人工智能
- 16 Apr, 2026
前哨科技特训营
前哨科技特训营是什么？ 王煜全与前哨的背景 王煜全是国内最早一批做科技趋势研究的分析师之一，长期跟踪全球前沿技术，从人工智能到生物科技，从芯片到新能源。他在得到APP开设的《前哨·王煜全》专栏积累了大量读者，而前哨科技特训营则是他更系统、更深度的年度教学项目。 特训营从2017年启动，至今已经运营了多期，每期围绕当年最值得关注的科技方向展开，核心目标是帮学员建立"看懂科技趋势、做出正确判断"的能力。 特训营的定位和目标人群 前哨科技特训营不是一门"听完就结束"的录播课，而是一个持续一年的学习社群。它的定位更接近一个科技趋势的"年度会员制"产品——你加入后，会持续收到趋势研判、技术解读、产业分析和投资方法论。 目标人群主要是三类：需要做战略决策的企业管理者、关注科技赛道的投资人和从业者、以及对前沿科技有深度兴趣的终身学习者。 课程体系拆解：四大核心模块 模块一：全球科技趋势研判 这是特训营最核心的部分。每年年初，王煜全会发布一份年度科技趋势预测，覆盖当年最值得关注的技术方向和产业变化。之后每个季度会有更新和修正，形成"预测-验证-迭代"的闭环。 往年的预测覆盖过AI大模型、自动驾驶、量子计算、mRNA技术、氢能源等方向。学员反馈比较有价值的地方在于：不是简单罗列技术名词，而是讲清楚每个趋势背后的产业逻辑和商业化时间线。 模块二：前沿技术深度解读 针对年度预测中的重点方向，特训营会安排专题深度课程。比如AI方向会拆解大模型的技术原理、产业链上下游、国内外差距和投资机会；芯片方向会分析先进制程、EDA工具、国产替代进展等。 这些解读的特点是"技术+商业"双视角——既讲技术本身发展到什么阶段，也讲它什么时候能落地、怎么赚钱。对于非技术背景的学员来说，这种讲法更容易跟上。 模块三：CES/硅谷实地考察与产业对接 前哨每年会组织学员参加CES（国际消费电子展）或硅谷考察团，实地走访科技公司、实验室和投资机构。这部分内容会通过直播、视频和考察报告的形式分享给所有学员。 即使不能亲自参加，通过这些一手资料也能了解到海外科技公司的最新动态，比如哪些技术在展会上真正落地了、哪些还停留在概念阶段。这种信息差在国内是比较难获取的。 模块四：创业投资实战方法论 除了趋势和技术，特训营还会教一套"判断+决策"的方法论。包括如何评估一个科技项目的真实价值、如何判断技术成熟度曲线、如何识别伪科技概念等。 这部分内容对投资人和创业者比较实用，相当于建立了一个科技投资的思维框架，而不是盲目跟风。 一年的学习时间线安排 大致节奏是这样的：1-2月：年度趋势预测发布，建立全年学习框架 3-6月：重点技术方向深度解读，配合季度直播 7-8月：CES或硅谷考察，实地产业调研 9-12月：趋势验证、方法论总结、下一年度前瞻整体节奏不算紧，但对于有全职工作的人来说，建议每周至少抽出2-3小时跟进课程和社群讨论，否则容易掉队。 真实学员反馈：学完到底有什么收获？ 案例一：某企业高管如何用课程内容调整公司战略 一位制造业企业的高管在2023年加入特训营后，通过AI相关模块的学习，意识到自动化和智能化对传统制造业的冲击比预想中更快。他据此推动了公司内部的数字化转型项目，提前布局了产线智能化改造。 他反馈说，特训营最大的价值不是教了什么具体技术，而是帮他建立了一个"技术成熟度判断"的框架——知道哪些技术现在该投入，哪些还太早。 案例二：个人投资者如何通过前哨发现早期机会 另一位做天使投资的同学，通过特训营的芯片和新能源模块，提前关注到了几个后来表现不错的赛道。他提到，前哨的分析帮他避开了几个看起来热闹但实际上商业化还很远的概念，节省了不少试错成本。 当然，也有学员反馈说课程信息密度大，需要反复看才能消化，而且部分内容对完全没有行业基础的人来说还是有门槛。 前哨科技特训营适合谁？三类人最受益 企业管理者与战略决策人 如果你需要为公司的未来方向做决策，前哨能帮你建立一个科技趋势的全局视角，避免在技术选型和战略布局上走弯路。 科技行业从业者与投资人 如果你在科技行业工作或投资科技赛道，前哨提供的信息和分析框架能帮你更准确地判断技术周期和产业机会。 对科技趋势有深度兴趣的终身学习者 如果你只是对科技感兴趣，想系统了解前沿技术在发生什么，前哨的内容质量和深度在中文科技内容中属于第一梯队。 常见问题 FAQ 前哨科技特训营多少钱？有优惠吗？ 前哨科技特训营采用年费制，具体价格以得到APP官方公布为准，通常在数千元级别。得到APP会员有时会有限时优惠活动，建议关注官方渠道获取最新价格信息。 零基础能听懂吗？ 基本可以。课程从趋势逻辑讲起，不要求你有技术背景。但涉及芯片、AI等具体技术时会用到一些专业术语，需要花时间消化。建议配合课程提供的资料反复学习。 课程内容会过时吗？更新频率如何？ 核心框架不会过时，但具体的技术案例和趋势判断会持续更新。特训营采用"年度大课+季度更新"的模式，确保内容跟得上最新的产业变化。 总结与建议 前哨科技特训营的核心价值在于三点：一是王煜全个人多年积累的科技趋势判断力；二是CES/硅谷考察带来的一手产业信息；三是高质量社群带来的圈层价值。 如果你是企业管理者、投资人或科技从业者，需要一个系统化的科技趋势学习框架，前哨值得认真考虑。如果你只是想随便了解一点科技新闻，可能得到APP上的免费专栏就够用了。
余博士的AIGC视频制作方法论
课程简介 本课程专注于教授AI视频生成工具，帮助您制作高质量AI视频。智能体将在创作过程中为您提供脚本和分镜辅助,激发灵感。通过本课程,您将学会一个人+AI工具,完成如同小型视频团队般的创作工作,实现导演梦。 同时，本课程也适用于传统视频制作团队,助您拓展AI拍摄业务能力，降本增效。 作者简介 余悠，中国地质大学 博士全栈 / 算法工程师数字艺术家前百度高级研发工程师 课程目录工具和资源介绍 光速制作酷炫转场视频 一镜到底视频体验式创作 AI生成视频脚本和分镜 AI生成运镜提示词 Suno音乐制作 剪辑工程(完整案例) 不可忽视的Photoshop AI 如何实现任意视频衔接 近距离商业案例介绍 ……
- 30 May, 2026
