写给未来的超级个体：AI 全栈产品开发实战¶
面向超级个体的实战手册，覆盖从机会发现、工程交付到模型训练与商业闭环的全链路。本书强调可裁决性，关键论点尽量给出权威来源或验收标准，让你能用证据推进决策，用门槛管理风险。[1][2][5][18]
你读这本书为了什么（先说人话）¶
你想要更快裁决，也想要更稳交付。更快裁决意味着这事值不值得做，今天就能证明或否掉。更稳交付意味着改动能验收、能留档，退化能回滚，上线不靠运气。
如果你读完后能做到“每次迭代都能拿出证据包，说清楚改了什么、好在哪里、差在哪里、失败怎么退”，这本书就算完成任务了。
你将得到什么¶
你会得到一套可跳读的路线图，把不同阶段的重点任务讲清楚。你会学会把“好、快、专业、稳定”这类形容词改写成阈值、窗口、触发条件和失败判定。你会建立一条可复跑的证据链，用决策日志、对比结果、评测集版本和回滚指针，把每次迭代的得失记清楚。你还会拿到一组可复制的模板与配方，用在 PRD 合同、证据包、Runbook、指标字典、提示词和图片配置上。
范围与前置假设¶
本书主要写给个人开发者和小团队，适合希望用 AI 提升验证速度、工程交付与模型能力，并最终跑通商业闭环的人。默认你能独立开发并部署一个小型 Web 产品，能阅读并修改 Python 或 TypeScript 代码，对抽样、偏差、显著性这类基础统计概念不陌生。[4][18] 训练与推理章节默认你具备租用 GPU 的能力。如果你只有 CPU 或轻量 GPU，可以优先走量化、LoRA 或 QLoRA、蒸馏或托管推理等低成本路径，先把闭环跑通，再谈更重的方案。[44][47]
可复现性与断言的定义¶
可复现指的是在明确输入、环境与随机性控制的前提下，读者能够复跑并得到同级别结论，例如同趋势、同阈值判断，而不要求逐 bit 相同输出。[1][5] 断言需要可被证伪。如果无法通过实验、日志或评测指标验证，需要明确标注为经验性建议或开放问题，并给出验证方法。[18]
工具链与命令约定（读之前先对齐）¶
本仓库是方法论文档仓库。你会看到一些可复制的示例与脚手架，它们用于表达门禁与证据链的结构，不承诺某个框架开箱即用。
读之前建议先把自检和入口命名对齐。自检方面，严格构建和引用检查需要能跑通。入口命名方面，把门禁、证据归档、发布和回滚做成固定入口，避免跨章节出现多套口径。AI 审稿流程见 ai-editor-sop.md，里面不会绑定某个具体模型或工具。
证据包结构与字段模板详见：附录 D：证据包与门禁速查。 常见线上事故的 10 分钟止损动作库详见：附录 E：10 分钟止损 Runbook 库。 指标字典、阈值三段式与告警到动作映射详见：附录 F：指标字典与告警门禁速查。 插图规范与图片 Prompt 配方详见：附录 G：图片 Prompt 与插图规范。
配图建议（占位图 + 图片 Prompt 文本）¶
这本书的配图追求可维护，强调风格统一、无文字底图、留白可叠字。占位图可以先用下面这张，等你确定需要再生成正式图。
本书的写法（你会看到的风格）¶
我尽量把这本书写成可长期复用的作战手册。写法上先讲可迁移的方法与结构，再把工具放在可选实现路径里，避免把某个版本当成结论。[2][24][29] 各章尽量以裁决为终点，把门槛写清，把证据留档，让退化可回滚。[5][18] 模板尽量集中在附录，正文更关注为什么和怎么想，方便你裁剪和版本化。[18] 更完整的写作约定见 写作风格与格式约定。
导航与阅读路径¶
建议从序言开始读，先把三重责任对齐，见 一人即是一支队伍。如果你正在做 0 到 1，优先读 02-discovery.md、03-prd.md、04-prototype.md、05-validation.md、06-ui.md 把最短闭环先跑通。工程设施与评测体系可以先看 07-engineering.md 与 18-evaluation.md。需要构建 RAG 或 Agent 时读 10-agent-rag.md 及两个补充章节 10-agent-rag-rag.md 与 10-agent-rag-agent.md。术语表与参考文献分别在 glossary.md 与 references.md，全书质量门槛在 quality-checklist.md。
使用方式与质量门槛¶
阅读时建议把验证闭环放在第一位。每章都会给出验证方法与可复现证据的形态，例如日志、评测集、基准对比或截图，并说明怎样把检查自动化进 CI。[5][28][44] 当你改动检索、训练、部署等关键配置时，尽量做改动前后的指标对比，覆盖延迟、质量、成本与风险面。缺少证据支撑的优化，最好回到假设与实验设计层面重做。[5][28][44] 数据快照、评测集、Notebook、配置与报告建议一起版本化，形成可审计的个人资产。[1][34]
致读者¶
本书旨在帮助个人开发者与小团队，以最少的资源完成从需求验证、全栈实现到模型训练与部署的闭环。请在阅读时结合自身约束（时间、算力、预算），灵活采纳各章节的低成本路径。