AI 时代的事务管理：从"催我自己"到"指挥助理"

清单越列越长，人却越管越乱

打开手机看一眼：未读消息一百多条，日历堵得满当当，Todoist 里堆着几百条待办，Notion、飞书文档、备忘录还各自飘着一堆"待整理"。AI 这两年风风火火，大家也都试过让 ChatGPT 或者别的助手帮自己排一天，可用着用着，反而比以前更焦虑：清单越列越长，AI 还能更快地列出更长的清单。

我自己也踩过这个坑。前阵子心血来潮，把一周的工作和家务一股脑扔给 AI 让它帮忙规划。输出确实漂亮：图标分明，时间精确到分钟，连"周三晚上 9 点：和家人散步 30 分钟"都给我写上了。结果第二天早上一通电话打来，整个计划就散架了。我习惯性地安慰自己一句"计划没有变化快"，可这话听了二十多年，越听越觉得是在给自己找台阶下。

后来我换了个角度想：问题不在 AI 不够聪明，而在我没把任务给清楚。 事务管理的核心从来不是"换一个更聪明的工具"，而是"把任务表达清楚"。AI 来了，工具确实更聪明，可任务还是那批模糊任务。它替你跑得再快，方向不对照样南辕北辙。

这篇就想聊聊几件事：传统事务管理那一套方法论，在 AI 时代怎么演进；个人事务和工作事务又分别该怎么落地。算是我自己半年实践下来的几点心得，不见得对，但供咱们一起琢磨。

一、传统方法论：解决了什么，留下了什么

聊 AI 之前，得把老底子捋一遍。事务管理这事，靠谱的方法论其实不多，能流传二三十年的就那么几套。它们各有各的好，也各有各的坑。

GTD：Get Things Done

David Allen 那本《Getting Things Done》估计很多人书架上有一本。GTD 解决的是一个最朴素的问题：人脑不是用来存任务的，是用来处理任务的。 所以它强调"心如止水"——把所有杂念全捞出来扔进 inbox，让大脑别再背着它。

GTD 五步法很经典：捕获 → 澄清 → 组织 → 回顾 → 行动。它的厉害之处是把"任务"和"自己"剥离开，任务交给系统，自己只在固定时间回顾。

它的尴尬之处也很明显：澄清和组织太费劲。 一条任务从 inbox 里出来到能被执行，要回答"它是什么、下一步是什么、归到哪个项目、什么时候做"——全得手动。结果就是 inbox 越攒越多，每周回顾从一小时拖到三小时，最后变成"GTD 焦虑"。

四象限：紧急-重要

艾森豪威尔时代的产物，被史蒂芬·柯维写进《高效能人士的七个习惯》后红遍全球。它解决的是一个判断问题：别让紧急的事赶走重要的事。

落到落地层面问题就来了：怎么知道哪个是重要、哪个是紧急？ 这是个判断题，不是分类题。新员工尤其分不清，往往把"看起来很重要的人催的事"当成"重要"——结果一年下来全在给别人救火。

PARA：项目-领域-资源-归档

Tiago Forte 的方法，本质是给信息找个家：Project（项目）、Area（领域）、Resource（资源）、Archive（归档）。和 GTD 配合用比较好。

它解决了"知识和任务怎么分类"的问题，可留下了"分类要靠人手维护"的尾巴。每次你新建一个文件夹，都得想一下"这玩意儿到底是 P 还是 A？"——分类成本一点也不低。

OKR / SMART

OKR 解决"目标和关键结果对齐"的问题，SMART 解决"目标怎么写得能被执行"的问题。它们偏战略层，不是日常事务管理工具，可日常事务如果不挂回到这一层，就会变成"瞎忙"——今天解决了二十件事，月底回头看，没一件指向真正想要的东西。

一句话总结

这些方法论各有各的好，共同问题就一个：它们都假设有一个愿意花时间维护系统的你。 现实是，大多数人没这个时间，也没这个耐心。

所以你会看到一个有趣现象：一个朋友兴致勃勃用 Notion 搭了一套 PARA 系统，板块漂亮，配色精致，两周后我去看，最近一条更新还停在两周前。这套系统不是没用，是没人续命。

二、AI 时代到底变了什么

AI 真的能把上面这些方法论的痛点解决吗？我的看法是：部分能，关键看你怎么用。

最大的变化是这条：任务从"人脑里的提醒"变成了"AI 能读懂的工件"。

啥意思？过去你写一条 todo 叫"跟 X 同步项目 Y 的进展"，这条任务对 Todoist 来说就是一行字符串，对 GTD 系统来说就是一个待澄清条目。可对你大脑来说，背后是一整套上下文：X 是谁、项目 Y 走到哪一步了、上次沟通到什么、对方什么态度、风险点在哪、怎么开口才不踩坑——人脑负担其实压根没卸下来。

