知识管理 & 方法沉淀

TraeWork 是字节跳动旗下 AI 办公平台，侧重学习、办公与工程执行场景，无论你是开发者、职场人、学生，都可以用它写方案、做分析、处理文件、推进协作，并完成需要持续执行、检查和产出结果的自动化任务。支持桌面端、网页版和移动端，多端协作，随时发起任务、查看进展、持续推进。

立即下载 TraeWork 桌面端

面向信息整理、经验复盘和组织知识沉淀场景，帮助你把零散内容转化为可复用的方法和资产。

适合笔记整理、会议复盘、SOP 搭建、模板设计、知识库建设、工作流沉淀等场景。

No.78｜用 TraeWork 搭建飞书个人知识库

作者：骆谦实 ｜ 社区 Build 之星、TraeWork 重度用户 ｜ 工具：TraeWork ｜ 阅读约 6 分钟 ｜ 原帖：https://forum.trae.cn/t/topic/172435

• **用法总结：**用 TraeWork 的 brainstorming、writing-plans 技能和 Lark CLI，配合自制 SKILL，把和 TRAE 对话的精华一句话触发、半自动沉淀到飞书知识库。

• **场景：**重度使用 AI 后「用得越多、沉淀越少」，对话里的好 Prompt 和知识容易丢失。

• **效率提升：**从触发到写入飞书 Wiki 全流程约 2 分钟，用完即存代替用完即走。

• **成果：**一个飞书知识库「Talk with TRAE」+ 自定义 SKILL lark-talk-with-trae + 一套半自动知识沉淀工作流。

一、个人背景介绍

• **个人背景：**作者是 TraeWork 的重度用户，日常写方案、查资料、做架构设计、debug 代码都离不开它。

• **当前痛点：**困扰在于：对话里的好东西太容易丢——花半小时调通的 Prompt 两周后翻不到，AI 梳理过的知识没记就得重问。手动复制到 Notion/飞书或用 GitHub Pages 管理都嫌麻烦，聊到兴头上没人愿意停下整理。

二、我用 TraeWork 怎么解决的

**核心方案：**模式：Work。

核心思路是「与其每次手动记，不如让 TRAE 自己帮我记」。

整个过程 TraeWork 基本一条龙完成：

• 第一步：把想法聊清楚。用 brainstorming 技能先聊需求，明确知识按项目+知识类型双维度分类、按需触发记录、存飞书 Wiki、做自定义 SKILL 一句话触发。

• 第二步：让它把方案写下来。用 writing-plans 技能自动生成含目录结构、文档模板、索引页设计、SKILL 工作流程的实施计划，可直接对着计划提意见。

• 第三步：自动搭建飞书知识库。通过 Lark CLI 创建「Talk with TRAE」知识空间、「独立任务」目录、「_知识标签索引」目录（Prompt技巧、技术知识、业务洞察、工作方法四个索引页），每个索引页含日期/标题/所属项目/使用的SKILL 四列表格。

• 第四步：开发自定义 SKILL。写了名为 lark-talk-with-trae 的技能：一句话触发 → 自动分析对话提取关键 Prompt-AI 输出对、识别用过的 SKILL、总结背景、建议项目归属和标签 → 给草稿确认 → 自动在 Wiki 建文档写内容并更新索引 → 返回链接。关键是「半自动」：AI 干活、我拍板。

• 第五步：拿当前任务当案例跑通全流程。用「创建这个知识库」本身作为第一条记录测试，从触发到完成约两分钟。

实践步骤：

• **明确目标：**围绕“用 TraeWork 搭建飞书个人知识库，自动沉淀对话精华”确定交付物、输入材料和验收标准。

• **交给 TraeWork 执行：**把资料、约束和输出格式一次交代清楚，让它完成检索、整理、生成或开发等主要工作。

• **人工校验与复用：**对关键数据、样式和最终交付物做检查，把可复用提示词或流程沉淀下来。

三、我做出了什么

最终呈现：

• **主交付物：**一个飞书知识库「Talk with TRAE」+ 自定义 SKILL lark-talk-with-trae + 一套半自动知识沉淀工作流。

