一人即帝国

主题

2.12 OPC 技术评估 ​

源文档: 1.6-opc-blueprint.md 第二章、第三章、第五章 更新日期: 2026-07-01 本文件聚焦: AI 技术栈全景评估、工业级开发 SOP、28 个项目逐一评估

第一章 2026年6月 AI 技术栈全景 ​

1.1 AI 模型现状（2026年6月） ​

1.1.1 闭源旗舰模型 ​

厂商模型定位备注
AnthropicClaude Fable 5 🆕最新旗舰2026年6月9日发布，1M上下文，$10/$50 per MTok
AnthropicClaude Opus 4.8主力旗舰2026年5月28日更新，1M上下文，$5/$25 per MTok
AnthropicClaude Sonnet 4.6性价比之王1M上下文，$3/$15 per MTok
AnthropicClaude Haiku 4.5极速轻量200K上下文，$1/$5 per MTok
OpenAIGPT-5.5 ✅多模态旗舰ChatGPT 当前默认模型
OpenAIo3 / o4-mini推理专用深度推理链
GoogleGemini 3.5 Flash ✅最新旗舰2026年5月 GA
xAIGrok 4.3 ✅实时信息1M上下文，最低幻觉率

1.1.2 开源/性价比模型 ​

模型参数量特点适用场景
DeepSeek-V4-Pro ✅1.6T (MoE, 49B活跃)最新旗舰，混合注意力架构，1M上下文企业级部署、长上下文推理
DeepSeek-V4-Flash ✅284B (MoE, 13B活跃)轻量高效版日常对话、大批量处理
Qwen3-235B-A22B ✅235B (MoE, 22B活跃)阿里旗舰开源模型，128K上下文企业级部署、多语言任务
Qwen3-30B-A3B ✅30B (MoE, 3B活跃)本地部署性价比最优Home Lab / 中小企业本地化
Llama 4 Scout ✅109B (MoE, 17B活跃)10M上下文窗口，单H100可跑长文档、大规模RAG
Llama 4 Maverick ✅400B (MoE, 17B活跃)编码+推理最强通用任务、多模态推理
Gemma 4 31B ✅30.7B (Dense)Google 最新开源，256K上下文本地工作站

1.2 AI 编程工具生态 ​

1.2.1 三剑客格局 ​

工具类型适用场景优劣势
Claude CodeCLI/IDE插件/Web/Desktop全场景，复杂重构和架构设计✅ 推理最强，原生MCP支持
OpenCodeCLI终端流开发，多模型切换✅ 开源免费，支持任意模型
CursorIDE (VS Code Fork)前端/全栈开发✅ 编辑器体验最好

1.2.2 已过时/边缘化工具 ​

工具状态说明
Aider⚠️ 仍有用户但已非主流被 Claude Code/Cursor 的 Agent 模式取代
Roo Code⚠️ VS Code 插件能力远不如 Claude Code
ELDA❌ 极小众不建议投入
GitHub Copilot🟢 市占第一 (29%)覆盖面最广，但 Agent 能力落后 Claude Code

1.3 AI Agent 框架演进 ​

2026年6月已进入「三阵营」格局：Lab Native SDK vs 独立框架 vs 平台生态。

框架2026年6月状态适用场景
LangGraph🔥 巅峰 — 34.5K stars, 57M/月下载企业级 Stateful Agent
PydanticAI🔥 快速崛起 — v2.0 GA, 18K stars轻量级 Agent、API 服务
OpenAI Agents SDK🔥 快速崛起 — 27K stars轻量Handoff链
Claude Agent SDK🔥 快速崛起 (MCP 200+ Server)编码Agent、深度工具使用
Google ADK 2.0🔥 巅峰 (2026.04 GA)企业多Agent、GCP原生
CrewAI🟡 稳定 (52K stars)多角色 Agent 快速原型
Microsoft AF 1.0🔥 新晋 (2026.04 GA).NET/Azure企业
LangChain⚠️ 部分衰退简单 RAG/Chain 场景