哈萨比斯：谷歌AI之脑
内容简介 曾是国际象棋神童的英国人，何以获得诺贝尔奖，成为全球科技巨头zui渴望，也zui警惕的对手？谷歌为何愿意豪掷6.5亿美元，只为买下DeepMind的未来承诺？Gemini为什么能颠覆人机交互范式，引爆全球瞩目，掀起全球AI领域的惊天震荡？AlphaGo如何吃透人类数千年围棋智慧，AlphaFold又如何破解生物学界“费马大定理”？在与OpenAI等科技巨头的AGI“权力游戏”中，DeepMind为什么能够保持领先地位，并主导着AGI的zui终走向？答案，尽在哈萨比斯全球唯/一官方授权传记——《哈萨比斯：谷歌AI之脑》！ 两度入围普利策奖的畅销书作家塞巴斯蒂安·马拉比，耗时3年嵌入式深耕，深入谷歌DeepMind核心腹地，斩获30+小时独/家专访与100+核心人物爆料，手握连谷歌高层都难以完全掌握的一手资料！从4岁国际象棋神童、17岁游戏制作人，到38岁凭AlphaGo震惊世界、48岁以AlphaFold摘得诺奖，天才传奇全程揭秘；AlphaGo、Gemini的技术内核，强化学习与神经科学的融合逻辑，AGI诞生与进化的密码尽数解锁。 作者简介 著者｜塞巴斯蒂安·马拉比 全球知名历史学家，现任美国外交关系委员会保罗·沃尔克国际经济学高级研究员，曾任《经济学人》华盛顿分社社长、《华盛顿邮报》专栏作家等要职。 两度入围新闻领域的“奥斯卡”普利策奖，著有《风险投资史》、《征服波动的人》（原名《富可敌国》）、《格林斯潘传》等，多部作品多次登顶畅销书榜。 目录推荐序一 哈萨比斯的“悖论脑”与“阴阳脸” 田涛 华为管理顾问 《在悖论中前进》作者 推荐序二 使命、念力与品位：AI之上人之为人 杨斌 ……
- 23 May, 2026
Obsidian + Trae联动教程：用AI辅助搭建智能笔记工作流
用Obsidian记录笔记已经有一段时间了，但你是否遇到过这些困扰：笔记越记越多却越来越乱，想找一篇之前的记录要翻半天，或者每次写笔记都要从头开始排版？ 我自己用Obsidian两年多，最近半年开始尝试把字节的Trae AI工具结合起来用，发现效果出奇地好。这篇文章就是把我的实践经验整理出来，教你如何用Trae来辅助Obsidian笔记管理，实现标签自动整理、模板智能生成、内容批量处理等功能。 不需要懂编程，跟着步骤操作就行。为什么要把Obsidian和Trae结合使用 先说说这两个工具各自的特点。 Obsidian的核心优势在于本地存储和双向链接。所有笔记都以Markdown格式保存在你的电脑上，不用担心服务商倒闭或数据丢失。双向链接功能让笔记之间可以互相引用，逐渐形成知识网络。 Trae是字节跳动推出的AI原生IDE，简单来说就是一个集成了AI能力的代码编辑器。它的特点是你可以用自然语言描述需求，AI会帮你生成代码或处理文本。 把两者结合起来能做什么？ 举个例子。我之前有200多篇学习笔记散落在Obsidian里，有些打了标签，有些没打，想找一篇关于Python爬虫的笔记，得一个个文件夹翻。后来我用Trae写了个小脚本，让AI自动分析每篇笔记的内容并打上合适的标签，整个过程只花了不到10分钟。 类似的场景还有很多：批量整理笔记格式 自动生成每日/每周笔记模板 从大量笔记中提取关键信息生成总结 批量重命名或移动笔记文件这些任务如果手动做很费时间，但用Trae的AI能力可以快速完成。准备工作 开始之前，确保你已经安装好以下工具。 安装Obsidian并创建笔记库 如果你还没有安装Obsidian，先去官网下载对应系统的版本。安装过程很简单，一路下一步就行。 安装完成后，第一次打开会提示你创建或打开一个笔记库（Vault）。建议新建一个专门用来练习的笔记库，这样不用担心搞乱现有的笔记。 创建时选择一个你记得住的路径，比如D:\Obsidian\Tutorial或者~/Documents/Obsidian-Tutorial。 建议的初始文件夹结构： Tutorial/ ├── 01-日记/ ├── 02-学习/ ├── 03-工作/ └── 99-模板/不用一开始就分得很细，后面可以根据需要调整。 下载安装Trae IDE Trae有国内版和国际版，国内用户直接下载国内版即可，访问速度更快，而且内置了豆包和DeepSeek等国产模型。 下载地址：Trae官网（国内版） 安装过程和其他软件差不多。安装完成后第一次打开，会让你选择主题和配置AI模型。 配置Trae的AI模型 Trae国内版默认集成了豆包模型，也可以切换到DeepSeek。对于Obsidian笔记处理这类任务，豆包模型已经足够用了。 配置步骤：打开Trae，点击左下角的设置图标 选择"AI模型"或"Model" 选择"豆包"或"DeepSeek" 点击测试连接，确认能正常使用配置完成后，在右侧的AI对话框里输入"你好"，看看能否正常回复。如果能正常对话，说明配置成功了。你可以用Trae帮Obsidian做什么在正式进入实操案例之前，先整体了解一下Trae能帮Obsidian做哪些事情。这样你可以根据自己的需求，选择最适合的场景先尝试。 1. 批量整理笔记标签 这是我最常用的功能。让AI分析笔记内容，自动给笔记打上合适的标签。比如分析一篇关于Python学习的笔记，自动加上#Python #编程 #学习这样的标签。 适合场景：历史笔记没有标签，需要补打 标签体系混乱，需要重新整理 批量导入的笔记需要统一标签格式2. 智能生成笔记模板 用Trae生成各种笔记模板，比如每日日记模板、会议记录模板、读书笔记模板等。生成的模板可以直接复制到Obsidian中使用，也可以保存为模板文件配合Templater插件使用。 适合场景：想建立固定的笔记格式 需要根据不同场景使用不同模板 想提升笔记的规范性和可读性3. 内容提取与汇总 从大量笔记中提取关键信息，生成汇总文档。比如把一周的工作笔记汇总成周报，或者把某个项目的所有相关笔记整理成项目总结。 适合场景：定期写周报/月报 项目结束后做总结 从碎片化笔记中提取知识框架4. 格式转换与清理 批量转换笔记格式，比如把旧版本的笔记格式转换为新格式，或者清理笔记中的冗余内容（如多余的空行、特殊字符等）。 