为什么『看合集』很爽，但『做产品』很难
Awesome 列表的价值是：
- 让你快速看到“别人都在做什么”
它的陷阱是：
- 让你误以为“拼一拼就能变产品”
要把合集变成生产力，你需要的不是更多链接，而是模式抽象。
下面这 3 个模式，是我认为最常见、也最容易落地的。
模式 1：RAG 知识工作台（Knowledge Workbench）
一句话：把知识变成可检索、可追溯、可引用的工作流。
典型能力：
- 文档导入与切分
- 检索与引用（带来源）
- 生成与改写（带引用）
- 结果归档（可复查）
最容易踩的坑：
- “能回答”但“不能证明”：没有引用/来源
- 索引不可控：更新后结果漂移
- 评测缺失：不知道检索质量是否退步
落地清单（MVP）：
- 引用必须显示来源
- 索引版本化（能回滚）
- 一个最小 eval（见上一篇 eval harness）
模式 2：垂直工作流 Agent（Vertical Workflow Agent）
一句话：把 AI 放进一个明确的业务流程里，而不是做通用聊天。
典型场景：
- 客服工单整理与建议
- 内容发布流水线（选题→写作→校对→发布）
- 运维/安全巡检（发现→提案→审批→执行→回滚）
最容易踩的坑：
- 权限失控：Agent 直接写生产系统
- 无审计：不知道它改了什么
- 不可回滚：做错了只能人工擦屁股
落地清单（MVP）：
- 默认只读
- 输出必须可追溯（runlog）
- 关键动作必须人工批准（Guardrails）
模式 3：端侧/离线助手（On-device / Offline Assistant）
一句话：把高频、小模型能力放到端上，换隐私与低延迟。
典型场景：
- 编辑器/笔记应用的本地辅助
- 轻量分类、摘要、标签
- 弱网环境（户外/差网络）
最容易踩的坑：
- 冷启动太慢
- 设备差异太大
- 更新与回滚缺失
落地清单（MVP）：
- 能力探测 + 降级路径
- 缓存与版本化
- 指标与错误上报
最重要的一句话：模式决定路线图
当你把“合集”归纳成模式，你的路线图会清晰很多：
- RAG：先把引用、索引、评测做稳
- 工作流 Agent：先把 guardrails、审计、回滚做稳
- 端侧助手：先把冷启动、缓存、降级做稳
剩下的优化才是锦上添花。
参考链接
- GitHub Trending（观察模式变化）：https://github.com/trending