Pivot Protocol：如何管理 AI 项目中的选题变更
AI 项目的不确定性极高——学员选了一个看起来很好的题目，做了两周发现做不了。强制不让换？作品烂。无限制换？永远完不成。Pivot Protocol 是平衡点。
Latest Posts
从会议记录到行动追踪：一个管理者的 AI 管道设计
一个管理者每周开 15+ 会议，每次会议产出 3-5 个待办，但有 60% 的待办会在两天后被遗忘。这不是记忆力问题——是系统问题。我用三级 AI 管道解决了它。
Mindbase：设计一个 AI 的长期记忆系统
RAG 不是记忆——它只是'每次都重新翻笔记'。真正的 AI 记忆需要三层架构：Brain（认知）、Body（执行）、Memory（存储）。这是 Mindbase 的设计哲学。
从'我应该学知识图谱'到真正在做：AI 学习陪练实录
每个人都有一个'我应该学但一直没学'的技术。我的是知识图谱。这是我用 AI 学习陪练系统把它从'应该学'变成'正在学'再变成'已应用'的完整过程。
企业 IM API 适配层开发实录：从反向工程到稳定生产
官方 SDK 不够用？自己封装一层。这是我在企业飞书环境中构建私域 API 适配层的开发复盘——从权限坑、限流坑到消息格式坑，一路踩过来的故事。
用 AI 开发框架接管一个真实业务项目：从 POC 到 PRD
方法论在纸上都很漂亮——但真实项目会打脸。这是我把自己设计的 AI 开发框架应用到一个有真实业务压力的项目中的复盘：10 天从 POC 到 PRD 交付。
飞书数据的 AI 管道：从企业 IM 到结构化知识
企业 IM 是管理者每天接触最多的数据源——但它的数据是散的、乱的、流动的。如何把飞书的消息/日历/文档/妙记变成 AI Agent 可消费的结构化输入？这是我的实践。
Gate 机制：如何让 AI Agent 从'看起来做了'变成'真的做了'
AI 最擅长的事是让你觉得它做了。用 Gate 机制+机器验证，把 AI 从概率性遵守变成确定性可查。
ds-cli：当我决定用命令行治理设计系统
设计系统最容易腐坏的地方不是组件代码——是注册表和协议文件。当 30 个组件、21 个 Section、N 个 Page 需要保持一致性，手动维护是死路一条。所以我写了 ds-cli。
如何设计一个企业 AI 训练营：从开营到结业的完整课程设计
50 个来自不同岗位的学员、15 位讲师、8 周课程——这是我作为课程设计组组长设计某企业 AI 训练营的完整经历。最大的挑战不是内容——是'水平参差'。