适合场景：从其他笔记软件迁移到Obsidian 统一笔记的格式规范 批量清理笔记中的问题5. 文件管理与组织 批量重命名笔记文件、按规则移动文件到不同文件夹、检测重复笔记等。 适合场景：笔记文件命名混乱需要整理 需要按时间或主题重新组织笔记 清理重复或空文件下面我会通过三个具体的实操案例，详细演示如何实现这些功能。实操案例一：AI自动整理笔记标签这个案例演示如何用Trae编写一个脚本，自动分析Obsidian笔记内容并添加合适的标签。 场景说明 假设你有一个文件夹里放了50篇学习笔记，这些笔记都是从网上收藏或者自己写的，但都没有打标签。现在你想给它们都打上标签，方便以后查找。 手动操作的话，你需要一篇篇打开，看内容，想标签，添加标签。50篇笔记可能要花1-2个小时。但用Trae的AI辅助，10分钟就能搞定。 开始前的重要提醒：操作前一定要备份你的笔记！虽然脚本不会删除内容，但万一出错还有备份可以恢复。 在Trae中编写整理脚本 打开Trae，新建一个文件，命名为tag_organizer.py。 然后在右侧的AI对话框中输入以下Prompt： 请帮我写一个Python脚本，实现以下功能：1. 读取指定文件夹中的所有.md文件 2. 分析每篇笔记的内容，提取关键词 3. 根据内容自动添加合适的标签，标签格式为YAML frontmatter，放在文件最前面 4. 标签建议用这几个分类：#学习、#工作、#灵感、#待整理 5. 如果文件已经有标签，不要覆盖，跳过即可 6. 处理完成后输出处理了多少文件，分别打了什么标签假设笔记文件夹路径是：D:/Obsidian/Tutorial/02-学习/请生成完整的Python代码，并添加必要的注释说明。Trae的AI会根据这个描述生成相应的Python代码。生成的代码大概长这样（实际生成的可能略有不同）： import os import re import glob# 配置路径 notes_folder = "D:/Obsidian/Tutorial/02-学习/"# 定义标签规则 def get_tags(content): tags = [] # 根据关键词判断标签 if any(word in content for word in ['学习', '教程', '笔记', '课程', '读书']): tags.append('学习') if any(word in content for word in ['工作', '项目', '会议', '报告', '计划']): tags.append('工作') if any(word in content for word in ['想法', '灵感', '创意', '思考']): tags.append('灵感') # 如果没有匹配到任何标签，标记为待整理 if not tags: tags.append('待整理') return tags# 处理单个文件 def process_file(file_path): with open(file_path, 'r', encoding='utf-8') as f: content = f.read() # 检查是否已有标签 if content.startswith('---') and 'tags:' in content: return None, "已有标签，跳过" # 获取标签 tags = get_tags(content) # 构建frontmatter frontmatter = f"---\ntags:\n" for tag in tags: frontmatter += f" - {tag}\n" frontmatter += f"---\n\n" # 写入文件 new_content = frontmatter + content with open(file_path, 'w', encoding='utf-8') as f: f.write(new_content) return tags, "成功"# 主函数 def main(): # 获取所有md文件 md_files = glob.glob(os.path.join(notes_folder, "*.md")) processed = 0 skipped = 0 tag_stats = {} for file_path in md_files: tags, status = process_file(file_path) if tags: processed += 1 for tag in tags: tag_stats[tag] = tag_stats.get(tag, 0) + 1 else: skipped += 1 print(f"处理: {os.path.basename(file_path)} - {status}") # 输出统计 print(f"\n处理完成！") print(f"处理了 {processed} 个文件") print(f"跳过了 {skipped} 个文件（已有标签）") print(f"标签统计:") for tag, count in tag_stats.items(): print(f" {tag}: {count} 篇")if __name__ == "__main__": main()批量处理笔记文件 代码生成后，需要根据你的实际情况修改配置：修改notes_folder路径为你实际的笔记文件夹路径 根据需要调整标签规则和关键词修改完成后，按Ctrl+Shift+P（Mac是Cmd+Shift+P）打开命令面板，输入"运行Python文件"或直接在终端运行： python tag_organizer.py运行后你会看到处理进度： 处理: Python基础.md - 成功 处理: 项目管理心得.md - 成功 处理: 读书笔记.md - 已有标签，跳过 ...处理完成！ 处理了 47 个文件 跳过了 3 个文件（已有标签） 标签统计: 学习: 32 篇 工作: 12 篇 灵感: 3 篇效果验证与优化 处理完成后，打开Obsidian，进入对应的文件夹，你会看到笔记前面都加上了标签。 