ai-concept-base：AI 概念基本盘（五语义）

一个自带数据的 skill：538 个语义单元 ＋ 两条策展线，拿走整个目录就能用，不依赖任何外部路径。

数据在哪

怎么用

# 检索（默认查索引，输出 id / 类型 / 标题 / 摘要）
node scripts/query.mjs --q "上下文腐烂"
node scripts/query.mjs --type 方案单元 --theme "AI 如何持续行动" --limit 10
node scripts/query.mjs --q "harness" --json

# 装配一份「问题→概念→观点→案例→方案」草稿（只挑真实单元，不新增内容）
node scripts/assemble.mjs --qst QST-HAR-03
node scripts/assemble.mjs --q "上下文工程的本质" --out /tmp/draft.md

用之前必须知道的三件事

1. 这不是原始来源。 单元的 source_documents 指向三个来源：飞书《Context Engineering 26+2》《Harness Engineering 28+2》，以及「Context × Harness 图鉴」的 76 张已审计概念卡。对外引用要回到源文或图鉴站，不要引这个库当一手证据。
2. 案例 76 条全部是假设场景（字段 case_type: 假设场景），不是真实复盘。当决策题用可以，当事实用不行。
3. status 只到「待核对」：概念类来自上游已审计产物（已核对（源：图鉴站已审计产物）），观点与文章定位问题来自源文小标题的确定性解析（待核对）。没有人工逐条核对过，引用前抽查。

五类单元怎么对上产品

• 问题（141） → 入口：一个问题开一条线（58 条文章定位 ＋ 76 条概念检验问题 ＋ 7 条分类问题）
• 概念（76） → 3 概念：定义 ＋ 费曼 ＋ 边界 ＋ 迁移问题
• 观点（169） → 费曼验收：讲完能不能复述出这一条
• 案例（76） → 决策场：一条假设场景 ＋ 一段真实来源依据
• 方案（76） → 实验台：每条 action_steps 都可改写成一次可观察的实验

边界

• 只读数据，不改上游；上游（图鉴站概念卡 / 两份飞书文档）更新后，重跑导出脚本即可刷新。
• 不联网、不调用模型：本模块的全部查询与装配都是本地确定性的。