為了教大伙用AI，這家公司寫了40萬字的攻略

普通人想用明白 AI 真是廢老鼻子勁了。

不是說沒有資源，而是門路太雜了。前段時間世超逛商場，貨攤上擺著成堆的 AI 教程：《 AI，從入門到變現 》，《 圖解 AI，極簡變現 》。。。

先不說封面這沖鼻子的營銷味兒，就里面的內容也是相當難繃。

案例可能是拿已經下架的老模型跑的，想復刻都費勁；復制幾段內容檢測一下吧，疑似 AI 占比 100%。。。

說白了，買回來多半也就是個心靈安慰的作用。

就這，網上一搜，有的銷量都干到幾百萬了，要是問問家里長輩，說不定抽屜里已經塞了好幾本了。

都說互聯網的盡頭是賣課，貌似 AI 也不遑多讓。投資上億的初創企業都不一定盈利呢，賣課的倒是先收割一波揣兜里了。

沒辦法，現在 AI 進化太快了，經常一個新概念，新應用你還沒了解幾天呢，就過時了。

別說長輩找不著門路，年輕人也不一定有精力弄明白。

如現在主流的 AI 應用，像 Codex，Claude Code，國內的 TRAE Work 等等，把 Agent 搬到了本地，功能樣式多，用起來都挺不錯的，但想真用明白卻不簡單。

