我現在做一個項目之前，都喜歡在前期盡可能多的采集素材數據，包括但不限于：專業的概念，用戶分享、使用案例，等等。

其實在 AI 沒有出現之前，我一般使用的做法便是將其記錄到 Excel 表格中，并對相關的詞條進行切片保存。

但是這種方式的使用有利有弊，利的是在梳理素材的過程中，我能充分去了解一個項目的絕大部分信息；弊的是對整個素材庫的整理真的耗時耗力，且后續也需要不斷更新。

所以這也是為什么 AI 出現后，我便逐步放棄了這種手動的玩法，轉而選擇了一些主流的 AI 工作進行素材的整理。

至于這些 AI 模型工作的原理，我覺得我們簡單了解一下便好了，沒必要進行深入細致的研究，畢竟我們所扮演的角色是使用者而非開發者。

比如下圖中的 RAG 概念，便是 AI 模型在處理信息檢索時使用到的主要技術。

注：截圖信息來自于 53AI。

簡單了解了其技術原理后，你便能大致知道，若是想要 AI 生成出來的信息更地道、更精準，一個可行的辦法就是建立專屬于自己的素材庫，然后交給 AI 工具。

AI 工具通過技術手段消化我們提供的素材，那后續在生成新文案時再不斷回顧調用。整個過程中其實挺簡單高效，且并不需要什么額外的成本，屬于是一舉多得了。

既然如此，該使用什么樣的工具去管理我們的素材庫呢？

其實一直以來我嘗試了很多方案，像 LangChain 這種技術方案，POE 上傳素材集的方案，包括 GPT 提供的那些方案。

但是說實話使用起來的效果并不好，主要還是由于使用起來比較麻煩，且管理過程比較繁瑣。

所以 Cursor 出來后，我果斷放棄了上面提到的那些方案，一頭扎進了 Cursor 的懷抱。

其實使用這么長時間，這款工具給我的總體感覺就是非常優秀。無論是在文案管理、檢索，還是生成，其整體的體驗非常不錯。

當然，使用這款工具編寫代碼時，還是有一點點小小局限的，但整體上瑕不掩瑜。

我現在的通常做法是，在先開始一個項目前盡可能將與這個項目相關的信息搜集完善，比如在線的文檔，垂直的知識庫，或者是采集某些平臺的使用數據。

等數據采集下來后，將其使用 MD 格式保存到項目文件夾下，交由工具進行索引。

需要使用時，直接通過 Cursor 交互進行信息檢索，然后生成相關文案時，也要求工具參考我們的素材庫來生成相應文案。

總體上的使用體驗不錯，有興趣的小伙伴自己搭起來試試，真的是一種效率非常高的文案生成方式。