#Notion #Wiki
🎊 Notion 简体中文版帮助文档上线
大家好，我是 Craig，theBlock 的创始人以及 Notion 中文社区维护者。非常高兴和大家分享，我们精心翻译一月之余的简体中文版 Notion 帮助文档正式上线啦 🥳
在这里体验中文版帮助文档：https://the-block.club/help 🚀
Notion 已经帮助全球近一亿用户提高工作效率与生活品质，但中文用户的上手体验可能因为语言而有所障碍。考虑到官方的中文版界面「遥遥无期」，我们希望通过翻译帮助文档，为中文用户提供有效的使用帮助。
我们已尽力完善 theBlock 版译文，但可能仍有一些疏漏或不足之处。如果你有任何改进建议，欢迎告诉我们。也欢迎大家分享给需要的朋友，我们会不断完善文档，为所有中文 Notion 用户提供更好的上手体验。
访问 theBlock · 加入Notion 中文社区 · 给我们留言
频道：@NewlearnerChannel
🎊 Notion 简体中文版帮助文档上线
大家好，我是 Craig，theBlock 的创始人以及 Notion 中文社区维护者。非常高兴和大家分享，我们精心翻译一月之余的简体中文版 Notion 帮助文档正式上线啦 🥳
在这里体验中文版帮助文档：https://the-block.club/help 🚀
Notion 已经帮助全球近一亿用户提高工作效率与生活品质，但中文用户的上手体验可能因为语言而有所障碍。考虑到官方的中文版界面「遥遥无期」，我们希望通过翻译帮助文档，为中文用户提供有效的使用帮助。
我们已尽力完善 theBlock 版译文，但可能仍有一些疏漏或不足之处。如果你有任何改进建议，欢迎告诉我们。也欢迎大家分享给需要的朋友，我们会不断完善文档，为所有中文 Notion 用户提供更好的上手体验。
访问 theBlock · 加入Notion 中文社区 · 给我们留言
频道：@NewlearnerChannel
❤34🤪2
#Blog #Wiki #AI
🤖 10 秒钟生成活动简报，又有更多的时间摸鱼了
🔗：WeChat / Blog
相信不少人都听说过，用 ChatGPT、豆包、DeepSeek、元宝来帮你写材料，学校里的领导、专家也喜欢在各种会上强调“要用 AI 给工作赋能”。但生成的内容通常会“假、大、空”，有时候会化身“胡说八道”生成器
这里我选择使用 Dify。将过去撰写过的资料，来构建一个私人的知识库，结合 LLM 模型，便能输出符合你个人写作风格、语言表达习惯的文章
1️⃣ 创建知识库
首先我们将各类文档分好大类，下一步则是筛选、取精，重复的语料对命中率的提升并无太大帮助，可以增加不同主题的覆盖率
文档上传到知识库后，需要对文档内容向量化处理。调整好分段方式、检索设置、Embedding 模型、Rerank 模型，点击保存并处理
2️⃣ 创建文本生成应用
进入工作室页面，点击创建空白应用。编辑页面分为两大块——编排与调试
前缀提示词也就是我们常说的 Prompt，你可以给 LLM 模型提前输入指令，提示词的设定很重要，告诉大模型需要充当什么角色、按照什么要求来生成文本
变量可以理解为我们在前端页面输入的内容。知识库选择我们刚才创建的知识库，在右上方选择你要使用的大模型，比如这里我使用 Doubao-1.5-Pro-32K
完成编排设置后，分别在文本框中输入内容，点击生成，等待数秒后，大模型便能生成一篇有模有样的“活动简报”
💡 除了可以使用 Dify 完成“文档生成”这种小活，还能通过扩展工具来增加 Dify 的可玩性
比如自己编写一个文本转换文档的功能 —— 自动将生成的文本转换为 Docx 格式的文档，亦或是连接上微信，在对话之间就能完成你的要求