1.4 本地部署小模型 ​

模型量化后显存推荐用途
Qwen3-4B~3GB轻量 Agent、意图路由
Qwen3-30B-A3B~10GB本地主力模型，性价比最优
Gemma 4 12B~7GB (Q4)笔记本本地运行首选
Llama 4 Scout~27GB (Int4)10M上下文，长文档

1.5 MCP 协议与工具生态 ​

MCP（Model Context Protocol） 是 Anthropic 于 2024 年底发布的开放协议标准，已成长为 2026 年行业事实标准。

维度MCP 之前MCP 之后
工具接入每个框架自定义 Tool 接口统一协议，一次开发到处可用
Agent 扩展性硬编码 Python 函数即插即用的 MCP Server
生态建设各框架独立生态共享 MCP Server 生态

1.6 技术栈健康度全景 ​

🔥 巅峰技术 ​

技术涉及项目证据
LangGraph掌柜智库 / 舆情分析48K stars, Klarna/Uber/LinkedIn 生产使用
Neo4j掌柜智库图数据库 44% 市占, $200M+ 收入
BGE-M3 + Reranker掌柜智库Embedding/Reranker 开源事实标准
vLLM评估优化部署79K stars
FastAPI所有项目Python AI 后端事实标准
Qdrant掌柜问数18% 市占，性能/性价比最佳

🟢 稳定技术 ​

技术涉及项目说明
Milvus掌柜智库>1B 向量场景最强
Elasticsearch掌柜智库 / 掌柜问数BM25 混合检索标准组件
Vue.js掌柜问数国内主流，海外建议 React

⏳ 成长期技术 ​

技术涉及项目潜力
MinerU掌柜智库中文/学术文档解析最优
Dify商户运营管家企业级部署已验证
SGLang/RadixArk评估优化部署前缀共享场景比 vLLM 快 29%
PydanticAI通用v2.0 GA，增速最快的 Python Agent 框架

⚠️ 衰退/需替换技术 ​

技术涉及项目推荐替代
LangChain（生产级）掌柜智库 / 电商小二LiteLLM + 原生 SDK / PydanticAI
Rasa 经典架构电商小二LangGraph StateGraph + LLM
DataAgent（京东）掌柜问数自研 NL2SQL Pipeline
DeepAgents（框架）DeepAgents 模块迁移到 LangGraph

1.7 AI Agent 核心概念与乐高模块全景科普 ​

💡 以下用打比方的方式解释全文涉及的 31 个关键技术品牌和 12 个核心概念。

1.7.1 公共乐高块（国内外通用） ​

  • LangGraph ⭐⭐⭐⭐⭐ — AI 开发者的"餐厅厨房总控台"，协调完整流水线
  • FastAPI ⭐⭐⭐⭐⭐ — Python 世界的"高速外卖配送站"，AI 后端事实标准
  • Neo4j ⭐⭐⭐⭐ — "人际关系网"式数据库，图数据库 44% 市占
  • React / Next.js ⭐⭐⭐⭐⭐ — 网页界的"乐高基础颗粒"
  • Docker ⭐⭐⭐⭐⭐ — 标准化集装箱
  • Elasticsearch ⭐⭐⭐⭐ — 超市的"商品分类索引"
  • Redis ⭐⭐⭐⭐ — 收银台的"快速取货架"
  • MCP ⭐⭐⭐⭐⭐ — AI 世界的"USB-C 接口"
  • PostgreSQL ⭐⭐⭐⭐ — 海外最主流开源数据库

1.7.2 国内主力乐高块 ​

  • MinerU ⭐⭐⭐ — 中文 PDF 解析首选
  • Milvus ⭐⭐⭐ — 国内最火向量数据库
  • BGE-M3 / BGE-Reranker ⭐⭐⭐⭐ — 国产文档特征提取+精筛器
  • Vue.js / Nuxt ⭐⭐ — 国内 63%，海外 9%
  • Coze / Dify ⭐⭐ — 低代码 AI 平台
  • DeepSeek-V4 / Qwen3 ⭐⭐⭐⭐ — 中国开源旗舰

