标题、摘要、正文：AI搜索如何扫描你的内容
你花3小时写完一篇5000字文章，AI只用0.3秒扫描完。但它到底看了什么？
标题看了，摘要看了，然后…跳过了你精心打磨的2000字论述，直接提取了第4段的那个表格。
为什么？
因为AI不像人类从头读到尾，它有特定的"扫描路径"——先看标题判断主题，再看摘要提取核心观点，最后跳跃式扫描结构化要点。你优化了内容质量，却没优化AI的"阅读习惯"。
你的内容，要从"给人读的文章"进化到"给AI扫描的信息源"。塔迪今天就跟你聊聊，AI的"眼睛"到底怎么工作，以及如何让你的内容在0.3秒内被AI"看懂"并引用。
AI扫描的真相
AI不是在"阅读"你的文章，而是在"扫描+提取+重组"信息，整个过程像外科手术一样精准但冷酷。
这是99%创作者没意识到的现实：
| 人类阅读 | AI扫描 | 关键差异 |
|---|---|---|
| 线性的，从头到尾 | 跳跃的，直奔关键点 | AI不care你的铺垫 |
| 理解上下文和情绪 | 提取数据和结构 | AI不懂你的文采 |
| 看重论证过程 | 看重结论和数据 | AI要答案不要故事 |
| 阅读时间：3-5分钟 | 扫描时间：0.3秒 | AI速度是人类600倍+ |
| 能理解隐喻和类比 | 更偏爱明确陈述 | AI喜欢"大白话" |
举个残酷的例子：
某营销公司的Blog文章：
标题：《营销的本质》
摘要：（无）
正文：
"在这个信息爆炸的时代，营销不再是简单的广告投放...
（铺垫500字）
...真正的营销核心是理解用户需求...
（论证800字）
...通过数据分析，我们发现转化率提升的三个关键要素...
（案例600字）
...总结来说，营销需要...
（结尾300字）"
人类读者： “嗯，写得不错，有深度”
AI扫描结果：
- 标题：主题太泛，无法判断具体内容
- 摘要：缺失，无法快速提取核心观点
- 正文：2200字，AI扫描发现"转化率提升的三个关键要素"，但被淹没在800字论证中
- 结论：无法引用（信息密度低，提取成本高）
优化后：
标题：《B2B营销转化率提升300%：3个数据驱动策略（2025实战）》
摘要：
基于127家B2B企业的实测数据，本文揭示提升转化率的3个策略：
（1）精准用户画像（转化率+120%）
（2）内容个性化（转化率+95%）
（3）自动化nurturing（转化率+85%）
包含完整执行步骤和数据对比。
正文：
## 策略1：精准用户画像
| 维度 | 优化前 | 优化后 | 提升 |
|------|--------|--------|------|
| 转化率 | 2.1% | 4.6% | +120% |
...（具体步骤+数据）
AI扫描结果：
- 标题：明确主题（B2B营销+转化率+具体数字+年份）
- 摘要：核心观点清晰（3个策略+数据支撑）
- 正文：结构化+表格+数据完整
- 结论：可直接引用（信息密度高，提取成本低）
AI扫描的三个层级
层级1：标题扫描（0.1秒）—— AI判断"这是什么"
注意力机制（Attention Mechanism）模仿人类认知，让AI动态聚焦输入数据的最相关部分。就像人类阅读句子时，大脑不会平等对待每个词，而是关注关键词来理解含义。
AI扫描标题时，通过Query-Key-Value（QKV）框架计算注意力权重：
- Query（查询）： AI当前正在"寻找"什么（如"关于营销转化率的内容"）
- Key（键）： 标题中的每个词作为标识符
- Value（值）： 词所承载的实际语义
AI计算Query与每个Key的相似度得分，经过Softmax归一化，生成注意力权重，决定关注哪些词。
标题中AI最关注的5个要素：
| 要素 | AI识别方式 | 权重 | 示例 |
|---|---|---|---|
| 主题词 | 领域专有名词 | ⭐⭐⭐⭐⭐ | “GEO”、“转化率”、“知识图谱” |
| 问题陈述 | 疑问词+痛点 | ⭐⭐⭐⭐⭐ | “如何”、“为什么XX失败” |
| 数字 | 具体数据 | ⭐⭐⭐⭐ | “300%"、“3个方法”、“2025” |
| 价值承诺 | 动词+收益 | ⭐⭐⭐⭐ | “提升”、“优化”、“实现” |
| 时效性 | 年份/季度 | ⭐⭐⭐ | “2025”、“Q1最新” |
标题优化对比：