点击左侧的标签面板，可以看到按标签分类的笔记列表。试试搜索tag:#学习，应该能筛选出所有学习相关的笔记。 如果标签不够准确怎么办？ 这是正常的，AI根据关键词匹配，不可能100%准确。你可以：优化Prompt：在生成代码时，给AI更详细的关键词说明 人工微调：批量处理后再手动调整不准确的标签 分批次处理：先处理一小批，确认效果后再处理全部我的经验是，AI生成的标签大概有70-80%的准确率，剩下的手动调整一下就行，总体还是能节省大量时间。实操案例二：AI生成Obsidian模板这个案例演示如何用Trae生成各种实用的Obsidian笔记模板。 场景说明 小红每天需要写工作日志，但每次都从头开始写格式很浪费时间。她想有一个固定的模板，每天打开就能直接填写内容。 用Trae可以快速生成各种模板，而且可以根据具体需求定制。 用Trae设计每日笔记模板 在Trae中新建一个文件，或者直接使用AI对话框，输入以下Prompt： 请帮我设计一个Obsidian每日笔记模板，使用Markdown格式。模板需要包含以下部分： 1. 日期和天气（留空填写） 2. 今日待办（3-5项，带复选框） 3. 今日完成（带复选框，可勾选） 4. 今日收获（自由书写区域） 5. 明日计划（简单列出）要求： - 使用Markdown格式 - 美观实用，层次分明 - 适合每天复制使用 - 可以配合Obsidian的Daily Notes功能请直接输出模板内容。Trae会生成类似这样的模板： --- date: {{date}} weather: mood: 😊 ---# {{date}} 日记## 🌤️ 今日概览 - **日期**: {{date}} - **天气**: - **心情**: ## ✅ 今日待办 - [ ] 待办事项 1 - [ ] 待办事项 2 - [ ] 待办事项 3 - [ ] 待办事项 4 - [ ] 待办事项 5## 📋 今日完成 - [ ] - [ ] - [ ] ## 💡 今日收获### 学到了什么### 有什么感悟### 需要改进的地方## 📅 明日计划 1. 2. 3. --- *创建于 {{date}}*生成会议记录模板 同样的方法，可以生成会议记录模板： 请帮我设计一个Obsidian会议记录模板。需要包含： 1. 会议基本信息（主题、时间、地点、参会人） 2. 会议议程 3. 讨论内容记录 4. 决议事项 5. 待办事项（责任人+截止日期） 6. 下次会议安排请输出Markdown格式的模板。生成的模板： --- type: 会议记录 date: {{date}} ---# 会议记录：{{title}}## 📋 会议信息 - **会议主题**: - **会议时间**: {{date}} {{time}} - **会议地点**: - **记录人**: - **参会人员**: ## 📌 会议议程 1. 2. 3. ## 📝 讨论内容### 议题一： - - ### 议题二： - - ## ✅ 决议事项 | 序号 | 决议内容 | 负责人 | 完成时间 | |------|----------|--------|----------| | 1 | | | | | 2 | | | |## 📋 待办事项 - [ ] 任务1 - 负责人：@ - 截止日期： - [ ] 任务2 - 负责人：@ - 截止日期：## 📅 下次会议 - **时间**: - **主题**: --- *会议记录创建于 {{date}}*导入Obsidian并使用 生成模板后，有几种使用方式： 方式一：直接复制使用把模板内容复制到Obsidian的新笔记中 每次需要时复制一份，修改日期和内容方式二：保存为模板文件配合Templater插件安装Templater插件 把模板文件保存到模板文件夹 使用Templater快速插入模板方式三：配合Daily Notes核心插件把每日笔记模板保存为日记模板.md 在Daily Notes设置中指定模板文件路径 每天自动创建带模板的日记我的建议是先用方式一熟悉模板内容，确认符合需求后再用插件自动化。实操案例三：自动化内容提取与汇总这个案例演示如何用Trae从大量笔记中提取关键信息，生成汇总文档。 场景说明 小李是产品经理，一周下来在Obsidian里记录了20多篇工作笔记，包括会议记录、需求分析、用户反馈等。周末需要写周报，但回顾这些笔记很费时间。 用Trae可以写一个脚本，自动读取本周的所有笔记，提取关键信息，生成一份周报草稿。 用Trae编写内容分析脚本 在Trae中新建文件weekly_report.py，然后使用AI对话框输入： 请帮我写一个Python脚本，实现周报自动生成功能：1. 读取指定文件夹中最近7天创建或修改的.md文件 2. 分析每篇笔记的内容，提取关键信息： - 如果是会议记录，提取决议和待办 - 如果是需求分析，提取需求点 - 如果是用户反馈，提取反馈内容 3. 按类别汇总：会议、需求、反馈、其他 4. 生成一份周报格式的Markdown文档，包含： - 本周工作概述 - 完成的重点工作 - 遇到的问题 - 下周计划 5. 把生成的周报保存为新的md文件假设笔记文件夹路径：D:/Obsidian/Tutorial/03-工作/ 周报输出路径：D:/Obsidian/Tutorial/03-工作/周报/请生成完整的Python代码。Trae会生成相应的代码。