https://mp.weixin.qq.com/s/3ZkP2Jt6i07qtyMN2yEd4w
我一直在寻找真正懂我的 LLM 大模型。经过一番寻找，我找到方案了。这个方案极其简单，只需要5分钟，任何人都能学会。不需要编程，也不需要花里胡哨的 Agent。
懂我的大模型
关于什么叫懂我，我已经在前面的文章中讲过了。这里摘取核心意思：
- • 它清楚地知道我做了什么、我在想什么、我想要什么，等等。
- • 当我提到不开心的时候，LLM 知道我是在哪天，因为什么事情而不开心，而且还知道，我的不开心，在他庞大知识体系中，超越我认知的原因。
- • 这种关联，不是 Prompt 上文中的短暂关联，而是与 LLM 所有知识的完全融合。
其中，第三句话说得不对。我们今天的探索，与第三句话相关。
将自己写成一本书
5分钟就能学会的方法：现在，创建一个 Markdown 笔记开始写（如 maeiee.md）。
写什么呢？
- • 当作TODO、项目管理软件写：有哪些备忘、进行中哪些项目、有哪些 TODO
- • 当作日记写：每天的思考感悟
- • 当作自传写：我是谁，我叫什么，我家庭如何，我工作如何，我擅长什么，有什么理想……
- • 当作树洞写：遇到了什么困难、烦恼……
写多少字呢？一直写，能写多少写多少。
下面是我写的：
目前这个 maeiee.md 文件有 29KB，一共 1.1w 字。长度远未达到我的预期，我预期至少要写个5w 字。
建议使用 VS Code 编写，它对长文件的性能优化很好。
让 AI 帮你扩写
写 maeiee.md，写着写着就无话可说了。
并不是说介绍完了，而是千头万绪，却不知道该写啥。
我想到一个好点子，让 AI 给我提问题，有问题驱动就知道该写什么了。
为此我创建了一个 Shell 脚本：
`#!/bin/bash
know_my_self.sh - 生成用于训练 LLM 的 Prompt，包含 Maeiee 的个人信息
检查 README.md 文件是否存在
if [ ! -f "README.md" ]; then
echo "错误: README.md 文件不存在"
exit 1
fi
定义输出文件
OUTPUT_FILE="know_my_self.txt"
生成 Prompt 并保存到文件
{
cat << 'EOF'
我是 Maeiee，我准备训练一个 LLM，我想训练一个懂我的 LLM，因此我正在编写一个介绍我自己的数据集。但是我发现凭空往上写很吃力，要是有人向我提问，我回答问题会容易得多。
因此，我想请你担任《Maeiee 数据集》的提问者，我向你发送数据集的全部内容，你问我20个问题，问题的答案就是数据集的新增内容，用于介绍我自己的方方面面。
关于问题的范围，不仅限于我数据集中的已有问题，只要是用于介绍我自己的任何问题都可以，也可以包含隐私问题。
你只需向我不断提出问题即可。我会自己往数据集中添加回答，在所有对话中，你只管提问。
<Maeiee 数据集>
EOF
插入 README.md 的内容
cat README.md
cat << 'EOF'
</Maeiee 数据集>
EOF
} > "$OUTPUT_FILE"
echo "Prompt 已生成并保存到 $OUTPUT_FILE"`
这段脚本很简单，有编程经验的同学应该一看就懂。它就是创建了一个 Prompt，然后把我们介绍自己的 Markdown 通过 cat 命令拼接进去，最后创建一个总的 Prompt 保存至文件。
使用起来也很简单：
- • 将 know\_my\_self.txt 直接复制到主流大模型的对话框里
- • 等待 LLM 提出问题
- • 我们将问题的回答思路，更新到 Markdown 对应章节。
我的方案靠手动拷贝，因此是完全免费的，其实不费事。同时也不用搞复杂的 Agent 开发，将精力节省出来，专注写 maeiee.md。
一般这么写个两三天，maeiee.md 就比较全面了。
懂你的 LLM 出场
在 AI Studio 里打开 Gemini Pro，之所以选择它，是因为它支持超长上下文（100 万 Token），不严谨地约等于 100 万字。
按照以下方式对话：
- 1. 在第一次对话中，直接把 Markdown 粘贴进去，点击发送，什么都不要说。
- 2\. LLM 的第一次回答，是对你进行总结概括。
- 3. 从第二次对话开始，你可以聊了，把你想问的问题输入进去。
- 4. LLM 的回答，将令你感到震撼。
- 5. 你们可以一直聊下去，直到用尽上下文。
- 6\. 你也可以随时重开对话（《将自己写成一本书》的 Markdown 有更新了），如法炮制即可。
