【Hello AI 科技致善】用 SOLO 搭建AI写作知识库，让每个内容创作者都能"越写越聪明"

用户26856 · 2026 年4 月 26 日 09:18

① 摘要

面向内容创作者（尤其是大学生和职场新人），用 TRAE SOLO 搭建了一套"自主学习型AI写作知识库"。它不是简单的AI写作工具，而是一个越用越聪明的持续学习系统——每次写作都会沉淀知识，下次写作时自动复用。内置经过15个版本迭代验证的"去AI味"方法论，让AI辅助写作的内容也能通过AIGC检测。目前已帮助产出53篇产业分析文章，AI检测占比从39.5%降至18.5%。

② 真实场景与需求

目标人群：大学生、职场新人、自媒体创作者——需要大量写作但缺乏系统方法论的人群。

痛点描述：

“写了就忘”：每次写新文章都从零开始，之前查过的数据、写过的观点全部散落在聊天记录里，无法复用
“AI味太重”：用AI辅助写作后，文章被朱雀等AIGC检测工具判定为AI生成，影响发布和可信度
“不知道怎么进步”：写作没有系统反馈，不知道哪里写得像AI、哪里写得像人，无法针对性改进

现有做法：

手动整理素材到笔记软件（Notion/飞书），但整理成本高，很难坚持
用AI写完后手动逐句修改去AI味，效率低且没有方法论
参加写作课程学习，但学完就忘，无法形成持续积累

为什么不够：缺少一个"自动沉淀+自动复用+自动改进"的闭环系统。

③ 作品介绍

「虾说知识库」——一个基于LLM Wiki模式的自主学习型写作知识库系统。

核心功能：

自动知识沉淀：写完文章后，知识库自动提取概念、实体、数据，更新到对应页面，并建立交叉引用
去AI味写作引擎：内置五级去AI化方法论，7种已验证的"人工特征"注入技巧，让AI辅助的内容也能通过AIGC检测
一键发布：Markdown文章一键转换为微信公众号格式，自动上传封面，直接创建草稿
知识库健康检查：自动检测矛盾信息、孤儿页面、缺失引用，确保知识库质量

技术栈：纯Markdown + Node.js，零依赖，可本地运行。

④ 用 SOLO 实现的过程

Step 1：用SOLO设计知识库架构

我没有直接写代码，而是先和SOLO讨论知识库应该怎么组织。参考了Karpathy的LLM Wiki模式，最终确定了三层架构：

raw层（原始素材，不可变）：所有文章终稿、研报、新闻素材
wiki层（知识库，LLM维护）：概念页、实体页、写作规范、已发布摘要
schema层（规范，人+LLM共同维护）：定义命名规范、工作流程

SOLO帮我从零设计了整个架构，包括目录结构、命名规范、工作流程（Ingest/Query/Lint三个核心流程）。

Step 2：用SOLO整合去AI味方法论

我之前积累了4份独立的写作知识库，但各自为政。用SOLO帮我把它们融合成一份统一的"降AIGC终极参考手册"，并建立了量化评估体系。

关键Prompt示例：

“请将以下4份写作知识库融合为一份统一手册，提取共性规律，建立量化评估体系（5维50分制），设计从L1到L5的去AI化迭代流程。”

SOLO不仅做了整合，还帮我发现了几个关键规律：

英文引号改中文引号，AI占比降38个百分点
DOCX格式比纯文本的AI占比低24个百分点
"日常比喻"和"个人工作痛点"是最强的人工特征（AIGC<0.05）

Step 3：用SOLO开发发布工具

从零开发了7个脚本，实现Markdown→微信HTML→API发布的完整链路。SOLO帮我处理了微信HTML的内联样式、代码块的macOS风格、封面图的AI生成等细节。

Step 4：持续迭代，知识库自动生长

每次写新文章后，告诉SOLO"请处理新素材"，它会自动更新知识库。8天内完成了6次ingest，知识库从0增长到18个wiki页面。

中间踩过的坑：

第一版知识库没有设计raw层，导致wiki中的数据和原文对不上。重新设计三层架构后解决
发布工具第一次用Node.js的https模块上传封面超时，改用curl后解决
去AI味迭代到V13时AI占比反而飙升到60.3%，发现是因为"切片效应"——文章越长，被检测的切片越多，AI特征越容易被放大。最终通过控制文章长度和人工特征密度解决