TOPIC DIRECTORY
按主题开始阅读
九个主题，每个都有核心问题、作者判断、推荐阅读顺序和一个下一步。挑一个感兴趣的进去。
Agent
Agent：从对话走向执行
当 AI 不只回答问题，而是开始替人行动，工作系统要怎样重新设计？
用 Agent 的职场人与构建者：想从聊天走向可验收的执行。
Context
Context：智能真正工作的现场
为什么 Data Agent 的准确率上限往往不由模型决定，而由它获得的业务 Context 决定？
数据 / 产品团队：想让 AI 真正理解业务背景，而不是只会写 SQL。
企业 AI
企业 AI：从演示走进组织
当 Agent 进入组织，谁给它权限，谁验证结果，又由谁承担后果？
企业与培训负责人：想让 AI 真正进入日常工作，而不是停在演示。
Data
Data：从回答问题到交付判断
数据 AI 的价值，怎样从一次漂亮回答变成可以信任的工作结果？
数据团队：想验证 AI 交付的分析，而不是只看它跑没跑通。
产品
产品：AI 改变的不只是功能
AI 产品该继续辅助旧流程，还是重新定义人怎样完成一件事？
产品负责人：想看清 AI 改变了哪些产品决策，而不只是加个功能。
系统
系统：把偶然输出变成稳定结果
一次成功的 AI 使用，怎样变成可以重复运行的个人或生产系统？
职场人与个人构建者：想把单次成功变成可复用的流程。
注意力
注意力：AI 时代最稀缺的资产
当内容无限供给，怎样避免效率工具反过来消耗人的注意力？
信息过载的职场人：想在无限供给里保住注意力与判断。
判断框架
判断框架：在不确定中留下依据
没有唯一答案时，我们怎样知道一个判断值得继续相信？
想理解 AI 的读者：想学会判断一个结论是否值得相信。
构建者
构建者：用作品证明判断
一个关于 AI 的判断，能否被做成可运行、可检查、可复盘的作品？
想开始做作品的人：想用项目而不是观点来验证判断。