tigerai-consulting-methodology
Skill16 starsChanged 5 months agoApache-2.0View on GitHub
TigerAI P1 顧問方法論與研究交付規範。用於企業 AI 轉型診斷、L1-L5 導入、顧問報告、研究論文從 Zenodo DOI 到 arXiv 與期刊投稿、版本治理,以及生成圖片的本機保存與路徑回報。
In this repository7 other files it gives its agents.
- AGENTS.mdAGENTS.md
- CLAUDE.mdCLAUDE.md
- claim-auditSkill
- consulting-delivery-coachSkill
- consulting-thinking-coachSkill
- hype-scrubSkill
- reviewer-responseSkill
The file
Files
TigerAI Consulting Methodology Skill
本目錄包含了企業 AI 轉型成熟度診斷與導入方法論工具包。
進行 L1-L5 成熟度說明、客戶教育、主管簡報或非技術溝通時,優先讀取:
01_Assessment/AI_MATURITY_SCORING_MODEL.md01_Assessment/AI_MATURITY_DELIVERABLES_AND_EVIDENCE_MATRIX.md
上述文件定義企業情境的正式評分、交付物、Evidence 與 Stage Gate;產品名稱不得被直接視為成熟度等級。
📍 專案層級與定位 (Project Tier)
- Tier: P1 企業部署框架 (Enterprise Deployment Framework)
- 定位: 這是 TigerAI 的官方核心顧問方法論,用於指導客戶從 L1 (個人探索) 走向 L5 (多智能體協作)。
📚 系列雙教練(上下集分工)
本 repo 是「AI-Native 顧問方法論系列」的下集(Book II:從顧問判斷到專案交付),搭配上集(Book I:顧問思考能力系統)。系列總入口見 SERIES_INDEX.md。兩集各有一個 AI 教練 skill,依任務切換:
| 任務 | 用哪個 skill | 範圍 |
| 練「判斷」:會議改寫、畫對角線、L1-L5 能力評分、主管反問 | consulting-thinking-coach(上集) | Book I |
| 跑「交付」:成熟度診斷、課程配置、八階段報告、交付驗收、Phase A/B/C Gate、專案風險 | consulting-delivery-coach(下集) | Book II |
接力原則:上集把客戶會議變成「判斷 + 對角線」,下集把判斷推進成「可交付、可驗收、可續約」的專案。橋接見
22_Bridge_To_Consulting_Delivery.md。
🛠️ Antigravity 執行規範
- 答案先行 (Answer-First): 在回答客戶關於策略與診斷的問題時,優先給出清晰的結論,再進行 MECE 的結構化分析。
- 遵守八階段框架: 所有顧問建議必須對齊
CONSULTING_TOOLKIT_TEMPLATES.md中定義的八階段 (Stage 1 ~ Stage 8)。 - 推動 Workflow 互動: 主動引導使用者使用
/diagnose或是/generate-report等預設工作流進行互動式諮詢。 - 報告產出標準: 產出顧問報告時,必須嚴格遵守
03_Consulting_Report/CONSULTING_REPORT_TEMPLATE_EN.md的結構與學理邏輯,切勿隨意省略重要的治理與簽核環節(例如:Risk Register, Stage Gate Criteria)。
🖼️ 生成圖片交付規範
使用圖片生成工具建立研究圖、資訊圖、簡報圖或其他視覺素材時,必須遵守以下規定:
- 必須保存至本機專案
- 不得只將圖片留在 Codex、Antigravity 或其他工具的暫存目錄。
- 生成完成後,必須將圖片複製到目前工作專案內的
assets/目錄。 - 優先放在對應文件旁的
assets/;若沒有明確文件歸屬,放在專案共用的assets/generated/。
- 必須使用可辨識且版本化的檔名
- 檔名至少包含產品或文件名稱、圖片用途與版本號。
- 建議格式:
{Product_or_Document}_{Purpose}_v{Version}.png。 - 不得使用無法辨識用途的隨機雜湊檔名作為正式交付檔。
- 必須保留原始生成檔
- 將正式交付圖複製到專案目錄,不主動刪除工具產生的原始檔。
- 若後續重新生成,建立新版本檔案;除非使用者明確要求,不覆蓋或刪除舊版。
- 必須驗證交付結果
- 回覆使用者前,確認正式圖片檔案確實存在、檔案大小大於零且版本名稱正確。
