不写一行代码，AI把53份旧资料做成可搜索网站

手机和电脑里那堆存了就没再打开过的资料，到底还有没有救？一位B站UP主用豆包工作把飞书里攒了几年的53份旧稿、案例和选题丢给AI，结果AI直接吐出一个能搜、能筛、能跳回原文的网页。全程没写一行代码，两轮任务加起来只花了36分22秒。

这套方法值得拆开看，因为它解决的正是内容创作者最头疼的问题：资料越攒越多，真要用的时候死活找不到，有些明明能搭配使用的内容，隔几个月连自己都想不起来它们还有关系。

痛点：存档不等于资产

做内容的人对这件事感受更深。几年下来，选题、商单、案例各存一处，全散在飞书里。存的时候觉得自己又积累了，真到要用的时候只记得"我存过"，却想不起存哪了。

更麻烦的是资料之间的隐性关联。UP主提到自己讲过Android、MailKA、Music、Hyper3D和Flova这几款软件，看着八竿子打不着，但把文案和对应案例笔记串起来后发现，它们都在讲"免费"——到底是真免费送会员，还是只给一部分额度。一条新选题就这么冒出来了："免费的保质期"，把这些案例重新回访一遍，看看当时说的福利现在还算不算数。

这种跨文档的关联挖掘，靠人手动开好几个文档来回对照，成本极高，但不做就等于浪费了存量内容的价值。

实操：两步把资料库交给AI

这次实验用的是豆包工作，具体流程分两步。

第一步：打通资料源，让AI直接读飞书

把飞书资料库链接发给AI，授权读取之后它就能直接处理。像这种以后还要持续整理的内容，UP主建议再建一个项目，所有材料都归进去方便读写，后面补资料接着分析都在这里继续。

打通之后，飞书云盘里散着的文件AI都能直接读取，并按项目自动归类。同一个商单的需求、文案、案例会自动归到一起，不需要手动搬运。

第二步：给出带约束的分析指令

UP主让AI直接分析飞书里这批旧稿，要求它搞清楚自己主要做过哪些方向、哪些案例还附有整理价值，然后生成一份总结文档，再列一批下一阶段值得做的选题，每条建议都要带上飞书原文链接。

这里有个细节很关键：特意加了一句"带上出处"。因为盘活的是自己这些年的积累，AI推荐一个选题，得能知道用的是哪几篇旧稿，手上有什么、接下来还缺什么，一目了然。

AI读取飞书文档后，读完一篇接着看相关的案例和选题资料，把能搭在一起用的内容找出来。以前这种要开好几个文档来回对照的活，现在它读完直接生成总结和选题表。任务记录里能看到它读了哪些资料、整理到哪一步。

结果：从报告到可交互网页

分析完成其实已经能用了，但每次用还得翻报告、招标格，还是麻烦。UP主干脆再往前推一步，把这些东西做成一个能点能搜的网页。

这里用上了一个具体的Skill叫Beautiful HTML Templates，把它发过去，告诉AI想做一个可交互的网页，它会自动关联前面分析好的内容，用这个能力把它落地。UP主给的要求很直接：内容按方向分类，能搜索、能筛选，选题和案例一一对应，原文链接全部保留。

没过多久，一个"内容驾驶舱"就出来了。点击某个方向能看到攒了多少内容，输入关键词能搜到以前用过的案例，点进一条选题能看到它关联了哪些资料，不用先把每份文档打开一遍。

UP主最喜欢的功能是"原文入口"。总结虽然省事，但写稿要用到具体说法的时候，点一下就能找到出处，比单独给一段结论实用多了。做完之后顺手检查筛选有没有漏、搜索能不能找到、链接能不能打开，再抽一条选题验证它给的依据对不对，有问题就让它改，留下来的才是真能接着用的版本。

找旧稿、筛选题、回原文全在这一个页面里完成。最终53份资料分成8个方向，整理出20条选题——原来存着的12条接着完善，又补了8条新建议。两轮任务第一轮28分10秒，第二轮8分12秒，合计36分22秒。

Beautiful HTML Templates 是豆包工作内置的一类可复用能力模块，用户只需用自然语言描述想要的效果，它就能自动生成带有交互功能的网页代码。这类模块通常封装了常见的UI布局、搜索框、筛选器和卡片式列表等组件，因此即使完全没有编程经验，也能在几分钟内得到一个可用的页面。文中UP主所做的"内容驾驶舱"，正是利用该模板把已有的分析结果直接渲染成可点击、可搜索的界面，并且保留了原文链接的跳转入口。相比手动复制到表格或文档，这种落地方式更直观，也更适合反复查阅和分享。

关键洞察：从"想拍什么"到"手上有什么"

这个流程真正改变的是选题的思路方向。以前准备选题是先想拍什么，再到处翻素材；现在是先看手上有什么，再决定哪些值得接着做。选题表把"拍什么、给谁看、能用哪些旧案例"放在一起，整理完出处也没丢。

AI只给到选题建议这一步，最后拍不拍、怎么讲还是自己定。这种分工方式让创作者保留了判断权，同时把最耗时的资料检索和关联工作交给AI。

更大的价值在于，这套方法能盘活的不只是内容资料。学生能把课程笔记、论文文献整理成复习框架，职场人能把项目文档、会议纪要变成周报总结，甚至生活里散落各处的历史文件、写过的日记，交给AI就能分门别类做成随时能搜的网页。

UP主把这次经历归为"vibe coding"的典型场景——重点不是生成一段分析文字，而是直接做出一个能点、能筛、能回原文的可用工具。核心逻辑就一句话：只要手里有散落的资料，就能用这套方法把价值找回来。

对新用户来说，登录豆包工作客户端能领30天标准会员，UP主这个任务就是用这个额度跑完的，够跑好几轮。

vibe coding 一词由OpenAI联合创始人Andrej Karpathy在2025年初提出，指开发者不再逐行编写代码，而是用自然语言描述意图，让AI生成完整可运行的程序。它的核心在于"感觉驱动"——你只需要清楚自己想要什么效果，不必纠结具体实现。文中UP主没有写一行代码，只是把资料链接和需求描述发给AI，就得到了一个能搜索、筛选、跳回原文的网页，这正是vibe coding的典型落地：重点从"写代码"转移到"描述需求"，让非技术背景的人也能快速把想法变成工具。