| 标题类型 | 案例 | AI理解度 | 引用概率 |
|---|---|---|---|
| 泛泛标题 | “营销的艺术” | 20% | 低 |
| 主题明确 | “B2B营销策略” | 60% | 中 |
| 问题导向 | “B2B营销转化率低怎么办” | 75% | 中高 |
| 数据+方法 | “B2B营销转化率提升300%：3个策略” | 90% | 高 |
| 完整标题 | “B2B营销转化率提升300%：3个数据驱动策略（2025实战）” | 95%+ | 很高 |
关键洞察：
AI扫描标题的注意力权重不是平均分配的。以"B2B营销转化率提升300%：3个数据驱动策略（2025实战）“为例：
- “转化率提升300%“获得40%的注意力权重（核心价值）
- “B2B营销"获得30%（主题定位）
- “3个策略"获得15%（具体性）
- “2025实战"获得15%（时效性）
实战优化清单：
- [ ] 标题包含精确主题词（不要用"它"“这个"等模糊词）
- [ ] 标题包含具体数字（提升XX%、N个方法、X步骤）
- [ ] 标题包含问题或价值承诺（如何/怎么/提升/实现）
- [ ] 标题包含年份（2025/2024 Q4等）
- [ ] 标题长度控制在60-80字符（中文约25-35字）
层级2：摘要提取（0.1秒）—— AI判断"核心是什么”
AI不会完整阅读你的摘要，它会在摘要中寻找可以"直接引用"的信息块。
摘要中AI提取的6个关键信息：
| 信息类型 | AI搜索模式 | 提取概率 | 示例 |
|---|---|---|---|
| 核心结论 | “本文发现/揭示/证明” | 95% | “本文揭示提升转化率的3个策略” |
| 关键数据 | 数字+单位+对比 | 90% | “转化率从2.1%提升至6.3%（+200%）” |
| 方法论 | “通过XX方法/基于XX” | 85% | “基于127家企业的A/B测试” |
| 适用场景 | 行业/规模/阶段 | 80% | “适用于年营收1000万-1亿的B2B企业” |
| 时间范围 | 研究周期/数据时间 | 75% | “2024年Q1-Q4数据” |
| 核心发现 | 列表/序号 | 90% | “发现三点：（1）…（2）…（3）…” |
摘要结构优化：黄金3段式
【第1段：一句话核心结论】（20-30字）
基于XX数据/XX案例，本文揭示[具体发现/方法]，实现[具体成果]。
【第2段：关键发现/方法】（60-80字）
核心发现包括：
（1）[发现1+数据支撑]
（2）[发现2+数据支撑]
（3）[发现3+数据支撑]
【第3段：适用性+价值】（30-40字）
适用于[具体场景]，提供[具体交付物]，可直接落地实施。
案例对比：某SaaS公司产品文档
❌ 优化前的摘要：
本文介绍了我们的API集成方案。通过简单的配置，
您可以快速实现与第三方系统的对接。我们提供了
详细的文档和示例代码，帮助您顺利完成集成。
AI提取结果：
- 核心信息：API集成方案（过于笼统）
- 数据支撑：无
- 具体方法：无
- 引用概率：5%
✅ 优化后的摘要：
本文提供XX API与Salesforce/HubSpot/Zendesk的标准化集成方案，
配置时间从平均14天缩短至2小时（实测127家企业数据）。
核心内容包括：
（1）3步快速配置（含代码示例）
（2）5个常见报错+解决方案
（3）性能优化建议（API调用耗时<200ms）
提供Postman测试集合+完整Python/Node.js示例代码。
AI提取结果：
- 核心信息：API集成+具体平台+时间节省
- 数据支撑：14天→2小时，127家企业
- 具体方法：3步配置+5个报错解决
- 引用概率：85%
关键原则：前100 tokens信息完整度
- 中文摘要：前100 tokens约130-160字，必须包含完整核心信息
- 英文摘要：前100 tokens约75词，必须包含核心结论+关键数据
- 如果前100 tokens没有完整答案，AI会判定"信息密度低”，引用概率骤降
层级3：正文扫描（0.1秒）—— AI判断"在哪里”
AI不会逐字阅读正文，而是通过Self-Attention（自注意力机制）跳跃式扫描结构化要点。
