从录音工作流到 AI 原生工具

一个很小的麦克风，让我重新想了一遍“工具”这件事。

它的形态其实很适合户外录制：离嘴近，挂在身上，不像耳机那样承担太多功能，也不需要依赖手机。它只做一件事：把声音录下来。

这件事看起来很小，但我越用越觉得，它刚好卡在一个更大的变化入口上：未来的工具，可能不再只是给人打开、点击、学习的界面，而会慢慢变成 AI 能直接调用的接口。

一个麦克风暴露了流程痛点

现在我的录音流程还不够顺。

我可以带着麦克风出去录，录完之后，把音频倒到手机上，再从手机进入后续发布流程。这个流程能跑起来，但中间仍然有很多“人要记得做”的动作。

我真正想要的是另一种状态。

DJI Mic 有一个盒子，盒子可以一直连着电脑。当我把麦克风插回盒子时，电脑应该能知道：有新的录音进来了。

接下来，它就不应该只是安静地等我打开文件夹。它应该自动把录音导入电脑，交给 AI 做转写、分析、优化、排版，最后生成可以审核的文章、图片和发布稿。

也就是说，录音结束之后，我只做一个动作：把麦克风放回去。剩下的流程，被触发器接走。

我想要的是更少介入

这个想法并不复杂，本质上就是一个 trigger。

电脑监测到新录音设备或新文件，就启动后续动作。它可以像一个小型生产线：录音进来，转写出来，文章生成，配图完成，多平台版本准备好。

这不是为了炫技，而是为了让创作这件事更无痛。

很多时候，阻碍一个人持续记录的，不是没有想法，而是中间步骤太碎。你要倒文件，要改格式，要打开工具，要复制粘贴，要排版。每一步都很小，但每一步都会消耗一点点意愿。

如果工具能把这些碎动作吃掉，人就更容易保留最重要的部分：表达本身。

我现在写文章，很多时候也有点像日记。小时候写日记，更多是在情绪比较强烈的时候，用来调节自己。现在我把这件事放到了白天。

原因也很简单：经过一晚上的睡眠，大脑会把真正被记住的东西留下来。那些还值得说的内容，白天再说出来，会比情绪最满的时候更清楚。

所以日记不只是情绪出口，也可以是内容沉淀。

AI 群聊分身给我的一个问题

最近我在一个 AI 群里做了一个小尝试：让一个 AI 分身读取群里的本地消息文件，每周整理群精华，也每天根据讨论提出一些问题。

今天它问了一个很好的问题：如果你把自己做的东西交给一个陌生人用，你最应该补哪一块？

是三步上手教程？是真实案例？还是直接让 AI 做新手引导？

这个问题正好击中了我最近对工具的思考。

如果是给人用，工具当然需要教程。可以是一张信息图，可以是一个三步上手图，也可以是一段视频案例。因为人需要理解入口、路径和结果。

但如果工具是给 AI 调用的，那它需要的可能不是传统意义上的教程，而是一份给 AI 看的说明书。

这份说明书要告诉 AI：这个工具能做什么，输入是什么，输出是什么，权限边界在哪里，什么时候该调用，调用失败该怎么办。

这就是 MCP、Skill、插件这些形态真正有意思的地方。

工具可能需要两份说明书

过去我们做一个工具，默认面对的是人。

所以我们会纠结按钮怎么摆，页面怎么做，新手引导怎么写，教程怎么拍。功能越多，界面就越复杂；界面越复杂，用户就越需要学习。

但如果 AI 可以替人操作工具，情况就变了。

工具仍然要专业、稳定、可靠，但它不一定非要把所有复杂性都暴露给人。它可以把复杂性封装成接口，让 AI 在需要的时候调用。

于是一个工具可能需要两份说明书：

一份给人看，告诉人怎么理解它、信任它、检查结果。

另一份给 AI 看，告诉 AI 怎么调用它、组合它、在什么上下文里使用它。

我越来越觉得，后面做工具时，重点可能不是“让人学会我的软件”，而是“让 AI 学会调用我的工具”。

Skill 像一种新的软件形态

这也让我想到另一个变化：软件的形态可能会变。

以前我们说软件，通常想到一个 App、一个网页、一个命令行工具。现在很多东西可能会以提示词、Skill、插件、MCP server 的形式出现。

它不一定有一个漂亮界面，但它能把一套能力交给 AI。

更有意思的是，这种“软件”可能会结合你的个人记忆和偏好。比如你在 Claude、Codex 或其他 AI 工具里长期积累的写作风格、工作习惯、文件路径、发布流程，都可以成为它执行任务时的上下文。

同一个 Skill，在不同人那里，可能会输出更贴近那个人的结果。

这有点像面向 AI 的编程，也像 AI 原生软件的一种早期形态。

Agent 的价值也在这里。它不是让人去学习世界上所有软件，而是让 AI 替你理解需求，再去对接工具、接口、文件和流程。

专用工具不会消失，反而更重要

这并不意味着传统工具会消失。

恰恰相反，我觉得专业、专用、足够稳定的工具会更重要。

通用工具什么都能做，但在具体场景里，效率往往不是最优。真正厉害的专用工具，是在一个点上做到足够好，然后被无数系统调用。

比如 FFmpeg。视频处理、编码、压缩、格式转换，很多大公司和平台背后都在用它。它之所以重要，不是因为它界面多漂亮，而是因为它把一件事做得足够深、足够稳定、足够可被集成。

再比如 Python 社区里的 pandas。想到数据处理和分析，很多人会自然想到它。AI 以后也会大量调用这些库，因为它们是前人把经验、规则和工程智慧沉淀下来的结晶。

GitHub、Stack Overflow、开源社区，这些东西一起构成了 AI 时代的底座。

AI 看起来很全能，但它并不是凭空全能。它站在大量人类经验、开源代码、问题答案和工具库之上。

我想继续写一些上手文章

所以我后面可能会写一个系列：一篇文章带你上手一个具体 AI 场景。

比如用 AI 做会计对账，或者用 AI 整理群聊，或者用 AI 把录音变成文章。每一篇都不只是讲概念，而是尽量沉淀出一个能复用的流程。

有文章之后，也可以继续做视频。文字负责沉淀，视频负责演示，工具负责执行，AI 负责把这些东西连接起来。

每天的记录仍然重要。因为很多主题不是一开始就想清楚的，而是在每天说一点、写一点、试一点之后，慢慢浮出来。

我现在越来越相信，未来的关键不是让人学会更多软件，而是让 AI 学会调用更好的工具。

人要做的，反而是更清楚地说出自己的需求，定义自己的流程，保留自己的判断。

— END —

感谢阅读，如果觉得有启发

欢迎关注「薛衡 Henry」