TRAE Work已正式上岗 成为我的教学小助理

本文讨论一下一个 ai 用例。

作为一位大学老师的我,目前正在暑假中。暑假就我而言,通常还是有一个活要干的:为下学年的课程做一些准备工作,包括且不限于课纲制定、课件制作和材料准备。

我是一个以实务教学为主的老师,实务教学的特点就在于和现实世界捆绑很紧。科技发展这些年势头很猛,甚至到了有让人目不暇接的感觉。这使得我年年都需要做一些调整,有时候还面临重大模块增减:比如我刚到交大教书时,世上是没有短视频平台、算法推荐这种事的。当然,作为大学授课还是需要有一定稳定性,不可能今年什么事火立刻就进行模块级别的调整,看个一两三年还是有必要的。

今年暑假,基于 AI 的大发展,我深感需要对我这门《互联网与新媒体实务》做一次重大的模块更新。这个领域前两年上课不是没提及,而是感觉还是缺少浓墨重彩的有体系梳理。

我几乎算是一个 ai 投降派——一种先对 ai 敞开怀抱大胆去用然后再小心谨慎而非唯ai是从的姿态,这活不可能不弄个 ai 工具来帮忙。

这次我选用的是TRAE Work,字节出品的一个搭载ai agent的工作平台。我较早时听说过 TRAE CN的TRAE IDE,但因为是以编码为主,和我这个文科教师关系有点远。但这次的TRAE Work 我应该能用得上。

作为一门紧贴互联网真实商业世界的实务课程,大致上有以下几个特点:

其一,缺少成型的教材——我自己从未使用过教材,完全靠 PPT。尤其是这些年才发生的事。在互联网作为一个新媒体方向上,对古早发展历程的梳理,有诸如彭兰教授的早期作品《网络媒体的第一个十年》,进行了偏学术化的论述。但之后确实非常罕见。而即便彭教授这本大作,也很难真当教材使用,更多意义上是一个教辅读物。

其二,虽然缺少教材,但相关资料却又是汗牛充栋。市场上有大量关于互联网商业史的书籍,比如我的朋友林军就有两部大作:《沸腾十五年》、《沸腾新十年》。我个人也很推崇吴军的《浪潮之巅》,当然还有更多的类似书籍,不乏佳作。有一说一,我人力上也不可能都看得过来,即便看得过来,也未必都能记住。更重要的是,这些资料其实依然是需要互相印证的,不能偏听偏信。

其三,有一些专有技术概念,本身也会成为一本书籍的厚度。比如推荐算法,这四个字就有大量的书籍。基于推荐算法,还有广告方向上的实务操作。我看过刘鹏王超合著的《计算广告》,是一个相当不错的教辅书籍。

其四,当然还有大量的媒体报道,如果仅看公认为主流科技媒体的重磅报道,基本上一周冒出来一篇的频次也许夸张,一个月冒出来一篇却又有些保守。这意味着其实存在不断在更新的所谓热点事件和热点分析。

其五,中国互联网的发展,事实上受大洋彼岸的美国互联网影响很深,无论是资本角度,还是商业模式角度,甚至包括组织架构体系构建。中国网络商业,有着长期的所谓c2c(copy to china)模式。虽然这门课主讲中国互联网新媒体的发展,但不可能不涉及美国的情况。比如行业里一个很常见的概念长尾理论,就来自于美国连线杂志主编安德森的著作,这是不可能绕过的。

最后,虽然不是主讲互联网法律法规的课程(这种课程,学校另有设立),但也不可能不涉及一些最基本的法律法规。

这些特点总结下来,就是授课教师其实需要一个偏向知识库且能进行推理、提炼乃至具体执行的 ai 产品。

而TRAE Work,很好地完成了我的任务,我确信这个产品,会正式上岗,成为我的小助教。

第一步就是建立本地授权文件夹,将我能想到的所有资料全部置放进去,当然后续也可以不断补充添加。然后置放我过往的课件,这是给 ai 确定一个大致的框架,光凭一个课程名字就让 ai 去工作,未免过于放飞。我的主线是基础导论、基于单向大众传播为主的门户、用户拉取信息的搜索、UGC用户贡献内容的兴盛、算法推荐与社交分发对传播基础模式的重构,最后需要新增ai对内容行业的影响。这是最为底盘的模块建构,只能人力去干。

然后就下达指令:作为一名新闻传播系的专业课教师,在这门本科课程上,以本人过往课件为主框架,配置文件夹里的各种文档资料,该制定怎样一份课程纲要。

TRAE Work 一顿操作,出具了第一份课纲。我猛然意识到学校对课纲的要求还有”需配置思政点”的要求。于是追加了指令,大致呈现了如下结果(这里展示第四部分具体课程安排的第一个模块):

尤其是配置思政点这件事,我个人表示很叹服,就它了!