Self-Attention让输入序列的每个部分与其他所有部分进行对比，捕捉词语之间的关系。例如在句子"那个女孩在奔跑"中，AI能理解"那个"指的是"女孩”。
AI正文扫描的5个关注点：
| 关注点 | 技术原理 | 权重分配 | 优化方法 |
|---|---|---|---|
| H2/H3标题 | 多头注意力识别结构 | 30% | 每个标题都是完整问题/结论 |
| 表格数据 | 结构化数据优先提取 | 25% | 关键数据做成对比表 |
| 列表/序号 | 序列模式识别 | 20% | 用"第一/第二"而非"首先/其次” |
| 加粗文字 | 权重标记识别 | 15% | 核心结论加粗（不要全文加粗） |
| 首尾段落 | 位置编码赋予额外权重 | 10% | 首段包含核心观点，尾段总结 |
正文"可扫描性"测试：
闭上眼睛，让AI模拟扫描你的文章，只看：
- 所有H2/H3标题
- 所有表格的表头
- 所有加粗文字
- 所有列表项
如果仅凭这些，能理解文章70%的核心内容 → 可扫描性合格
如果看不懂在讲什么 → 可扫描性不合格
实战案例：某营销文章的正文优化
❌ 优化前：
# 如何提升内容营销效果
内容营销是一个复杂的系统工程。首先，我们需要
理解用户的真实需求。其次，要制定清晰的内容策略。
最后，持续优化和迭代是关键。
在实践中，我们发现很多企业都存在类似的问题...
（正文2000字，段落分明但无结构化要点）
AI扫描结果：
- H2标题：1个（“如何提升内容营销效果”）
- 表格：0个
- 列表：0个
- 具体数据：0个
- 可提取信息：几乎为0
✅ 优化后：
# 内容营销转化率提升200%：5步实战方法
## 一句话总结
基于89家B2B企业的A/B测试，本文揭示内容营销转化率从1.2%提升至3.6%的5步方法。
## 核心数据对比
| 指标 | 优化前 | 优化后 | 提升 |
|------|--------|--------|------|
| 月均内容产出 | 8篇 | 15篇 | +88% |
| 平均阅读时长 | 1分20秒 | 3分45秒 | +181% |
| 线索转化率 | 1.2% | 3.6% | +200% |
## 方法1：精准用户画像
**核心做法：** 从3个维度构建用户画像
- 行业维度：细分到二级行业（如"SaaS-HR软件"）
- 规模维度：年营收/员工数（如"1000万-1亿/50-200人"）
- 痛点维度：具体业务问题（如"获客成本高"）
**实测效果：** 内容匹配度从40%提升至82%
## 方法2：内容分层策略
| 内容层级 | 目标 | 形式 | 占比 |
|---------|------|------|------|
| 认知层 | 吸引流量 | 行业报告、趋势分析 | 40% |
| 信任层 | 建立专业度 | 方法论、案例拆解 | 35% |
| 转化层 | 促成咨询 | 工具模板、诊断清单 | 25% |
...（每个方法都有数据+表格+具体步骤）
## 5步落地清单
- [ ] 第1周：完成用户画像（至少3个典型角色）
- [ ] 第2-3周：规划内容矩阵（认知/信任/转化各10篇）
- [ ] 第4-8周：按计划产出内容
- [ ] 第9-12周：A/B测试不同标题和结构
- [ ] 持续：每月复盘数据，优化策略
AI扫描结果：
- H2标题：7个（都是完整问题或结论）
- 表格：3个（数据对比清晰）
- 列表：多个（步骤化清单）
- 具体数据：12+个数据点
- 可提取信息：90%+，引用概率极高
不同内容类型的AI扫描差异
AI对不同类型内容的扫描策略不同，理解这些差异能显著提升被引用概率。
类型1：教程/How-to文章
AI扫描重点： 步骤完整性+可执行性
| 扫描焦点 | 优先级 | 优化要点 |
|---|---|---|
| 步骤标题 | ⭐⭐⭐⭐⭐ | “第一步/第二步"而非"首先/然后” |
| 工具清单 | ⭐⭐⭐⭐⭐ | 完整工具名+版本号+链接 |
| 时间估算 | ⭐⭐⭐⭐ | “约需30分钟”（具体时长） |
| 常见错误 | ⭐⭐⭐⭐ | “避坑指南"单独章节 |
| 代码示例 | ⭐⭐⭐⭐⭐ | 完整可运行代码块 |
优化模板：
# 如何在30分钟内配置XX（2025完整教程）
## 前置要求
- 工具A（v2.5+）
- 工具B（免费版即可）
- 基础知识：了解XX概念
