用豆包 + 飞书，搭一个会回答问题、持续更新的课程售前知识库
本文介绍了一种低成本搭建课程售前知识库的方法：将课程介绍、购买咨询 FAQ 等资料整理到飞书知识库并公开分享，客户拿到链接后发给自己的豆包提问，豆包基于知识库内容作答；答不上的问题通过嵌入问卷收集，作者定期审核后将标准答案补充进 FAQ，实现知识库持续迭代。文章详细拆解了四个步骤：搭建知识库、发布分享、让客户结合豆包提问、持续更新，形成“客户问题不白问”的自动化售前答疑闭环。
相关文档
万字长文：知识库从入门到精通
文章系统讲解知识库的进阶路径：从最轻的文件上传开始，到 iMA、飞书知识问答承接多文件场景，再用 Obsidian 将资料沉淀为个人判断，进而用 LLM Wiki 让 Agent 自动维护知识库，最后进入企业级 RAG 阶段。作者详细介绍了各阶段的关键实践，包括提示词设计、目录结构、切片与检索策略、权限控制、评测方法等，强调知识库的核心是在模型回答前找到可靠材料，并保留来源、暴露冲突、允许拒答。
用豆包工作+飞书搭建读书管理系统教程
本文是系列教程的实操篇，讲解如何通过自然语言让豆包工作（AI Agent）操作飞书，无需学习飞书多维表格和知识库的手动操作，也无需记忆命令。文章以搭建读书管理系统为例：先用多维表格做书架，实现建表、加书、查询、改状态、删记录；再用知识库做笔记本，完成建空间、建页面、浏览整理、重命名移动、删除等操作。每步附有可选的 lark-cli 命令供进阶读者参考。最后还演示了如何将整个流程压缩成一条指令，让 AI 一次完成建表、加书、建空间、建笔记并返回链接。
做一个违背祖宗的决定，手把手教你使用 AI 全自动管理微信群
本文面向社群运营、技术支持与客服团队，详细介绍了如何基于 FastGPT 搭建一套生产级的 AI 智能社群客服系统。作者拆解了由 15 个节点、28 条连线组成的完整工作流方案，涵盖知识库整理、消息意图过滤、多渠道（飞书/微信）分流、Agent 应答规则定制、双知识库检索工具挂载以及问题分类打标与运营数据沉淀等核心环节，并说明了飞书机器人权限配置、富文本消息渲染及微信生态多种接入方式，实现智能回复与人工兜底的自动化客服闭环。
第二大脑不是存储系统，而是编译器
文章介绍了受 Karpathy LLM Wiki 启发的第二大脑新架构：不是把笔记当作检索用的档案柜，而是当作编译器。系统在摄入时一次性编译知识，自动链接、更新、标记矛盾，配合 CLAUDE.md 和每日编译循环，由 Claude 承担维护负担。作者分析了该方案相比 RAG 的架构优势、随时间复利增长的效果，以及源质量依赖、初期密度门槛、需付费版 Claude Desktop 等局限，并附上可直接使用的提示词。
玩遍各种 Agent 后，我反而开始认真研究豆包和飞书
作者作为程序员，长期使用 Claude Code、Codex 等开发类 Agent，却因技术视角而忽略了普通用户需求。他将 Agent 分为个人、工作、开发三类，发现豆包和飞书分别对应个人与工作场景，弥补了他的认知盲区。文章反思了“技术的诅咒”，指出 AI 产品应封装复杂性，从用户需求出发，而非追求功能堆砌。最终总结两点：工具应服务于真实需求，设计应回归用户视角。
豆包x飞书办公新模式：自动蒸馏抓取小红书抖音，直接产生数据看板
本文介绍了如何利用飞书中的豆包AI，通过输入提示词，自动抓取小红书和抖音上的热门内容，进行数据整理与分析，并写入飞书多维表格，最终搭建数据看板。文章详细说明了操作步骤，包括输入提示词、豆包如何操作、数据抓取后的分析、数据管理及看板搭建，展示了AI在工作流中的实际应用价值。
