AI 工作操作系统
从聊天到工作流
—— 不是换一个更好的AI工具,是换一套AI协作方式
$ cat status.md
大多数人用AI的方式:打开一个聊天窗口 → 输入问题 → 得到回答 → 关了。
这不是"用AI",这是在AI玩具店里闲逛。
"如果你不装,我也不知道你接下来该怎么跟别人竞争。"
—— 一舟,2026年8月周课
—— 一舟,2026年8月周课
一舟的方案是把AI从聊天工具升级为工作操作系统——三层路径,每一层解决一个核心问题。
$ tree /os
▌ 三层路径
LAYER 1 · 新手层
WorkBody:装上就能用
下载WorkBody → 拖入Skill包 → 5分钟出活。
核心价值:零门槛建立AI工作流。
适合:从没用过Agent的人。
达到效果:AI替你执行完整任务而非单次问答。
核心价值:零门槛建立AI工作流。
适合:从没用过Agent的人。
达到效果:AI替你执行完整任务而非单次问答。
LAYER 2 · 进阶层
多模型协作:让AI自己选最优解
同题同时丢给多个模型 → 隐藏模型名人工排序 → 固定组合。
核心价值:不再依赖单一模型。
适合:已经开始用AI但想进阶的人。
达到效果:每个任务自动走最优模型路径。
核心价值:不再依赖单一模型。
适合:已经开始用AI但想进阶的人。
达到效果:每个任务自动走最优模型路径。
LAYER 3 · 高阶
CodeX + 知识宫殿:AI理解你是谁
95MB Markdown喂给AI → 个人认知演化史 → 专属Agent。
核心价值:把你自己变成AI可调用的资产。
适合:知识工作者、创作者、咨询师。
达到效果:AI用你的思维方式替你思考。
核心价值:把你自己变成AI可调用的资产。
适合:知识工作者、创作者、咨询师。
达到效果:AI用你的思维方式替你思考。
基础设施
多模型盲测法
同题多模型 → 隐藏模型名 → 人工排序 → 模型互评 → 反向优化 → 固定组合。
核心价值:给AI做"盲品",用结果说话。
适合:所有三层用户的基础工具。
核心价值:给AI做"盲品",用结果说话。
适合:所有三层用户的基础工具。
$ cat layer-1-workbody.md
▌ Layer 1: WorkBody — 打开Agent大门的钥匙
workbody://install.sh
$ workbody install skill-pack.zip
✓ 自动解压 → 审计 → 安装
✓ 63个Skill即装即用
✓ 5分钟生成4100字原创长文
_ WorkBody is ready. Type 'workbody start' to begin.
WorkBody是一舟推荐的新手友好型AI Agent框架。不是另一个聊天UI,而是一个任务执行引擎。
- 拖入Skill包自动解压安装,零配置
- 每个Skill包含:提示词模板 + 结构框架 + 质量标准 + 案例库
- 一套提示词 = 一份工作说明 = 一个微型AI员工
- 从「写一篇小红书文案」到「生成完整竞品分析报告」,一个命令出活
$ cat layer-2-multi-model.md
▌ Layer 2: 多模型协作 — 别让一个模型绑架你的判断
单一模型的致命问题:你看不到它的盲区。
ChatGPT擅长什么?Gemini擅长什么?Claude擅长什么?——大多数人说不上来,因为他们只认一个。
multi-model://blind_test.py
# 多模型盲测法
Step 1: 同一问题 → Claude + Gemini + GPT + DeepSeek
Step 2: 隐藏模型名 → 只看文本 → 人工排序
Step 3: 让模型互评 → 找各自的盲区
Step 4: 反向优化 Prompt
Step 5: 固定最优模型组合
一舟的实践结论:每次任务类型不同,最优模型也不同。创意类→Claude,逻辑类→GPT,中文→DeepSeek,多模态→Gemini。建立自己的模型组合表,这就是你的AI工作流核心。
$ cat layer-3-codex-palace.md
▌ Layer 3: CodeX + 知识宫殿 — 终极形态
如果把前面两层比作请了AI员工,这一层就是让AI成为你自己。
CodeX / CodeBuddy
AI编程协作终端
不是代码补全,是让AI直接改你的代码库。理解整个项目上下文,一个指令完成复杂重构。国产CodeBuddy在中文场景不输Claude Code。
知识宫殿
把你的大脑喂给AI
95MB纯文本Markdown → 你的全部认知记录 → AI用你的思维方式替你分析问题。历史源流比结论重要100倍。
🍂 🍂 🍂
▌ Action Plan: 你今天就可以做的3件事
- 安装 WorkBody → 拖入一个Skill → 5分钟感受什么叫"AI替你干活"
- 做一次多模型盲测 → 同一问题丢给3个模型 → 你会惊讶盲目信任单一模型有多危险
- 开始记录你的知识 → 哪怕先写1万字Markdown → 这是你未来AI员工看懂你的基础