ZPedia｜AI 辦公的下一步，不是更多 Prompt，而是 TRAE Work 這樣的「工作知識庫」

AI 教程是這個時代最過剩的內容之一。

「100 個神級 Prompt」「一分鐘學會某某功能」，收藏從未停止，工作從未改變。問題不在教程的數量，在于組織方式：它們按功能講，而人是按任務活的。沒有人抱著「我想練習調用搜索插件」的目的開始一天的工作，人們想的是「我今天要交一篇稿子」「我下午要做一份行研」。

7 月 15 日，TRAE Work 上線了官方 AI 工作知識庫：7 大真實工作場景、30+ 實戰指南、40 萬字完整內容。上線 6 小時，累計訪問超過 1.8 萬，社交平臺上不少用戶在轉發點贊知識庫里的干貨和指南。

TRAE Work AI 工作知識庫上線海報：7 大 Work 場景實戰指南

市面上的 AI 教程并不少，為什么是這本知識庫被圍觀？它跟「100 個 Prompt 合集」有什么不同？帶著這個問題，我花了一個下午，拿自己的真實工作驗證了一遍。

這本 40 萬字的知識庫，到底是什么

先看基本盤。

TRAE Work 官方 AI 工作知識庫，目前包含 7 大真實工作場景、30+ 實戰指南、超過 40 萬字的內容，覆蓋寫作溝通、數據處理、行業研究、內容創作、視覺設計、匯報演示、信息采集、學習成長、開發自動化、辦公協作等核心工作領域。從新手入門到深度實戰，可以按場景進入全路徑內容。

打開知識庫，左側目錄的結構很能說明問題：快速導航、新手入門、官方功能教程、TRAE Work 實戰指南、工具資源推薦、近期活動。它不是一堆積在一起的文檔，而是一條設計好的學習路徑——先認門，再上手，再進實戰，最后順手把工具和資源帶走。

TRAE Work 官方知識庫頁面：左側目錄按「快速導航、新手入門、官方功能教程、實戰指南」等模塊組織

7 大場景的劃分，幾乎對著職場人的崗位表來排：學術教育與職業成長面向高校學生和教師；資訊研究與商業決策面向投研、咨詢分析師；內容創作與多平臺分發面向自媒體和內容運營；職場辦公與文檔協作面向白領、PM 和行政；數據處理與表格分析面向財務和運營；視覺設計與演示呈現面向設計和市場。每個場景下面，再掛具體的實戰指南，比如「內容生產與多平臺分發流水線」「數據清洗查詢與整理」「幻燈片與演示文稿」。

翻完整個知識庫，我認為它和常見 AI 教程的區別主要有三個。

第一，按場景組織，不按功能組織。市面上的 AI 指南，基本是「怎么用某個功能」，或者一份 Prompt 合集。這本知識庫反了過來：從「我要寫周報」「我要做行研」「我要發一篇稿子」出發，再告訴用戶該怎么用 AI 完成它。用戶不需要先理解產品，只需要先認領自己的任務。

第二，是完整工作流，不是碎片化技巧。別人教「怎么讓 AI 寫一段話」，它教「從接到任務到交出成品，每一步怎么走」。一份指南從任務拆解寫到交付標準，中間該調什么能力、該檢查什么結果，都標了出來。

第三，和 TRAE Work 產品深度綁定。這不是第三方寫的「AI 使用心得」，而是 TRAE Work 團隊基于自家真實功能設計的，內容和產品能力是一體的。指南里說的每一步，打開 TRAE Work 就能跟著做，不需要額外配置環境，也不用自己改復雜 Prompt。

用知識庫自己的話說：不講概念，只講做法；不止于功能介紹，而是帶你走完從任務開始到交付結束的每一步。

實測：用知識庫跑通一篇行業深度稿

光翻知識庫不夠，得真用一次。

作為內容創作者，我直接進了「設計創作」場景下的那份指南——「實戰指南｜內容創作者從選題到復盤全流程」。這份指南把內容運營拆成了六個環節：情報輸入、選題決策、內容生產、多平臺適配、物料封裝、數據復盤。前言里有一句話點明了它和普通教程的區別：

「你不再是每個環節單獨求助一次 AI 對話助手，而是讓 AI 沿著流水線把活一段段接著干完?！?/p>

我照著這份指南，把整條流水線跑了一遍。以下是每個環節的實測記錄。

環節① 情報輸入：盯熱點 + 拆爆款。

這是流水線的源頭。指南在這一環節給了三個現成的實戰 Prompt：每日行業熱點簡報、拆解一批爆款提煉公式、盯單一競品動態。

我先按「每日行業熱點簡報」模板發了任務：搜索今日 AI 行業的熱點新聞，覆蓋產品發布、融資并購、政策新規、市場趨勢四類，按重要性排序，每條帶標題、一句話摘要和來源鏈接，最后附一段趨勢點評，存成帶日期的 Markdown 文件。

