前几日在 coze&掘金 深圳活动上，被现场很多 idea 启发，也分享了自己调解和持续用了半年多的 WeCapture，意外获得了最佳解决方案奖。

WeCapture 主要是解决个人信息源过多看不过来的问题(同个AI热点有不同解读，但并没有太多信息增量)。

WeCapture 输入一个公众号文章链接，返回文章结构化的内容信息和 AI 帮助阅读的信息，1min内能帮我决定一篇文章是否要阅读原文和深度思考的时间，比直接读原文高效。

做的过程主要有两方面思考：

---
👉🏻信息处理其实是一个流程：Capture --> Filter --> Organize --> Recall

不同人的信息处理需求其实是分层的：

1. 大部分人是看过就算了，不需要 capture

2. 一部分人需要 capture&&filter，比如很多"囤积癖"和"收藏侠"

3. 一部分关注建立个人信息系统的，有强烈信息整理的需求，往往需要对信息打标签，分类整理好知识

4. 只有一部分专业知识产出的人，比如公众号主写文章的，Youtuber 等做视频的，建立个人信息系统(Second Brain) 的核心诉求是对知识 Recall 然后输出

因此我在 WeCapture 的输出时比较关注信息处理流程，

>【结构化信息、信息浓度指标、一句话总结、文章核心内容、原文金句】都是在记录原文信息，核心是 capture&&filter

> 【关键词、面向人群】核心是为后续 organize

>【AI问题、关联阅读】核心是为了激发读者阅读原文后进行更多思考，recall

---
👉🏻写好 prompt 有时意味着自己必须是该领域的资深级别，这样才能问出好问题，写出好要求。

不过倒是有技巧可学，本着学之取之互联网，分享之互联网的精神，把自己从各处学来的 prompt engineering 分享在飞书文档，感兴趣可以👇🏻

av9wgnkhac.feishu.cn