全景知识矩阵
DacAI 实验室不是文章仓库，而是一套个人实验系统：用 AI 做真实业务工具，用自动化替代手工流程，再把过程中形成的工程经验、行业判断和失败样本沉淀下来。
四条阅读路线
1. 从真实工具开始
适合第一次来的人。先看一个业务问题如何被拆成需求、代码、部署和产品化。
- 真实工具路线：按内部工具、平台化、自动化管线三步阅读。
- 自己搭了一个装修需求调查问卷系统：从问卷星迁移到自建 H5 问卷，加入 AI 客户侧写。
- 从内部工具到多设计师问卷平台：从自用工具升级成多设计师平台，补上账号、权限、邮件和产品边界。
- 信息抓取与发布全自动管线：把信息抓取、AI 审计、发布看板拼成自动化管线。
2. 进入 Agent 工程层
适合想理解“AI 为什么能帮忙干活、为什么有时又很贵”的人。
- Agent 工程路线：按 Agent 结构、能力沉淀、成本控制、接入排障阅读。
- Agent 拆解：模型·提示·工具·编排：把 Agent 拆成模型、提示、工具、编排四层。
- Hermes 记忆 vs 技能：可视化全解指南：区分记忆与技能这两种持久化机制。
- 如何将Agent自动化任务的API成本降低60%：复盘 Token 滚雪球、前缀缓存和会话纪律。
- 把 X Premium 接入 Hermes 的真实过程：记录一次 OAuth、账号关联和模型接入排障。
- 古典智慧实践：用AI把先贤方法论变成日常决策框架：把 AI Skill 用在个人决策和认知辅助上。
3. 看行业判断如何生成
适合关心 AI、硬件和供应链机会的人。这里的重点不是“新闻摘要”，而是从商业链条里看谁获利、谁承担代价。
- 空间智能专题：按产业地图、利润分配、平台控制力三步阅读。
- 空间智能行业研究：空间智能、具身智能、世界模型与供应链机会的总览。
- AI 基础设施产业链：利润分配与价值捕获：拆解算力、模型、数据、应用之间的利润分配。
- NVIDIA 在空间智能与具身智能的绝对统治力：看 NVIDIA 如何把芯片、软件和生态绑成系统性优势。
- MLCC 供应链 · Broker 篇：从独立分销商角度看电子元件供应链。
4. 看知识系统如何运转
适合关心“这些内容和流程如何被长期维护”的人。这里不把自动化当成炫技，而是看信息、AI、笔记、网站和部署流程如何连成系统。
内容矩阵
| 模块 | 解决的问题 | 代表内容 |
|---|---|---|
| AI 策略与工程 | Agent 如何工作、如何省钱、如何形成可复用能力 | Agent 拆解、Hermes 记忆与技能、API 成本优化 |
| 自建工具 | 如何把真实业务问题变成可用系统 | 装修需求问卷、Shike 多设计师平台 |
| 知识系统与自动化 | 如何让信息、AI、笔记和发布流程持续运转 | Hermes 记忆、自动化管线、网站同步 |
| 行业研究 | AI 与硬件产业链里，价值最终被谁捕获 | 空间智能、NVIDIA、MLCC |
| 工具箱 | 可直接调用的调查、金融和操作 SOP | 美国公司背调、开源金融工具 |
当前主线
这座花园目前最清晰的主线是：
- 先从自己的真实工作流里发现问题：客户问卷、信息处理、资料整理、远程协作。
- 用 AI 和自动化做出可运行的工具：不追求“概念很大”，先追求“真的能用”。
- 在使用中复盘工程规律：Agent 的上下文成本、OAuth 接入、权限隔离、图片压缩、部署坑位。
- 再把这些经验迁移到行业判断：空间智能、AI 基础设施、供应链机会和商业化路径。
更新于 2026-06-08 · 知识矩阵会随真实项目继续调整