用 AI Agent 驱动的个人知识库：AI 帮我快速研究一个新领域/概念，产出高质量报告，我抽空阅读。 覆盖 AI 技术、计算机科学、哲学、心理学、生物学、ML 工程、播客与开源生态。

AI 使用本仓库？ → 先读 AGENTS.md 与 METHODOLOGY.md，本文件供人类阅读。

下表由 python3 scripts/reindex.py 自动生成。

这是一个知识库，不是任务管理系统。工作循环很简单：

我："帮我学 X"  →  AI 研究并归档  →  我抽空读报告  →  有新问题继续问  →  循环

三个支撑：

1. 方法论（METHODOLOGY.md）— 先规定怎么读、怎么查、怎么验证，再谈输出。这是真正的核心：让 AI 真读原文、标注证据、不编造。
2. 知识层 — 每个领域的 reports/（我读的东西）+ wiki/（概念/实体/综合/未解问题的索引）。
3. 画像层 — 每个领域的 PROFILE.md（我会什么、偏好什么）+ MAP.md（覆盖与缺口），让 AI 不重复讲我会的、知道下一步学什么。

{domain}-learning/
├── AGENTS.md          # 领域边界 + 特化要求
├── PROFILE.md         # 学习者画像（兴趣/水平/偏好/追问队列）
├── MAP.md             # 领域地图（想覆盖什么、已覆盖什么、缺口）
├── reports/           # 报告产出
├── wiki/
│   ├── concepts/      # 核心概念页
│   ├── entities/      # 人物/机构/模型页
│   ├── syntheses/     # 跨报告综合理解
│   └── open-questions.md  # 未解问题池（持续学习的拉力）
└── skills/            # 领域特化研究模板

python3 scripts/reindex.py                    # 刷新本 README 的报告/wiki 计数
python3 scripts/lint_evidence.py --domain ai-learning   # 证据密度自检（非阻塞）
python3 scripts/git_identity.py validate      # 提交身份校验

EverAgent 2.0（知识优先架构）。早期的多 Agent 编排框架（任务状态机、项目锁、事件溯源、Dashboard、自进化引擎）已归档到 legacy-v1-multiagent 分支——单用户学习场景不需要那套机器。

"能随算力扩展的通用方法，长期总是赢。" — Rich Sutton, The Bitter Lesson (2019)

本仓库收录的学术论文 PDF 仅供个人学习使用，版权归原作者及出版机构所有。详见 DISCLAIMER.md。