- Hệ thống AI cá nhân này chỉ có quyền truy cập đọc vào dữ liệu người dùng từ nhiều nguồn, phân tích "khí thải nhận thức" kỹ thuật số để tạo ra các hiểu biết sâu sắc mà không bao giờ ghi lại hoặc hành động thay mặt người dùng.
- Thiết kế "chỉ đọc" giúp phát hiện các khoảng cách ý định-hành động, sự xao nhãng chú ý và suy yếu mối quan hệ, đồng thời bảo vệ người dùng khỏi rủi ro do AI gây ra lỗi trong các lĩnh vực nhạy cảm như quan hệ và sự nghiệp.
- Bằng cách duy trì sự tách biệt này, hệ thống đảm bảo phân tích trung thực về hành vi con người và trao quyền tự quyết cho người dùng, biến dữ liệu bị bỏ quên thành công cụ cải thiện bản thân một cách an toàn.
Cognitive Exhaust Fumes, or: Read-Only AI Is Underrated — Šimon Podhajský, Head of AI, Waypoint
- Thiết kế Read-Only (Chỉ Đọc): Hệ thống AI cá nhân này được thiết kế chỉ với quyền truy cập đọc vào dữ liệu từ nhiều nguồn (ví dụ: email, nhật ký, trình duyệt), không bao giờ ghi hay hành động thay mặt người dùng, nhằm giảm thiểu rủi ro và duy trì sự an toàn.
- Phân tích "Khí thải Nhận thức": Nó khai thác "khí thải nhận thức" – dữ liệu kỹ thuật số là sản phẩm phụ từ hoạt động của người dùng – để chẩn đoán hành vi và trạng thái tinh thần, tương tự như việc phân tích khí thải động cơ.
- Tổng hợp Dữ liệu Đa nguồn: Khả năng kết hợp thông tin từ nhiều nguồn dữ liệu độc lập giúp phát hiện các insight phức tạp như khoảng cách ý định-hành động, sự xao nhãng chú ý, và sự suy yếu mối quan hệ mà một nguồn đơn lẻ không thể cung cấp.
- Kiến trúc Hệ thống Rõ ràng: Hệ thống bao gồm ba phần: Các nguồn dữ liệu (chỉ đọc), Không gian làm việc (nơi phân tích), và Đầu ra (được lưu trữ riêng biệt để người dùng xem xét, ví dụ trong Obsidian vault hoặc Notion).
- Ứng dụng Hướng tới Tự Phản tư: Các ứng dụng thực tế bao gồm việc tổng hợp bản phản tư hàng tuần về cách sử dụng thời gian và gợi ý thảo luận qua mạng lưới dựa trên nội dung đã đọc, nhằm mục đích cung cấp thông tin chi tiết để người dùng tự hành động.
- Triết lý An toàn và Quyền tự quyết: Triết lý "chỉ đọc" không chỉ giảm thiểu rủi ro từ lỗi của AI (mà lỗi ghi có thể có hậu quả vô hạn) mà còn ngăn chặn "ô nhiễm nhận thức", đảm bảo AI chỉ quan sát và phân tích hành vi thực sự của người dùng mà không can thiệp hay thay đổi nó.
- Nhận thức Về Rủi ro Bảo mật: Mặc dù chỉ đọc, hệ thống vẫn tiềm ẩn các rủi ro bảo mật như hiệu ứng mosaic (ghép nhiều mảnh thông tin nhỏ thành bức tranh hoàn chỉnh) và các vấn đề liên quan đến gửi dữ liệu đến các API bên ngoài, nhưng các rủi ro này được chấp nhận một cách có ý thức.
- Giá trị của Dữ liệu Bị Bỏ Quên: Thông điệp cốt lõi là "khí thải" kỹ thuật số là bộ dữ liệu bị bỏ quên nhất mà người dùng sở hữu, có giá trị lớn khi được suy ngẫm và sử dụng để cải thiện bản thân một cách có ý thức.
hệ thống AI— AI systemtác nhân— agentchỉ đọc— read-onlykhí thải nhận thức— cognitive exhaustkhoảng cách giữa ý định và hành động— intention action gapssự xao nhãng chú ý— attention driftsự suy yếu các mối quan hệ— relationship decayingKhông gian làm việc— Workspaceđầu ra— outputsô nhiễm nhận thức— cognitive pollution
Giới thiệu hệ thống AI cá nhân chỉ đọc
Chào các bạn, tôi là Shimon. Hôm nay, tôi sẽ nói về một hệ thống AI cá nhân biết rõ về bạn, nhưng sẽ không làm bất cứ điều gì thay bạn hoặc nhân danh bạn, và cũng sẽ không gây ra rắc rối cho cuộc sống của bạn. Đó là một điều tốt. Trong quá trình này, tôi sẽ đề cập đến những rủi ro của AI cá nhân và cách chúng ta không chỉ cần các hệ thống AI như thế này để giảm thiểu chúng. Hãy bắt đầu. Toàn bộ lĩnh vực AI cá nhân bị ám ảnh bởi các tác nhân hoạt động thay mặt bạn. Tôi đã xây dựng một cái gì đó khác. Điểm khởi đầu là sáu nguồn dữ liệu, chỉ có quyền truy cập đọc, không có quyền ghi. Giới hạn này là hoàn toàn có chủ đích.
