怎么用：点加号，从资料库添加

新功能上线后，付费用户可以在对话框左侧点「+」按钮，选择「从资料库添加」（Add from Library），把 Google Drive 文件放进 ChatGPT 资料库。Fry 表示，这样「向 ChatGPT 提问这些文件里的内容就方便多了」。借助新集成，用户能在对话里直接打开甚至编辑 Google Drive 文件，也可以随时选择用对应的 Google 应用（如 Google 文档、Google 表格）打开。

关键细节：改的是 Drive 里的真文件

有用户在 X 上追问编辑机制，Fry 明确回复：ChatGPT 修改的是 Google Drive 里的原始文件，而不是基于现有文档复制出一份静态副本。换句话说，协作方的文件状态会随对话里的编辑实时变化，这与过去「导入—生成副本」的做法不同。

同一波还来了这些功能

除了 Google Drive 集成，Fry 还点名了本周落地的另外几项更新，其中重头戏是一个测验工具：

• 测验（Quizzes）：输入「考考我关于[某主题]」，ChatGPT 会在对话里直接生成一套互动测验，带多项选择题、题目间切换和提示按钮，适合边学边测。
• 订位搜索（Reservation search）：用自然语言找餐厅，例如「我想预订下周六两人位、最好有露天座位」，ChatGPT 会去匹配。
• Yelp 集成：可预订餐桌、加入餐厅等位名单。
• 首页建议：付费用户能在 ChatGPT 首页看到「高质量建议」。

谁能用、意味着什么

上述 Google Drive 编辑能力面向订阅付费套餐的 ChatGPT 用户。对日常把文档、表格放在 Google Drive 的人而言，这意味着写稿、整理、改表可以少开一个标签页，把协作与问答收拢到同一个对话框里。不过也要注意，由于改动直接落在原始文件上，重要文档在交给 ChatGPT 编辑前最好先确认版本与权限。

来源：9to5Mac

数年前，微软推出「AI PC」与「Copilot+ PC」规范，其中一项要求是设备配备一颗独立的 Copilot 实体键。作者看着自己的台式游戏机与机械键盘突发奇想：既然一颗键能唤起 Copilot，为什么不把整块键盘都变成一颗巨型 Copilot 键？于是他真的这么做了。

用 QMK/VIA 固件把每个键重映射

实现的关键，是键盘支持的 QMK/VIA 开源固件，配合 VIA 配置软件。作者使用的 Epomaker Galaxy100 Lite 机械键盘原生支持这套方案。

他在 VIA 的 Macro（宏）界面录制了一个宏：自动按下 Win+C——这是 Windows 中启动 Copilot 的标准快捷键。随后切到 Keymap（键位映射）界面，用鼠标把键盘上每一个键都重映射为刚才创建的宏。就这样，整块键盘的每一个键都成了 Copilot 键。

首次打开 Copilot 应用时，作者立刻发现一个问题：应用本身没有独立的语音听写功能，只有直接与 Copilot 对话的选项。于是他转而向 Copilot 求助，后者把他指引到 Windows 设置中的「语音访问」（Voice Access）无障碍功能。这个功能成了整个实验的命门——它让他可以口述输入，再把文字交给 Copilot 整理。

肌肉记忆全失灵

作者很快意识到，自己有多依赖肌肉记忆来完成日常工作与电脑操作。由于大量复制粘贴依赖 Ctrl+C 与 Ctrl+V，他下意识按下组合键时，唤起的却是 Copilot；更麻烦的是，连 Enter、Backspace、Alt+Tab 这些最基础的导航键也都失效了。

作为一名重度键盘用户，这种感觉近乎失去一条手臂。好在他迅速发现，语音访问能替他「按」下需要的按钮——只要说出「按 Backspace」「按 Enter」，命令就会执行。他甚至可以先选中一段文字，再说删除或重写的指令。

代价是，每次想删一个字母、另起一段、加一个句号，都得把命令念出来。这比敲键盘慢，但总好过事事求助 Copilot。

结论：Copilot 是搭档，不是替身

作者坦言，把想法直接倒给人工智能、让它梳理思路，确实能捕捉转瞬即逝的灵感。但现实中，Copilot 把他口述的内容润色成了千篇一律的博客腔，抹去了个人风格，最终成稿干巴巴的。

