最近，AI把我的两位朋友，重新变成了学生。一位是H主任，一位是M总。

他们看到我连续写《重做》，又看我用AI整理资料、写文章，建设知识库、分析案件，还“搓”出了自己的工作台“圆月弯刀”，一下子来了兴趣，迅速购买了高配置的个人电脑。

两个人开始疯狂“盲目”学习AI。都从WorkBuddy开始，一本正经研究模型，学习提示词，安装各种软件，折腾Agent和MCP，也先后购买了高配置电脑。遇到不懂的问题，就来“骚扰”我，我也很有点被“不耻下问”的感觉。

H主任很快进入了角色，并且安装了最新前卫的AI应用，他并且开始瞧不上只会用Workbuddy的M总。然而，在这个秋天，还能对一项新事务产生这样的热情，愿意重新学习、反复试错，是一件值得高兴的事。

但聊得多了，我逐渐发现了一个共同问题，他们把AI装进了电脑，却还没有把自己装进去。

电脑的配置已经很高，安装的工具也越来越多，但过去几十年积累的知识、经验、案例和判断方法，并没有被整理成AI可以调用的内容。

每次使用AI，仍然从一个空白对话框开始。

高配置电脑解决的是“算得动”，高配置认知解决的是“知道该算什么”。

01 他们走过的路，我也走过

我没有资格嘲笑他们。

因为我刚开始使用AI时，也做过几乎相同的事情。

我下载了很多AI工具，购买了高配置电脑，还在本地部署了Qwen模型。那时我以为，只要模型足够大、显卡足够好、内存足够多，AI就会变得更加专业。

真正用起来以后，我才发现，模型跑得很快，并不意味着它懂我的工作。

它不知道我过去写过哪些文章，处理过什么咨询项目，不知道我怎样判断一个类案是否真正相似，也不知道哪些证据可能改变诉讼结果。它拥有通用知识，却没有我的工作经历；它能够生成答案，却不知道什么样的答案才可以交付给客户。

