我想让AI在该提醒我的时候提醒我。
听起来很简单。但——什么是该被提醒的时候？
处理素材、做笔记、整理证据、收集案例，做着做着就忘了回头看。
事后觉得”当时要是停下来整理一下就好了”。那么就加一条规则：到了某个节点，主动问我要不要停下来整理。
但”某个节点”是什么？
这是一个让人不舒服的发现：我对自己的工作节奏，并没有清晰的认知。
我知道自己”容易忘记回头看”。但什么程度该停？没认真想过。
这件事以前可以模糊着，凭感觉、凭心情，凭”突然觉得累了”。
但当我要把它写成一条规则给AI执行的时候，模糊就不行了。
规则要求精确，精确要求你先测量。
于是我做了一件从来没做过的事——回头看自己过去几个月的工作记录，想想每次”回头整理”效果最好的时候，是什么场景。
比如，阅读到什么时候该回头整理。答案是形成十篇读书笔记左右。
五篇太少，素材之间还没有形成足够关联，整理出来的东西是散的。二十篇太多，前面的内容已经凉了，整理变成了补课。十篇，刚好够形成几个主题簇，又没多到记忆开始模糊。
我把这个数字写进了规则。一句很短的话：”当读书笔记累积到10篇时，询问用户是否需要做阶段性整理。”
一分钟写完。但这一分钟，花了很久逼出来。
[图片]
我盯着这句话看了，不是被AI感动了。
是意识到——写出这条规则的过程，比这条规则本身重要得多。
为了写出它，我必须先承认一个事实：我不知道自己什么时候该停。
然后我去测量，再把测量结果变成一个可执行的数字。
AI没有考我任何技术问题。
它考的是：你到底有多了解自己的工作方式？
这件事让我开始认真想一个问题：AI的主动性，到底该怎么设计？
大部分人对AI的期待很简单——我说，你做。遥控器模式。
稍微进阶一点：希望AI更”聪明”一些，能主动帮我做事。
但”主动”这个词一旦落到实操里，你会发现它根本不是一个开关。
它是一个光谱。
把AI的主动性分成四个层级：
第一层，观察。 它在后台默默记录，不开口。比如统计你今天处理了多少份材料，跟踪一个案件的证据数量变化。你不问它就不说。
第二层，提示。 它在某个节点问你一句，等你决定。”要不要整理？””要不要更新目录？”决定权完全在你手上，它只是替你盯了一个你可能会忽略的节点。
第三层，建议。 它不只是提醒你该做某事，它还给你方案选择。”按时间线整理还是按争议焦点整理？”它已经开始影响你的选择框架了。
第四层，预警。 它主动拦截。”这份证据和前面第三份材料的日期矛盾，建议先核实再归档。”它实质上在替你做筛选。
“要不要整理”，是第二层。
这四层不是越高越好。每一层往上走，交出去的判断权就多一分。
这是真正值得想清楚的事。
大多数人讨论AI，讨论的是能力——它能做什么，不能做什么，哪个模型更强。
但当你真正开始用AI搭自己的工作系统，你会发现核心问题不是能力。是权限：
你愿意让它在多大范围内替你判断？
我给它定了三条线：
积累型任务给提示权。 读书笔记、证据收集、素材整理——这些任务的特点是”做着做着容易忘记回头看”。AI在旁边盯着，到了节点提醒一声，足够了。
质量把控型任务给建议权。 比如证据材料互相矛盾、合同条款有逻辑漏洞，这种事我需要AI不只是提醒我”有问题”，还要告诉我”问题可能在哪”。因为这类任务一旦出错成本很高，多一层辅助判断是值得的。
创造型任务不给主动权。 写文章、做策略分析、构思方案——这些需要沉浸的工作，AI的任何主动打断都是干扰。我在这类任务的规则里明确写了：不主动提问，不主动建议，除非我要求。
这三条线画完，我发现它背后有一个更底层的逻辑：
对一件事越熟练，AI的主动权应该越低。对一件事越容易疏忽，AI的主动权应该越高。
主动权的分配，其实是对自己的能力边界做了一次诚实的评估。
还有一层，比”设什么触发条件”更细的东西：触发的时机。
同样一句”要不要整理”，在你正沉浸地做第七篇笔记中间突然弹出来，是打断。在你刚做完第十篇、自然呼了一口气的时候弹出来，是贴心。
内容一样，体验天壤之别。
所以好的触发不只是”满足条件就触发”，而是”满足条件 + 处于合适的间隙”才触发。
“间隙”是什么？是完成了一个完整单元、还没开始下一个单元的那个缝隙。
要让AI识别这个间隙，我得先知道——我的工作到底是以什么为单位的。
读书笔记是以”篇”为单位。证据整理是以”份”为单位。文章写作是以”稿”为单位。
想不清楚单位，就设不准时机。设不准时机，再好的触发规则也只会让人觉得被打扰。
一个规律：
每设计一条AI的触发规则，我都得先回答一个关于自己的问题。
什么时候该停？——我得测量过自己的工作节奏。
给它多少判断权？——我得评估过自己的能力边界。
什么时机触发？——我得想清楚自己工作的最小完整单元。
AI系统的质量，是自我认知的倒影。
你对自己的工作理解得越透，AI能接住的就越多。你对自己的工作越模糊，AI越只能当个遥控器。
所以当有人问我”怎么让AI更好用”的时候，我现在的回答是：别急着去研究AI。先研究你自己。
你知道自己做某件事做到什么时候该停吗？你知道自己在哪些环节最容易疏忽吗？你知道自己的工作是以什么为最小单元的吗？
这些问题你答得越清楚，你给AI写的规则就越精准。
回到那个提问。
“今天的读书笔记已经十篇了，要不要做个中途整理？”
这句话背后不是一个聪明的AI。
是搞清楚自己工作节奏的我自己，把我把一点自我认知移进了系统里。然后系统在某个恰好的间隙，替我问了一句我本来就该问自己的话。
这就是”养”一个AI系统的真实体感：
我不是在训练AI。我是在借AI的手，把自己看得更清楚。
懂工具的人，先人一步——不是因为工具比别人强，是因为你借工具看清了自己。