/murmur · 微调

当 AI 从工具变成协作系统｜我的 AI 使用周记 001

2026/09/12Fine-Tune微调周记 AI-协作可验证性

统计时间：2026 年 9 月 5 日—9 月 12 日

这一周，我把 AI 用在了金融事务、产品开发、学习、内容创作、个人管理和日常生活中。

这些事情表面上很分散：整理一项金融争议、完成研究报告、优化个人网站、制作家庭 AI 教育文档、学习 AI 原生开发、设计口才训练、管理冰箱食材……

真正把它们连起来的，是我开始让 AI 进入完整过程：整理证据、校验计算、维护状态、指出不确定性，再把分析变成一个可以执行的下一步。

工作：让 AI 进入真实问题

在一项真实的消费金融争议中，我让 AI 承担了类似案件项目经理的角色。

它把沟通记录、合同条款、还款数据、证据目录和后续行动整理到一条时间线上，还帮助我比较不同处理方案需要满足的证据条件。

这次最有价值的地方，是 AI 没有只给出一个看起来很有吸引力的结论。它把可能的方案拆成事实基础、计算口径、证据门槛和不确定之处，帮助我选择更克制、更容易验证的下一步。

我还尝试让 AI 从多张借款截图中建立总账。它可以完成总量核对，但无法把所有累计还款准确分配到每一笔借据。于是我们明确区分了准确值、估算值和待核实数据。

这让我形成了一个越来越明确的判断：

AI 算出一个数字并不困难，真正重要的是它能不能告诉我，这个数字的边界在哪里。

本周还完成了一份科技金融研究报告和一份 19 页的产品成熟度分析，将技术、产品、市场和采用情况放在同一个框架下观察。个人网站的新首页也已上线，桌面端完成验收，手机实机效果仍需继续检查。

这一周，我完成了两份面向普通家庭的 AI 教育文档，其中《思维训练营——家长指导手册》已经在闲鱼上架，定价 19.9 元。

这件事的意义不只是一份文档完成了。它把一条完整链路跑了出来：

研究问题 → 形成内容 → 制作正式产品 → 上架接受真实市场反馈。

我还完成了词汇学习引擎 VLE，用来深入学习任何词汇；并用十个真实任务测试自己的表达引擎，把它推进到 v0.2。

在测试中，我逐渐确认：表达不能只套固定模板。还要先判断谁在对谁说、发生了什么、为什么表达、通过什么媒介表达。这个模型目前继续放在真实项目中使用，等积累足够多的失败案例后，再考虑封装成通用技能。

本周继续学习 AI 原生软件开发生命周期。我没有只读概念，而是把正在开发的个人系统当作案例，追问一个现实问题：

为什么代码已经写了不少，软件仍然“不 work”？

我得到的认识是：编码速度提高，并不代表软件交付速度同步提高。计划、设计、验证、部署和用户反馈中的最慢环节，仍然决定整个系统的速度。

代码正确，也不等于软件正确。当一个产品没有产生真实结果时，需要先判断问题发生在哪一层。

我也继续共读金融运转相关内容，学习现金转换周期、自由现金流、沉没成本和净现值，并把这些概念转化为经营判断。

表达训练方面，我启动了一个 30 天计划：每天用 15 分钟完成跟、诵、背、说。当前有明确记录的是第一天已经开始，后续能否持续，要看实际完成记录。

我用购物截图让 AI 整理冰箱库存。过程中发现，只记录包装上的到期日还不够，绿叶菜等生鲜可能没有明确保质期，却更需要优先处理。

因此，冰箱管理增加了两套判断：

AI 还根据现有食材给出了十分钟左右可以完成的清库存做法。聊天记录里没有确认我是否真的照着做了，所以这只能算行动建议，不能算饮食改善成果。

我还完成了 Habitat OS 的基本框架，把居住空间理解为“人、物品、行为和环境”共同构成的系统；同时建立了个人数字资产清单 v0.1，开始区分哪些网站已经上线、哪些只有代码、哪些只是历史原型。

这两件事让我看到：我的数字资产增长速度，已经开始超过自己的治理速度。

运动方面，本周提出过运动器械教程图和公开水域体验等想法，但缺少实际训练完成记录。

AI 很容易把一个想法扩展成完整方案，也很容易让计划看起来像已经发生。今后的周记需要把“生成了方案”和“真的执行了”分开记录。

第一，AI 的价值正在从回答问题转向管理连续过程。它开始参与证据、状态、决策和交付。

第二，主动标记不确定性，比给出一个漂亮而确定的答案更重要。

第三，AI 可以帮助我建立系统，但系统是否有效，仍然要由现实结果验证：页面是否上线、文档是否交付、训练是否完成、外部事项是否真正推进。

下一周，我会继续记录 30 天口才训练，把 AI 原生开发方法应用到一个真实项目，并为每次重要的 AI 使用留下四项内容：

遇到了什么问题、AI 做了什么、实际结果如何、我由此改变了什么判断。

这一周的关键词是“可验证性”。我希望 AI 越来越接近真实生活，也希望自己的记录越来越接近事实。