AI 时代不一样。如果你能把任务的上下文一并交给 AI——你和 X 之前的会议纪要、邮件、聊天记录，项目 Y 的设计文档和当前状态——那"跟 X 同步项目 Y 的进展"就不再是一行干巴巴的字。它变成了一个有上下文的工件。AI 不仅能帮你想"该问什么"，甚至能帮你起草一份沟通材料、列出三个潜在风险、推演 X 可能的反应。

这才是事务管理真正的升级：从一行待办，到一个工件。

工具不需要颠覆，方法论也不需要重写。变的只有一件事：任务的"信息密度"上去了，AI 才有东西可干。

三、五个环节，AI 都能干什么

把传统的"捕获 → 澄清 → 规划 → 执行 → 复盘"五个环节拆开看，AI 在每一步都能搭把手，但能搭多深，差别很大。

先把"老 GTD"和"GTD + AI"摆在一起对照一下：

整体闭环就变成了下面这张图——左侧是你出手的环节，右侧是 AI 替你打杂的环节，一人一步，交替推进：

@startuml
!theme plain
skinparam defaultFontName "Helvetica"
skinparam ActivityBackgroundColor #F5F5F5
skinparam ActivityBorderColor #555555
skinparam ArrowColor #555555
skinparam ActivityDiamondBackgroundColor #FFF8E1
skinparam shadowing false

title GTD + AI: 新的五步闭环

|#FFE8D6|人|
|#D9EAFD|AI|

|人|
start
:有想法 / 收到一件事;

|AI|
:**捕获**\n语音转写 + 自动归类\n→ 进 inbox;

|人|
:批量处理 inbox;

|AI|
:**澄清**\n反问: 下一步? 截止? 依赖?\n把模糊任务问到能动手;

|人|
:打 PARA 标签\n定 MoSCoW 优先级;

|AI|
:**规划**\n输出 2~3 种日程候选\n附历史耗时参考;

|人|
:选今日组合\n锁定关键时段;

|AI|
:**执行(辅助)**\n备齐上下文\n起草初稿 / 当 Rubber Duck;

|人|
:动手执行\n做关键决策与沟通;

|AI|
:**复盘**\n统计完成率\n列拖延项 / 估时偏差;

|人|
:看数据\n写 5 分钟反思\n→ 进入下一周期;

stop
@enduml

图里"打 PARA 标签 / 定 MoSCoW 优先级"那一格，是这一步最该认真做的两个动作：

• PARA：前面第一节提过——Project（手头项目）/ Area（长期领域）/ Resource（参考资料）/ Archive（归档）。任务先落进这四个篮子之一，AI 后面才知道往哪个上下文里串。
• MoSCoW：四档优先级——Must（这周必须做）/ Should（应该做）/ Could（有空可以做）/ Won't（这次不做）。比"高/中/低"狠一些的地方在于 Won't 是个明牌：你得主动承认有些事这次就是不做，AI 才不会把它当作潜在拖延项一直催。

两个加在一起，任务就有了"该归哪儿、该多急"的双坐标，AI 在后面的规划、执行、复盘三步里都能用上。

这张图最该看的不是流程本身，而是节奏：每两步就交接一次，AI 不会一路开到底，人也不必从头干到尾。AI 负责"力气活"（转写、反问、列候选、备上下文、跑统计），人负责"判断活"（PARA 归属、MoSCoW 排序、关键决策、反思）。

下面把这五步一个一个拆开看。

1. 捕获

传统做法：随手记到 inbox 里。问题是经常忘了为啥要记、记得不完整。等回头看那条"问老李"，自己已经一脸茫然：问老李啥？

AI 加持：语音转文字 + 自动结构化。你嘟囔一句"明天提醒我跟老王说项目 Y 可能要延期两周，原因是 SDK 接口还没冻结"，AI 能给你拆成"任务名 + 对象 + 核心信息 + 时间"四个字段。

我自己现在的习惯是：脑子里冒出来什么，就发语音或者文字给我自己写的 LazyBot（类似 OpenClaw 的小工具），它在后台帮我做语音转写，初步归类，第二天集中处理。比写下来快，比记心里靠谱。

