# 把智库建设成人与 AI 共同工作的知识基础

我重新思考了个人官网如何连接思维、方法、模型、方案、工具与培训，把科研积累整理成人与 AI 可以共同使用的资源。以脑力、算力和 Skill 连接知识、执行与反馈，并探索区块链金融工具与治理制度如何承接共同投入和长期合作。

- 作者: Andrew David W.Y.
- 原文: <https://yutengfei.com/zh/blog/think-tank-human-ai-knowledge/>
- 正文语种: zh
- 发布: 2026-11-03T14:08:16+07:00
- 修订: 2026-11-03T14:08:16+07:00
- 版本: V1.0

最近，我重新思考了自己的官网 yutengfei.com。

随着研究、写作和实践不断积累，网站里已经有了智库、论文、图书、动态、服务、解决方案和 Skill 等内容。我希望这些内容之间形成更清楚的联系，让一次思考能够进入下一次工作，让一项成果能够成为继续研究和创造的起点。

这次思考让我逐渐明确了一个方向：**我的智库，既要让人能够理解和使用，也要让 AI 能够准确读取、引用，并在适当条件下用于执行。**

沿着这个方向，个人官网就有了新的建设目标：把我的科研积累，逐步组织成人与 AI 共同工作的知识基础。

<a id="story-section-1"></a>
## 一、智库有了两类使用者

过去整理一篇文章，我主要考虑读者能否看懂、能否获得启发、能否把其中的方法用于自己的工作。现在，我还需要多考虑一个使用者：AI。

当一个人把具体任务交给 AI 时，AI 需要知道任务的背景、概念的定义、可以采用的方法、需要遵守的条件，以及成果达到什么程度才算完成。智库中的内容，如果把这些关系表达清楚，就能成为工作依据。

人可以从一篇文章里体会作者的思路，AI 则需要从中找到可以调用的知识。它要分清，哪些是事实，哪些是判断，哪些是已经验证的方法，哪些仍然是研究中的设想。

因此，我想逐步提高每项内容的可使用程度：它解决什么问题，依据是什么，适合什么情况，与其他内容有什么联系，使用时需要核对什么。

同一份知识，可以向人解释为什么，也可以帮助 AI 理解怎样做。人的理解和 AI 的调用，应当能够回到同一套清楚的依据上。

<a id="story-section-2"></a>
## 二、从思维开始，把知识组织到能够解决问题

我准备把智库的栏目主序调整为：

**思维 → 方法 → 模型 → 方案 → 工具 → 培训。**

这个顺序，表达的是我对知识如何进入工作的理解。

-   **思维**，帮助我们观察问题、判断关系、识别前提，决定从哪里开始思考。
-   **方法**，把思考组织成可以重复使用的分析或行动步骤，让人知道如何推进。
-   **模型**，将重要因素、关系和作用机制抽象出来，帮助我们解释问题、作出判断，并讨论条件变化后的结果。
-   **方案**，把方法与模型放进具体目标和约束中，明确做什么、怎样做、由谁做，以及怎样检验。
-   **工具**，把其中一部分工作转化为可以操作的表格、软件、脚本、模板或系统。
-   **培训**，帮助使用者理解并掌握这些内容，让知识能够被更多人运用，也通过使用反馈推动改进。

在我的研究组织方式里，多种思维可以共同支撑一种方法。随着方法被反复使用和比较，其中的重要因素、关系与机制可以进一步被提炼为模型。面对具体问题，再选择和组合相关方法与模型，形成方案。

这里需要发生的是提炼、验证与组合。把几个概念放在一起，还需要解释它们为什么能够协同，适用条件是否一致，以及这种组合有没有带来更好的结果。

这六个栏目是一条便于理解与查找的主线。实际研究可以在不同层次之间往返：一个工具可能暴露模型的缺口，一次培训可能让我们重新发现问题，一项实践也可能带来新的思维。

我尤其看重方案，因为方案开始把知识与真实问题连接起来。智库中的“方案”，侧重一类问题的行动设计；进入实际交付后，其中可以重复使用的能力，可以形成产品，需要专业协作完成的工作，可以形成服务。围绕客户的完整目标，再把相关产品、服务、工具、培训和实施安排组合起来，就形成了解决方案。

