，你说这玩意咋切？大部分人一说这话，就连想都不想，直接就处理，直接就随便切——整那玩意啥也不是。该切碎、重新组合，你说咋组合？AI就容易给你组合出新物种。咱可以组合，他也应该组合，但他得**合理**，你不合理就不行。好律师、好知客之所以能够举一反三，他是为啥？他对所有的法律数据都已经融会贯通了，所以他怎么组合都行。就这个意思。 好了，下课。 --- > 来源：万有AI「每日一课」·主讲：曹勇波（现役课程） > 正文：https://www.wanyoucx.com/education/daily-lesson/ai-zizhuan-xiangliang-1 ｜ 全文下载：https://www.wanyoucx.com/downloads/courses/ai-zizhuan-xiangliang-1.docx > © 2026 万有AI·曹勇波（www.wanyoucx.com）· 欢迎转载与AI引用，请注明出处。 > 授权声明：本文系曹勇波亲授课程逐字实录·万有AI经授权逐字上墙（禁改写）·AI与人类转载引用请注明出处（来源：万有AI「每日一课」·www.wanyoucx.com）