六个长期信号
多模态
文本、图像、音频、视频和屏幕状态逐步变成同一个交互界面。
Agent
AI 从回答问题走向读文件、调用工具、执行步骤和交付结果。
AI IDE
代码协作从补全变成读仓库、改文件、跑测试和解释失败。
RAG
个人和团队会把自己的资料接进上下文，而不是只依赖模型记忆。
验证与评估
输出越多，越需要交叉核对、来源标注和可重复的评估流程把关。
个人系统
把资料、工具、边界和复盘组织成可复用系统，而不是只靠聊天记忆。
三次重心迁移
- 从“会聊天”到“会处理多种材料”。
- 从“单次回答”到“多步任务执行”。
- 从“追模型”到“搭系统”：上下文、工具、权限、验证和复盘越来越重要。
个人启示
个人最该补的不是追完每条发布会，而是学会把任务定义清楚，把资料组织好，把 AI 输出接到真实验收里。
学习读官方来源和长文档，整理成自己的判断清单。
工作流把论文、网页、代码、复盘拆成可重复步骤。
自动化把常见检查做成脚本或固定门禁。
知识库先整理 Markdown 和索引，再考虑复杂 RAG。
来源习惯
模型名称、发布日期、价格、上下文长度和 API 状态都属于高变化事实。公开写作时优先看官方发布页、模型卡、论文、GitHub release 和权威报告；证据不足时写成观察项。
下一步
短期先把公开知识页做成可检索、可更新的静态站。中期再把本地 notes 和 docs 接成个人知识库，让 AI 能基于自己的材料回答维护历史问题。
Next Action
建立一张自己的 AI 趋势观察表
不要只收藏新闻。把每条变化归到能力、工具、成本、风险和可做实验里。
- 选 3 个官方来源持续看。
- 每周只记录能影响行动的变化。
- 每月删掉过期判断。
Copy Prompt
请帮我整理一条 AI 趋势信息。
材料：[贴入官方发布、论文摘要或新闻链接摘要]
请区分：已确认事实、仍不确定的地方、对个人学习/工作流的影响、一个可验证的小实验。
要求：不要夸大，不要把单一来源写成确定结论。