Hanksen | 韩克森

PM｜INTJ｜认知增长体系实践者
用产品思维迭代自己、解决真实问题

不追逐工具，构建系统。
不囤积信息，追求认知成长。

[Hanksen | 韩克森 @hanksen26]

@indigox 践行 ing

[Hanksen | 韩克森 @hanksen26]

做自媒体也好，写作也好，灵感匮乏或许是缺少一个系统性的「现象—机制—工具」抽象映射框架。当你试图直接「想选题」时，思维是无序且受限的，但当你通过机制视角观察系统内部的结构性冲突时，解法是趋近于无限的。

【现象】人们在日常生活中有哪些卡顿？
【机制】大脑的哪种机制导致了卡顿？
【工具】如何帮忙消除这个卡顿？
有点像是找「是什么」→「为什么」→「怎么做」的路径。

一个直观的对比：
当你直接凭空想我今天该发什么视频/文章时，思维是散乱的，全靠灵光一闪或抄袭同行，靠在表层光想，迟早有枯竭的那一天。

若基于这套抽象映射框架，只需要抓取一个具体的现象，套入机制，就会自然有多种解法出来，在这种情况下，你的出发点就是去挖掘已存在的现象而不是凭空创造某种东西。

例如：收藏知识但总不会去看
为什么会只收藏不看？心理学上叫「知识收集者错觉」，大脑把「收藏」这个动作误以为「我已经掌握了」，获得了虚假的控制感；同时，在这种情况下收藏的内容越积越多，每当想要去看的时候，大脑会有一种「认知负荷」过载的感觉，进而产生抗拒心理。

在这种机制下，就可以从对应有卡点的节点去给出解决工具/方法，比如讲怎么降低认知负荷，怎么破除虚假控制感，行动上有哪些最小可行的实践等等等等。

框架就像是一个「解题公式」，你只要把日常遇到的不同冲突或者已有现象代入公式，就能不断生成新的解法。

[Hanksen | 韩克森 @hanksen26]

我发现，AI 把「等待」变成了一种新的注意力切换节点。

这种注意力切换过程把我的专注力切的稀碎，不敢想如果后续形成肌肉记忆，想再恢复原来的专注力得有多困难。

以前的工作流程，大部分是持续的。现在 AI 让我们的流程变成了：输入 → 等 AI → 阅读 → 修改 → 再等 AI → 再阅读…… 每一次等待都会产生一个空档，人的大脑天生会倾向于填补这个空档，所以就开始刷手机，做其他的事。久而久之，大脑就学会了「一有等待，就去寻找新的刺激」的惯性。

所以我通过调整一些日常习惯来避免自己在专注时段分散注意力：
「物理环境」
1. 手机离开触手可及的位置，��抽屉也好，丢到另一个房间也行。如果能自制，开勿扰模式放身边也行。
工作台书桌保持整洁，减少摆放其他无关的东西，不然在你无聊的时候容易这摸摸那摸摸，抓个东西就开始玩起来了。

「数字环境」
1. 一个桌面只做一件事。
创作的时候就只打开创作相关的工具，其他软件都不要摆在进程中。

2. 清空程序坞和顶部菜单栏中的干扰元素。
比如微信、飞书 icon，只要有个图标在那，你总会想去点，点开了注意力就开始飘散到朋友圈、群聊里。底部程序坞同理，一个个入口摆在下面，你只要一感到枯燥无聊就会去点开然后开始脱离你原本专注的事情。我主要是把微信、飞书、邮箱这些 Icon 隐藏了，只展示必要的输入法、网络、电量等图标。这里 mac 系统用到的是 ice 软件。其次是把底部程序坞设置成自动隐藏，默认不展示。然后把浏览器的收藏夹也隐藏，设置为新建标签页时展示。

3. AI 不要同时开很多个。
codex、claudecode、gemini 同时一起用，或者一个工具里面同时开多个需要不断给反馈的任务线程，看起来效率很高，但其实上下文切换成本很高，注意力很容易分散，心流状态断了就很难短时间内再找回。一个问题一个主 Agent，只有遇到瓶颈时再去第二个模型验证。

4. 把等待时间变成长思考时间。
我现在在尝试的一个习惯是，在 AI 执行到交付的这个间隔里，思考下如果脱离 AI，我自己会怎么做怎么思考，还有哪些细节我可能没有考虑到，把对应想到的一些东西在对话框里敲出来。

