工程手记
记录 AI 应用从需求、Prompt、接口、数据到部署的真实过程，保留取舍和失败点。
工具箱
沉淀提示词、检查清单、写作 skill、RAG 模板和工作流方案，下一次可以直接复用。
场景复盘
把一个业务问题拆成输入、动作、判断、输出和人工兜底，看它到底适不适合接 AI。
Roadmaps
三张路线图
不是学习打卡表，而是三类常见问题的拆解顺序：应用开发、知识库、工作流，各自先看什么、先做什么。
Why this site
这不是一个追热点的 AI 资讯站，更像一本持续更新的工程笔记。
不把 AI 写成玄学，尽量写清输入、输出、边界和成本
不只看模型，也看前端、后端、数据、部署和人的流程
不追逐每天的新名词，优先沉淀下一次还能用的方法
Knowledge base
实战内容入口
最新文章会混在一起：有判断、有模板、有项目拆解，也有一些不成熟但值得记录的观察。
✂️
AI前沿仓库
RAG 文档切片怎么做才不乱
RAG 切片没有一个通用字数。应先按文档类型、标题结构和业务语义确定完整单元，再用重叠、元数据和评估问题修正。
2026年7月15日/9 分钟阅读案例
🧩
电子记事本仓库
如何设计一个 AI 表单入口，让输出更稳定
通过任务类型、输入约束、上下文、输出格式和风险确认，把模糊聊天请求变成可验证的 AI 业务动作。
2026年7月15日/10 分钟阅读案例
🔬
AI前沿仓库
大模型能力越强，业务问题反而越要拆小
模型能力增强降低了实现单个动作的门槛，却没有消除业务目标、权限和验收的不确定性。能力越宽，需求越要拆成可观察的小任务。
2026年7月15日/9 分钟阅读案例
🧭
AI 产品经理要看的技术资料，不需要从模型论文开始
AI 产品经理的技术学习应优先覆盖需求边界、数据、评估、失败状态和成本，再按项目需要补模型原理。
2026年7月15日/9 分钟阅读案例
🏪
电子记事本仓库
小企业最值得先做的 10 个 AI 自动化场景
小企业应优先选择高频、输入明确、可审核、错误可控的自动化场景，从摘要、提醒和质检等小闭环开始。
2026年7月15日/10 分钟阅读案例
🧭
用 30 小时入门 AI 应用开发：一条不贪多的学习路径
30 小时足以完成一次 AI 应用开发闭环，但目标应限制为一个业务动作、一个小数据集、一组评估样本和基本日志。
2026年7月15日/9 分钟阅读案例
🧰
六个 GitHub AI 项目样本里的三个重复方向
以六个公开仓库为编辑样本，观察 AI Coding、模型网关和 RAG 应用三条责任路径；不把样本写成 Trending 或热门排名。
2026年7月15日/8 分钟阅读案例
⚖️
电子记事本仓库
AI 工具推荐文章要写限制，否则没有信任感
可信的工具推荐必须说明证据等级、适用条件、失败点、数据与许可边界，以及什么情况下应选择替代方案。
2026年7月15日/10 分钟阅读案例
Start here
有类似问题，可以发来交换一下场景。
不用整理得很正式。把背景、数据来源、当前流程和卡点说清楚就行，我更关心这个问题本身是否值得做。
发来问题
微信：待配置