全天写作被拖慢到爬行速度：改字母、换行、加句号都要口述；添加图片、写替代文本、重命名文件、调整图片尺寸都变得极其费力；听写还常漏掉品牌名，逼他一个字母一个字母地手工纠正。

实验结束时，作者迫不及待地把键盘恢复默认布局。他的结论是：Copilot 最佳定位是搭档，而非替代。一颗独立的 Copilot 键（或任何AI工具键）有其意义，前提是能在不需要时随时禁用，或重映射成更实用的功能。把每个键都变成 Copilot，更像一场噱头，而非真正提升效率的妙招——认真说，一颗 Copilot 键绰绰有余。

来源：How-To Geek／Ismar Hrnjicevic

「今年是会议录音和会议记录工具之年。」科塔里如此描述当下的行业状态。至少在硅谷，这句话很难反驳。据罗杰斯观察，如今大多数科技投资人和行业人士在见面谈事情时，都默认对话会被人工智能录音或转写，有时甚至没有经过明确同意。目前流行的选择是 Granola AI，Otter AI 等工具同样有不少用户。在这个节点上，一家以语音听写起家的公司把产品线延伸到会议场景，时机合理。

从听写工具到会议助手

Wispr Flow 此前只有一款产品：把说话时零散、含混的表达整理成「在任何应用里都清晰、规整的文字」。公司曾在今年 3 月表示，其用户规模正以每月 40% 的速度增长。

新推出的 Notetaker 直接内置在 Wispr Flow 中，出现在应用左侧栏。它会连接用户的日历，在任何一场会议中旁听，会后用生成式人工智能总结对话，并接入一个聊天式工具，供用户就上下文继续追问。

科塔里对这款产品的定位有一段直白的说明：「没人会去读会议记录，但每个人都会依据它行动。逐字稿生成摘要，摘要生成后续邮件，会议纪要发给缺席的人。你已经习惯了先粗看一遍笔记再决定信不信它，因为有时名字会写错，或者待办事项被派给了错的人。」换句话说，逐字稿本身的价值有限，能否准确抽出关键信息、决策和待办，才是更多用户真正需要的。

会议开始前，Notetaker 会从用户的笔记和网络上收集相关信息做背景简报，每一条都附上来源链接；它也会从日历和已连接的应用（例如 Slack）中获取上下文。会议进行中，它提供实时逐字稿，方便随时回看刚才说了什么。会议结束后，它会带着更多上下文重新处理整段录音，据称能提升最终逐字稿的质量，以及由此生成的摘要、决策、关键日期和待办事项的准确度。

会后，用户可以就自己完整的会议历史提问，答案会链接到相关内容被讨论的具体时刻；如果某段会议走了神或者没赶上，它也能补上这部分内容。

实测中最有价值的功能

罗杰斯在与这位首席执行官通话时试用了 Notetaker：实时转写在屏幕上闪过时准确度良好，会后自动生成的摘要中也没有发现明显错误。他认为最出色的是「随便问」功能——他记得对方说过一句话但想不起出现在对话的哪个位置，输入「今年是 AI 记录员之年 这句话」，工具就定位到了那个时刻；与录音文件核对后，转写内容与音频一致。

在 Mac 版应用的设置里可以调整不少细节，其中较为显眼的一项，是把单次会议录制时长上限延长到六小时。「Wispr 之前的时间上限是六分钟。为了录一场 30 分钟的会，人们要来回启动五次，」科塔里说，「我们意识到不该再这么蠢下去了。这才是用户真正想让 Wispr 做的事。」

准确度方面，Notetaker 共用 Wispr Flow 的自定义词典，有助于识别缩写、人名和产品名；同时它「会调用你连接的应用，比如 Slack，以及你的日历，来理解这场具体的对话在谈什么」，科塔里表示。这一点也有助于自动区分发言人，在多人会议中尤其实用。