Khí thải nhận thức và những hiểu biết sâu sắc
Nhưng trước hết, "khí thải nhận thức" là gì? Đó là thuật ngữ của tôi để chỉ hoạt động kỹ thuật số là sản phẩm phụ từ hoạt động của bạn, giống như khí thải từ động cơ xe hơi. Khi đứng riêng lẻ, nó chỉ là chất thải, nhưng nếu bạn phân tích khí thải, bạn có thể chẩn đoán được động cơ. Vậy hãy xem một số ví dụ về những gì khí thải tiết lộ. Điều này cho phép bạn làm gì? Ba trường hợp sử dụng hàng đầu mà tôi tìm thấy là: intention action gaps (khoảng cách giữa ý định và hành động), attention drift (sự xao nhãng chú ý), và relationship decaying (sự suy yếu các mối quan hệ). Không có một nguồn dữ liệu đơn lẻ nào có thể cho bạn biết bất kỳ điều gì trong số này, và khả năng kết hợp các nguồn dữ liệu chính là điểm chung của chúng. Trình duyệt email của bạn không biết bạn đã viết gì vào nhật ký. Trình quản lý tác vụ của bạn không biết bạn đang duyệt web những gì. Tín hiệu đa nguồn chính là sản phẩm.
Kiến trúc hệ thống chỉ đọc
Hãy xem xét kỹ hơn về hệ thống. Đây là toàn bộ hệ thống, gồm ba phần. Các nguồn dữ liệu là chỉ đọc, AI không bao giờ ghi lại vào chúng. Không gian làm việc là nơi phân tích diễn ra. Các đầu ra được lưu trữ trong một Obsidian vault riêng biệt để tôi xem xét, nhưng không nhất thiết phải là một Obsidian vault riêng. Nó có thể là một Notion riêng, một tệp văn bản riêng, bất cứ thứ gì riêng biệt, có thể là bất kỳ hệ thống nào khác. Đó chính là toàn bộ vấn đề.
Ứng dụng: Phản tư hàng tuần
Vậy còn các ứng dụng thì sao? Hãy bắt đầu với một phương pháp phản tư hàng tuần kiểu Getting Things Done của David Allen. Dựa trên sáu nguồn dữ liệu, AI tổng hợp một bản phản tư đôi khi khá khắc nghiệt về cách bạn đã sử dụng tuần của mình. Hãy xem một ví dụ thực tế. Mọi thứ đều chạy trong Claude. Tôi đã lưu trữ logic này trong lệnh /weekly reflection hoặc /skill. Và điều nó làm là khởi chạy một Python script để lấy tất cả dữ liệu từ các nguồn chỉ đọc, xem xét chúng và tạo ra các đầu ra có cấu trúc với các lời nhắc cụ thể mà tôi đã chuẩn bị. Quá trình này mất một chút thời gian. Nó gửi yêu cầu đến API của Anthropic để nhận lại các đầu ra có cấu trúc đó. Và khi hoàn thành, nó sẽ tạo ra một tài liệu Markdown mà tôi có thể xem xét. Bây giờ quá trình này đã chạy xong, nó cung cấp cho tôi một cái nhìn tổng quan và tôi có thể mở nó trở lại trong Cursor. Và tôi sẽ quay lại một bản xem trước dễ đọc hơn. Và thấy rằng trên thực tế, nó thực sự chạm đến các chủ đề của tuần. Nó chạm đến một số căng thẳng và xung đột mà tôi cần suy nghĩ. Nó nói về cam kết của tôi đối với các mối quan hệ, điều này chủ yếu đáng chú ý bởi sự thiếu vắng của nó. Và tôi cũng làm nổi bật những khoảnh khắc đáng chú ý cũng như một câu hỏi phản tư mà tôi thích suy nghĩ. Tóm lại, đây không phải là một báo cáo năng suất. Đó là sự phản ánh về cách bạn đang suy nghĩ, cách bạn đang tập hợp thông tin từ "khí thải" của tôi.
