Coinbase CEO 建議用個人語料訓練寫作代理
Coinbase CEO Brian Armstrong建議，用戶可讓AI代理彙集自己過往撰寫的文檔、Slack消息、社交平臺內容及其他文本，再生成一份Markdown格式的個人寫作風格與觀點檔案。
他建議在後續寫作中，要求代理從個人歷史文本中提取並複用特定詞彙、短語和表達方式，以減少AI文稿的通用化措辭，使輸出更接近作者已有的語言習慣。
Armstrong的表述是工作流建議，不代表用戶應把所有私人文件無差別交給雲端模型。文檔、聊天記錄、郵件、草稿和社交內容可能包含商業機密、第三方隱私、客戶數據及受監管信息；實際使用前需明確數據授權、保留期、訓練用途、訪問權限與刪除機制。
該建議回應了Stanley Druckenmiller使用AI輔助撰寫《華爾街日報》評論文章引發的討論。Druckenmiller承認使用AI協助寫作，但稱並非整篇文章完全由AI生成，自己拒絕了多項建議，並堅持文章表達的是其本人觀點。
該評論文章題爲《Let the Bond Market Speak》，批評美國財政部長Scott Bessent擴大長期國債回購上限的做法。Druckenmiller認爲，此舉可能扭曲價格發現、壓制收益率並損害財政部信譽；該立場與文章是否由AI輔助生成屬於兩個不同問題。
AI檢測工具Pangram曾將該文章判爲“100% AI”生成，但此類檢測無法可靠證明作者意圖、編輯過程或人機貢獻比例。Druckenmiller稱自己如今所有寫作均使用AI，類比使用計算器解數學題；這構成其個人解釋，並非獨立審計結論。
市場機制上，個人語料庫會把寫作生產從通用模型輸出轉向“個人知識庫＋風格檢索＋人工審校”的流程，資金將流向企業知識管理、私有RAG、權限控制、內容溯源和本地/私有模型部署。擁有長期原創文本、結構化知識與數據治理能力的個人或機構受益；依賴通用文案模板和低差異化內容代寫的服務承壓。
來源：公開信息
ABAB AI 解讀
Armstrong提出的方法本質上不是重新訓練基礎模型，而是建立一個“個人風格層”。最實用的實施路徑通常是：將歷史文本按來源、時間、主題和保密等級整理；由模型生成可人工修訂的寫作憲法；每次起草時檢索相關原文作爲語氣與觀點證據。這樣，模型不必永久吸收私人數據，也能在具體任務中調用可驗證的個人表達。
資本路徑從“按token買生成”遷移至“爲私有上下文買治理”。企業真正昂貴的部分並非生成一篇初稿，而是把Slack、Notion、Google Drive、CRM和郵件系統接入代理，同時解決身份權限、離職員工數據、客戶保密、審計日誌與輸出審覈。誰控制了組織的歷史語料、連接器和檢索權限，誰就控制了AI能否穩定寫出“像該組織”的內容。
歷史類比是Bloomberg終端、律所先例庫和投行研究數據庫：其價值並不來自通用寫作能力，而來自經過長期積累、可追溯且有權限邊界的專屬信息。Druckenmiller的案例則展示了另一面：即使觀點由本人提出，讀者仍會關注署名、證據、編輯責任與AI介入程度。AI降低表達成本後，作者的稀缺性更集中於原始判斷、可驗證事實和願意爲成文內容承擔責任。
這屬於定價權轉移。通用模型使語言生成趨於低成本，寫作價值便不再主要由句子流暢度決定，而由誰擁有獨特語料、誰能調用真實立場、誰對最終文本負責決定。機制是：當任何人都能生成合格文字時，個人歷史、專業判斷和責任署名成爲區分可信內容與可替代內容的核心資產。
ABAB News · 認知定律
AI會複製文風，不能自動複製判斷
文本越便宜，真實觀點越昂貴
個人數據是語料，責任署名纔是信用