以上是我对 Dify + LLM 模型的浅浅实践（大佬轻喷，生成的文本效果仍有待提高
比如在文本分段部分，根据文档的实际内容调整分段符号、Chunk 块长度，精细化应用的 Prompt 提示语，选用合适的模型都有助于改善文本的生成效果
频道：@NewlearnerChannel
🤖 10 秒钟生成活动简报，又有更多的时间摸鱼了
🔗：WeChat / Blog
相信不少人都听说过，用 ChatGPT、豆包、DeepSeek、元宝来帮你写材料，学校里的领导、专家也喜欢在各种会上强调“要用 AI 给工作赋能”。但生成的内容通常会“假、大、空”，有时候会化身“胡说八道”生成器
这里我选择使用 Dify。将过去撰写过的资料，来构建一个私人的知识库，结合 LLM 模型，便能输出符合你个人写作风格、语言表达习惯的文章
1️⃣ 创建知识库
首先我们将各类文档分好大类，下一步则是筛选、取精，重复的语料对命中率的提升并无太大帮助，可以增加不同主题的覆盖率
文档上传到知识库后，需要对文档内容向量化处理。调整好分段方式、检索设置、Embedding 模型、Rerank 模型，点击保存并处理
2️⃣ 创建文本生成应用
进入工作室页面，点击创建空白应用。编辑页面分为两大块——编排与调试
前缀提示词也就是我们常说的 Prompt，你可以给 LLM 模型提前输入指令，提示词的设定很重要，告诉大模型需要充当什么角色、按照什么要求来生成文本
变量可以理解为我们在前端页面输入的内容。知识库选择我们刚才创建的知识库，在右上方选择你要使用的大模型，比如这里我使用 Doubao-1.5-Pro-32K
完成编排设置后，分别在文本框中输入内容，点击生成，等待数秒后，大模型便能生成一篇有模有样的“活动简报”
💡 除了可以使用 Dify 完成“文档生成”这种小活，还能通过扩展工具来增加 Dify 的可玩性
比如自己编写一个文本转换文档的功能 —— 自动将生成的文本转换为 Docx 格式的文档，亦或是连接上微信，在对话之间就能完成你的要求
以上是我对 Dify + LLM 模型的浅浅实践（大佬轻喷，生成的文本效果仍有待提高
比如在文本分段部分，根据文档的实际内容调整分段符号、Chunk 块长度，精细化应用的 Prompt 提示语，选用合适的模型都有助于改善文本的生成效果
频道：@NewlearnerChannel
🫡5❤3🤣1
#Web #Wiki
🐤 波普辞典：开放的在线网络流行语辞典
🔗：Web
👉 Features
- 开放式共创，暂无任何审核机制
- 英文翻译
- 辞条分类和标签
- 相关辞条和关系图谱
📺 不知道大家一般从哪里了解近期流行的网络用语，由于平时经常刷 B 站和小红书，自认为还能够跟得上这些「热梗」。偶尔遇到一些不能够理解的，就去看梗指南或者小鸡词典
😡 23 年年初，传来了小鸡词典 停止运营 的消息，让人十分气愤。前因后果是，在与抄袭他们的大厂的官司中败诉，并且碰到了一些无法克服的困难，不得不解散团队。目前他们在 B 站的账号偏向于生活化运营
👀 近期看到了一款同类产品「波普辞典」，波普（pop）也是「棒棒糖」的一个简化口语词，无论如何，我们都可以看到轻松愉快的享乐和渴求欲念的转化
👻 在其中你可以查看近期的热门词汇，搜寻你看不懂的词语组合，还可以自动查找关联词汇。总之，欢迎大家使用和共创新辞条
频道：@NewlearnerChannel
🐤 波普辞典：开放的在线网络流行语辞典
🔗：Web
👉 Features
- 开放式共创，暂无任何审核机制
- 英文翻译
- 辞条分类和标签
- 相关辞条和关系图谱
