[PPT] DeepWrite AI知识包——让理解可以跨对话积累

访问DeepWrite

排版设置

在这里统一调整字体、字号、目录停靠位置和正文显示方式，不挤占右上角工具条。

字体

字号

目录层级

目录停靠位置

决定目录固定在左侧还是右侧，方便按手势习惯或演示场景调整。

正文显示方式

决定正文是否保留独立阅读卡片背景；关闭后正文会更贴近整页背景。

中文长文先试中文经典；英文长文先试 English Essay。目录默认显示到 H2，可按需要扩到 H4；目录位置和正文显示方式也可以在这里统一调整。

朗读菜单

直接在 HTML 页面内朗读，下载文件和独立分享页都可使用。这里只保留最少功能。

当前状态：未开始

语音

语速 0.82x

高亮级别

浏览器支持时会记住上次朗读位置。

全屏专注式阅读说明

这页优先保留鼠标与触摸操作，让阅读、选词、点击链接和查看目录互不打扰。

单击正文空白区：同时显示或隐藏主题区和目录。
开始滚动正文：自动进入专注态，减少阅读时的视觉干扰。
双击正文空白区：进入或退出全屏专注式阅读状态。
全屏专注时，按 Esc 或点击“退出全屏专注”：退出全屏。

DeepWrite AI 知识包

副标题：一篇文章，越讨论越深日期：2026年6月

{# 封面页。"越讨论越深"——知识包的核心价值就是"积累"。}

{@ 你有没有这样的体验。

你读了一篇很好的文章，跟AI讨论了三次。第一次理解了基本观点，第二次挖掘了论证细节，第三次你有了自己的批判性判断。

但每次都是新对话。第三次讨论时，AI不知道前两次聊了什么。你也没有一个地方，能把三次讨论产生的理解整合在一起。

知识包，就是DeepWrite对这件事的回答。 }

"阅后即焚"是AI聊天的常态

你跟AI聊一篇文章。

第二次再聊同一篇，AI不记得上次的讨论。第三次再聊，AI还是不记得。

不是AI记性不好—— 是"聊天窗口"的设计里没有"为同一篇文章积累理解"这个能力。

你每一次讨论都在深入，但AI每一次都从零开始。

{# 问题导入。用"三次讨论→三次从零开始"制造痛点。}

{@ 这不是某一个AI工具的问题。是所有基于"会话"模型的AI工具的通用问题。

会话是独立的。会话A里你对一篇文章的理解，不会自动传递到会话B。你每一次讨论都有新的收获，但这个收获没法沉淀——除非你手动把它记下来，下次再手动告诉AI。

知识包解决的就是这件事：怎么让一篇文章讨论过程中产生的理解，不在会话切换时清零。 }

知识包的三层结构

层级	是什么	怎么变	例子
原文稳定层	文章不变的东西	基本不变	摘要："本文论证了碳交易市场的三个结构性缺陷……"
锚点卡片	最重要的原文段落	可以新增	第三章第二段关于价格波动的论证
对话增量层	讨论中产生的新理解	持续积累	"第一次讨论：理解了总量控制的逻辑；第二次：发现了地域分配的公平性问题；第三次：提出了改进方案"
最终重整层	所有理解的整合	讨论到一定深度后触发	"综合三次讨论，我们对这篇文章的核心判断是……"

不是"记住文章内容"，是"记住理解到了什么程度"。

{# 核心概念——四层结构表。每层有"是什么/怎么变/例子"三列。}

{@ 知识包不是一个"文章摘要"。它有四层。

最底层，原文稳定层。文章的摘要、核心张力、主要价值——这些是文章不变的东西。不管讨论多少次，这层基本不动。

往上一层，锚点卡片。你讨论过程中发现的关键原文段落，以卡片形式标记出来。你可以不断新增引用。

再往上一层，对话增量层。这才是知识包的核心——第一次讨论你理解了总量控制的逻辑，第二次你发现了地域分配的公平性问题，第三次你提出了改进方案。每一次讨论，这层都在变厚。

最顶层，最终重整层。当讨论积累到一定深度后，AI把所有零散理解整合成一个系统性的深度判断。 }

知识包怎么用——一个真实的例子

第一周，第一次讨论。 你刚读完一篇关于碳交易的文章。你在对话里问了三个问题。AI帮你理清了文章的核心论点。知识包里有了原文稳定层的基本信息，和这次讨论的初步理解。

第二周，第二次讨论。 你在准备一份报告，需要引用这篇文章。你打开项目对话，绑定了项目，然后打开这篇文章的知识包。知识包里已经有上周的理解。你基于这些理解，让AI帮你提炼出可以引用的关键数据。对话增量层加上了新的洞察。

第四周，第三次讨论。 报告写完了，你回头再看这篇文章，发现了一些之前忽略的细节。你再次调出知识包——所有之前的讨论记录都在。你让AI帮你做了一次整合分析。知识包的最终重整层出现了。

四次对话，一篇文章。理解不是"重新开始"，是"继续建造"。

{# 场景演示——时间线叙事：第一周→第二周→第四周。}

{@ 我们用四周的时间看一篇文章。

第一周，你刚读完。在AI对话里聊了三次，基本理解了文章的核心观点。知识包自动记录了这些初步的理解。

第二周，你准备了新的问题。你打开这篇文章的知识包——上周的理解还在这里。你的新讨论在已有基础上展开，而不是从零开始。

第四周，你回来看这篇文章。之前的理解、新增的洞察、修正的判断——全部在知识包里。你让AI把所有讨论整合成一份深度分析。

四次对话，跨越四周。你对这篇文章的理解不是"把文章读了一遍"，而是"用四周时间、四次深入讨论，建造了一套属于你自己的理解"。 }

知识包和普通"文章摘要"的区别

维度	文章摘要	知识包
内容来源	只来自原文	原文 + 你的讨论 + AI的分析
更新方式	生成一次，固定不变	每次讨论都可新增
个人化	无——任何人看同一篇文章摘要一样	有——你的讨论轨迹决定了知识包的厚度
跨会话	每次重新生成	自动跨会话继承
最终产物	一段概括性文字	一套可追溯的理解档案

摘要告诉你"文章说了什么"。知识包告诉你"你对这篇文章理解到了什么程度"。

{# 价值收束——五维对比表。}

{@ 知识包和文章摘要的区别在哪。

摘要是关于文章的——它告诉你文章说了什么。知识包是关于你对文章的理解的——它告诉你，经过几次讨论，你理解到了什么程度。

摘要生成一次就固定了。知识包在每一次讨论中都会变厚——新的洞察、新的引用、修正的理解。

这就是为什么我说它不是"记住文章内容"，是"记住理解到了什么程度"。前者是存储，后者是建造。 }

下一讲：AI图文设计——基于你的素材库创作

知识包帮你积累对文章的理解。

但有时候你不只是想"理解"，你是想"创作"——基于你已有的文章和图片素材，生成新的图文内容。

下一篇，AI图文设计。

{# 引导页。}

{@ 知识包让理解可以跨对话积累。

但如果你不只是想理解，而是想基于自己的素材库创作点什么新东西呢？下一篇，图文设计——多篇文章+图片文件夹，AI基于你的素材生成图文草稿。 }