在 AI 快速发展的今天，学习什么好像都很容易过时。比如 MCP、SKILLS、OpenClaw、Hermes Agent，每一个新概念刚出现，还没来得及真正掌握，新的应用又冒出来了，常常让人感觉跟不上时代。

但有意思的是，过一段时间冷静下来会发现：有些东西没学，好像也没有什么大不了。对此，我现在已经慢慢放平心态。能学习一些新工具当然是好的，比如 SKILLS 以及一些实际应用，确实可以提高工作效率；但如果暂时学不会，也没必要过度焦虑。

对我来说，在工具日新月异、技术门槛不断降低的背景下，有一件事反而变得更重要：积累和自己相关的数据。

我的个人数据大致包括三部分：日常想法、健康数据和工作数据。

日常想法主要体现在我的日志里。当初开始写日志，是为了让自己保持思考。如今生活相对单调，很多时候并没有特别强烈或新鲜的想法。可这么多年断断续续留下来的文字，即使有些回头看显得幼稚，也仍然有意义。说不定哪一天，它们能帮助 AI 更好地理解我，也帮助我重新理解过去的自己。

健康数据主要来自 Apple Watch、一些健身应用，以及每年的体检报告。我觉得 Apple Watch 确实很有价值。每天充一次电，刚开始会觉得麻烦，但几年下来，它默默记录了我很多身体数据：心率、跑步配速、跑量、力量训练情况等等。如果没有这些记录，我可能根本不会记得，几年前自己一公里跑到六分半还会气喘吁吁，而现在可以比较轻松五分半的配速跑个九公里。每年的体检报告我也会扫描保存下来，这些资料可以帮助我观察身体状态的长期变化。

工作数据则包括论文阅读总结、使用 AI 生成报告的提示词、项目基础数据，以及一些自动化工具。经常对自己的工作进行总结、归纳，并尝试把重复性流程工具化，能够让工作效率越来越高。在这个过程中，我觉得比较有用的工具是 Obsidian。它让记录变得更加轻便、顺手，也确实是个人知识和数据积累的利器。

也许，想要完全掌握快速发展的各种工具，确实很难。但我想，只要持续记录、整理和积累属于自己的数据，这些不断更新的工具，终究会更好地为我所用。