Ứng dụng: Gợi ý thảo luận qua mạng lưới
Hãy lấy một ví dụ khác. Tôi thích thảo luận về những gì tôi đang đọc với người khác, nhưng đôi khi tôi nghĩ mình không nên cứ nhắn tin cho cùng ba người đó về điều này. Vì vậy, tôi đã hỏi AI: "Với những gì tôi vừa đọc gần đây, tôi nên thảo luận điều này với ai trong mạng lưới của mình?" Đây chính là phép thuật đa nguồn. Bốn nguồn dữ liệu, không nguồn nào được thiết kế để nói chuyện với nhau, kết hợp thành một thông tin chi tiết mà bạn sẽ không bao giờ nhận được từ bất kỳ công cụ đơn lẻ nào. Và tất cả đều chỉ đọc. Không có gì được gửi đi. Không có gì được lên lịch. Chỉ là một gợi ý để tôi hành động nếu tôi chọn. Hãy một lần nữa cho bạn xem bản demo. Một lần nữa, đây là một skill của Claw. Nhưng trong trường hợp này, tôi đã ẩn hầu hết các chi tiết bên trong của skill Claw vào truy vấn cross origin và hỏi câu hỏi cụ thể bằng ngôn ngữ tự nhiên. Ngôn ngữ tự nhiên biết rằng nó sẽ kích hoạt skill cụ thể cho các truy vấn đa nguồn. Và bây giờ nó đi qua các cơ sở dữ liệu mà tôi đã quản lý và thường xuyên nhập liệu. Nó xem xét cơ sở dữ liệu SQLite của Bivaldi để tìm các bài viết mà tôi đã đọc nhiều nhất. Và sau một thời gian, nó sẽ tìm ra những bài viết nào được đọc nhiều nhất, vẫn còn mở trên các tab, và những người nào có thể tò mò về nó dựa trên hồ sơ.
Bây giờ, đây có lẽ là phần yếu nhất. Clay MCP mất mãi mới chạy xong. Nhưng nó tìm kiếm trong CRM hoặc hệ thống quản lý quan hệ bạn bè của tôi, tôi nghĩ vậy, tức là FRM, để tìm những người có thể quan tâm đến các bài viết về những chủ đề này. Trong trường hợp này, đó là những người quan tâm đến AI hoặc những người trong lĩnh vực công nghệ châu Âu hoặc những người trong giáo dục, mà ngẫu nhiên đây cũng là ba lĩnh vực mà tôi quan tâm. Bây giờ, như bạn có thể nhận thấy, điều này tiêu tốn rất nhiều mã thông báo trong cửa sổ ngữ cảnh. Vì vậy, bạn có lẽ không muốn làm điều này trong một phiên không sạch. Nhưng không thành vấn đề nếu nó hơi làm hỏng một chút cửa sổ ngữ cảnh 1 triệu mã thông báo phiên bản 4.6 và sau đó bạn xóa nó đi. Vì vậy, tại thời điểm này, nó đang nhận các phản hồi từ tất cả các tìm kiếm của Clay. Nó tổng hợp những người mà tôi nên nói chuyện. Và nó gán mỗi người cho một bài viết. Đó là điều mà, hoặc nó sắp gán mỗi người cho một bài viết. Điều này yêu cầu một chút bash hoặc xin lỗi, thay mặt cho Claude Code. Nhưng nếu bạn chạy nó với auto to auto mode hoặc dangerous escape permissions, bạn cũng có thể loại bỏ điều đó. Và quả thực, khi tôi xem xét các kết quả đầu tiên, đó trông giống như những người mà tôi có thể muốn nói chuyện, những người mà tôi chưa nói chuyện về các loại bài viết mà tôi đã đọc. Cảm ơn, Colin. Trong trường hợp này, nó thậm chí còn tìm thấy tác giả của bài viết mà tôi đang đọc có trong mạng lưới của tôi, vì vậy tôi nên liên hệ với họ. Tóm lại, không nguồn nào biết tất cả những điều này. Trình duyệt của bạn không biết danh bạ của bạn. CRM của bạn không biết bạn đang đọc gì. "Khí thải" thì có.