- 圖片若對應特定文件版本,內容與檔名都必須明確標示相同版本。
- 必須回報完整儲存路徑
- 最終回覆必須附上正式圖片的完整本機路徑。
- 優先提供可點擊的 Markdown 本機檔案連結。
- 若有多張圖片,逐一列出用途、版本與路徑。
完成條件:
圖片已生成、已複製至專案本機目錄、已完成版本化命名、已驗證檔案存在,且已向使用者提供完整儲存路徑,才算完成圖片交付。
🧪 AI 原生研究與論文 SOP
處理學術論文、preprint、產業研究、方法論研究或可引用知識製品時,必須先讀取並遵守以下兩份權威文件:
09_Research_Paper/AI_NATIVE_RESEARCH_HUMAN_AI_BOUNDARY_SOP_ZH.md09_Research_Paper/ADVANCED_RAG_HUMAN_AI_RESEARCH_STORY_ZH.md09_Research_Paper/AI_MATURITY_HUMAN_AI_RESEARCH_STORY_ZH.md09_Research_Paper/AI_NATIVE_EBOOK_HUMAN_AI_RESEARCH_STORY_ZH.md09_Research_Paper/AI_NATIVE_EBOOK_STAGE_GATE_HUMAN_AI_TABLE_ZH.md
第一份定義正式的 12+1 階段、人類/AI 邊界、內容狀態與品質 Gate;第二份示範技術實驗型 Advanced RAG 論文;第三份示範如何以 AI 轉型成熟度理論為題,將研究背景與顧問經驗轉成可反駁、可驗證的理論論文;第四份示範如何把已存在的 AI-Native eBook / Toolkit artifact 轉成 DSR 論文、DOI 版本與後續投稿路線;第五份將 AI-Native eBook 情境轉成 Stage / Gate / 人類與 AI 分工表。若本 Skill 的摘要與上述文件有差異,以較嚴格且版本較新的規則為準。
核心責任邊界
人類必須掌握:
- 研究價值、真實問題、研究問題與貢獻範圍。
- 研究倫理、資料合法性、個資、機密與利益衝突。
- 方法、樣本、測量、baseline、排除規則與分析策略的最終選擇。
- 原始資料、金標答案、結果解讀、限制與正式主張。
- 作者資格、作者順序、投稿、審稿回覆與公開責任。
AI 可以協助:
- 驗證性搜尋、創新性搜尋、跨領域連結與反向搜尋。
- 產生候選 RQ、理論橋接、研究缺口、baseline 與反例。
- 整理文獻矩陣、資料格式、候選題、分析程式與圖表草稿。
- 執行實驗、計算指標、建立 traceability 與一致性檢查。
- 撰寫候選草稿、red-team、claim audit、hype scrub 與審稿回覆草稿。
AI 絕對不得:
- 虛構文獻、DOI、作者、頁碼、資料、數字、訪談或實驗結果。
- 把搜尋不到寫成不存在,把候選創新寫成首次或已證明。
- 把 AI 摘要當成已閱讀原文,把相關性寫成因果。
- 擅自修改 protocol、gold data、排除規則或主要評估指標。
- 自行宣布資料已人工驗證、研究倫理已通過或實驗已完成。
- 自行投稿、署名、發布或代替人類作者承擔責任。
核心原則:
人類負責研究意圖、真實世界判斷與最終責任;AI 負責擴展搜尋、降低機械負擔、提出反證並加速可追溯的研究迭代。
12+1 階段研究生命週期
階段一:研究準備
- 選題與研究問題
- 人類提出真實問題、研究價值、範圍與可證偽性。
- AI 產生候選 RQ、變項、反例與範圍風險。
- 產物:
RESEARCH_BRIEF.md、RQ、非研究範圍。 - Gate:問題重要、可回答且可取得證據。
- 文獻搜尋與閱讀
- 同時執行驗證性搜尋與創新性搜尋。
- AI 應跨到相鄰領域、替代術語、反向文獻與可能推翻 novelty 的研究。
- 人類閱讀關鍵原文,核對作者、年份、DOI、方法與實際結論。
- 產物:
SEARCH_LOG.md、LITERATURE_MATRIX.md、INNOVATION_CANDIDATES.md、REJECTED_REFERENCES.md。 - Gate:核心引用可外部驗證,創新候選已由人類判斷。
- 研究設計與方法
- 人類決定方法、樣本、倫理、baseline、公平性與分析策略。
- AI 比較方法、模擬 reviewer、尋找 leakage 與設計漏洞。
- 產物:
EXPERIMENT_PROTOCOL.md、BASELINE_CONTROL_MATRIX.md、分析計畫。 - Gate:
Protocol Freeze。
- 資料收集與整理
- 人類確保資料來源、同意、版本、完整性與合法性。
- AI 只協助去識別化、格式整理、轉錄、缺漏與欄位檢查。
- 原始資料保存為唯讀版本,不得在正式實驗期間偷偷覆寫。
