# AI产品全链路开发骨干路线图 — Pro Track

**（v2.7 | 2026-07-04 — 5种技术原型 + 12品类商业分类 + 7个TOP3工具推荐模块 | Pro Track 进阶参考）**

---

## 0. 文档架构总览

```
§0  本文档定位与三份文档关系
§1  5种技术原型（总览 + 对照表）
§2  八大阶段闭环
§§0 第〇部分：开发环境基础设施
§§1-8  阶段①-⑧：需求→设计→架构→开发→测试→部署→运营→进化
       每阶段含：Pro Track 方法 + TOP3工具 + 产品类型差异 + 蓝图
§§工具速查 全流程工具速查总表 + 三类铁律 + 五种原型技术栈对照
```

**本文档定位**：
- **读者**: 有全栈能力的 AI 开发者。需要完整的技术栈决策树和全部备选方案对比。
- **关系**: 默认路径→ [VibeTrack](AI产品全链路开发骨干路线图-VibeTrack.md)（零基础到上线）。Pro Track→本文档（深度工具选型）。AI引擎→ [Playbook-v2](AI产品工厂操作系统Playbook-v2.md)（产品工厂操作系统 + 基因组系统）。
- **阅读方式**: 选一种原型 → 跟着对应蓝图走完 8 阶段。不需要从头读到尾。
- **遇到不懂的词**: 参见 [共享术语附录](shared/GLOSSARY.md)。按你的级别（🟡 L2 进阶）查阅。

> 📖 如果你第一次做 AI 产品，或不确定技术选型，请先看 `AI产品全链路开发骨干路线图-VibeTrack.md`（默认路径，Codex 提示词模板直达）。
> 本文档提供：完整的技术栈决策树、5原型的深度蓝图、所有备选方案的对比。Vibe Track 提供：复制即用的 Codex 提示词、零基础的端到端操作。

---
> 
> **完整调研**: 见 `audit/11-AI产品商业分类体系-完整调研.md`
> **Playbook v2.7**: 平台级产品工厂操作系统，见 `AI产品工厂操作系统Playbook-v2.md`

---

## 产品类型分类：5种技术架构原型

10 万+ AI 产品收敛为 12 个商业品类。但从**开发者视角**——"我需要搭建什么样的技术架构？"——它们按技术栈共性聚类为 5 种原型。以下按成熟度排列：

### 原型 A：对话/Agent 型 🟢（最成熟）

| 维度 | 详情 |
|------|------|
| **覆盖的商业品类** | 品类1(AI对话助手) + 品类7(AI知识搜索) + 品类11(单Agent产品) |
| **产品形态** | 用户输入自然语言 → AI理解意图 → 检索/推理/工具调用 → 流式返回 |
| **核心引擎** | LLM + System Prompt + RAG + Function Calling |
| **记忆系统** | 短期窗口 + 长期向量库 + 用户画像 |
| **评估重点** | LLM-as-Judge + 检索质量(Recall@5) + 安全红队 |
| **流式响应** | 必需。SSE 默认，>30s 任务升级持久会话 |
| **壁垒** | Agent行为规格书 + 评估黄金集 + 安全护栏 |
| **技术栈** | Next.js/Mastra(TS) 或 LangGraph(Python) + Supabase/pgvector + BGE-M3/Qwen3-Embedding |
| **典型产品** | ChatGPT, Claude, jit.pro 销售/HR/客服 Agent, Perplexity, Glean |
| **侧重阶段** | ②③④⑤（产品设计+架构+开发+评估并重） |

### 原型 B：内容生成型 🟢（成熟）

| 维度 | 详情 |
|------|------|
| **覆盖的商业品类** | 品类2(AI写作) + 品类3(AI图像) + 品类4(AI视频) + 品类5(AI音频) |
| **产品形态** | 用户输入提示词 → AI生成文本/图像/视频/音频 → 用户编辑/调整 → 导出 |
| **核心引擎** | LLM(文本) / Diffusion Models(图像/视频) / TTS+STT(音频) |
| **评估重点** | 人类偏好评分 + A/B测试 + 多样性 + 风格一致性 |
| **流式响应** | 可选。生成类产品的延迟容忍度 > 对话类 |
| **壁垒** | 领域微调模型 + 模板库 + 风格控制 + 多模态模型能力 |
| **技术栈** | Next.js + FastAPI(推理后端) + GPU集群(Modal/Replicate) + S3存储 |
| **典型产品** | Midjourney, Jasper, ElevenLabs, 可灵(Kling), Suno, Gamma(AI PPT) |
| **侧重阶段** | ③④⑤（架构+推理优化+评估并重） |

### 原型 C：数据分析型 🟡（成长中）

| 维度 | 详情 |
|------|------|
| **覆盖的商业品类** | 品类8(AI数据分析) + 品类9(AI办公)中涉及结构化数据的部分 |
| **产品形态** | 用户用自然语言查询 → Text-to-SQL → 数据库执行 → 可视化 → 洞察 |
| **核心引擎** | Text-to-SQL + 自动可视化 + 异常检测 + 预测模型 |
| **评估重点** | SQL 准确率 + 图表正确性 + 洞察相关性 |
| **安全** | 数据库只读权限 + 列级脱敏 + 查询审计（比原型 A 更严格） |
| **壁垒** | 企业数据连接器 + Schema 理解 + 业务逻辑嵌入 |
| **技术栈** | Next.js + FastAPI + dlt(数据管道) + Pathway(实时流) + LiteLLM(网关) |
| **典型产品** | ThoughtSpot, jit.pro 数据分析 Agent, Tableau AI |
| **侧重阶段** | ③⑥（架构安全+运维监控并重） |

### 原型 D：行业 Agent 型 🔴（最复杂）

| 维度 | 详情 |
|------|------|
| **覆盖的商业品类** | 品类12(AI行业垂直) + 品类11(多Agent协作平台) |
| **产品形态** | 多 Agent 协作完成复杂业务流程 → 领域知识图谱约束 → 行业合规引擎把关 |
| **核心引擎** | 领域 LLM + 行业知识图谱 + 合规规则引擎 + 多系统集成 |
| **记忆系统** | 行业知识库(持续更新) + 业务流程状态 + 审计日志 |
| **评估重点** | 行业合规检查 + 业务指标 + 人工审计 + Agent协作效能(§3.7) |
| **安全** | 最高等级——医疗/法律/金融有独立合规要求。EU AI Act/等保 |
| **壁垒** | 行业 Know-how + 合规认证 + 系统集成深度 + 领域人才 |
| **技术栈** | LangGraph + Temporal(耐久执行) + Neo4j(领域KG) + 行业专用API + 合规引擎 |
| **典型产品** | jit.pro 工业/审计 Agent, Harvey AI(法律), 医渡云(医疗) |
| **侧重阶段** | ③④⑤⑥⑦⑧（全阶段重，架构+安全+运维+进化并重） |

### 原型 E：AI开发工具型 🟢（基础设施）

| 维度 | 详情 |
|------|------|
| **覆盖的商业品类** | 品类6(AI编程) + Agent 构建平台(Coze/Dify/扣子) |
| **产品形态** | 代码补全 / Agent 自主开发 / 零代码应用生成 / Agent 可视化搭建 |
| **核心引擎** | Code LLM + Agent 框架 + MCP + IDE 集成 |
| **评估重点** | SWE-bench Pro + HumanEval + 用户生产力提升 |
| **流式响应** | 必需（代码补全需要实时流式） |
| **壁垒** | 生态集成深度 + 模型训练数据 + 开发者社区 + IDE 插件生态 |
| **技术栈** | Rust/Go(Core) + TypeScript(IDE插件) + MCP Server + Sandbox |
| **典型产品** | GitHub Copilot, Claude Code, Cursor, Codex, Coze(扣子), Dify |
| **侧重阶段** | ③④（架构+核心引擎） |

### 五种原型的快速对照

| 维度 | 原型A 对话/Agent | 原型B 内容生成 | 原型C 数据分析 | 原型D 行业Agent | 原型E 开发工具 |
|------|-----------------|--------------|--------------|----------------|--------------|
| 核心引擎 | LLM+RAG+Tools | LLM+Diffusion+TTS | Text-to-SQL+Viz | 领域LLM+KG+合规 | Code LLM+MCP |
| 数据库 | Supabase/pgvector | S3/对象存储 | 企业DB连接器 | Neo4j+专用DB | Git/Sandbox |
| 评估 | LLM-as-Judge | 人类偏好+A/B | SQL准确率+图表 | 合规+业务指标 | SWE-bench Pro |
| 安全等级 | 中 | 低 | 高 | 最高 | 中 |
| 流式 | 必需 | 可选 | 可选 | 必需 | 必需 |
| 成熟度 | 🟢 | 🟢 | 🟡 | 🔴 | 🟢 |
| 典型产品 | ChatGPT/Perplexity | Midjourney/Jasper | ThoughtSpot | Harvey/医渡云 | Copilot/Codex |

> **分类依据**: 按技术架构聚类，不按市场区域。AI数字人、AI论文、AI公文、AI电商在商业上属于不同品类，但在技术架构上都属于原型B（内容生成型）——核心引擎相同，差异在于内容域和合规层。这是开发者视角的分类。

---

## 总览：八大阶段闭环

```
① 需求与验证 → ② 产品设计 → ③ 技术架构 → ④ 开发实施
     ↑                                          ↓
⑧ 自进化迭代 ← ⑦ 运营增长 ← ⑥ 部署运维 ← ⑤ 测试评估
```

核心理念：**AI时代的开发不是线性瀑布，而是"小步快跑 + 数据回流 + 自动进化"的飞轮。**

---

## 第〇部分：开发环境基础设施（2026版）

### 0.1 主力工具链

| 节点 | 推荐方案（2026-07） | 备选 | 说明 |
|------|-------------------|------|------|
| 主力编码 | **Codex 桌面端** + **Claude Code** | Cursor, Windsurf | Codex做执行+脚手架，Claude Code做架构+复杂推理 |
| MCP 必装 | Context7(56K⭐) + Playwright MCP(34K⭐) + GitHub MCP(31K⭐) + Figma MCP | Supabase MCP, Firecrawl MCP, Linear MCP | 4个必装覆盖文档/浏览/Git/设计 |
| Skills 生态 | addyosmani/agent-skills(66K⭐) + openai/skills(22K⭐) | anthropics/skills(87K⭐) | 24个生产级工程Skill覆盖全SDLC |
| 代码规范 | AGENTS.md（Codex） + CLAUDE.md（Claude Code） | 通过 can-bridge 双向同步 | AGENTS.md 是项目宪法，CLAUDE.md 指向它 |