## 第一步：环境准备（预计5分钟）
[具体操作]
## 第二步：配置参数（预计10分钟）
[具体操作+截图+代码]
## 第三步：测试验证（预计5分钟）
[验证方法+预期结果]
## 常见报错+解决方案
| 报错信息 | 原因 | 解决方法 |
|---------|------|---------|
| Error 404 | XX配置错误 | 检查XX参数 |
类型2：数据报告/研究文章
AI扫描重点： 数据完整性+来源可信度
| 扫描焦点 | 优先级 | 优化要点 |
|---|---|---|
| 核心数据表格 | ⭐⭐⭐⭐⭐ | 数据+单位+对比+来源 |
| 研究方法 | ⭐⭐⭐⭐ | 样本量+时间范围+方法论 |
| 关键发现 | ⭐⭐⭐⭐⭐ | 用"发现1/发现2"列举 |
| 数据来源 | ⭐⭐⭐⭐ | 标注机构+时间+链接 |
| 可视化图表 | ⭐⭐⭐ | 配文字说明（AI读不懂图） |
优化模板：
# 2025年XX行业数据报告：5个核心发现
## 研究方法
- 样本：327家企业
- 时间：2024年Q1-Q4
- 方法：问卷调研+数据分析
- 数据来源：艾瑞咨询+企业公开财报
## 核心发现
### 发现1：市场规模增长67%
| 指标 | 2023年 | 2024年 | 增长率 |
|------|--------|--------|-------|
| 市场规模 | 120亿 | 200亿 | +67% |
| 用户数 | 850万 | 1420万 | +67% |
数据来源：艾瑞咨询《2024年XX行业报告》
### 发现2：...
[表格+数据来源]
## 完整数据下载
[Excel文件链接+CSV下载]
类型3：观点/评论文章
AI扫描重点： 论据充分性+逻辑清晰度
| 扫描焦点 | 优先级 | 优化要点 |
|---|---|---|
| 核心观点 | ⭐⭐⭐⭐⭐ | 单独段落+加粗 |
| 论据数据 | ⭐⭐⭐⭐ | 每个观点至少1个数据支撑 |
| 对比论证 | ⭐⭐⭐⭐ | “传统vs新方法"表格对比 |
| 案例引用 | ⭐⭐⭐ | 具体公司名+具体数据 |
| 反驳预期质疑 | ⭐⭐⭐ | “常见质疑"章节 |
优化模板：
# XX观点已过时：3个数据证明新趋势
## 核心观点
**传统认知：**[旧观点]
**新现实：**[新观点+核心数据]
## 证据1：市场数据
| 维度 | 传统做法 | 新方法 | 对比 |
|------|---------|-------|------|
| 效果 | XX | YY | 新方法提升200% |
数据来源：[具体来源]
## 证据2：真实案例
**某XX公司实践：**
- 背景：[行业/规模]
- 做法：[具体方法]
- 结果：[数据对比]
## 常见质疑与回应
**质疑1："这个方法成本太高"**
→ 回应：实测数据显示，ROI从1:2提升至1:5
**质疑2："只适用于大公司"**
→ 回应：我们测试的327家公司中，68%是年营收<5000万的中小企业
类型4：案例分析文章
AI扫描重点： 可复制性+数据真实性
| 扫描焦点 | 优先级 | 优化要点 |
|---|---|---|
| 案例基本信息 | ⭐⭐⭐⭐⭐ | 行业/规模/痛点 |
| 具体做法 | ⭐⭐⭐⭐⭐ | 步骤化+时间线 |
| 前后对比数据 | ⭐⭐⭐⭐⭐ | 表格对比（优化前vs后） |
| 成本投入 | ⭐⭐⭐⭐ | 时间/人力/资金 |
| 可复制性 | ⭐⭐⭐⭐ | “适用于XX场景” |
优化模板：
# 某B2B企业如何在3个月内实现获客成本降低40%
## 案例背景
| 维度 | 信息 |
|------|------|
| 行业 | B2B SaaS-CRM |
| 规模 | 年营收8000万，员工120人 |
| 核心痛点 | 获客成本高（单个客户3.2万元） |
| 优化周期 | 2024年Q2-Q4（3个月） |
## 优化前数据
| 指标 | 数值 |
|------|------|
| 月均获客量 | 15个 |
| 单客获客成本 | 3.2万元 |
| 转化周期 | 平均87天 |
## 具体做法
### 第1个月：内容策略调整
- 动作1：[具体做法]
- 投入：[时间/人力]
- 效果：[中期数据]
### 第2个月：流程优化
...