- Gate:來源、同意、資料版本與處理紀錄可追溯。
階段二:研究執行
- 資料分析與驗證
- AI 可執行程式、指標、敏感度分析與錯誤整理。
- 人類決定最終模型、結果意義、替代解釋與異常處理。
- 保存 config、environment、seed、結果、errors 與
RUN_MANIFEST.md。 - Gate:結果可重跑,負面與不顯著結果未被隱藏。
- 論文架構與大綱
- 人類決定論證順序、核心貢獻與限制。
- AI 可產生多種大綱與 claim-evidence map。
- 產物:
OUTLINE.md、CLAIM_EVIDENCE_MATRIX.md。 - Gate:每個核心主張都有對應證據位置。
- 撰寫初稿
- AI 只能依核准大綱與已存在證據撰寫候選草稿。
- 尚未完成的結果必須刪除或明確標為 pending,不得填入想像數字。
- Gate:沒有無來源數字、虛構引用或未驗證的效果宣稱。
階段三:寫作與修訂
- 修改與潤稿
- 執行 red-team、claim audit、hype scrub 與跨章一致性檢查。
- 人類決定補實驗、降主張、列入限制或有理據地拒絕建議。
- 產物:
REVISION_LOG.md、revision matrix。 - Gate:致命反駁已處理或誠實揭露。
- 引用與參考文獻
- 每條引用必須能在可信原始來源查得。
- 關鍵主張必須讀原文,不能以 AI 摘要或搜尋片段代替。
- 不存在、查核失敗或不支持主張的文獻放入拒絕清單。
- Gate:每條引用可查、每個引述可定位。
- 圖表與視覺化
- 圖表必須可由原始資料與生成程式重建。
- 不得使用誤導尺度、選擇性區間或與資料不一致的示意圖。
- 生成圖片另須遵守本 Skill 的本機保存與路徑回報規則。
- Gate:圖表、caption、原始資料與論文主張一致。
- 投稿與 venue 選擇
- AI 可建立 venue matrix,但不得只依排名或 Impact Factor 推薦。
- 人類依研究成熟度、讀者、政策、期限、匿名與預印本規則選擇。
- Gate:venue 適配,政策已由官方網站確認,沒有違規一稿多投。
階段四:投稿與傳播
- 回覆審稿意見
- AI 可拆解意見、產生逐點回覆草稿與 revision matrix。
- 每個「已修改/已補實驗」都必須由 diff、run manifest 或資料證明。
- 人類決定接受、部分接受或有理據地不同意。
- Gate:
Revision Sign-off。
- 最終定稿與發表
- 作者人工通讀全文、圖表、引用、限制、作者聲明與 metadata。
- 凍結 commit、tag、dataset、run IDs、Skills/workflows 版本與 release manifest。
- 只有人類可以登入投稿平台並執行最終送出或 Publish。
- Gate:
Human Release。
五種內容狀態
研究內容必須依證據成熟度標示:
| 狀態 | 定義 | 可否進正式論文 |
AI-Candidate | AI 提出的候選想法、文獻、答案或解釋 | 否 |
Human-Reviewed | 人類已閱讀,但尚未完成外部查證 | 僅限內部草稿 |
Source-Verified | 已由原始來源、原始資料或可重跑分析確認 | 可以 |
Author-Approved | 作者確認論證、用語與責任 | 可以 |
Released | 已凍結 commit/tag/DOI 且可追溯 | 正式公開版本 |
任何內容不得由 AI-Candidate 直接跳到 Released。
三道不可省略的品質閘
- Authenticity Gate
- 文獻、DOI、作者、數字與外部來源均可查證。
- AI 找到的內容先進候選區,未查證前不得進 References。
- Claim-Evidence Gate
- 每個數字、比較、因果、最新、首次、普遍性與效能主張都有相稱證據。
- 證據不足時必須刪除、降低語氣或標為推論/待驗證設計。
- Human Responsibility Gate
- 作者能解釋每個核心主張、資料來源、分析方法與研究限制。
- 無法由人類作者親自辯護的內容不得投稿。
多 AI/多 IDE 接力規則
| 工具 | 主要角色 | 禁止越界 |
| Antigravity | 多代理探索、早期診斷、獨立 reviewer 視角 | 不得以代理多數決取代證據或決定研究方向 |
| Claude Code | 長上下文綜合、理論橋接、文獻定位、論證與 reviewer response | 不得把長上下文綜合誤當成來源查證 |
| Codex | 工程實作、測試、run manifest、traceability、證據與一致性稽核 | 不得因程式能跑就判定研究設計有效,也不得擅改 protocol 或 gold data |
