上个月我干了件有点"折腾"的事。我手头同时养着三个 AI，Claude 写东西最有灵气，Codex 干工程活最利索，WorkBuddy 像个管家，管知识库、接各种连接器。一开始它们各干各的，挺顺。但问题很快来了：我让 Claude 出了个脚本大纲，转头让 Codex 去实现，Codex 一脸茫然，上一个 AI 干过什么、做到哪了、踩过什么坑，它全不知道。每换一个 AI，就像换了个新同事，得从头把背景讲一遍。

后来我做了个小小的改变：让三个 AI 共用一份"中枢文档"，并且定下一条铁律：每次干完活，必须先往这份文档里写一份交接，再交棒。跑了大半个月，效果意外地好。今天我想认真聊聊这件事：它可能不只是一点效率技巧，而是用 AI 的一种新姿势。

一、一个 AI 的尽头，是上下文的边界

我们容易把 AI 想成一个全能同事，但它有两个绕不开的硬伤。

第一是失忆。不管多强的模型，上下文窗口都有上限。你跟它聊到第三十轮，前面定的规则、踩过的坑，它就慢慢"忘了"。你以为它在延续你的思路，其实它早就飘了。

第二是偏科。没有哪个 AI 样样都行。Claude 文笔好但工程经常翻车，Codex 代码利索但写不了有温度的长文，WorkBuddy 连接器和知识库强但干重活不如前两个。你逼一个 AI 干它不擅长的，就是在用它的短板打你的刚需。

这两个问题，靠"换更强的模型"解决不了，上限会一直都在，偏科也一直都在。得换一种组织方式。

二、共享中枢的核心，是一份"不会失忆的文档"

我的解法很简单：造一个三个 AI 都能读、都能写的"公共大脑"。

它本质是一份共享文档（我用的是知识库里的一个目录）。每个 AI 启动时，先读这份文档，等于先看了"前任留下的工作记录"；干完活，再把结论写回去。于是记忆不再装在每个 AI 的脑子里，而是落在文档里。文档不会忘，也不会因为换了个 AI 就清零。

这跟人带团队一个道理：靠谱的团队靠一块谁都能看的公共白板，不靠每个人记性好。白板在，人就散不了；白板清了，团队就失忆了。

三、交接文档的模板，就是协作的协议

光有文档不够，得有格式，不然三个 AI 各写各的，读的人照样头大。我给交接定了个简单模板：本次任务、读取了什么、完成了什么、产出在哪、还缺什么、下一棒交给谁、要不要写进长期记忆。

别小看这七行。它逼着每个 AI 在交棒前，把"做到哪了、留下了什么"说清楚。这其实就是一份协作协议，协议定了，三个 AI 之间才真正能接力，而不是各说各话。

我甚至发现，写交接这个过程本身就在帮 AI 收尾。它得把零散的活儿，归纳成一段别人能接手的话。归纳完，它自己也更清楚了。

四、真正的红利，是让每个 AI 只做自己最擅长的事

前面三步搭好，最大的好处才显出来：我开始像分活儿一样，把任务派给最对的那个。

要写有质感的长文，给 Claude；要写代码、做自动化，给 Codex；要查资料、接外部工具、管知识库，给 WorkBuddy。它们通过那块"公共白板"接力，A 干完写一笔，B 接着干。没有重复劳动，也没有谁在短板里打转。

它从「用一个 AI」变成「编排多个 AI」。你从它们的使用者，变成了它们的调度者。

五、分工不靠默契，靠写进 AGENTS.md 的岗位

光有共享文档还不够，得说清谁站哪摊。我从第一性原理定的，谁擅长什么就干什么。Codex 当执行舱，读库、写长文；WorkBuddy 当中枢，管记忆、自动化、外部工具；Claude 干零碎和第三选择。这些不靠谁记得，我写进了 AGENTS.md，谁打开都能看见。默契会忘，写下来的岗位不会。

六、比信任更管用的，是写死的纪律（附三个坑）

几个 AI 不打架，靠的是几条写死的纪律。信任当然好，但人不在的时候，只有规则替默契兜底。只增改不删，谁都别把别人的文件抹掉；动一个文件之前，先读最新状态；需要交接时，往 AI交接 目录丢一份模板，写清这次干了什么、下一步谁接。

共享大脑的红利是复利。一次写进去，三个 AI 都用得上，库越攒越厚，三个一起变能打。你单独养一个再聪明的 AI，也比不过三个共用一个越攒越值钱的脑子。

坑也有三个。第一，默契代替规则必翻车，觉得它应该知道的时候基本都会出岔。第二，都去抢同一个文件改会冲突，得有人先读、有人后写。第三，谁都不写记忆就丢，共享库空着，三个 AI 又退回各存各的。这三点靠纪律压住，不靠自觉。

写在最后

我越来越觉得，未来用 AI 的能力，看你能不能把几个 AI 编排成一支队伍。

而编排一支队伍，靠的是那块谁都能写、谁都能读的"公共白板"，加上一条朴素的纪律：干完活，先写交接，再交棒；再把岗位和边界写下来，不靠默契靠规则。

这件事我还会继续跑下去。目前看，它值得。

岛主的 AI 思考 · 第 32 篇