2. 澄清

传统做法：你坐下来，一条一条琢磨"它是什么、下一步是什么"。GTD 里最累的就是这一步，也是大多数人系统崩盘的起点。

AI 加持：AI 可以替你做初步澄清。给它一条原始 inbox 条目，它会反过来问你：

• 这是个项目，还是单个动作？
• 下一步具体是啥？
• 截止时间是哪天？
• 卡你的依赖是什么？

不要小看这套"反问"。它在替你做你最不愿意做的事——把模糊的事变清楚。 人最怕的就是面对一团模糊不知如何下手，而 AI 不嫌烦，可以一直问到你能答出"下一步是给老王发条消息"为止。

3. 规划

这是 AI 最容易出问题的地方。

AI 很擅长生成漂亮的日程表，可它不知道你昨晚熬夜没睡好，不知道你下午两点要带孩子打疫苗，不知道你这个项目其实做不动。 让 AI 自由规划，它会给你一份理论上完美、实践中崩盘的计划。

我的做法是：AI 做候选，人做决策。 让 AI 根据当前任务列表、我大致的精力分布、已知日历，输出两到三种可能的安排，再由我选。AI 那种"乐观偏差"必须由人来纠偏。

4. 执行

动手干活的事，还得是你自己。可 AI 能做几件事，让执行少一点摩擦：

• 减少摩擦：打开一个任务，AI 自动把相关文档链接、上次进展、可能的下一步备到手边，不用你再翻历史。
• 替你处理低判断成本的子任务：邮件初稿、会议纪要、代码 diff 解读、测试用例草稿。
• 当一个 Rubber Duck：卡住的时候，跟 AI 把问题描述一遍，常常自己就想通了。

我用 AI 最爽的一个场景是写设计文档。以前一份设计文档憋三天，现在我把背景、约束、几个 idea 扔过去，让它生成第一稿，我再删一半、改一半、补一半。三天的活变成半天，剩下两天半我可以真正去想这个设计本身的问题——而不是耗在排版和措辞上。

5. 复盘

复盘是大多数人最容易跳过的环节，也是 AI 最值得帮忙的地方。

人不爱复盘，是因为复盘要面对的事经常不是"我做得真好"，而是"我又拖延了"。AI 没有情绪包袱，它可以冷静地告诉你：

• 你这周完成了多少任务，未完成多少？
• 哪些任务被反复推迟了？
• 你估时和实际花费的偏差有多大？
• 你最有效率的时间段是哪段？

把这些数据摊开来看，比自己空想"我这周怎么样"管用得多。

固然 AI 看不到你内心的挣扎，可是它能把"事实"先摆桌上。剩下的反思，归你自己。

四、AI Driven Task Management：从"我催它"到"它催我"

上面那张五步闭环图，其实有个隐藏假设：每一步的发起者是你。 你打开 inbox，AI 才开始转写；你坐下来澄清，AI 才开始反问；你拉开规划界面，AI 才给候选。AI 是个反应灵敏的助手，可它本质上还在等你按门铃。

这是大多数事务管理工具最大的尴尬——它们都是"拉模式"。 你得有那个心气先去打开它，可大多数时候你心气不够，于是 App 装睡，你装忙，谁也不打扰谁。AI Driven Task Management 想拧的就是这一点：让 AI 反过来推你。

什么意思？AI 看着你给的目标、日历、历史耗时、空闲时段，再结合当下的卡点和拖延信号，主动判断"现在该催你做哪一步"，然后给你推送一条带上下文的消息：

• 早上九点：看到下午有一个跟客户的关键会议，推一条"要不要现在花 20 分钟准备议程和潜在问题？"
• 上午十一点：发现你今天还没碰核心 OKR，推一条"今天的 1 号目标还没动，要现在切进去 90 分钟吗？"
• 下午三点：发现你某条任务改了五次还没提交，推一条"卡在这里有一阵了，要不要换一下顺序，先做掉另一件，回头再回来？"
• 周五下午：拉一份完成度报表，推一条"这周有三件事拖了，要不要花 10 分钟先反思一下，再决定怎么排下周？"
• 月底：检测到 OKR 进度只有 40%，推一条"是目标定得过高，还是上下文变了？要不要现在修一下？"