📺 不知道大家一般从哪里了解近期流行的网络用语，由于平时经常刷 B 站和小红书，自认为还能够跟得上这些「热梗」。偶尔遇到一些不能够理解的，就去看梗指南或者小鸡词典
😡 23 年年初，传来了小鸡词典 停止运营 的消息，让人十分气愤。前因后果是，在与抄袭他们的大厂的官司中败诉，并且碰到了一些无法克服的困难，不得不解散团队。目前他们在 B 站的账号偏向于生活化运营
👀 近期看到了一款同类产品「波普辞典」，波普（pop）也是「棒棒糖」的一个简化口语词，无论如何，我们都可以看到轻松愉快的享乐和渴求欲念的转化
👻 在其中你可以查看近期的热门词汇，搜寻你看不懂的词语组合，还可以自动查找关联词汇。总之，欢迎大家使用和共创新辞条
频道：@NewlearnerChannel
👍8❤1
#Wiki #推播助栏 #Podcast #Web
📻 播客知识库
🔗：Web
历时三周，我手搓出了一个播客 Wiki，现在分享出来，希望感兴趣的朋友能一起完善它。
作为一个播客观察者，我从 2019 年开始就在追踪中英文的信源，持续收集新闻报道和研究报告放到 Raindrop 中。当累计到几百篇时，我想盘活这些内容，以此建立一个播客知识库。因为有 AI Agent 的帮助，让它的建立变得可能。
首先我确定了内容筛选的原则：不追求高时效性的资讯，只收集和引用有深度的新闻报道和创作者访谈、以及有洞见的专业评论和行业研究，依据原则人工选出 200 篇内容作为高质量语料。
接着我让 Claude 按照 LLM Wiki 的思路和我讨论要建一个什么样的知识库，发挥什么作用，需要使用什么工具，在讨论中搭好框架，最终决定用 Obsidian 建本地库，用 Quartz +Github 上线网页版 。
实际执行时，Claude 先按照新闻、访谈、评论、研究四大分类创建了原始内容库，我从四类文章中各挑一篇让它先打个样，符合要求后再按照批量提取内容，渐渐地我看到了一个知识图谱生长出来。
第一次建 Wiki，我也遇到了各种问题，哪些参与者值得单独建页，当一个页面内容积累太多后怎么梳理精简，哪些数据和表述被扭曲了，AI 对某个市场做出的结论是否合理，如何提升 token 的使用效率等等，这些都是需要人思考和判断的地方。
频道：@NewlearnerChannel
📻 播客知识库
🔗：Web
历时三周，我手搓出了一个播客 Wiki，现在分享出来，希望感兴趣的朋友能一起完善它。
作为一个播客观察者，我从 2019 年开始就在追踪中英文的信源，持续收集新闻报道和研究报告放到 Raindrop 中。当累计到几百篇时，我想盘活这些内容，以此建立一个播客知识库。因为有 AI Agent 的帮助，让它的建立变得可能。
首先我确定了内容筛选的原则：不追求高时效性的资讯，只收集和引用有深度的新闻报道和创作者访谈、以及有洞见的专业评论和行业研究，依据原则人工选出 200 篇内容作为高质量语料。
接着我让 Claude 按照 LLM Wiki 的思路和我讨论要建一个什么样的知识库，发挥什么作用，需要使用什么工具，在讨论中搭好框架，最终决定用 Obsidian 建本地库，用 Quartz +Github 上线网页版 。
实际执行时，Claude 先按照新闻、访谈、评论、研究四大分类创建了原始内容库，我从四类文章中各挑一篇让它先打个样，符合要求后再按照批量提取内容，渐渐地我看到了一个知识图谱生长出来。
第一次建 Wiki，我也遇到了各种问题，哪些参与者值得单独建页，当一个页面内容积累太多后怎么梳理精简，哪些数据和表述被扭曲了，AI 对某个市场做出的结论是否合理，如何提升 token 的使用效率等等，这些都是需要人思考和判断的地方。
频道：@NewlearnerChannel
❤16