[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"project-1380":3},{"id":4,"name":5,"fullName":6,"owner":7,"repo":5,"description":8,"homepage":9,"htmlUrl":9,"language":9,"languages":9,"totalLinesOfCode":9,"stars":10,"forks":11,"watchers":12,"openIssues":13,"contributorsCount":13,"subscribersCount":13,"size":13,"stars1d":14,"stars7d":15,"stars30d":16,"stars90d":13,"forks30d":13,"starsTrendScore":17,"compositeScore":18,"rankGlobal":9,"rankLanguage":9,"license":19,"archived":20,"fork":20,"defaultBranch":21,"hasWiki":22,"hasPages":22,"topics":23,"createdAt":9,"pushedAt":9,"updatedAt":24,"readmeContent":25,"aiSummary":26,"trendingCount":13,"starSnapshotCount":13,"syncStatus":27,"lastSyncTime":28,"discoverSource":29},1380,"ai-application-roadmap","Qiuner\u002Fai-application-roadmap","Qiuner","A bilingual map of AI engineering evolution, real-world AI usage patterns, and vibe coding best practices.",null,264,3,231,0,6,12,24,18,62.21,"Other",false,"main",true,[],"2026-06-12 04:00:09","\u003Cdiv align=\"center\">\n\n# ai-application-roadmap\n\n[中文](.\u002FREADME.md) | [English](.\u002FREADME_EN.md)\n\n## 访问网站\n\n点击即可访问：\n[https:\u002F\u002Fqiuner.github.io\u002Fai-application-roadmap\u002Fzh\u002F](https:\u002F\u002Fqiuner.github.io\u002Fai-application-roadmap\u002Fzh\u002F)\n\nAI 正在替代人类智能。\n\nAGI 来临之前，希望这里能帮你少走一些弯路。\n\n\u003C\u002Fdiv>\n\n## 英文摘要\n\n`ai-application-roadmap` is a bilingual map of AI application engineering. It tracks not only the evolution of MCP, Function Calling, Skills, Harness, and Multi-agent systems, but also practical AI usage patterns and vibe coding workflows.\n\nIf you want the full English introduction, go to [README_EN.md](.\u002FREADME_EN.md).\n\n## 为什么做这个站\n\n其实有个小故事。\n\n今年我发了一段视频，介绍 2026 年流行的写代码方式：从古法编程到多 Agent 协同的七种方式。评论区里有人从未听说过 `multi-agent`，有人对 AI 的认知还停在“网页对话框”阶段。追踪大模型发布的网站很多，但几乎没有人在系统记录**除大模型本身之外的应用技术演进**。我们缺的不是更多“新功能快讯”，而是一张能回答“我现在在哪、下一步该往哪走”的技术地图。\n\n`ai-application-roadmap` 就是为此而建：不记录模型参数和能力发布本身，还会记录 AI 应用工程、AI 使用方式、vibe coding 工作流如何演进、产生了什么影响、哪些节点值得标记。\n\n这个仓库希望成为一张清晰的 AI 应用路线图，帮你判断自己现在所处的位置，以及下一步值得学习和投入的方向。\n\n## 网站怎么用\n\n- 首页默认按时间倒序展示时间线。\n- 通过 `筛选集` 下拉切换两套筛选：\n  - 基础筛选：`年份` \u002F `落地门槛` \u002F `推荐` \u002F `关键`\n  - 演化判断：`阶段` \u002F `走势` \u002F `认知校准`\n- `Guide` 页面会汇总关键技术、概念和实践方法，方便快速扫读。\n- 站点使用语言化路由：中文主页是 `\u002Fzh\u002F`，英文主页是 `\u002Fen\u002F`。\n\n## 这个项目记录什么\n\n- AI 应用工程技术演进：如 MCP、Function Calling、Skills、Harness、Multi-agent。