论文和图书则可以把这些研究中的论证、依据与体系组织得更完整，让后续使用有可以追溯的基础。

<a id="fig-01-knowledge-to-value"></a>

![知识组织框架，连接思维、方法、模型、方案、工具、培训，经过结构化资源形成产品、服务与解决方案，并由应用反馈推动改进。](https://yutengfei.com/uploads/blog/think-tank-human-ai-knowledge/01-knowledge-to-value-zh.svg)

*图一｜知识怎样进入工作：以六个栏目为主序，将知识整理成可调用的资源，用于产品、服务与解决方案，再通过应用和培训反馈持续改进。 [打开 SVG](https://yutengfei.com/uploads/blog/think-tank-human-ai-knowledge/01-knowledge-to-value-zh.svg) · [下载 SVG](https://yutengfei.com/uploads/blog/think-tank-human-ai-knowledge/01-knowledge-to-value-zh.svg)*

<a id="story-section-3"></a>
## 三、我理解的 AI 工作方式：脑力＋算力＋Skill

我把正在形成的工作方式，概括为：**脑力＋算力＋Skill。**

脑力，是一个人积累的认知、经验、判断能力，以及继续学习和提出问题的能力。它帮助我们确定什么值得做，什么结果有价值，哪些前提还需要重新讨论。

算力，是这套表达中对 AI 计算支持的概括。真正安排工作时，我会把模型能力和计算资源分别考虑：模型影响推理、理解和生成的能力，计算资源、上下文与工具条件影响这些能力能够怎样展开。增加计算投入，并不直接等于获得更好的判断。

Skill，则把已有的专业经验和有效做法，整理成 AI 可以遵循的执行行动指南。

我所理解的 Skill，应当说明什么时候使用，需要什么输入，按什么步骤推进，可以调用哪些资料和工具，应当交付什么，以及怎样检查结果。必要时，它还需要说明遇到例外怎样处理，哪些行动需要由人决定。

这与 [Agent Skills 开放规范](https://agentskills.io/specification)所描述的知识、指令和配套资源的封装方式有直接联系。对我的工作而言，关键是把可复用的专业经验变成明确的行动安排。

**已有方案可以成为 Skill 的重要来源；把方案中的条件、步骤、资源和验收要求写清楚，才能更好地支持 AI 执行。**

这样，人的判断、AI 的能力和经过整理的执行经验，就能共同作用于一项任务。

<a id="story-section-4"></a>
## 四、让干净的资源进入执行，再让结果回来更新资源

有了脑力、算力和 Skill，还需要可以依靠的资料。

思维、方法、模型、方案、工具和培训内容，论文、图书、产品说明、服务流程和解决方案，都可以为 AI 提供不同层次的依据。案例则帮助我们理解某种做法曾在什么条件下发生，取得了什么结果，还有哪些因素不能直接照搬。

我所说的“干净”，是指资料的含义清楚，出处和版本可追溯，概念使用一致，适用条件写得明白，事实、推论和设想能够区分。已经过时或尚未验证的内容，也应当说明状态。

有些资源供 AI 阅读与引用，有些则以工具接口、产品能力或服务流程的方式，直接参与任务执行。

这些资源在一项任务中各有作用。模型帮助分析，方法帮助推进，方案帮助组织行动，工具帮助操作，案例帮助比较，论文和图书帮助追溯依据。Skill 再把相关资源与执行步骤连接起来。

调用时，应当围绕当前问题选择资料。自己的资源库可以提供长期积累的认识，更广阔的互联网则可以补充新的事实、相反的证据和外部研究。新问题仍然需要开放地寻找答案，知识库也需要不断更新。