Triết lý "Chỉ đọc" và rủi ro
Vậy tại sao lại giữ nó chỉ đọc nếu nó hữu ích đến vậy? Đây là vấn đề về rủi ro liên quan. Nó không đối xứng. Nhược điểm của một lỗi chỉ đọc là bằng không. Tôi chỉ đơn giản là bỏ qua nó. Nhược điểm của một lỗi ghi là không giới hạn. Và AI cá nhân hoạt động trong môi trường có tính rủi ro cao nhất: các mối quan hệ của bạn, sự nghiệp của bạn, danh tiếng của bạn. Tôi thà bỏ lỡ các email tự động còn hơn là một sai sót có thể hủy hoại cuộc đời tôi. Cũng có một lập luận triết học tinh tế hơn, gần như là vấn đề sở thích. Chỉ đọc không chỉ an toàn hơn. Nó tạo ra phân tích tốt hơn. Khoảnh khắc AI của bạn ghi vào các nguồn dữ liệu, luồng "khí thải" sẽ bị ô nhiễm. Bạn không còn quan sát nhận thức của chính mình nữa. Bạn đang quan sát một hybrid giữa con người và AI, và bạn không thể biết những mô hình nào là của bạn. Chắc chắn, người quan sát cũng thay đổi hành vi của bạn, nhưng vòng phản hồi được trung gian bởi bạn, không phải tự động. Bạn đọc bản phản tư. Bạn quyết định phải làm gì. Đó là một điều khác so với việc AI viết lại bản nháp của bạn. Và có một lập luận cho rằng bạn không muốn AI viết bản nháp của bạn ngay từ đầu, rằng bạn nên giành lại quyền tự quyết của mình. Tôi nghĩ điều này có thể khó thuyết phục đối với đám đông này, nhưng đáng để xem xét.
Tại thời điểm này, bạn có thể đang hỏi, tại sao không đưa tất cả những điều này vào Open-Clown hoặc một mount chỉ đọc, mà tôi đã làm? Đây là vấn đề. Tác nhân quan sát tạo ra nhiều giá trị hơn trên mỗi tương tác với một biên độ lớn. Tác nhân tiết kiệm cho tôi 30 giây khi kiểm tra thời tiết. Tác nhân quan sát cho tôi thấy tôi đã tránh dự án quan trọng nhất của mình trong hai tuần. Chưa kể đến rủi ro mất mát do exfiltration và ô nhiễm nhận thức. Lập luận tôi đưa ra ở đây là chỉ đọc không phải là một bước đệm để đạt được cái gọi là "các tác nhân thực sự". Nó giúp bạn làm tốt mọi việc, vâng. Nhưng nó giải quyết một khoảng trống khác, phục vụ một nhu cầu khác. Nó là một danh mục sản phẩm khác. Ngành công nghiệp coi chỉ đọc là một hạn chế mà bạn sẽ vượt qua. Tôi nghĩ điều đó sai. Tác nhân quan sát và tác nhân hoạt động là những công cụ khác nhau, và việc chỉ quan sát không có nghĩa là một quản gia bị hỏng.
Các mối lo ngại về bảo mật
Vậy đó là giá trị đề xuất. Tôi sẽ làm gì ở dịch vụ này nếu tôi dừng lại ở đây? Hãy đội mũ của người đa nghi vào. Điều gì khiến tôi mất ngủ? Hãy bắt đầu với hiệu ứng mosaic. Có một thứ gọi là hiệu ứng mosaic, nơi bạn ghép nhiều mảnh thông tin nhỏ lại với nhau và bạn có được một bức tranh hoàn chỉnh. Bản sao slide của tôi mô tả chính xác rủi ro bảo mật. Khả năng đối chiếu chéo thông tin giống như thứ làm cho hệ thống hữu ích cũng biến nó thành một mục tiêu nguy hiểm. Vì vậy, hãy cẩn thận ở đó. Mặt khác của vấn đề, ví dụ về yếu tố đe dọa chết người của Simon. Trong trường hợp bạn không biết về yếu tố đe dọa chết người, đó là một mô hình rủi ro bảo mật kết hợp ba yếu tố: dữ liệu riêng tư, nội dung không đáng tin cậy và liên lạc bên ngoài. Ban đầu tôi ngừng đọc về nó vì nó phá vỡ yếu tố đe dọa chết người, và nó không hoàn toàn loại bỏ sự rò rỉ tự nhiên của một số kênh nhất định. Vì vậy, trụ cột thứ ba là bất kỳ khả năng liên lạc bên ngoài nào, và quyền truy cập shell vẫn có điều đó. Tóm lại, hệ thống không phải là chống cháy. Tôi không khẳng định điều đó. Ngay cả trong kịch bản tốt nhất, tôi vẫn đang gửi dữ liệu đến Anthropic trên một mạng lưới hầu hết là công khai, với rất nhiều thông tin nằm xung quanh hơn mức cần thiết. Tôi không khẳng định hệ thống an toàn. Tôi khẳng định rằng tôi đã suy nghĩ về những điểm mà nó không an toàn, và tôi đã quyết định những rủi ro nào tôi sẵn sàng chấp nhận. Nó khác với việc không biết. Tư thế bảo mật tồi tệ nhất là tư thế mà bạn chưa từng kiểm tra.
Kết luận
Với những điều đã nói, tôi vẫn nghĩ có điều gì đó đáng giá để học hỏi từ tất cả những điều này. "Khí thải" kỹ thuật số của bạn là bộ dữ liệu bị bỏ quên nhất mà bạn sở hữu. Hãy suy ngẫm về nó và sử dụng nó để cải thiện bản thân. Cảm ơn đã lắng nghe.
