《打造個人 AI 增強系統 Kai》核心概念解析
本文為一場關於 AI 增強系統「Kai」的技術分享，由 Daniel（資安知名 newsletter「Unsupervised Learning」主理人）主講。 Daniel 曾於 Apple 、 Robin Hood 等公司擔任安全主管，近年專注於 AI 應用與人類自我提升。以下就其核心概念進行詳細闡述。
論點一：為何打造個人 AI 增強系統？
Daniel 構建 Kai 的主要原因是希望能夠在所做的任何事情上變得更好。他不喜歡被事情 surprises，偏好理解事物的運作方式。當他感到驚訝時，就意味著他在某個層面上未能理解該事物的運作原理。
此外，Daniel 認為傳統工作正在消失，他對於「後企業世界」感到擔憂。對人類來說，最好的準備方式就是成為更出色的人——這意味著了解自己，並使用 AI 來放大自己的能力。這個系統就是他用來思考 AI 將如何影響就業市場的模型。
論點二：AI 發展的五個層級
Daniel 提出了一個五層級的 AI 發展模型，用於思考 AI 對工作的影響程度：
- 2022 年以前：沒有 AI，所有工作都由人類自己完成。
- 2023-25 年左右：第一層 AI 是聊天機器人。你提問，得到回复，然後手動處理。這是人類中心的工作模式。
- 2025 年後（當前）：「代理系統」（Agentic）階段。 AI 開始承擔更多工作任務。
- 未來兩個層級：AI 將承擔越來越多的人工作，最終可能完全接管。
Daniel 強調，他所展示的 Kai 系統目前穩穩地處於第二層級——代理系統階段。
論點三：建構系統前的自我認識至關重要
Daniel 強調，在開始建構任何 AI 系統之前，最重要的是先認識自己：
- 你是誰？
- 你在乎什麼？
- 你真正擅長什麼？
- 科技如何節省你的時間，讓你做更多在意的事情？
對於 Daniel 而言，最重要的一到四項是：閱讀、思考、寫作、討論事情。第五項是他花最多時間的——建構（以前稱為編碼）。他現在做的事主要是思考和寫作，這些產生編碼。這是一種有趣的抽象化。
論點四：提示詞工程仍是核心
雖然近年來出現了許多新術語和概念，但 Daniel 認為提示詞工程從未變得不再重要，事實上，它現在比以往任何時候都更加重要。他解釋道：「清晰的思維是一切的核心，清晰的思維變成清晰的寫作，而清晰的寫作本質上就是提示詞，這會產生非常好的 AI 。」
一個好的啟發式原則是：你能向自己解釋這件事嗎？尤其是六個月後，當你可能已經忘記自己到底建了什麼的時候。如果你能向他人解釋，但自己卻無法解釋，那麼 AI 也無法理解。當 AI 感到困惑時，一切都會出錯。
論點五：腳手架比模型更重要
這是 Daniel 另一個核心觀點：在他看來，系統的「腳手架」（scaffolding）比所使用的模型更為重要。當然，兩者兼備最好：好的模型會放大腳手架的效果，好的腳手架也會放大模型的效果。但如果必須在兩者之間選擇——最新的模型搭配不佳的腳手架，或是六個月前甚至一年前的模型搭配出色的腳手架——他會果斷選擇後者。
Clint 在座談中補充表示，當人們說某個模型「能做」或「不能做」某件事時，由於更好的編排和上下文管理可以帶來截然不同的結果，很難確定這一點。這正好印證了腳手架的重要性。
論點六：盡可能保持確定性——程式碼優先於提示詞
Daniel 的第三個核心原則是「盡可能保持確定性」。在實踐中，這意味著「程式碼優先於提示詞」：如果有任何可以用程式碼完成的事情，他會先用程式碼完成，根本不使用 AI 。
他將 Kai 描述為更像是一個「技術編排系統」，而非單純的 AI 系統。實際上，在 AI 變得如此強大之前，他就已经有類似的系統。當你在其上添加 AI 時，它會大幅放大系統的效果，但本質上它更像是一個編排框架。