我期待这种配合能够带来超出原有预期的成果。要接近这个目标，还需要把任务做下去：执行之后检查结果，遇到缺口补充证据，发现错误修正方法，得到新认识再回到资源库。

智能体结合工具行动，并根据环境反馈继续调整，是[智能体工作设计中已经被系统讨论的原则](https://www.anthropic.com/research/building-effective-agents)。我希望把这条原则落实到自己的日常研究和项目工作中。

一份完成的成果，应当留下下一次可以使用的东西：更准确的判断、更有效的方法、更清楚的 Skill，或者一组值得继续研究的新问题。

<a id="fig-02-human-ai-work-cycle"></a>

![人与 AI 协同执行循环，明确任务和验收，结合脑力、模型能力与计算资源和 Skill，调用知识与证据，经研究执行、检验修订、交付应用后再次反馈。](https://yutengfei.com/uploads/blog/think-tank-human-ai-knowledge/02-human-ai-work-cycle-zh.svg)

*图二｜脑力＋算力＋Skill：人的判断、AI 能力与执行指南共同调用知识与证据，经过研究、执行、检验与应用，持续更新认知、资源和 Skill。 [打开 SVG](https://yutengfei.com/uploads/blog/think-tank-human-ai-knowledge/02-human-ai-work-cycle-zh.svg) · [下载 SVG](https://yutengfei.com/uploads/blog/think-tank-human-ai-knowledge/02-human-ai-work-cycle-zh.svg)*

<a id="story-section-5"></a>
## 五、科研的意义，是不断扩大能够理解和解决的问题

沿着这条线，我对科研的理解也更明确了。

我希望自己的科研，能够不断发现新的问题，提出可以讨论的解释，形成可以使用的方法，再通过实践检验，持续扩大知识和技术的边界。

与 AI 配合，给这件事提供了新的工作条件。一个想法可以被更充分地展开，不同观点可以被放在一起比较，一种模型可以被追问它的前提，一项工具可以更快进入制作和测试。

对我来说，值得投入的地方，是把这些能力组织成持续研究的过程：提出问题，形成假设，寻找证据，设计机制，开展验证，再根据结果改进。

研究成果也会有不同的表达和用途。一项论证可以发展成论文，一组连续的研究可以组织成图书，一种方法可以沉淀为 Skill，一部分稳定的能力可以转化为工具、产品或服务。真实应用遇到的新问题，又可以带回研究。

我希望官网逐步呈现出这种联系。每项内容都能够说明它在研究什么、能帮助完成什么，以及它与其他成果怎样相互支持。

<a id="story-section-6"></a>
## 六、区块链金融工具，将怎样影响未来的组织形式

当共同创造的方式发生变化，组织投入、权益和回报的方式，也需要继续发展。

一个项目中的知识、技术、劳动、资源与资金，可以来自不同地区、不同机构和不同身份的参与者。AI 又让个人和小团队能够完成更多工作，也让跨组织的合作有了新的可能。

这会带来一组重要问题：参与者怎样持续投入，贡献由谁确认，权益依什么成立，回报如何兑现，谁有资格参与哪些决策，以及合作结束后如何处理已有关系。

因此，我的一个重要判断是：**以区块链为基础设施的金融工具，是未来人类组织形式改变的重要工具。**

金融工具能够影响资金怎样进入，也能够影响权益怎样持有、回报怎样分配、风险怎样承担和参与者怎样保持长期联系。这些安排会进一步影响，一个组织能够接纳谁，以什么关系开展合作，以及这种合作能否持续。

区块链为其中一些环节提供了新的技术条件：参与者可以共同核验记录，具有明确依据的权益可以获得数字表达，部分约定可以被写入执行规则，结算与治理过程可以留下可检查的状态变化。[智能合约](https://ethereum.org/developers/docs/smart-contracts/)是实现其中部分机制的一种方式。