TL;DR
- Hệ thống AI cá nhân này chỉ có quyền truy cập đọc vào dữ liệu người dùng từ nhiều nguồn, phân tích "khí thải nhận thức" kỹ thuật số để tạo ra các hiểu biết sâu sắc mà không bao giờ ghi lại hoặc hành động thay mặt người dùng.
- Thiết kế "chỉ đọc" giúp phát hiện các khoảng cách ý định-hành động, sự xao nhãng chú ý và suy yếu mối quan hệ, đồng thời bảo vệ người dùng khỏi rủi ro do AI gây ra lỗi trong các lĩnh vực nhạy cảm như quan hệ và sự nghiệp.
- Bằng cách duy trì sự tách biệt này, hệ thống đảm bảo phân tích trung thực về hành vi con người và trao quyền tự quyết cho người dùng, biến dữ liệu bị bỏ quên thành công cụ cải thiện bản thân một cách an toàn.
Điểm chính
- Thiết kế Read-Only (Chỉ Đọc): Hệ thống AI cá nhân này được thiết kế chỉ với quyền truy cập đọc vào dữ liệu từ nhiều nguồn (ví dụ: email, nhật ký, trình duyệt), không bao giờ ghi hay hành động thay mặt người dùng, nhằm giảm thiểu rủi ro và duy trì sự an toàn.
- Phân tích "Khí thải Nhận thức": Nó khai thác "khí thải nhận thức" – dữ liệu kỹ thuật số là sản phẩm phụ từ hoạt động của người dùng – để chẩn đoán hành vi và trạng thái tinh thần, tương tự như việc phân tích khí thải động cơ.
- Tổng hợp Dữ liệu Đa nguồn: Khả năng kết hợp thông tin từ nhiều nguồn dữ liệu độc lập giúp phát hiện các insight phức tạp như khoảng cách ý định-hành động, sự xao nhãng chú ý, và sự suy yếu mối quan hệ mà một nguồn đơn lẻ không thể cung cấp.
- Kiến trúc Hệ thống Rõ ràng: Hệ thống bao gồm ba phần: Các nguồn dữ liệu (chỉ đọc), Không gian làm việc (nơi phân tích), và Đầu ra (được lưu trữ riêng biệt để người dùng xem xét, ví dụ trong Obsidian vault hoặc Notion).
- Ứng dụng Hướng tới Tự Phản tư: Các ứng dụng thực tế bao gồm việc tổng hợp bản phản tư hàng tuần về cách sử dụng thời gian và gợi ý thảo luận qua mạng lưới dựa trên nội dung đã đọc, nhằm mục đích cung cấp thông tin chi tiết để người dùng tự hành động.
- Triết lý An toàn và Quyền tự quyết: Triết lý "chỉ đọc" không chỉ giảm thiểu rủi ro từ lỗi của AI (mà lỗi ghi có thể có hậu quả vô hạn) mà còn ngăn chặn "ô nhiễm nhận thức", đảm bảo AI chỉ quan sát và phân tích hành vi thực sự của người dùng mà không can thiệp hay thay đổi nó.
- Nhận thức Về Rủi ro Bảo mật: Mặc dù chỉ đọc, hệ thống vẫn tiềm ẩn các rủi ro bảo mật như hiệu ứng mosaic (ghép nhiều mảnh thông tin nhỏ thành bức tranh hoàn chỉnh) và các vấn đề liên quan đến gửi dữ liệu đến các API bên ngoài, nhưng các rủi ro này được chấp nhận một cách có ý thức.
- Giá trị của Dữ liệu Bị Bỏ Quên: Thông điệp cốt lõi là "khí thải" kỹ thuật số là bộ dữ liệu bị bỏ quên nhất mà người dùng sở hữu, có giá trị lớn khi được suy ngẫm và sử dụng để cải thiện bản thân một cách có ý thức.
Từ vựng
hệ thống AI— AI systemtác nhân— agentchỉ đọc— read-onlykhí thải nhận thức— cognitive exhaustkhoảng cách giữa ý định và hành động— intention action gapssự xao nhãng chú ý— attention driftsự suy yếu các mối quan hệ— relationship decayingKhông gian làm việc— Workspaceđầu ra— outputsô nhiễm nhận thức— cognitive pollution
Nội dung chi tiết
Giới thiệu hệ thống AI cá nhân chỉ đọc
Chào các bạn, tôi là Shimon. Hôm nay, tôi sẽ nói về một hệ thống AI cá nhân biết rõ về bạn, nhưng sẽ không làm bất cứ điều gì thay bạn hoặc nhân danh bạn, và cũng sẽ không gây ra rắc rối cho cuộc sống của bạn. Đó là một điều tốt. Trong quá trình này, tôi sẽ đề cập đến những rủi ro của AI cá nhân và cách chúng ta không chỉ cần các hệ thống AI như thế này để giảm thiểu chúng. Hãy bắt đầu. Toàn bộ lĩnh vực AI cá nhân bị ám ảnh bởi các tác nhân hoạt động thay mặt bạn. Tôi đã xây dựng một cái gì đó khác. Điểm khởi đầu là sáu nguồn dữ liệu, chỉ có quyền truy cập đọc, không có quyền ghi. Giới hạn này là hoàn toàn có chủ đích.