因為他們更新頻率都挺快，網上教程也是五花八門啥都有，自己翻找學起來很費功夫。

不過最近世超發現 TRAE Work 好像要重拳出擊了，他們官方自己下場，搞了個知識庫，就專門教你怎么用好 TRAE Work。

作為 TRAE 的老用戶，咱也是趕緊上手試了一下，你別說，還真有點東西。

知識庫建在飛書文檔里，有點游戲攻略的即視感，主要分為基礎的新手入門板塊和實戰指南板塊。

它里面不是那種實用小技巧或者提示詞大合集，而是實打實按工作場景編排的教程，像什么大學生怎么寫實驗報告，老師怎么整理課件。

雖然教不了你變現賺大錢，但它實用接地氣啊。上線 6 個小時，就已經 1.8w+ 的訪問了，看社區里大伙兒的反饋也都不錯。

比如這個對 B 站評論區深度分析的，用上了瀏覽器自動化的操作，還沉淀成了一套能重復使用的工作流。

還有這個我照著教程，提前做的世界杯決賽預測，輸贏猜對了比分估錯了，但加了個歸藏大佬的 PPT Skill，內容排布和視覺效果還是很有質感的。

那這些東西咋做到的呢？誒，也簡單，就是拆分步驟跟著知識庫做，有手就行。

就拿剛剛的 PPT 來說，其實是順著任務水到渠成搞出來的。

剛開始世超是想研究下世界杯決賽，因為當時還沒開始呢，所以就想讓 TRAE Work 幫忙做個預測，圖一樂。

具體操作就是去知識庫里，直接搜索「賽事分析」，然后點擊跳轉到對應教程。

直接把提示詞復制下來，粘貼到 TRAE Work 的對話框里，稍微按自己的想法改一改就 OK 了。

想精細點就輸入「/plan」開啟計劃模式，然后它就會調用 Agent 先寫一份計劃書，等你審閱后再正式執行。

5 個環節推進下來，深度分析就搞定了，由于裝了飛書技能，它可以直接把東西存到飛書里，一份數據表格，一份分析文檔，內容都很詳細。

表格里面有雙方球員的詳細數據，近幾場比賽的記錄，甚至教練戰術的分析也拆成了十幾個維度，甭管預測結果準不準，這信息是拉滿了。

再來看分析文檔，基本就是對著表格的數據一通推導，判斷西班牙更年輕穩定一些，然后給出了預測：西班牙 2-1 戰勝阿根廷，捧起大力神杯。

最后還疊了個甲，說梅西 39 歲的最后一舞，影響不可量化。好賴話都給它說完了屬于是。。。

從結果來看，雖然比分預測呲了，但這結果和趨勢分析的沒毛病，西班牙整場都在壓著阿根廷打，有點東西嗷。

這么有理有據的預測，自然得發給朋友瞅瞅，但光文字和表格，容易把人看瞌睡，所以還得轉化成 PPT 或者網頁。

話不多說，直接下令，幾分鐘后就搓了出來，內容結構沒變，但視覺效果好了很多。

背景是深色的足球場，還搞了個大力神杯的 SVG 動畫，復雜的信息得點擊才會彈出，不干擾主頁面，小巧思不少。

最后分享的話還需要一個公開的地址，咱還是打開知識庫，直接搜索「部署」，然后跟著教程簡單配置一下，最后在聊天框里告訴 AI，幫咱免費托管到這個 IGA 平臺。

當然，PPT 還是開胃菜，知識庫里還有更難更專業的使用姿勢，比如看論文。

前段時間 Anthropic 搞了個研究，說是發現了 Claude 里有類似人類「意識」的小房間，叫「J-space」。

這么牛批的東西那肯定得好好摟兩眼，但原論文將近十萬字，肯定不能生啃，還是跑知識庫里找點妙妙小工具處理一下。

一樣的步驟，找教程，復制提示詞，然后根據自己的需要稍微改改就能發送了。

處理完，得到一份報告，結構很清晰，核心觀點和主要數據都被提煉出來，放到了前面，而篇幅較長的實驗附到了末尾，整體讀起來效率高多了。

說起來這其實是模型可解釋性的相關研究，不止 Anthropic，其他研究機構也都在做，畢竟 AI 這么吊，看不透總感覺挺危險的。

然后我就又淘了幾篇其他方向的研究，想綜合對比一下看看，用的還是知識庫里的方法。

過了一會，它交出來一份簡潔凝練的分析報告，主要是拉了幾個對比表格，捋了一下幾篇論文的重點。

最后還串了一條主線，說是現在研究方向挺多，有的偏理論，有的偏工具，各有不足，但有時候又能很好的互補。

確實，光靠 A 社一家之言，還是有點模糊，綜合著看就清楚多了。

當然，這玩意兒研究的相當緩慢，一天兩天可能還有興趣關注，時間一長就容易甩一邊忘掉。。。

不過知識庫還有騷套路，就是設個定時任務，每天早上讓 AI 自動檢索整理一遍，有價值再看，沒新貨就拉倒，有點像雇了個秘書提前幫你篩選文件。

下面是它早上九點半發給我的周報，里面從 arXiv，OpenAI 和 Anthropic 扒出來 11 篇論文，直接塞進了我的飛書里，這下不得不看了。。。

當然，除了這種長線任務，編輯的日常還得廣撒網，從海量的新聞里面撈選題。

但渠道一多就容易看不過來，好在前些天從 Github 上刷到個項目叫 Newsnow，聚合了很多世超平時逛的新聞網站，咱干脆任務升級，拿 TRAE Work 改造改造這個項目。

首先，得切換模式，因為術業有專攻，剛剛那倆任務都是「Work」辦公模式，要改代碼最好換成「Code」。

然后還是搜知識庫，找到這篇題為「拿到「熱門開源代碼」，7 個思路教會你學習」的教程。

跟著里面的思路，先讓它把代碼倉庫拉到本地，分析一下，觀察清楚框架結構。

然后這活兒它居然干了半個多小時，我本來以為是哪兒卡住了，延遲太高，結果翻開交付物一看傻眼了。

好家伙，這哪是觀察一下框架，這給人族譜都扒干凈了。

分析了整整 11 份文檔，給項目建了個 wiki，順手還搞了個前端落地頁，推薦了幾種不同的閱讀路徑，一條龍安排的明明白白。

視覺設計直接就用了原項目的紅黑配色，而且它這個簡約的半透明質感莫名的高級。

內容上也沒得挑，代碼塊有高亮框，架構圖，時序圖，流程圖都用上了 Mermaid 渲染，直觀而且清晰。

無論是拆解某個功能自己學習，還是在項目基礎上做二次開發，直接就是一個胸有成竹。

那還說啥了，直接搞點小功能試試水。

比如讓它開發個將新聞轉化成選題的功能，習慣性的搜了搜知識庫，發現里面關于這個居然也有建議，咱直接復制一手，改一改發送執行。

跑了一段時間，功能就開發好了。

整體效果就是自己先接入大模型的 API，然后 AI 就會按要求從這些接口的新聞中，找出 15 個有爆款潛質的新選題，每個再配上一句話的鉤子，可以說很全面了。

但看著這界面總感覺味道不太對，布局什么的倒是合理，但風格上少了點差評味兒。

好在 TRAE Work 它還能兜，除了剛才體驗的 Work 和 Code 模式，還有第三種 Design 設計模式能一起聯動。

按照知識庫的說法，用 Code 完成開發后，如果對視覺設計不滿意，可以把結果回流到 Design 模式，對前端界面進行大改造。

于是我就找了幾張差評之前的插圖，然后喂給 Design 模式，讓它知道啥叫差評味兒。

結果它品了品，反手掏出來一套標準的設計系統，名字叫故障藍綠風格，嘿，你別說還挺準的。

關鍵這里面內容相當豐富，除了純文字的設計規范，還有主題色系，字體標準。

當然，最顯眼的是這一堆示例組件，展示了素材包框和表格元素的視覺效果，特別是按鈕和文字后面的紫色霓虹細節，味道太對了。

于是我直接讓 TRAE Work 照著這個標準重構項目的前端，花了十幾分鐘，差評風味兒的新聞聚合器它就好了。

可以感受到，從項目拆解，到新增功能的開發，再到前端的重構，基本都能照著 TRAE Work 官方知識庫一路順下來，整體體驗相當絲滑。

而且在這種長線任務里，它有個小功能深得我心，就是多端聯動。

有時候處理時間一長，我就喜歡掏出手機去外邊溜達，然后老容易忘記電腦上還干著活兒呢。

但綁定完手機和電腦后就不會了，任務中斷或者完成它都會彈出提醒，還會滋得震動一下，就挺實用的。

當然，實際體驗里也有磕磕絆絆的地方，比如改前端時一些組件可能錯位，服務器有時候沒正確啟動，但它能調用 Agent 工具，自己截圖 Debug，考慮得也算周到。

而且全程我也都沒開會員，用的還是榜上有名的 GLM-5.2 模型，跑完三個任務都沒限制，屬實給我蹬爽了。

所以對于普通用戶，TRAE Work 這次的切入點就很妙，它沒強調什么模型參數有多猛，而是反手搞個知識庫，教你怎么用著順手。

輕度用戶能照著實戰教程快速上手，深度用戶也能豐富一下技能儲備。

而且知識庫這玩意兒是需要長期維護的，一代版本一代神，好用的打法都是動態變化的，所以官方下場就靠譜一些，至少更新頻率是有點保證的。

至于那些落后不知道幾個版本的《AI，從入門到變現》，還是老老實實墊桌腿吧。。。