7.0
深览指数
成长人人都是产品经理·瑞叔··AI 生成
别再跟 AI 聊天了，搭个工作台吧
本文作者通过7天实战，使用Claude Code搭建了一套AI工作台，核心经验是「减法比加法更重要」。作者将最初规划的11个目录精简至5个，CLAUDE.md配置文件迭代8版后只保留驱动行为的核心约束，并总结出7个从实际工作中「生长」出来的Skill。文章详细分享了精简目录、设计CLAUDE.md、管理Skill体系的具体决策逻辑和5条搭建原则，适合希望提升AI协作效率、从零散聊天转向结构化工作流的深度用户阅读。原文 ↗
核心观点
- ▍高效AI协作的关键不是「加」功能，而是「砍」掉冗余，通过目录、配置文件和Skill构成的结构化工作台，让AI从零散聊天转向有积累、有记忆、有标准流程的工作状态。
- 01作者最初规划了11个目录（skills/、memory/、agents/、rules/等），经过三次精简砍掉了rules/、workflows/、templates/、prompts/、agents/、tools/这6个目录，最终只保留skills/、memory/、knowledge/、assets/、sessions/ 5个。
- 02CLAUDE.md文件共迭代了8版，核心演进是删除了不驱动行为的描述性内容（如标题、沟通约定、迭代原则），最终只保留「角色设定、用户画像、目录结构、工作模式」4章，其中「工作模式」是驱动所有行为的入口。
- 03作者总结出7个Skill，其中file-processor（文件处理）和pm（产品管理）是最早「生长」出来的，遵循「索引入口模式」、「数据可流转」、「可离线自包含」三条设计原则，并砍掉了2个被AI自身能力替代的Skill（knowledge-refiner和session-archiver）。
- 04工作台的核心运转逻辑是：工作模式（做什么）→ Skill（怎么做）→ memory（之前积累了什么），三者各司其职。
- 05作者总结出5条搭建原则：CLAUDE.md只写驱动行为的约束；工作模式是入口，skill是执行单元，memory是沉淀；先做再优化，不追求一次性完美；同类聚合，索引管理；自包含大于依赖安装。
反方 / 局限
- — 作者的方法论高度依赖Claude Code这类能读取整个文件夹的工具，对于只使用ChatGPT聊天窗口的用户，该工作台的大部分概念（目录结构、CLAUDE.md）无法直接适用。
- — 整体方法论偏向个人经验总结，缺乏与主流AI协作框架（如LangChain、AutoGPT）的对比，也未讨论在团队协作或多项目管理场景下的适用性与扩展性。
9 分钟 · 5 卡片 · 9 资料
读原文 →