AI对话中反复自我介绍的问题困扰着每个深度用户，Sully.ai工程师Muratcan Koylan用Personal Brain OS给出了颠覆性解决方案。这套个人大脑操作系统通过11个模块化设计实现渐进式信息披露，将写作风格量化为具体数字，更创新性地存储用户的判断逻辑而非简单事实，揭示了'上下文工程'才是提升AI交互质量的核心。

最近在 X 上看到一篇文章，作者叫 Muratcan Koylan，是 Sully.ai 的上下文工程师。文章不长，但读完之后我坐在那里想了挺久。

他说他受够了每次和 AI 对话都要重新介绍自己——我是谁，在做什么，我的写作风格是什么，我的目标是什么。昨天说过，前天也说过，今天还要再说一遍。40 分钟后，模型开始遗忘你的语气，输出变得像公关稿。

我看到这段的时候，第一反应是：这不就是我每天在经历的事吗。

所以他造了一个东西，叫 Personal Brain OS，个人大脑操作系统。说白了就是一个文件夹，里面放着关于他自己的一切：写作风格、品牌定位、目标计划、人脉联系人、研究资料、踩过的坑。打开任何一个 AI 工具，指向这个文件夹，AI 立刻知道他是谁。不需要数据库，不需要任何技术配置，就是 80 多个普通文件。

他说的那个问题，其实很多人没意识到

Muratcan 在文章里提了一个概念，我觉得是全篇最值得记住的东西：AI 的瓶颈不是提示词，是上下文。

很多人用 AI 卡壳了，第一反应是换个说法，换种角度，觉得提示词没写好。但他的观点是，真正的问题出在信息架构上——你给了 AI 什么，什么时候给，以什么顺序给，这些才是决定输出质量的关键。

他用了一个比喻我觉得很准：语言模型的注意力不是均匀分布的，开头记得住，结尾记得住，中间容易丢。就像你开会前被人做了 15 分钟简报，能记住的永远是第一句和最后一句。所以信息放在哪个位置，直接影响 AI 会不会真的用上它。

明白了这一点，他的整套设计思路就说得通了。

把信息拆开，按需加载

他把系统拆成了 11 个独立模块，让 AI 每次只看当前任务需要的那部分。写文章就只给风格指南，准备会议就只给联系人信息，两件事的资料绝对不混在一起。

加载的方式也是分三层的。第一层是个导航文件，告诉 AI 这个任务该去哪找信息。第二层是模块规则，只在用到这个模块时才加载。第三层才是真实数据，最后才出现。

他把这个叫做”渐进式披露”——需要什么，再给什么，不需要的永远不出现。

我读到这里觉得有点被戳到，因为我之前的做法完全相反，恨不得每次都把所有背景信息一次性全塞进去，生怕 AI 漏掉什么。但他的逻辑是，你塞得越多，AI 越难集中注意力，效果反而更差。

存判断，不只存事实

这是文章里我觉得最有意思的一个细节。

他的系统里有一个专门的模块，存的不是普通的信息，而是他的判断——关键时刻的感受、重大决策的推理过程、以及失败之后的复盘。

他说，事实告诉 AI 发生了什么，判断告诉 AI 什么重要、他会怎么重新选择、他碰到两难时会怎么想。有了这些，AI 遇到类似的情境就不会给他说废话，而是参照他自己过去真实的思考逻辑。

他举了个例子：他曾经记录过一次在接受投资和加入某家公司之间的选择，把当时的权衡过程和最终逻辑都写了下来。如果以后再遇到类似的决定，AI 不会跟他说”要评估长期价值”这种任何人都能说的话，而是直接调出他自己的框架来参考。

我觉得这个思路比很多”第二大脑”工具都要实在，因为它存的不只是知识，而是你这个人怎么思考。

把风格变成数据

另一个让我印象深刻的点是他怎么处理写作风格的问题。

大多数人描述风格会用形容词：专业但亲切，有深度但好读。这对人来说能理解，对 AI 来说基本没用，因为它判断不了”专业”在你这里具体是什么程度。

他的做法是直接量化，用 1 到 10 给风格的几个维度打分，正式程度、技术程度、表达欲，每个维度都有一个具体的数字。除此之外还有一份禁忌清单，50 多个他绝对不用的词和句式。

他说了一句话我觉得很对：定义你不是什么，往往比定义你是什么更有效。 AI 对每份草稿逐条检查禁忌，触发一条就重写，最后写出来的东西自然就像他了。

他踩过的坑也很值得看

文章后半段他列了几个自己犯过的错误，我觉得比那些设计原则更实用。

字段设太多：一开始每条记录设了十五个以上的字段，大多数都空着，AI 会不停纠结那些空白。后来削减到八到十个，行为立刻正常了。

规则写太长：第一版风格指南写了一千两百行，AI 开头还好，后来就开始漂移，因为最关键的规则落进了它最容易忘掉的中间地带。后来把重要的全移到最前面，解决了。

模块边界划错：最开始把个人介绍和品牌定位放在一个模块，每次 AI 只需要查写作禁忌，却把整份个人简介也一起加载进来，白白浪费注意力。

这几个教训放在一起，其实就是一句话：越简洁，越有效，该在哪里的信息就只放在哪里。

最后

Muratcan 在文章结尾说，这不是提示词工程，是上下文工程。提示词工程问的是怎么把问题说得更好，上下文工程问的是 AI 需要什么信息才能做出正确判断，以及怎么组织这些信息让它真正用上。

一个是在优化一次对话，一个是在建一套系统。他用了一个比喻：区别就像写一封好邮件和建一套好档案——前者帮你一次，后者每次都帮你。

我读完这篇文章最大的感受是，很多人用 AI 用得费劲，不是因为 AI 不够好，而是因为我们从来没认真想过该怎么给它信息。这件事值得花时间去设计。