换一个更贵的 AI 模型，它就会变聪明吗？
你有没有试过这样？
你写好了一个 Skill，叫 AI 帮你写店里的贴文。写出来很通顺，但每一次都太长，你每次都要自己删掉一半。
你跟它讲过了。下一次，又是一样。
你开始想：是不是这个 model 不够强？换一个更贵的，它就会变聪明了吧？
答案：它会进步，是因为你给了它一面镜子
很多人以为，要 AI 进步，换一颗更强的脑就好了。
其实不是。
它会进步，是因为它每跑一次都有留下纪录。你回头看得到，它才改得了。
没有纪录，就没有进化。
而且它改的，从来不是它的大脑，是它的说明书。就是你亲手写的那一份 Skill。
为什么不是换一颗脑？
我有提供一个服务，专门帮公司的 Skill 做迭代。先跟公司一起定义什么是好的、什么是不好的，然后让 AI 根据这个定义自己去调整。跑几次 iteration，它做出来的东西一次比一次好。
但说真的，这个服务现在越来越少人 subscribe 了。
不是因为它没有用。是因为现在的大模型越来越强，大多数企业自己让 AI 迭代几次，出来的结果就已经很满意了。
我自己的每一个 Skill 里面，都有一个 workspace。它每做一次，都会在里面留下纪录。它做好的每一个细节，我都想办法量化，变成可以打分数的东西。
有了分数，迭代就有方向了。我会回去看到底哪里还可以做得更好，再透过这些分数，慢慢把那一个 Skill 迭代好。
你不需要一开始就做到这么细。从最简单的那两个动作开始就好。
今天就能做的事：一份样板，一行纪录
我们拿 Malim 那家肉骨茶店的阿杰来看。他有一个专门写贴文的 Skill。
第一步：给它一份样板。 把你最满意的那一份成品丢进 Project，然后跟它讲：
「这一份是我最满意的。以后做这件事，就照这一份的标准。」
阿杰上个月有一篇贴文，发出去之后很多客人来问，他自己看了也觉得，就是这个味道。那一篇，就是他的样板。
这一步，是把标准拿给它看，不是讲给它听。不用排班，也不用写码，今晚就做得到。
给它看一份好的，胜过跟它解释十次什么叫好。
第二步：每跑一次，留一行字。 在你的 Skill 最后面，加这一句：
「做完之后写一行纪录：这次哪里卡住、哪里改过、下次要注意什么。存进同一个档案。」
你不用记，它替你记。你回来看的时候，问题已经在那里等你了。
第三步：你的一句话，也叫它记下来。 你看完说一句「这篇可以」，或者「这里不对，因为价钱写错了」，这一句也叫它写进纪录里。
它自己检讨自己，总会有盲点。你的反馈，才是最准的那一把尺。
纪录一个星期看一次就够了，不用天天开来看。
一行字，比你重写十次说明书有用。
做之前 vs 做之后
拿阿杰的贴文来说：
| 做之前 | 做之后 | |
|---|---|---|
| 它照什么写 | 只能靠你讲「要什么、不要什么」 | 看过那一篇很多客人来问的贴文，照那个味道写 |
| 哪里做坏了 | 贴文太长，阿杰每次都要自己删掉一半 | 纪录里连续三个星期，都写着同一件事：贴文太长，每次被删掉一半 |
| 谁去修 | 你打开说明书，一条一条改；下一次再坏，又要回去改 | 最值得改的那一条，已经在纪录里等你 |
梯子，爬完了
它变强，是你批准它变强。
做到这两个动作，你就踏进了我 AI Hands Off Ladder 的最顶一级：L5：自我进化。它每做一趟就学一次，你不用再教它第二次。
有了纪录，还差两步：每个星期排一个班，让它自己开一次检讨会；再让它照建议改自己的说明书，改之前先给你看，你点头它才改。
从 L0 到 L5，这道梯子你爬完了。一开始它是一个天才陌生人。后来它入职了，拿到了钥匙，变成你的左右手。再后来它自己开工，现在它还会自己变好。
但有一件事，我一定要老实跟你讲。AI 可以把时间还给你，但它没办法把专注力还给你。你拿回来的那几个小时，如果不去保护，很大几率又会被手机吃掉。
检讨会怎么排、说明书怎么让它自己改、专注力要怎么保护，我都写在《专注力》这本书里。
现在它真的把时间还给你了。那多出来的时间，你要拿来做什么？