Daniel 估計自己系統中約 80% 是確定性程式碼，20% 是 AI 提示詞。他建議這個比例應該是「大多數是確定性，AI 包覆在外面」的 80/20 原則。
論點七：規格驅動開發與測試
Daniel 指出，AI 領域有一個大趨勢是過度依賴「直覺」（vibes）。但關鍵問題是：我們如何知道這些東西是否有效？我們如何真正從我們構建的東西中獲得一致性？
他的解決方案是採用「規格驅動開發」（Spec-driven Development），大致基於 GitHub 的「Spec Kit」專案。流程是：先創建規格，然後創建計畫，接著編寫測試，最後才編寫程式碼。這種方法確保了系統的可預測性和一致性。
論點八：Unix 哲學——每個容器只做一件事
Daniel 是命令列的忠實粉絲，他將 Unix 哲學融入 Kai 系統：每個容器（或技能）只做好一件事，然後讓不同的技能相互調用，而不是在每個技能內複製相同的功能。
他舉例說明：他的「紅隊技能」可以攻擊網路架構、應用程式架構威脅模型等。但紅隊技能實際上會調用「第一性原理」技能，並進一步分解成其他部分——這就是流程的運作方式。
論點九：命令列優先於 AI
另一個重要原則是：盡可能使用 CLI（命令列介面）而不是讓模型嘗試弄清楚如何運行代碼。 Daniel 說：「沒有什麼比如何使用一個好的命令列工具更清晰的了——假設它有良好的文件說明。”
CLI 的好處包括：有文件說明、有標誌、有開關、有選項。這意味著你知道如何使用它。而且 AI 也最喜歡這一點——當任務沒有歧義時，AI 表現最好。
論點十：系統的自我更新能力
Kai 系統最酷的功能之一是它能夠更新自己。 Daniel 有一個「升級技能」（upgrade skill），會從網路上的多個來源自動獲取最新資訊，包括 Anthropic 工程部落格、 GitHub 發布、 YouTube 頻道等。
當 Daniel 說「運行升級技能」時，它會去尋找所有這些來源，解析最新內容，審視 Kai 的所有文檔（有一個單一文件記錄了 Kai 的所有資訊），然後尋找改進的機會。例如，當 Anthropic 發布了關於如何改進技能路由的新技術時，Kai 會自動發現並在約五分鐘內完成整個系統的升級。
論點十一：自訂技能管理與路由
這是 Daniel 在 Cloud Code 基礎上所做的最重要的擴展。雖然 Cloud Code 本身的路由能力已經很好，但 Daniel 添加了一個補充系統，讓路由更加明確。
這個系統的運作方式是：在系統提示中有一個路由表，指向具體的工作流程，然後在工作流程中調用工具目錄中的工具——這些工具最好都是確定性的程式碼，而非提示詞。這種架構使得系統能夠用簡單的語言精確地得到所需的結果。
論點十二：自訂歷史系統
Kai 還有一個強大的自訂歷史系統，會話、學習、研究、決策等各種分類。當任何代理完成任何任務時——無論是 Daniel 本人、 Kai 或是任何子代理——Kai 都會思考他們做了什麼，將其轉化為摘要，並寫入歷史系統中。
這意味著整個系統的運作軌跡都被完整記錄下來，為未來的改進提供了寶貴的數據。
結語
Daniel 的 Kai 系統展示了如何將 AI 真正轉化為個人增強工具的完整架構。從自我認識出發，透過精心設計的腳手架、確定性的程式碼優先原則、規格驅動的開發流程，到系統的自我更新能力——這是一個完整的 AI 增強系統範本。
對於任何希望建立類似系統的人來說，Daniel 的建議是：首先了解自己是誰、自己在乎什麼，然後再開始建構。科技只是工具，真正的主角仍然是人類自己。