### 第3个月：自动化工具
...
## 优化后数据
| 指标 | 优化前 | 优化后 | 变化 |
|------|--------|--------|------|
| 月均获客量 | 15个 | 28个 | +87% |
| 单客获客成本 | 3.2万 | 1.9万 | -41% |
| 转化周期 | 87天 | 52天 | -40% |
## 适用场景
本案例适用于：
- 年营收5000万-2亿的B2B企业
- 客单价>10万
- 决策周期>30天的产品
你的内容AI扫描优化清单
第一步：标题优化（30分钟）
检查清单：
- [ ] 标题包含精确主题词（避免"它"“这个"等指代词）
- [ ] 标题包含具体数字（XX%、N个、X步骤）
- [ ] 标题包含问题/价值承诺（如何/怎么/提升/实现）
- [ ] 标题包含时效性（2025/Q1/最新）
- [ ] 标题长度：中文25-35字，英文60-80字符
快速测试：
把标题复制给ChatGPT，问：“这篇文章讲什么？适合谁看？”
- 如果AI能准确回答 → 标题合格
- 如果AI回答模糊 → 标题需优化
第二步：摘要优化（1小时）
黄金3段式模板：
【段1】一句话核心（20-30字）
基于[数据/案例]，本文揭示[发现]，实现[成果]。
【段2】关键发现（60-80字）
核心内容包括：
（1）[发现1+数据]
（2）[发现2+数据]
（3）[发现3+数据]
【段3】适用性（30-40字）
适用于[场景]，提供[交付物]，可直接落地。
检查清单：
- [ ] 前100 tokens（中文约130-160字）包含完整核心信息
- [ ] 至少3个具体数据点
- [ ] 明确标注适用场景
- [ ] 包含"本文揭示/发现/证明"等明确陈述
第三步：正文结构优化（2-3小时）
可扫描性改造清单：
- [ ] 每500-800字设置1个H2标题
- [ ] H2标题是完整的问题或结论（不是"背景”、“分析"这类模糊词）
- [ ] 关键数据做成对比表格
- [ ] 步骤用"第一步/第二步"而非"首先/然后”
- [ ] 核心结论加粗（但不要全文加粗）
- [ ] 首段包含核心观点，尾段总结
结构模板（通用）：
# [完整标题]
## 一句话总结
[核心观点+数据支撑]
## 核心数据/发现
| 维度 | 对比项A | 对比项B | 差异 |
|------|---------|---------|------|
| ... | ... | ... | ... |
## 主体部分
### H2标题1：[完整问题/结论]
**核心要点：**[一句话说清]
[详细展开+数据+案例]
### H2标题2：[完整问题/结论]
...
