微信、腾讯会议、Zotero、院系规则里的信息互不相通。我们把它们接进同一套分层机制：0 条真实消息验证，三个系统全部真实在用。
课程视角二强调「一个技术，应用到多个场景」。同一套分层管线，在两个完全异质的场景中都成立，这是机制可泛化性的直接证据。
导师在群里派的活、会议上点名的任务，自动聚合成带证据链的 todo，零漏单。
收藏一篇论文，评级、引用数、学院积分、评审档案自动填好，投稿决策信息零点击。
确定性层做体力活，LLM 只做它不可替代的语义判断。这不是少用大模型，而是把它用在刀刃上：
让数据跨平台流动，在交汇处长出新的信息。
微信里的派活、云录制里的点名、学院 PDF 里的评分规则，单独看都是死数据，接通之后才有价值。
每周重复的事，自动化；跑通一次的流程，凝成 skill。
一次探索的成本摊薄到之后的每一周。人只负责判断，机器负责搬运。
说清需求、确认可行，实现就是廉价的。
AI 时代的瓶颈不是会不会写代码，而是能不能把需求说明白。本站每个系统都始于一句说清楚的需求。