### 0.2 MCP 装备清单（2026全面更新）

| MCP Server | ⭐ | 解决什么问题 | 阶段 | 成熟度 |
|-----------|-----|------------|------|--------|
| **Context7** | 56.5K | LLM训练数据过时，实时注入最新框架文档 | ③④全程 | 🟢 必装 |
| **Playwright MCP** | 33.6K | Agent写完代码自己打开浏览器验证，闭环自测 | ④⑤ | 🟢 必装 |
| **GitHub MCP** | 30.5K | PR/Issue/代码搜索，Go重写版+Cosign签名 | ④⑥⑧ | 🟢 必装 |
| **Supabase MCP** | 3K | 数据库/Auth/存储一站式管理，29工具 | ③④ | 🟢 |
| **Figma MCP** | 官方 | 设计→代码双向同步，组件/间距/token提取 | ②③ | 🟢 |
| **Firecrawl MCP** | 6.6K | 网页抓取+结构化提取，40万+安装 | ① | 🟢 |
| **Sentry MCP** | 官方 | 生产错误+性能+会话回放→fix→PR闭环 | ⑥ | 🟢 |
| **Linear MCP** | 官方 | 工单管理公认最佳，GraphQL全覆盖 | ①⑦ | 🟢 |
| **Daytona** | 71K | 90ms冷启动沙箱，30+语言，Git+PR自动化 | ④ | 🟢 |
| **agent-lsp** | <500⭐ | 30个语言服务器编排，65工具+推测执行 | ④ | 🟢 隐藏宝石 |
| **LoopLens MCP** | <500⭐ | 死循环检测，4算法16工具 | ④⑧ | 🟡 |
| **Bytebase/DBHub** | 14.1K | 治理优先DB MCP，Agent不直接接触数据库 | ⑥ | 🟢 |

---

## 阶段①：需求洞察与验证（1-3天）

**目标：确认"值得做"，避免造出没人用的东西**

### TOP 3 工具推荐（效率×质量）

| 工具 | ⭐ | 用途 | 为何是 TOP 1/2/3 |
|------|-----|------|-----------------|
| **SpecWright** | npm v3.6.3 | 五阶段 AI 专家工作流：Scope → PM(PRD+Job Stories) → UX Designer(线框图+用户流) → Engineer(架构) → Tech Lead(Issue拆解)。**仅有的把 UX 设计分配给独立 AI 专家的工具**。 | **#1**：唯一把竞品分析→PRD→用户流→架构→任务拆解管道化的工具 |
| **claude-code-discover** | ~3-5K | Claude Code 插件。生成 Persona、IA树、用户流 Mermaid 图、内容模型、品牌方向。输出到 `docs/prd/`，git-native 可追溯。 | **#2**：唯一的 AI 产品发现工具。PRD 带 EARS 格式验收标准 + 4-Risks 置信度表 |
| **doit** | v0.1.11 | 从 Spec 自动生成用户旅程 Mermaid 图、架构图、组件依赖图、ER 模型、Gantt 任务依赖图。集成 GitHub Issues 做 Epic。 | **#3**：唯一的一键从 Spec 生成全套项目地图的工具。免画图

| 节点 | 方法 | 2026工具 | 说明 |
|------|------|---------|------|
| 灵感挖掘 | 痛点清单法、竞品差距分析 | **Claude Code**（头脑风暴）+ Perplexity | 多模型交叉审查发现假设脆弱性 |
| 需求验证 | 落地页测试（Fake Door） | **v0.dev** + AI Elements/Vercel | 10分钟内从PRD生成可部署落地页 |
| 竞品代码级调研 | 克隆分析开源竞品仓库 | **Codex CLI** + Firecrawl MCP | Codex独有能力——直接读代码而非看README |
| 竞品分析 | 功能矩阵对比、定价分析 | Perplexity + Firecrawl MCP（自主研究Agent） | 网页→结构化提取，50页报告10分钟 |
| MVP边界定义 | "一句话价值主张" + 砍掉80%功能 | **Claude** 辅助写PRD初稿 | AGENTS.md约束范围 |

**产品类型差异**：
- **原型A 对话型**: Firecrawl MCP 抓取竞品网站做功能对比
- **原型B 内容型**: 用 MinerU(72K⭐) 解析竞品文档，分析其生成质量和风格特征
- **原型C 分析型**: 重点调研目标企业使用的数据库和BI工具栈
- **原型D 行业型**: 行业合规要求调研（如医疗的HIPAA、审计的GAAP、法律的律师-客户特权）
- **原型E 工具型**: 用 Firecrawl + Codex 分析竞品 IDE 的 MCP 生态和插件架构

**产出物：** 一页纸PRD + AGENTS.md初版 + 竞品分析报告

---

## 阶段②：产品设计（2-5天）

**目标：把想法变成可开发的蓝图**

| 节点 | 方法 | 2026工具 | 说明 |
|------|------|---------|------|
| 用户流程图 | User Journey Map | **Mermaid**（让Codex/Claude直接生成）+ Figma MCP | 免额外画图工具 |
| 原型设计 | 低保真→高保真 | **v0.dev** + **screenshot-to-code(65K⭐)** + Onlook(26K⭐) | v0出初稿→screenshot-to-code精修 |
| UI设计系统 | 成熟组件库，不重造轮子 | **shadcn/ui** + AI Elements(30+组件) + assistant-ui(10.6K⭐) | AI生成友好度最高，2026年仍是首选 |
| Prompt/Agent行为设计 | Agent规格书（一鱼三吃） | **Claude Code** 生成规格书→System Prompt→评估集 | v2 Playbook核心资产模式 |
| 文档沉淀 | PRD细化、API草案 | **Notion MCP** + Claude Projects | Notion AI可直接写入项目知识库 |

**产品类型差异**：
- **原型A 对话型**: AI Elements(30+组件) + assistant-ui(10.6K⭐) + Streamdown(流式安全Markdown)
- **原型B 内容型**: 生成结果的实时预览组件 + 编辑/调整UI + 风格控制面板
- **原型C 分析型**: 数据可视化组件(图表/表格/仪表盘) + Text-to-SQL 交互界面
- **原型D 行业型**: 行业合规审批界面 + 审计日志可追溯面板 + 人机协作工作台
- **原型E 工具型**: IDE嵌入组件 + 代码diff预览 + MCP配置管理面板

**产出物：** 高保真原型 + Agent行为规格书 + 数据流草图 + UI组件状态矩阵

### TOP 3 工具推荐

**设计→代码（原型）**：
| 排名 | 工具 | ⭐ | 核心价值 |
|------|------|-----|---------|
| #1 | **Open Design** | 60K | 2026 黑马。开源/本地优先。自动检测 21+ CLI Agent。150+ 品牌设计系统(Linear/Stripe/Vercel/Apple)。155+ 可组合 Skill。Agent-native。 |
| #2 | **screenshot-to-code** | 73K | 老牌第一。截图/Figma/屏幕录制→HTML/Tailwind/React/Vue。Gemini 3+Claude Opus。简单可靠。 |
| #3 | **Onlook** | 26K | "Cursor for Designers"。浏览器内可视化编辑 React 代码。Figma 导入+双向代码同步+一键部署。 |

**Agent 设计（行为规格）**：
| 排名 | 工具 | ⭐ | 核心价值 |
|------|------|-----|---------|
| #1 | **GitHub Spec Kit** | 110K | 微软/GitHub 开源。Spec-Driven Development 标准。7 步工作流：Constitution→Specify→Clarify→Plan→Tasks→Analyze→Implement。30+ Agent 兼容。社区 50+ 扩展。 |
| #2 | **AgentCanvas** | 社区 | ComfyUI 风格节点图。一个 JSON = 一个 Agent。可视化+执行引擎+循环循环+嵌套图+隔离运行时+batch 评估。Agent 架构的 ComfyUI。 |
| #3 | **loom-spec** | npm v0.9.1 | 可视化架构编辑器。AI 可读/可写/git-diffable。MCP Server(19工具)。Drift Detection(代码≠Spec自动检测)。 |

**设计系统管理（给 AI 读懂你的设计）**：
| 排名 | 工具 | ⭐ | 核心价值 |
|------|------|-----|---------|
| #1 | **Dembrandt** | 1.9K | 一键提取任意网站→完整 Design Token(W3C DTCG)。MCP Server 让 Agent 直接用。生成 DESIGN.md。WCAG 2.1 对比度分析。 |
| #2 | **GeekLego** | MIT | 首个 AI-native 设计系统。81 组件(Atom/Molecule/Organism)。3 层 Token(Primitive/Semantic/Component)。CLAUDE.md 契约文件。AI 优先于人类可读。 |
| #3 | **Google DESIGN.md** | Google | YAML Front Matter(机器可读 token)+Prose(人类可读 rationale)。`npx @google/design.md`。正成为生态系统互操作标准。

---

## 阶段③：技术架构（1-2天）

**目标：选一套2026年最高效的技术栈**

### 推荐骨干技术栈（2026年 最佳实践）

```
前端：Next.js 15 + TypeScript strict + Tailwind v4 + shadcn/ui + AI Elements
后端：Next.js API Routes（轻量）或 FastAPI（重型Agent）
Agent层：Mastra（TS首选）或 LangGraph（Python/复杂工作流）
       Vercel AI SDK（前端Agent嵌入） / smolagents（轻量Python）
LLM：GPT-5.5（Codex默认）/ Claude Opus 4.8（复杂推理）/ DeepSeek V3（成本优化）
       通过 LiteLLM(52K⭐) 统一网关管理多提供商路由
向量库：pgvector（首选）→ Qdrant（高性能）→ Milvus（十亿级）
数据库：Supabase（Postgres + Auth + Storage + pgvector 一体化）
       Neon（COW DB分支，AI Agent开发利器）
部署：Vercel（前端）+ Railway（后端Agent）
      Coolify(57K⭐)（自托管替代方案）
      local-ai-packaged(3.7K⭐)（一键部署完整AI栈）
```

| 节点 | 方法 | 2026工具 | 说明 |
|------|------|---------|------|
| 架构选型 | 遵循"最少运维原则"，Serverless优先 | **Claude Code** 做架构辩论 | 三角色对抗，Context7查最新API |
| 架构图绘制 | C4模型简化版 | **Mermaid** + Excalidraw + AI | 直接从PRD文本生成架构图 |
| Agent架构选择 | 渐进式：单Agent→工具→多Agent | 参考Anthropic《Building Effective Agents》 | 2026年共识：穷尽单Agent再升级 |
| 成本预估 | Token成本测算表 | **`scripts/cost-model.ts`** + LiteLLM(52K⭐) | 内置2026-07真实定价，缓存+路由分层 |
| 知识架构选型 | 按查询类型分层 | L1(基础RAG)/L2(增强RAG+ColBERT)/L3(RAG+KG) | v2 Playbook第一部分标准架构 |