核心逻辑大概是这样： import os import glob from datetime import datetime, timedelta# 配置 notes_folder = "D:/Obsidian/Tutorial/03-工作/" report_folder = "D:/Obsidian/Tutorial/03-工作/周报/"# 获取最近7天的文件 def get_recent_files(folder, days=7): cutoff = datetime.now() - timedelta(days=days) recent_files = [] for file_path in glob.glob(os.path.join(folder, "*.md")): mtime = datetime.fromtimestamp(os.path.getmtime(file_path)) if mtime > cutoff: recent_files.append(file_path) return recent_files# 分析单篇笔记 def analyze_note(file_path): with open(file_path, 'r', encoding='utf-8') as f: content = f.read() filename = os.path.basename(file_path) # 根据文件名或内容判断类型 note_type = "其他" if "会议" in filename or "会议" in content: note_type = "会议" elif "需求" in filename or "PRD" in filename: note_type = "需求" elif "反馈" in filename or "用户" in filename: note_type = "反馈" # 提取关键内容（简化版，实际可以用AI分析） key_points = [] lines = content.split('\n') for line in lines: if line.strip().startswith('- ') or line.strip().startswith('* '): key_points.append(line.strip()[2:]) return { 'filename': filename, 'type': note_type, 'key_points': key_points[:5] # 只取前5个要点 }# 生成周报 def generate_report(notes_data): report_date = datetime.now().strftime("%Y-%m-%d") report = f"""# 工作周报 ({report_date})## 📊 本周工作概述 本周共记录 {len(notes_data)} 篇工作笔记。## 📝 分类汇总""" # 按类型分组 by_type = {} for note in notes_data: t = note['type'] if t not in by_type: by_type[t] = [] by_type[t].append(note) # 输出各类别 for note_type, notes in by_type.items(): report += f"### {note_type} ({len(notes)}篇)\n\n" for note in notes: report += f"- **{note['filename']}**\n" for point in note['key_points']: report += f" - {point}\n" report += "\n" report += """## ✅ 下周计划 - [ ] 待补充...--- *周报生成时间：""" + datetime.now().strftime("%Y-%m-%d %H:%M") + "*" return report# 主函数 def main(): # 确保周报文件夹存在 if not os.path.exists(report_folder): os.makedirs(report_folder) # 获取最近文件 recent_files = get_recent_files(notes_folder) print(f"找到 {len(recent_files)} 篇近期笔记") # 分析每篇笔记 notes_data = [] for file_path in recent_files: data = analyze_note(file_path) notes_data.append(data) print(f"分析: {data['filename']} - 类型: {data['type']}") # 生成周报 report_content = generate_report(notes_data) # 保存周报 report_filename = f"周报_{datetime.now().strftime('%Y%m%d')}.md" report_path = os.path.join(report_folder, report_filename) with open(report_path, 'w', encoding='utf-8') as f: f.write(report_content) print(f"\n周报已生成: {report_path}")if __name__ == "__main__": main()生成周报/月度总结 运行脚本后，会在周报文件夹中生成类似这样的文档： # 工作周报 (2025-01-20)## 📊 本周工作概述 本周共记录 8 篇工作笔记。## 📝 分类汇总### 会议 (3篇)- **产品评审会议.md** - 确定了Q1产品规划 - 技术方案评审通过 - 下周开始开发- **周会.md** - 上周进度回顾 - 本周任务分配### 需求 (2篇)- **用户反馈整理.md** - 收到15条用户反馈 - 高频问题：登录流程复杂 - 建议优化注册页面### 反馈 (3篇)...## ✅ 下周计划 - [ ] 待补充...--- *周报生成时间：2025-01-20 18:30*你可以在这个基础上补充具体内容，比如下周计划、遇到的问题等。原本需要1小时的周报整理工作，现在10分钟就能完成初稿。进阶技巧与注意事项 提升AI输出质量的方法 1. Prompt要具体 不好的Prompt："帮我写一个处理笔记的脚本" 好的Prompt："请帮我写一个Python脚本，读取D:/Notes/文件夹中的所有.md文件，提取每篇笔记的前3个标题，然后生成一个汇总文档" 2. 