「认知层面」
1. 保留一点点思考摩擦。
现在 AI 给的答案或者做的东西太顺滑，或者说太「头头是道」，如果只是一味的提问/要求→阅读/核查，会形成一种我看懂了就是理解了的幻觉，实际上你看懂的这些东西，下一次遇到同样的事情你还是想不起来。所以我开始尝试着在提问或者需要它执行一个任务的时候，先打开excalidraw把自己的问题、初步思考用思维导图或者图形画出来写出来，然后再让找 AI，最后对比下自己和它结论的差异，把这个差异积累下来，下次能想的就更广一些。

目前想到的就这些，索性先记录下来，后续有新的理解再慢慢补充。

当下与 AI 的协作越来越频繁，更得警惕「输入越来越多，思考越来越少」的情况，保住这块能够独立思考的「空白地带」。

[Hanksen | 韩克森 @hanksen26]

最近消费互联网内容的体感是「预制感很强」

有种：吃着预制菜刷着预制内容的感觉。

现在大模型进化的很快，相关的 AI 工具和工程技术也越发强大，做一篇文章、一个视频、一套教程的成本和门槛越来越低。

于是，网上开始出现越来越多相似的内容。

今天一个工具爆了，很快就会出现大量相似的教程和案例。今天一个skill火了，很快整个信息流里都会出现类似内容。而且这些给人体感不好的内容大部分都缺乏实践支撑。

那，AI 时代做什么还有价值？哪些事情值得投入？

我自己的答案很简单：不追每一个新工具、新技术。

不 fomo、不 ego，不避而远之，只大致了解并思考当前对自己来说能怎么用、解决什么问题即可，有需要时再深入去研究和使用。

更关键的我想是培养那些不会因为模型更新就失效的能力。

判断。
思考。
审美。
实践。
以及根据真实反馈不断修正自己的能力。

因为未来真正稀��的，不会是信息。更大概率是在海量同质化、预制化的信息里，依然能保持独立思考的人。

从沙里淘金，而不是「泥沙俱“食”」

所以，我决定少看一点「如何快速成功/月入 xx W」类的内容。多做一点真正属于自己的实践。

我相信的模式是：知识尽可能开放分享，解决问题的服务，以及最终创造的价值值得被交易。

希望未来有一天，有人看到我的内容，不是因为标题有多炸，传播技巧用的多华丽，而是会忍不住说一句：

「内容这么好，为什么点赞这么少？」

如果真有那一天，我相信后面的事情都会慢慢发生。

互联网一直都很热闹。但我更想走一条安静一点的路，走一条窄路，去开拓去创造去解决真实存在的问题。

像投资一样，在一件自己相信的事情上持续投入，即使很长一段时间都没有正反馈，也愿意耐心持有，耐心蛰伏。

[Hanksen | 韩克森 @hanksen26]

以前，我觉得认知成长意味着知道更多。后来觉得，它意味着理解更深。而现在，我更愿意把它理解为一种持续运行的过程。

我们观察世界，尝试行动，接受反馈，修正解释，再带着新的理解进入下一次实践。这个循环不断重复，我们脑海里的世界模型也不断发生变化，认知随之持续迭代 https://t.co/WGiYEYPccG

[Hanksen | 韩克森 @hanksen26]

「别光用 skill，要拆解 skill。」

不要把 skill 当单纯的工具，把 skill 当成别人公开给你的思考过程。使用 skill 只能产出一份临时结果，而拆解 skill，本质是在学习别人如何思考和解决某个具体问题，给你带来的是一次认知成长。

一个 skill。本质就是： 一个有明确需求的实践者，把自己解决某类/某个领域问题的方法和流程，封装成了一个可以复用的“软件”。

当下制造 skill 的门槛并不高，一个 agent 加一段自然语言描述就能搞定。但关键这个 skill 具不具备通用性，对问题的分析解决够不够深入，不是一两句描述或者几轮对话沟通就能解决的。它是底层支撑（知识、经过实践验证沉淀下的解决问题的方法、思维模型等）和合理的流程&架构编排设计的集合。一个真正实用的 skill 所映射的是别人几年时间经验，通过精炼压缩后得到的方法论和思维。

很多人理解 Skill，大概是：
「装一个 Skill，我就拥有这个能力了」

但真正善于思考的人，会再往前想一步：
对于通用 skill：覆盖的场景有哪些？设计思路是怎么样的？底层是什么理论/思维模型在支撑？为什么先做 A 再做 B？还能怎么拓展？
对于设计类 skill：它是怎么实现不同样式风格的？调用了哪些设计理论和工具？
.....