1.7.3 海外主力乐高块 ​

  • Pinecone ⭐⭐⭐⭐⭐ — 全球向量数据库第一 (28% 市占)
  • Qdrant ⭐⭐⭐⭐⭐ — 全球第二，Rust 编写，性能极好
  • Unstructured.io ⭐⭐⭐⭐ — 海外企业级文档解析标配
  • LlamaParse ⭐⭐⭐ — VLM 驱动的 PDF 解析
  • OpenAI Embeddings ⭐⭐⭐⭐ — 海外最常用 (40% 市占)
  • Cohere Rerank / Embed ⭐⭐⭐ — 海外重排序专家
  • OpenAI Agents SDK ⭐⭐⭐⭐ — OpenAI 官方 Agent 框架
  • Vercel AI SDK ⭐⭐⭐⭐ — TS 生态最流行 AI SDK
  • Mastra ⭐⭐⭐⭐ — TS 生态增长最快 Agent 框架
  • Llama 4 (Meta) ⭐⭐⭐⭐ — 海外最主流开源模型
  • Gemma 4 (Google) ⭐⭐⭐ — Google 开源系列
  • RAGAS ⭐⭐⭐⭐ — RAG 系统"考试评分工具"

1.7.4 概念原理篇——积木在干啥 ​

  1. RAG（检索增强生成） — 开一家"AI 知识快餐店"
  2. 向量数据库 — "兴趣爱好雷达"而非通讯录
  3. 嵌入模型 — 给文档拍"身份证照片"
  4. 重排序 — 海选初筛 + 面试官二审
  5. 图数据库 — "人际关系网"而非电话本
  6. 编排层 — 餐厅厨房的总控台
  7. PDF 解析 — 把看不懂的德文菜谱翻译成中文
  8. NL2SQL — "翻译官"
  9. 对话状态机 — "客服流程小抄"
  10. SSE — "水龙头"而不是"电话"
  11. 多路召回 + RRF — 同时用百度+谷歌+必应搜索，投票取结果
  12. 多 Agent 编排 — 一个项目组而不是一个人干活

1.8 生产级能力层：Tracing + Eval + Guardrails + Memory ​

尚硅谷课程完全缺失的四层能力——89% 组织已实施 Tracing，但仅不到 20% 同时部署了全部四层。

Observability/Tracing ​

工具模式建议
Langfuse开源/Cloud🌟 首选，自部署免费
Braintrust商业不想自运维的选择
LangSmith商业仅 LangChain 用户值得
OpenTelemetry标准必须采用——防厂商锁定

Eval（评估体系） ​

方法用途工具
Offline Eval预发布质量门禁DeepEval（50+指标）
Online Eval生产采样，LLM-as-JudgeLangfuse / Braintrust
Trajectory Eval检查工具调用序列DeepEval Agent Metrics

Guardrails（安全护栏） ​

类型拦截时机推荐方案
输入过滤Prompt 注入到达 LLM 前Lakera Guard
输出过滤LLM 响应到达用户前内容安全分类器
工具权限Agent 调用工具时最小权限+按租户隔离

Memory 分层架构 ​

记忆类型实现方案说明
短期记忆LangGraph Checkpointer单会话上下文
长期记忆Mem0 / Zep跨会话客户历史
语义记忆pgvector / Milvus文档/知识检索
实体记忆Neo4j 知识图谱实体关系

1.9 2026 年关键趋势判断 ​

趋势时间线影响评估
Provider SDK 吞噬2026 下半年SDK 正在吸收 Memory/Tool Calling/Eval 为单一 API
Graph 化编排正在进行图式编排成为标配
A2A+MCP 融合2026-2027跨厂商 Agent 互操作
AgentRE 独立学科2026 下半年Eval+Guardrails+Observability 成为专门领域
Eval 自愈循环2026 末Agent 自己分析 Eval 结果→调整 Prompt→重新部署