如果这些能力与清楚的制度、真实的经营和有效的责任安排结合，就可能支持更多组织形式：围绕具体目标形成的跨组织项目、持续开放的共创网络，以及能够记录投入、承接权益并保持长期合作的共同体。

参与者可以通过劳动、知识、资源或资金建立不同的关系，再依据实际贡献、承担的责任和风险，获得有根据的回报与相应的参与安排。组织设计也就需要从一开始考虑这些关系怎样相互衔接。

我关心的利益相关者资本治理，正是在研究这类问题：多方投入如何形成可以持续使用的共同积累，制度怎样连接贡献、权益与责任，参与者为什么愿意为共同未来继续创造价值。

这些工具要真正改变组织，还需要把贡献确认、权益依据、责任和争议处理一起设计清楚。链上记录怎样对应链外事实，具体权利怎样获得制度承接，都是这项研究需要回答的问题。

我希望探索的是，把新的生产协作能力，与能够承接共同投入和长期权益的金融、治理安排连接起来。知识体系帮助人和 AI 更好地共同创造，金融工具与治理制度帮助参与者组织投入、分享成果，并保持合作。

<a id="fig-03-finance-and-organization"></a>

![作者对组织变化的前瞻机制框架：先确认贡献与权责安排，再通过区块链金融工具执行，可能形成跨组织协作、共创网络与合作共同体，结果取决于制度和经营条件。](https://yutengfei.com/uploads/blog/think-tank-human-ai-knowledge/03-finance-and-organization-zh.svg)

*图三｜作者的前瞻机制框架：区块链金融工具在制度确认、真实经营与持续执行等条件下，可能支持跨组织项目协作、开放共创网络与持续合作共同体。 [打开 SVG](https://yutengfei.com/uploads/blog/think-tank-human-ai-knowledge/03-finance-and-organization-zh.svg) · [下载 SVG](https://yutengfei.com/uploads/blog/think-tank-human-ai-knowledge/03-finance-and-organization-zh.svg)*

<a id="story-section-7"></a>
## 七、面向更强人工智能，先把今天能够建设的基础做好

我也会继续思考更远的未来。

如果人工智能在更多领域能够持续提出有价值的新问题，形成新的解释，设计验证办法，并根据结果自主改进，人类科研和组织协作的方式还可能发生更深的变化。

我期待通用人工智能（AGI）能够参与更深层次的原创研究，加快知识与技术突破，并有可能推动人们所说的“科技奇点”。这是一项前瞻判断；[未来能力的发展路径仍有显著不确定性](https://internationalaisafetyreport.org/publication/international-ai-safety-report-2026)，需要随着研究和实践继续检验。

我希望沿着这条线继续建设官网：把知识整理成资源，把经验沉淀为 Skill，让人与 AI 共同研究、执行和创造，并探索能够承接共同投入与长期权益的组织方式。

从一项思考开始，持续积累出能够解决问题的能力。这是我接下来想做的事。

<a id="story-section-8"></a>
## 配图说明与资料参考

三张图均根据本文观点原创绘制，是作者组织知识、安排工作和研究未来组织形式的机制框架。其中有关组织变化和未来能力的箭头表达拟探索的联系与条件，不能单独作为因果关系已经成立的证据。

-   [Agent Skills 格式规范](https://agentskills.io/specification)：用于说明 Skill 的指令与配套资源结构。
-   [Anthropic：Building effective agents](https://www.anthropic.com/research/building-effective-agents)：用于说明工具执行、反馈与迭代的工作原则。
-   [Ethereum：智能合约](https://ethereum.org/developers/docs/smart-contracts/)与[预言机](https://ethereum.org/developers/docs/oracles/)：用于说明规则执行、链外信息输入及相应条件。
-   [International AI Safety Report 2026](https://internationalaisafetyreport.org/publication/international-ai-safety-report-2026)：用于支持对未来能力发展保持开放判断。

[CC BY-NC-ND 4.0](https://creativecommons.org/licenses/by-nc-nd/4.0/) · 原创文字适用，另有声明及第三方素材除外。