| 人類作者 | 研究價值、Gate 決策、正式主張、署名與公開責任 | 不得把無法理解或辯護的 AI 內容直接送出 |
標準接力:
Antigravity 打開可能性 → Claude Code 建立理論與論證 → Codex 將主張鎖到程式與證據 → 人類在每一道 Gate 決策並承擔責任。
同一重大主張至少必須經過:
Builder → Critic / Verifier → Human Approval
多個 AI 透過檔案、版本與 Gate 交棒,不依賴聊天記憶交棒,也不得由單一 AI 自問自答後直接採用。
研究工作區與必要紀錄
個別研究專案應至少具備:
Research_Project/
├── 00_GOVERNANCE/
│ ├── RESEARCH_BRIEF.md
│ ├── HUMAN_AI_BOUNDARY.md
│ ├── AI_USE_LOG.md
│ └── DECISION_LOG.md
├── 01_PROTOCOL/
│ ├── RESEARCH_QUESTIONS.md
│ ├── EXPERIMENT_PROTOCOL.md
│ ├── BASELINE_CONTROL_MATRIX.md
│ └── CHANGE_CONTROL.md
├── 02_LITERATURE/
│ ├── SEARCH_STRATEGY.md
│ ├── SEARCH_LOG.md
│ ├── LITERATURE_MATRIX.md
│ ├── INNOVATION_CANDIDATES.md
│ └── REJECTED_REFERENCES.md
├── 03_DATA/
│ ├── RAW_READ_ONLY/
│ ├── GOLD_DATASET/
│ ├── ANNOTATION_GUIDE.md
│ └── DATASET_VALIDATION_LOG.md
├── 04_ANALYSIS/
│ ├── runs/
│ ├── figures/
│ ├── ERROR_ANALYSIS.md
│ └── ANALYSIS_DECISION_LOG.md
├── 05_MANUSCRIPT/
│ ├── OUTLINE.md
│ ├── CLAIM_EVIDENCE_MATRIX.md
│ ├── preprint_ZH.md
│ └── preprint_EN.md
├── 06_REVIEW/
│ ├── RED_TEAM_FINDINGS.md
│ ├── CLAIM_AUDIT.md
│ ├── HYPE_SCRUB.md
│ └── REVIEWER_RESPONSE.md
├── 07_RELEASE/
│ ├── SUBMISSION_CHECKLIST.md
│ ├── RELEASE_MANIFEST.md
│ └── REPRODUCIBILITY.md
└── eval/所有會影響研究結論、方法或投稿文字的 AI 工作,至少在 AI_USE_LOG.md 記錄:
- 日期與人類操作者。
- 工具、模型或 Skill/workflow。
- 輸入資料範圍與任務目的。
- AI 產出檔案或摘要。
- 人類採納、修改或拒絕的決定。
- 外部查證方式。
- 對應 commit、tag 或版本。
聊天紀錄不能作為唯一 provenance。
正式 run 應使用獨立目錄,至少保存:
runs/{date}_{run-id}/
├── config.json
├── environment.txt
├── results.csv
├── results_summary.csv
├── retrieved_chunks.jsonl
├── errors.log
└── RUN_MANIFEST.mdRelease manifest 至少記錄 manuscript commit、dataset version、run IDs、模型/API 版本、Skill/workflow 路徑與版本、AI use log、已知限制及作者簽核。
Advanced RAG 案例專用規則
處理 TigerAI Advanced RAG 論文時:
- 產業痛點與研究價值由 Morris Lu 提出並核准。
- C1-C3 為待正式實驗驗證的核心設計。
- C4 在缺乏獨立 in-domain/out-of-domain 測試集與 routing accuracy 前,維持探索性設計。
- B1-B5 必須使用相同文件、embedding model、生成模型與公平的 top-k/參數。
- L1/L2/L3 taxonomy 不得使用正式測試問題反向調整。
L3×3 + L2×2 + L1×1權重必須事前固定;看過結果後調整需留下 change control。- 候選題可由 AI 協助產生,gold answer 與 supporting articles 必須由人類對照官方法規簽核。