那如何拆解一个 skill ？
你可以直接把 skill 仓库链接丢给 agent 让它给你拆解，但只看ai 总结估计很难入脑。
我会推荐先从五个层面进行一轮自主思考：
1️⃣它到底解决什么问题？
2️⃣为什么拆成这些步骤？
3️⃣为什么每一步这样设计？
4️⃣为什么调用这些工具？
5️⃣为什么最终输出这种结果？
然后再和 AI 的分析结果进行比对，看看自己哪些没考虑到，作为补充。

这五层框架本质也是一类设计思维，每层问题都可以再做深入的拓展延伸。

如果这五个基本的问题你都能捋清楚。你学到的，就不只是会用一个工具，而是一套解决某个/某类具体场景问题的方法。

所以，下载 skill，只能得到能力。拆 skill，才能得到能力背后的思维，并内化为你自己的认知资产。

[Hanksen | 韩克森 @hanksen26]

是的，PARA只是其中的一种知识管理理论，我个人就是采用 PARA+资产模型来管理我的知识资产。每个人的研究领域不一样，知识形态也有所差异，可以自行采用适配自己知识库的管理理论，关键还是在于如何规范 agent 的调用、写入和关联维护行为。

当前 agent 接入我们的文件夹之后，所有产出的 spec、log或者某个方案的初稿，都会落在正式资产内，如果不做隔离和定时维护，就算最后有一份「终稿」，这些过程文件也会影响后续 agent 的读取效率和准确性。

[Hanksen | 韩克森 @hanksen26]

@eptwts写的一篇关于用自托管 Agent 构建个人知识库的文章，讲得非常细致，核心思路是：

💡把散落在 Notion、聊天记录、代码注释、笔记里的上下文，统一收纳进一个持久、可被 Agent 主动检索的知识体系。

管理个人上下文内容体系一直很重要，现在几乎所有高频用 AI 的人，都在面临同一个问题：上下文散落在电脑各个文件夹角落，而且 agent 产出的内容在持续写入，若没有定期手动维护管理的话，东西会越堆越多越来越乱。

而且因为每次授权的工作区/沙箱范围不同，每次开启新会话，都要重新解释自己是谁、在做什么项目、做过哪些决策、有哪些原则……

这不光浪费 token，还会把「你自己的长期认知」不断重置。我个人也有过这样头疼的经历，所以我尝试建立起一套可被 Agent 持续调用、更新、沉淀的上下文管理体系。这也是我做 hks-personal-os 的出发点。

Hks Personal OS 是一个 Local-first、Agent-native 的个人操作系统：
1️⃣以 Markdown + PARA 结构规范组织你的真实工作与生活资产。
2️⃣把每次任务中产生的结果，沉淀为 Knowledge(知识)、Experience(经验)、Principles(方法论)、Artifacts(最终产物)、Data(数据/行动反馈)。
3️⃣通过 Skill + 确定性本地运行，让 Agent 安全地读写你的个人上下文。
4️⃣强调写入审批(也可调节为自动写入)、Run/Changeset 隔离、可回滚、可审计，确保正式文件始终受控

它有一个路由导航节点，会根据你的自然语言，分析本次行动的意图然后理解应该怎么归档。同时它原生支持多 Agent 共同接入：在 99_AI 目录下，会按不同 Agent 划分独立工作区。每个 Agent(比如 claude code/codex/hermes/....) 产出的内容先在各自的工作区沉淀，经过确认后再归档到对应的资产目录。这样，与 AI 协作过程中产生的过程文件，都不会污染你的原有上下文知识库。

如果使用 Codex，还会提供对话内的可视化交互面板，对每一次写入操作进行审批，过程清晰可控。

🌟核心想法很简单：
Skill 负责创造一次结果，Personal OS 负责让这���结果在未来���续产生价值。

项目完全开源，支持 Claude Code、Codex 等多种 Agent，我把它打包成了skill 的形态，安装也很轻量。

上下文体系管理，正在成为 AI 时代每个人都值得认真对待的基础设施。

如果你也在思考「如何让 AI 真正认识你、并随着你的实践不断成长」，欢迎去看看，也期待大家使用后的反馈：
https://t.co/yVv1lY7G8b

[EP @eptwts]

https://t.co/LyjGe4zblc

[Hanksen | 韩克森 @hanksen26]

Great practice. —I also get annoyed having to feed background info to agents every single time. With this workflow, i can build a personal knowledge base from scratch and let the agent maintain itself. But I’ve got one question though — how do you actually save the valuable takeaways from each conversation? Do you use a prompt at the end of every session to ask Claude to summarize them into an MD file? I haven’t found a better way to handle that part yet either.