**## 阶段③ 技术架构蓝图：5种原型一站式选型**

以下蓝图**锁定单一推荐**。如果你不确定选什么，照抄即可——不需要决策。决策树在 v2 Playbook 基因组系统中。

---

### 蓝图 A：对话/Agent 型 🟢

**技术栈（锁定）**：

| 层 | 选择 | 版本/规格 |
|----|------|---------|
| 前端框架 | **Next.js** | 15 + TypeScript strict |
| UI 组件 | **shadcn/ui** + AI Elements | shadcn/ui 复制拥有; AI Elements 30+ AI 组件 |
| Agent 框架(TS) | **Mastra** | 最新稳定版。25.5K⭐, 480 贡献者, 4M 月下载 |
| Agent 框架(Python) | **LangGraph** | 如团队 Python 优先。35K⭐, 检查点持久 |
| 数据库 | **Supabase** | Postgres + pgvector + Auth + Storage 一体化 |
| 向量库 | **pgvector** | PostgreSQL 原生。HNSW 索引。已有 PG 首选 |
| 嵌入模型(中文) | **Qwen3-Embedding-8B** | 8B参数, 4096维, 32K上下文。MTEB 70.58(#1) |
| 嵌入模型(多语言) | **BGE-M3** | 12K⭐, 100+语言, 8192上下文。稠密+稀疏+ColBERT |
| 重排序 | **BGE-Reranker-v2-M3** | 交叉编码器。与检索融合使用 |
| 知识图谱 | **LightRAG** (升级时) | 36K⭐, 增量更新, 5种查询模式。初期可选 |
| LLM 网关 | **LiteLLM** | 52K⭐, 100+提供商统一API, 自动故障切换 |
| 记忆 | **Zep Graphiti**($25/月) | 双时态KG。LongMemEval 71.2%。$25/月 = 含图的最优性价比 |
| 部署(前端) | **Vercel** | 或 Coolify(57K⭐)自托管 |
| 部署(后端) | **Railway** | 或 Coolify + local-ai-packaged(3.7K⭐) |

**架构图（Mermaid 一键生成）**:
```
用户浏览器 → Next.js(SSE流式) → Mastra Agent → LiteLLM网关 → GPT-5.5/Claude
                                  ↓ Tool Call
                              pgvector(BGE-M3嵌入) ← Supabase ← 数据管道
                                  ↓ 检索失败
                              LightRAG(KG增强) → Lane C 缺口检测
```

**Codex 启动模板**：
```text
你现在要构建一个「对话/Agent型」AI产品：[产品名称]。

阶段③ 技术架构具体任务：
1. 创建 Next.js 15 + shadcn/ui + AI Elements 项目骨架
2. 配置 Supabase(pgvector) + LiteLLM 网关 + Zep Graphiti 记忆
3. 选型：TS团队用 Mastra，Python团队用 LangGraph。二选一锁定。
4. 嵌入模型：中文用户 → Qwen3-Embedding-8B，多语言 → BGE-M3
5. 流式响应：默认 SSE，>30s 任务备用持久会话
6. 知识架构：先 L1/L2(增强RAG)，LightRAG 预留升级入口
7. 生成 docs/architecture/decisions/ 下的 ADR（架构决策记录）
8. 运行 scripts/cost-model.ts 输出成本预估
9. 验证：npm run dev 可启动，Playwright MCP 截图确认
工作边界：不选型过度。锁定单一推荐，不要引入决策树。用 Context7 查最新 API。
```

---

### 蓝图 D：行业 Agent 型 🔴

**技术栈（锁定）**：

| 层 | 选择 | 版本/规格 |
|----|------|---------|
| Agent 框架 | **LangGraph** + **Temporal** | Python。LangGraph 状态机 + Temporal 耐久执行 |
| 数据库(业务) | **Supabase** | Postgres + Auth + 业务数据 |
| 图数据库 | **Neo4j** | 社区版(免费,但有节点数限制) 或 AuraDB(云托管) |
| 向量库 | **Qdrant** | 23K⭐。Rust。5-9ms延迟。配合 Neo4j 的图查询 |
| 嵌入模型 | **BGE-M3** | 100+语言。行业术语覆盖 > 单一语言模型 |
| 记忆 | **Mem0**(开发) → **Hindsight**(生产) | Mem0 最大生态。Hindsight LongMemEval 91.4% SOTA |
| 合规引擎 | 自建 + **Regula** | EU AI Act 合规 + 行业专用规则库 |
| 护栏 | **Guardrails AI** + **MS Agent Governance** | 输出验证 + PII 检测 + 10/10 OWASP Agent Top 10 |
| LLM 网关 | **LiteLLM** | 52K⭐, 自动故障切换 |
| 部署 | **Coolify**(57K⭐) 自托管 | 数据不出企业。Daytona(71K⭐) 沙箱 |
| 多Agent 监控 | **AgentOps**(5.6K⭐) | 瀑布图 + 时间旅行回放 |

**架构图（Mermaid）**:
```
企业系统(MES/ERP/CRM) → 数据连接器 → 领域KG(Neo4j) → LangGraph Agent
                                              ↓
用户查询 → LiteLLM网关 → Supervisor Agent → Worker Agent 1(分析)
                                           → Worker Agent 2(合规检查)
                                           → Worker Agent 3(报告生成)
                                              ↓
                                         AgentOps 监控 → 人工审批 → 执行
```

**Codex 启动模板**：
```text
你现在要构建一个「行业Agent型」AI产品：[行业/领域名称]。

阶段③ 技术架构具体任务：
1. 创建项目骨架：LangGraph(Python) + Temporal 耐久执行 + Neo4j 图数据库
2. 领域知识建模：梳理行业术语、业务规则、合规约束 → Neo4j Cypher Schema
3. 多Agent拓扑设计：Orchestrator-Worker（禁止 Peer-to-Peer Mesh）
4. 合规引擎：Regula(398规则,EU AI Act) + 行业专用合规规则库
5. 护栏：Guardrails AI(输出验证) + MS Presidio(PII检测) + MS Agent Governance(Agent安全)
6. 部署：Coolify(57K⭐)自托管 + Daytona(71K⭐)沙箱。数据不出企业。
7. 验证：Workers 之间通信正常，合规引擎拦截预期违规，AgentOps 监控数据流入
工作边界：行业Agent是最高安全等级产品。不要在生产环境使用社区 MCP fork。不要跳过合规审查。
```

---

### 蓝图 C：数据分析型 🟡

**技术栈（锁定）**：

| 层 | 选择 | 版本/规格 |
|----|------|---------|
| 前端框架 | **Next.js** | 15 + 数据可视化组件(Chart.js/ECharts) |
| Agent 框架 | **LangGraph**(Python) | 分析型产品天然 Python 栈（pandas/NumPy 生态） |
| 数据管道 | **dlt**(5.5K⭐) + **Pathway**(63K⭐) | dlt 做批量ELT。Pathway 做实时流式 RAG |
| 数据库 | **Supabase** + 企业 DB 连接器 | Supabase 存分析结果。连接器读企业 DB（只读！） |
| 向量库(可选) | **Qdrant** | 如需 NL 到 Schema Mapping 的语义搜索 |
| Text-to-SQL | **Vanna.ai** + LLM | 开源 NL2SQL。双模型架构：GPT-5.5 生成 + 对照验证 |
| LLM 网关 | **LiteLLM** | 多模型路由。分析型产品可以用 DeepSeek V3 降成本 |
| 部署 | **Coolify**(57K⭐) 自托管 + **Bytebase**(DB治理) | 数据不出企业。DB 只读权限 + 列级脱敏 + 查询审计 |

**架构图（Mermaid）**:
```
用户自然语言查询 → LangGraph Agent → LiteLLM路由 → Text-to-SQL(Vanna+LLM)
                                        ↓
企业DB(Supabase/MySQL/PG) → dlt管道 ← → Pathway实时流
                                        ↓
                                   查询结果 → 可视化 → 洞察
                                        ↓
                                   Bytebase审计(只读权限+脱敏+查询日志)
```

**Codex 启动模板**：
```text
你现在要构建一个「数据分析型」AI产品：[产品名称]。

阶段③ 技术架构具体任务：
1. 创建项目骨架：LangGraph(Python) + dlt(数据管道) + Pathway(实时流)
2. 连接目标数据源：企业 DB（只读凭证！）+ dlt 自动 Schema 推断
3. 实现 Text-to-SQL：Vanna.ai(开源 NL2SQL) + GPT-5.5(生成) + Claude Sonnet(对照验证)
4. DB 治理：Bytebase 配置只读权限 + 列级脱敏 + 查询审计日志
5. 部署：Coolify(57K⭐)自托管 + OpenMeter(按查询计量计费)
6. 安全：DB 只读。最大查询时间硬限制(60s)。结果集最大行数限制(10K行)。
7. 验证：Text-to-SQL 在 20 条样例查询上的准确率 > 85%。Bytebase 审计日志正常。
工作边界：绝不给 Agent 写权限。查询超时自动 kill。结果集超限截断并告警。
```

---

### 蓝图 B：内容生成型 🟢

**技术栈（锁定）**：

| 层 | 选择 | 版本/规格 |
|----|------|---------|
| 前端框架 | **Next.js** | 15 + 内容预览/编辑组件 |
| 后端推理 | **FastAPI** + **Celery**(GPU任务队列) | Python。推理和 API 分离 |
| GPU 平台 | **Modal**(GPU容器) 或 **Replicate** | 按需GPU。B200/H200/H100 |
| 存储 | **S3/MinIO** | 生成内容对象存储 |
| LLM(文本) | **GPT-5.5** (通过 LiteLLM) | 文本生成的主力模型 |
| Diffusion(图像) | **Stable Diffusion 3.5** + LoRA | 自托管：Modal GPU。托管：Replicate |
| TTS(音频) | **ElevenLabs API** 或自托管 **CosyVoice** | 商业用 ElevenLabs。中文语音自托管 CosyVoice |
| 视频生成 | **可灵(Kling) API** 或 Sora | 国内用可灵，海外用 Runway/Sora |
| 评估 | **人类偏好评分** + A/B测试 | 风格一致性 + 多样性 + 生成速度 |

