最近我在折腾一个小工具：微信读书 Skill——让 AI 直接看我的书架、阅读记录和笔记。
一开始我只是想让它推荐几本书。试了一圈之后发现：推荐书，其实太粗了。
真正有用的问题不是"我下一本读什么"，而是：
结合我今天正在想的事、正在听的内容、正在做的项目——我应该读哪一本书里的哪一章？
这个变化很小，结果完全不一样。
（工具只是载体：换成任何能读到你的书架、笔记、听书记录的 AI，这套方法都成立。具体怎么装，见文末指引。）
为什么"推荐书"太粗了
普通问法：
帮我推荐几本书。更好的问法：
结合我今天的对话、听书内容、工作实践和微信读书书架，推荐一本最适合我今天读的书，并具体到章节。差别在哪里？
"推荐书"很容易变成泛泛而谈。AI 会给你列一串看起来都不错的书，然后呢？你还是要自己判断、自己打开、自己找重点。
而"推荐章节"会迫使 AI 回到三个具体问题：
- 我今天真正关注什么？
- 我可能有什么思考盲区？
- 哪一章能帮我把这个问题想深一点？
一个模糊的请求，只能换来一个模糊的回答。把问题问具体，AI 才可能给出具体的答案。
别把书架当成全部画像
这里有个小技巧：不要把微信读书数据当成全部画像。
微信读书 Skill 能看到书架、阅读记录、笔记、章节目录——这当然很有用。但它看不到你今天听了什么播客、刷了什么课程、做了什么项目复盘。
所以我会额外补一句：
不要只依据微信读书数据。请同时参考我今天提到的听书、播客、视频、工作实践和复盘。这个提醒很关键。因为很多真实的认知输入，不在书架里，而在你当天反复听、反复想、反复碰到的问题里。
为什么它知道我"今天"在想什么
你可能会问：这些"当天语境"从哪来？AI 怎么知道我今天在想什么？
因为我在本地搭了一个 Obsidian 库，每天自动把移动端、WorkBuddy、Codex 这些端口的交互日志沉淀下来。"今天在想的事"不是我临时口述的，而是来自我每天的本地记录——复盘时基于本地信息，推荐时才能基于真实语境。
这其实是一个闭环：每天产生记录 → 复盘时调取记录 → AI 基于记录推荐章节 → 读到的内容又变成新的记录。知识就在这个闭环里滚动起来，而不是散落在各个 App 里。
一个容易踩的坑：重名书
微信读书里重名书很多。所以别只让 AI 输出书名，最好让它同时给出核对信息：
如果推荐某本书，请同时给出书名、作者、出版社、ISBN 或 bookId，避免重名误选。这样推荐更可靠，也方便你直接打开正确版本。
让推荐变成"认知校准"
我现在比较喜欢让 AI 按三个角度解释推荐理由：
请分别说明：
1. 它如何对应我今天的兴趣；
2. 它如何补我的思考盲区；
3. 它如何帮助我把信息转成行动。这一步很重要。它会让推荐从"猜你喜欢"，变成"认知校准"。
举个真实例子。我最近在反复听关于《毛选》的方法论解读——高效，但也容易停留在二手理解。如果只看微信读书数据，AI 大概率继续推荐管理、商业、组织变革类书；但当我把"听书内容"也告诉它之后，它从我的书架里找到了《毛泽东选集（全四卷）》，推荐第 10 章《反对本本主义》。通篇读书，变成每天10-20分钟的复盘。
这个推荐很贴：
- 听解读是高效入口，回到原典才能校准概念；
- 回到"调查研究"，能把观点直接转成行动方法。
我自己在用的提示词
把上面几点合起来，就是我每天都在用的完整版：
请结合我今天的对话、听书、播客、视频、工作实践，以及我的微信读书书架、阅读记录和笔记，推荐我今天最适合读的一本书中的一个具体章节。
要求：
1. 不要泛泛推荐热门书；
2. 优先从我书架里已有的书中选择；
3. 如有重名书，请核对书名、作者、出版社、ISBN 或 bookId；
4. 请说明这章如何对应我今天的兴趣、思考盲区和认知局限；
5. 给出 20-40 分钟的阅读方法；
6. 最后给出 2 个读后复盘问题。想试？微信读书 Skill 在哪装
前面这套方法能跑起来，前提是 AI 能读到你的书架和笔记。做到这一点，靠的就是微信读书 Skill。
它是什么：一个让 AI 直接读取你微信读书书架、阅读记录、笔记和章节目录的能力。装上之后，AI 才有"原料"去推章节，而不是凭空猜。
怎么装（以 WorkBuddy 为例）：
- 在 WorkBuddy 的技能/连接器中心搜索「微信读书」；
- 安装并信任该技能；
- 按提示授权你的微信读书账号。
装好、授权完成，再把前面那段提示词丢给它，流程就通了。
（注：不同版本入口可能略有差异，以你 WorkBuddy 当前界面为准。）
最后
这个小技巧让我重新理解了"第二大脑"。
第二大脑不是把资料存起来，而是让已有资料在每天的问题里重新长出来。
读书、听书、实践、复盘被连接起来的那一刻，知识才不只是收藏，而会慢慢变成判断力。
知识不靠收藏，靠在每天的问题里重新长出来。
你今天在反复想什么问题？把它和你的书架一起丢给 AI，看它推哪一章。
Peter Tang｜战略变革 · 数字化转型 · LTC · 跨境出海