任務產出了一份《2026-07-23 AI 行業熱點新聞》。它按影響范圍、產業信號強度和來源可信度排了 7 條：Hugging Face 披露自主 AI Agent 驅動的安全入侵事件、歐盟 AI Act 透明度義務指南 8 月 2 日起進入執行節點等。每條都附了來源鏈接——Hugging Face 官方披露、European Commission、新浪財經、財聯社，逐條可點進去核實。

接著是拆爆款。我把 B 站何同學的主頁鏈接丟給它，讓它逐條拆解「前 3 秒鉤子、內容結構、情緒觸發點、結尾互動設計」，歸納可復用的爆款公式。4 分 8 秒后，它產出了一份 HTML 拆解文檔：選取了 6 個代表樣本逐條拆解，做橫向結構對比，最后歸納出 3 條爆款公式，并附了選題使用建議和公開來源鏈接。

以它對 5G 成名作《有多快？5G 在日常使用中的真實體驗》的拆解為例：前 3 秒鉤子被歸納為「用全民共同疑問開場——不是解釋 5G 原理，而是問它到底有什么用」；內容結構是「疑問提出 → 速度體感演示 → 日常場景 → 回看 4G → 拋出未來想象」；情緒觸發點是新技術的興奮感和參與感；結尾互動是「希望五年后再看，速度是 5G 最無聊的應用」式的時間膠囊。

環節② 選題決策：把情報變成選題庫與排期。

這一站的輸入，就是環節①剛產出的文件。指南給的 Prompt 包括按爆款公式批量生產選題、一個月內容排期、起號期選題方向。

我讓它做一個月的內容排期。它沒有直接開寫，而是先反過來問我四個問題：領域、更新頻率、內容目標、發布平臺和發布時間。確認規則后，才生成《AI 工具短視頻一個月排期表》。

排期表的方法來源一欄寫得很清楚，基于「何同學內容拆解」中的三類爆款公式——時代問題體感化、不可能任務參與化、真實痛點產品化。排期策略也不是按工具清單平鋪，而是按「觀眾為什么會點進來、為什么會看完、為什么會關注」來排。

環節③ 內容生產：把選題做成腳本與文案。

選題定了，進入生產車間。指南這一環節的 Prompt 有三個：按模板和選題批量產文案、選題轉口播腳本、仿寫對標腳本框架。

我按第一個模板，讓它做我的短視頻文案寫手：文件夾里放文案模板和選題表，按模板結構把第 1 到 5 個選題各產出一條成品文案，保持模板的開頭鉤子和結尾風格。

環節④ 多平臺適配：一稿多發。

這是指南里我自己體感最省體力的一站。我把知識庫的Trae Wiki 頁面鏈接直接丟給它，讓它讀取頁面、提取可用于傳播的核心賣點，再按平臺語境分別改寫。

任務耗時 3 分 26 秒，產出《TRAE Work 三平臺文案》：小紅書圖文筆記，走痛點和種草表達，配 5 個話題標簽；抖音 30 秒口播腳本，強鉤子、口語化、結尾帶互動；公眾號軟文，約 800 字結構，含 3 個標題備選。

環節⑤ 數據復盤：讓結果回流，反哺下一輪。

內容發出去不是終點。指南的最后一站，是把各平臺數據收回來形成閉環：把數據文件夾丟給 TRAE Work，它直接讀表、按你給的口徑算指標、做透視、標異常，最后生成一段可以直接拿去匯報的結論。

幾個環節跑完，指南最后給了兩個讓流水線「自己跑起來」的習慣，我也照做了：一是把每日熱點簡報這類高頻任務設成定時任務，到點結果就在桌面上，不用重復發指令；二是把爆款公式、文案模板、選題表沉淀成固定文件，每次讓 TRAE Work 直接讀這些文件，產出就能穩定銜接上下游。

整條流程跑下來，耗時約1小時。作為對比，同樣的工作過去通常需要兩天。

拆開看，TRAE Work 的產品能力支撐了什么

知識庫能落地，背后是產品本身的能力。這次實測中，有幾個點值得單獨說。

先交代一下來歷。TRAE 是字節跳動旗下的 AI 產品，最早是 2025 年初發布的 AI 原生 IDE，面向開發者；2025 年年中推出 SOLO 模式，從「AI 輔助編碼」升級為「AI 主導開發」。

今年 4 月，SOLO 從 IDE 中獨立成單獨應用，并首次把服務對象擴展到產品、設計、運營等非技術崗位；6 月，獨立端正式更名 TRAE Work，品牌內涵也從「The Real AI Engineer」（真正的 AI 工程師）擴展為「The Real AI Enabler」（真正的 AI 賦能者）。

從這條路徑能看出一個明確的轉向：從服務程序員，轉向服務所有職場人。

TRAE Work 產品界面：Work 模式入口，支持網頁讀取、調研分析、數據挖掘、文件管理等任務類型

TRAE Work 現在的定位，是面向職場人的專業 AI 辦公平臺，側重學習、辦公與工程執行場景。產品經理、內容創作者、運營、設計，都可以用它寫方案、做分析、處理文件、推進協作，并完成需要持續執行、檢查和產出結果的自動化任務。

