← 回成果库

A129 大学 · 30 条潜力最大化架构进化蓝图（486 → 现代芯片级）

日期：2026-07-15 ｜ 项目：M-230 / 台账 P280 ｜ 对象：https://a129-university.pages.dev/

证据基础：仓库单一权威源 web/university/（25+ 页面、11 个生成器、23MB）+ 线上首页实测 + university-bridge.yaml（6 名虚拟毕业生 VE-001~005 + 5 张课程订单 CO-001~005）

性质说明：本报告为架构策略建议（D 级推算为主，现状描述为 E1 仓库实证）；每条标注【现状证据】防空谈。不含任何承重市场数据。

---

一、一句话结论（金字塔顶）

大学站的"零件"已经是好零件（课程库、毕业生、考核制、生成器、部署闸都真实存在且能跑），差的是"芯片架构"：零件之间没有总线、没有统一指令集、没有时钟（自动节拍）、没有片上学习回路。 把下面 30 条按三阶段施工，大学就从"一堆手工焊接的 486 板卡"变成"数据一处改、全站自动传导、员工自动变强"的 SoC（片上系统）。

芯片类比总架构（目标态）

`

┌─────────────────────── A129 大学 SoC ───────────────────────┐

│ 指令集 ISA ······ uni.py 一键命令（build/check/deploy/daily） │

│ 总线 BUS ········ registry.json 站点设备树 + 统一数据源 │

│ 多核 CPU ········ VE-001~005 虚拟员工流水线编队 │

│ 缓存层级 CACHE ·· 数据新鲜度 L1日更/L2周更/L3静态 + 全站搜索 │

│ NPU 自学习 ······ 错题本→课程 / Brier结算→复盘课 / 履历曲线 │

│ 时钟 CLOCK ······ 每日自动节拍（cron 日更管线 + 健康监控） │

│ 显示 GPU ········ 首页仪表盘 + 统一组件库 + 移动端 │

│ 外设互联 IO ····· 校准账本/笔记本/挖矿引擎/终端 四大外接系统 │

└──────────────────────────────────────────────────────────────┘

`

Top 5 最大杠杆（先做这五条，效果占全部的 ~60%）

---

二、30 条蓝图（7 组 · 每条：现状→做法→1+1>10 效应→成本）

成本档位：S=1 次会话内 ｜ M=1-2 天 ｜ L=一周级多窗口

A 组 · 总线与互联（打通不同部分 = 1+1>10 的物理基础）

#1 全页面生成器化（消灭手工焊接） ·成本 M

• 现状证据：README 生成器清单只覆盖部分页面，daily.html = 静态维护页(暂未生成器化)；index/hub/ladders 等核心页仍是手改 HTML。
• 做法：每页配 build 脚本 + 数据源 yaml/json，HTML 一律派生（同 Rule-LINKS-001"派生不手改"）。
• 效应：多窗口并行不再互相覆盖；改数据=改一处，全站同步。

#2 大学↔校准账本(12-Calibration)直连 ·成本 S ·⭐Top5

• 现状证据：VE-001 预测 VE001-MSFT-001 写死在页面文字里；账本脉搏显示 182 条该中途校验——两边不通气。
• 做法：build 脚本从 ledger.yaml 拉每个 VE 名下预测的实时状态（待结算/已结算/Brier 分），自动渲染进毕业生档案页和首页。
• 效应："预测到期→机器结算→网页自动变化→员工履历自动更新"全自动，这是别家没有的活体简历。

#3 大学↔笔记本(GitHub Pages notebook)互链 ·成本 S

• 现状证据：project_notebook_sync.py 已存在（项目→NB-PROJ 自动同步），但大学成果 work/*.html 没进笔记本。
• 做法：复用该脚本模式，大学每篇成果自动在笔记本生成条目+回链。
• 效应：owner 的两个主入口（笔记本/大学）互通，成果只写一次、两处可见。

#4 大学↔挖矿引擎(kef-factory)双向闭环 ·成本 M

• 现状证据：build_library.py 已单向收 kef extracts 进研报图书馆；反向不存在。
• 做法：论文阅览室/实验室的课题需求自动生成挖矿任务单；挖出的新研报自动派给 VE-003 Petra 提取、进图书馆并通知相关课程页。
• 效应：研报供给侧和消费侧接成环，图书馆从"仓库"变"流水线"。

