个人 AI 助理，
做过的人怎么搭
教程讲流程，经验讲踩坑，问答讲新手最常卡的地方。标「免费阅读」的文章所有人可看全文。
助理出问题先分层：说清楚、给对料、配对手、装刹车
助理做错事，最常见的反应是去改提示词，但病因往往不在那一层。把问题分成四层：任务说没说清（提示词）、给的资料对不对（上下文）、有没有真的工具和权限（装置）、自动运行有没有刹车（循环）。先定位层，再对症修，改了三次提示词还没好，就该往外一层查。
给助理写岗位说明：身份、准则、偏好、记忆四块，像写入职手册而不是提示词
一句"你是资深专家"撑不起一个稳定干活的助理。更好的写法是把它当新同事，写一份入职说明，分四块：身份（它是谁、服务谁、负责哪一段）；行为准则（怎么表达、输出什么格式、哪些不能做、哪些必须先问人）；用户偏好（你喜欢先看结论还是过程、汇报多长、什么口吻）；记忆（受众是谁、踩过哪些坑、近期不要重复什么）。先写到六十分就上岗，跑起来发现返工点再补。
带助理做三遍：从每步盯着，到只看结果，再交给它定时跑
把一件事交给 AI 助理，不要一上来就设成定时自动执行。先选一个你做得最多、最烦、最重复的任务（不是最复杂的），手把手带它做三遍：第一遍每步盯着纠错，第二遍只看关键节点，第三遍只看最终结果。把过程中确认的做法和验收标准写进技能文件，下次自动加载。连续几次验证通过，再设成定时任务。
助理越多越要体检：授权、权限、配置和工具变化的定期检查清单
助理数量少的时候，出了问题你很快能发现；数量多了以后，授权过期、权限过大、工具升级导致流程变化，都可能悄悄发生。助理多了，不能只建"干活的助理"，还要有人（或另一个助理）专门负责维护和审查。可以定一份体检清单：每周查授权和运行状态，每月查权限和配置，工具升级后重测关键流程，新助理上线前先过一遍审查。
资料不是越多越好：上下文塞满了，助理反而变笨
把所有资料、所有历史对话都塞给助理，并不会让它更聪明。上下文是有限的工作内存，信息越多，关键规则越容易被淹没在中间。做法是做减法：按任务精准取资料、清掉过期内容、长任务拆小、关键规则放开头或结尾，例子少而精。
多助理协作的五段流程：入口、分流、专岗、人工确认、回传
助理多了以后，最常见的混乱是任务不知道该给谁、结果不知道去了哪里。一条能跑的协作流程可以分五段：任务入口（从哪个群、表格、文档进来）；分流（判断这件事属于哪类，还是需要人来定）；专岗处理（交给最适合的助理，而不是全丢给一个）；人工确认（发布、承诺、价格、客户关系、品牌风险必须有人在场）；结果回传（处理完回到原来的地方，让后续环节接得上）。每一段都写清楚，助理越多越顺。
助理卡住了，先温和重启，别一键清空
长时间运行的助理，常见的卡住原因是上下文快满了却没有及时压缩，任务做到一半停在那里。预防的办法是提前压缩：在上下文还没满的时候就整理和精简记忆，而不是等到最后一刻。真的卡住了，优先用保留记忆的重启方式，而不是把所有记忆清空重来；清空会让它丢掉之前积累的状态，往往要花更多时间恢复。
规则文件只写"做什么"会翻车，还要写"怎么想"
给助理写规则时，很多人只列职责：负责写稿、负责整理资料。结果它做出来的东西方向对、质量飘。更有效的是加一段"工作方法"：拿到任务先确认什么、按什么标准取舍、什么情况下停下来问你、做完怎么自查。规则之间不能互相矛盾，关键规则写在每次都会读取的主文件里。
新开一个对话再跑一遍：验证能力是不是真的"学会了"
在同一个对话里调教助理，它看起来已经学会了，但很多"学会"其实是靠当前对话里的上下文撑着。换一个新对话，它可能又回到原样。所以把一个能力沉淀成规则、技能和检查器之后，一定要新开一个对话，只给它一个新任务，看它能不能完整做对。能做对，才说明这个能力从"对话里的能力"变成了"项目里的能力"。
把汇报格式写死：字段、长度、不确定标注，和"今天没有"的权利
助理每次输出的样子都不一样，你就得每次重新读、重新判断。把汇报格式写死能省掉大量精力：固定包含哪些字段（比如候选项、打分、推荐理由、来源）；限定长度；信息不能确认时标"待核实"；没有合格结果时明确写"今天没有"，不要硬凑。最后一条最容易被忽略，却最能防止助理为了交差而编造内容。