**架构图（Mermaid）**:
```
用户提示词 → Next.js(FastAPI后端) → Celery任务队列 → Modal GPU
                ↓ 文本                      ↓ 图像           ↓ 音频
            GPT-5.5(LiteLLM)        Stable Diffusion    ElevenLabs/CosyVoice
                ↓                          ↓                ↓
         S3存储 + 内容CDN → 用户预览 → 编辑/调整 → 导出
```

**Codex 启动模板**：
```text
你现在要构建一个「内容生成型」AI产品：[生成内容类型：文本/图像/视频/音频]。

阶段③ 技术架构具体任务：
1. 创建项目骨架：Next.js + FastAPI(推理后端) + Celery(GPU任务队列)
2. GPU推理：Modal(按需容器) 或 Replicate(托管)。B200/H200/H100 按需
3. 核心模型选择：
   - 文本：GPT-5.5(通过 LiteLLM)
   - 图像：Stable Diffusion 3.5 + LoRA(自托管) 或 可灵/Sora API
   - 音频：ElevenLabs(商业) 或 CosyVoice(中文自托管)
4. 存储：S3/MinIO + CDN。生成内容有有效期策略(如免费用户 7 天自动删除)
5. 评估管道：人类偏好评分(初期内部团队) + A/B 测试框架
6. 验证：端到端生成流程 < 10s(文本) / < 30s(图像) / < 60s(视频 10s)
工作边界：GPU 成本是主要关注点。用 Modal 的 spot 实例降成本。不要在生产环境用未经微调的模型。
```

---

### 蓝图 E：AI 开发工具型 🟢

**技术栈（锁定）**：

| 层 | 选择 | 版本/规格 |
|----|------|---------|
| 核心引擎 | **Rust** 或 **Go** | 性能优先。Rust 做推理核心，Go 做 API 网关 |
| IDE 集成 | **TypeScript** | VS Code/Cursor IDE 插件。Codex 生态兼容 |
| MCP 服务器 | **FastMCP**(Python) 或 **Mastra**(TS) | 构建工具暴露为 MCP。25.5K⭐ FastMCP |
| 沙箱 | **Daytona**(71K⭐) | 90ms 冷启动。30+语言。自托管 |
| LLM | **GPT-5.5**(Codex默认) + **Claude Opus**(复杂推理) | 通过 LiteLLM 统一路由 |
| 代码分析 | **agent-lsp**(30语言+65工具) | 推测执行——改代码前先模拟验证 |
| 死循环防护 | **LoopLens MCP** | 4算法16工具。检测Agent无限循环 |

**架构图（Mermaid）**:
```
开发者IDE → TypeScript插件 → Rust/Go Core(推理引擎) → LiteLLM → GPT-5.5/Claude
                ↓ Tool Call                    ↓
           Daytona沙箱(代码执行)         agent-lsp(代码分析+推测验证)
                ↓                              ↓
           Git PR生成 ← LoopLens(死循环检测) ← Agent输出验证
```

**Codex 启动模板**：
```text
你现在要构建一个「AI开发工具型」产品：[工具类型：代码助手/Agent平台/零代码生成器]。

阶段③ 技术架构具体任务：
1. 核心引擎：Rust(推理核心) 或 Go(API网关)。性能是关键——补全延迟必须 < 200ms
2. IDE集成：TypeScript VS Code/Cursor 插件。MCP 服务器暴露工具能力
3. 沙箱：Daytona(71K⭐) 90ms 冷启动。30+语言。自托管
4. 代码安全：agent-lsp(推测执行)。LoopLens(死循环检测)。s0-cli(AI-slop检测)
5. LLM：Codex 默认用 GPT-5.5。复杂推理用 Claude Opus。LiteLLM 统一路由
6. 评估：SWE-bench Pro(标准化版，非Verified版) + HumanEval。不要用已被污染的 SWE-bench Verified
7. 验证：代码补全延迟 p95 < 200ms。多文件编辑成功率 > 70%(SWE-bench Pro 基线 59.1%)
工作边界：不要用 SWE-bench Verified(已被污染)。沙箱必须隔离——Agent代码不能接触宿主机。
```

### TOP 3 架构层工具

**AI 原生数据库**：
| # | 工具 | ⭐ | 核心价值 |
|---|------|-----|---------|
| 1 | **LanceDB** | 10.6K | 唯一开源多模态向量 Lakehouse。向量+图像+视频+音频一表存储。Lance v2.2 列存格式比 Parquet 快 68x。Midjourney/Runway/Character.ai/Netflix 生产使用。$41M 融资。 |
| 2 | **turbopuffer** | 商用 | 无服务器向量+全文搜索。S3 对象存储持久化(4T+文档/10M+写入/s)。Anthropic/Cursor/Notion/Linear/Superhuman 客户。零运维。 |
| 3 | **Endee** | 1.7K | 2026 新晋。声称 10x 更少基础设施 vs Pinecone/Qdrant/Milvus。最高吞吐+最高召回+最低 P99。Apache 2.0。 |

**知识图谱(Agent 集成)**：
| # | 工具 | ⭐ | 核心价值 |
|---|------|-----|---------|
| 1 | **Zep Graphiti** | 26.3K | 实时双时态 KG(LangMemEval 94.8%)。Agent 记忆的黄金标准。MCP Server 开箱即用。每边 4 时间戳。300ms P95 延迟。$25/月=含图的最优性价比。 |
| 2 | **Youtu-GraphRAG(腾讯)** | 1.2K | ICLR 2026 发表。Schema 引导分层知识树+感知社区检测。比 SOTA 高 16.62% 准确+低 33.6% Token 成本。腾讯云 ADP 部署。 |
| 3 | **AWS GraphRAG Toolkit** | 400 | 最全面的云原生 GraphRAG 工具包。Lexical Graph(文档结构图)填补向量切割损失。Neptune+OpenSearch+pgvector+S3 Vectors+Bedrock 集成。 |

**数据摄取管道**：
| # | 工具 | ⭐ | 核心价值 |
|---|------|-----|---------|
| 1 | **RAGFlow** | 83K | 全球最高星标开源 RAG。2026 新增 MCP Server+Agent 发布+代码沙箱。7 种摄取管道模板。6 月 18K→83K⭐的爆发增长。 |
| 2 | **Knowhere** | 1.8K | 2026 最快增长新入者。文档层次重构+跨文档 KG+Agentic RAG(Agent 导航层次树非平面向量)。+36% 首次准确率。 |
| 3 | **WeKnora(腾讯)** | 17K | 全栈企业知识平台(Go+Python+Next.js)。多源摄取(飞书/Notion/RSS)。自维护 Wiki。4 层 RBAC。Langfuse 内建。 |

---



---

## 阶段④：开发实施（1-4周，MVP级别）

**目标：AI结对编程 → Agent驱动开发，单人干五人活**

### 4.1 开发环境与工作流（2026版）

| 节点 | 2026解决方案 | 工具与说明 |
|------|------------|-----------|
| IDE/主力编码 | Codex + Claude Code 混合 | Codex做批量执行+脚手架，Claude Code做架构决策+复杂重构 |
| 命令行Agent | 复杂任务委托 | **Claude Code CLI** / **Codex CLI**(93.6K⭐) |
| 代码规范 | AGENTS.md + CLAUDE.md | shanraisshan(59K⭐) / golden-CLAUDE.md(错误率41%→11%) |
| 沙箱开发 | 隔离环境安全执行 | Daytona(71K⭐,90ms) / E2B(12.5K⭐,Firecracker) |
| 版本管理 | Git + 语义化提交 | GitHub MCP 自动生成commit message + PR管理 |
| 智能代码审查 | agent-lsp(30语言+65工具) | 推测执行——改代码前先模拟+验证影响范围 |
| 死循环防护 | LoopLens MCP | 4算法16工具检测Agent无限循环 |

### 4.2 前端开发（2026最佳路径）

- **v0.app 生成初稿 → Codex 精修** 仍是最快路径
- **AI Elements**(Vercel,30+组件) + **assistant-ui**(10.6K⭐,YC) = 可组合AI聊天原语
- **Streamdown**(Vercel) = 流式安全Markdown，Shiki+Mermaid+KaTeX
- **CopilotKit**(34.4K⭐,$27M) = Agent前端基础设施，AG-UI协议(Google/MS/Amazon采用)
- 状态管理：**Zustand**(50K⭐) > Redux，流式响应用`@react-ai-stream/core`
- 截图→代码：**screenshot-to-code**(65K⭐) + **Onlook**(26K⭐) 可视化React编辑器

### 4.3 后端开发

- **API设计先行**：让Claude基于PRD生成OpenAPI规范
- **Supabase** 覆盖 Auth/数据库/文件存储 + pgvector
- **dlt**(5.5K⭐) 代码优先ETL——Python库，Schema推断+增量加载
- **Pathway**(63K⭐) 实时流式RAG管道——Python+Rust引擎，无需批量重建
- **流式响应**：SSE默认（用Context7查最新AI SDK API），>30秒任务升级持久会话

### 4.4 Agent能力开发（核心差异点）

| 节点 | 2026方法 | 推荐工具 |
|------|---------|---------|
| Prompt工程 | 版本化管理（当代码），DSPy自动优化 | **DSPy(35K⭐)** + GEPA优化器(ICLR 2026 Oral)。Langfuse(30K⭐)版本管理 |
| RAG管道 | 文档解析→分块→嵌入→检索→重排序 | MinerU(中文)/Docling(英文)→Chonkie(11+分块器)→BGE-M3/Qwen3-Embedding→pgvector→BGE-Reranker |
| 知识图谱 | 增量KG+多跳推理（按需升级） | LightRAG(36K⭐,成本最优) / Neo4j GraphRAG(企业) / MS GraphRAG(多文档摘要) |
| 工具调用 | MCP协议接入外部能力 | FastMCP(25.5K⭐)构建，MCPJam Inspector(2K⭐)测试，Context7(56.5K⭐)文档 |
| 记忆系统 | 三级记忆：窗口+摘要+长期 | Mem0(55.6K⭐)/Zep Graphiti(27.3K⭐,双时态KG)/LangMem(程序记忆) |
| 护栏 | 三层防护：内容审核+注入检测+PII | MS Presidio(9.4K⭐)/Guardrails AI(6.6K⭐)/airlock(36/36绕过防御) |
| 兜底策略 | 超时降级、幻觉检测、敏感过滤 | LoopLens(死循环检测)/agent-lsp(推测执行)/Clean(span级redaction) |