• **效率表现：**从触发到写入飞书 Wiki 全流程约 2 分钟，用完即存代替用完即走。

• 一个飞书知识库「Talk with TRAE」，双维度分类（项目 + 知识标签），带四个索引页。

• 一个自定义 SKILL lark-talk-with-trae，已安装到 TraeWork，一句话触发知识沉淀。

• 一套半自动工作流：AI 提取 → 我确认 → 自动写入飞书 → 索引同步。

四、成果展示

五、实践经验总结

1️⃣ 复杂需求先 brainstorm 再动手

一开始只想「建个知识库存东西」，聊完才发现要考虑分类维度、触发方式、存储位置等一堆问题。先聊清楚，后面少走弯路。

2️⃣ 半自动比全自动好用

自动判断该记什么不一定是想要的，改成「AI 整理草稿 + 我确认」的半自动模式后，既省力又可控。

3️⃣ 飞书表格更新用 block_replace

飞书文档表格是独立 block，用 str_replace 无法插行，得用 block_replace 替换整个表格 block。

六、提示词参考

💡 使用说明：第一句用于日常触发知识沉淀；第二句是核心需求描述，可用于从零搭建类似系统。

把这次对话沉淀到 Talk with TRAE

帮我在飞书创建一个个人知识库，用来：1. 分类整理我和 TraeWork 对话的 Prompt 和 AI 输出相关知识；2. 分类整理复杂项目里我想深究和沉淀的知识。要求：双维度分类（项目 + 知识类型标签）、按需触发记录、半自动确认流程、飞书 Wiki 存储、配套自定义 SKILL。

---

No.79｜用 TraeWork 批量梳理技术文档

作者：小木（社区助人之星）｜ 人工智能专业应届毕业生 ｜ 工具：TraeWork ｜ 阅读约 6 分钟｜ 原帖：https://forum.trae.cn/t/topic/172560

• **用法总结：**用长上下文 + 联网检索 + 自动化任务 + IM 通道四能力，对整个知识库做"系统性小白化改造"，把论文味文档改写成带生活类比、可运行代码的实战教程。

• **场景：**20+ 大类、300+ 篇技术文档全是术语堆叠，"绝大多数文档像论文摘要，没有类比、没有可运行代码、没有完整流程"。

• **效率提升：**单篇产出从半天缩短到 2 小时，知识库可读性提升至少 5 倍，盘点+批量改造让效率翻 3 倍。

• **成果：**一个月产出 33+ 篇小白实战教程、67+ 个通过 ast.parse 验证的可运行代码块、1 份自救指南、1 份学习路线图。

一、个人背景介绍

• 身份：人工智能专业应届毕业生。

• 痛点：知识点要么专业术语深奥难懂，要么如同天书；这不是单篇问题，而是整个知识体系的问题。

• 知识库规模：20+ 大类、300+ 篇文档，覆盖 AI 与机器学习、LLM 大模型、算法与数据结构、网络安全、网络协议与运维、编程语言与前端、鸿蒙/机器人/强化学习等。

二、我用 TraeWork 怎么解决的

**核心方案：**模式：Work + Code。用长上下文、联网检索、自动化任务、IM 通道四个能力做系统性改造：

• 实践步骤：

  • **Step 1｜全局盘点：**扫描整个知识库目录，按"文档数 + 术语密度 + 代码缺失率"排序，输出"小白化优先级清单"，AI 类、算法类、网络安全类排最前。

  • **Step 2｜分主题批量改造：**用自动化任务一条龙跑——把 Transformer/MoE/RAG 等概念用"医院分诊台""水果批发标签"等生活类比重写；给每个算法配生活场景；把攻击流程画成"小偷入室"类比；打通 Ollama + Docker + FastAPI 全链路教程。

  • **Step 3｜强约束代码质量：**Python 代码带完整注释、异步操作 try-catch 包裹、禁用 eval()/document.write() 等不安全 API、代码块正确区分语言标签。

  • **Step 4｜验证脚本闭环：**额外生成 ast.parse 语法验证脚本，每写完一批就跑一次，累计验证 67+ 个代码块，确保零错误。

三、成果展示（产出清单）

最终呈现：

• **主交付物：**一个月产出 33+ 篇小白实战教程、67+ 个通过 ast.parse 验证的可运行代码块、1 份自救指南、1 份学习路线图。

• **效率表现：**单篇产出从半天缩短到 2 小时，知识库可读性提升至少 5 倍，盘点+批量改造让效率翻 3 倍。

产出	数量	说明
小白实战教程（AI 类）	13+ 篇	Transformer/MoE/RAG/Embedding/LoRA/Ollama/LangChain 等
小白实战教程（其他）	20+ 篇	算法、网络安全、运维、前端各主题
可运行 Python 代码块	67+ 个	全部通过 ast.parse 语法验证
个人信息泄露自救指南	1 份	含 AI 换脸/AI Agent 新型风险 + 敏感信息预检工具
知识学习路线图	1 份	从零基础到进阶的完整路径