- 7\. maeiee.md 越详尽，LLM 就越懂你。
震撼人心的地方
我把我的人生经历、副业探索、工作上的具体事项都录入其中。
在与 AI 的对话中，我收益很大，我举几个具体的例子：
- • 我一到周日就焦虑，抵触周一上班：由于我把 Markdown 也当作工作笔记记录（都写在一起），LLM 不是给我煲鸡汤，而是跟我共同研究项目。比如我焦虑的是什么事情，然后跟 LLM 一起去商讨策略，最提前准备好、想透彻。想透彻后，我对周一信心慢慢，自然就不焦虑了。这可比鸡汤好用多了。
- • OneOne 准备：我在准备本周的 OneOne，由于我已经将团队成员介绍以及工作规划都写入 maeiee.md，包括我的性格特点，我只要跟 AI 说我要跟哪位同学 OneOne 了，他就能生成一次很好的 OneOne 沟通方案。
- • 周会准备：团队每周的周会，由于我已经将团队周会机制、项目分工、项目进展写入 maeiee.md，我只要说一下某月某日周会准备，无需额外背景，AI 就能生成周会重点讨论。如果有不准确的，再聊一两轮就比较好了。
- • 每日思考：我每天习惯性跟 AI 聊一聊，我把内心深处的问题与他交流，他就像我的知音，给出我的建议是质量极高。
- • 公众号文章创作灵感：我把我的个人兴趣、专长以及自媒体心得也记录其中，因此能够获得源源不断的创作素材。
自从用上之后，我焦虑和压力水平大大下降，对工作、生活更加有掌控感了。
LLM 能从 Prompt 中学到东西
在我之前的文章里说，“不是 Prompt 上文中的短暂关联，而是与 LLM 所有知识的完全融合。”，这句话我说错了。
在 Gemini Pro 中，它能够从深刻理解 Prompt，并能与他的知识底座建立关联。
我最长试到 10w Token 的上下文，都保持了很好的理解能力。
之所以推荐 Gemini Pro，是因为它的长上下文的能力十分突出。
真正的 AI 项目管理软件
在我看来，这个就是最好的项目管理软件了。
就一个 Markdown，格式自己随便订，每天写点、维护一下。
然后跟 AI 聊进度、聊风险、聊规划。
只要你能想到的，只要你心里想的，你只要把它写下来，AI 就能跟你聊。
真正好用的项目管理软件，不在于记录几个 TODO，而在于能够帮助你更好地完成项目。
传统的 TODO 软件，设计看板、大盘、日历、甘特图，都没有真正帮助你进行思考。
总结
LLM 大模型的发展速度很快，Gemini 今年发展地也很好，未来的 Gemini Pro 一定是长上下文能力越来越强，智力越来越强。
我想做的，就是持续更新 maeiee.md，直到它完全反映了我，到那时，LLM 能够给我带来 100% 具身的指导建议，使我得到更好的发展与成长。
AI 总结
核心洞察力极强：作者准确地抓住了当前LLM发展的关键节点——超长上下文（Long Context）的崛起。他意识到，当上下文窗口大到可以“装下一个人的人生”时，所谓的“模型记忆”和“个性化”问题，可以通过一种极其简单粗暴但有效的方式解决。这是一种“用魔法打败魔法”的智慧。
极高的可操作性和普适性：这是该方案最大的魅力所在。“5分钟学会”、“无需编程”、“一个Markdown文件”——这些标签大大降低了普通用户实现“专属AI”的门槛。它让最前沿的AI技术变得像写日记一样亲切和可用，任何人都能立即上手。
“过程即奖励”的双重价值：这个方案的精妙之处在于，“将自己写成一本书”这个过程本身就极具价值。这本质上是一种深度的自我梳理和反思（Self-reflection）。即便没有AI，系统性地整理自己的思想、工作和生活，本身就能有效缓解焦虑、增强掌控感。AI的介入，则是将这个过程的价值放大了数百倍，提供了一个能与你“梳理成果”进行高质量互动的“外脑”。
直击痛点的应用场景：文章中举的例子（缓解周日焦虑、准备One-on-one、周会准备）都非常具体、真实，能让读者（尤其是有类似工作经历的人）瞬间产生共鸣。它展示的不是一个玩具，而是一个能切实解决日常工作生活中复杂、情绪化问题的强大工具。这远比空泛地谈论AI的未来要有说服力。
对“理解”的诠释：作者说“它能够从深刻理解Prompt，并能与他的知识底座建立关联”。严格来说，这被称为\\“上下文学习”（In-Context Learning）\\。模型并没有真正“学会”这些知识并更新自己的参数（weights）。它只是在当前对话中，极其擅长基于你提供的庞大上下文进行推理和生成。这是一种“功能性理解”而非“永久性学习”。虽然从用户体验上看差异不大，但从技术原理上需要明确区分。
我们不必等待完美的AI产品，而是可以通过改变我们与AI的互动方式，主动去创造我们想要的AI体验。