13分钟把Codex变成人生教练：AI从工具到合伙人的拐点

一个反直觉的事实：真正改变决策质量的，不是更聪明的模型，而是一套“逼AI认真思考你人生”的结构。Peter Yang 用13分钟展示，如何把 Codex/Claude 变成一个越聊越懂你的 AI 人生教练，甚至陪他做出离职这种重大决定。

最狠的一刀：他不是“问AI意见”，而是把AI当长期合伙人

视频里最震撼的点，并不是某个花哨的提示词，而是 Peter Yang 轻描淡写的一句话：在决定离职、押注自己的三个月前，他几乎所有关键思考，都是先和 AI 顾问聊过。

AI 给他的不是鸡汤，而是非常“刺耳”的反馈，比如：“你的决策本质是心理层面的，是在告别你花了十年塑造的那个人”“你的目标不是最大化收入，而是换取陪伴孩子的时间”。这些话之所以成立，不是模型多聪明，而是 AI 被喂进了一个持续更新的、关于他人生与目标的“真实世界模型”。

这也是整个方法最反直觉的地方：AI 并不是一次性回答问题的工具，而是一个会记得你是谁、在乎什么、过去犯过什么错的长期系统。它不替你做决定，但会逼你面对真正重要的变量。

AI 人生教练的真相：不是App，是一个“文件夹系统”

Peter 的 AI Advisor，本质上只是一个文件夹，里面放了四类 Markdown 文件，却比绝大多数“智能助手”更像人。

第一份是 skill.md：只定义“AI 应该如何给建议”，不放任何个人隐私。它规定了 AI 的角色（可信赖的人生与商业顾问）、使用场景（卡在决策、需要 gut check）、表达方式（先复述你的处境，区分事实与假设，给 2-3 条可执行建议）。这是在给 AI 设定性格和职业操守。

第二份是 plan.md：这是整个系统的心脏，包含年度目标、原则、能量来源与消耗、业务与生活背景。一个关键细节是：目标必须清晰到可衡量，原则要少而硬，比如“把主线当主线”。AI 的好建议，全部依赖这里的约束条件。

第三份是 learnings.md：把每次对话中“真正有价值的新认知”存下来，让 AI 不只是记住事实，而是记住你是如何思考、如何被纠正的。

最后一份是 eval：一个 Yes/No 清单。AI 在给建议前，必须自检：是否读了最新 plan 和 learnings？是否明确引用了你的目标和原则？是否给出了本周就能做的下一步？如果有一项不满足，就不能输出建议。这一步，直接把“泛泛而谈”的可能性压到最低。

为什么模型很重要，但结构更重要

Peter 在视频中提到，他曾用 Anthropic 的 Fable 模型跑这套 Advisor，效果明显优于其他模型——不仅能吃透个人上下文，还会主动做外部研究，对比其他创作者、订阅型业务的数据，指出真正的瓶颈在“续费率”而不是拉新。

但更值得 AI 从业者注意的是另一点：即便 Fable 被限制，他依然强调，用 GPT 或 Claude 3 Opus，只要结构对，依然非常有价值。这里的潜台词是：模型决定上限，但结构决定下限。

很多人抱怨“AI 给的建议都很空”，真正的原因往往不是模型不行，而是你从未强迫它为建议负责。eval 清单的存在，本质是在模拟一个资深顾问的自我校验流程，让 AI 慢下来、用你的世界观说话。

这套方法真正的行业信号：个人AI Agent的未来形态

如果你把这条视频当成一个教程，那就低估了它。它更像一个信号：个人 AI Agent 的价值，不在于替你完成任务，而在于参与长期决策。

这意味着，未来的关键能力不是“会不会调 API”，而是：你是否能把自己的目标、原则、能量曲线结构化；你是否愿意持续更新这些“自我模型”；你是否敢让 AI 反过来质疑你。

Peter 最后说，他现在几乎不再“独自做重要决定”。这并不是依赖，而是一种放大器——把零散的直觉，变成可被反复检验的决策系统。

总结

这套 AI 人生教练方法，对每个 AI 从业者都有一个直接的启发：真正稀缺的不是更强的模型，而是你是否把自己当成一个值得被建模的系统。你可以从最小的一步开始：写一页 plan.md，列清今年的目标和三条原则；再写一个简单的 eval，逼 AI 给你可执行的建议。思考一个问题：如果这个 AI 会陪你三年，它现在还缺哪些关于你的关键信息？

关键词： AI Agent， 个人AI顾问， Codex， Claude 3 Opus， 决策系统

事实核查备注： 需核查：视频发布时间（2026-06-17）；作者 Peter Yang；Fable 模型来自 Anthropic 且曾被限制使用的表述；使用 Codex/Claude/GPT 的示例是否为作者原话；behindthecraft.com 是否为其付费内容来源。