AI Community Meetup · 2026.04.15

斑馬手冊

從 1.0 到 2.0 的進化

Vita Chen

Vita Chen

PM @ Zeabur

先講講我的日常

我是 PM，我的工作
很大一部分在做數據分析

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。

聽起來很順對吧？

但一開始完全不是這樣。

Before

我不懂資料庫的結構

我們的資料庫不斷在迭代——
結構在變、欄位在動、API 在更新。

指定幾個標的資料庫讓 Claude Code 去關聯、去找

做出來的數據不能說不對，但你會覺得繞了一大圈

最後還是得去問工程師：「到底該調哪支 API？」

工程師告訴你：

「你其實應該調這支 API，
　資料會更準、結構更乾淨、
　而且是即時更新的。」

每次都得問。
每次都在盲猜跟硬兜。

Chapter 1

斑馬手冊 1.0

先有一個集中的地方

Chapter 1 — 1.0

一個 GitHub Repo

把所有業務知識——
底層邏輯、常用定義、有哪些 API⋯
從 Notion、從腦袋裡，寫進一個 Repo。

取名叫做斑馬手冊。

📁

zebra-manual GitHub Repo

Chapter 1 — 運作方式

Claude Code + Memory

1

我要做一個數據分析專案

2

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

3

再去執行分析、產出報表

指令很簡單：目標是什麼 ＋ 請先讀完斑馬手冊。

Chapter 1 — 體感

不用再盲猜了

快

速度更快，不用再硬兜

Claude Code 直接知道該調哪支 API、資料放在哪裡。

準

準確度明顯提升

有了正確的脈絡，產出的資料結構更乾淨、數據更可信。

省

省去了問工程師的來回

工程師也知道我是怎麼做的，Review 起來更放心。

有用！

But —

1.0 的知識，
還是靠人在維護。

Chapter 1 — 痛點

1.0 的三個問題

1

過期資訊

產品迭代快，手冊裡的內容可能已經不是最新的。

2

程式碼改了，文件沒跟上

工程師改了邏輯，但沒有人去更新對應的文件。

3

需要靠人為去維護

GitHub 的推送、業務知識的更新，全部都靠人。忙起來就沒人管了。

手動維護知識——

這件事不應該繼續是手動的

Chapter 2

斑馬手冊 2.0

從一個 Repo，進化成一套知識系統

Chapter 2 — 改變一

知識來源：從 1 個變成 6 個

不再只是一個 GitHub Repo，而是自動匯入多種來源。

2521

Docs

2511

Forum

915

Blog

567

Changelog

210

Skills

27

Learned

Total: 6,751 Knowledge Chunks

Chapter 2 — 改變二

讓知識自己迭代

不再只靠人去寫、去更新。系統自己會成長。

Report

回報知識問題

發現過期、錯誤、缺漏的知識，任何人都能直接回報。

Learn

貢獻新知識

新知識送出後立即可搜尋，但分數 ×0.7，直到管理員驗證。

Gap

自動偵測知識缺口

分析搜尋紀錄，找出「大家在問但知識庫沒有答案」的問題。

Chapter 2 — 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。
Chapter 2 — 改變三

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

Zeabur RAG Dashboard

📊

RAG Dashboard 截圖
6,751 chunks · 1,449 queries

對比

1.0 → 2.0

1.0

一個 GitHub Repo

單一來源

人工維護

Claude Code 專用

→

2.0

RAG 知識系統

6 種來源 · 6,751 chunks

Agent 自動迭代 + 人為審核

API · Agent · Claude Code · Web

再往前一步

什麼東西可以不斷自我迭代？

1

持續可探索

這個領域是你不斷在深入的，
不是做一次就結束。

+

2

結果可量化

每次迭代的結果能被衡量，
你知道這次比上次更好還是更差。

同時符合這兩個條件，就能形成自我迭代的循環。
Auto Research

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。

Takeaway

三件事

1. 先有集中處

不管形式，先把知識從散落的角落拉出來。哪怕只是一個 Repo。

2. 讓系統自己成長

從「靠人維護」到「Agent 迭代 + 人審核」。手動的事情不該繼續手動。

3. 持續探索 + 量化結果 = 不斷迭代

只要同時滿足這兩個條件，知識系統就會自己越來越好。

Zeabur

從手冊到知識系統

讓團隊的知識活起來

謝謝大家。

Made with Claude Code · Deployed on Zeabur