## 行动清单
- [ ] 具体动作1
- [ ] 具体动作2
- [ ] 具体动作3
## 写在最后
[总结核心观点+行动号召]
可扫描性自测：
只看以下内容，能否理解文章70%的核心信息：
- 标题
- 摘要
- 所有H2/H3标题
- 所有表格
- 所有加粗文字
- 所有列表
如果能 → 结构合格
如果不能 → 继续优化
第四步：细节打磨（1-2小时）
高优先级优化：
| 优化项 | 检查方法 | 目标 |
|---|---|---|
| 数字具体化 | 搜索"很多”、“大量” | 全部替换为具体数字 |
| 单位标注 | 搜索数字 | 每个数字都有单位 |
| 数据来源 | 检查关键数据 | 标注来源+时间 |
| 专有名词 | 检查行业术语 | 首次出现时完整定义 |
| 时间标注 | 检查案例和数据 | 标注具体时间（不用"最近”） |
专业级优化：
- Schema标记（Product、HowTo、FAQ等）
- 内部链接（语义化锚文本）
- 外部引用（权威来源链接）
- Alt文本（图片说明）
第五步：发布前终检（15分钟）
AI扫描模拟测试：
用AI工具测试（推荐）
- 把文章复制给ChatGPT
- 问：“用3句话总结这篇文章的核心内容”
- 如果AI能准确总结 → 可扫描性合格
人工快速扫描测试
- 计时60秒
- 只看标题、摘要、H2标题、表格、加粗
- 能否理解文章主旨
数据完整性检查
- 所有数据都有单位
- 所有数据都有来源
- 所有数据都有时间
最终检查表：
| 检查项 | 标准 | 状态 |
|---|---|---|
| 标题 | 25-35字，含主题词+数字+时间 | □ |
| 摘要 | 100-150字，3段式，含数据 | □ |
| H2标题 | 每500-800字1个，完整陈述 | □ |
| 表格 | 至少2-3个数据对比表 | □ |
| 列表 | 步骤/要点用序号标注 | □ |
| 数据 | 至少8-10个具体数据点 | □ |
| 来源 | 关键数据标注来源 | □ |
| 可扫描性 | AI能快速提取核心信息 | □ |
AI扫描的未来趋势
趋势1：多模态理解
2025年，AI已经能同时理解文字+图片+表格+视频，但目前主要还是依赖文本。
现状：
- 图片：AI能识别文字（OCR），但理解能力有限
- 表格：截图表格AI难提取，HTML表格可以
- 视频：AI读字幕，但画面理解还在初级阶段
建议：
- 图表旁边必须配文字说明
- 关键数据做成可复制的表格
- 视频必须有完整字幕+描述
趋势2：实时更新感知
AI越来越重视内容的"新鲜度”，不仅看发布时间，还看内容引用的数据时间。
优化方向：
- 文章标注"最后更新时间”
- 引用数据标注采集时间
- 定期更新核心数据（每季度/每年）
- 在标题加时效性标识（2025版/Q1最新）
趋势3：交互式内容
静态文章向交互式内容进化，AI更偏好能"对话"的内容。
新兴形式：
- FAQ结构（AI可直接匹配问题）
- 计算器/工具（可交互）
- 决策树（根据场景推荐方案）
- 对比表（多维度筛选）
写在最后
AI扫描你的内容只需0.3秒，但这0.3秒决定了你是被引用还是被忽略。
人类读者会欣赏你的文采、理解你的铺垫、感受你的情绪。
AI只看：标题有没有主题词，摘要有没有数据，正文有没有结构。
你不需要放弃人类读者，你需要的是让内容"双线并行”——既有人类喜欢的深度，也有AI需要的结构。
记住塔迪的三个原则：
- 标题决定主题：让AI一眼看懂你在讲什么
- 摘要决定引用：前100 tokens必须有完整答案
- 结构决定提取：可被AI"跳读"的清晰架构
现在，打开你阅读量最高的那篇文章，用60秒快速扫描（只看标题、摘要、H2标题、表格）。如果你自己都看不懂这篇文章在讲什么，AI也看不懂。
从"给人读的文章"到"给AI扫描的信息源”，这不是降低质量，而是提升结构化程度。
一句话总结
AI扫描内容的过程不是线性阅读而是0.3秒的跳跃式提取，通过注意力机制在标题层级判断主题、在摘要层级提取核心观点，在正文层级通过Self-Attention跳跃扫描结构化要点，不同内容类型AI扫描侧重点不同，优化的核心是让内容"双线并行"——既保持人类喜欢的深度，又建立AI需要的结构化架构，从而在毫秒级的扫描中被AI准确理解并高概率引用。
我是「AioGeoLab」主理人塔迪Tardi，AioGeoLab是追踪、研究、实验、创作并分享海外顶级GEO实践者第一手最佳实践的技术类社区，为广大GEO、SEO从业者提供深度的内容、社群、推广、培训、平台相关的服务。
我们认为：知识的应用和经验的碰撞才能够赋予知识生命力，对于一个新兴的领域 - GEO，尤其如此。我们会逐步开放我们的社区以及知识库，感兴趣的朋友可以先加小编的微信 - tardyai2025。