提供示例 如果你希望AI按照特定格式输出，可以在Prompt中给出一个示例： 请按以下格式生成模板：示例格式： --- date: 2025-01-20 --- # 标题 内容...3. 分步骤处理复杂任务 如果任务很复杂，可以分成多个小任务，一步步来。比如先让AI生成基础代码，运行测试后再要求添加新功能。 常见问题排查 问题1：脚本运行报错"文件找不到" 解决：检查文件路径是否正确，Windows系统注意使用正斜杠/或双反斜杠\\ 问题2：AI生成的代码有语法错误 解决：把错误信息复制给Trae的AI，让它修复。或者简化需求，分步骤生成。 问题3：处理后的笔记格式乱了 解决：处理前务必备份！如果出问题，从备份恢复。另外可以先在小批量文件上测试。 安全与隐私建议 1. 本地处理优先 Obsidian的数据本来就在本地，Trae处理也在本地进行，不需要上传到云端，数据安全性很好。 2. 敏感信息处理 如果笔记中包含敏感信息（如密码、个人隐私），建议：处理前先删除或替换敏感内容 或者只处理非敏感的笔记文件夹3. 定期备份 虽然脚本不会删除内容，但养成备份习惯总是好的。可以用Git、坚果云等方式定期备份笔记库。FAQ常见问题解答Q1：Trae是免费的吗？ A：Trae国内版完全免费，内置豆包模型和DeepSeek，不需要额外付费就能使用AI功能。 Q2：不懂编程能用Trae吗？ A：完全可以。Trae的核心价值就是让不懂编程的人也能用AI处理文本和文件。你只需要用自然语言描述需求，AI会帮你生成代码。当然，如果能懂一点Python基础，会更容易理解和修改生成的代码。 Q3：Obsidian和Trae的数据安全吗？ A：Obsidian的数据完全存储在你的本地电脑上，Trae的AI处理也在本地进行，不会上传到云端（除非你主动使用需要联网的功能）。所以数据安全性很好，不用担心隐私泄露。 Q4：处理大量笔记时会不会很慢？ A：取决于笔记数量和电脑性能。一般来说，处理100篇以内的笔记几秒钟就能完成。如果笔记很多（比如几千篇），建议分批次处理，或者优化脚本逻辑。 Q5：AI生成的标签不准确怎么办？ A：这是正常的，AI根据关键词匹配，准确率一般在70-80%。你可以：先让AI生成候选标签，你再人工审核确认 优化Prompt，提供更明确的分类标准和关键词 批量处理后再手动调整不准确的标签Q6：除了标签整理，还能做什么？ A：非常多，比如：批量转换笔记格式（如从其他软件导入的格式转换） 批量重命名文件 提取所有笔记中的待办事项生成任务清单 分析笔记内容生成思维导图数据 检测重复笔记并合并Q7：手机和电脑能同步吗？ A：Obsidian支持多端同步，可以使用坚果云、iCloud、OneDrive等方式。Trae生成的脚本在电脑上运行后，笔记会自动同步到手机端。手机上虽然不能运行Trae脚本，但可以查看和编辑处理后的笔记。 Q8：学习这个需要多长时间？ A：如果你跟着本文的教程一步步操作，30分钟就能完成第一个案例。完整掌握三个案例的内容，建议预留2-3小时。之后根据自己的需求，可以慢慢探索更多用法。总结与下一步 通过这篇文章，你学会了如何用Trae辅助Obsidian笔记管理，包括：批量整理笔记标签 - 让AI自动分析内容并打标签 智能生成笔记模板 - 快速创建各种实用的笔记模板 自动化内容汇总 - 从大量笔记中提取关键信息生成总结这三个案例只是开始，Trae能做的事情还有很多。建议你先从标签整理或模板生成开始尝试，熟悉流程后再探索更复杂的功能。 如果你在实践过程中遇到问题，或者有新的用法发现，欢迎分享交流。 下一步行动建议：选择一个你最头疼的笔记管理问题 用本文的方法尝试用Trae解决 根据实际效果调整Prompt和脚本祝你搭建出属于自己的智能笔记工作流！
AI时代，如何打造一个让生命绽放的美好组织
课程介绍 每一次技术大变革，最焦虑的往往是那群被称为“中层”的人。 在互联网浪潮里，有人预言中层会消失；到了现在的 AI 时代，这种声音又回来了：如果 AI 能处理掉绝大多数的信息传递和数据分析，那夹在中间的管理层是不是就该“下课”了？ 这次我们邀请到了欧德张老师。他是一名互联网老兵，曾任职于阿里巴巴，是当年阿里“地面铁军”中极少数兼具业务实战与组织建设经验的“双栖专家”。这种从业务和组织两个维度同时切入的全局视角，让他能一眼看透企业转型的真实困境。 张老师认为，AI 就像一个超级加热器，虽然能把效率推向极致，却也容易让人陷入“意义消散”的集体迷茫。 这堂课的核心不讲冷冰冰的流程，而是要告诉你：在 AI 时代，组织不该是一台追求效率的机器，而是一个活生生的“生命体”。 我们要做的，是学会如何在大模型时代重新为组织“注入灵魂”，让每个人在技术包裹的环境下，依然能找到无法被替代的意义感与自驱动力。 课程目录重塑组织的进化路径 呼吸方式的转变：从死磕流程到唤醒意义 五脏六腑的重构：打造组织的意义网络 皮肤形态的适配：在复杂环境中精准选择文化类型 经络卡点的疏通：用 BART 模型解决管理混乱 肌肉力量的强化：掌握 AI 无法替代的“意义建构权”
IOA时代的理念型组织
课程介绍 今天，大多数企业对AI的理解仍停留在“工具层”：用AI写文案、生成图片、整理会议纪要、辅助写代码。但OpenClaw带来的真正变化，已经不只是“帮一个人更快完成一项工作”。 于是吴明辉老师提出：一个人使用AI，是加法；一个组织使用AI，是指数。 当AI Agent开始拥有记忆、工具调用、任务拆解、协同执行和持续学习能力，组织的底层结构正在被重新改写：每个人不再只是一个独立贡献者，而是可以带领一组Agent工作的“新型管理者”；每个部门不再只是依赖人工流转，而是可以通过Agent网络实现需求、执行、反馈的自动闭环；每家公司也不再只是追求线性效率提升，而是有机会进入指数级增长。 这门课没有简单介绍OpenClaw的使用方法，而是把AI Native组织背后的底层哲学讲清楚了：如何让机器负责Think，让人负责Context与Taste；AI释放执行力，人类重新守护判断力、品鉴力与理念。 在此基础上，吴明辉老师进一步结合明略科技正在推进的OpenClaw、Octo、CoCraft等AI产品实践，展示AI Agent如何真正进入组织现场，影响研发、营销、会议、需求管理、组织协同和业务创新。 课程目录IOA 时代已经发生 为什么是指数增长：从 AI 工具到 Agent 网络 龙虾的技术原理：从固定模型到持续学习 Agent 生产力跃迁：执行力不再是瓶颈 人的不可替代性：Context 与 Taste AI Native 组织形态与领导力重构 Trustworthy AGI：安全、伦理与 Scaling Out 理念型组织：因为相信，所以看见 面向 99.99%：相信、看见与行动
