只需几个指令，我用 SOLO 生成了 DeepSeek V4 炸裂介绍文案
全程使用 Trae SOLO MTC 模式，从读论文到出推文，一气呵成。
前言
2026 年 4 月 24 日，也就是今天，中午刷到了DeepSeek 发布了 V4 系列预览版——1.6T 参数、100 万 Token 上下文
这些数字太炸了，我也不太懂细节，不过我想试试用Trae帮我分析并快速生成一个介绍文案。
- 下文中 --都是SOLO自己干，
- 真人我仅仅下了一些指令，用了几个官方skills，文内的“我”大多指SOLO自己
第一个问题是：58 页的技术论文，从哪里开始？数据图表怎么做？头图怎么搞？
答案是：让 AI 帮我整。
整个过程中，我使用的是 Trae SOLO 的 MTC（多轮对话协作）模式。说实话，这个模式还是比较方便的我用了很多官方自带的skills。它不只是帮你写代码的工具，更像是一个全能搭档。我只需要告诉它"我要什么"和"做成什么样"，它就能帮我读论文、画插图、写代码、调样式、甚至生成搞笑梗图。
总结：我负责输入指令和审美，SOLO负责执行。
最终效果长这样：
第一步：准备资料，让 AI 帮你读论文
1.1 下载论文
DeepSeek V4 的技术报告可以在 HuggingFace 上找到，PDF 一共 58 页。我先没一页一页翻，交给solo 提取关键信息。
1.2 让 AI 提取关键信息
我直接把 PDF 丢给了 Trae SOLO，然后说：
“参考文档deepseekv4 ，总结生成一篇公众号的最新deepseekv4推文（文字+头图），先给doc文件 。”
几秒钟后，AI 就把 58 页论文浓缩成了一份结构化的数据卡片：
| 维度 | V4-Pro（旗舰版） | V4-Flash（轻量版） |
|---|---|---|
| 总参数 | 1.6T | 284B |
| 激活参数 | 49B | 13B |
| 上下文长度 | 1M Token | 1M Token |
| 训练数据 | 33T Tokens | 32T Tokens |
| 路由专家数 | 384 | 256 |
1.3 补充最新信息
论文里没有的信息，比如发布日期、国产算力细节、社区反应等，我让 AI 去搜索补充。就这样，资料准备阶段基本零人工介入。
第二步：用代码生成公众号推文 docx
2.1 为什么用代码生成？
可能会问：为什么不直接在 Word 里写？
因为用代码生成 docx 有几个巨大优势
因为SOLO自己这么决定的,下方优点供参考
- 排版精确控制：字体、字号、间距、颜色全部代码定义，不会跑偏
- 一键复用：下次写其他推文，改改数据就能复用
- 版本管理：代码可以 Git 管理，Word 文件不行
2.2 技术方案
我用的方案是 docx-js（npm 包），配合 Node.js 运行。核心思路很简单：
import { Document, Packer, Paragraph, TextRun, Table, ... } from 'docx';
import fs from 'fs';
const doc = new Document({
sections: [{
children: [
// 标题
new Paragraph({
children: [new TextRun({ text: "DeepSeek V4：百万 Token 时代的开源新王者", bold: true, size: 48 })],
alignment: 'center',
}),
// 正文段落...
// 表格...
// 图片...
]
}]
});
const buffer = await Packer.toBuffer(doc);
fs.writeFileSync('DeepSeek_V4_公众号推文.docx', buffer);
2.3 推文内容结构
（下面是SOLO自己设计的） 
我（这里是SOLO发言）设计了 8 个章节，每个章节都有明确的"任务"
- 引子：用悬念开头 + 三个数字冲击（1.6T / 100万 / 全球第23）
- 两个版本一览：V4-Pro vs V4-Flash 对比表格
- 五大技术亮点：CSA+HCA、mHC、Muon、FP4、国产算力——每个都用通俗比喻解释
- 效率革命：用数据卡片展示 FLOPs 和 KV Cache 的对比
- 性能登顶：知识/推理/Agent/长上下文 四维度评测
- 后训练创新：专家训练 + 统一蒸馏的两阶段范式
- 开源与生态：HuggingFace 开源、社区意义
- 总结与展望：未来方向 + 结尾金句
2.4 运行脚本
node generate_article.mjs
输出：DeepSeek_V4_公众号推文.docx（115KB）
就这么简单，一篇完整的公众号推文就生成了。
第三步：加入生成的技术插图
光有文字太干了，看起来不方便。我决定给推文加入技术插图，让读者一眼就能理解复杂的架构概念。
3.1 五张插图的生成思路
我给 AI 下达的指令描述了我的需求需求：
下面是自己生成的总结表格