四、实践经验总结

1️⃣ 全局盘点优先，别上来就写

先扫描整个知识库按"术语密度 + 代码缺失率"排序，挑最难啃的先做，效率直接翻 3 倍。

2️⃣ 类比要具体到生活场景

用"医院分诊台""奶茶店配方"这种具体场景，比让它"通俗易懂地解释"效果好 10 倍。具体指令产出具体内容。

3️⃣ 代码必须强约束注释规范

明确要求类级/函数级/参数/返回值/异常逐项注释，否则读者复制下来根本看不懂。

4️⃣ 用验证脚本闭环，别靠肉眼

让它同时生成 ast.parse 验证脚本，能抓出代码块标签误用、字符串未闭合等肉眼看不出的坑。

五、提示词参考

💡 使用说明：把模板存成快捷指令，每次换个【知识点】就能批量产出小白实战教程。

你是知识科普专家。请按以下要求，把【知识点：XXX】改写成一份小白实战教程：

【输出结构】
1. 一句话解释（加粗，不超过 30 字）
2. 生活类比（用医院、餐厅、水果批发、奶茶店等具体场景，不要抽象比喻）
3. 核心概念（分点讲解，配 ASCII 示意图或表格）
4. 实战代码（Python，可运行，带完整注释：
   - 类级注释：功能 + 设计思路 + 适用场景 + 创建时间
   - 函数级注释：功能 + 执行逻辑 + 核心流程 + 依赖条件
   - 参数注释：名称 + 类型 + 含义 + 取值范围 + 默认值
   - 返回值注释：类型 + 含义 + 不同场景差异
   - 异常注释：异常类型 + 触发条件 + 解决方案
   所有异步操作用 try-catch 包裹，禁止 eval/document.write）
5. 主流方案对比（表格，至少 3 个方案）
6. 部署/使用建议（按硬件或场景分级）
7. 常见报错排查表（报错信息 → 原因 → 解决方案）
8. 总结与进阶路线

【风格要求】
- 用"你"称呼读者，像朋友聊天
- 每个公式后面跟一句大白话翻译
- 每个命令后面跟一句大白话解释
- 表格优先，能列表就不写段落
- 不要出现"综上所述""众所周知"这类八股词
- 代码块标签严格区分：python/bash/text

【质量约束】
- 所有 Python 代码必须能通过 ast.parse 语法验证
- 所有生活类比必须具体到场景，不要"通俗易懂"这种抽象词
- 主流方案对比必须给出具体参数（如模型参数量、显存需求）

---

No.80｜用 TraeWork 沉淀岗位经验知识库

作者：时安 ｜ 商品管理师 ｜ 工具：TraeWork ｜ 阅读约 6 分钟 ｜ 原帖：https://forum.trae.cn/t/topic/172909

• **用法总结：**一个非程序员把多年商品管理经验一轮轮讲给 TraeWork，做成一个带工作日历、工作手册和 AI 助手"小吴"的本地应用，让接任者随时能查、能问。

• **场景：**离职交接 / 岗位知识沉淀

• **效率提升：**把"藏在时间里、口头交接就断"的经验，沉淀成可随时追问的 数字接班人

• **成果：**一个本地应用，含工作日历、日常工作与项目、工作手册，以及可对话的 AI 助手"小吴"，接任者遇事直接问

一、个人背景介绍

• **身份：**做了多年商品管理师，新品引入、试销期评估、商品评级、上架淘汰、周期性报表已成身体记忆，近期离职创业。

• **痛点：**传统交接默认"讲一遍就能照做"，但真正的经验藏在时间里——接任者要走到那个节点、碰到那件事才知道缺哪一块，人一走很多东西就断了。

二、我用 TraeWork 怎么解决的

**核心方案：**我不是程序员，做法很简单：把自己的工作一轮轮讲给 TRAE，让它做成一个本地应用。

• 实践步骤：

  • **讲日常：**哪些事每天都要跟进。

  • **讲每周：**周一更新报表、周二三做试销期评估、周四收集新引入商品明细、周五下午开新品评审会。

  • **讲每月：**5–10 日做品类识别诊断、10 日整理营销活动商品清单、25 日做商品评级报表。

  • **加 AI 助手：**因为我姓吴，给里面的助手取名"小吴"，接任者不用猜答案藏在哪个文件，直接问它即可。

三、成果展示

最终呈现：

• **主交付物：**一个本地应用。

• **核心内容：**工作日历、日常工作与项目、工作手册，以及可对话的 AI 助手"小吴"，接任者遇事直接问。

• **成果补充：**一个本地应用，含工作日历、日常工作与项目、工作手册，以及可对话的 AI 助手"小吴"，接任者遇事直接问。

四、实践经验总结

1️⃣ 不会写代码也能做，关键是把工作讲清楚

把日常/每周/每月的节奏一轮轮讲给 AI，它负责把经验落成可用的本地应用。

2️⃣ 把"看文档"升级成"能开口问"