### 4.5 并行开发模式

```
主线任务（需要你决策）：
  └→ Claude Code做架构+复杂推理，你深度参与

支线任务（不需要你思考）：
  ├→ Codex Goal Mode：为所有组件补充 loading/error/empty 状态
  ├→ Codex Goal Mode：为 lib/ 下所有函数补齐测试
  ├→ Codex Cloud：批量生成蒸馏Jobs、i18n 支持
  └→ 各自出PR，你只做Review
```

**## 阶段④ 核心引擎实现蓝图**

与原型的架构选型对应。以下是"拿到技术栈后，第一步该做什么"——按步骤执行，不涉及决策。

### 蓝图 A：对话/Agent 型 — 核心引擎实现

```
Step 1: 初始化 Mastra 项目
  npm create mastra@latest → 选择 "Agent + Tools" 模板
  配置 lib/ai/client.ts：LiteLLM 多提供商路由

Step 2: 创建 Agent 行为规格书
  基于 docs/design/agent-spec.md（v2 Playbook 核心资产）
  一鱼三吃：规格书 → System Prompt → 评估集

Step 3: 实现 4 个工具
  - search_knowledge: pgvector 检索 → Qwen3-Embedding 嵌入
  - compare_frameworks: 跨域对比（如原型含此需求）
  - recommend_practice: 场景推荐
  - identify_knowledge_gap: 知识缺口 → Lane C 触发

Step 4: 流式响应
  默认 SSE（Vercel AI SDK 的 streamText）
  >30s 任务 → 升级持久会话（Upstash/Convex/ElectricSQL）

Step 5: 护栏 + 记忆
  Guardrails AI(输出验证) + MS Presidio(PII)
  短期: 滑动窗口(10轮) + 摘要压缩
  长期: Zep Graphiti(双时态KG, $25/月)

Step 6: 评估管道
  npm run eval: 20条 synthetic queries → mock Agent → LLM-as-Judge (Claude Sonnet)
  门禁: safety_rubric 必须 pass，intent_accuracy > 85%

Step 7: Playwright MCP 自测
  打开浏览器 → 模拟完整对话 → 截图验证流式输出 → 检查 console 无报错

常见陷阱：
  - RAG 管道不写调试脚本就直接集成 → 先写检索调试脚本(展示相似度分数)
  - 工具描述模糊 → 每个工具必须：zod schema + 触发条件 + 不触发条件
  - 没有评估集就上线 → 评估必须和 Agent 代码同一天创建
```

### 蓝图 D：行业 Agent 型 — 核心引擎实现

```
Step 1: 领域知识建模
  Neo4j Cypher Schema: 实体 → 关系 → 属性 → 约束
  从行业法规/手册中提取: entity_relation_candidates.jsonl
  MemStrata: 双时态知识。valid_from/valid_until 每条边必填

Step 2: 多Agent拓扑
  Supervisor Agent(任务分解) + Worker Agents(执行) + Compliance Agent(合规检查)
  禁止 Peer-to-Peer Mesh。Workers 之间不直接通信。
  通信协议: 结构化 JSON(非自然语言)。Handoff 成功率必须 > 90%

Step 3: 合规引擎前置
  在业务逻辑之前实现合规层：
  - 输入合规: 用户请求是否在 Agent 权限范围内？
  - 处理合规: Agent 决策是否符合行业法规？
  - 输出合规: Agent 响应是否有合规风险？
  Regula(398规则) + 行业专用规则库

Step 4: 耐久执行
  Temporal Workflow: 每步有检查点 + 故障恢复
  最长运行时间: 行业Agent可运行数小时/数天

Step 5: 人工审批门
  canonical write → 人工审批(不可跳过)
  runtime switch → 独立授权(不可与 knowledge update 混合)
  provider call → job policy 明确授权(默认 blocked)

常见陷阱：
  - 合规当"安全巡检"而非核心引擎 → 合规必须前置，不是后期加上去的
  - Mesh 模式 → Anthropic/Stanford 一致反对。用 Supervisor-Worker
  - 行业术语 embedding 失败 → BGE-M3(100+语言) > 单一语言模型
```

### 蓝图 C：数据分析型 — 核心引擎实现

```
Step 1: 连接数据源
  dlt: Python库，自动 Schema 推断，增量加载
  Pathway: Python+Rust 引擎，实时流式 RAG(无批量重建)
  权限: 只读凭证。绝不使用写权限连接

Step 2: Text-to-SQL 引擎
  Vanna.ai + GPT-5.5(生成SQL) + Claude Sonnet(对照验证)
  双模型架构: 两个不同家族的模型独立生成SQL → 结果一致才返回
  不一致 → 标记为 "需要人工确认"

Step 3: 查询安全
  硬限制: 最大执行时间 60s。最大返回行数 10,000
  拦截关键字: DROP, DELETE, UPDATE, INSERT, ALTER, TRUNCATE
  Bytebase: 列级脱敏 + 查询审计日志

Step 4: 可视化
  查询结果 → ECharts/Chart.js 自动可视化
  图表推荐: LLM 根据数据类型推荐最合适的图表类型

常见陷阱：
  - Agent 读 DB 给写权限 → 绝对禁止。只读+审计+超时kill
  - 复杂 JOIN 的 SQL 不准 → 双模型验证(两个LLM独立生成→一致才返回)
  - 用户期望"AI能分析一切"→ 明确告知：AI只分析已有数据，不做猜测
```

### 蓝图 B：内容生成型 — 核心引擎实现

```
Step 1: 推理后端
  FastAPI + Celery(GPU任务队列) → Modal GPU 容器
  模型预加载: 容器启动时加载模型到 GPU 显存(避免冷启动)

Step 2: 文本生成管道
  LiteLLM → GPT-5.5(主要) + DeepSeek V3(成本优化)
  Prompt 模板: 风格控制 + 长度控制 + 格式控制
  流式返回: SSE 逐 token 显示在预览区

Step 3: 图像生成管道(如适用)
  Stable Diffusion 3.5 + LoRA(自托管) 或 可灵/Sora API
  GPU: Modal B200/H200。按需启动，空闲 5 分钟后自动关闭
  生成队列: Celery → GPU Worker → S3 存储 → CDN 返回

Step 4: 内容质量评估
  人类偏好: 内部团队(初期) → A/B测试用户偏好(规模)
  自动化: CLIP Score(图像-文本对齐)、FID(多样性)
  护栏: 内容安全审核(文本+图像)

常见陷阱：
  - GPU 成本失控 → Modal spot 实例 + 空闲自动关机 + 每日预算告警
  - 风格不一致 → 固定 Seed + 相同 Prompt 模板 + LoRA 权重
  - 生成内容安全 → 内容审核前置（在返回用户前审核，不是生成后）
```

### 蓝图 E：AI 开发工具型 — 核心引擎实现

```
Step 1: 核心引擎
  Rust: 推理核心(代码补全、错误检测)。延迟 p95 < 200ms
  Go: API 网关 + WebSocket 管理 + MCP 服务器
  模型: GPT-5.5(通过 LiteLLM)。本地小模型(CodeLlama/Qwen-Coder)做快速补全

Step 2: IDE 插件
  TypeScript VS Code Extension。MCP 协议暴露工具
  agent-lsp: 代码改前推测验证。改代码前先模拟执行 → 验证影响范围
  补全触发: 文件变更 + 光标位置 + 上下文窗口(前 200 行)

Step 3: 沙箱执行
  Daytona(71K⭐): 90ms 冷启动。30+语言。Agent代码隔离执行
  LoopLens MCP: 死循环检测。4算法16工具

Step 4: 多Agent协调
  Goal Mode + Parallel Worktree
  每个 Agent 在独立 git worktree 中运行。提交前 Code Review Agent 验证

常见陷阱：
  - SWE-bench Verified 分数虚高 → 必须用 SWE-bench Pro(标准化版)
  - Agent 生成的代码有漏洞 → AI Deep SAST(Cisco)+ s0-cli(AI-slop检测)
  - Agent 陷入死循环 → LoopLens MCP 自动检测+终止
```

**产出物：** 可运行的MVP + Prompt版本库 + 工具Schema定义 + RAG/推理调试报告

### TOP 3 开发工具（跨原型通用）

**Codex Sub-Agent（给你的 Agent 配团队）**：
| # | 工具 | ⭐ | 核心价值 |
|---|------|-----|---------|
| 1 | **VoltAgent/awesome-codex-subagents** | 5.2K | 171+ 专业化 TOML SubAgent 定义(13 类)。code-reviewer/security-auditor/test-writer/ML-engineer。发布 3 天即 2K⭐。直接复制到 `~/.codex/agents/`。 |
| 2 | **jnopareboateng/codex-claude-subagents** | 450 | 跨工具 SubAgent 编排。Codex(Manager)→Claude(Worker)隔离沙箱。整合两者的优势。 |
| 3 | **michaellee8/skill-external-subagent** | 120 | 跨模型 SubAgent 框架。Codex/Claude/Gemini 互相调用。2026 多模型现实的最野心架构。 |

**Codex Skills 生态**：
| # | 工具 | ⭐ | 核心价值 |
|---|------|-----|---------|
| 1 | **FridrichMethod/awesome-skills** | 3.8K | AI Skills 的 `apt-get`。2,000+ Skill，16 上游源自动同步。`curl \| bash` 同时安装到 Claude+Codex。 |
| 2 | **zhuyansen/agent-skills-hub** | 1.6K | 62,000+ 项目搜索引擎。10 维度质量评分+每 8 小时刷新。Skills 的 Google。 |
| 3 | **GarethManning/education-agent-skills** | 2.1K | 165 教育领域 Skill(20 领域)。每 Skill 引用学术研究。领域专精 Skills 的代表。 |

**多 Agent 编排/工作台（管理多个 AI Agent）**：
| # | 工具 | ⭐ | 核心价值 |
|---|------|-----|---------|
| 1 | **concilium** | 2.4K | 本地 web 面板。Codex+Claude+Aider+Gemini+Copilot+Ollama 六 Agent 同行。xterm.js 终端+Session 恢复。无框架无构建。 |
| 2 | **octogent** | 1.3K | Claude Code 薄编排。"触手"模式——每个 Agent 有 CONTEXT.md+todo.md。文件系统作为通信原语(非消息队列)。Worktree 隔离。 |
| 3 | **glink-engine** | 50 | 零依赖多 Agent 编排。YAML 管道+JSONL 共享事件总线(黑板模式)+检查点恢复+重试。一 Python 文件一 JSONL 文件。自证：5 Agent 10 步完成 2,751 行 Three.js 游戏零人类代码。 |

