打工人必备 AI 新三件套:NotebookLM、Claude Code、Obsidian。

149 字

打工人必备 AI 新三件套:NotebookLM、Claude Code、Obsidian。

AI 史前时代,打工人必备 Office 三件套:Word、Excel、PPT。

而现在,我顺手的新三件套是:NotebookLM、Claude Code、Obsidian

分别是个人知识库管理专家、自然语言驱动的执行专家、认识自己的第二大脑专家。

新旧三件套区别,不仅功能的升级,是我们工具之间关系的变化

image

传统三件套

“你以为你在创造,其实你在伺候工具”

Word。你有一个很好的想法,打开文档准备写。然后你开始改字体、调行距、纠结标题用几号加粗。

PPT。明天要一个方案汇报。你打开 PPT,先花四十分钟挑模板,再花半小时对齐文本框,调排版又半天。最后上台讲才发现,逻辑还没理顺。

Excel。要分析一批用户数据。先建表,写XLOOKUP 匹配字段,做透视表,再拖图表。搞了一下午终于出了几张图表,你以为你在分析,其实你在搬砖。

image

陷入手工维护底表的泥潭,精力被锁在处理的过程。你开始意识到,工具给你的不只是效率,还有局限。

传统三件套是“死工具”,只要会操作就可以。但用久了,你会不自觉地花大量时间在格式、排版、处理上。

AI 是“活工具”,具有记忆、能动性和创造性,倒逼我们重新梳理与工具的关系。

AI 新三件套

“不用再伺候工具了,去寻找你的兴趣”

1. NotebookLM → 「发掘自己兴趣的人」

关于工作的思考,我会听听课代表立正怎么想,一个高质量 AI 社区运营者、聊职场和商业的博主。之前 一个字一个字手敲笔记,四十分钟的访谈,光整理笔记就要花 1 个小时。

学是学了,但大量精力花在了“记录”这个动作上,而不是理解和实践。

NotebookLM 改变了我跟知识的协作方式,不再是整理笔记、死记硬背,而是直接跟内容对话,提出自己的问题。

image

通过提问的线索,串联自己思考的过程。同时,不同的知识库可以关联,产生联想。

我会给每个我感兴趣的人建一个知识库、给每个想深挖的主题建一个知识库,要么follow人、要么主题式学习。

image

知识不再是静止的,而是动态流动的。我可以随取随用,对什么感兴趣,就去沉浸在什么知识里。

2. Claude Code → 「不怕陌生领域的人」

第一次装 Claude Code,我让我弟帮忙,看他折腾了一阵子,终端、命令行、环境配置,心想这东西门槛也太高了。

第二次,我在 TRAE(一个编程工具)里用自然语言说“帮我安装 Claude Code”,再“装一下 cc-switch”,AI 哔哔啵啵地运作,十分钟装好了,我只是同意、同意再同意。

image

然后你就能在电脑终端中看到这个可爱的小外星人了。

image

小白还和 AI 一起完成了个人品牌网站的设计与上线。“我想要自己风格的个人网站,跟我一起头脑风暴... ...基于刚刚的讨论生成 html 网站”。

小白和 CC 搭了个“很老己”的个人网站,然后它真的上线,活在互联网上了。

过程中,我来设计目标和想法,判断是不是我喜欢的,剩下中间处理过程交给她。

她让我对陌生领域不再恐惧,不是因为我突然变厉害了,而是因为做到的成本下降了**。
**

**
**

3. Obsidian → 「能照见自己的人」

如果前两个工具 NotebookLM 处理的是知识,Claude Code 处理的是任务,而 Obsidian 处理的是我自己

我把跟自己相关的都放进去:想法日记、创作文章、工作复盘、对某个领域的碎片化理解。

以前这些想法散落在备忘录、各种笔记软件里,偶尔翻到会觉得"哦我还想过这个",但它们从来没有被串起来过。

image

现在我让 AI 帮我做一件事,识别我潜在的思考模式。

回答关于“我”的问题:我是谁? 哪些话题我反复在写?我的思维有什么惯性?没察觉到的认知盲区?

image

你看,她知道我在思考怎么建立自己的上下文、高频思考新旧工具差别,以及我未想透的问题。

这些散落的碎片,拼成了关于“我是一个怎样的人”。

人造工具,工具塑造人

旧三件套的时代,打开工具选 Word 的字体大小,纠结 PPT 的主题色,想 Excel 该用什么函数。工具摆在那,等我去操作。

现在,我的第一件事变成了"提问"。问 NotebookLM 这个人怎么思考这个事情,问 Claude Code 这个想法能不能做出来,问 Obsidian 里的自己最近是不是又在绕同一个弯。

以前是我伺候工具,现在是我和工具对话。我的精力从"怎么做"回到了"做什么"和"为什么做"。

AI工具不只帮你完成任务,还能让你更清楚地认识自己——你的思考模式、你的认知盲区、你真正在意的东西。

写在最后

当 AI 可以执行大部分中间过程,当技能可以被训练,当经验可以被压缩成skills……

打工人的价值在哪?

这个问题,我想了很久,没有答案。

但我开始觉得,答案可能藏在你会对什么感兴趣、想借AI的魔法做什么、反复追问的那些问题里。

工具越来越强,这些只属于"你的部分"就更珍贵。
关注她,一起用 AI 做点啥吧~

推荐阅读📖

想用数据分析出洞察,而不是图表,请让 AI first。

写SQL像写作文?业务同学的取数困局,我用 Claude Code 造了一个懂业务的SQL查询SKILL。

每次数据分析都从0开始?我用Claude Code把3年数分经验封装成了一个SKILL,AI直接调用。