第二章 工业级开发 SOP 与双模协同架构 ​

2.1 顶配模型规划与低智模型执行的规则对齐 ​

"高智商模型（Claude Opus 4.8 / GPT-5.5）负责顶层规划，中低智商模型（DeepSeek-R1 / Qwen3-30B）负责编码填空"的双模协同架构。

2.1.1 顶配规划阶段输出物标准 ​

顶配模型在立项时，禁止输出具体业务逻辑代码。必须输出三个控制规范文件：

                          ┌──────────────────────────────┐
                          │   高智商模型 (Claude Opus)    │
                          └──────────────┬───────────────┘
                                         │ 输出规范标准
                                         ▼
     ┌───────────────────────────────────┼───────────────────────────────────┐
     ▼                                   ▼                                   ▼
┌──────────────────┐          ┌──────────────────┐          ┌──────────────────┐
│  SYSTEM_MAP.md   │          │   SCHEMA.json    │          │ CONVENTIONS.md   │
│  (全局拓扑与依赖) │          │ (强类型定义)     │          │  (编码红线)       │
└──────────────────┘          └──────────────────┘          └──────────────────┘

① SYSTEM_MAP.md - Mermaid 语法画出全局模块依赖图，严禁循环依赖，声明所有第三方包精确版本 ② SCHEMA.json - 所有数据库表结构、API Request/Response 定义为 JSON Schema ③ CONVENTIONS.md - 喂给 Claude Code / OpenCode 的系统级约束

2.2 自动化测试用例的生成标准 ​

测试类型工具要求
单元测试Vitest / PyTestMock 所有网络 IO，Exit Code 必须为 0
集成测试Playwright本地静态 HTML 模拟页面
契约测试JSON Schema Validator验证 API 返回值与 SCHEMA.json 一致

2.3 工业级 SOP 完整流程 ​

【步骤 1：顶层契约生成】──> 【步骤 2：沙箱环境初始化】──> 【步骤 3：低智模型循环填空】──> 【步骤 4：自动化测试守门】

步骤 1：顶层契约生成（高智模型）

  1. 向 Claude Opus 4.8 下达高维需求
  2. 输出 SYSTEM_MAP.md、SCHEMA.json、CONVENTIONS.md
  3. 输出完整测试用例，此时测试 100% 报错（红灯状态）

步骤 2：沙箱环境初始化

  1. 使用 Docker 建立干净开发容器
  2. Claude Code 的 .claude/CLAUDE.md 与 CONVENTIONS.md 关联

步骤 3：中低智商模型循环填空

  1. 启动 OpenCode，挂载 DeepSeek-R1 或 Qwen3-30B
  2. 下达具体填空指令，限制单文件修改

步骤 4：0-Token 编译与测试守门

  • Case 1（编译+测试通过）：自动 git add，下发下一子任务
  • Case 2（测试失败）：将 stderr 追加喂给模型自我修正
  • Case 3（5 次仍失败）：终止低智模型，向人类报警

2.4 企业级 AI 调度网关（HedgeGate） ​

HedgeGate 是一个企业级 AI 流量安全与调度网关，解决两个核心痛点：

  1. 员工乱用外部 AIGC 导致机密泄露
  2. Token 账单失控

技术架构：

  • 开源基座：LiteLLM + RouteLLM
  • PII 数据脱敏：在 Prompt 发送前自动识别并替换敏感信息
  • 语义复杂度路由：简单任务→本地 Qwen3-4B；复杂任务→Claude Opus
  • 多厂商 Failover：API 限流时自动切换至备用通道

2.5 调度中间件对比与选型 ​

维度Hermes AgentLiteLLM + RouteLLM
本质自迭代执行智能体透明流量中间件
安全性较低极高（纯协议层过滤）
Token 控制❌ 较高✅ 极好
建议限制内部 DevSecOps中小公司统一 AI 流量底座