第二件需要做的事,就是在几轮课纲讨论完善后,制作课件。我是出了名的PPT极度简约(或者叫简陋也可以),这件事我从来不在意。当然,AI能做就做一个我瞅瞅吧

(左侧我手搓版,右侧为机搓版,审美这个东西见仁见智,你们自行判断就好。我反正就三个字:无所谓)

另外还有件事也很重要,我这门课是闭卷考试课,每学期期中期末两份各ab两套卷,且学校对历年考卷的题目重叠度有要求,AI能不能帮我出卷?

要单独把多端同步这件事拿出来说一说。这里的重点不仅仅是一个信息同步,而是一个”工作流同步”

TRAE Work不仅有桌面端,还有移动端,经过一定的权限设置,两端是可以同步的,且移动端可以给桌面端下达指令。这意味着你在地铁里忽然想起某个地方需要调整、需要制作,完全可以摸出手机来下达指令,让TRAE Work执行。

如果只是这样,也没啥特别了不起的。

但对于我这个时刻需要跟进热点趋势的教师来说,很重要。利用手机端看到一些信息,尤其是重点报道、热点新闻。我历来认为,”时效性”是一个文科实务教师非常需要用心的地方——用三五年前的案例来解释理论规律,不仅学生可能一脸茫然导致沉浸感太差,也和今天多变的社会结合欠紧密。

我自己在另外一个大学还有门叫《社会化媒体与社交网络》的研究生课程,有学生发给我小红书上学生对我这门课的评价,老实讲,我还是有些自豪的(作业形式在ai盛行的今天,确实要考虑调整一下,:)

由于我使用的是苹果系列(mac和iPhone),所以基本依靠iCloud。在iCloud中设定一个名为《素材库》的文件夹,于是就可以做到看到什么文件就往里扔什么文件,成为TRAE Work备课的资料。当然也可以直接发送链接,让其抓取页面,提炼关键信息,写成一个 素材记录_YYYYMMDD.md 文件存进《素材库》(当然,并不是所有的页面都可以抓取,比如建立收费墙的媒体报道页面)。

然后就可以直接在手机上下达指令:将刚才的素材植入下节课我要讲的第四讲ppt中,作为MiniMax上市这一页的补充信息。至于自己,继续去刷想刷的东西吧。

这就是我说的”工作流同步”。

我只是挑选了几个我正在用的TRAE Work功能,还正在学习它的官方知识库去更好地使用这个工作平台。

形成一些结果后,发给了我交大媒体学院的同事,对方是这么回答我的:

我大笑,免费的,赶紧去下载一个摆弄摆弄吧。

有几个看法,我还是要说一说。

第一个我经常碰到,所谓国产大模型不行。这个事是一个很大的刻板印象,或者这么说,国产大模型并没有不行到需要凡事都祭出这一句话的地步。bot和LLM是有区别的,今天很多人的这个刻板印象大概是在bot上。至于啥区别,基于可见的原因,我就不展开了。

如果你实在要用别家的,TRAE Work是可以调用第三方模型的,当然也就要烧你自己的token,花点。

第二个也是我经常遇到的,ai有幻觉,不可信。老实讲,我觉得很多人高估了自己,总体而言,ai的算力和存储一定强于你。承认对方比你优秀,和你并不百分百唯ai是从,并不矛盾。敞开怀抱大胆先用,然后小心求证,这个道理很难懂么?更何况,这种偏知识库的产品,都是你指定文件夹指定文件基础上进行工作的,而不是整个互联网满世界去找有可能纯属扯淡的信息。

