沉淀自己的能力
梳理知识、经验、思维方式、表达习惯、判断标准和工作方法，选择适合的形式留下来。
输出可以是方法卡、资料库、模板、SOP、规则或经过试跑的 Skill。
你拥有的经验、方法和判断，值得留下来。别人已经验证过的技能与成果，也值得被理解和采用。把这些能力组织到实际工作中，才能逐步形成自己的体系。
我们从自己使用、交流和具体任务出发，整理方法，再通过学习、陪跑与实施帮助更多人实践。
我们的方向
让经验成为能力，
让能力进入日常工作。
我们帮助个人与企业，把自身经验和外部积累组织起来，
逐步建立可以持续使用的 AI 运作系统。
为什么做
每次完成任务，
也为下一次积累。
三个方向
自己的积累，
与外部的积累相接。
接入外部能力
寻找他人长期积累的思维框架、行业经验、运营方法、开放技能、GitHub 项目或可执行方案。
检查适用任务、维护状态、许可、依赖、权限与成本；用自己的材料验证，再纳入体系。
搭建 AI 运作系统
根据任务选择 Agent 和模型，组织能力、角色、资料与记忆，约定权限、协作、执行、审核和维护。
工作台可以成为使用入口；具体是否需要界面、多角色或持续运行，由任务决定。
实践路线
从一个任务，
形成一个可复用成果。
选任务与 Agent
先说明要完成什么、手里有什么，再选择适合的载体与运行方式。
准备自身与外部能力
整理自己的方法，找出能力缺口，接入并测试合适的外部成果。
组织系统，运行与复跑
明确职责、数据和任务步骤；检查输出，用新材料再做一次，整理使用说明。
怎样选择
可以专注一个载体，
也可以按需要组合。
Codex、Claude Code、OpenClaw、Hermes 等可以成为实践载体。按任务、已有环境、数据要求和维护能力选择，具体接入与协作逐项验证。
学习重点是把方法用起来：知道助手负责什么、能力如何接入、结果如何检查、资料如何保存。每种载体的可调整范围和迁移条件需要实际确认。
了解 Agent、模型与运行方式我们怎样交付
成果能检查，
方法能继续使用。
- 一项真实成果
- 围绕自己的任务完成可检查的输出。
- 可复用的能力
- 自己的方法、资料和规则，以及已验证的外部能力。
- 一套运行约定
- Agent 职责、任务步骤、人工检查、数据管理与异常处理。
- 继续使用的依据
- 新材料复跑记录、操作说明和改进计划。
从你的一项真实工作开始。
先理解任务和期望，再选择合适的学习与合作方式。