第三章 28 个项目逐一评估：重构 vs 从零编写 ​

3.1 评估框架说明 ​

维度权重说明
技术栈现代化30%LangChain→LangGraph/PydanticAI 迁移难度
业务场景海外适配30%国内电商/医疗→海外 SaaS/Fintech 适配度
代码复用率20%实际可复用代码比例
Portfolio 价值20%对海外 B 端老板的吸引力

决策标准 ​

决策含义条件
重构复用保留核心逻辑，替换技术栈和业务场景代码复用率 > 40% 且核心架构有海外价值
从零编写仅借鉴思路，完全重写代码代码复用率 < 20% 或业务场景无法适配
仅学原理学习技术原理，不建 Portfolio技术有价值但业务场景过于中国化
直接跳过不学不做技术过时或与已有技能重叠

重要前提：经代码级扫描，所有 28 个项目均为 Python 技术栈（无一使用 Java）。"从零编写"的原因不是语言转换，而是业务场景海外适配和技术栈现代化。

3.2 项目 01~07：知识库类 ​

项目 01：商户运营管家 ​

维度详情
技术栈Coze/Dify 低代码
代码复用率5%
海外适配度极低

结论：从零编写 ❌ — 低代码平台无法版本控制/CI/CD，业务完全中国化。

项目 02：掌柜智库 ⭐ 全课程最有价值项目 ​

维度详情
技术栈Python + LangGraph 🔥 + Neo4j 🔥 + BGE-M3 🔥 + MinerU + Milvus
代码复用率75%
海外适配度高 — RAG 是全球通用技术

结论：重构复用 ✅

重构方向：保留 RAG 管道，替换业务场景为 SaaS 产品文档知识库 或 法律/金融合规文档检索。

技术栈模块化拆解 ​
模块当前方案国内占比海外占比
PDF/文档解析MinerU🇨🇳 ~45%🌍 ~5%
向量数据库Milvus🇨🇳 ~35%🌍 ~12%
图数据库Neo4j🇨🇳 ~30%🌍 ~44%
嵌入模型BGE-M3🇨🇳 ~40%🌍 ~15%
编排层LangGraph🇨🇳 ~55%🌍 ~30%
前端Vue → React🇨🇳 Vue 63%🌍 React 42%
技术栈演进路线图 ​
0-6个月（2026.07-2026.12）：Python 主导期
  ├─ 编排层：LangGraph + PydanticAI
  ├─ 向量DB：Qdrant（替代 Milvus）
  ├─ 图DB：Neo4j（不变）
  ├─ 文档解析：MinerU + Unstructured.io 混合
  ├─ 前端：Next.js + Tailwind（Vue→React 迁移）
  └─ 部署：Vercel/Railway + Docker

6-12个月（2026.12-2027.06）：TypeScript 渗透期
  ├─ 轻量 Agent → Vercel AI SDK (TS)
  ├─ 性能模块 → Rust 子进程
  └─ 前端统一为 Next.js

项目 03~07：好医/伴学/倾听/金融/美途智库 ​

这 5 个项目是掌柜智库的行业变体，核心架构完全相同。

项目代码复用率海外适配度结论
03 好医智库70%中（HIPAA 合规门槛高）从零编写 ❌
04 伴学智库70%中从零编写 ❌
05 倾听智库70%高从零编写 ❌
06 金融智库70%高从零编写 ❌
07 美途智库70%中从零编写 ❌

建议：将掌柜智库重构为一个通用 RAG 平台，通过配置文件切换行业。

3.3 项目 08~14：助手与分析类 ​

项目 08：电商小二 ​

维度详情
技术栈Python + FastAPI 🔥 + LangChain ⚠️ + Rasa 💀
代码复用率60%
海外适配度高 — 对话式 AI 客服是全球刚需

结论：重构复用 ✅

重构方向：保留 Handler 架构，将 Rasa 替换为 LangGraph 状态图，业务场景改为 SaaS 客服 Agent。

模块当前方案国内占比海外占比
NLURasa DIET 💀🇨🇳 ~20%🌍 <5%
对话状态机LangGraph🇨🇳 ~50%🌍 ~30%
动作处理器TaskHandler🇨🇳 ~50%🌍 ~30%
部署Docker🇨🇳 ~60%🌍 ~70%