產品內部按人群分了兩種模式：Work 模式面向非開發用戶，處理文檔、數據和演示稿；Code 模式面向工程師，聚焦編碼、調試、代碼庫管理和 Git 工作流，兩種模式在同一個工作空間里一鍵切換。6 月底，面向設計場景的 Design 模式也已經上線，從需求到設計再到代碼的全鏈路，在一個平臺里跑通了。

TRAE Work AI 原生工作空間：從想法到交付，支持自動拆解任務、多文件理解、統一工作空間、云端并行執行，Web、桌面端、移動端全平臺支持

和傳統的對話型 ChatBot 相比，差別在于：它能聚合高質量信息源、調用各類技能插件、記憶用戶偏好、輸出多格式成果，是一個集合了不同場景所需工具和能力的綜合型 AI 工作平臺。實測中具體用到的，有四塊能力。

一是Skills 集成。TRAE Work 里有一個技能市場，每個技能本質上是一份寫給 AI 的「專業能力說明書」，按需加載。比如做數據分析時可以調 data-analysis 技能，用 SQL 對 Excel、CSV 做查詢和多表關聯；做圖表時調 chart-visualization，它會從 26 種圖表類型里自動選最合適的一種；做封面配圖時還有 canvas-design 技能生成靜態視覺物料。官方整理過一份「必裝的 14 個 Skill」清單，覆蓋開發、分析、設計各個環節。這次實測里，檢索、寫作、排版各環節就是不同技能各歸其位。

二是自動化任務。像每日熱點追蹤這類需要持續執行的工作，可以設置成自動化任務，讓它定時推進、檢查結果、產出成果。任務在云端執行，不占用本地資源，復雜任務還能多個并行。

三是網頁分享。成果可以一鍵生成網頁鏈接交付，對方不用裝任何東西，打開鏈接就能看。

四是多端協作。桌面端、網頁版、移動端共享同一套賬號和任務數據，實時同步。移動端更接近一個「任務調度中心」——支持語音輸入需求，把任務派發到云端或指定電腦，通勤路上也能推進工作。

TRAE Work 覆蓋 Work、Code、Design 三種模式：Work 模式面向文檔、數據、演示稿；Code 模式面向編碼調試；Design 模式面向設計需求

這些能力單獨看都不算新鮮，但和知識庫配合后，邏輯就通了：知識庫告訴你每一步該做什么，產品能力保證每一步真能做完。

從一本知識庫，看 AI 辦公平臺的競爭轉向

跳出這次實測，這本知識庫的走紅，本身是個值得注意的行業信號。

上線 6 小時 1.8 萬訪問，說明市場對「怎么用 AI」的渴求，可能已經超過對「哪個 AI 更強」的圍觀。桌面辦公 Agent 這個概念火了很久，但橫在大多數用戶面前的障礙從來不是算力，也不是模型榜單上的名次，而是缺少一份「一讀就會、照搬即用」的說明書。

這個空白背后是更宏觀的現實：過去一年，AI 編程工具在開發者群體里滲透率快速提升，但非技術崗位的 AI 滲透仍然很低。產品經理、運營、市場、分析師，每天的工作同樣是大量可被 AI 接管的流程，只是沒人告訴他們第一步該踩在哪。誰先把這個人群接住，誰就多一塊巨大的增量市場。

這意味著 AI 辦公平臺的競爭，正在從模型層轉向工作流層：誰能把 AI 能力翻譯成真實工作流，誰能把場景知識沉淀下來，誰就先拿到入場券。各家大廠的路徑并不相同——有的從企業協同切入，有的從流量入口切入，而字節這條線的做法，是把工作臺和工作流做深，再用一本知識庫把門檻削平。

知識庫和產品一體化，是 TRAE Work 給出的解法：知識庫負責回答「怎么用」，產品負責回答「用什么做」，兩者互為入口。從 IDE 到 SOLO 再到 TRAE Work，18 個月完成從編程工具到全員工作臺的轉身，再加上 Design 模式補齊從內容創作、數據分析到視覺設計的全工作鏈條——從這個節奏看，TRAE Work 入局 AI 辦公平臺市場，是有備而來的。

TRAE 官網首頁：「全新 TRAE Work BETA——不止于碼，大有可為」，支持研讀論文產出綜述、調研生成匯報 PPT、數據分析、網站開發等任務

結尾：每個人都能用 AI 專業工作

回到開頭那個問題：為什么是這本知識庫被圍觀？

我想答案不復雜。AI 行業的敘事長期屬于模型和榜單，而普通人需要的只是一本能照著做的工作手冊。TRAE Work 用 40 萬字、7 大場景、30 多份指南，把「從今天起，每個人都能用 AI 專業工作」這句話，落到了具體的每一步操作上。至少在我的這次實測里，「AI 工作搭檔」這個詞，第一次有了具體的形狀。

目前 TRAE Work 官方知識庫已上線，7 大場景、30+ 指南全部開放，感興趣的讀者可以自行查閱體驗。