- 不得在實驗前宣稱提升、競爭性品質、普遍取代 BM25、固定效能複雜度或 edge superiority。
- C4、Open AI Stack、n8n workflow governance 等尚未比較的內容應標為 system design observation 或 future work。
- 中英文稿、PDF、Zenodo metadata、GitHub release 與版本歷史必須一致。
一句話準則:
可以讓 AI 幫忙找、整理、比較、計算、寫草稿與挑錯;不能讓 AI 替人類決定研究價值、製造證據、解讀真實世界,或承擔作者責任。
📚 研究論文發表流程與 Stage Gate
協助建立、審查或發布研究論文時,必須區分「研究設計預印本」、「完成實驗的正式預印本」與「同儕審查出版物」。取得 DOI 不代表研究已完成,也不代表論文已通過同儕審查。
Stage 1:研究設計與工作稿
必須完成:
- 明確定義研究問題、研究範圍、待驗證命題與貢獻邊界。
- 完成初步文獻查核,排除不存在、無法驗證或與主張不符的文獻。
- 凍結 baseline、評估指標、消融實驗與資料驗證 protocol。
- 清楚標示尚未完成的實驗、人工驗證與作者名單。
- 不得填寫虛構數據、效果提升比例或未執行的 benchmark。
Gate:
Protocol Freeze:研究方法與結果表結構在觀察正式結果前完成凍結。
Stage 2:Zenodo 研究設計預印本
可將研究設計工作稿發布至 Zenodo,取得公開時間戳與 DOI,但必須:
- Resource Type 使用
Publication / Preprint。 - 狀態明確標示
Pre-experiment working draft。 - Description 與 Notes 說明正式實驗與人工資料驗證尚未完成。
- PDF 不得包含
[X]、[Y]、TODO、TBD 或暗示已有實驗結果的文字。 - 作者、單位、ORCID、授權、版本號與相關軟體 repository 必須一致。
- 軟體 repository 應使用固定 release/tag,並揭露實際公開範圍。
- 先 Reserve DOI 時,可將 DOI 寫回 PDF 後再 Publish。
- 記錄 Concept DOI 與 Version DOI。
Gate:
Preprint Release:作者共同確認內容、授權、未驗證主張與公開責任後,才可 Publish。
Stage 3:資料集人工驗證
正式論文不得只使用 AI 產生的候選題或候選答案作為金標資料。
必須完成:
- 逐題對照指定版本的官方或可信來源。
- 凍結 question、gold answer、supporting evidence、type 與 difficulty。
- 保存 validation log、爭議紀錄與領域專家裁決。
- 揭露 AI 是否參與候選資料生成。
- 只有完成人工逐題查核後,才可稱為
human-validated dataset。
Gate:
Human Validation:領域專家簽核資料集版本與驗證紀錄。
Stage 4:正式實驗
必須完成:
- 執行所有事前定義的 baseline 與完整系統。
- 執行各核心元件的消融實驗。
- 保存模型、硬體、套件、參數、seed、資料版本與 run manifest。
- 報告失敗 run、例外處理與排除標準。
- 不得故意弱化 baseline 或在看過結果後任意更改主要指標。
- 若調整 protocol,必須留下理由與版本紀錄。
Gate:
Reproducible Run:他人可依公開設定重建相同實驗流程。
Stage 5:結果驗證與統計分析
正式結果至少應包含:
- 主要 retrieval 與 generation 指標。
- 信賴區間、bootstrap 或適合研究設計的統計比較。
- baseline、完整系統與消融結果。
- latency、資源使用或部署成本宣稱所需的實測環境。
- error analysis、失敗案例與 limitations。
- 結果是否支持、部分支持或否定原始研究命題。
不得只填入漂亮數字而省略變異、失敗案例或不利結果。
Gate:
Result Verification:技術負責人與領域負責人共同確認資料、計算與解讀。
Stage 6:正式稿與作者確認
必須完成:
- 將摘要、結論與貢獻改寫為由實驗證據支持的版本。
- 移除 working draft、pending experiment 等已不適用敘述。
- 確認每位作者符合實際學術貢獻與責任要求。
- 純執行、行政或工具操作不自動構成作者資格。
- 未達作者資格者應於致謝中具名。
- 揭露生成式 AI 對搜尋、程式、分析或寫作的實際協助範圍。
- 由人類作者核查所有文獻、資料、主張與最終文字。
Gate:
