泛
11 月 6 日 · 5 分钟
泛
泛娱乐 · 10 月 22 日 · 2 分钟
用知乎语料库搭了个刷知乎系统
关键词：知乎、语料库、文本匹配、TOKEN、TTS、opencode、推荐列表
摘要：今天最酷的事是做了个刷知乎的系统。手头没有知乎最新内容，就下了几个GB的知乎问答语料库做文本匹配试验，内容范围很广，不介意时效性的话刷历史类问答挺愉快。目前实现方式是根据用户提问让AI挑关键词去搜问题和回答，匹配数合适就直接展示，尽量不用AI以省token，朗读用浏览器自带TTS，将来要求高再调语音合成API。细节交给opencode整理成文档备查。
[] 刷知乎系统的由来与语料库
摘要：今天最酷的事是做了个刷知乎的系统。手头没有知乎最新内容，就下了几个GB的知乎问答语料库做文本匹配试验，内容范围很广，不介意时效性的话刷历史类问答挺愉快。目前实现方式是根据用户提问让AI挑关键词去搜问题和回答，匹配数合适就直接展示，尽量不用AI以省token，朗读用浏览器自带TTS，将来要求高再调语音合成API。细节交给opencode整理成文档备查。
[] 刷知乎系统的由来与语料库
说明里标出的时间点，点一下跳过去
本期看点
AI 从整集转写里归纳的，不是节目方的宣传语
最值得听的
把 AI 压缩到只做「从提问里选关键词」一步，检索匹配全在本地，是一条明确的省 token 路径。
别处听不到的
作者自己下载几 GB 知乎问答语料跑通的系统，取舍来自他本人的实际试验。
为什么值得听
AI 读完整集转写后给出的推荐理由
一个人用几 GB 的知乎问答语料，搭了个能「刷知乎」的系统。他没有接知乎的实时内容，而是让 AI 只做一件事——从你的提问里挑出关键词，剩下的检索和匹配全在本地完成，为的就是省 token。连朗读都先用浏览器自带 TTS 顶着，等要求高了再换语音合成。一分半里讲清了一条低成本做个人问答应用的路径。
本期概要
由 AI 从整集转写生成，是创作者说明之外的补充
作者记录了自己搭建「刷知乎」系统的过程：没有接入知乎最新内容，而是下载了几个 GB 的知乎问答语料库，用于验证文本到文本的匹配。系统流程是用户提问后由 AI 选出关键词，再去语料库中检索提问与回答并做匹配计数，匹配合适就直接展示。设计的核心约束是省 token，能不用 AI 就不用；朗读先用浏览器自带 TTS，将来有更高要求再接语音合成 API。具体实现交由 opencode 完成并生成文档备查。
章节
点一章从那里开始播 · 与创作者标的时间点各自独立
00:00
用几 GB 知乎问答语料做匹配试验
00:47
AI 只负责选词，其余交给本地检索
01:18
朗读先用浏览器 TTS，实现交给 opencode
本期提到的品牌与产品
节目里自然聊到的，不是广告
知乎作为问答语料来源被提及，未接入其最新内容
00:00正面
opencode用于实现系统并生成总结文档
01:29中性
TTS先用浏览器自带 TTS 朗读以省钱
01:18中性
泛
这一期适合谁
AI 对内容的推测
听众画像25–34 岁为主 · 偏男性 · 消费力中等
更适合对 AI 应用开发感兴趣的开发者
这一期偏哪一派
沪派 · 编辑部式先立选题、查好资料，把专业知识翻译给你听。主播像编辑与策展人。
京派 · 熟人局式主播人格是内容本身，跑题与笑声皆有价值。选题只是聚会的由头。
☕🧄 这个比喻出自 2009 年周立波的一句「喝咖啡的怎么能和吃大蒜的呆在一起呢」；郭德纲后来在《你要高雅》里回了一句「雅和俗分不开，喝着咖啡就着大蒜，秋水共长天一色」。我们借它标注风格取向 —— 两端没有高下，编辑部式与熟人局式都能做出极好的节目。
略偏沪派内容由一次技术实验的问题与方案驱动，主播以记录者身份交代设计取舍，而非熟人闲聊
在哪里听
http://www.ximalaya.com/album/46898583.xml复制概要、章节、提及与推广标注由 AI 生成，可能有误；内容版权归创作者，声湃按创作者开放的 RSS 收录。了解收录与 RSS →
更多单集 全部 1061 期 →
泛
11 月 6 日 · 5 分钟
泛
11 月 3 日 · 13 分钟
泛
11 月 3 日 · 20 分钟