兼容性上，Notetaker 支持 Zoom、Google Meet、Teams 和 Slack 群聊语音等多个会议平台，并支持 MCP（模型上下文协议），可把逐字稿、摘要和笔记接入 Claude、ChatGPT 以及自建的智能体或工作流。产品先在 Mac 上线，Windows 版本仍在开发中。若在账户中启用隐私模式，听写数据不会被 Wispr 用于人工智能模型训练。

真正的难题是知情

与 Granola 的做法类似，Wispr 在设备本地完成转写，不会作为一个可见的参与者出现在会议里——用公司的说法，避免了「一个机器人像尴尬的影子一样潜伏在参会者名单中」。

但正因为它不出现在名单里，科塔里反而强调用户不该偷偷使用这项功能，无论出于法律考虑还是对参会者隐私的尊重，都应当主动告知对方正在转写。

「这需要成为所有人的默认做法，」他说，「否则会开始出现大量的信任缺失。有的法律采用单方同意，有的采用多方同意。我认为不管怎样，让别人知情都是一次最基本的信任建立。」在 Wispr 所在的旧金山，录制私人对话在法律上需要取得所有参与者的同意。

罗杰斯在文末给出的态度更直接：不指望任何人在对话中偷偷转写他随口冒出的想法，一旦这种信任被打破一次，把对方从生活中拉黑就是合情合理的选择。

来源：WIRED，作者 Reece Rogers；补充信息来自 9to5Mac，作者 Marcus Mendes

工程管理者比约恩·罗什把程序员的一天 8 小时拆开算了一笔账。假设 AI 让写代码这件事快三倍，资深工程师写新代码从 1.5 小时降到 0.5 小时，读代码和调试从 1.5 小时降到 1 小时——可设计架构 1 小时、代码评审 0.75 小时、写文档和杂务 0.75 小时、开会 1.5 小时，这几项一分没少，测试与部署反而因为新代码变多多花了 0.25 小时。一天下来只省出 1.25 小时，约 15%。

同一套算法套在初级工程师身上，结果反过来：他们本来每天有 2.75 小时在敲代码，AI 帮他们省下 2 小时，效率提升约 25%。

说白了，AI 加速的只是”敲键盘”那一段，而资深工程师的大部分时间根本不在敲键盘，而是在想清楚该写什么。这里有个反讽：不少管理者一边说”只招资深的，初级的活 AI 干了”，一边忽略了初级工程师才是这波红利最大的受益者——前提是把 AI 当老师用，而不是当只会代劳的跑腿。

罗什还提了个容易被忽略的副作用：读一份 AI 写的需求文档，往往比读人写的更费劲，因为它废话太多，抓重点反而更慢。效率账不能只算加法。

如果你的团队正在推 AI 提效，不妨也拉张表，把一天按任务块真拆一遍。你猜自己每天真正敲代码的时间，有几个小时？

来源：Bjorn Roche 个人博客《The AI productivity gap》，2026 年 7 月 12 日

当企业管理层还在讨论 AI 治理框架、合规清单和审批流程时，员工早已经开始行动。他们用 ChatGPT 写邮件、用 Claude 总结资料、用 Gemini 分析数据——这些工具大多没有 IT 部门授权，也从未出现在任何官方采购清单里。它叫 Shadow AI（影子 AI），它不是某一款产品，而是一种已经发生的工作方式。

什么是 Shadow AI？

Shadow AI 指员工在未经 IT 或治理团队正式批准的情况下使用 AI 工具。它不是一个平台，而是一种行为模式：有人用 AI 起草客户邮件，有人用它整理会议纪要，有经理拿它分析绩效数据。这些用法通常不是恶意的，而且往往确实高效。

它的核心特征是”看不见”。这些活动游离在官方系统之外，既足够接近业务以影响结果，又足够远离监管以避免审查。就像影子一样，它随着采用度增长而扩大，也常常被管理层忽略。

为什么现在成了问题？

这并非员工”造反”，而是对摩擦的回应。多数企业仍处于正式 AI 采用的早期阶段：工具在测试、政策在制定、审批在排队。但员工面临交付压力，尤其是当他们知道其他公司已经在用 AI 提效时，等待批准往往意味着落后。

