好记性，不如写文档。
【一】
最近三年随着人工智能的崛起，伴随一个非常热点的现象。
AI知识库成了产品级的文档，把AI相关的各种知识做成体系化的教程，会有大量的关注者，然后围绕知识库和用户群体，再设计各种附加的业务。
做体系化的文档，过去更多是在组织规范的企业里。
2025年的当下，很多团队在维护自己公开的AI知识库，更偏向AI教程；很多大模型厂商直接开发AI知识库产品，借助大模型的信息组织能力，快速搭建和学习各种知识。
今年有个不冷的现象，虽然不清楚是不是算法诓我。
刷到少量的用户和大V表达：同质化的视频刷不动，内容开始回流文字以及更加体系化的知识库。
有朋友说：今年开始看小说了。
【二】
对于写内容这事，因果关系要从大学年代说起。
大学计算机老师布置的作业：要求把他讲课的内容笔记，整理好发布在博客平台，那会对流量没有丝毫概念，但是班里同学人手一个博客账号，玩的花的自建网站。
工作后也断断续续的写着，当然写的更多的是公司文档。
在整个过程中，存在一个很有趣的现象：内容从最初的细致零碎，慢慢的走向结构和体系化，随着能力和经验的积累，关注的方向也会泛化，并非纯粹的编程领域。
过去的十多年，人和工具都在变化着。
在内容记录从纸质到电脑软件，从电脑本地到云端存储，内容发布也从社区博客转向社媒，再迭代到直接开源知识库。
过去内容的形式，基本都是整理好再发布，从不准确的直觉来说，内容的获取极有可能转向AI即时生成，这一点大模型的能力已经自证。
碍于交互的复杂性，只是这个过程有点漫长。
2024年接触过头显的项目，其中印象最深刻的交互：在头显设备中模拟真实空间建模，然后借助大模型生成语音简介，项目主要做的是科普场景，没有AI加持之前，普遍还是固定的文案和影音。
最近在尝试几款AI知识库产品，基本的形式：大模型提供内容，再转成文档。
经常问AI问题，会有这样的痛点，如果遇到好内容，会很快被其它对话淹没，再想回头看看发现很麻烦，如果结合文档能力，可以直接存储下来，慢慢整理成系统化的知识。
在GPT5的模型中，可以通过对话回溯：
我问过你哪些产品设计的问题？列举你认为最重要的3个。把问题1你当时的回答再输出一次，要求一样。
但还是那句话老话：好记性不如烂笔头。
【三】
在楼里App一期开发的时候，因为经常拿着项目文档和朋友讨论想法，他们没太关注内容，纷纷把知识库拷贝一份，拿去当模版使用。
这就是交流的价值，果断花时间整理，随着产品上线直接开源。
在最后推广阶段乐呵呵的幻想，产品用户肯定破百，知识库应该也会有个几十人关注，毕竟博客和社媒的关注基数摆在那了，不敢奢望有泼天的流量，结果事与愿违。
产品仅几十人注册，但项目知识库几百人浏览。
咱这个人主打不矫情，产品推广的效果不好就果断停手，知识库有关注，继续每周两条动态宣传，然后每天都有十个八个的网友，私信获取文档地址。
在产品二期的开发过程中，参考一期的推广经验，把AI的实践和使用经验，从头到尾完整的记录下来，会跟随产品二期免费开源。
AI知识库在计划之内，只是缺乏实践经验处在搁置中。
历经4个月AI产品的摸爬滚打，对于各种AI工具的使用炉火纯青，涉及产品和编程的详细总结，以及围绕项目管理的调研做规划等，还有日常各种有用的案例，当然也包括大模型和提示词等基础内容。
有一说一，做产品的确不擅长，但写内容却有十年的经历了。
【四】
从学校进入职场的十多年，在内容这个领域中，算是完整的经历过纸媒、博客、新媒体、视频、知识库几个关键迭代。
明显的趋势：内容门槛降低，传播效率提高。
当然接触的信息零散繁杂，注意力容易被频繁的拉扯，会让很多人感觉时间越来越少，内容创作也从"我想说什么"变成"用户想看什么"。
随着AI知识库的兴起，不确定内容会不会再次转向系统化。
但有个本质的变化：人工智能可以让普通用户，不再只是信息的读者，可以成为各种知识的使用者，通过大模型能快速调取、组合、复用知识。
不再是一篇篇地被动消费。
交代一下产品进度：《楼里-Web网站》已发布，《楼里App-iOS版》已上架。
🛰七号楼私信「楼里」自动获取：《楼里App-安卓版》《AI知识库》、《独立开发者》