把这些推送消息串起来，事务管理就不再是你一个人苦哈哈地推系统，而是一个真的能动起来的闭环：

@startuml
!theme plain
skinparam defaultFontName "Helvetica"
skinparam ActivityBackgroundColor #F5F5F5
skinparam ActivityBorderColor #555555
skinparam ArrowColor #555555
skinparam ActivityDiamondBackgroundColor #FFF8E1
skinparam shadowing false

title AI Driven Task Management: 主动驱动闭环

start

:**你给的输入**\n目标 / 想法 / 周计划 / 项目;

repeat
  :**AI 持续观察**\n日历 / 历史耗时 / 空闲时段\n卡点 / 拖延信号;

  :**AI 判断当下该催哪一步**\n捕获? 澄清? 规划? 执行? 复盘?;

  :**主动推送消息**\n给下一步\n附上下文与候选动作;

  if (你的响应?) then (做)
    :动手 / 决策 / 沟通;
  elseif (推迟) then (推迟)
    :重排时段 / 降优先级;
  else (修正)
    :调整目标或计划;
  endif

  :**反馈进数据**\n更新历史耗时 / 优先级 / 状态;

repeat while (目标还在追?) is (是)
->目标完成 / 主动归档;

stop
@enduml

看这张图，注意三个关键设计：

第一，输入层不能糊弄。 你给的目标、想法、周计划、项目，是 AI 一切判断的基础。没这层输入，AI 推送的消息就变成了瞎催。所以你还是要花时间把目标和计划交代清楚——AI 替不了你"想"，但能替你"跟"。

第二，响应分支要全。 AI 推一条过来，你不一定要"做"。你可以"推迟"（重排时段、降优先级），也可以"修正"（这个目标不对了，调一下）。三条分支都要进数据，下一轮 AI 才能更准。会被纠正的 AI 才是好 AI，否则就是个唠叨的助理，迟早被静音。

第三，目标循环要知道什么时候停。 每一轮 AI 都问"目标还在追吗？"——在追，继续；不追了——也许是完成了，也许是主动放弃了——直接归档。好的 driver loop 不会一路推到天荒地老。

几个落地的红线

这套主动驱动模式听起来很美好，可落地有几条红线：

• 推送要稀。 一天五六条以内，多了人就麻木。AI 要学会"今天哪条最值得催"，而不是"把所有想催的都推一遍"。
• 时间窗口要对。 深夜不推，会议中不推，明显在专注时不推。打断成本比错过一次推送高得多。
• 静音权永远在人。 任何时候你说"这条不要再提"，AI 就该闭嘴。再聪明的助理，没边界感都是灾难。
• 目标层必须真实。 如果你把 OKR 写成空话，AI 就只能跟着推空话。你糊弄目标，AI 就糊弄你。
• 别让 AI 替你定义"积极"。 "积极有效的事务管理"是你的人生节奏，不是 AI 的 KPI。它可以催你动，但不能替你定义什么叫"今天过得好"。

一句话：AI Driven Task Management 不是让 AI 当你的老板，而是让它当一个比你早 5 分钟注意到当下重点的助理。 主动权还在你手里，可惰性这层窗户纸，被它先捅破了。

五、个人事务 vs 工作事务：别混在一个篮子里

我发现很多人把个人事务和工作事务混在一个系统里管，结果两边都管不好。它俩的本质区别有三条。

第一，责任主体不同。 工作事务你不做，团队会受影响、KPI 会扣分。个人事务你不做，最大的代价是自己。所以工作事务要"对外可见"，个人事务可以"对内自洽"。

第二，上下文密度不同。 工作事务上下文巨多：JIRA 工单、文档、聊天、上下游依赖一堆。个人事务上下文相对干净："周末去爬山"就是一行字，不用挂十五份文档。

第三，沟通成本不同。 工作事务一半时间花在跟人对齐上。个人事务最多跟家人沟通一下。

所以 AI 在两边的用法也不一样：

举两个例子。

我自己的健身计划，AI 主要在帮我"对抗拖延"——每周三晚上发个消息问"今天的力量训练做了吗？没做的话原因是什么？"。不带情绪，但有反思。一周一次，几句话，比自己跟自己较劲管用。

工作上 AI 主要帮我做"上下文压缩"——一个项目走了三个月，所有会议纪要、文档、聊天加起来几十万字。新接手的同事根本看不完。让 AI 生成一份"项目当前状态摘要 + 关键决策记录 + 未解决的争议"，二十分钟就能让新人上手到 70%。剩下 30% 留给老人喝杯咖啡当面聊——那部分本来就不该交给 AI。