| 插图 | 描述 | 效果 |
|---|---|---|
| CSA+HCA 注意力 | 蓝色光束通过漏斗结构压缩的数据流可视化 | 见下方截图 |
| mHC 超连接 | 神经网络层间信号流动，发光节点连接 | — |
| Muon 优化器 | 两条收敛曲线对比，一条平滑一条震荡 | — |
| FP4 量化 | 数据从大立方体压缩到小立方体的过程 | — |
| 昇腾 950PR 芯片 | 深蓝色调的 AI 芯片渲染，发光电路 | — |
3.2 效果展示
以 CSA+HCA 注意力机制示意图为例，AI 生成的效果长这样：
是不是比纯文字好理解多了？读者不需要懂 Transformer 的数学原理，看一眼图就明白"压缩再处理"的核心思想。
第四步：用数据图表让推文更有说服力
技术推文没有数据图表，就像吃火锅没有蘸料——差点意思。
4.1 四张数据图表
我用 AI 的图表生成工具做了四张数据可视化：
- 效率对比柱状图：V4-Pro / V4-Flash 相对于 V3.2 的 FLOPs 和 KV Cache 对比
- 知识能力雷达图：V4-Pro-Max vs GPT-5.4 vs Gemini-3.1-Pro 多维度对比
- Agent 能力对比条形图：SWE-Verified、Terminal Bench、BrowseComp 多模型对比
- 长上下文能力对比柱状图：MRCR 1M 和 CorpusQA 1M 多模型对比
4.2 效果展示
这个截图都是浏览器skill自己截图保存的
数据图表的好处是：读者可以直观看到差距。比如 V4-Flash 的 FLOPs 只有 V3.2 的 10%——这个数字写在文字里不痛不痒，但放在柱状图里，差距一目了然。
第五步：加入搞笑梗图，让推文活起来
这是我最喜欢的一步，之前都太严肃了，咱也不能搞那种耸人听闻的吓人标题，最后让SOLO生成点有趣图片
5.1 为什么加梗图？
技术推文最大的问题是太严肃。读者看两段就开始走神。梗图的作用就是"打断"这种严肃感，让读者会心一笑，然后继续看下去。
5.2 七张梗图的设计
SOLO给 AI 描述了七个场景：
| 梗图 | 场景 | 笑点 |
|---|---|---|
| 程序员崩溃 | 面对屏幕上滚不到头的代码 | “老板说要处理一百万个 Token” |
| V3.2 震惊 | 目瞪口呆看着 V4 的效率数据 | “你确定我们用的是同一个架构？” |
| MoE 快递分拣 | 包裹被分配到不同专家窗口 | “MoE 路由的本质就是快递分拣中心” |
| FP4 存储对比 | 大仓库 vs 小收纳盒 | “同样的数据，FP16 要仓库，FP4 要收纳盒” |
| Codeforces 领奖台 | AI 站在领奖台上，人类选手震惊 | “全球第 23 名，跟真人比的” |
| 芯片举哑铃 | 可爱芯片角色举铁 | “昇腾 950PR：被制裁了但我能举铁” |
| Agent 写代码 | 机器人坐在电脑前 | “正在修复自己的 Bug” |
5.3 排版节奏
梗图不是随便插的，SOLO遵循了一个原则：每 300-500 字插入一张。这样读者的阅读节奏是：
长段落 → 梗图（笑一下）→ 长段落 → 数据图表（看数据）→ 梗图（再笑一下）→ ...
5.4 效果展示
看到这些图，你是不是也想笑？这就是梗图的力量——它让技术内容变得有温度。
最终效果总览
来一波截图，感受一下最终效果：
整篇推文从资料准备到最终输出，全程在 Trae SOLO MTC 模式下完成。我做的事情只有：
- 告诉 AI 我要写什么
- 审核和调整 AI 的输出
- 做最终的美学决策
剩下的——读论文、提取数据、生成图片、写代码、调样式——全部由 AI 完成。
写在最后
Trae SOLO MTC 模式的真正价值
在这篇推文的创作过程中，我深刻体会到了 Trae SOLO MTC 模式的真正价值：它不是要替代人类，而是让人类专注于"做什么"和"做成什么样"，把"怎么做"交给 AI。
以前写一篇这样的技术推文，可能需要：
- 花 2 小时读论文做笔记
- 花 1 小时找/做配图
- 花 3 小时写内容
- 花 1 小时调排版
总计 7 小时。
现在？不到 1 小时，关键还不累，等着完成就行。 而且质量不降反升——因为 AI 生成的插图和数据图表，比我手动做的更好看。
这篇推文的每一张图、每一段代码、每一个排版细节，都是我和 AI 协作的成果。这不是 AI 替我写了推文，而是 AI 让我能写出更好的推文。
鼓励动手尝试
如果你也想用 AI 来提升内容创作效率，我的建议是：
- 从描述开始：不要想着"我要怎么实现"，先想"我要什么效果"
- 迭代而不是一次到位：先让 AI 出个初版，然后逐步调整
- 善用截图和预览：每一步都看效果，不满意就让 AI 改
- 保持人类审美：AI 是工具，最终的质量标准由你定义
更重要的是：AI虽好，也不要贪杯欧
试试看吧。你会发现，AI 时代的内容创作，真的可以很轻松。
本文使用 Trae SOLO MTC 模式创作，成文全程 AI 辅助，如有不对之处，恳请谅解。