AI 工具触手可及、直观易用，而且通常比现有工作流快得多。当选择是”等审批”还是”几秒钟解决问题”时，答案可想而知。更重要的是，它的 adoption 不需要培训、不需要内部公告、不需要 rollout plan——它就这样自然融入了日常工作。

监管的缺口不在法律，而在执行

企业一方面面临越来越大的合规压力，要确保 AI 使用安全、保护数据、管理风险；另一方面，AI 已经嵌入各个团队，超出了这些控制范围。想用严格的治理去约束已经去中心化的工具，本来就不现实。

更根本的问题是：企业是否真的能完全控制员工如何使用 AI？

一味封堵，反而更危险

直觉反应通常是收紧：封禁工具、限制访问、严格执行政策。但实践中，这种策略往往适得其反。AI 工具太容易获取，收益又太直接。如果员工真心觉得有用，他们会找到绕过限制的方法。过度刚性的控制只会把使用推得更深，形成更难监控的”AI 黑市”。

但完全放任也不可行。当员工把公司信息输入外部 AI 工具时，这些数据可能流出组织控制范围，带来合规和保密风险。不同团队用不同工具、不同方式，输出质量参差不齐，会影响品牌一致性和决策质量。此外，AI 生成的内容看起来很有权威感，即使出错也容易被误信——缺乏验证机制时，过度依赖的风险会放大。

从”影子”到”战略”

Shadow AI 不只是问题，也是信号。它告诉企业：员工在哪里找到了价值、现有系统哪里不够好用、AI 最大的影响可能出现在哪里。

做得好的组织不会试图消灭它，而是把它引入阳光下：制定清晰但灵活的指导原则、提供真正满足需求的获批工具、鼓励透明而非秘密。这不只是治理问题，而是技术采用方式的转变：自下而上、快速迭代、由真实业务场景驱动。

监管会塑造未来，但 Shadow AI 已经在塑造今天的工作方式。被它甩在后面的企业，可能连追赶的机会都没有。

图片来源：TechRound

大多数 ChatGPT 用户已经习惯用 AI 来回答那些 Google 搜不明白的小众问题。但 OpenAI 推出的 ChatGPT Work 功能，用法完全不同。

Tom’s Guide 的 AI 编辑 Amanda Caswell 在深度使用后发现，ChatGPT Work 最大的变化不是回答得更好了，而是它开始做整件事——不再是你一句我一句地来回追问，而是你给一个目标，它自己拆解步骤、推进执行。

以下是 Caswell 实测后反复使用的 7 个提示词。

1. 当我的项目”幕僚长”

提示词：*担任我这个项目的幕僚长。审阅我分享的所有资料，找出还需要完成的工作，按优先级组织任务，只有需要我做决策时才来找我。*

这是 Caswell 启动新项目时最常用的方式。她不再问 AI”下一步该做什么”，而是让 AI 自己搭建路线图——识别遗漏信息、建议合理的任务顺序，并在无需等待她发出下一条指令的情况下持续推进项目。

这种方式更像是与一位真正的助理协作，而非与聊天机器人对话。尤其适合那种单枪匹马启动项目、需要有人帮你理清思路的场景。

2. 帮我读完全部文件，只告诉我重点

提示词：*审阅这个文件夹中的所有文档。找出关键点，标记任何重要或矛盾之处，生成一份我能在五分钟内读完的摘要。*

谁都经历过被塞来一整个文件夹的 PDF、会议记录或研究资料的时刻。通常需要逐份总结再自己串联，而 ChatGPT Work 可以直接处理整个文件集合，出一份只标重点的汇总报告。

Caswell 表示，这和 Google 的 Gemini Notebooks（前身为 NotebookLM）功能类似，但如果已经身处 ChatGPT 平台，就没必要切来切去。