给助理建一份绩效档案：成本、耗时、出错率，决定放大还是撤岗
助理多了以后，要像管团队一样做盘点：每个助理花了多少钱、做一次要多久、调用了多少次工具、出错率多高、产出被你直接采用的比例多少。把这些记成一份简单的绩效档案，定期看一次，就能判断哪个岗位值得放大、哪个要回炉重写规则、哪个干脆撤掉。不记录的话，你只能凭感觉，往往会让一个又贵又不稳定的助理一直跑下去。
助理要不要接进飞书、微信这类聊天软件？
接进你每天在用的聊天软件，最大的好处是随手能派活、结果能直接推送到你眼前，助理更像"在岗"的同事。但要注意几点：只用官方或工具提供的正规接入方式；不同软件对一个账号能连几个助理有限制，按平台规则来；给助理的操作权限从最小开始，涉及对外发消息、改文档的操作先确认；接入后要定期检查授权状态。如果只是偶尔用一用，直接在助理的工作台里对话也完全够用。
助理说"已完成"，能直接信吗？
不能直接信。模型容易高估自己，说完成不等于真的完成。给每类任务定一个客观的验收标准，能用检查代替判断的就用检查，关键产物保留人工抽查。
助理该用什么模型？日常小事和复杂任务分开配
不需要所有任务都用最强最贵的模型。日常整理、简单问答、小页面这类任务，用性价比高的模型就够；写复杂程序、做多步骤推理、需要高质量长文的任务，再换更强的模型。工具自带的免费额度一般只适合调试，持续使用建议接入自己的模型账号并设消费上限。选模型时先用同一个真实任务对比几个候选，看结果再定。
需要让助理 24 小时自己跑吗？
多数人不需要。先问一句：关掉电脑后它还需要继续干活吗？只是问答写作，配好资料和规则就够；需要读写文件、调用工具，再加工具和权限；只有确实要定时、无人值守地运行，才需要搭自动循环，并且先装好刹车。
助理刚开始做得很好，用了几周质量反而下降了，怎么回事？
最常见的原因是"记忆有保质期"：重要的方法只存在于聊天记录里，随着对话越来越长，被其他话题、计划、闲聊挤占，它就慢慢忘了或用得越来越泛。解决办法是把重要的方法写进技能或规则文件，每次开始时重新读取；不同类型的事分开在不同的对话或助理里；定期新开对话验证关键能力。
助理偶尔做得特别好，但结果不稳定，怎么让它每次都差不多？
"它不是不会，而是偶尔特别会"，说明能力在，但过程没有固定下来。要让结果稳定，就要把那次做得好的过程拆开：它当时读了什么资料、按什么顺序做、用了什么标准。把这些写进技能文件，把检查标准写成检查器，再用同样的输入反复跑几次，看结果是否在可接受范围内。做得好的产物也要存下来，作为下次的参考样例。
自动任务的结果要送到你会看的地方：每个助理配一个汇报位
很多定时任务失败，不是失败在生成内容，而是失败在生成以后没人看。结果躺在某个对话框或文件夹里，几天后才发现早就出错了。每个助理都应该有一个固定的汇报位置：选题助理汇报到内容群，反馈助理汇报到产品群，监控助理汇报到值班群。汇报位要满足三点：你每天真的会看；按岗位分开不混在一起；出错和"今天没有结果"也要汇报。第一次设定时任务，从一个小而具体的任务开始。
脚本管确定性，AI 管语义，检查器管底线：一个任务里怎么分工
搭助理时常见的错误，是用脚本去做需要理解语义的判断，比如靠某句固定的话来识别"这里开始讲产品了"，换个说法就失效。正确的分工是：机械、确定的步骤交给脚本（文件转换、格式整理、数据搬运）；需要理解意思的判断交给 AI；最终结果用检查器兜底（格式、必填项、数量、明显错误）。三者各管一段，任务才既稳定又灵活。
助理不止一个时：只留一个入口，信息才串得起来
随着用途变多，很多人会给不同工作各配一个助理，然后在各个窗口之间来回切换，信息散落、风格不一。更好用的结构是：你只和一个主助理对话，由它分派任务、汇总结果、统一表达；各专项助理用独立工作区，避免互相干扰，公共规范放在共享位置。
从一个助理长成一支小团队：先拆岗位，还是先做深一个环节
一上来就想搭"全自动公司"，落地时通常会卡死。更稳的路线是先让一个助理跑出完整闭环，再长出第二个。长法有两种：岗位拆分——先让一个助理把整条流程包下来，跑顺后按环节拆成几个专岗，适合流程复杂、想快速试错的场景；岗位协同——先把一个关键环节做深做准，其余环节人来接，稳定后再给下一个环节配助理，适合对某一环质量要求高的长期业务。判断要不要拆，看任务是否跨过三个以上需要不同判断的步骤。