Author Approval:所有作者核准正式稿、作者順序、貢獻聲明與公開責任。
Stage 7:Zenodo 新版本
實驗完成後,不覆蓋或刪除舊預印本:
- 在原 Zenodo record 建立
New version。 - 上傳完成實驗的正式 PDF,例如
v1.0.0。 - 更新 Abstract、Description、Notes、Keywords 與版本資訊。
- Concept DOI 持續指向最新版。
- 舊 Version DOI 保持可引用與可追溯。
- 將新舊 DOI 與變更內容寫入
VERSION_HISTORY.md。
Gate:
Version Integrity:所有公開版本都可追溯,且每個 DOI 對應固定內容。
Stage 8:arXiv 投稿
arXiv 是公開預印本平台,不是同儕審查期刊。投稿前必須:
- 完成英文正式稿與適當的 TeX/source package。
- 選擇正確分類,例如
cs.IR、cs.CL或實際研究領域。 - 確認帳號 endorsement、技術格式與 moderation 要求。
- 揭露既有 Zenodo preprint,避免被誤認為重複或衝突版本。
- 確認作者、標題、摘要、授權與其他公開版本一致。
- arXiv 接受只代表通過平台技術與內容 moderation,不代表同儕審查錄用。
Gate:
arXiv Release:來源檔可編譯、metadata 一致,且作者同意公開。
Stage 9:期刊或研討會投稿
每一個 venue 必須個別確認:
- 是否接受已發布於 Zenodo 或 arXiv 的預印本。
- 投稿格式、頁數、匿名規則、資料與程式碼政策。
- 生成式 AI 使用揭露政策。
- 同時投稿、重複出版與版權政策。
- 建議審稿領域、研究範圍與論文類型是否適配。
投稿稿件應依 venue 重新排版,不應直接將 Zenodo PDF 當成所有 venue 的正式稿。
Gate:
Submission Approval:完成 venue policy checklist、作者確認與最終 submission package 檢查。
Stage 10:審稿、錄用與出版後回填
收到審稿意見後:
- 逐點回覆,不隱藏不利結果或限制。
- 新增實驗時更新 run manifest、資料版本與論文版本。
- 不接受審稿人要求的錯誤引用、誇大主張或不合倫理操作。
正式錄用後:
- 在 arXiv 與 Zenodo 補上 journal/conference reference。
- 補上出版社正式 DOI 與 citation。
- 更新 GitHub README、CITATION、release/tag 與研究頁面。
- 保留 preprint DOI 與出版 DOI 的差異,不將兩者混為同一研究製品。
- 確認出版社允許公開的 manuscript 版本。
Gate:
Publication Record Complete:Zenodo、arXiv、GitHub 與出版社資訊互相連結且版本關係清楚。
發表狀態判斷
回答「是否可以發表」時,必須明確說明是哪一種發布:
| 狀態 | 可執行動作 | 不代表 |
| 研究設計完成、實驗未完成 | Zenodo working preprint | 已驗證成果、同儕審查 |
| 實驗與人工驗證完成 | Zenodo 新版本、arXiv 正式預印本 | 期刊或研討會錄用 |
| venue 正式接受 | 發布 accepted manuscript、更新引用資訊 | 出版社正式版本已上線 |
| 出版社正式出版 | 回填正式 DOI 與 journal reference | 可任意取代或刪除舊預印本 |
最終原則:
DOI 提供永久識別與公開時間戳;實驗提供證據;arXiv 提供預印本傳播;期刊或研討會提供同儕審查;出版社 DOI 才對應正式出版紀錄。
📂 核心知識庫指標
- 故事與架構總覽:
00_Overview/AI_TRANSFORMATION_STORY_AND_STRUCTURE.md - 評估與診斷問卷:
01_Assessment/AI_MATURITY_QUESTIONNAIRE.md - 顧問經典框架庫:
03_Consulting_Report/CONSULTING_FRAMEWORKS_LIBRARY.md - AI 原生研究人類/AI 邊界 SOP:
09_Research_Paper/AI_NATIVE_RESEARCH_HUMAN_AI_BOUNDARY_SOP_ZH.md - Advanced RAG 人類 × AI 研究故事與操作情境:
09_Research_Paper/ADVANCED_RAG_HUMAN_AI_RESEARCH_STORY_ZH.md
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