Khí thải nhận thức và những hiểu biết sâu sắc
Nhưng trước hết, "khí thải nhận thức" là gì? Đó là thuật ngữ của tôi để chỉ hoạt động kỹ thuật số là sản phẩm phụ từ hoạt động của bạn, giống như khí thải từ động cơ xe hơi. Khi đứng riêng lẻ, nó chỉ là chất thải, nhưng nếu bạn phân tích khí thải, bạn có thể chẩn đoán được động cơ. Vậy hãy xem một số ví dụ về những gì khí thải tiết lộ. Điều này cho phép bạn làm gì? Ba trường hợp sử dụng hàng đầu mà tôi tìm thấy là: intention action gaps (khoảng cách giữa ý định và hành động), attention drift (sự xao nhãng chú ý), và relationship decaying (sự suy yếu các mối quan hệ). Không có một nguồn dữ liệu đơn lẻ nào có thể cho bạn biết bất kỳ điều gì trong số này, và khả năng kết hợp các nguồn dữ liệu chính là điểm chung của chúng. Trình duyệt email của bạn không biết bạn đã viết gì vào nhật ký. Trình quản lý tác vụ của bạn không biết bạn đang duyệt web những gì. Tín hiệu đa nguồn chính là sản phẩm.
Kiến trúc hệ thống chỉ đọc
Hãy xem xét kỹ hơn về hệ thống. Đây là toàn bộ hệ thống, gồm ba phần. Các nguồn dữ liệu là chỉ đọc, AI không bao giờ ghi lại vào chúng. Không gian làm việc là nơi phân tích diễn ra. Các đầu ra được lưu trữ trong một Obsidian vault riêng biệt để tôi xem xét, nhưng không nhất thiết phải là một Obsidian vault riêng. Nó có thể là một Notion riêng, một tệp văn bản riêng, bất cứ thứ gì riêng biệt, có thể là bất kỳ hệ thống nào khác. Đó chính là toàn bộ vấn đề.
Ứng dụng: Phản tư hàng tuần
Vậy còn các ứng dụng thì sao? Hãy bắt đầu với một phương pháp phản tư hàng tuần kiểu Getting Things Done của David Allen. Dựa trên sáu nguồn dữ liệu, AI tổng hợp một bản phản tư đôi khi khá khắc nghiệt về cách bạn đã sử dụng tuần của mình. Hãy xem một ví dụ thực tế. Mọi thứ đều chạy trong Claude. Tôi đã lưu trữ logic này trong lệnh /weekly reflection hoặc /skill. Và điều nó làm là khởi chạy một Python script để lấy tất cả dữ liệu từ các nguồn chỉ đọc, xem xét chúng và tạo ra các đầu ra có cấu trúc với các lời nhắc cụ thể mà tôi đã chuẩn bị. Quá trình này mất một chút thời gian. Nó gửi yêu cầu đến API của Anthropic để nhận lại các đầu ra có cấu trúc đó. Và khi hoàn thành, nó sẽ tạo ra một tài liệu Markdown mà tôi có thể xem xét. Bây giờ quá trình này đã chạy xong, nó cung cấp cho tôi một cái nhìn tổng quan và tôi có thể mở nó trở lại trong Cursor. Và tôi sẽ quay lại một bản xem trước dễ đọc hơn. Và thấy rằng trên thực tế, nó thực sự chạm đến các chủ đề của tuần. Nó chạm đến một số căng thẳng và xung đột mà tôi cần suy nghĩ. Nó nói về cam kết của tôi đối với các mối quan hệ, điều này chủ yếu đáng chú ý bởi sự thiếu vắng của nó. Và tôi cũng làm nổi bật những khoảnh khắc đáng chú ý cũng như một câu hỏi phản tư mà tôi thích suy nghĩ. Tóm lại, đây không phải là một báo cáo năng suất. Đó là sự phản ánh về cách bạn đang suy nghĩ, cách bạn đang tập hợp thông tin từ "khí thải" của tôi.