3. 像花你自己钱一样帮我对比

提示词：*利用专业评测、用户反馈、规格参数、长期使用成本和可靠性来对比这些产品。推荐你会自掏腰包买的那一款，并解释原因。*

Caswell 说，她不再想要一份规格参数清单了——而是需要权衡真实取舍之后的推荐。无论挑笔记本电脑还是规划周末旅行，这个提示词都能派上用场。

4. 接管我的收件箱

提示词：*浏览我的邮件，将相似信息归类，找出紧急事项，适当起草回复，为仍需我关注的事项生成一份简短行动清单。*

邮件处理是一个”给多少时间就占多少时间”的工作。Caswell 不再是逐封处理，而是让 ChatGPT 先全局整理一遍——等到她看收件箱时，已经知道哪些紧急、哪些可等、哪些可以安全忽略。她甚至可以追问”这个月早些时候的亚马逊收据在哪”，而不必自己翻找。

5. 把我乱七八糟的笔记变成能用的东西

提示词：*整理这些笔记，分成逻辑段落，找出缺失信息，生成一份可以直接分享的精炼文档。*

Caswell 的笔记乱到连她自己回头看了都纳闷当时想表达什么。有时是语音备忘录，有时是从三个不同 App 里复制来的随想。她不再花一小时自己清理，而是把一整团乱麻扔给 ChatGPT Work，让它拼出一份连贯的东西。

6. 帮我持续盯着这件事

提示词：*监控这个 [主题]，只有发生重大变化时才通知我。忽略常规更新，除非它们影响我的决策。*

这是 ChatGPT Work 真正让她感到”不一样”的地方——不需要反复回去查看某个网站更新、某封邮件或某条新闻，而是把监控任务整个交出去。Caswell 说，这消除的心智负担大得惊人。

7. 把项目做完，而不只是下一步

提示词：*我的目标是完成这个项目。把它拆成可管理的阶段，独立完成你能做的一切，只有在绝对必要时才来问我要输入。*

这个提示词改变了 Caswell 对 AI 工具用法的理解。不再是”下一步是什么？”，而是 AI 自己把整件事扛起来，减少中断、减少追问，工作流变得自然得多。尤其适合那些耗时费力的行政事务，让她能把精力留给更有创意的工作。

核心启示：传统 chatbot 提示词往往很小——总结这篇文章、解释这个概念、写这封邮件。而 ChatGPT Work 的优势在于，你给它的”所有权”越多，它的价值越大。不要让 AI 一次解决一个问题，而是让它对整个任务负责。这才是 Caswell 认为真正改变她工作方式的关键转变。

图片来源：Getty Images / Mariia SHalabaieva

图片来源：Getty Images / Tom’s Guide

以下是经过实战检验的 7 个最佳提示词（Prompt），帮你把 ChatGPT Work 变成真正的个人助手。

## 1. 做我的项目参谋长

> 提示词：“担任我这个项目的参谋长。检视我提供的所有信息，识别还需要完成的工作，按优先级组织任务，仅在需要我做决策时才来找我。”

这是启动新项目的最佳开场方式。ChatGPT Work 会主动构建路线图、识别缺失信息、建议合理执行顺序，无需你不断思考”下一步该问什么”。当你独自推进项目时，这个提示词的效果尤其明显。

## 2. 读完所有文件，告诉我什么才重要

> 提示词：“审阅此文件夹中的每份文档。识别关键点，标记重要或矛盾的信息，创建一份五分钟可读完的摘要。”

面对一堆 PDF、会议纪要和调研报告时，这个提示词能一次性处理整个文档集，输出一份聚焦重点的整合报告。功能类似于 Google 的 NotebookLM，但如果你已经在 ChatGPT 生态内，无需切换工具。

## 3. 像花自己钱一样帮我比价

> 提示词：“基于专业评测、用户反馈、规格参数、长期持有成本和可靠性来比较这些产品。推荐你会自掏腰包购买的那一款，并解释原因。”

不再需要列规格表。ChatGPT Work 会权衡真实的权衡取舍——无论是选笔记本电脑，还是规划一次周末旅行。

## 4. 接管我的收件箱

> 提示词：“查看我的邮件，将相似消息分组，识别紧急事项，在适当的位置起草回复，并生成一份待办清单。”

