KNOWLEDGE ATLAS / 27 TOPICS

个人 AI 系统知识地图

从工具评测到数据研究，每个专题都围绕同一件事：让 AI 的工作可理解、可验证、可恢复。

01

多 AI 实战评测

不争论谁最强，以真实任务、统一边界和验收证据决定谁适合什么岗位。

01给 AI 分岗位，而不是排总榜把规划、执行、审计、浏览器操作、文档和故障兜底拆成不同岗位，再选择模型。02设计一场真实任务基准用真实文件、权限、失败和交付物测试 AI，而不是只比较回答风格。03Agent 的验收指标从好不好用转向完成率、回滚性、证据密度和人类监督成本。

02

Agent 编排与自愈

让长期任务能被监控、暂停、恢复和升级，而不是用无限权限换取表面自动化。

04个人 Agent 控制平面建立一个统一入口管理任务、权限、进度、暂停、恢复和最终审批。05判断 Agent 是否真的在工作用心跳、产出增长、工具调用、错误率和最后活动时间识别沉默停滞。06故障注入与恢复演练主动模拟断网、限额和进程停滞，验证系统能否保存状态并正确升级。

03

记忆与数据主权

把会话、经验、提示词和结果从厂商容器中取回，形成可迁移的个人知识资产。

07一场 AI 会话的解剖学理解正文、事件、摘要、系统提示、索引、日志和锁文件如何共同恢复任务。08可迁移的 AI 备份备份会话、配置、技能和提示词，同时排除凭据并验证恢复。09记忆脱敏与治理让长期画像只保存稳定偏好，不保存账号、凭据、完整私聊或一次性环境事实。

04

本地离线产品

从一句口述需求走到便携成品，功能、审美、离线能力和交付材料同时验收。

10从口述愿望挖掘产品需求把模糊想法整理为场景、边界、验收、数据和非功能要求。11便携离线软件架构让数据、配置与程序边界清晰，在无网络和无开发环境的机器上仍能工作。12纸张与液态玻璃设计系统在克制的纸张基底上使用圆角、半透明和低饱和强调色，兼顾质感与可读性。

05

Windows 证据链排障

先构建症状、假设与单变量实验，再决定是否修改驱动、权限或系统配置。

13Windows 故障证据链把症状、时间、环境、假设、验证和结论连接成可复查的调查记录。14用 PowerShell 建立可观察性将系统状态、进程、设备、网络和日志收集为可重复执行的只读检查。15最小变更与回滚设计在驱动、权限、代理和启动项调整前建立基线、影响说明和恢复路径。

06

开源审计与赏金

核验机会真实性、授权范围和交付价值，公开成功，也如实记录零收益与退出。

16开源机会真实性核验在投入前核验任务是否开放、授权是否明确、竞争是否可接受、结算是否可信。17个人可执行的仓库审计先理解许可证、维护状态、架构、测试和贡献边界，再决定是否深入。18赏金、漏洞与贡献伦理区分公开贡献、安全报告和竞争悬赏，严格遵守授权边界并如实披露结果。

07

AI 视频视觉流水线

用内容圣经、镜头状态和版本规则，让多个模型共同维护同一种创作意图。

19多模型共用的内容圣经用受众、观点、语气、色彩、禁用项和结尾承诺统一不同模型的创作方向。20镜头状态机与版本管理给每个镜头唯一编号，记录草稿、生成、失败、返工、通过和锁定状态。21Codex × Gemini × Flow 流水线让 Codex 管理脚本与资产，Gemini 审查多模态一致性，Flow 负责镜头生成。

08

模型更新核验

分开官方事实、账号交付、任务表现与用户情绪，拒绝换皮论和跑分崇拜。

22新模型的三层证据分别核验官方发布、账号实际交付和统一真实任务表现。23额度、灰度与体感变化记录账号、会员、入口、推理级别、上下文和时间，解释为什么同一模型体验不同。24真实用户评价怎样取样把具体问题、使用环境与情绪表达分开，避免只挑支持预设的评论。

09

数据研究自动化

把自然语言策略变成可复现的数据规则，自动执行，但不自动替人下结论。

25把自然语言策略形式化明确数据字段、周期、复权、信号时点和边界条件，让策略能够被测试。26回测中的偏差与幻觉检查未来函数、幸存者偏差、过拟合、成本和样本外表现。27自动研究仪表盘每日更新数据、质量、信号与异常，但明确区分研究观察和投资结论。