01 同一个 AI,差的不是提示词
两个人,同一个 AI,同一件任务:写一份 Q4 增长方案。
第一个人输入一句话:帮我写一份 Q4 增长方案。出来的是通用模板——拉新、留存、促活、复购,四段,工整,谁看都不像自己公司。
第二个人输入的是一段上下文:去年 Q4 靠老客户增购做了六成;今年续约率掉了 8 个点,掉在交付期延长;老板只批 20 万预算;写法按 9 月给董事会那份,先结论后证据,不要形容词。
出来的是改两笔就能发的东西。
同一个 AI,差别不在提示词,在你有没有告诉它「你在哪」。
【图 1】同一句提示词 vs 一段上下文02 上下文不是一个文件夹,是一个状态
很多人理解的「有上下文」,是把资料丢给它:公司介绍、产品手册、去年的方案,打成压缩包上传。
那只是第一层。
真正的上下文有三层,缺一层,产出掉一档:
事实层——发生了什么。数据、时间、对象、已经做过什么。
判断层——为什么这么定。哪条路试过、为什么否掉、谁拍的板、什么算成。
意图层——为了什么。这件事最终要改哪一个数、给谁看、下一步往哪走。
大多数组织只给得出第一层。所以 AI 永远正确,也永远不像你们公司。
一句判据:你觉得 AI 像外人,是因为它只知道发生了什么,不知道你们为什么这么干。
【图 2】上下文三层:事实层 / 判断层 / 意图层03 为什么现在才成为问题
AI 之前,能力是稀缺的:会写、会算、会做图、会做表,都是门槛。上下文藏在人脑子里也不要紧,因为执行本身就要吃掉大半时间。
AI 之后,执行变成白菜价。同一份框架、同一套模板,谁都能三分钟拿到。
于是差异只剩一处:它按什么依据做判断。
稀缺的东西换了位置——过去稀缺的是能力,现在稀缺的是上下文。
能力可以买,上下文只能长。
04 上下文是流水,不是文档
第二个误解:上下文是一次性整理好的知识库,建完就完事。
它更像一条流水。项目往前推,事实在变、判断在改、意图在挪。你今天写下的「为什么」,三个月后有一半已经过期。
所以要靠三个动作把它养住:
记录——决定、原因、被否掉的方案,当场写下来。没写的,下一个人、下一次、或者 AI,都得重踩一遍。
实践——上下文只能在真实任务里长出来。不经过任务的资料,会安静地烂在文件夹里。
迭代——判断被现实修正的那一刻,上下文才升级。只记录不迭代,堆得再厚也只是库存。
三件都不难,难的是每天都做。这就是为什么大多数公司的「知识库」最后只剩下归档功能。

【图 3】上下文是流水:记录 → 实践 → 迭代 → 愿景05 有意图的上下文,才能生成下一步
最后一层最容易被跳过:意图。
同一个问题,「帮我分析这份数据」,它给你一堆发现;「帮我找出这季度最该动的那一个环节」,它给你一个动作。
差别不在数据,在你有没有把「要达成什么」放进去。
没有意图的上下文,只能生成文本;有意图的上下文,才能生成下一步。
当事实、判断、意图连成一条能往前走的线,你才谈得上愿景——不是墙上那句话,是你和 AI 都在朝同一个方向出活。
06 我在做的事
我自己是这么干的:资料全部留在本地这台电脑上,方案、案例、判断、口径,一条一条沉下来;每次用 AI 不从零问一句,而是接着我自己的上下文往下走。
所以过去一份方案要一周,现在当天三小时,而且是接着上一份往下写的。
这套东西我做成了一件产品:RAI · 增长 AI。装在你自己的电脑上,资料不出门;它替你留住事实、判断和意图,你把任务交出去,它按你公司的口径出活。
如果你手上有一堆资料,但每次用 AI 还是从零开始——我可以帮你在本地把这套上下文库搭起来,再教你怎么把它和 AI 接上。效率的提升从来不靠更聪明的模型,靠的是你的上下文终于开始复利。