邮件是一种会填满你所有时间的任务。ChatGPT Work 可以先帮你整理分类，让你打开收件箱时就知道哪些是紧急的、哪些在等待回复、哪些可以忽略。你甚至可以追问”上个月亚马逊的收据在哪”。

## 5. 把我的零散笔记变成有用文档

> 提示词：“整理这些笔记，按逻辑分段，识别缺失信息，生成一份可直接分享的精简文档。”

无论笔记是语音备忘录、随手写在备忘录应用里的零散想法、还是从三个不同应用复制粘贴的片段——ChatGPT Work 都能将它们整合成一份条理清晰的文档。

## 6. 帮我盯着这件事

> 提示词：“关注这个[主题]，只有在发生重大变化时才通知我。忽略常规更新，除非它们影响我的决策。”

ChatGPT Work 的”持续监控”功能让人感觉它与传统聊天机器人完全不同。无需反复刷新网页、检查邮件或跟进新闻动态，你可以把监控任务”外包”掉，专注于更重要的事。

## 7. 完成这个项目，不只是下一步

> 提示词：“我的目标是完成这个项目。将其分解为可管理的阶段，独立完成所有你能完成的部分，只在绝对需要时向我寻求输入。”

这个提示词改变了使用 AI 的思维方式。不再是问”接下来做什么”，而是把整个任务交给 AI。结果是更少的干扰、更少的提示词、更自然的工作流。特别适合处理耗时的行政事务，让你把精力投入到更有创造性的工作中。

## 核心心法

Caswell 总结道：传统聊天提示词通常很小——总结这篇文章、解释这个概念、写这封邮件。但 ChatGPT Work 的真正威力在于赋予它”主人翁意识”。你交给它的责任越大，它就越有用。与其让它一次解决一个问题，不如让它负责整件事。这个思维转变，才是让 ChatGPT Work 真正改变工作方式的关键。

图片来源：Getty Images / Tom’s Guide

哈佛肯尼迪学院和多伦多大学芒克学院的公共政策教授、知名安全专家 Bruce Schneier 在《卫报》发表了一篇观点文章，提出了一个简洁而有力的判断框架——”工作 vs 健身”法则。

核心框架：工作和健身房是两回事

Schneier 将这个判断框架归功于 AI 研究员 Daniel Meissler 的启发。

想象两个场景：

在工作场景，如果你的任务是搬一堆重物从房间一端到另一端，你应该动用一切可用的辅助工具——手推车、叉车，甚至 AI 驱动机器人。目标是把活干完，没人关心你是怎么搬的。

但在健身房，让机器人替你举铁就完全失去了意义。健身的目的不是”把重物从A点移到B点”，而是通过举重这个过程来锻炼自己的身体。

Schneier 指出，对于任何 AI 可以帮你完成的任务，都可以套用这个框架：如果它是一项”工作”——必须完成、没人关心过程——那就放心用 AI；但如果它更像是”健身”——过程和方法至少和结果同样重要——那可能就不适合交给 AI。

当作业成了”健身”

Schneier 教授以自己的课堂为例。他要求学生写政策备忘录，并不是因为世界需要更多备忘录，而是因为写作的过程——思考、列提纲、起草、编辑、论证、反驳、修订——本身就是培养批判性思维能力的方式。

“没有这种持续的思维训练，这些技能就会退化。”Schneier 表示，雇主们已经注意到了这一点。

他强调，自己能够一眼看出 AI 写的作业和学生的作业——”一个漂亮、貌似合理、语法完美的文章，但并不特别精心构思或逻辑连贯”。但问题在于，学生们自己缺乏分辨能力，他们把 AI 输出的流畅文本误认为是好想法的证据。

学生们忽略了关键一点：他们最初的不适感是写作过程中正常且健康的一部分，而不是需要快速绕过的障碍。”在如何表达自己想法的过程中挣扎，正是思考的重要组成部分。这是他们检验想法、审视假设、真正弄清自己想法的过程。”