- 08 May, 2026
AI全域获客实训营·2026
抓住 AI 风口，解锁获客新契机 在 AI 全域获客实训营・2026 里，首节课程聚焦 “普通人如何抓住 AI 风口” 。在当下数字化浪潮中，AI 成为关键驱动力，普通人若能把握这一风口，就能开启全新的获客机遇。它帮助学员洞察 AI 时代趋势，找到切入市场的方法，为后续的获客行动奠定基础。理解风口趋势，才能在竞争中抢占先机，为实现获客增长铺就道路。 搭建获客系统，筑牢全域获客根基 课程着重教授搭建 AI 全域获客系统的方法。从 “AI 全域获客系统搭建” 到 “如何用 AI 矩阵搭建获客系统”，详细讲解系统架构与矩阵搭建技巧。通过构建完善的获客系统，整合多渠道资源，实现全方位覆盖潜在客户。这不仅提升获客效率，还能精准定位目标群体，为企业或个人构建稳固的获客根基，在市场竞争中脱颖而出。 运营与起号，提升获客实操能力 实训营还关注账号运营与起号实操。“全域营销账号运营四部曲” 分享实用运营策略，从内容策划到用户互动，逐步提升账号影响力。“从 0 起号极简路径” 则为新手提供简单高效的起号方法，降低起号门槛。这些内容让学员掌握实际操作技巧，将获客理论转化为实际行动，真正实现通过 AI 全域获客，推动业务增长。 课程目录第一节:普通人如何抓住AI风口.mp4 第二节:AI全域获客系统搭建.mp4 第三节:如何用AI矩阵搭建获客系统.mp4 第四节:企业家IP差异化定位.mp4 第五节:如何低成本搭建AI团队.mp4 第六节:全域营销账号运营四部曲.mp4 第七节:AI矩阵获客流量秘籍.mp4 第八节:从0起号极简路径.mp4
生财有术2026-AI嘉年华
AI 时代个体与创业的变革之路 生财有术 2026 - AI 嘉年华开启 AI 创富之旅。刘思毅将分享中国超级个体 AI IP 创业之路，为个体创业者指引方向。老喻探讨 AI 时代凭何赚钱，揭示创富底层逻辑。陈灏带来 AI 时代六条创业军规，助创业者少走弯路。这些内容让参与者深入了解 AI 如何重塑个体与创业格局，把握时代机遇。 AI 在商业领域的创新应用 在商业场景中，AI 正掀起变革。武彬阐述 AI 内容工厂如何接管电商与转化，迪安探讨内容部门消失下如何搭建 AI 市场部。董十一讲解怎么用 AI 让客户翻 10 倍，王队长分享如何用 OPC 杠杆做高客单 IP。这些主题聚焦 AI 在电商、营销等领域应用，助力企业挖掘 AI 商业价值，提升竞争力。 协作与新能力构建的未来趋势 随着 AI 发展，协作与新能力构建至关重要。李睿强调一人公司如何用 AI 放大协作能力，钱莹提出数字员工概念，探讨企业人力新方向。刘克亮指出 AI 时代真正稀缺的是审美能力。这些内容为个人与企业在 AI 浪潮下，重构协作模式、培养稀缺能力提供思路，引领走向未来商业新征程。 课程目录刘思毅 中国超级个体Al IP创业之路.mp4 老喻AI时代你到底凭什么赚钱.mp4 武彬AI内容工厂正在接管电商与转化的一切.mp4 迪安内容部门逐渐消失如何搭建AI市场部.mp4 dontbesilent我与Al的协作.mp4 王大仙AI Agent企业级落地与超级个体构建实战.mp4 李尚龙AI是工具你才是主语.mp4 董十一怎么用Al让你的客户翻10倍.mp4 Toby放下1000万单飞去做一人公司.mp4 陈灏AI时代六条创业军规.mp4 李睿一人公司不是一个人如何用AI放大协作能力.mp4 钱莹你缺的不是AI而是数字员工.mp4 王队长AI时代如何用OPC杠杆做高客单IP.mp4 严华培数字人2.0时代的全员矩阵营销.mp4 刘克亮审美之外无他物AI时代真正稀缺的能力.mp4 刘思毅对谈阿星AI生存法则我们将何去何从.mp4
英伟达第二季：黄仁勋的信仰远征
课程介绍 今天的英伟达，是一个市值突破 5 万亿美元、凭一己之力托举起 AI 时代的“神明”。 如果说在《英伟达第一季》里，我们看到的是一个在巨头夹缝中求生、离破产永远只有 30 天的“生死豪赌”；那么在即将展开的第二季中，英伟达的逻辑彻底变了。 商业世界最难解释的悬念就在这里：在长达16年的时间里，英伟达投入了天文数字般的研发预算，却几乎没有产生任何商业收入。 尤其在 2006 年后，当黄仁勋决定倾全公司之力赌在一个当时几乎没有应用、没有客户、甚至被资本市场视为“资金黑洞”的 CUDA 架构上时，英伟达的市值一度跌去了80%，股价仅剩1.5美元。为什么在几乎所有人都认为他“疯了”的时候，他能顶住董事会的压力，坚持把每一颗芯片都植入这套“无用”的架构？ 为什么这种看似低效、笨拙的长期主义，最终能在这场非连续跃迁中，精准撞上10年后的智能涌现？这一次，混沌创始人李善友教授将带你复盘这段“信仰远征”：看一家公司如何从追逐竞争，进化为定义时代；并带你寻找那个终极答案——究竟是什么样的基因，才能撑起只有你才能做成的那件事。 课程目录自我颠覆：英伟达如何开启第二季 找到自己：定义“只有我能做”的关键词 平台跃迁：CUDA如何把GPU变成计算平台 理念成型：加速计算的底层逻辑 等待市场：在无人区寻找未来大陆 价值兑现：AI如何把英伟达推向基座 以商入道：在商业中长出“活着的组织” 文明边界：AI伦理与人类智能的新课题
- 29 Apr, 2026
大模型RAG进阶实战营
