路线图描述预期方向，不是对发布日期的承诺。优先级以学习价值、证据质量和隐私风险为依据。
- 项目定位、信息架构与 Memory
- 四模块导读和首批文章
- 基础资料索引与来源分级
- 本地、无上传的基础评估
- 项目所有者内容审阅
- 许可最终确认
- GitHub 仓库和 Pages 发布
- 增加研究、写作、办公、数据分析与软件开发案例；
- 为每篇方法文章增加练习、反例和产出模板；
- 扩充情境题，邀请小规模试测并记录反馈；
- 增加来源失效检查与内容新鲜度提示。
- 定义不同平台的用户授权导入格式；
- 先做脱敏预览，再允许本地分析；
- 区分“实际行为证据”和“模型对用户的推断”；
- 展示证据、置信度与无法判断的部分；
- 在完成隐私和威胁建模前不接入云端上传。
- 稳定的 ACI 能力模型和学习路径；
- 经试测修订的题库与评分解释；
- 覆盖多个职业场景的案例库；
- 清晰的版本、引用、贡献和内容复核机制；
- 形成中文主站，并评估英文摘要或双语维护的可行性。
- AI-native 与 AI-dependent 的边界；
- 人类判断、责任和专业性的变化；
- AI 能力在教育、招聘和组织中的公平使用；
- 智能体带来的授权、可观测性和控制问题；
- 不同职业与社会群体能否公平获得能力提升。