#5 大学↔终端(metazero-terminal)共用数据源 ·成本 S

• 现状证据：大学有 data/valuations.json，终端另有自己的估值台，两处各维护一份 = GIGO 隐患。
• 做法：估值/雷达数据统一为一份 JSON（单一权威源），两站 build 时各自读取。
• 效应：消灭"两个入口两个数"的打脸风险，数据改一次全生态同步。

#6 registry.json 站点设备树（全站唯一索引） ·成本 S ·⭐Top5

• 现状证据：导航条靠"每页照抄 nav 块"，README 手工维护页面清单，predeploy_check 硬编码必备页面。
• 做法：一张 registry.json 登记{页面/生成器/数据源/负责窗口/最后更新}，nav.js、predeploy_check.py、README 页面表、状态页全从它生成。
• 效应：加一个新页 = 在表里加一行，导航/部署闸/文档自动跟上，多窗口互认有了机器合同。

B 组 · 统一指令集 ISA（一键操作）

#7 uni.py 单一 CLI 入口 ·成本 S ·⭐Top5 第一优先

• 现状证据：build_company/build_news/build_outputs…11 个脚本 + predeploy_check + wrangler 部署命令，每次要记一串。
• 做法：uni.py build|check|deploy|daily|status|new-page|graduate，内部按依赖顺序调所有生成器→四道闸→部署→验真。
• 效应：任何窗口任何模型（含弱模型走母模板）都只需一条命令，操作错误率和 token 消耗断崖式下降。

#8 一键日更管线 uni daily ·成本 S ·⭐Top5

• 现状证据：news_update.sh、build_market_radar.py、refresh_valuations.py 各自独立跑；RADAR-REFRESH.md 是手工说明书。
• 做法：一条命令串起 新闻→雷达→估值新鲜度检查→daily 看板→部署→smoke；可挂 cron（提醒型 loop，带 Rule-LOOP-001 五刹车）。
• 效应：站点有了"时钟信号"，每天自动心跳，owner 永远看到新鲜内容。

#9 一键新专业脚手架 uni new-major <X> ·成本 M

• 现状证据：金融线（hub→finance-ladder→cfa-cards→毕业考）是唯一闭环专业；CS 只有 12 知识点+27 卡占位。
• 做法：按复刻 8 问把金融线抽象成模板：阶梯 yaml 骨架+知识卡 schema+三题考核模板+hub 条目，一键生成新专业全套脚手架。
• 效应：开新专业从"一周"降到"一小时填内容"，大学横向扩张能力 10 倍。

#10 一键毕业考核 runner uni graduate <VE> ·成本 M

• 现状证据：VE-002~005 的毕业考核是各窗口手工组织的（work/ 下四份考核页各自格式）。
• 做法：读专业考核模板→自动跑三题（工具题真跑 combo/引擎、对账题拉外部一致预期、预测题登记进校准账本）→产物落 work/→自动建 VE yaml+roster 登记。
• 效应：毕业流水线标准化，防"各窗口自己发明考核"，且每次毕业自动带一条可结算预测入账。

#11 一键成果上墙 uni publish <md> ·成本 S

• 现状证据：成果上墙有 SOP 文档（成果上墙SOP-v1.md）但要人照着做：写 md→登 registry→build_outputs→部署。
• 做法：一条命令：md 底稿→自动登记 outputs_registry.json→渲染 work/*.html→部署→回链笔记本。
• 效应：任何会话产出 30 秒上墙，成果库永不漏收。

C 组 · 多核与流水线（虚拟员工并行）

#12 VE 流水线编队（真·多级流水线） ·成本 M

• 现状证据：5+1 名毕业生各自接单（work/ 里各干各的），没有固定协作链。
• 做法：定义标准流水线：Petra(挖矿取料)→Marco(宏观定档)→Freya(个股估值)→Nova(质检把关)→Bree(预测登记与结算)，每单任务一张流水线卡逐段签字。
• 效应：这就是芯片流水线取指→译码→执行→访存→写回；单员工能力不变，编队产出质量翻倍（Nova 已实战抓过共识地图 2 条 A 类硬错）。

#13 每日任务调度表（VE 排班器） ·成本 S

• 现状证据：daily.html 手维护；VE 干什么靠会话临时派。
• 做法：schedule.yaml 定义每 VE 的每日固定任务（Bree 每天跑 ledger_pulse、Nova 每天抽查估值新鲜度…），uni daily 自动生成当日任务单+完成打勾。
• 效应：员工从"叫了才动"变"自带日程"，大学有了操作系统的进程调度器。

