关于这个项目

项目的上游知识资产最初来自一份由清华姚班本博连读学长整理的约 50 万字大模型技术资料，后续扩展了 RAG 应用开发、AI 产品经理和互联网面试准备等私有学习资料。

本项目的工作重点不是重新宣称原始内容的原创权，而是完成知识工程化：

• 从 Word 中保真提取文本、表格、图片和章节结构；
• 把来源资料与经过整理的 canonical knowledge 分层；
• 使用 Diátaxis 区分学习路径、解释、操作指南和参考资料；
• 使用 Evergreen Notes 沉淀可以被新证据修正的核心判断；
• 通过 Git、增量影响分析和自动验证维护知识生命周期；
• 让 Markdown 成为事实源，让检索与网站只承担索引和展示职责。
• 将 AI 技术理解进一步连接到 AI 产品判断、指标评估和面试作品集表达。

最终目标是把优秀但静态的内容资产，转化成同时服务人类学习、AI 产品思考和 AI Agent 调用的认知基础设施。

项目同时提供只读 MCP 知识服务，支持搜索 canonical 页面、读取正文、回溯来源、发现相关主题和检查 过期知识，使 “Agent-Native” 成为可以实际调用和演示的能力。