加一个 AI 助手，接任者遇到问题直接问，不用先猜答案藏在哪个文件里。

3️⃣ 交接的本质是沉淀流程节点，而不是列清单

把工作日历、流程节点和判断标准做进应用，比勾满交接表更能扛住"人走经验断"。

---

No.81｜用 TraeWork 沉淀个人知识体系

作者：刘一芃｜ 火山引擎渠道销售｜ 工具：TraeWork ｜ 阅读约 6 分钟

• **用法总结：**用TraeWork我完成“搜集、阅读、归类、对比、回溯”这些高频动作，从而在梳理一个新行业、理解产品概念，复盘一次培训内容过程中，沉淀属于自己的笔记。

• **场景：**有效信息分散，需要短时间找到可信、相关、有效的依据

• **效率提升：过往需跨资料反复搜索，常出现信息版本不一、更新快、无关内容多的问题，易遗漏关键信息 → **动态积累、可检索、可核验来源的知识体系。

• **成果：**随问随用的个人知识库，可快速生成带来源的结构化学习笔记，避免工具替代自身验证与思考。

一、个人背景介绍

• **个人背景：**我是火山引擎渠道销售刘一芃。日常工作需要快速理解产品、行业和客户关注点

• **当前痛点：**但有效信息分散在公开报道、行业研究、培训材料、会议纪要、文档和历史经验中。真正困难的不是信息不够，而是面对一个具体问题时，能否在短时间内找到可信、相关、仍然有效的依据。

二、我用 TraeWork 怎么解决的

**核心方案：**模式：Work。

• 实践步骤：

  • 先描述问题，再组织材料我通常先用自然语言描述问题，再让 TraeWork 帮我定位相关来源、提取要点、比较材料，并保留原文出处，方便后续核验。

  • 它帮助我推进研究过程，而不是替我下结论它更适合承担 “搜集、阅读、归类、对比、回溯” 这些高频动作，让我把精力放在理解问题和形成判断上。

  • 在连续上下文里沉淀积累无论是梳理新行业、理解产品概念，还是复盘培训内容，我都可以在连续的上下文中沉淀笔记，下一次遇到类似问题时不用再从零开始。

  • 先保留来源，再形成判断我的原则是先区分事实、观点和待确认项，先保留来源，再形成自己的判断；对于可能变化的信息，会回到最新材料中复核，而不直接依赖旧资料或单一来源。

三、我做出了什么

最终呈现：

• **主交付物：**我得到的是一个可持续积累、随问随用的个人知识库。面对一个新问题，不再需要凭记忆翻找大量资料，而是可以快速形成一份带来源的学习笔记：核心概念是什么、哪些信息已经确认、哪些仍需补充，以及后续应继续看什么。

• **成果补充：**随问随用的个人知识库，可快速生成带来源的结构化学习笔记，避免工具替代自身验证与思考。

• **效率表现：**过往需跨资料反复搜索，常出现信息版本不一、更新快、无关内容多的问题，易遗漏关键信息 → 动态积累、可检索、可核验来源的知识体系。

这套方法让我把零散阅读逐渐变成结构化积累。每一次查资料、听培训、研究行业，都会为后续相似问题留下可复用的上下文；同时我仍然保留自己的判断，不让工具替代验证和思考。

**一句话总结：**TraeWork 帮我把“到处找资料”变成“持续建设自己的知识体系”，让我能更快理解问题，也更清楚结论来自哪里。

五、实践经验总结

1️⃣ 先搭信息框架，再开始搜集。 我会先明确要研究的问题、需要的事实和判断维度，避免信息越找越多却无法形成结论。

2️⃣ 把来源和结论一起沉淀。 每次整理都保留原始出处、更新时间和适用边界。这样后续复用时，可以快速判断信息是否仍然有效。

3️⃣ 把检索变成持续积累。 每次查资料不仅解决当前问题，也补充关键词、关联概念和学习笔记，让个人知识体系越用越完整。

六、提示词参考

💡 使用说明：可复用提示词：把分散资料整理成可回溯的知识笔记

请围绕“[我想研究的问题]”，整理以下我有权使用的内部资料和可信公开信息。

请输出：
1. 核心结论：只写有来源支持的内容；
2. 关键信息：按概念、现状、常见做法和待验证问题归类；
3. 来源清单：标明每条结论对应的原始材料或公开链接；
4. 待确认项：明确哪些信息不足、可能已过期或存在不同说法；
5. 我的知识笔记：用便于后续复用的结构沉淀关键词、关联概念和下一步阅读方向。

规则：不要编造事实；不要把推测写成结论；涉及内部、个人或敏感信息时，仅处理我明确授权使用且已脱敏的内容。

---

---

来源说明：本文整理自 TraeWork 官方知识库，仅用于个人学习与参考。TraeWork 为字节跳动旗下 AI 办公平台。如涉及版权或官方更新，请以官方发布为准。