本文系统梳理了作者在日常工作中应用AI工具的心得，核心遵循「重器轻用」的原则，即让每个工具在其最擅长的领域发挥作用。

Q1：核心AI工具箱与任务分工

• 深度调研：ChatGPT Pro（作为首席研究员，利用Deep Research功能进行复杂逻辑推理和报告撰写，5-30分钟产出翔实报告）；Perplexity Pro（学术文献检索与联网深度反思搜索）；Kimi Researcher（生成细粒度引用标注的行业分析报告）。作者也开源了定制的深度调研Skill。
• 文本创作与润色：Claude Sonnet 4.5（长文主笔，处理2000字以上文稿，保持风格一致性）；GPT-4o with Canvas（交互式修改语音转写稿）；Dessix和Youmind（集成多种顶级模型和Agent工作方式的写作辅助）。
• 编程与自动化：过去使用Windsurf（实现「思考—行动」循环的自动化开发）和Cursor（Chat with codebase）；目前倾向于全面转向Claude Code，通过麦克风指令直接驱动代码生成。
• 多媒体与知识摄取：Readwise Reader/Youmind（通用收件箱，用于深度摘要）；Get 笔记（采集灵感，自动润色、提炼标题）；Recut（视频初剪助理，切除冗余停顿）；Napkin.ai/Nano Banana Pro（视觉设计）；ChatTTS/ListenHub（语音合成与克隆）。

Q2：AI工具间的职责划分与协同管理

作者采用分层管理方法，确立人机协作权责边界，即「红绿灯原则」：

1. 红灯区（人类主导）：目标设定、价值判断和意义赋予。
2. 绿灯区（AI主导）：代码实现、重复性数据分析、格式转换等执行层工作。
3. 黄灯区（协同）：持续互动、不断校准（人在环中）。

此外，实施了多智能体协同架构（如7代理内容创作框架），通过STATUS.yaml状态机确保严格的交接协议，防止单一模型累积错误。通过模型间的「同行评议」（Peer Review）互相审阅来过滤问题。在写作瓶颈时，AI充当「认知分析师」，帮助分析逻辑瑕疵和价值观偏差，实现「AI辅助人类升级认知」。

Q3：效率提升的具体环节

• 文献回顾：系统性综述时间从数月压缩至11至15分钟（使用Deep Research或Kimi Researcher）。
• 内容创作：工作流从「码字」转变为「拼图」，通过语音输入、自动整理、模型提炼、人工审定，效率提升数倍。
• 软件开发：原型系统功能可以在10分钟内完成，实现「指挥施工」式的编程。
• 多语种发布：利用高级模型（如Claude 4.5 Opus）结合Skill，实现高质量的直接翻译。

Q4：知识资产管理与“知识资产负债化”

知识管理系统采用「入口—出口—资产管理—隔离区」四层结构：

1. 入口（混沌存储）：Get 笔记，采集所有灵感和录音。
2. 出口（稳定归档）：Obsidian（Markdown格式，确保长期可读性）。
3. 资产管理：DEVONthink（存放大型附件和项目佐证材料）。
4. 隔离区：Day One（高敏信息，严禁AI接入）。

AI通过**对话式检索（RAG增强）**赋能，如Cursor/Obsidian Copilot插件或NotebookLM，可实现跨文档语义检索和精准引用。作者强调「知识资产负债化」：大规模信息囤积是负债，因为AI可随时调用全球信息，知识库应定位为「画室」（Studio），重点在于利用AI提供的预制件进行创造和赋予意义，最终产出才是知识资产。