训练素材库的经验

我现在做一个项目之前，都喜欢在前期尽可能多的采集素材数据，包括但不限于：专业的概念，用户分享、使用案例，等等。

其实在 AI 没有出现之前，我一般使用的做法便是将其记录到 Excel 表格中，并对相关的词条进行切片保存。

但是这种方式的使用有利有弊，利的是在梳理素材的过程中，我能充分去了解一个项目的绝大部分信息；弊的是对整个素材库的整理真的耗时耗力，且后续也需要不断更新。

所以这也是为什么 AI 出现后，我便逐步放弃了这种手动的玩法，转而选择了一些主流的 AI 工作进行素材的整理。

至于这些 AI 模型工作的原理，我觉得我们简单了解一下便好了，没必要进行深入细致的研究，毕竟我们所扮演的角色是使用者而非开发者。

比如下图中的 RAG 概念，便是 AI 模型在处理信息检索时使用到的主要技术。

注：截图信息来自于 53AI。

简单了解了其技术原理后，你便能大致知道，若是想要 AI 生成出来的信息更地道、更精准，一个可行的办法就是建立专属于自己的素材库，然后交给 AI 工具。

AI 工具通过技术手段消化我们提供的素材，那后续在生成新文案时再不断回顾调用。整个过程中其实挺简单高效，且并不需要什么额外的成本，属于是一举多得了。

既然如此，该使用什么样的工具去管理我们的素材库呢？

其实一直以来我尝试了很多方案，像 LangChain 这种技术方案，POE 上传素材集的方案，包括 GPT 提供的那些方案。

但是说实话使用起来的效果并不好，主要还是由于使用起来比较麻烦，且管理过程比较繁琐。

所以 Cursor 出来后，我果断放弃了上面提到的那些方案，一头扎进了 Cursor 的怀抱。

其实使用这么长时间，这款工具给我的总体感觉就是非常优秀。无论是在文案管理、检索，还是生成，其整体的体验非常不错。

当然，使用这款工具编写代码时，还是有一点点小小局限的，但整体上瑕不掩瑜。

我现在的通常做法是，在先开始一个项目前尽可能将与这个项目相关的信息搜集完善，比如在线的文档，垂直的知识库，或者是采集某些平台的使用数据。

等数据采集下来后，将其使用 MD 格式保存到项目文件夹下，交由工具进行索引。

需要使用时，直接通过 Cursor 交互进行信息检索，然后生成相关文案时，也要求工具参考我们的素材库来生成相应文案。

总体上的使用体验不错，有兴趣的小伙伴自己搭起来试试，真的是一种效率非常高的文案生成方式。