他的结论很明确：作业不是工作，作业是健身房。

对创意行业的启示

“工作 vs 健身”的框架同样适用于理解创意行业面临的挑战。

大多数时候，雇佣一个写手的目的是”需要文字”——产品说明书、销售演示文稿、法律文件——这些都是纯粹的”工作”，恰好是 AI 擅长的事情。只有有时，写作是一种艺术形式——一本书、一首诗、一篇振奋人心的演讲。那是”健身”：过程和结果同样重要。

历史上，所有类型的写作任务都只能由人类完成。但现在，人类第一次能够区分”什么时候需要写作作为工作”和”什么时候需要写作作为健身”。如果 AI 能完成大多数”工作型”写作，社会就不再需要那么多人类写手了。

同样的逻辑适用于视觉艺术家。有时我们需要真正的艺术家，但大多数时候只需要一张图片——企业吉祥物、”小心有狗”的告示牌、包装标签。

激励困境与选择

Schneier 坦诚地指出，解释问题和解决问题是两回事。他每堂课都给学生们讲”工作 vs 健身”的道理，但学生们仍然在使用 AI。他理解其中的原因：课业负担重、压力大，更关键的是——如果周围的同学都在用 AI，自己不用就会显得落后。

也存在激励问题。没有人付钱让你去健身房，保持健康习惯需要自律。对于学生来说，推理能力和写作能力的渐进式提升是微妙而难以感知的。

但选择权仍在每个人手中。就像我们可以选择走楼梯而不是坐电梯，我们可以把”认知健身”任务与 AI 隔离开来，确保不会因为这项技术而丧失自己的技能。

结论

Schneier 教授的框架简洁而有力：对于”工作”型任务，放心用 AI；对于”健身”型任务，用 AI 就是浪费大家的时间，因为没有人能从中学习或变强。

AI 将从根本上改变工作的性质——不会像 AI 公司希望的那样快，但终将如此。政策分析肯定会从今以后与 AI 密不可分，Schneier 的学生们需要重新思考学习和练习这项技能的意义。但就目前而言，”工作 vs 健身”的区分相当清晰。”用它来审视你自己。”Schneier 在文章结尾写道。

—

图片来源：The Guardian / Bruce Schneier

这是 2026 年最误导人的想法。如果你用这种”自动驾驶”心态使用 AI，几乎注定失败。你得到的是千篇一律、毫无灵魂的垃圾内容。

原因很简单：AI 不是自动驾驶仪，它是引擎。而引擎需要驾驶员。

什么是 90% 法则？

这个法则非常直白：对于任何给定任务，AI 可以在几秒钟内完成 90% 的工作，但永远无法完成最后的 10%。而糟糕的是，最后那 10% 恰恰是让工作真正出色的部分。

先看 AI 擅长的 90%：

• 结构搭建：瞬间生成报告大纲
• 批量产出：一分钟写 50 封邮件变体
• 初稿生成：把要点扩展成段落
• 摘要提炼：秒读 50 页 PDF 并总结

再看你必须亲自负责的 10%：

• 调性判断：”这语气像我们公司吗？”
• 事实核查：”它是不是编造了一个法规？”
• 品味把关：”这内容只是语法正确，还是真的有趣？”
• 战略决策：”这真的有助于我们的目标吗？”

什么时候该用 AI？一张表说清楚

| 任务类型 | 用AI？ | 原因 | |———|——–|——| | 写初稿（邮件、博客、报告） | 是 | AI 擅长结构和批量产出，你来编辑调性和准确性 | | 提炼长文档 | 是 | AI 秒读 50 页，你来验证关键信息 | | 头脑风暴 | 是 | AI 快速生成 20 个选项，你来挑最好的 | | 关键内容最终润色 | 否 | AI 分不清”好”和”优秀” | | 关键信息事实核查 | 否 | AI 会编造，永远要亲自验证 | | 个人化/情感化写作 | 否 | AI 无法捕捉你的真实经历和独特声音 | | 简单快速任务（2 分钟邮件） | 否 | 自己写比写提示词更快 |

核心原则：用 AI 做重活（结构、批量、速度），把你的精力留给最后的 10%（判断、品味、真相）。

把自己当成”主编”