基于 DeepSeek，深入 RAG 工程核心 大模型 RAG 进阶实战营聚焦基于 DeepSeek 的 RAG 系统研发。课程深入 RAG 工程核心技术，如数据导入环节，教授使用不同加载器读取各类文档，尤其是复杂 PDF 解析，还涉及图像与网页数据处理技巧及文档结构化信息保留。文本分块方面，讲解按大小、格式、语义分块技巧及添加元数据方法。同时涵盖嵌入、向量存储与索引、复杂检索等技术，全方位深入 RAG 工程核心，为实战奠定坚实基础。 覆盖主流场景，解决大模型痛点 RAG 在众多领域有广泛应用。实战营覆盖合规检索、问答系统、金融 / 医疗词汇标准化系统及知识图谱等主流场景。RAG 作为开发者加入 AI 的佳径，能解决大模型核心痛点，降低落地成本与门槛，提升结果可控与可解释性，适配多种应用场景。其成熟技术路径支持多语言与跨领域，让开发者在不同场景中灵活运用 RAG 技术，满足企业多样化需求。 紧跟热点开发，掌握十大核心技术 课程紧跟热点，采用 DeepSeek + Cursor 智能编程协同开发。利用 DeepSeek 强大推理、代码理解与生成能力加速 RAG 系统开发，且支持双语适合国内场景。Cursor 作为主要 IDE 工具，提供实时 AI 编程辅助。此外，实战营深入 RAG 开发全流程的 10 大核心技术，从预检索的查询处理技巧，到嵌入技术、检索后处理技术、向量存储索引优化及生成过程优化等，助力开发者全面掌握 RAG 开发技术，走在行业前沿。 作者简介 黄佳新加坡科研局资深研发工程师(Lead Research Engineer)，前埃森哲新加坡公司资深顾问，入行20余年。参与过政府部门、银行、电商、能源等多领域大型项目，积累了极为丰富的人工智能和大数据项目实战经验。近年主攻方向为NLP预训练大模型应用、FinTech应用、持续学习。 曾出版《大模型应用开发:动手做AI Agent》《GPT图解:大模型是怎样构建的》 《数据分析咖哥十话》《零基础学机器学习》等多本畅销书。 黄佳老师在极客时间开设了专栏课《LangChain实战课》、《零基础实战机器学习》、《AI应用实战课》、《大模型应用开发实战》，公开课《ChatGPT和预训练模型实战课》，课程学习人数超5万人，是极客时间的口碑讲师。 课程目录RAG 三问 构建自己的 RAG 前端和后端框架 金融/医疗领域专有词汇标准化系统开发 企业文档合规性检索和问答系统开发 基于 GraphRAG、LightRAG 和 LazyGraphRAG 的知识图谱 RAG 系统构建 数据导入技术 文本分块技术 嵌入技术 向量存储和索引技术 预检索-查询优化技术 ...... 你的浏览器不支持音频播放
- 24 Apr, 2026
秋叶飞书多维表格自动化训练营
通过 28 天实战学习，你将掌握 AI 批量处理数据、自动数据分析、数据可视化、流程自动化等核心能力，轻松应对一人多职、跨部门协作、老板汇报等职场难题，把更多时间留给真正创造价值的工作，实现职场效率与个人成长的双重突破。 课程简介 你是否每天被重复低效的工作消耗精力？一人身兼数职忙到爆炸、琐事占满时间却没空做核心业务、人工录入数据易出错、表格分散难查找、部门协作效率低下……秋叶飞书多维表格自动化训练营，带你用AI+飞书多维表格重构工作模式，把传统表格升级为可自动运转的业务工作台，用3分钟完成别人一周的工作，告别无效加班。 课程覆盖20+实用办公场景，从业务管理、客户运营到项目协作、数据可视化，手把手教你用AI实现批量数据处理、自动分析、可视化报表生成，掌握6大核心能力，让工作效率十倍提升。28天保姆级陪伴教学，0基础也能快速上手，学完即可落地真实业务场景，把重复劳动丢给机器，专注高价值工作。 课程目录AI自动化办公时代，从第一张多维表格开始：用多维表格提升数据处理效率，搭建智能数据库与任务排期表，实战日程管理任务排期 智能数据管理：实时更新同步，数据误差归零：搭建零代码商品管理系统，实现库存盘点、物流追踪自动化，实战商品管理系统搭建 智能数据分析：快速读懂客户需求，满意度飙升：AI精准洞察客户需求、自动分类客户，实战评价管理系统搭建 智能项目管理：进度预算全掌控，团队协作效率翻倍：3分钟搞定甘特图，搭建营销活动项目管理系统，实现进度与预算可控 智能仪表盘：一键搭建数据看板，让老板一眼看懂：搭建经营数据看板，整合多部门数据，让核心指标一目了然 工作流程自动化：解放双手，专注核心业务：实现多平台数据批量录入、业绩自动计算，实战搭建销售/退货管理系统 全网信息自动抓取，数据采集→数据分析闭环：一键抓取全网信息，实现跨平台数据无缝对接，实战小红书数据批量采集
英伟达第一季：黄仁勋的生死豪赌
课程介绍 当今的商业世界，英伟达是一个如同神明般的存在：市值突破5万亿美元，几乎凭一己之力托举起了整个AI时代的狂欢。然而，当我们仰望这座万亿级的时代基座时，是否曾退后一步去追问：在封神之前，它究竟经历了怎样的九死一生？ 我们总习惯于将顶级的科技领袖奉上神坛——马斯克似乎一出手就站在“第一性原理”的逻辑高地上，乔布斯则自带走向觉醒的灵性天赋。 但这一次，混沌创始人李善友教授将带我们看到一个完全不同的非典型大佬：黄仁勋。 他没有天才的跳跃感，完全是从最接地气的底层摸爬滚打，在实打实的商战中一步步向上攀登。如果说天才的成功难以复制，那么黄仁勋这条步步为营的进阶轨迹，恰恰是普通创业者更容易看懂、也更能效仿的。 本次课程由李善友教授亲授，通过深度案例解剖，带你重走黄仁勋跨越三十年的“英雄之旅”： 上季【商业之根】：在巨头倾轧、资金见底的生死关头，穷途末路的创业者黄仁勋如何用认知打破时代局限，发掘无人问津的“0亿美元市场”，并用极限的执行力打穿产品单点。这不仅是一部硬核的企业逆袭史，更是一套能为你当下事业破局提供绝佳启发的底层方法论。 下季【商业之道】：视角从“竞争”跨越到“觉醒”。深度解析英伟达如何从游戏芯片向AI基座惊天跃迁：看黄仁勋如何洞察“并行计算”的基因突变，并在CUDA十六年无收入的至暗时刻，靠第一性原理的纯粹信念守候到AI的爆发。 课程目录认知三阶：黄仁勋、乔布斯与马斯克 游戏芯片：新技术*新市场=0亿美元市场 GPU的十年：供给·需求·连接 商业背后不变的本质