后来，我开始整理自己的文件、文章、案例、咨询项目与研究成果和对话记录，建设本地知识库，再把知产宝的专业数据、案件材料和固定工作流程接进来。

这台高配置电脑才逐渐从一件昂贵的消费品，变成一件生产设备。

所以，我想提醒H主任和M总的，并不是不要买高配置电脑，也不是不要学习新的AI工具。

而是要把顺序调整一下。

电脑的配置决定模型跑得多快，认知的配置决定模型究竟往哪里跑。

02 电脑不会自动长出专业能力

高配置电脑当然有价值。

它可以运行更大的本地模型，可以更快地处理PDF、图片和扫描件，可以完成文字识别、数据清洗、语义检索和批量分析，也可以让一部分敏感材料尽量留在本机。

如果要对大量案件、专利和客户材料进行深度加工，算力、内存和存储能力都不可缺少。

但电脑只是设备。

模型提供的是通用能力。

安装十个AI工具，也不会自动把一个人的二十年经验装进去。

如果没有自己的知识库，没有可信的专业数据，没有明确的任务流程，也没有核验结果的方法，那么电脑配置再高，运行的仍然主要是通用模型给出的通用答案。

它可以更快地处理一堆材料，更完整地生成一篇文字，也可以把一个模糊的想法包装得更加像样。

但它不会自动知道：

●哪些问题真正值得研究；

●哪些材料可以相信；

●哪些案件看起来相似，实质上并不具有可比性；

●哪些证据可能改变判断；

●什么样的结论可以交付给客户；

●什么样的风险必须由人承担。

高性能设备既能放大专业能力，也能让模糊的问题更快地产生一份貌似专业的答案。

03 AI面对的，只是当前对话框里的你

H主任和M总都不是没有专业能力的人。

恰恰相反，他们在知识产权法律服务行业都有二十多年的经验，做过很多案例，也形成了自己的经验和方法。

问题在于，这些能力仍然主要存在于他们的头脑里。

●过去做过的项目散落在电脑、邮箱和微信中；

●重要报告只保存了最终版本，没有留下形成判断的过程；

●一些经验在聊天时可以讲得很清楚，却没有被整理成规则、清单和工作方法；

●做过的事情很多，但哪些判断后来被证明是正确的，哪些判断需要修正，没有形成持续复盘。

在这种情况下，AI面对的并不是一位拥有几十年经验的专业人士。

它面对的，只是当前对话框里的几句话。

换一个对话框，很多背景又要重新介绍；换一个模型，又要重新解释自己的工作方式；遇到一个新问题，仍然从通用知识开始搜索。

这也是我一直强调个人知识库的原因。

知识库不是把文件集中放在一个目录里，而是要让AI逐渐知道：

●你过去处理过什么问题；

●你通常怎样拆解问题；

●哪些资料值得信任；

●哪些事实会影响结论；

●哪些方法曾经有效；

●哪些错误不能再犯；

●最终什么样的结果才可以交付。

AI真正能够放大的，不是一个人的文件数量，而是已经被整理、验证和表达出来的专业能力。

04 有了知产宝账号，为什么还需要知产宝MCP

M总昨天问了我一个很有代表性的问题：

“我已经有知产宝账号了，为什么还要买知产宝MCP？”

这个问题听起来很合理。

有了知产宝账号，可以进入数据库，可以检索案件、查看文书，也可以查询商标、专利和当事人信息。既然数据已经能够查到，为什么还需要MCP？

因为两者解决的不是同一个问题。

知产宝账号解决的是人怎样使用数据库。

人进入系统，设置检索条件，浏览结果，打开文书，筛选案件，再把有用的信息带回自己的工作中。

知产宝MCP解决的是AI怎样在工作过程中调用专业数据。

AI在分析一个具体任务时，可以在授权范围内围绕企业、专利号、案号、争议焦点和程序类型发起检索，再根据第一次返回的结果继续查询、比较和关联，并把结果带回当前工作流程。

一个主要面向人。

一个主要面向AI及其工作流程。

可以打个比方：

数据库账号像专业仓库的钥匙，MCP则是把仓库接到AI生产线上的传送带。

有了钥匙，你可以自己进入仓库寻找材料。

接上传送带，AI才有可能根据当前任务，持续调取所需要的材料。

例如，研究一家药企面对的专利竞争时，使用普通账号，可以分别检索企业名称、专利号和相关案件，再由人逐件阅读和整理。

接入MCP以后，AI可以围绕同一任务连续提出问题：

●这家企业出现在哪些案件中？

●在不同案件中处于什么诉讼地位？

●相关专利还进入过哪些程序？

●同一申请号连接了哪些竞争企业？

●哪些律所和律师公开出现在这些案件中？

●这些案件能不能形成一条相对完整的竞争时间线？

两者使用的可能是同一批底层数据，但数据参与工作的方式发生了变化。

账号解决的是人能不能进入数据库，MCP解决的是专业数据能不能进入AI工作流。

05 真正需要升级的，是五项认知配置

一台电脑是否适合AI工作，可以看处理器、显卡、内存和硬盘。

一个人是否真正具备AI工作能力，也有自己的“配置”。

第一，能不能定义一个真正需要解决的问题。

不是笼统地问“这个案件怎么看”，而是明确服务谁、需要判断什么、存在哪些事实缺口，以及需要在什么时间和证据边界内给出意见。

第二，能不能把自己的经验整理出来。

做过的案件、形成的意见、最终结果、失败教训和判断方法，能否进入个人知识库，成为下一次工作可以调用的内容。

第三，知不知道应该调用什么数据。

哪些信息来自客户材料，哪些可以从个人知识库获得，哪些必须通过专业数据库核验，哪些只能作为线索，不能直接作为结论依据。

第四，能不能设计一项判断产生的流程。

先看什么，后查什么；怎样寻找有利案例，也怎样寻找反例；AI生成结果以后，由谁回到原始材料进行核验。

第五，能不能把结果变成真实交付。

客户购买的不是一次精彩的人机对话，而是一份能够帮助他决定是否诉讼、是否继续投入、选择谁代理以及下一步采取什么行动的结果。

所谓高配置认知，并不是知道多少模型参数、会安装多少开源软件。

高配置认知，是能够把问题、知识、数据、流程和判断连接起来。

最后我想对对AI充满期待的专业人士说，电脑的配置写在参数表上。认知的配置，写在你提出的问题、调用的数据、设计的流程和作出的判断里。

高配置电脑的真正价值，是成为把个人知识、经验和判断封装成产品的最后一道生产设备。

但在这条生产线之前，必须先有属于自己的知识库、可信的专业数据和能够接受结果检验的方法。

所以，购买高配置电脑以后，真正应该问的不是：

“我还能再装什么工具？”

而是：

除了模型和软件，我准备让AI调用一个怎样的自己？

高配置的电脑，需要高配置的认知。

否则，昂贵的设备最终只是让我们更快地与一个并不了解自己的AI聊天。