项目 09~13：尚医/知学/倾听/金融/美途助手 ​

5 个电商小二的行业变体，均无独立代码，结论：从零编写 ❌。

项目 14：掌柜问数 ​

维度详情
技术栈Python + FastAPI 🔥 + Qdrant 🔥 + Elasticsearch 🟢 + MySQL
代码复用率65%
海外适配度极高 — NL2SQL 是全球企业最刚需的 AI 能力之一

结论：重构复用 ✅

重构方向：保留 DataAgent 核心，替换数据库为 PostgreSQL，前端改为 React + Recharts。

模块当前方案国内占比海外占比
Schema 检索Qdrant🇨🇳 ~15%🌍 ~18%
SQL 生成DataAgent🇨🇳 ~30%🌍 <1%
数据源MySQL🇨🇳 ~60%🌍 ~20%
可视化React + Recharts🇨🇳 React 30%🌍 React 42%

项目 15~18：归因分析/商城风控/市场罗盘/万应助手 ​

4 个项目只有架构图 SVG，没有独立代码，结论：从零编写 ❌。

3.4 项目 19~25：平台与系统类 ​

项目 19：舆情分析系统 ​

维度详情
技术栈Python + LangGraph 🔥 + FastAPI 🔥 + Vue3 + SSE
代码复用率55%
海外适配度高 — 舆情监控是全球刚需

结论：重构复用 ✅

重构方向：保留多 Agent 编排架构，数据源从国内媒体改为 X/Reddit/Discord。

模块当前方案国内占比海外占比
多 Agent 编排LangGraph🇨🇳 ~55%🌍 ~30%
数据源抓取Python 爬虫🇨🇳 ~50%🌍 ~40% TS
事件推送SSE🇨🇳 ~45%🌍 ~35%
前端Vue3🇨🇳 Vue 63%🌍 React 42%

项目 20：运维管家 — 从零编写 ❌，融入 Portfolio C ​

项目 21：小智医疗 — 从零编写 ❌，FDA/HIPAA 合规门槛 ​

项目 22：硅谷商城 — 从零编写 ❌，Shopify 生态垄断 ​

项目 23~26：仅学原理 📖 ​

项目行业海外现状
美途旅行OTABooking/Airbnb 垄断
好房易租房产Zillow/Redfin 垄断
倾听FM音频Spotify/Apple Podcast 垄断
云尚课堂在线教育Coursera/Udemy 垄断

3.5 项目 27~28：生活服务类 — 直接跳过 ⛔ ​

项目原因
谷德家政中国 O2O 模式，海外无对应市场
好医在线FDA/HIPAA 合规门槛

3.6 课程模块级项目 ​

模块代码复用率结论
模块 17：智能点餐系统50%重构复用 ✅（优先级低）
模块 25：问数客服实战40%重构复用 ✅（数据资产）
模块 27：评估优化与部署70%重构复用 ✅
模块 29：DeepAgents45%重构复用 ✅（需换框架）

3.7 总结对照表 ​

决策项目数占比核心项目
重构复用8 个25%掌柜智库、电商小二、掌柜问数、舆情分析
从零编写18 个56%多数为无独立代码的行业变体
仅学原理4 个12%美途旅行、好房易租、倾听FM、云尚课堂
直接跳过2 个6%谷德家政、好医在线

核心结论：33 个原始项目中，只有 8 个值得重构复用，其中 3 个是核心 Portfolio 项目（掌柜智库、掌柜问数、电商小二）。其余 18 个"从零编写"的项目不是因为代码质量差，而是因为没有独立代码。

源文档: 1.6-opc-blueprint.md 第二、三、五章 文件生成日期: 2026-07-01

OPC 超级个体实战指南

© 2026 OPC Guide