三段提示词，零代码：教你在飞书搭一个 AI 思考知识库
本文介绍了如何利用三段提示词在飞书多维表格中搭建一个具备独立思考能力的 AI 知识库。该智能体能拒绝信息不足的请求，通过追问深化想法，并自动回顾旧内容。文章详细提供了创建库、配置任务指令及自动回顾的具体代码步骤，实测可用，无需编写代码。
开源微信流 APP：手机微信聊天记录直接给 WorkBuddy 和 Obsidian
作者苍何介绍了开源项目 WeChatBridge（微信流）的 iOS 版本发布。该工具可将微信聊天记录批量转发给 Codex、Claude Code 等各家 Agent 进行总结分析，也可沉淀到 Obsidian 作为个人知识库。作者分享了借助 Claude Code 和 Kimi K3.1 Pro 开发 iOS 版的过程：先让模型制定详细计划和技术文档，再照文档执行，6 个多小时完成了原计划 18 个工作日的工作。文章强调"别跟它聊需求，跟它定验收"的 Agent 开发心得，并详细介绍了 iOS 版的收、存、投功能，包括分批收集超过 100 条消息、场景化提示词、隐私安全设计等。
一支 AI 短片怎么做完整？我把《茶汤》的制作过程拆成了六步
作者以致敬抗美援朝的AI音乐短片《茶汤》为例，完整拆解了AI短片制作流程：找对标、拆剧情、写剧本、查参考、做资产、生视频、后期。文中介绍了豆包辅助分析对标视频、ChatGPT写剧本、Gemini换装改图、即梦生成视频、剪映后期剪辑的工具分工，分享了角色与场景资产制作的具体提示词，并对比了海螺H3与Seedance 2.5在画面质感上的差异。文章附有可直接参考的提示词与操作截图，帮助读者从单镜头进阶到完整成片。
不是PPT大赛，是12个FDE项目案例拆解
作者复盘2026 AI先锋未来人才大赛全国总决赛的12个FDE（前沿部署工程师）项目，涵盖化工调度、编程教育、低空安防、供应链、雅思诊断、AI短剧、乐园服务、3D打印、家电售后、汽车维修、内容营销和招投标等领域。文章逐一拆解各项目的实现方式与业务价值，并总结三点观察：多数场景不需要垂类模型，业务理解是AI应用的关键门槛，能演示与创造商业价值之间仍有距离。作者认为FDE代表AI时代正在形成的具体工作方式，非计算机背景者也能借AI解决真实行业问题。
用豆包免费复刻万物拟人风AI科普视频：完整工作流拆解
作者拆解了小红书账号「生活很EASEy」的万物拟人风AI科普视频（一个月涨粉1.6万），并验证用豆包免费对话即可复刻。文章详细介绍了5步工作流：选题、定角色图、写口播稿、口播稿转视频脚本、分段出视频。核心难点在于解决台词与画面的时间对齐问题，思路是先把台词定死再让画面跟随。全程20分钟完成一条23秒视频，作者还分析了带货、品牌商单、卖工作流等变现路径。
财经作者猫笔刀用豆包Agent的启示：Agent离普通人比想象更近
作者分享财经作者猫笔刀使用豆包工作（Agent）一个月的体验。猫笔刀不會编程，过去用AI只停留在问答层面，但豆包工作上线后他发现Agent能真正帮普通人做事：修复SSL证书故障、监控链上池子、整理资讯、提炼研报PDF等。与聊天AI不同，Agent能实际完成任务，且每次操作需手动授权，可控性强。价格方面，三档模型能力相同只差额度，68元/月足够日常使用，相当于一天两块多。文章认为Agent正从程序员专属工具走向普通人日常，类似拥有多个不知疲倦的助理。
