朋友们，
大约三个月前，我突然意识到一件事。对你们中的许多人来说，这或许显而易见，但对另一些人来说，这或许荒谬至极。
事实是：12 月发布的 Claude 模型（以及之后的改进）推动了我在有生之年个人能力的最大飞跃。
iPhone 改变了我获取信息和探索世界的方式。社交网络改变了我沟通和社交的方式。无数的应用程序和程序优化了我的工作流程，为我创造了更多机会，并加速了我的思考。毫无疑问，还有许多更不起眼的改进也在不知不觉中改变了我的生活——例如更先进的药物和更高效的机器。
但就一次彻底的飞跃而言，没有任何其他版本能与之媲美。在 Opus 4.5（克劳德的冬季升级版）之前，我只零星地打开过几次电脑终端，而且大多是误操作。我上一次真正尝试使用它，还是在 2015 年参加 General Assembly 的继续教育课程，那次我笨手笨脚地完成了，就像一只操作印刷机的猕猴一样笨拙。
如今，我超过 70% 的工作时间都花在电脑前。我编写软件、构建系统，并开展庞大的研究项目。我的助手们会分析数百篇文章，寻找与我的兴趣或写作目标相符的素材，并以我偏好的风格撰写报告。其他人则负责简化行政工作、查找漏洞、完善细节，并发布我构思的下一个功能。
结果是，这个系统越来越让人感觉不仅仅是多了一个员工，而是接近 20 个员工。
经营像The Generalist这样的公司面临的挑战之一就是你无法只扮演一个角色。我或许最享受坐在空白屏幕前开始写作，但还有账单要付、日程要安排、仪表盘要调查、增长策略要实施、赞助商要考虑、邮件要发送。每一天都是一场深度工作与公司运营现实之间的拉锯战。无可避免的是，花在这些琐事上的每一小时，都意味着我无法把时间花在自己最喜欢、最有优势的领域。
即使抛开这些格外琐碎的任务，生活中也充斥着成千上万的烦心事和干扰。试着对某个人或某个话题进行深入研究，数数你遇到的阻碍。你购买的出版物有多少付费墙？有多少弹出广告或cookie提示？文章底部会弹出哪些故意分散注意力的新闻轮播？哪些视频会从侧边冒出来？如果你想在LinkedIn或Twitter上了解某人的背景，会有多少红色通知像鞭子一样刺眼地跳出来？有多少私信在催促你？哪些新产品发布信息在信息流中呼之欲出？在你试图从A点到达B点，从意图获取信息的过程中，有多少贪婪的手指试图攫取你的注意力？
现代互联网已沦为注意力赌场，我们早已习惯身处其中工作，对那些叮当作响的老虎机和旋转的轮盘视而不见。但如果你的工作空间能更像一间光线充足的图书馆里安静的书桌呢？如果你能派遣20名虚拟员工为你穿梭于现代网络的迷雾之中，并交付成果呢？如果你能减少繁琐的后勤工作和协调，腾出时间专注于你不想让AI代劳的事情呢？如果你能将深度工作的时间翻倍呢？
过去几个月，我一直在使用 Claude Code 来探索这些问题。最终成果是一个涵盖多个软件产品、内部系统和本地模型的全栈知识管理系统。（我还构建过其他一些系统，但这套系统是最精炼的。）它并不完美，也不可能适合所有人。过去几个月里，我向亲朋好友展示了这些系统，发现它们通常能帮助人们更好地理解这些模型的功能，以及如何利用它们为自己谋利。
几天或几周后，当我再次联系到这些人时，我常常发现他们也经历了类似的转变，从浅尝辄止变成了全情投入。虽然过度外包，甚至包括思考本身，无疑存在风险，但就我自身或他人而言，目前为止我还没有发现这种情况。相反，人们似乎乐在其中，构建着能够减轻繁琐工作、并根据自身思维方式量身定制的界面系统。令人难以置信的是，使用一款能够直观地契合自身思维方式的应用程序，远比使用一款面向大众的应用程序要轻松愉快得多。
如果你对这些工具感兴趣，我建议你先给自己设定一个目标：构建你能想到的最小的东西。你会很快发现，随着你坐在电脑前越来越得心应手，你的雄心壮志也会随之增长。
接下来，我将介绍一下我的系统以及它如何改变了我的工作流程。
图书馆
有一种认知上的烦恼，我们可以称之为“找东西”。你肯定经历过。那就是当你不得不停下手中的事情，然后问自己：“啊，那是什么来着？那个人说的那句话？我读过的那篇文章？我写过的那篇文章？我把它保存到哪里了吗？它在谷歌云盘里吗？Finder 能找到吗？（不行！）”