**Codex→MCP 桥接**：
| # | 工具 | ⭐ | 核心价值 |
|---|------|-----|---------|
| 1 | **w31r4/codex-mcp** | 6.7K | Go 单二进制。三层沙箱(read-only/workspace-write/danger)。并发多客户端。MCP→Codex 最高星标。 |
| 2 | **tuannvm/codex-mcp-server** | 2.1K | 最新 Codex CLI 兼容性。v0.75-v0.123+ 追踪。Thread ID+结构化输出。最可靠代码桥接。 |
| 3 | **xiaolai/codex-multi-agent-mcp** | 1.8K | 唯一的多 Agent 原生 MCP 服务器。Agent Factory——定义 code-reviewer/test-writer 每个有独立模型+沙箱，并行启动。 |

### TOP 3 Claude Code 插件与钩子生态

**Claude Code 插件市场**：截至 2026-06，77+ 市场，1,275+ 插件。安装：`/plugin install <name>@<marketplace>`。

**TOP 10 插件（按安装量）**：
| 排名 | 插件 | 安装量 | 核心能力 |
|------|------|--------|---------|
| 1 | **feature-dev** | 89K+ | 7 阶段开发生命周期。Explorer→Architect→Reviewer Agent 流水线 |
| 2 | **pr-review-toolkit** | — | 并行 SubAgent 审查大 PR 的不同方面 |
| 3 | **/code-review** | — | 5 个并行 Sonnet Agent，0-100 置信度评分 |
| 4 | **security-guidance** | — | 每次代码变更的内联安全审查 |
| 5 | **commit-commands** | — | /commit→PR 创建的单链工作流 |
| 6 | **frontend-design** | — | 4 维度设计框架(原创性/功能性/视觉性/触感)。防 AI 陈词 |
| 7 | **claude-mem** | 35.9K | long-term memory(SQLite+Chroma 向量搜索) |
| 8 | **typescript-lsp / pyright-lsp** | — | 在会话中实时显示类型错误 |
| 9 | **plugin-dev** | — | 一键生成有效 `.claude-plugin/` 脚手架 |
| 10 | **github** | — | 预配置 GitHub MCP 服务器 |

**TOP 3 社区精选目录**：
| # | 工具 | 规模 | 核心价值 |
|---|------|------|---------|
| 1 | **Chat2AnyLLM/awesome-claude-plugins** | 77 市场+1,275 插件 | 最全面的 Claude Code 插件索引 |
| 2 | **rohitg00/awesome-claude-code-toolkit** | 135 Agent+176 插件+20 Hooks+14 MCP | 最全面的全能工具包 |
| 3 | **JSONbored/awesome-claude (HeyClaude)** | 1,118+ 条目 / 10 分类 | 最大规模精选 |

**TOP 3 安全钩子（Hooks）**：
| # | 工具 | 核心能力 |
|---|------|---------|
| 1 | **cc-safe-setup** | 30K+ npm 下载。8 安全钩子，~10 秒安装。阻止 `rm -rf /`/强制推送/密钥泄露/破坏性 DDL |
| 2 | **karanb192/claude-code-hooks** | 可配置安全级别(critical/high/strict)。Slack 通知。自动 git 暂存 |
| 3 | **Droidzold/hardened-security-config** | Bash 防火墙。拦截 pipe-to-shell/反向 shell/凭证渗出。解决活跃 CVE |

**TOP 3 Claude↔Codex 互操作**：
| # | 工具 | ⭐ | 核心能力 |
|---|------|-----|---------|
| 1 | **ultracontext/ultracontext** | 213 | 实时上下文同步守护进程。"开始于 Claude Code，继续于 Codex。" Git 式 Context API。v1.6.0 |
| 2 | **OpenMOSS/claude-codex-handoff** | 新 | `.handoff/` 目录的异步交接。JSONL 消息流+原子租赁。无需守护进程 |
| 3 | **pilc80/claudex** | 新 | 通过 Loopback 代理在无 API Key 情况下使用 ChatGPT/Codex OAuth |

---

## 阶段⑤：测试与评估（贯穿开发，专项3-5天）

**目标：传统测试 + AI特有评估 + 2026 Agent专用测试**

| 节点 | 方法 | 2026工具 | 说明 |
|------|------|---------|------|
| 单元/集成测试 | AI生成测试用例 | **Vitest**(前端) / **Pytest**(后端) | Claude Code生成+人工Review |
| E2E测试 | 关键路径覆盖 | **Playwright MCP**(34K⭐) + Skiritai(418⭐) | Skiritai: AI探索1次→30x加速回放 |
| **LLM评估** | 黄金测试集(50-200条)+LLM-as-Judge | **Langfuse(30K⭐)** + Promptfoo(22.3K⭐) | Langfuse做可观测性，Promptfoo做安全 |
| **Agent轨迹测试** 🆕 | 测试Agent决策过程而非仅结果 | Agent Eval Harness + Understudy + Promptfoo轨迹断言 | tool-used/tool-sequence/step-count |
| 对抗测试 | 越狱、注入攻击 | **Promptfoo** + garak(NVIDIA) + AgentSeal(225+探针) | Promptfoo被OpenAI+Anthropic自身使用 |
| 性能测试 | 首Token延迟、并发压测 | **llm-perf**(Rust,TTFT/ITL/P95) + k6 | llm-perf支持Poisson到达+浸泡测试 |
| **可复现回放** 🆕 | Agent操作→可重放脚本→CI | es617/claude-replay(600⭐) + agent-lens | Codex/Claude/Cursor→自包含HTML回放 |

**## 阶段⑤ 评估体系蓝图**

### 蓝图 A：对话/Agent 型 — 评估体系

| 维度 | 指标 | 目标 | 工具 |
|------|------|------|------|
| 意图准确率 | intent_accuracy | > 85% | Langfuse(30K⭐) + LLM-as-Judge(Claude Sonnet) |
| 检索质量 | Recall@5 | > 85% | golden queries × canonical answers |
| 安全 | safety_rubric | 100% pass。单条失败=block | Promptfoo(22K⭐) + garak(NVIDIA) |
| 来源覆盖 | source_diversity | ≥ 2 个不同 source / 回答 | Agent 日志采样(每周100条) |
| 流式延迟 | 首token p50 | < 500ms | Langfuse trace |

**Pipeline**: `npm run eval` → deterministic rules(60%) → classifiers(30%) → LLM Judge(10%)

### 蓝图 D：行业 Agent 型 — 评估体系

| 维度 | 指标 | 目标 | 工具 |
|------|------|------|------|
| 合规检查 | compliance_pass_rate | 100%。单条失败=block | Regula(398规则) + 行业专用规则库 |
| 任务完成率 | task_completion | > 80% | AgentOps(5.6K⭐) 端到端追踪 |
| Handoff | handoff_success | > 90% | Agent A 输出被 Agent B 正确消费比例 |
| 违抗检测 | disobedience_detected | 0 | MS AgentPex(ACM 2026) 424轨迹验证 |
| 人工审批比 | auto_vs_human_approval | < 1.0(自动<人工) | AgentOps dashboard |

### 蓝图 C：数据分析型 — 评估体系

| 维度 | 指标 | 目标 | 工具 |
|------|------|------|------|
| SQL 准确率 | sql_correctness | > 85% | 双模型验证(GPT-5.5 + Claude Sonnet 独立生成→一致) |
| 图表正确性 | viz_correctness | > 90% | 确定性验证(数据类型→图表类型匹配规则) |
| 查询延迟 | p95 execution | < 5s | Bytebase 审计日志 |
| 安全性 | blocked_query_rate | > 99.9% (DROP/DELETE等拦截) | Bytebase SQL Firewall |

### 蓝图 B：内容生成型 — 评估体系

| 维度 | 指标 | 目标 | 工具 |
|------|------|------|------|
| 人类偏好 | human_preference_score | 不劣于竞品 | 内部团队 A/B 盲测（初期）|
| 风格一致性 | style_consistency | 同一 prompt 模板 3 次生成风格一致 | CLIP Score / 人工 |
| 多样性 | diversity_score | 不重复生成相同内容 | FID(图像) / Self-BLEU(文本) |
| 生成速度 | generation_time | 文本<10s, 图像<30s, 视频10s<60s | Modal GPU 监控 |

### 蓝图 E：AI 开发工具型 — 评估体系

| 维度 | 指标 | 目标 | 工具 |
|------|------|------|------|
| 代码正确性 | SWE-bench Pro(标准化) | > 59.1%(当前SOTA基线) | SWE-bench Pro harness |
| 代码补全延迟 | p95 < 200ms | 实时补全的可接受延迟 | Langfuse trace |
| 多文件编辑 | multi_file_success | > 70% | SWE-bench Pro multi-file subset |
| AI-slop | hallucinated_imports | 0 | s0-cli(幻觉导入检测) |
| 死循环 | loop_detected | 0 | LoopLens MCP |

**产出物：** 评估基准集（Eval Set）+ Agent轨迹评估报告 + 红队攻击集

### TOP 3 测试与评估工具

**Agent 评估与红队**：
| # | 工具 | ⭐ | 核心价值 |
|---|------|-----|---------|
| 1 | **Langfuse** | 30K | OSS 可观测标杆。50M 月 SDK。Tracing + Prompt + Eval + 数据集。ClickHouse 收购后基础设施加固。LLM Eval per PR 的 GitHub Action。 |
| 2 | **Promptfoo** | 22.3K | 安全红队+回归测试。OpenAI/Anthropic 自身使用。2026.3 合并轨迹断言(tool-used/tool-sequence/step-count)。CI 门禁集成。 |
| 3 | **Arize Phoenix** | 10K | OTel 原生。2.4M+ 月安装。RAG 调试最强。Span 级检索质量分析+LLM-as-Judge 评估。 |

**Agent 专用测试（新品类）**：
| # | 工具 | ⭐ | 核心价值 |
|---|------|-----|---------|
| 1 | **Agent Eval Harness** | 新品 | 12 包 monorepo。13 工具问题类型。CJ 门禁+MCP Server。首个标准化 Agent 测试平台。 |
| 2 | **Understudy** | 新品 | "对 trace 断言，不对 prose 断言。" YAML 场景。ADK+LangGraph 适配。不是测输出，是测决策过程。 |
| 3 | **MS AgentPex** | ACM 2026 | "蓄意违抗"检测。424 轨迹验证。自动从 prompt 提取可检测规则。行业 Agent(原型D)必装。 |

