好記性，不如寫文檔。

【一】

最近三年隨着人工智能的崛起，伴隨一個非常熱點的現象。

AI知識庫成了產品級的文檔，把AI相關的各種知識做成體系化的教程，會有大量的關注者，然後圍繞知識庫和用户羣體，再設計各種附加的業務。

做體系化的文檔，過去更多是在組織規範的企業裏。

2025年的當下，很多團隊在維護自己公開的AI知識庫，更偏向AI教程；很多大模型廠商直接開發AI知識庫產品，藉助大模型的信息組織能力，快速搭建和學習各種知識。

今年有個不冷的現象，雖然不清楚是不是算法誆我。

刷到少量的用户和大V表達：同質化的視頻刷不動，內容開始迴流文字以及更加體系化的知識庫。

有朋友説：今年開始看小説了。

【二】

對於寫內容這事，因果關係要從大學年代説起。

大學計算機老師佈置的作業：要求把他講課的內容筆記，整理好發佈在博客平台，那會對流量沒有絲毫概念，但是班裏同學人手一個博客賬號，玩的花的自建網站。

工作後也斷斷續續的寫着，當然寫的更多的是公司文檔。

在整個過程中，存在一個很有趣的現象：內容從最初的細緻零碎，慢慢的走向結構和體系化，隨着能力和經驗的積累，關注的方向也會泛化，並非純粹的編程領域。

過去的十多年，人和工具都在變化着。

在內容記錄從紙質到電腦軟件，從電腦本地到雲端存儲，內容發佈也從社區博客轉向社媒，再迭代到直接開源知識庫。

過去內容的形式，基本都是整理好再發布，從不準確的直覺來説，內容的獲取極有可能轉向AI即時生成，這一點大模型的能力已經自證。

礙於交互的複雜性，只是這個過程有點漫長。

2024年接觸過頭顯的項目，其中印象最深刻的交互：在頭顯設備中模擬真實空間建模，然後藉助大模型生成語音簡介，項目主要做的是科普場景，沒有AI加持之前，普遍還是固定的文案和影音。

最近在嘗試幾款AI知識庫產品，基本的形式：大模型提供內容，再轉成文檔。

經常問AI問題，會有這樣的痛點，如果遇到好內容，會很快被其它對話淹沒，再想回頭看看發現很麻煩，如果結合文檔能力，可以直接存儲下來，慢慢整理成系統化的知識。

在GPT5的模型中，可以通過對話回溯：

我問過你哪些產品設計的問題？列舉你認為最重要的3個。把問題1你當時的回答再輸出一次，要求一樣。

但還是那句話老話：好記性不如爛筆頭。

【三】

在樓裏App一期開發的時候，因為經常拿着項目文檔和朋友討論想法，他們沒太關注內容，紛紛把知識庫拷貝一份，拿去當模版使用。

這就是交流的價值，果斷花時間整理，隨着產品上線直接開源。

在最後推廣階段樂呵呵的幻想，產品用户肯定破百，知識庫應該也會有個幾十人關注，畢竟博客和社媒的關注基數擺在那了，不敢奢望有潑天的流量，結果事與願違。

產品僅幾十人註冊，但項目知識庫幾百人瀏覽。

咱這個人主打不矯情，產品推廣的效果不好就果斷停手，知識庫有關注，繼續每週兩條動態宣傳，然後每天都有十個八個的網友，私信獲取文檔地址。

在產品二期的開發過程中，參考一期的推廣經驗，把AI的實踐和使用經驗，從頭到尾完整的記錄下來，會跟隨產品二期免費開源。

AI知識庫在計劃之內，只是缺乏實踐經驗處在擱置中。

歷經4個月AI產品的摸爬滾打，對於各種AI工具的使用爐火純青，涉及產品和編程的詳細總結，以及圍繞項目管理的調研做規劃等，還有日常各種有用的案例，當然也包括大模型和提示詞等基礎內容。

有一説一，做產品的確不擅長，但寫內容卻有十年的經歷了。

【四】

從學校進入職場的十多年，在內容這個領域中，算是完整的經歷過紙媒、博客、新媒體、視頻、知識庫幾個關鍵迭代。

明顯的趨勢：內容門檻降低，傳播效率提高。

當然接觸的信息零散繁雜，注意力容易被頻繁的拉扯，會讓很多人感覺時間越來越少，內容創作也從“我想説什麼”變成“用户想看什麼”。

隨着AI知識庫的興起，不確定內容會不會再次轉向系統化。

但有個本質的變化：人工智能可以讓普通用户，不再只是信息的讀者，可以成為各種知識的使用者，通過大模型能快速調取、組合、複用知識。

不再是一篇篇地被動消費。

交代一下產品進度：《樓裏-Web網站》已發佈，《樓裏App-iOS版》已上架。

🛰七號樓私信「樓裏」自動獲取：《樓裏App-安卓版》《AI知識庫》、《獨立開發者》