经营媒体公司的一大职业风险就是事情太多。有研究资料、播客素材、文章素材、笔记、PDF文件、邮件、采访素材等等。而且它们总是很难找到。以前，它们散落在我的电脑桌面、谷歌、Obsidian、Ulysses、The Generalist网站和Dropbox的各个角落。从世界的种种磨难、宇宙的无情奥秘、暗物质以及无限未知的领域来看，我知道这算不上什么大问题。但是，当你正埋头写作，刚刚找到那种哪怕是一辆慢悠悠驶过的冰淇淋车都能轻易打断的微妙节奏时，这绝对是最令人恼火的干扰之一。
Delphi ，这个无所不知的预言机，是我为了解决这个问题而构建的解决方案。
首先，我整理了“通才”（The Generalist）网站发表过的所有文章、我录制过的所有播客的文字稿、我所有的 Obsidian 笔记、我的 Readwise 标注、Google Drive 中的大量文件，以及我桌面上的各种文件。总共有超过 45,000 个可搜索的“数据块”，而且每天都在增加。
该搜索流程由三层融合而成：基于 Voyage-3 词嵌入的向量搜索、基于 SQLite FTS5 的关键词搜索，以及一个本地训练的交叉编码器重排序器（源自 Cohere）。我首先使用一个在微软 MS MARCO 搜索数据集上预训练的紧凑型开源模型创建了该重排序器，然后使用我们数据集中的近 4 万个查询-段落对对其进行微调。这使得模型能够从我们最初的 Cohere 设置中学习“相关性”的定义，从而使 Delphi 能够更快、更经济地提供高质量的搜索结果。
如果你不明白这是什么意思，别担心。完全没必要深入研究这些细节。我当然也没指望能对自己的模型进行哪怕是最微小的调整，但一点一点地，你就会开始对还能做些什么感兴趣。我确信，上面的系统远非完美，但目前对我来说运行良好。
现在，使用 Delphi，我可以输入一个不完整的查询，例如“提醒我 Karol 在播客中谈到了哪位哲学家”，它会回忆起 Physical Intelligence 的首席执行官Karol Hausman分享了他对斯宾诺莎的兴趣。
如果我想问一些需要参考多个来源的问题——例如，CEO们对他们的招聘做法是怎么说的——它也能处理，从我的语料库中提取参考资料。
这些问题我以前也能回答。第一个问题我可能只需几分钟就能搞定；第二个问题或许要花几个小时。但很可能，我根本就懒得去回答。
作为一款应用软件，我并不经常使用 Delphi，而且我仍然认为它还有很大的改进空间。它的用户体验还不够完善，搜索功能虽然不错，但速度和智能度还可以提升。不过，它基本能满足我的需求，而且知道它在我需要的时候就在那里，这让我很安心。正如你将看到的，它强大的功能也被应用到了我们的其他工具中。
研究人员
我所创造的最有用的东西既看不见，也不容易解释。它是技能、工具、技巧和偏好的结合体，使我能够广泛而全面地收集信息，而无需自己费力搜寻。
从根本上讲，我的研究系统是通过一系列代理程序运作的，这些程序负责从特定媒介中搜寻相关信息。其中一个代理程序扫描我的内部语料库，查找已有的研究成果。另一个代理程序阅读相关文章。第三个代理程序则寻找播客节目。
就像电影《飓风营救》中连姆·尼森饰演的主角一样，这些工具都配备了一套“特殊技能”来帮助他们完成任务。Jina 和 Firecrawl 可以将网页转换成清晰易读的文本。一个开源工具可以搜索 YouTube 并提取访谈的精炼文字稿。各种脚本可以搜索目标人物已发表的文章（博客或个人网页）或媒体报道。一个无头浏览器可以让经纪人访问我订阅的付费网站上的文章。这样，你就不用逐个查看《金融时报》 、 《经济学人》和《纽约客》了，只要你登录了，经纪人就可以帮你完成这些工作。
至关重要的是，它可以在你忙于其他事情的时候在后台运行所有这些功能。你不仅避免了现代网络带来的注意力陷阱和转换成本，而且还有效地聘请了一位能干的研究助理。我一直希望《通才》杂志能发展到足够大的规模，让我有能力聘请这样的人才；现在，我拥有了十二位这样的人才，他们每个人都非常清楚我最感兴趣的内容。
为了确保研究达到高标准，我为这些特工创建了一套技能档案供其参考。这些档案包含以下准则：
原文： https://www.generalist.com/p/the-writer-researchers-guide-to-claude