资料库是脑子，代码库是手脚：我对 AI 协作的一种新理解

先说结论

资料库就是用户的脑子，代码库就是用户的手脚。

这只是一个比喻。如果希望 AI 不只是回答问题，而是能长期替用户做事，就需要同时解决两个问题：它是否理解用户想要什么？它是否有办法把事情做出来？

最近整理 ChatGPT Space 里的 Page，同时也在调整 Agent 的使用方式。从云端 Agent、Multica 到本地 Codex，几种方案都尝试过。比较下来，比不断增加 Agent 配置更重要的，也许是把资料库和代码库维护好。

与 AI 讨论问题时，答案往往不是一开始就有的。提出方案、推翻方案、反复讨论之后，才逐渐形成判断；但过几天，也可能改变主意。

聊天记录当然有价值，但它更多记录了思考过程。单靠一大段聊天，AI 未必能分清哪句话只是随口一提，哪句话才是当前确认的决定。

因此，开始把目标、经历、判断、规则和项目背景整理进 ChatGPT Space Page。目的不是堆积文档，而是让 AI 能找到当前有效的上下文。

例如“把个人网站做好”。这里的“好”到底指什么？是增加功能、尽快上线，还是降低维护成本？如果 AI 不知道用户如何取舍，即使写出漂亮的代码，也可能做错方向。

资料库更像一个不断更新的外部大脑。它不能代替人作出判断，但可以保存已经表达和确认过的想法，让不同会话中的 AI 获得相对一致的上下文。

只有资料库还不够。即使 AI 理解了用户的目标，如果缺少工具、项目环境和操作权限，也往往只能停留在给建议的阶段。

选择本地 Codex 作为主要执行器，就是一次实际的取舍。此前尝试云端 Agent 时，我遇到过沙箱和权限限制。网络问题通常还有办法排查；第三方服务器不开放的权限，却往往无法由使用者自行解决。

现在更倾向于让本地 Codex 直接进入对应的项目文件夹。网站代码、配置说明、执行脚本和测试方式，尽可能留在项目里。这样在接手任务时，它拿到的不只是临时指令，还能了解项目已有的执行基础。

这里说的代码库，也不只是源代码。它还包括与项目执行密切相关的工具、规则、流程和验证方法。它们共同决定了 AI 到底能做什么、怎样做，以及做完如何检查。

资料库和项目仓库如何划分，其实曾经困扰过我。后来发现，两者没必要强行统一。

资料库按用户的理解和管理习惯组织：有什么目标，为什么这样决定，哪些事暂时不做。代码库按项目执行的逻辑组织：文件放哪里、功能如何运行、脚本怎样调用、修改后如何测试。

以个人网站为例，内容策略、文章观点、发布授权可以放在资料库；站点代码、构建脚本和部署流程则属于项目。AI 的作用，是在执行时把两边联系起来，而不是把所有信息塞进同一个地方。

这也意味着，资料库写得再完整，不等于代码能自动执行；代码库功能再强，也不等于 AI 知道用户真正想要什么。知道该做什么，和有能力把它做出来，是两回事。

比起任务完成了多少次，更值得关心的是：下一次会不会比这一次更容易？

一次讨论形成了新的判断，可以将它留在资料库；一次执行形成了可复用的脚本、流程或测试，可以将它留在代码库。前者积累认知，后者积累能力。

当然，把东西存进去并不意味着 AI 就会自动变聪明。它必须能读取到正确的内容，区分已确认的决定和过时的想法；执行之后还得验证结果，不能因为脚本跑完了就宣布成功。重要操作仍然需要明确授权。

当这两套积累得到持续维护，每次任务就不必再从空白聊天和全新的 Agent 配置开始。

这也改变了我对 AI 自主性的理解：它不只是模型能独立思考多少步，而是在理解用户目标之后，有没有足够可靠的手段持续行动。

资料库让 AI 更懂用户，代码库让 AI 更能干。这是长期协作中值得持续维护的两项资产。