如何构建属于自己的知识引擎？社群开放申请
费曼学习法 · 元宇宙趋势· 知识库 · 知识图谱 · 推荐引擎
shadow ：
从2018年起，我就一直在琢磨知识引擎。应该如何实现适合自己的知识引擎？最近，了解到不少数字内容的消费场景，我认为知识引擎应该被结合到数字内容的消费场景里。这样的学习才有了输出，有点Learn2earn的感觉。
#
Meta 数字服装店
小红书 R-space
#
超级QQ秀
虚拟空间
超级 QQ 秀
把虚幻引擎塞到了QQ里，用户可以捏脸、换装、拍同款，同时还能拥有自己的虚拟空间，通过买卖各种虚拟商品来装饰自己的虚拟空间。
QQ 频道
一种新的娱乐协作方式，用户可以通过QQ频道找到来自不同地点、从事不同职业，但有着共同爱好，在共同频道里聊天、直播、创作……
费曼学习法 ：
在一个需要向别人传授的场景中Teach - 以教代学。用他人能够理解的方式和最简单的语言，向不熟悉该知识的人解释这些知识。
在构建知识引擎的过程，我意识到数据才是核心，最早是通过类似于爬虫的方式，广泛索引各种信息，但是太宽泛了，这种方式构建的知识引擎，不太好用。于是，我同时建设了知识库。
动态更新，我一有空就整理知识，打上标签，通过标签整理、更新知识，积累了大量的标签。通过标签分类的内容，覆盖了：产品应用、文档、研报、趋势、论文、案例、开源代码、演讲稿、PPT文件等各类资料。
目前已经积累了1913条的数据，需要进入下一个阶段了。升级第一步：标签系统整理并开源，以图谱的方式展示，进一步帮助用户拓展知识点。
shadow ：
在2021/9/24 我记录了一条思考：去传统的专家、龙头企业、头部力量，为新兴领域寻找机会点。颠覆传统媒体的商业模式，提供一种全新的社交媒体体验，不是因为需求在哪要去解决，而是可以提供什么样的社交媒体体验，用户来体验，从而创造价值。
数字化，基于知识引擎的内容整合。碎片化，自动化整理碎片化聊天社交产生的内容。可编程经济？交换什么价值？整合工作流。
ML686 ：
最近刚手动改造了一下这些APP推荐的权重。感觉这种推荐算法，用久了内容非常的同质化，内卷过度，根本没有「 新鲜血液 」进入，我是手动给原本经常看的内容都点了「 不推荐内容/不喜欢 」，把这些权重重新打乱之后，才有了新内容进来 关于知识引擎，感觉除了「 我订阅的 」，也可以少量加入有一些「 我未关注的领域 」，「 非惯用领域 」之类的，有时候跨领域的知识，在未来的某个时候会非常管用。
shadow ：
好建议！这个分类也蛮清晰，需要传达给用户。
opus ：
欢迎加入#知识引擎研究小组，一起探索适合自己的知识库产品。
备注：知识引擎
活动推荐