\n- AI 的真实使用方式：如何把 AI 用进工作流，而不是只停留在对话框。\n- vibe coding 与协作范式：从单人提示词实验，到多 Agent、多工具、多上下文协作。\n\n## 欢迎一起共建\n\n如果你也在认真观察 AI 应用工程如何演进，欢迎一起维护这个仓库。\n\n无论你想补一个关键时间线节点、修正一个日期判断、补充一条更可靠的资料来源，还是把某项技术的实战经验整理进 Guide，这些贡献都很有价值。\n\n## 如何参与贡献\n\n1. Fork 本仓库并创建分支。\n2. 在 `docs\u002Fen\u002Ftimeline\u002F` 或 `docs\u002Fzh\u002Ftimeline\u002F` 新增节点文件，建议文件名为 `YYYY-MM-topic.md`。\n3. 按规范填写 frontmatter。\n4. 本地预览并构建：\n   - `npm install`\n   - `npm run docs:dev`\n   - `npm run docs:build`\n5. 提交 PR，并说明你的依据、判断和参考资料。\n\n补充说明：\n\n- 新增到 `docs\u002Fen\u002Ftimeline\u002F*.md` 或 `docs\u002Fzh\u002Ftimeline\u002F*.md` 的文件会自动出现在首页时间线。\n- 侧边栏时间轴链接由 `docs\u002F.vitepress\u002Fconfig.ts` 根据目录自动生成。\n- 提交前缀规范见 [COMMIT_CONVENTION.md](.\u002FCOMMIT_CONVENTION.md)。\n\n## 治理规则\n\n- `recommended`、`key`、`key_reason` 统一在 `docs\u002Ftimeline.flags.ts` 中集中维护，不在 markdown frontmatter 中填写。\n\n## 时间轴参数释义\n\n每个时间轴节点文件都支持以下 frontmatter 字段：\n\n- `title`: 节点标题。\n- `date`: 时间轴上显示的节点日期（如 `2026-08`）。\n  - 定义：使用**应用工程采用拐点**（官方且可验证）的时间，不使用最早学术论文发表时间。\n  - 优先级：应用落地相关的官方公告\u002F文档 > 被工程实践采用的官方仓库 release\u002Ftag > 可作为工程基线的包管理器首发版本。\n  - 保持单一 `date` 字段；其它里程碑时间（如 `0.1.0`、`1.0.0`）写在正文“重要时间点”中展开。\n- `year`: 年份（用于年份筛选）。\n- `summary`: 首页时间轴卡片上的摘要。\n- `phase`: 生命周期阶段，枚举值：`emerging` \u002F `mainstream` \u002F `legacy`。\n- `trend`: 演变方向，枚举值：`rising` \u002F `stable` \u002F `absorbed` \u002F `shrinking` \u002F `obsolete`。\n- `signal`: 认知校准，枚举值：`over-hyped` \u002F `under-rated` \u002F `over-scoped` \u002F `well-calibrated`。\n- `adoption_effort`: 落地门槛分类，固定值三选一：\n  - `ready-to-use`（即用型：安装即用或轻配置）\n  - `integration-heavy`（集成型：需要明显集成与编排）\n  - `engineering-heavy`（工程型：需要系统级开发与长期维护）\n- `tags`: 标签数组，用于标签筛选（如 `[\"mcp\", \"protocol\"]`）。\n- `author`: 贡献者标识。\n- `maintainer`: 该节点的长期维护者（可选，默认继承 `author`）。\n- `authored_by`: 内容来源，枚举值：`human` \u002F `ai-assisted` \u002F `ai-generated`（可选，默认 `unknown`）。\n\n## 感谢所有贡献者\n\n\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FQiuner\u002Fai-application-roadmap\u002Fgraphs\u002Fcontributors\">\n  \u003Cimg src=\"https:\u002F\u002Fcontrib.rocks\u002Fimage?repo=Qiuner\u002Fai-application-roadmap\" alt=\"ai-application-roadmap contributors\" \u002F>\n\u003C\u002Fa>\n","`ai-application-roadmap` 是一个双语的AI应用工程技术演进图谱，记录了MCP、Function Calling、Skills、Harness和多智能体系统等技术的发展，以及实际AI使用模式和vibe coding工作流的最佳实践。该项目通过详细的时间线和筛选功能帮助用户了解AI技术的现状及未来趋势，并提供关键节点和技术概念的快速导航。适合于希望跟踪AI工程进展、优化AI集成方案或探索新型编程范式的开发者与研究者使用。",2,"2026-06-11 02:43:22","CREATED_QUERY"]