产品架构与设计宪法

Frontier 叙事引擎 · 人发生,AI 收集,我们做中间那台接驳机 — 呈现分歧,把选择交还用户。

人原创(低频)客观 / AI 收集(高频)

纵向是从源到双渲染的六层管线,AI 只在 L2 / L5 做高频收集、绝不生成;右侧那条向上的「复利回路」才是护城河 — ① 社区编辑(快)反哺图谱,② 结算(慢)沉淀信用。会泄露的是语料,不会泄露的是回路②攒出来的东西。

大方向

北极星:成为 frontier 的仪器 — 对人是「实时第一读」,对 agent 是「calibrated context 层」。形状对标 Bloomberg / Palantir(呈现,不决定)。

战略弧线:先用人侧飞轮做成默认入口(确定能成的 $1–3B),同时低成本保活机器侧期权(若 agent 付费为真 → $10B+ 基础设施)。分叉点在 P3,之前不押注。

六层逐层

层	做什么
L0 源	社区低频发生器,护城河本体 · 公开基质X/官源/财报 + 价格(verifier)
L1 摄入	point-in-time「被知道时刻」戳 · consent / attribution 门控
L2 原子化	AI 只做高频:抽 atom · 消歧 · 🟦/🟥 分类 · 绝不生成叙事
L3 图谱	Entity/Event 节点 · Atom 带权边 · Narrative 子图 · Author 信用
L4 权重	前台 salience(lead-time/影响力)· 后台结算 → 信用 + RLVR
L5 渲染	人面 Wiki 结构 + 预测市场状态 · 机面分歧地图 API

两个复利回路(架构的灵魂)

① 社区编辑(快,天级):人在 L5 校正 → 反哺 L3 成高权重 atom,且贡献=留存。解决「最好的人为什么留下」。
② 结算(慢,月/年级):L4 后台用结局攒信用图谱 + 训练料。时间的函数,越久越追不上。

关键架构决策

决策	选择	为什么
AI 边界	只做高频收集	P1:生成必退化成向日葵
数据结构	知识图	alpha 是图遍历
权重语义	salience 排序	P4:预测 = too good to be true
信用主信号	lead-time / 影响力	P8:可测、快、难刷
共识 vs 分歧	永远保留分歧	P3:差异化住在 AI 失败处
provenance	全栈 🟦/🟥	P5:金融最危险是两层搅浑

排序 P0 → P4

阶段	只证明一件事
P0 4–6 周	手工跑通一条垂直线(HBM 叙事):社区流能否变成图谱
P1 飞轮	人面 + 启发式权重 + 回路①:人愿不愿来消费+贡献
P2 护城河	结算引擎 + 回路②:权重能否从启发式过渡到真实
P3 期权	机面 + 「我们 vs Grok」eval:机器到底付不付费
P4 选路	按 P3:基础设施路线 or 媒体路线

铁律:P1 与 P3 不并行。先点亮人侧,再用机面探更高的山。头号风险是核心发生器流失 — 80% 偏执放在回路①的留存上。

设计宪法 · 八条原则

P1 高频归 AI,低频归人 — AI 绝不生成叙事。
P2 呈现,不决定 — 收敛要狠,坍缩前停手(decision-ready)。
P3 呈现分歧,不洗掉分歧 — 差异化住在 LLM 失败处。
P4 权重的工作是 salience,不是真值。
P5 Provenance 红线 — 🟦 客观与 🟥 人原创永不混淆。
P6 Point-in-time 正确 — 否则所有数字是假的。
P7 护城河是时间的函数,不是语料。
P8 lead-time / 影响力 > outcome 结算。

设计红线(Never-Do)

用 AI 生成 / 编造叙事或观点
把多个观点坍缩成「一个答案」
让 AI 收集的共识冒充人原创的洞见
给出可当投资建议的单一结论
用未来信息回测 / 展示(look-ahead)
以热度替代信用权重

摘要的三关测试

摘要(压缩)允许,合题(生成新判断)禁止。每条摘要过三关:① 溯源 — 每句能指回某人原话?② 分歧保真 — 原来几派,现在还几派?③ 零「所以应该」 — 不下结论。

口诀

人发生,AI 收集。
Bloomberg 从不告诉你买什么。
收敛要狠,坍缩前停手。
呈现分歧,别洗共识。
不预测,但要加权。
别让向日葵冒充梵高。
point-in-time,否则全是假的。
会泄露的别当护城河。

Frontier 叙事引擎 · 内部设计文档 · 配套 PRODUCT_ARCHITECTURE.md / PRODUCT_DESIGN_PRINCIPLES.md