Journal.

最近 AI 圈里开始出现一种很有意思的说法：“RAG 已经过时了，现在应该用 LLM Wiki。”甚至有人说，RAG 已经是“没人用的老技术”。这个说法显然有点夸张。RAG 不但没有消失，而且依然是今天很多 AI 知识库、企业搜索和问答系统

过去半年，AI Agent 最明显的变化是什么？不是模型又涨了多少分，也不是谁又做出了一个更长的上下文。而是 Agent 终于开始真的“干活”了。整理文件、做 PPT、分析数据、查资料、写报告、调用软件……这些事情已经不再新鲜。

最近用 AI 越来越多之后，我开始注意到一个以前没怎么在意的问题：当你拿 AI 来讨论一个想法时，它很容易变成那个最支持你的人。比如你已经有了一个初步判断，问它：“这个方向是不是值得做？

最近 WorkBuddy 在 AI 圈的存在感越来越高。我身边已经有不少人把它从“偶尔打开聊两句的 AI 工具”，慢慢换成了日常工作的主力。但有个挺明显的问题：很多人其实只用了 WorkBuddy 最表面的那一层——聊天框。

用了很长一段时间 WorkBuddy 之后，我越来越确定一件事：人与 AI 之间最大的效率差距，往往不在工具，而在提问方式。

看着别人家 AI 编辑器的深色主题、霓虹边框眼馋？其实你的 WorkBuddy 也能一键换肤，而且还是开源、免费、不碰官方安装包的方案。这篇手把手教你 3 分钟搞定，新手也能一次成功。Windows 和 macOS 都覆盖到了，对号入座即可

写东西的时候，你大概经历过这种场景——跟 AI 聊到一半，想引用知识库里某篇文档的内容，于是切到 IMA，翻半天找到文件，复制，切回来，粘贴。聊着聊着又看到一篇好文章想存起来，再切到 IMA，点上传，选知识库，等它转圈……来回切了三四次，思

很多企业开始搭建 Agent 后，做的第一件事，往往是给它们分工。有人负责产品，有人负责研发，有人负责数据，有人负责客服，还有人负责测试和运营。这些 Agent 拥有不同的名字、头像和岗位说明，像极了一家由数字员工组成的新公司。这种设计很容

不知道你有没有这样的经历。每次用 AI 帮你做完一件事，觉得挺好用，下次再想做同样的事，却发现 AI 完全忘了上次是怎么做的。你得重新解释一遍流程，重新交代一遍细节，重新提醒一遍注意事项。就好像每次都在培训一位新同事，而这位同事的记忆只有一

不知道你有没有发现，同样是用 AI 办公，人与人之间的差距越来越大。有人每天还在把 AI 当搜索引擎，遇到问题就问一句，复制答案就结束；有人却已经让 AI 帮自己整理资料、分析数据、撰写方案，甚至自动完成那些重复、枯燥的工作。工具还是同一个