Ứng dụng: Gợi ý thảo luận qua mạng lưới
Hãy lấy một ví dụ khác. Tôi thích thảo luận về những gì tôi đang đọc với người khác, nhưng đôi khi tôi nghĩ mình không nên cứ nhắn tin cho cùng ba người đó về điều này. Vì vậy, tôi đã hỏi AI: "Với những gì tôi vừa đọc gần đây, tôi nên thảo luận điều này với ai trong mạng lưới của mình?" Đây chính là phép thuật đa nguồn. Bốn nguồn dữ liệu, không nguồn nào được thiết kế để nói chuyện với nhau, kết hợp thành một thông tin chi tiết mà bạn sẽ không bao giờ nhận được từ bất kỳ công cụ đơn lẻ nào. Và tất cả đều chỉ đọc. Không có gì được gửi đi. Không có gì được lên lịch. Chỉ là một gợi ý để tôi hành động nếu tôi chọn. Hãy một lần nữa cho bạn xem bản demo. Một lần nữa, đây là một skill của Claw. Nhưng trong trường hợp này, tôi đã ẩn hầu hết các chi tiết bên trong của skill Claw vào truy vấn cross origin và hỏi câu hỏi cụ thể bằng ngôn ngữ tự nhiên. Ngôn ngữ tự nhiên biết rằng nó sẽ kích hoạt skill cụ thể cho các truy vấn đa nguồn. Và bây giờ nó đi qua các cơ sở dữ liệu mà tôi đã quản lý và thường xuyên nhập liệu. Nó xem xét cơ sở dữ liệu SQLite của Bivaldi để tìm các bài viết mà tôi đã đọc nhiều nhất. Và sau một thời gian, nó sẽ tìm ra những bài viết nào được đọc nhiều nhất, vẫn còn mở trên các tab, và những người nào có thể tò mò về nó dựa trên hồ sơ.
Bây giờ, đây có lẽ là phần yếu nhất. Clay MCP mất mãi mới chạy xong. Nhưng nó tìm kiếm trong CRM hoặc hệ thống quản lý quan hệ bạn bè của tôi, tôi nghĩ vậy, tức là FRM, để tìm những người có thể quan tâm đến các bài viết về những chủ đề này. Trong trường hợp này, đó là những người quan tâm đến AI hoặc những người trong lĩnh vực công nghệ châu Âu hoặc những người trong giáo dục, mà ngẫu nhiên đây cũng là ba lĩnh vực mà tôi quan tâm. Bây giờ, như bạn có thể nhận thấy, điều này tiêu tốn rất nhiều mã thông báo trong cửa sổ ngữ cảnh. Vì vậy, bạn có lẽ không muốn làm điều này trong một phiên không sạch. Nhưng không thành vấn đề nếu nó hơi làm hỏng một chút cửa sổ ngữ cảnh 1 triệu mã thông báo phiên bản 4.6 và sau đó bạn xóa nó đi. Vì vậy, tại thời điểm này, nó đang nhận các phản hồi từ tất cả các tìm kiếm của Clay. Nó tổng hợp những người mà tôi nên nói chuyện. Và nó gán mỗi người cho một bài viết. Đó là điều mà, hoặc nó sắp gán mỗi người cho một bài viết. Điều này yêu cầu một chút bash hoặc xin lỗi, thay mặt cho Claude Code. Nhưng nếu bạn chạy nó với auto to auto mode hoặc dangerous escape permissions, bạn cũng có thể loại bỏ điều đó. Và quả thực, khi tôi xem xét các kết quả đầu tiên, đó trông giống như những người mà tôi có thể muốn nói chuyện, những người mà tôi chưa nói chuyện về các loại bài viết mà tôi đã đọc. Cảm ơn, Colin. Trong trường hợp này, nó thậm chí còn tìm thấy tác giả của bài viết mà tôi đang đọc có trong mạng lưới của tôi, vì vậy tôi nên liên hệ với họ. Tóm lại, không nguồn nào biết tất cả những điều này. Trình duyệt của bạn không biết danh bạ của bạn. CRM của bạn không biết bạn đang đọc gì. "Khí thải" thì có.
Triết lý "Chỉ đọc" và rủi ro
Vậy tại sao lại giữ nó chỉ đọc nếu nó hữu ích đến vậy? Đây là vấn đề về rủi ro liên quan. Nó không đối xứng. Nhược điểm của một lỗi chỉ đọc là bằng không. Tôi chỉ đơn giản là bỏ qua nó. Nhược điểm của một lỗi ghi là không giới hạn. Và AI cá nhân hoạt động trong môi trường có tính rủi ro cao nhất: các mối quan hệ của bạn, sự nghiệp của bạn, danh tiếng của bạn. Tôi thà bỏ lỡ các email tự động còn hơn là một sai sót có thể hủy hoại cuộc đời tôi. Cũng có một lập luận triết học tinh tế hơn, gần như là vấn đề sở thích. Chỉ đọc không chỉ an toàn hơn. Nó tạo ra phân tích tốt hơn. Khoảnh khắc AI của bạn ghi vào các nguồn dữ liệu, luồng "khí thải" sẽ bị ô nhiễm. Bạn không còn quan sát nhận thức của chính mình nữa. Bạn đang quan sát một hybrid giữa con người và AI, và bạn không thể biết những mô hình nào là của bạn. Chắc chắn, người quan sát cũng thay đổi hành vi của bạn, nhưng vòng phản hồi được trung gian bởi bạn, không phải tự động. Bạn đọc bản phản tư. Bạn quyết định phải làm gì. Đó là một điều khác so với việc AI viết lại bản nháp của bạn. Và có một lập luận cho rằng bạn không muốn AI viết bản nháp của bạn ngay từ đầu, rằng bạn nên giành lại quyền tự quyết của mình. Tôi nghĩ điều này có thể khó thuyết phục đối với đám đông này, nhưng đáng để xem xét.