#14 生成器增量构建（只重建脏页） ·成本 S

• 现状证据：每次全量跑所有 build 脚本+全量部署 23MB。
• 做法：数据源哈希对比，没变的页面跳过；部署日志记录本次重建了哪几页。
• 效应：构建时间和 token 都省 ~80%，日更管线才跑得起。

#15 多窗口协作合同机器化升级 ·成本 S

• 现状证据：predeploy_check.py 四道闸已拦过"双导航事故"，但窗口分工仍靠 README 文字注释【每日工作窗口】【虚拟公司窗口】。
• 做法：分工写进 registry.json（每页 owner 窗口字段），predeploy 增加第五道闸：改了别的窗口的页 = 警告需确认。
• 效应：多窗口从"靠自觉+事后拦"到"事前知边界"。

D 组 · 缓存与内存层级（数据高效）

#16 数据新鲜度三级缓存标签 ·成本 S

• 现状证据：valuations.json/market-radar.json 有数据但页面不显著展示 as_of；GIGO 铁律要求新鲜度反推。
• 做法：每个数据源标 {tier: L1日更/L2周更/L3静态, as_of, next_due}，页面右上角自动挂新鲜度徽章（🟢新鲜/🟡该更/🔴过期），uni status 汇总全站过期项。
• 效应：GIGO 闸可视化上墙，owner 一眼知道哪个数字还能信——这是全站可信度的地基。

#17 全站统一搜索（client-side 索引） ·成本 M

• 现状证据：191 CFA 卡、79 知识点、123 武器、20+ 成果分散在各页各自搜。
• 做法：build 时生成 search-index.json（标题+摘要+URL），一个搜索框全站定位（纯前端，零依赖，符合自包含规范）。
• 效应：知识调取从"翻页找"变"直接命中"，大学作为知识库的可用性翻倍。

#18 大学产出自动进记忆体台账 ·成本 S

• 现状证据：memory.py 自动捕获钩子只盯 .claude/skills/ 和 reports/；web/university/work/ 不在资产目录。
• 做法：把 work/ 加进 memory-autocapture 资产目录清单。
• 效应：大学成果自动进"内存分层管理"，高价值的升硬盘永久保存，不再看完就忘。

#19 估值总台接 data_guard 交叉核验状态 ·成本 S

• 现状证据：铁律要求价格类逐个 xcheck，但 valuations.html 页面不显示核验状态。
• 做法：refresh_valuations.py 跑完自动附 xcheck 结果（双源✅/单源🔴）进 JSON，页面渲染核验徽章。
• 效应：把"机器闸通过"变成 owner 可见的信任标记，估值台从数字表升级为可审计报表。

E 组 · NPU 自学习回路（自我进化）

#20 错题本→大学案例课自动化 ·成本 M

• 现状证据：work/ 里已有"考古测试-transitory与ark2021"这类单次案例；错题本 ME-001~066 是最好的教材但没系统进课程。
• 做法：每个 ME 家族自动生成一张案例课卡（错误→根因→机器闸→自测题），挂进各专业阶梯相关节点。
• 效应：公司犯过的每个错自动变成大学的一门课，新毕业生天生免疫老错误——这是活的免疫系统遗传。

#21 Brier 结算日自动开复盘课 ·成本 S

• 现状证据：账本 182 条该中途校验、2 条到期待结算，结算后没有制度化复盘。
• 做法：uni daily 检测到新结算→自动生成复盘教案（当时逻辑 vs 实际结果 vs 误差来源）→挂 VE 档案+成果库。
• 效应：每次现实打分自动转化为课程资产，预测→结算→学习闭环全自动。

#22 VE 能力进化曲线页 ·成本 S

• 现状证据：VE yaml 里履历只增不删，但没有可视化；PERFORMANCE.md 在另一个系统。
• 做法：build 脚本从 VE yaml+ledger+PERFORMANCE 拉时间序列，每人一条 Brier/评分曲线（用 #98 图表模板）。
• 效应：owner 一眼看到"员工真的在变强还是原地踏步"，XP 只绑可证伪产物的原则可视化。

#23 selfplay 知识网→大学研究院页 ·成本 M

• 现状证据：knowledge-graph.yaml 的规律卡（WF20 六官自对弈产出）与大学互不相通。
• 做法：新增"研究院"页，自动渲染知识网中已过现实验证的规律卡，候选规律标"未验证"。
• 效应：自学习引擎的产出有了展示与调用入口，大学变成公司认知资产的前台。