六、一份可上手的"AI 友好"任务模板

光说方法论太虚，给一份我自己在用的任务模板。不复杂，但很有用。

任务: 跟 X 同步项目 Y 的延期方案
类型: 沟通 / 决策
对象: X（项目经理）
背景:
  - 项目 Y 原定 6 月 15 日上线
  - SDK 接口被上游变更，设计需要返工两周
  - X 上次会议明确表示不希望延期
卡点:
  - SDK 接口冻结时间未定
  - 测试资源已紧张
下一步:
  - 整理三种延期方案（轻、中、重）及各自影响
  - 拉一个 30 分钟会议同步
  - 准备一份风险清单
截止: 本周五前完成沟通
负责人: 我
相关文档:
  - design doc: <link>
  - SDK 变更纪要: <link>
完成标准:
  - X 接受其中一种方案，并同步给上下游

看起来繁琐，可好处是这样的：

• 这玩意儿可以直接喂给 AI，让它帮你生成沟通材料的初稿、推演 X 的反应、列出潜在风险。
• 你下周回头看，能立刻 reload 整个上下文，不必再从一堆聊天记录里把脉络拼回去。
• 它把"任务"变成了"工件"——一个有结构、有上下文、能被复用的对象。

不必每个任务都这么写。只对那些会反复出现、卡你节奏、涉及多人协作的任务用。 一个人一周这种任务也就五到十个，写起来不会让你失眠。

七、几个常见的坑

跑了半年下来，我踩过几个坑，提醒咱们一起避开。

坑一：让 AI 替你做判断。 AI 给你的优先级建议看起来很合理，可它不知道你公司的政治，不知道老板上周开会时谁的脸色变了。最后排序还得自己来。

坑二：让 AI 替你写"漂亮但不真实"的复盘。 AI 写复盘特别擅长把"摸鱼一周"包装成"探索期"。看着舒服，骗的是自己。

坑三：把所有东西都塞给 AI。 任务、笔记、心情、健康数据全往一个 AI 里灌，提示词越来越长，AI 反而抓不住重点，还把隐私边界搞乱。保持分层：工作任务、个人事务、私人记录，分开存。

坑四：丢了节奏感。 以前自己写任务的时候，下笔之前会先想一想，这个"想"本身就是规划。现在让 AI 起草，你跳过了"想"。久而久之，规划肌肉退化。所以再忙也得自己写一下一周的 review，哪怕只写五分钟。

坑五：迷信"AI Todo 类"产品。 我试过好几个，大同小异：起一个酷炫的名字，加一个大模型在背后帮你拆任务。问题是你的核心问题不是缺工具，而是缺结构。换个工具，结构没变，过两个月一样乱。

总结

AI 时代的事务管理，我自己有几条粗浅心得：

• 事务管理的核心不是工具问题，而是任务表达问题。AI 让任务从"提醒"升级成"工件"，可前提是你得会写工件。
• 传统方法论（GTD、四象限、PARA、OKR）没过时，只是过去全靠人手维护，现在可以让 AI 接管一部分。
• 五个环节里，捕获、澄清、复盘 AI 帮得最多；规划要小心 AI 的乐观偏差；执行还得靠自己。
• 比"AI 帮你打杂"更进一步是"AI 反过来推你"：把目标喂给它，让它在对的时间主动推送消息——但推送要稀，静音权永远在你这里。
• 个人事务和工作事务不是一回事，别混在一个系统里管。
• 给关键任务建模板，让任务变成可被 AI 读懂的对象。
• 别把判断、节奏感、自我反思外包给 AI。

一句话：AI 不能替你管事务，但能替你管"管事务的麻烦"。

行动清单

• [ ] 今晚花十分钟，把脑子里悬而未决的事全部 dump 到一个 inbox 里
• [ ] 选两到三条本周最关键的任务，按上面的模板补全上下文
• [ ] 设一个每周固定时间（建议周五下班前），让 AI 帮你做一次完成度复盘
• [ ] 把本季度的 OKR 或 3~5 件最关键的事喂给 AI，让它从下周开始主动推送消息提醒你
• [ ] 把"个人"和"工作"两个事务系统分开，别再混着用
• [ ] 给自己定一条红线：优先级和节奏永远自己定，AI 只提供候选

扩展阅读

• 《Getting Things Done》, David Allen
• 《The 7 Habits of Highly Effective People》, Stephen Covey（四象限）
• 《Building a Second Brain》, Tiago Forte（PARA）

最后留一个问题，咱们一起琢磨：你现在最想让 AI 替你管的那件事，它真的是一项"任务"，还是一段"你还没想清楚自己要干嘛"的过程？

本作品采用知识共享署名-非商业性使用-禁止演绎 4.0 国际许可协议进行许可。