**可复现回放**：
| # | 工具 | ⭐ | 核心价值 |
|---|------|-----|---------|
| 1 | **es617/claude-replay** | 600 | Codex/Claude/Cursor/Gemini→自包含 HTML 回放。自动检测 Agents 目录格式。 |
| 2 | **agent-lens** | 新品 | ATIF 轨迹捕获。多级重采样+回放。子 Agent 捕获。自动裁判评估。 |
| 3 | **Skiritai** | 418 | AI 探索→可回放 Playwright。30x 回放加速。CJK 元素匹配。

---

---

## 阶段⑥：部署与运维（1-2天）

| 节点 | 方法 | 2026工具/平台 | 说明 |
|------|------|-------------|------|
| CI/CD | Push即部署，AI评估门禁 | **GitHub Actions** + Vercel / Coolify(57K⭐) | Langfuse实验Action做LLM eval per PR |
| LLM可观测性 | 每次调用的输入/输出/成本/延迟 | **Langfuse**(30K⭐,ClickHouse收购) + Arize Phoenix(10K⭐) | Helicone已停止开发→迁移到Langfuse |
| 传统监控 | 错误追踪+性能 | **Sentry MCP** + Grafana Cloud AI | Sentry MCP实现find-source→fix→PR闭环 |
| 成本管控 | Token用量告警、模型路由降级 | **LiteLLM(52K⭐)** + OpenMeter(2.1K⭐,Kong收购) | 多提供商自动故障转移+冷却+最低成本路由 |
| 安全 | API限流、密钥、内容审核 | **Cloudflare** + Infisical(20K⭐,PAM+KMS) + MS Presidio | PII检测+GDPR匿名化 |
| DB分支 | 开发/测试环境隔离 | **Neon**(Databricks收购) | COW DB分支，80%+由AI Agent创建 |
| 沙箱 | AI代码安全执行 | Daytona(71K⭐,90ms冷启动) | 30+语言，H100 GPU，自托管 |

**⚠️ Helicone已于2026.3被Mintlify收购进入维护模式——立即迁移。**

**## 阶段⑥ 部署运维蓝图**

### 蓝图 A：对话/Agent 型

| 层 | 选择 | 关键配置 |
|----|------|---------|
| 前端部署 | Vercel | 或 Coolify(57K⭐)自托管。自定义域名 + SSL |
| 后端部署 | Railway | 或 Coolify。Docker 容器化 |
| 数据库 | Supabase | pgvector 索引。RLS 策略必须启用 |
| 可观测性 | Langfuse(30K⭐) | Prompt 版本化 + 成本追踪 + 评估数据集 |
| 错误监控 | Sentry MCP | find-source→fix→PR 闭环 |
| 沙箱 | Daytona(71K⭐) | Agent 代码安全执行 |

**安全上线检查清单**: SAST扫描 → CSRF token → RLS验证 → 密钥扫描 → CSP/HSTS → 速率限制 → 渗透测试

### 蓝图 D：行业 Agent 型

| 层 | 选择 | 关键配置 |
|----|------|---------|
| 全部部署 | Coolify(57K⭐) 自托管 | 数据不出企业。VPC 隔离 |
| 图数据库 | Neo4j AuraDB | 云托管(避免自建运维) 或 社区版(免费,节点数限制) |
| 合规审计 | Regula + Bytebase | 合规引擎 + DB 审计。所有 Agent 操作有审计日志 |
| Agent 监控 | AgentOps(5.6K⭐) | 多Agent 瀑布图 + 时间旅行回放 |
| Agent 安全 | AgentSeal | 225+ 对抗探针。6,600+ MCP 安全注册表 |
| 密钥管理 | Infisical(20K⭐) | PAM + KMS。Agent 不持有真实凭证 |

**⚠️ 行业Agent安全等级最高。上线须满足: EU AI Act Annex IV 证据包 + DPA(数据处理协议) + 渗透测试报告。**

### 蓝图 C：数据分析型

| 层 | 选择 | 关键配置 |
|----|------|---------|
| 全部部署 | Coolify(57K⭐) 自托管 | 数据不出企业 |
| DB 治理 | Bytebase(DBHub) | Agent 不直接接触数据库。只读 + 脱敏 + 审计 |
| 计量计费 | OpenMeter(2.1K⭐) | 按查询量计量。Stripe 发票 |
| 沙箱 | Coolify + VPC | 无 GPU 需求 |

### 蓝图 B：内容生成型

| 层 | 选择 | 关键配置 |
|----|------|---------|
| 前端 + API | Vercel + Railway | 或 Coolify 自托管 |
| GPU 推理 | Modal | spot 实例降成本。空闲 5min 自动关机。每日预算告警 |
| 存储 | S3 + CDN | 生成内容有有效期(免费用户7天) |
| API 网关 | LiteLLM(52K⭐) | 文本生成路由 |

### 蓝图 E：AI 开发工具型

| 层 | 选择 | 关键配置 |
|----|------|---------|
| 前端 | Vercel | IDE 插件市场分发 |
| 沙箱集群 | Daytona(71K⭐) | 多租户隔离。90ms 冷启动 |
| MCP 网关 | 自建 | MCP 服务器安全审计 + 速率限制 + Token 配额 |
| 代码分析 | agent-lsp | 推测执行 + s0-cli(AI-slop) |

---

### TOP 3 部署运维工具

**DB 治理 + MCP 数据桥接**：
| # | 工具 | ⭐ | 核心价值 |
|---|------|-----|---------|
| 1 | **Google MCP Toolbox** | 15.5K | 最全数据库 MCP。20+ DB(AlloyDB/BigQuery/Cloud SQL/Spanner/Firestore/PG/MySQL/Mongo/Redis/ES/Neo4j/Snowflake/Oracle)。Go 实现+安全拦截+OTel。 |
| 2 | **DataBridge** | 新 | 跨 PG/Mongo/SQLite/DuckDB 的联合查询 MCP。持久化 Schema 记忆(Agent 不重复 Introspect)。DataAgentBench 61.37% Pass@1。 |
| 3 | **Infisical** | 20K | Secrets+PAM(即时访问)+KMS+Agent Vault。Agent 不持有真实凭证。安全上线必装。 |

**语义缓存与成本优化**：
| # | 工具 | ⭐ | 核心价值 |
|---|------|-----|---------|
| 1 | **AI Gateway** | 新 | 零代码变更的反向代理。4 层缓存(精确/模板/语义/词重叠)+速率限制+熔断。60 秒 Railway/Render/Docker 部署。40-70% 成本削减。 |
| 2 | **RAG-Cache** | 新 | Redis(精确~1ms,7,723x 加速)+Qdrant(语义~450ms,18.7x)+LLM 三层。OpenAI+Anthropic。有测量基准。~80% 节省。 |
| 3 | **ContextCache** | 新 | 首个多轮对话语义缓存。自注意力结合历史上下文避免假缓存命中。比 GPTCache 高 10.9% 精度+14.8% 召回。 |

---

## 阶段⑦：运营与增长（持续）

| 节点 | 方法 | 2026工具 | 说明 |
|------|------|---------|------|
| 用户行为分析 | 漏斗、留存 | **PostHog**(25K⭐) + Langfuse Analytics | PostHog免费100K事件/月，自托管 |
| 用户反馈闭环 | 点赞/点踩+隐式信号+反馈入库 | **自建Lane B** + Langfuse | Agent反馈→Lane B蒸馏→知识回流 |
| 内容营销 | SEO文章、社媒 | **Claude Code** 批量生产 + 人工把关 | AGENTS.md约束品牌语调 |
| A/B测试 | Prompt级别A/B | **PostHog Feature Flags** + Langfuse | 灰度发布：5%→25%→50%→100% |
| **知识健康监控** 🆕 | 陈旧/矛盾/盲区检测 | Lane C triggers + Truva(去重+矛盾检测) | 每周自动健康报告 |

### TOP 3 运营增长工具

**AI 增长分析**：
| # | 工具 | ⭐ | 核心价值 |
|---|------|-----|---------|
| 1 | **TensorZero** | 11.7K | Rust LLMOps 平台。自适应 A/B 测试+Autopilot(AI 自动分析数据→设 Eval→优化 Prompt→收敛胜出版本)。+612% 数据提取任务。处理全球 ~1% LLM 流量。 |
| 2 | **GrowthBook** | 7.8K | OSS 特性标记+A/B 测试。100B+ 标记/天，24 SDK。Warehouse-native(BigQuery/Snowflake 就地统计)。CUPED/Sequential/Bayesian/SRM。自托管免费。 |
| 3 | **Langfuse** | 30K | ClickHouse 收购。19/50 Fortune 500。唯一自托管可达到 per-user 成本+per-interaction 延迟+eval-at-scale 的统一栈。 |

**AI 落地页/营销站生成器**：
| # | 工具 | ⭐ | 核心价值 |
|---|------|-----|---------|
| 1 | **Shipixen** | $249/年 $379终身 | 最成熟 AI 站点生成器。Next.js+Tailwind+shadcn/ui。63 主题+300 UI 示例+37 落地页组件。一键 Vercel/Netlify。ProductHunt #1。 |
| 2 | **pagelathe** | MIT npm | 最佳全开源替代。Astro 项目(~100 Lighthouse 默认)。代码片段 Hero+多语言 API 示例。反营销废话。Gemini/OpenRouter/OpenAI 支持。 |
| 3 | **vibe-skills** | Claude Skill | Claude Code 的 Skill。4 阶段强制设计决策→禁止 AI 设计陈词(purple gradients/Inter defaults)。`here.now` 实时 URL。40+ Agent 兼容。 |

**⚠️ 市场缺口**: 零个 AI 站点生成器内建 A/B 测试或分析。**实践**: Shipixen/pagelathe 生成 → GrowthBook 做 A/B → Langfuse 做 LLM 成本分析。

---

## 阶段⑧：自进化机制（AI产品的灵魂）

**目标：让产品越用越聪明，形成数据飞轮**

| 节点 | 2026解决方案 | 推荐工具 |
|------|-----------|---------|
| 数据回流 | 用户点踩→坏案例库，好案例→Few-shot库 | Langfuse(自动采集) + GPTCache(8K⭐,语义缓存) |
| Prompt自动优化 | 基于评估集的自动迭代 | **DSPy(35K⭐)** + GEPA(ICLR 2026 Oral) + Promptfoo回归 |
| RAG进化 | 检索失败→优化分块/索引 | LightRAG(36K⭐,增量更新无需全量重建) |
| 模型进化 | 微调小模型或切换新模型 | LiteLLM(52K⭐)自动路由 + LMCache(9.9K⭐,GPU KV缓存) |
| 自动化守门 | Prompt变更→Eval Set→CI门禁 | **Langfuse实验Action** + Promptfoo CI集成 |
| **知识自愈** 🆕 | 陈旧/矛盾自动检测+人工审核 | MemStrata(97%准确率) / Zep Graphiti(双时态) |
| **多Agent进化** 🆕 | Agent协作效能持续优化 | AgentOps(5.6K⭐) + Understudy(轨迹断言) |

