Zeabur

Generative AI 年會小聚分享

// 2026.04.15

讓知識自己長大

斑馬手冊進化史：從 Repo 到團隊的知識基礎設施

Vita Chen

Vita Chen

PM @ Zeabur

// 前情提要

兩個月前，我本來想講的是另一件事

PM 的日常是大量使用 Claude Code 處理數據——
查資料庫、跑分析、產報表。

當時想聊的是：怎麼把這些零散的數據，
透過 Discord 變成團隊都能一起用的資訊。

// 但是

這兩個月，事情變了

1

工具更新速度極快

兩個月前想分享的 Skill 做法，現在可能已經是基本功了。

2

把事情做出來，門檻非常低

Claude Code 的開源性和多元性，讓執行本身不再是瓶頸。

// 真正的考驗

考驗我的，不是工具本身

而是過程中那些人為介入——
問對人、對齊脈絡、等回覆、再翻譯成 AI 看得懂的輸入。

我們正在嘗試的，是把這些人為介入降到最低。

// 今天想分享

讓人為介入降到最低——
我們剛好走過三個階段

今天就跟大家一起交流。

STAGE 1

集中化

→

STAGE 2

基礎設施

→

STAGE 3

自動迭代

// 我的日常

我的日常工作，
很大一部分跟數據為伍

用 Claude Code 去查自家資料庫、產出報表、
找出哪些指標在動、哪些流程需要優化。

// 卡在哪？

做得出來，只是路徑繞了一圈

資料能撈到、數據沒有錯——
但有些更直線的做法，只有工程師的 know-how 才知道。

資料沒錯，但結構繞了一圈、效率打了折

還是得找工程師 review，才知道「原來有更聰明的做法」

如果有一份底層邏輯的 knowledge base，其實會快很多

// stage 1

斑馬手冊 1.0

先有一個集中的地方

斑馬手冊 1.0

讓 Claude Code 成為最懂公司的那個人。

📄 zeabur/zebra-manual private · 113 篇 SOP · 8 contributors
▶

業務邏輯、指標定義、schema 關聯、歷史算法變更

▶

跨部門踩雷經驗——踩一次，全公司都學到

▶

Claude Code 讀進記憶，問手冊就好，不用再問人

// 斑馬手冊 1.0

一個 GitHub Repo

Zebra Manual GitHub Repo
// 運作方式

做任何專案前——
先讀手冊，再動工

1

團隊夥伴要啟動一個專案（分析、開發、客服⋯⋯）

2

先讓 Claude Code 讀斑馬手冊——資料庫結構、API 定義、業務邏輯

3

再進入實際執行——每個人用法不同，但起點一致

體感上，讓 Claude 先讀過所有集中化的 Knowledge Base 再寫程式——
後續修修補補的狀況大幅減少，一次成功率有顯著提升。

// 但我們發現

1.0 只是業務知識的一部分

手動寫進 GitHub 的，只是通用業務知識。

還有更多來源沒被納入——
Changelog、Docs、論壇工單回覆，
甚至 Agent 自己迭代出來的 Skill 與回覆。

// stage 2

斑馬 2.0

讓自動迭代與人為更新的知識，鋪墊成基礎設施

// 改變一 · 來源擴充

知識來源：從 1 個變成 6 個

不只是人為輸入——還包括 Agent 自己迭代出來的 Skill、回覆，
以及原本就有的 Docs、Changelog、論壇工單。

2521

Docs

2511

Forum

915

Blog

567

Changelog

210

Skills

27

Learned

Total: 6,751 Knowledge Chunks

// 新的問題

來源變多了，但一堆 MD 檔不好讀

人眼難掃、介面也不友善。

// 01

知識在哪？

散在多個 repo、多個平台，沒有一個統一的入口。

// 02

有什麼？

沒有目錄、沒有標籤、沒有視覺化——只能一篇篇翻。

// 03

怎麼找？

只能靠 grep——Agent 每次都要跑好幾輪才命中。

// 改變二 · 可視化介面

把 MD 檔變成看得見的介面

Zeabur RAG Dashboard
// 改變三 · 共享基礎設施

誰都能接入

知識庫變成團隊的共享基礎設施，不只給一個工具用。

API

API

任何內部工具都能透過 API 查詢知識庫

AG

Zeabur Agent

客服 Agent 自動檢索知識庫，起草回覆

CC

Claude Code

開發者、PM 在 Claude Code 裡直接查詢團隊知識

UI

Web UI

非技術人員也能在瀏覽器裡搜尋

// 多一層把關

Agent 學到的知識，由人決定要不要用

每一筆新知識進來，都要經過驗證才能進入下一輪循環。

