我現(xiàn)在做一個(gè)項(xiàng)目之前，都喜歡在前期盡可能多的采集素材數(shù)據(jù)，包括但不限于：專業(yè)的概念，用戶分享、使用案例，等等。

其實(shí)在 AI 沒有出現(xiàn)之前，我一般使用的做法便是將其記錄到 Excel 表格中，并對(duì)相關(guān)的詞條進(jìn)行切片保存。

但是這種方式的使用有利有弊，利的是在梳理素材的過程中，我能充分去了解一個(gè)項(xiàng)目的絕大部分信息；弊的是對(duì)整個(gè)素材庫的整理真的耗時(shí)耗力，且后續(xù)也需要不斷更新。

所以這也是為什么 AI 出現(xiàn)后，我便逐步放棄了這種手動(dòng)的玩法，轉(zhuǎn)而選擇了一些主流的 AI 工作進(jìn)行素材的整理。

至于這些 AI 模型工作的原理，我覺得我們簡(jiǎn)單了解一下便好了，沒必要進(jìn)行深入細(xì)致的研究，畢竟我們所扮演的角色是使用者而非開發(fā)者。

比如下圖中的 RAG 概念，便是 AI 模型在處理信息檢索時(shí)使用到的主要技術(shù)。

注：截圖信息來自于 53AI。

簡(jiǎn)單了解了其技術(shù)原理后，你便能大致知道，若是想要 AI 生成出來的信息更地道、更精準(zhǔn)，一個(gè)可行的辦法就是建立專屬于自己的素材庫，然后交給 AI 工具。

AI 工具通過技術(shù)手段消化我們提供的素材，那后續(xù)在生成新文案時(shí)再不斷回顧調(diào)用。整個(gè)過程中其實(shí)挺簡(jiǎn)單高效，且并不需要什么額外的成本，屬于是一舉多得了。

既然如此，該使用什么樣的工具去管理我們的素材庫呢？

其實(shí)一直以來我嘗試了很多方案，像 LangChain 這種技術(shù)方案，POE 上傳素材集的方案，包括 GPT 提供的那些方案。

但是說實(shí)話使用起來的效果并不好，主要還是由于使用起來比較麻煩，且管理過程比較繁瑣。

所以 Cursor 出來后，我果斷放棄了上面提到的那些方案，一頭扎進(jìn)了 Cursor 的懷抱。

其實(shí)使用這么長(zhǎng)時(shí)間，這款工具給我的總體感覺就是非常優(yōu)秀。無論是在文案管理、檢索，還是生成，其整體的體驗(yàn)非常不錯(cuò)。

當(dāng)然，使用這款工具編寫代碼時(shí)，還是有一點(diǎn)點(diǎn)小小局限的，但整體上瑕不掩瑜。

我現(xiàn)在的通常做法是，在先開始一個(gè)項(xiàng)目前盡可能將與這個(gè)項(xiàng)目相關(guān)的信息搜集完善，比如在線的文檔，垂直的知識(shí)庫，或者是采集某些平臺(tái)的使用數(shù)據(jù)。

等數(shù)據(jù)采集下來后，將其使用 MD 格式保存到項(xiàng)目文件夾下，交由工具進(jìn)行索引。

需要使用時(shí)，直接通過 Cursor 交互進(jìn)行信息檢索，然后生成相關(guān)文案時(shí)，也要求工具參考我們的素材庫來生成相應(yīng)文案。

總體上的使用體驗(yàn)不錯(cuò)，有興趣的小伙伴自己搭起來試試，真的是一種效率非常高的文案生成方式。