第三个是我对教师这份职业的认知。我将之粗糙地分为事务性工作和表演性工作。前者有大量的案牍劳神,包括且不限于课纲课件作业考卷——事实上,有些学术大拿这种事都会让自己的研究生助教去干。后者才是教师的核心能力。课堂教授,根据实际情况临时调整,与学生互动。我之所以称之为”表演性工作”,无非就是”台上一分钟,台下十年功”的另外一种表述。在这个主业上,依然是人类教师的范畴,至少当下如此。

我真心觉得,TRAE Work这个产品,很值得文科教师用上一用。甚至充点值成为速通PRO会员(首月59块)也没啥不可以。

这价还挺值。

AI 时代 我们该怎么读书 顺便介绍一个小工具

总体而言,本篇不涉及文学作品。比如小说这种东西,另有读法。

读前提示,本文略长,公号后台统计说,四千余字。

所谓开卷有益,大体是正确的。读书当然有好处。

但书本身只是一种载体,承载着他人智慧的载体。要是把这个载体等同于智慧,那就是佛家所谓的“着了相”,是人类制造的一大幻觉。

禅宗有个著名的“指月之喻”:手指头指着月亮指出月亮在哪里,但手指头本身,绝不是月亮。

所以,对书籍这种载体别太迷恋,以至于到了还非说纸质书比电子书“高级”的地步。

事实上,书籍并不在知识界内处于顶端的位置。我当初刚读研时,还很好奇为啥老师上课时提到的某些大牌教授出书不多(但绝不是零),想找点其人著作就没多少。老师告知曰:还在活跃的大牌教授以写论文为主。当你看到一个教授一本接一本的书出的时候,这个教授大约就是快退休了。老师还反复教育我:有时间多看论文为宜。

今天这个时代,著作等身没什么了不得的。出书的门槛,比发顶刊论文,低多了。

所以,我先建立一个大前提:在当下,别把书籍这种载体,太当回事,它一点不神圣,也没啥特别的意义在。

要害是:把关。

面向公众发表内容这件事门槛越低,总体质量就越需要小心。顶刊的论文把关很严,相对来说靠谱性最高(当然我不是说百分百)。书籍在把关审核序列里是排名靠前的,所以书籍总体来说,比一般媒体文章靠谱。网文的序列最低,所以越需要小心——比如我这篇文章就约等于零把关。

同样的,不同出版机构厂牌也代表着不同的把关度,不同的媒体厂牌也代表着不同的把关度。在这个意义上讲,把关二字,即专业。

这个理念说穿了一点也不神奇,但在具体应用上,有着肉眼可见的好处。此文后面我会介绍一个小工具,基本出发点就是利用了这个理念。

但不得不承认这样的事:买书如山倒,看书如抽丝。这种状态极其常见,以至于有些人会秉持买了就算看过了的自我安慰心理。归根到底,因为书是一个人脑算力与计算标的有着巨大矛盾的东西:1)计算标的是《量子物理学教程》,我一个文科生脑袋算力处理不了,这个叫超纲(芯片不行);2)计算标的是《鲁迅全集》,18卷700万字,信息太多,算力处理起来极累,这个叫超量(存储不够)。超纲超量的结果都是一个:放下。

面对前一种情况,要明白人类世界总有些东西是你无法理解的,这并不值得多么沮丧。而且非要去理解也不是不行,一步一步来,直接从一楼到二楼跨不上去,搭个梯子一个台阶一个台阶上总可以。但通常的问题是第二种。

这就是我一直说的,书作为一种内容,颗粒度太大。你需要降颗粒度,也就是必须把它碎片化。

别惊讶,很多人说碎片时代碎片信息碎片注意力,一提到碎片,似乎就是坏词。对碎片不加区分地攻击,纯属装逼性质的扯淡。系统理解系统掌握也是一个碎片一个碎片这么积累起来,想想你小时候读书是不是这么过来的。

哪里只有千里没有硅步的混账道理。

划线其实就是一种“碎片化处理”。划线大多数是出于“这句是金句”、“那句是重点”的意图,当然也夹杂着“划过就是记住了”这类类似买了就是看了的心理状态。

可能是从小这么教育出来的缘故,很多人成年后读书依然喜欢划线,以至于微信读书把它做成了一种社交功能:你能看到别人划的线。这个功能甚至产生了某种现实幽默:有人发现波伏娃的《第二性》起手章节划线很多,越到后来划线越少。这本大名鼎鼎的煌煌巨作,看来开了卷能看到底的人,还是少数——算力不足以承担计算标的。