**## 阶段⑧ 自进化蓝图**

### 蓝图 A：对话/Agent 型

```
飞轮:
  用户交互 → 点踩案例 → Lane C 坏案例库
     → DSPy+GEPA 自动优化 Prompt → 评估验证
     → Canary 灰度(5%→25%→50%→100%) → 全量
     
进化维度:
  - Prompt 优化: DSPy(35K⭐) + GEPA(ICLR 2026 Oral)。月循环
  - RAG 进化: LightRAG 增量更新(无需全量重建) + 检索失败回流
  - 知识自愈: MemStrata 陈旧检测(97%准确率) + Zep Graphiti 双时态
  - 飞轮刹车: safety_rubric 倒退 → 立即 block。auto > human review → 减速
```

### 蓝图 D：行业 Agent 型

```
飞轮:
  Agent 执行任务 → AgentOps 追踪 → 协作效能评估
     → Understudy 轨迹断言 → 发现低效模式
     → 优化 Agent 协作策略 → A/B 对比(Pilot组 vs Control组)
     → 合规验证 → 灰度切换
     
进化维度:
  - 协作优化: Handoff 成功率 + 通信开销比的持续改善
  - 违抗学习: AgentPex 发现的违抗模式 → 护栏规则库更新
  - 合规数据回流: 行业法规更新 → 知识图谱增量更新 → 合规引擎规则刷新
  - 知识图谱: Neo4j Cypher 增量。entity_relation_candidates → QA → review → canonical
```

### 蓝图 C：数据分析型

```
飞轮:
  查询执行 → SQL 正确率监控 → 失败查询自动归类
     → 失败模式聚类 → Text-to-SQL Prompt 优化
     → Schema 变更检测 → 自动重新索引
     
进化维度:
  - SQL 准确率: 双模型验证的对照结果持续改善
  - Schema 自适应: 企业 DB Schema 变更 → 自动检测 → 重新索引(只读安全)
  - 查询优化: 频繁超时查询 → 自动优化或缓存
```

### 蓝图 B：内容生成型

```
飞轮:
  用户偏好数据 → A/B 测试 → 胜出版本
     → Fine-tuning/LoRA(领域微调) → Base Model 升级决策
     → 灰度切换
     
进化维度:
  - 模型进化: 累积用户偏好数据 → LoRA 微调 → 比 base model 好的评估分数 → 灰度
  - 模板进化: 高频 prompt 模板的性能监控 → 自动优化
```

### 蓝图 E：AI 开发工具型

```
飞轮:
  SWE-bench Pro 持续评估 → 新版本模型测试 → Base Model 升级决策
     → 开发者生产力指标 → 用户留存 + 代码质量
     
进化维度:
  - 模型进化: 新模型发布 → SWE-bench Pro 自动评估 → 基准对比 → 灰度
  - MCP 生态: MCP 服务器兼容性监控 → 新服务器认证 → 插件生态扩展

---

### TOP 3 自进化与数据飞轮工具

**Prompt 自动优化**：
| # | 工具 | ⭐ | 核心价值 |
|---|------|-----|---------|
| 1 | **DSPy** | 35K | 声明式 Prompt 编程。GEPA 优化器(ICLR 2026 Oral)。比 RL 少 35x Rollout。Dropbox 45% NMSE 降低+1-2 天 vs 1-2 周手动。 |
| 2 | **TextGrad** | 3.6K | 文本梯度反向传播。Nature 2025 发表。比 DSPy 更轻量。适合快速实验。 |
| 3 | **Zenbase** | YC S24 | DSPy 核心贡献者创业。生产化 DSPy。已有 LLM 管线+优化器包装——降门槛。 |

**知识自愈引擎**：
| # | 工具 | ⭐ | 核心价值 |
|---|------|-----|---------|
| 1 | **Zep Graphiti** | 26.3K | 双时态 KG。MemStrata 97% 陈旧检测准确率。valid_from/valid_until 每条边必填。$25/月=含图的最优性价比。 |
| 2 | **LightRAG** | 36K | 增量图更新(无需全量重建)。99.98% Token 节省 vs MS GraphRAG。5 种查询模式。知识库进化首选。 |
| 3 | **Hermes Agent** | 新 | DSPy+GEPA 自动进化 Agent Skill/Prompt/工具描述。ICLR 2026 Oral。MIT。 |

**多 Agent 进化监控**：
| # | 工具 | ⭐ | 核心价值 |
|---|------|-----|---------|
| 1 | **AgentOps** | 5.6K | 瀑布图+时间旅行回放。CrewAI/LangGraph 原生集成。多 Agent 协作效能可视化。 |
| 2 | **Understudy** | 新品 | 轨迹断言("对 trace 断言，不对 prose 断言")。持续监控 Agent 决策质量退化。 |
| 3 | **Lane C Triggers** | 自建 | 6 量化触发器+紧急熔断。基于 Playbook §3.5 自进化量化指标。见 `docs/design/lane-c-triggers.md`。 |

---

## 全流程工具速查总表（2026-07）

| 环节 | 首选工具 | 备选 | Stars | 成熟度 |
|------|---------|------|-------|--------|
| 调研 | Claude Code + Firecrawl MCP | Perplexity | 6.6K+ | 🟢 |
| 原型 | v0.dev + screenshot-to-code | Onlook(26K⭐) | 65K | 🟢 |
| 开发(AI网站) | Codex + Claude Code | Cursor | 93.6K+ | 🟢 |
| 开发(知识库) | Codex + MinerU + Chonkie + LightRAG | RAGFlow(82K⭐) | 72K+ | 🟢 |
| 开发(多Agent) | Claude Code + LangGraph + AgentOps | CrewAI(54K⭐) | 35K+ | 🟢 |
| Agent框架(TS) | Mastra | Vercel AI SDK | 25.5K | 🟢 |
| Agent框架(Python) | LangGraph | smolagents(26K⭐) | 35K | 🟢 |
| 数据后端 | Supabase + pgvector | Neon | 18K+ | 🟢 |
| 向量库(性能) | Qdrant | Milvus(44K⭐) | 23K | 🟢 |
| 嵌入(中文) | Qwen3-Embedding-8B | BGE-M3(12K⭐) | - | 🟢 |
| 嵌入(多语言) | BGE-M3 | Qwen3-Embedding | 12K | 🟢 |
| 知识图谱 | LightRAG | Neo4j GraphRAG | 36K | 🟢 |
| Agent记忆 | Zep Graphiti($25/月) | Hindsight(91.4%SOTA) | 27.3K | 🟢 |
| 评估+可观测性 | Langfuse + Promptfoo | Arize Phoenix(10K⭐) | 30K | 🟢 |
| AI测试(E2E) | Playwright MCP + Skiritai | Canary | 34K | 🟢/🟡 |
| 部署(前端) | Vercel | Coolify(57K⭐,自托管) | - | 🟢 |
| 部署(Agent后端) | Railway | Coolify + local-ai-packaged | - | 🟢 |
| LLM网关 | LiteLLM | Portkey(12.2K⭐) | 52K | 🟢 |
| 分析 | PostHog | Langfuse Analytics | 25K | 🟢 |
| 自进化 | DSPy + Lane C | Hermes Agent | 35K | 🟢/🟡 |
| 护栏 | MS Presidio + Guardrails AI | airlock(36/36绕过) | 9.4K+ | 🟢 |
| Codex Skills | addyosmani/agent-skills | openai/skills | 66K | 🟢 |
| Claude Skills | anthropics/skills + serpro69 toolbox | danzam98(66技能) | 87K+ | 🟢 |

---

## 骨干路线的三条铁律（2026验证版）

1. **评估先行**：没有Eval Set的AI产品无法迭代。2026年扩展：评估集必须是活体数据集（每周从生产增量），评判器必须锁定三元组(model+rubric+prompt_hash)。

2. **渐进式Agent**：先做好单次LLM调用 → 再加工具+检索 → 最后才是多Agent。2026年共识：在添加第二个Agent之前，穷尽单Agent的所有优化空间。Mastra(480贡献者,最高增速)在TS侧已可匹敌LangGraph。

3. **数据飞轮设计前置**：在架构阶段就规划好"用户数据如何回流"。2026年扩展：隐式信号(复制/重生成/中断)提供13倍于显式反馈的信号量。必须在前端就埋好所有隐式信号采集点。

---

## 五种技术原型的完整技术栈速查

| | 原型A 对话/Agent 🟢 | 原型B 内容生成 🟢 | 原型C 数据分析 🟡 | 原型D 行业Agent 🔴 | 原型E 开发工具 🟢 |
|---|---|---|---|---|---|
| **Agent框架** | Mastra(TS)/LangGraph(Py) | FastAPI+Celery | LangGraph(Py) | LangGraph+Temporal | Rust/Go Core |
| **核心引擎** | LLM+RAG+Tools | LLM+Diffusion+TTS | Text-to-SQL+Viz | 领域LLM+KG+合规 | Code LLM+MCP |
| **数据库** | Supabase/pgvector | S3/MinIO | Qdrant+企业DB | Neo4j+Qdrant | Git/Sandbox |
| **记忆** | LangMem/Zep | — | Zep(双时态) | Mem0+Hindsight | — |
| **评估** | LLM-as-Judge | 人类偏好+A/B | SQL准确率 | 合规+业务指标 | SWE-bench Pro |
| **安全** | 中 | 低 | 高(只读DB) | 最高(合规) | 中 |
| **部署** | Vercel+Coolify | Railway+GPU集群 | Coolify自托管 | Coolify自托管 | Vercel+Sandbox |
| **流式** | 必需 | 可选 | 可选 | 必需 | 必需 |
| **壁垒** | Agent规格书+评估集 | 模型能力+模板库 | 企业连接器 | 行业Know-how+合规 | 生态集成+社区 |

---

*本路线图每季度更新工具推荐。相关深度分析见：*
- *`audit/10-Playbook模块工具推荐目录-v2.6.md` — 完整工具目录*
- *`audit/11-AI产品商业分类体系-完整调研.md` — 12品类×5原型商业分类*
- *`AI产品工厂操作系统Playbook-v2.md` — 平台级产品工厂操作系统*
- *`product/kb-distillation-prd2-handoff-20260703/` — 实战产品案例(原型A的参考实现)*