日记探索 · 2026-05-27
自动生成 · 深度分析版本
📅 概览
- 探索日期：2026-05-27
- 探索条目数：3
🔍 深度探索
条目1：Taste Skill
① 定位背景
- 领域：AI前端设计 + Agent技能体系
- 行业热度：GitHub 21.5k+ Stars，社区热议的“AI审美”解决方案
- 核心竞争力：把“设计品味”写成显式规则文件（SKILL.md），让AI生成不再是“Slop”（垃圾UI）
② 理论支撑
- 核心概念：Agent Skill（可移植的指令文件）
- 技术原理：
- 三旋钮调参系统：布局实验度、动效深度、信息密度（1-10可调）
- Locks & Bans：明确禁止的UI模式（如紫色渐变、千篇一律的Hero）
- 与 Cursor/Claude Code/Codex 集成，一次安装全局生效
- 解决痛点：AI生成UI千篇一律，缺乏设计感
③ 资源匹配
④ 实践路径
阶段一：认知（1天）
- □ 阅读 Taste Skill 官方文档
- □ 理解 SKILL.md 格式结构
- □ 理解“三旋钮”参数系统
- 输出：用30字概括“Taste Skill是什么”
阶段二：上手（2天）
- □ 安装 taste-skill 到一个项目
- □ 用默认 skill 生成一个前端页面
- □ 调整三旋钮参数，观察效果变化
- 输出：截图对比不同参数效果
阶段三：应用（3天）
- □ 定制自己的 design-taste skill
- □ 集成到 Cursor/Claude Code 工作流
- □ 输出：自己的 skill 仓库 + 使用教程
条目2：Jetson Orin Nano Super
① 定位背景
- 领域：边缘AI计算 / 嵌入式AI
- 行业热度：2024年底发布，2025年爆火，67 TOPS算力仅$249
- 核心竞争力：消费级价格，企业级算力，适合机器人/视觉/本地LLM部署
② 理论支撑
- 核心概念：Edge AI（边缘AI计算）
- 技术规格：
- 算力：67 TOPS（Super模式下）
- 内存：8GB LPDDR5
- CPU频率：1.7 GHz（提升13%）
- GPU频率：1020 MHz（提升63%）
- 软件生态：JetPack 6.1、TensorRT、CUDA、Ollama本地大模型
- 应用场景：机器人、智能相机、工业检测、离线LLM
③ 资源匹配
- 📘 NVIDIA官方产品页
- 📘 中文教程：CSDN
- 📘 中文教程：知乎
- 📘 中文教程：从零开始刷机与部署
- 🛠️ JetPack下载
- 📘 Yahboom学习资源
④ 实践路径
阶段一：认知（1-2天）
- □ 阅读 Jetson Orin Nano Super 产品介绍
- □ 了解 Super 模式与普通模式的区别
- □ 确定自己的使用场景（机器人？视觉？LLM？）
- 输出：用30字概括“什么场景适合用Jetson”
阶段二：上手（2-3天）
- □ 准备硬件：Jetson Orin Nano Developer Kit
- □ 使用 SDK Manager 刷机，安装 JetPack 6.1
- □ 开启 Super 模式
- □ 运行官方示例：Hello AI World
- 输出：成功跑通一个AI demo
阶段三：应用（3-5天）
- □ 部署一个本地LLM（Ollama + DeepSeek）
- □ 或部署一个视觉模型（YOLOv8 + TensorRT）
- □ 输出：自己的边缘AI项目 + 复盘文章
条目3：CodeGraph
① 定位背景
- 领域：AI代码分析 + 代码知识图谱
- 行业热度：2025-2026新兴，GraphRAG概念崛起
- 核心竞争力：解决AI编程助手在“发现阶段”消耗大量tokens的问题
② 理论支撑
- 核心概念：代码知识图谱（Code Knowledge Graph）
- 技术原理：
- 用 tree-sitter 解析37种语言
- 索引：函数、类、导入、调用链
- 存储：SQLite + FTS5，或 FalkorDB 图数据库
- 输出：45个 MCP 工具，或 VS Code 插件
- 性能提升：减少 ~35% token 消耗，~70% tool calls
- GraphRAG：比纯向量RAG更适合代码分析（结构化关系让LLM推理调用链）
③ 资源匹配
- 🛠️ GitHub
- 📘 VS Code插件
- 📘 官方文档
- 📘 中文指南
- 📘 GraphRAG原理
④ 实践路径
阶段一：认知（1-2天）
- □ 阅读 CodeGraph README 理解架构
- □ 了解图数据库基础（FalkorDB/Neo4j）
- □ 理解 Cypher 查询基础语法
- 输出：用30字概括“CodeGraph解决什么问题”
阶段二：上手（2-3天）
- □ 安装 codegraph-cli：
npm install -g codegraph-cli - □ 在一个小项目上运行
codegraph init - □ 尝试查询：找某个函数的调用者
- 输出：成功运行并截图
阶段三：应用（3-5天）
- □ 集成到 Claude Code 工作流
- □ 在自己的项目中做代码分析
- □ 输出：项目分析报告 + 复盘文章
📊 综合建议
最值得投入的方向
| 优先级 | 领域 | 理由 | 预计投入 |
|---|---|---|---|
| ⭐⭐⭐⭐⭐ | Taste Skill | 门槛最低、见效最快，与日常工作流结合紧密 | 6小时 |
| ⭐⭐⭐⭐ | CodeGraph | 提升AI编程效率，适合长期使用 | 10小时 |
| ⭐⭐⭐ | Jetson | 硬件投入，需要实际设备，门槛较高 | 20小时+ |
建议执行顺序
- 第一周：Taste Skill（1天认知 + 2天上手 + 3天应用）
- 第二周：CodeGraph（2天认知 + 3天上手 + 5天应用）
- 第三周起：Jetson（需要采购设备后再开始）
对大哥的价值
- Taste Skill：提升AI生成UI的质量，做内容/产品时产出更有设计感
- CodeGraph：提升编程效率，减少无效token消耗
- Jetson：探索硬件产品化的可能性，边缘AI是未来方向
生成时间：2026-05-28 08:10