微信读书还做了批注的社交功能。也许真有人喜欢在读书的时候“社交”,这玩意儿就像视频的弹幕功能,不仅将颗粒度极大的视频内容降颗粒度——我表示这几帧画面很好笑但我并不是表示整个视频很好笑——还能引发共鸣。我个人对读书社交化有着强烈的不适。不过也不奇怪,我连视频弹幕都很少看。我并没有孤独到要用这种方式来找共鸣的地步。

微信读书有个skill最近挺热门,据说还被顶上了热搜。这个skill看介绍说是能帮助你提取各种阅读过的划线和批注。然后加以整理,重新组织这些阅读痕迹。

我因为没有划线批注的习惯,所以没有试用过。但重组阅读痕迹,确实是一种重组小颗粒度碎片的做法。

我们来看一下一类书籍:教材。

一本标准的教材撰写风格就四个字:述而不作。教材编写者是没有立场的,也是没有观点的。ta要做的事,就是在既定领域里,把张三李四王五赵六的看法综合起来。这些看法全部来自于各自的学术专著或论文。教材就是一种提取碎片然后加以整合的工作。

而好的教材则是在这个基础上,将可能晦涩难懂的学术观点加以不失原味地浅显化表达出来,或者不一定浅显,但有一定的阅读体验。好的教材还是要讲点文字表达能力的。

但有一点确实要承认,教材在这两个步骤里,会丢失部分信息。比如张三的看法,有着庞杂的推导过程,这一部分可能会被教材略去。教材也有可能用一些案例、比方来说明张三的看法,可能未必能百分百对应。所以,如果一个读者真得想全盘了解张三的看法,教材只是一个勾子。但如果只是想略微掌握一下并没有深入的意思,其实教材确实是够了。

这就是碎片和系统的关系。

教材用一个界面(教材这本书)在整合展示既定领域里海量书籍的信息(这里还有一定的把关成分,有些观点完全不值得介绍,有些观点需要浓墨重彩一下)。它帮助读者降低了计算标的,让读者的算力足以能去处理。明白了这件事,你就能明白接下来我要介绍这个工具的意义。

这个工具其实是一个知识库性质的。。。软件(其实它是一个agent,功能很垂,就是文档分析)。市面上不是没有成型的知识库,比如腾讯出品的IMA。但我觉得友人风端介绍我并强力推荐的这个agent更好,唯一的缺点是需要支付点散碎银子,但真得是散碎银子,不值一提的那种。

首先,下载安装claude desk。去a社官网获取。

其次,下载安装cc switch。去github获取。

最后,获取deepseek的api,略微充点钱(比如我充了200块)。

经过一番简单配置,你就获得了一个agent,风端命名为“脚手架”,他甚至还给这个脚手架做了一个skill来完成向量化运算。但考虑到他的这个skill对显卡要求很高,我的m4跑过一次,机器从来没那么烫过,就没怎么用过。

早期的claude desk可以很方便地在其中调用第三方大模型(比如deepseek)的,但现在的版本基本关掉了这个通道。所以需要一个cc switch来开一个后门。之所以要调用ds,道理很简单:性价比最高。ds的token价格只有a社的八十分之一,而且这点也很重要:你在使用这个脚手架的时候,完全不需要什么额外的上网工具。

脚手架的核心原理就是它不使用web search。在这件事上其实我迷糊了很久,后来自己想出了一个炒菜的比喻:使用bot就是菜得ai自己找,然后它炒菜。使用这个agent,原料变成我自己找的,然后它炒菜。

当你提出某个需求时,bot会去互联网上找各种信息(找菜)拼凑一个答案给你(炒完装盘),但其实web search有很大的问题,ai缺少鉴定好坏的手段——它只知道概率。但使用agent,往一个指定的workspace扔一点书,让ai就这些书里的信息进行回答,会靠谱很多。因为书籍本身就已经有把关过程了。菜是我找的,我依赖的,只是ai的炒菜能力——归纳、推理诸如此类的能力。而这些能力,人脑是完全不能比的。

