【标签】 按所选赛道选择话题标签：生活娱乐/学习工作/社会服务/硬件交互，必须四选一；参加附加赛题的还可加选 社会公益 标签。（需要跟报名通过的赛道保持一致）
【标题】 报名赛道 + Demo 名称
（示例：【生活娱乐赛道】+XXXX
【正文】 至少包含以下 4 个部分，可以增加额外的部分（比如自我介绍、经验总结、踩坑复盘等）
0. 先和大家打个招呼吧 
-
你是谁： 用一句话介绍你的职业 / 身份（如：一名小学老师 / 大三学生 / 独立开发者 / 全职妈妈 / 产品经理……）；
-
你是怎么用 TRAE 把 Demo 做出来的： 没有技术背景也没关系 —— 说说你和 TRAE「配合」的真实感受。比如：是怎么把脑子里的想法一句句讲给它听的？哪一步让你觉得「原来这么简单」？它帮你跨过了哪个原本以为搞不定的坎？
-
（我们相信，每个作品背后都有一个真实的人。这段不计入评分，但真诚的分享，会让你的作品更有温度、也更容易被看到
）
1. Demo 简介
-
是什么 ：知识森林是一个 Web 端的活态知识生态系统（FastAPI 后端 + 原生 HTML/JS/CSS 前端 + 浏览器扩展）。它不是又一个 RAG 检索器，也不是又一款笔记软件，而是让 AI「森林精灵」替你长期种树、养护、引路的知识复利系统—— 编译一次，复利一生 。
面向谁 ：所有「持续读、持续想、持续更新判断」的学习者与工作者，核心覆盖四类人群：
在校大学生（备考考研、把零散知识点连成体系）
职场新人（行业研究、竞品分析、方法论沉淀）
内容创作者（素材收集、选题策划、课程串联）
技术开发者（技术学习、踩坑记录、避免重复造轮子）
主要功能 （3 个核心）：
- 三层森林架构 + 精灵七大能力 种子库（原始源，永不被改）→ 林木层（精灵维护的结构化知识页）→ 森林法则（约束精灵的规则手册）。精灵身兼「猎犬」（深追证据链）与「守林人」（长期养护）：播种 Ingest / 引路 Query / 巡林 Lint / 绘图 Graph / 连根 Resolve / 结晶 Digest / 追踪 Hunt。
- 知识图谱可视化 + 健康巡检 基于四信号关联度（直接链接、来源重叠、Adamic-Adar、类型亲和）+ Louvain 社区检测构建图谱，提供 网络模式 与 生态系统模式 两种视图；精灵周期性巡林，主动发现枯枝、孤岛树、断根、冲突枝、养分空白、惊奇连接六类问题。
- 多源可信度评分 + 学习路径推导 对每条声明聚合多来源交叉印证（N 个独立种子支持则共识度高 + 来源多样性 + 时间衰减），每个判断都标注可信度分值；基于图谱拓扑自动推导学习路径（入度低=基础先学、桥节点=枢纽、稀疏连接=认知盲区），森林结构变化时路径自动更新。
主要功能：列出 2–3 个核心功能，建议配产品截图或界面展示，让评审一眼看懂。
2. Demo 创作思路
-
灵感来源 ：
我自己就是「收藏夹吃灰症」重度患者——公众号、知乎、B 站、PDF 论文囤了几百篇，再也没打开过第二遍。更致命的是，同一个问题我问过 AI 五次，每次都要把上下文重新讲一遍，答案还略有出入。我意识到： 问题不是「找不到资料」，而是「关系接不上、知识留不下」 。传统 RAG 每次查询都从零检索，知识永远无法沉淀。想解决的问题 （用户真实痛点）：
- 知识碎片化、无法沉淀 ：每天接收零散信息，知识点之间没有连接，无法形成体系。
- 学了就忘、重复劳动 ：同一个问题反复问 AI，上下文反复讲，回答还不一致。
- 输出困难、维护成本高 ：读了很多书，真要写东西时脑子一片空白；新文档是否推翻了旧结论？这种琐碎维护对人成本极高。
- 孤岛知识、没人打理 ：哪些页面成了孤岛？哪些领域还缺连接？没人主动巡检。
为什么做这个方向 （判断与取舍）：
- 范式判断 ：我吸收了 LLM Wiki 的核心革命——「 编译，而非检索 」。知识只编译一次，却持续复用、复利增长。这是和 RAG / 笔记软件 / 传统知识库的本质区别。
- 取舍 ：我没有做「又一个通用聊天机器人」，而是把大模型定位为「 森林精灵 」——它跨越文档阅读、跨页面改写、批量更新、重复执行，这些对人维护成本极高、对模型却轻而易举的工作，全交给它。人负责筛选信息和把控方向，精灵承担摘要、关联、纠错、归档、巡检。
- 架构判断 ：三层职责分离（种子永不被篡改 / 林木由精灵维护 / 法则约束精灵），保证透明可溯源—— 林木是生成层，不是事实源 ，每个判断都要能回到种子（raw source）。
3. Demo 体验地址（三选一）
-
交互式 HTML 体验包 ：见附件 Zip（ 创意2-学习工作-知识森林.html 打包上传）
知识森林 —— 由 AI 森林精灵守护的活态知识生态.zip (19.3 KB)
4. TRAE 实践过程
-
我用 TRAE 完成了从创意发想到技术落地的全流程，关键任务拆解如下：
4.1 关键步骤截图 -
截图 1 ：森林管理台三标签切换（ 知识森林） 截图 2 ：森林管理台三标签切换（种子库 ） 截图 3 ：知识图谱可视化（网络模式 + 生态系统模式）+ Louvain 社区检测结果 展示 community 字段渲染修复前后对比、canvas 正常加载 截图 4 ：TRAE 对话过程——项目全面体检与安全修复 展示 TRAE 识别 P0-P3 优先级问题、修复 API key 暴露 / CORS / 路径穿越、清理 14 处硬编码 true 断言 截图 5 ：TRAE 对话过程——canvas 空白 Bug 科学排查 展示 TypeError（community 字段字符串类型导致颜色获取失败）的定位与修复4.2 关键任务对话 Session ID
以下 Session ID 可在 TRAE 中双击对话复制核验，证明作品由 TRAE 开发完成： -
项目全面体检与安全修复：识别 API key 暴露、CORS 配置、路径穿越等安全漏洞；修复前后端字段名不匹配、空壳数据、14 处硬编码 true 断言；清理 backend/models/event.py 死代码；后续清空 data 目录、排查 PDF 解析（识别扫描版 PDF 缺文本层）、定位并修复知识图谱 canvas 空白问题（community 字段类型错误）.1259392514922280:00793b1e06da68fdec805ab3fd105840_6a4b75959a8de25cb0695dc9.6a4b75d09a8de25cb0695dd1.6a4b75cf95635a2ae82b271c:Trae CN.T(2026/7/6 17:30:56)
-
知识森林项目功能现状与优化建议.1259392514922280:3ac922d5eab4d6d4b55d54cbe23f2207_6a4c55dd9a8de25cb06971dc.6a4c55df9a8de25cb06971de.6a4c55df95635a2ae82b2768:Trae CN.T(2026/7/7 09:26:55)
5. 对应的报名审核通过的帖子链接