#新人报道# #AI 技术太多了，做了一个“技术雷达”#
最近越来越明显：AI 技术快到让人跟不上了。

每天都有新模型、新 Agent 框架、新 MCP Server、新 RAG 方案、新 AI Coding 工具。打开 GitHub 是 Trending，打开公众号是解读，打开 X 是 Demo。看起来每天都在“学习”，但过段时间发现：我到底真正了解了什么？

问题不再是找不到信息，而是：什么值得关注？是真趋势还是短期热点？和我正在做的事有什么关系？信息获取正在变成认知管理。

所以做了一个东西：AI 工程技术情报站。初版已经跑起来。它不是新闻聚合网站，而是想成为 AI 工程师自己的技术雷达。

现在能做什么：

自动采集 GitHub Trending，去重入库；

AI 中文摘要，30 秒判断项目值不值得看；

重要项目生成 DeepWiki 技术报告，架构、模块、选型一次看清；

飞书日报/周报，每天 9:30、每周一自动推送；

增长追踪，不只看总 Star，还看日增和周增，增长快的排前面。

流程全自动：采集去重 → 入库 → README 变化检测 → AI 摘要 + DeepWiki → 指标快照 → 增长排名 → 飞书推送。

与别人差异化的是从“信号收集”进化到“工程决策”：

技术趋势聚类：不只列项目，而是告诉你“Agent Memory 最近发生了什么”，把 108 个项目连成 5 个方向。

证据链：说“MCP 在加速”，就摆出 30 天新增项目、SDK、框架集成数。AI 整理证据，你做判断。

技术雷达：借鉴 ThoughtWorks，分 Adopt、Trial、Assess、Hold。依据 GitHub 增长、社区活跃、框架集成、企业采用。

个性化雷达：Agent 工程师看 Runtime/Memory/MCP；前端看 AI Coding/UI Agent；架构师看 AI Infra/LLM Gateway。同一数据底座，不同情报。

最终闭环：信号采集 → 证据聚合 → 趋势分析 → 技术雷达 → 个性化推荐 → 工程决策。

情报负责发现，证据负责支撑，分析负责理解，雷达负责定位。你负责做最终判断。

它不只是一个产品，也是「AI 动力实验室」里，持续验证“AI 到底能不能真正干活”的实验。
欢迎交流。

jym，国庆10天假，跟女朋友打算1-4号去潮州（1天）→汕头（1天）→南澳岛（2天）旅游，有什么建议或者避雷的地方吗，票已经买好，酒店没定，正在看攻略