这是你使用 AI 时最需要转变的思维模式。你不是创作者，而是总编辑。

想想报纸的总编——他们不写每个字，而是把任务分配给记者（AI），然后把初稿打磨成精品。每次从 AI 拿到输出后，执行三步”人工润色”流程：

第一步：调性检查 AI 的默认语气像一个企业 HR 部门——有礼貌、冗长、安全。砍掉第一段（通常都是废话），把”深入探讨””利用””确保”这类词换成”挖开””使用””确认”。

第二步：事实核查 AI 很会说话，这让发现它的谎言变得更难。验证每一个数字、日期和引用。如果它推荐了某个品牌或产品，先去 Google 确认它真的存在。

第三步：注入洞见 这是最重要的一步。加一个只有你知道的东西——一段亲身经历、一个具体约束、一个鲜明的好恶。AI 试图中立，而人类有观点。

“差不多”是最大的敌人

AI 输出的陷阱在于它看起来太精致了。语法完美，格式整洁，看起来像是完工了。

但如果你直接复制粘贴 AI 输出，别人能看出来。感觉”顺滑但空洞”。

只需花 2 分钟执行上面三步人工润色，就能把”机器文字”变成”人类增强作品”。你得到了机器的速度，保留了人类的灵魂。

总结

别指望 AI 能完成 100% 的工作——它做不到。

把目标设为 90%。让它做重活——那些无聊的结构搭建、初稿生成。然后把你的能量集中在最后关键的 10% 上。

那 10% 才是你的价值所在。

—

图片来源：Plain English AI

它到底是什么？

Busy Bar的外形像一个小号眼镜盒，正面是一块LED屏，默认显示”BUSY”字样。用户可以切换多种主题信息：”KEEP OUT”（勿入）、”OUT TO LUNCH”（午休）、”LOW SOCIAL BATTERY”（社交电量不足），甚至还有”ON AIR”（录制中）模式。它还可以当作数字时钟使用。

设备顶部有物理按钮和开关：大按键启动/暂停计时器，拨杆切换设置和调整时间单位。这种机械按键的手感非常出色——评测者坦言自己会忍不住去按它，只为享受那一下清脆的触感。

物理专注 vs 软件专注

手机和电脑上已经内置了各种专注模式，为什么还需要一个单独的硬件？

Busy Bar的逻辑是：软件的专注模式很容易被自己关掉，但一个摆在桌面上的红色”BUSY”标志，既是自我提醒，也是对他人的声明。 它还支持通过蓝牙与手机App联动，自动屏蔽通知；通过Matter协议与智能家居联动，进入专注模式时调暗灯光、关闭窗帘。

Flipper CEO Pavel Zhovner表示，这个创意的源起很简单：他需要一种方式，在别人闯进办公室之前就告诉他们自己正忙。

实测：同事视而不见，但自己确实更专注了

WIRED评测者在开放式办公室中测试了Busy Bar，结果有些尴尬：同事们基本无视了它。一个人开玩笑地问”你是不是太忙了”，然后该聊天还是聊天。在录音室使用时，尽管把”ON AIR”模式面向玻璃窗展示，仍不如传统的大型”ON AIR”指示灯显眼。

但对自己而言，Busy Bar的效果出乎意料。它默认采用番茄工作法（20分钟工作+5分钟休息），屏幕上有一个类似《Dr. Mario》的药丸形进度条，计时过程中逐渐填满。完成一轮后拍一下顶部的按钮，有种奇妙的成就感。评测者承认：”这大概是唯一能让我按时交稿的东西。”

值不值？

249美元的定价确实不便宜。Flipper也承诺未来会开放更多功能，包括更丰富的应用库和开源操作系统定制。目前它还支持Windows的计划尚未落地，主要面向macOS和智能家居用户。

对于已经拥有HomeKit、Google Home等智能家居体系的用户，Busy Bar可以作为桌面状态节点使用——专注时自动关通知、调灯光、显示倒计时。但对于只想专注于减少手机干扰的用户，也许先试试系统自带的专注模式更实惠。

一句话总结：如果你缺的不是计时器，而是让身边的人知道你”别打扰”的边界感，Busy Bar或许恰好填补了这个空白。

图片来源：WIRED / Boone Ashworth