建立判断
识别任务结构、风险边界与验收标准。先知道为什么，再决定调用什么。
任务分析 · 人机边界 · 质量标准001个人 AI 协作系统2026—
LEAD THE INTELLIGENCE
一个人，
也可以拥有
一整个智能组织。
这里研究一种新的工作方式：人负责目标、判断与责任，一组 AI 承担研究、质疑、执行、校验和整理。
从学习地图开始 ↘核心命题 / THESIS
“AI 集群的价值不来自模型数量，
它来自有效分工与清醒的人类判断。”
模型是认知引擎。Agent 是被赋予目标、角色、上下文、工具、权限和评价标准的行动单元。
人类负责人定义价值、做出取舍并承担后果。系统扩展观察、推理和行动的边界。
学习地图 / ROADMAP
从使用 AI，到领导 AI。
三个阶段构成一条完整路径。每一阶段都交付可以工作的成果，而不是停留在概念里。
组建系统
配置本地模型、API 模型、Agent、MCP 与 Skills，让能力形成可以运行的整体。
模型路由 · 工具接入 · 能力封装领导协作
用串联、并联、辩论和分层结构组织工作，把一次成功变成可复用的方法。
工作流 · 交叉验证 · 经验沉淀协作拓扑 / TOPOLOGIES
让结构服从问题。
集群没有唯一形态。任务怎样流动，决定系统怎样组织。简单问题保持简洁，复杂问题才值得扩展节点。
串联
研→析→写→审
长链任务并联
甲乙丙⇢合
多路探索辩论
正⇄反→裁
高风险判断分层
总↙ ↓ ↘专专专
大型项目起步文章 / START HERE
先理解系统，再安装工具。
这些文章构成第一条阅读路径。之后的案例、实验和 Skill 会从这里不断生长。
建站宣言 / DECLARATION
这里不追逐模型排行榜。
我们研究人与群体智能
怎样真正共同工作。