Tại thời điểm này, bạn có thể đang hỏi, tại sao không đưa tất cả những điều này vào Open-Clown hoặc một mount chỉ đọc, mà tôi đã làm? Đây là vấn đề. Tác nhân quan sát tạo ra nhiều giá trị hơn trên mỗi tương tác với một biên độ lớn. Tác nhân tiết kiệm cho tôi 30 giây khi kiểm tra thời tiết. Tác nhân quan sát cho tôi thấy tôi đã tránh dự án quan trọng nhất của mình trong hai tuần. Chưa kể đến rủi ro mất mát do exfiltration và ô nhiễm nhận thức. Lập luận tôi đưa ra ở đây là chỉ đọc không phải là một bước đệm để đạt được cái gọi là "các tác nhân thực sự". Nó giúp bạn làm tốt mọi việc, vâng. Nhưng nó giải quyết một khoảng trống khác, phục vụ một nhu cầu khác. Nó là một danh mục sản phẩm khác. Ngành công nghiệp coi chỉ đọc là một hạn chế mà bạn sẽ vượt qua. Tôi nghĩ điều đó sai. Tác nhân quan sát và tác nhân hoạt động là những công cụ khác nhau, và việc chỉ quan sát không có nghĩa là một quản gia bị hỏng.
Các mối lo ngại về bảo mật
Vậy đó là giá trị đề xuất. Tôi sẽ làm gì ở dịch vụ này nếu tôi dừng lại ở đây? Hãy đội mũ của người đa nghi vào. Điều gì khiến tôi mất ngủ? Hãy bắt đầu với hiệu ứng mosaic. Có một thứ gọi là hiệu ứng mosaic, nơi bạn ghép nhiều mảnh thông tin nhỏ lại với nhau và bạn có được một bức tranh hoàn chỉnh. Bản sao slide của tôi mô tả chính xác rủi ro bảo mật. Khả năng đối chiếu chéo thông tin giống như thứ làm cho hệ thống hữu ích cũng biến nó thành một mục tiêu nguy hiểm. Vì vậy, hãy cẩn thận ở đó. Mặt khác của vấn đề, ví dụ về yếu tố đe dọa chết người của Simon. Trong trường hợp bạn không biết về yếu tố đe dọa chết người, đó là một mô hình rủi ro bảo mật kết hợp ba yếu tố: dữ liệu riêng tư, nội dung không đáng tin cậy và liên lạc bên ngoài. Ban đầu tôi ngừng đọc về nó vì nó phá vỡ yếu tố đe dọa chết người, và nó không hoàn toàn loại bỏ sự rò rỉ tự nhiên của một số kênh nhất định. Vì vậy, trụ cột thứ ba là bất kỳ khả năng liên lạc bên ngoài nào, và quyền truy cập shell vẫn có điều đó. Tóm lại, hệ thống không phải là chống cháy. Tôi không khẳng định điều đó. Ngay cả trong kịch bản tốt nhất, tôi vẫn đang gửi dữ liệu đến Anthropic trên một mạng lưới hầu hết là công khai, với rất nhiều thông tin nằm xung quanh hơn mức cần thiết. Tôi không khẳng định hệ thống an toàn. Tôi khẳng định rằng tôi đã suy nghĩ về những điểm mà nó không an toàn, và tôi đã quyết định những rủi ro nào tôi sẵn sàng chấp nhận. Nó khác với việc không biết. Tư thế bảo mật tồi tệ nhất là tư thế mà bạn chưa từng kiểm tra.
Kết luận
Với những điều đã nói, tôi vẫn nghĩ có điều gì đó đáng giá để học hỏi từ tất cả những điều này. "Khí thải" kỹ thuật số của bạn là bộ dữ liệu bị bỏ quên nhất mà bạn sở hữu. Hãy suy ngẫm về nó và sử dụng nó để cải thiện bản thân. Cảm ơn đã lắng nghe.