#24 课程覆盖率仪表（自知之明） ·成本 S

• 现状证据：首页写死"13/50 已落地"这类数字，靠手改。
• 做法：build 时自动统计各专业阶梯节点数/已填数/考核模板有无，生成覆盖率雷达图。
• 效应：大学对自己"哪里还是空壳"有机器台账，扩张方向由数据指路（删除测试防花架子）。

F 组 · GPU 显示层（展示最高效）+ 自举

#25 CS 阶梯补全（解锁虚拟软件工程师） ·成本 L ·⭐Top5

• 现状证据：CO-002 状态 blocked_on_curriculum（CS 阶梯仅 12 知识点+27 卡占位）。
• 做法：按 #9 脚手架 + UKDF 框架把 CS 线补到金融线同等闭环（阶梯→卡库→三题考核），毕业第一名虚拟软件工程师。
• 效应：大学开始给自己造工程师——此后 uni.py/生成器/页面的维护可以派给自家毕业生，产能自举（bootstrap），这是所有条目里唯一指数级的。

#26 首页仪表盘化 ·成本 S

• 现状证据：首页是培养框架脑图（内容极好但本质是"课程表"），关键运营状态（毕业生/待结算预测/最新成果/覆盖率/新鲜度）分散各页。
• 做法：首页顶部加一屏仪表盘（6-8 个状态瓦片，全部由 registry+ledger+VE yaml 自动生成），脑图下移。
• 效应：owner 打开首页 3 秒知道全局，从"目录"升级为"驾驶舱"。

#27 统一组件库 shared.css + 组件 js ·成本 M

• 现状证据：每页自带全套 CSS（白底规范靠复制粘贴 nav 块和 :root 变量）。
• 做法：抽公共样式/卡片/表格/徽章/脑图容器为一份 shared 资源，各页引用；predeploy 加"用了 shared 才过"。
• 效应：改一次主题=全站换肤；新页开发时间减半；样式漂移病根治。

#28 移动端体验修复 ·成本 S

• 现状证据：导航条 20+ 项 white-space:nowrap，手机上大概率横向溢出（D 级推断，待真机验证）。
• 做法：≤820px 时导航折叠为汉堡菜单（纯 CSS/几行 js，保持自包含）。
• 效应：owner 手机随时查大学，使用频率直接翻倍。

G 组 · 时钟与可靠性（架构补全）

#29 站点健康监控 loop（提醒型） ·成本 S

• 现状证据：smoke/对比度/展开闸只在部署时跑，平时线上坏了没人知道。
• 做法：每日 cron：curl 全部页面+smoke 关键页+死链扫描，异常才报告（五刹车齐全：预算/停止条件/人工升级/执行≠验证/产出有人接）。
• 效应：从"owner 截图打脸才知道坏了"到"坏了自己先知道"。

#30 changelog 页自动生成（进化可见） ·成本 S

• 现状证据：大学每天在进化（git log 里全有）但站上无处可看。
• 做法：build 时从 git log -- web/university/ 自动生成 changelog.html（按日聚合、人话摘要）。
• 效应：owner 和外部审计者一眼看到"这所大学每天长了什么"，进化本身成为展品。

---

三、施工顺序（三阶段路线图）

1+1>10 的实现路径：P1 让"改一处→全站传导"（乘法基础），P2 让"现实反馈→自动变成课程和履历"（复利回路），P3 让"大学产出的员工回来维护大学"（自举=指数）。三层叠加就是从 486 到 SoC 的那一跳。

---

四、红队自审（Rex，≥1 条最强反对）

• 最强反对："30 条会不会又是'建好却不用'的新花架子？（北极星明令警惕）" → 回应：① Top5 全部是减少未来操作成本的条目（指令集/总线/时钟），做完后每次日常操作变便宜而不是变多；② 每条给了删除测试式的现状证据，没有为新而新的条目；③ P3 自举方向明确绑定已有阻塞订单 CO-002（真实需求，非我发明）。
• 次强反对："全页面生成器化(#1)工程量被低估，多窗口正在手改这些页，切换期可能冲突。" → 承认：#1 应最后做、逐页迁移，registry(#6) 先行标注"已生成器化/仍手改"状态位即可控。
• 缺口显式声明：本报告未逐页打开全部 25+ 页面审查（读了首页实测+README+目录+桥协议+数据文件清单）；#28 移动端溢出是从 CSS white-space:nowrap 推断（D 级），未真机截图验证。

五、证据等级表