我对硅谷那边诸位ai大佬之间的恩怨情仇有很强的八卦需求,我特别想吃这类瓜。

但如果你直接问一个bot——比如gemini好了,告诉我一下奥特曼、哈萨比斯、马斯克之间的瓜,一来可能料还是不够多,二来bot经过一番web search,未必可信。

大量的传记书会记载这些事。由于有着层层把关的程序,基本上可以相信这些事确实发生过。但由于传记有着各自不同的立场,所以叙述方式会不同,侧重点也不同。阅读大量的传记确实是一个好法子,但极有可能,人脑的存储无法承担,也就是看过就忘,或者模模糊糊记得。

有了这个脚手架,这个需求就会被非常容易地实现。我在授权文件夹workspace里放入了一些ai传记书籍,然后我和agent有如下对话:

agent其实洋洋洒洒写了六大点,后面还进行了四个层级的分析,太长了,就不展示了。

类似这样的需求,是可以让谷歌家的notebookLLM实现的,但我试过,路径通,但效果一般。也许和工程能力有关。风端的看法是,claude desk拆解你指令转化为若干任务的能力极佳,最好当然是用它家模型,但价格差异如此之大是不得不考虑的。deepseek v4 pro的能力可能是性价比最优的。

可以把这个吃瓜需求进行推演,比如说,你想了解某公司十年以来的财务表现。问bot可能真会出现幻觉,但你用这个agent,在文件夹里放入十年半年报、年报的pdf文档,这是一个非常好的利器,因为它不会web search。

这是一个知识库工具,但我不认为它可以替代读书。

它能做到的事是,让你读书变得更为快速。我自己一向有“不求甚解”的心态,看到比较烧脑的内容,我会跳过——我一向认为反复纠缠于个别烧脑内容,是会摧毁你的读书习惯的——可能会动用书签夹一下,提示自己有空有心情的时候再来好好用用算力。

重要的是先了解个大概,然后愿意的话,细细琢磨。这套脚手架给我这个习惯提供了很大的助力。以前的书签都白夹了,我很少真会有那个好好用用算力的时刻。但现在,这些锚其实是有用武之地的。

更重要的是,它能做到破壁。若干本书中的信息点被打碎,然后重新组合。这是电脑远超人脑的地方。但前提是,你得先了解个大概,否则你大概只会提一个问题了:这本书讲了什么,给我归纳一下。

文学作品,不是这么读的。体验文学作品,ai几乎是没用的。

我举个例子。

有个叫“小雨的名著时光”的up主,最近分享了他对水浒传中一句话(够碎片了吧)的看法。这句话出现在林教头风雪山神庙这一节中,原话是这么写的:“把尖刀插了,将三个人头发结做一处,提入庙里来,都摆在山神面前供桌上”。

这个up主有同名公号,我简单搜了搜,他撰写的和风雪山神庙分析的文章里,没有提到这个细节。他的同名视频号也没有这个内容。我就这里简单归纳一下:

up主说,为什么要写三个人头发结做一处呢?直接写“把三人首级摆在山神面前供桌上”不就完了吗?因为首先要说明林冲打算就跑一次,而不是先拿两个头进去,再拿一个头进去,而是打算一次性带进去完事,表明林冲内心其实是有些担心被附近人撞见深怕逗留太久的。而人的头颅其实重量不低,三个加一起得有大几十斤重,且鲜血横流容易脱手,加之雪夜极冷,需要一点额外的法子,才能一次性带上三个头进庙里。把头发结在一处,单手就能提上,另外一只手还可以继续拿着武器以防不测——再次提醒读者林冲心中的戒备。讲者表示,施耐庵绝对是有具体经验的,没这种经验根本写不出“三个人头发结做一处”这种细节。

我知道水浒传那种写实主义风格的残忍,武松飞云浦之后的各种表现,你读得稍微慢一点就可以品出来。但像这位up主这么分析这一句话,确实没做到。回头再去体验体验,细品细品。

雪夜山神庙入选了当下统编版语文课本,供高一年级下学期学生学习。不晓得今天的语文老师敢不敢在课堂上这么给一堆未成年人做如是分析。

文学作品是这么读的,所以ai帮不上,但依然还是那句话:碎片不是罪恶。

—— 首发 扯氮集 ——