[kai @0xkkai]

A DEVELOPER FROM ANTHROPIC TOLD ME "MOST PEOPLE WILL NEVER BUILD THIS. NOT BECAUSE IT'S HARD. BECAUSE THEY DON'T BELIEVE A FOLDER CAN BE SMARTER THAN THEM"

he was talking about this. the video is my vault after 5 weeks

every dot is something i wrote. every line is a connection claude found on its own. i didn't link anything. i didn't sort anything. i just threw files into a folder and let claude read them

what you're looking at took me zero effort to build. claude organized it, connected it, and now it maintains it while i sleep

but here's the part nobody talks about: the graph isn't the point. it just looks cool

the point is what happens when you ask it a question. "what do i keep getting wrong?" "where am i repeating the same mistake?" "what did i write 4 months ago that contradicts what i believe today?"

and it answers. from your own words. with dates. with sources. no hallucination. no google. just you talking to the best version of your own memory

the developer told me one more thing: "the people who build this won't go back. and the people who don't will keep explaining themselves to a chatbot that forgets them every 24 hours"

5 weeks in. he was right

i test things like this on myself and share the results. follow @0xkkai if you want to see what's next

[Hanksen | 韩克森 @hanksen26]

@eptwts 对话内的可视化审批交互面板

[Hanksen | 韩克森 @hanksen26]

@eptwts https://t.co/SZQbsuawS8

[Hanksen | 韩克森 @hanksen26]

Case1：
把已有的外部材料，放到 inbox 文件夹下，然后在最顶层目录作为工作区打开一个对话，要求处理 inbox 内的素材一起讨论某个��题内容的创作。最终输出一篇内容并发布到平台后【Artifacts】，积累下本次创作经验【Experience】：「标题怎么写、内容怎么组织的、改过哪些地方...」，后续可以提供这篇文章各维度数据指标【Data】，根据这次经验的复盘分析，沉淀下一些可长期复用的方法论（比如教程类长文怎么起标题能提高点击率，怎么设计文章框架和行文思路等等）【Principal】。

Case2：
安装后，直接让它新建一个全新的个人上下文体系文件目录。在日后的使用中，慢慢把旧文件体系内的资产逐渐归档到这个新体系内。

Case3：
直接授权旧文件体系内容，让它给出归档建议。

[Hanksen | 韩克森 @hanksen26]

一次 AI 协作的总收益 = 当前问题产生的现实结果 + 下一次可以复用的能力资产

如果只有第一部分，那用户只是在临时租用 AI 的能力，用完即止。只有当第二部分也同步积累下来，才能真正转化为用户自身能力的增长，同时这部分增长会随着 AI 技术和工具的升级而持续倍增。

由此形成一个正向的复利循环。

[Hanksen | 韩克森 @hanksen26]

https://t.co/yHaek7OXiB

[Hanksen | 韩克森 @hanksen26]

https://t.co/yHaek7OXiB

[Hanksen | 韩克森 @hanksen26]

最近只有我觉得 Codex 变慢了吗？🤔
不仅是思考速度，连任务执行速度也明显下降。
每次发送消息过去之后，那个「正在思考」都要转老一会儿。

[Hanksen | 韩克森 @hanksen26]

https://t.co/0lBRSDH00p

[Hanksen | 韩克森 @hanksen26]

@rom1trs EDIT

This looks awesome! Can’t wait to hear how you built this skill.

[Matt Pocock @mattpocockuk]

mattpocock/skills v1.1 is out!

- /wayfinder helps you plan more ambitious work than ever
- /to-spec and /to-tickets replace /to-prd and /to-issues
- /implement + /code-review complete the whole lifecycle
- /research and /prototype help support wayfinder, or can be used independently
- Crucial fixes to /grill-me

Run npx skills@latest add mattpocock/skills to update!