未驗證

3

Agent 自動學到的新知識，等待審核。

已驗證

26

確認品質 OK，進入下一輪循環素材。

已拒絕

1

品質不夠，不進入循環。

已驗證 · 進入循環

RAG Learned — 已驗證
// 核心流程

Agent 迭代，人來審核

1

收集多種來源的知識（Docs、Forum、Changelog⋯）

2

Agent 自動整理、分類、寫入知識庫

3

由人來審核——決定這些知識是否被存入

不是完全自動，也不是完全人工。
是 Human in the Loop。
// 但還是

光靠人維護，還是不夠

有了 2.0 的驗證流程，還是有這兩件事沒解。

1

過期靠運氣

沒有機制偵測「原始碼改了但文件沒跟上」，直到踩坑才發現。

2

驗證靠人工

素材好壞還是得人點進去判斷，規模一大就追不上。

// stage 3

The Loop

讓基礎設施自己進化

// 實際案例

比如說——

Skills

這版 Skill 跟上版，誰更好？

Skill 可以拆成幾個面向去量化，
每次調整都能衡量效果。

知識庫

搜尋品質有沒有變好？

Eval 框架 + LLM Judge，
每次更新知識都能跑一輪驗證。

有量化的數據，就知道每次改得更好還是更差。
有持續的探索，這件事就不會停。

// THE LOOP

自我進化循環

人（團隊）

編輯 program.md：「本週聚焦 marketplace 相關文件」

↓

AI（每週一自動執行）

1

讀 program.md

→

2

跑 evaluate.sh
取得 baseline 分數

→

3

選最低分維度
執行改進

→

4

開 PR
附 before/after 分數

↓

Merge = 保留 ✓

自動跑 health-report，更新 HEALTH.md，進入下一輪。

Close = 丟棄 ✗

AI 從失敗中學習，下一輪換策略。

// 換個玩法

自己雜亂的知識庫，
有沒有自我迭代的辦法？

做了一個最小 MVP。

// 地利之便

省下 0 到 1 的時間

同樣的 RAG 架構、同樣的後台，一鍵部署到自己的環境，剩下時間花在迭代知識本身。

Zeabur RAG Service 模板

But

有些前置，得先討論清楚

// 我想知道的問題 01

一篇新知識，值不值得存？

內容的對錯我判斷不來——但可以看：存進去之後，知識庫是不是更能回答問題了。

// 01

提取問題

AI 從新文章抽 3 個「這篇應該能答的問題」。

// 02

記 Before

拿這 3 題問現有知識庫，記錄分數。

// 03

存入文章

把這篇文章寫入知識庫。

// 04

記 After

再問一次同樣的 3 題，記錄新分數。

// 05

決定去留

After > Before → 保留；否則刪除。

// 我想知道的問題 02

冷啟動——量太少，怎麼跑？

量太少時，Before/After 永遠是 0，沒差異可比——
系統要按知識量自動升級嚴格度。

// 累積期

< 50 筆

寬進，全部自動 verify

只過濾垃圾來源與太短內容，把量先衝起來。

// 比較期

50 ~ 300

Before / After 開始生效

有增量就 verify、沒有就 reject；重複內容自動拒絕。

// 淘汰期

300+

比較 + 矛盾檢查 + 合併

長期沒查詢命中的清理、多筆講同件事的合併。

// 順手就丟一條

讓資訊的來去，都在我本來的習慣動線上

滑手機看到好東西，丟到平常就在用的 Discord 頻道——剩下交給 rag-bot。

Discord ingest 截圖
// 個人 RAG

我的小小基礎正在迭代——
很期待它會變成什麼樣子

個人 RAG Dashboard

// 收尾

Takeaway

// 三個階段，三件事

不論是個人或公司

Human in the Loop 是過程；可量化、可自動——是方向。

// STAGE 1

先有集中處

先把知識倒出來，哪怕只是一個 Repo。不要一開始就追求完美。

// STAGE 2

讓 Agent 有動線

知識不只是要「寫」——還要讓 Agent 會讀、會改、會提醒。指標要量化。

// STAGE 3

讓系統自己長大

持續可探索 + 結果可量化 = 不斷迭代。人控制方向，AI 跑細節。

// one more thing

模板開源免費

一鍵部署你自己的 RAG 知識庫——同樣的架構、同樣的後台。

Zeabur RAG Service 模板 → zeabur.com/templates/H126IM

讓知識設施自己長大

反正錯了再改，哪次不迭代

Vita Chen

Vita Chen

PM @ Zeabur