自动跑的任务，一定要装三道刹车
让助理定时、自动、接力地干活之后，最贵的坑是停不下来：反复重试、原地打转、额度在后台被烧光。三道刹车缺一不可：最大轮次上限、没有进展就停、花费上限；判断"有没有进展"要看状态是否改变，而不是数做了几步。
多个助理协作要"标版本号"：收到新方案，先停旧任务
当一个助理负责出方案、另一个负责执行时，最容易出的问题是：方案更新了，执行的那个还在用旧版本的部分内容，拼出一个前后矛盾的结果。解决办法是给协作加上版本控制：每份方案都标版本号和时间；执行方开始前确认用的是最新版本；收到新版本时，先停下正在进行的旧任务，再按新版本重新开始。
定时任务一断全断：给助理配一个"巡检"
多个自动任务串在一起后，一个环节卡住，后面的日报、复盘、提醒会全部落空，而你往往第二天才发现。做法是加一个专门的巡检：定时检查每个任务有没有按时运行、有没有超时，异常就重试或通知你；同时把文件存放、命名、交接方式写成共享规范。
为什么要在自己的电脑上搭一个 AI 助理
大厂的个人助理会越来越好用，但它们只看得到你交给它的那几样东西，攒下的记忆存在别人的服务器上，还要同时替平台的生意干活。装在自己电脑上、自己说了算的助理，接得全、攒得下、守得住、只替你一个人干活。
反馈回流：让助理越用越懂你
第一版助理不可能完美。真正让它越来越好用的，是把两类反馈收回来：你自己的人工修改，和现实世界的数据结果。每次结果不好，先判断问题出在哪一层——任务定义、知识库、技能还是交互——只改那一层。
第一个场景怎么选：高频、有产物、有反馈、你擅长
很多人搭助理，今天装插件明天下技能包，电脑里东西越来越多却没有一个真正在干活。第一步应该是从自己的业务里找一个真实任务：足够高频、有明确的产出物、能拿到真实反馈、而且是你自己擅长能判断好坏的事。
聊天式 AI 的四个短板，个人助理要补的就是这些
对话式 AI 做一次性任务已经很好用，但有四个短板：信息散在各处要你来中转、每次都要重新交代背景、不会主动来找你、交出去的事还得自己盯。个人 AI 助理的价值，就是把这四块补上。
第一版知识库怎么搭：任务特征、标准、素材、工作区
知识库不是把硬盘里的资料全塞进去，而是从任务倒推 AI 需要知道什么。第一版只要四个文件夹：独属于你的任务特征、什么算好的标准与正反例、能帮上忙的素材、记录每次从初稿到成品的工作区。目标是让 AI 找得到、找得准、用得对。
搭个人 AI 助理，需要什么设备，成本怎么估？
起步可以先用手边闲置的电脑跑起来，解决合盖休眠、自动重启这些问题；确定要长期跑再考虑一台常开的高配设备。成本主要是设备和模型调用费，后者按用量浮动，先小规模用一段时间，看实际账单再决定。
先写规矩：哪些事助理自己做，哪些必须先问你
助理能碰到的东西越多，出事时影响越大。搭之前先把边界写下来：发消息、动钱、删东西、对外发布一律先问人；来路不明的技能包不装；不用模拟按键或脚本操控聊天软件；能写成固定脚本的环节不交给 AI 临场判断。
帮别人搭助理：装机只是入口，带着客户一起搭
很多人想要个人 AI 助理但不会自己装，这中间有服务机会。单纯装机很快会被压价，真正的价值在后面：从客户最烦的一件事开始，把助理装在他自己的电脑上，带着他一起搭，边界提前写清楚。
技能（Skill）就是给 AI 的操作手册：怎么做、用什么、怎样算好
AI 偶尔做得很好、但结果不稳定，往往是因为没有把做法拆细。技能就是给 AI 看的操作手册，每一步都要说清楚怎么做、用什么、做到什么程度算好。获得技能的路径：先找现成的，再用自己的真实任务反复跑、改到适配，最后固化下来。
两种交互方式：你主动打开的工作台，和自己干活的 AI 员工
如果每次还要打开对话框、告诉 AI"开始""继续""发给我"，你只是把人工劳动换成了指挥 AI 的劳动。把知识库和技能封装成两种形态：像 App 一样点按钮使用的工作台，和到点自己干活、把结果发到你常用聊天工具里的 AI 员工。