AI-native practice

AI 原生不是工具清单，而是工作流结构。

我把 AI 原生理解为：把信息获取、任务拆解、内容生成、代码实现、验证反馈和长期沉淀组织成同一条链路。

个人生产力。
AI 的价值不只在于更快生成文本或代码，而在于把模糊问题拆成能执行、能验证、能复盘的工作单元。

研究与创造。
阅读、比较、假设、试错、总结和表达都适合引入 AI 协作，但需要保留证据、边界和人工判断。

人与人的连接。
自动化不应只追求替代，也应该帮助复杂想法更容易被表达、被理解、被延续。

Context

上下文系统

个人知识、项目资料、经历和长期目标需要被组织成可持续更新的上下文系统。

Tools

工具执行

工具调用、MCP、Skill 和自动化脚本让 AI 从建议走向执行。

Verification

验证回路

检查清单、测试、审查和版本控制让每次生成都有可追溯的质量边界。