📖 目录 / Table of Contents
DDAC（Document-Driven AI Collaboration） 是一种**"元Prompt"设计模式**，将 AI 协作从"临时对话"升级为"持续伙伴关系"。
💡 核心理念：不是教 AI 做事，而是让 AI 学会自己理解规范
| 能力 | 描述 |
|---|---|
| 🧠 | 自我理解 - 读取规范文档，理解工作标准和上下文 |
| 🎯 | 自主执行 - 根据规范自动推导执行步骤，无需反复指导 |
| 🔄 | 持续协作 - 跨会话保持上下文，任务接续无缝衔接 |
| 📈 | 自我优化 - 通过反馈闭环，持续完善规范体系 |
传统 AI 对话：用户 ←→ AI（每次都是新开始，上下文易丢失）
DDAC 协作模式：用户 ←→ [规范文档系统] ←→ AI
↑
持久化的"长期记忆"
| 维度 | 传统对话 | DDAC 模式 |
|---|---|---|
| 上下文 | 临时的，易丢失 | 持久化，可追溯 |
| 一致性 | 依赖 AI 记忆 | 规范文档保证 |
| 可复用性 | 低，需重复说明 | 高，一次定义多次使用 |
| 协作效率 | 每次都要详细指导 | AI 自动理解规范 |
| 任务接续 | 困难，需重新说明 | 轻松，读取路书即可 |
AI-TASK 是基于 DDAC 方法论构建的任务管理系统，专为单人多项目、跨设备协作场景设计。
graph LR
subgraph "DDAC"
D1[📚 方法论]
D2[🏗️ 四层架构]
end
subgraph "AI-TASK"
A1[📂 项目结构]
A2[⚡ 斜杠命令]
A3[📋 任务模板]
end
D1 -->|指导| A1
D2 -->|实现| A2
D2 -->|驱动| A3
style D1 fill:#e1f5fe
style D2 fill:#e1f5fe
style A1 fill:#fff3e0
style A2 fill:#fff3e0
style A3 fill:#fff3e0
| DDAC | AI-TASK | |
|---|---|---|
| 📖 | 方法论 · 理论框架 | 落地实现 · MVP |
| 🎯 | 知识管理、规范体系设计 | 任务管理、跨项目协作 |
| 👤 | 理解设计哲学 | 直接上手使用 |
💡 DDAC 的核心：一个能自我进化的闭环系统
graph TD
subgraph "DDAC 范式：演进式闭环"
A -- "定义法则" --> B;
B -- "导航定位" --> C;
C -- "执行反馈" --> D;
D -- "优化迭代" --> A;
end
A["1. 规范层<br>元Prompt定义原始法则"]
B["2. 索引层<br>知识导航网络"]
C["3. 工作流层<br>任务管理与结果反馈"]
D["4. 演进层<br>人工干预+AI自我反思"]
| 层次 | 职责 | 关键产物 | 维护者 |
|---|---|---|---|
| 规范层 | 定义"是什么"和"怎么做" | docs/ 规范文档 |
人类 |
| 索引层 | 定义"在哪里"和"有什么" | MOC索引、双向链接 | 人类 + AI |
| 工作流层 | 任务管理与结果反馈 | 路书、报告 | AI + 人类 |
| 演进层 | 分析反馈，优化规范 | 规范迭代 | 人类 + AI |
graph TD
subgraph "DDAC GitHub 项目架构"
A -- "定义法则" --> B
B -- "导航定位" --> C
C -- "执行反馈" --> D
D -- "优化迭代" --> A
subgraph "外部输入"
T --> C
I --> D
end
end
A["规范层<br>📜 docs/*"]
B["索引层<br>🗺️ README + 文档导航"]
C["工作流层<br>📝 templates/* 路书模板"]
D["演进层<br>👨💻 设计师 & 社区"]
T["📂 任务模板"]
I["💬 GitHub Issues"]
| 组成部分 | 职责 | 对应架构层 |
|---|---|---|
| 规范文档（docs/） | 面向 AI 与使用者的规范与实施文档 | 规范层 |
| README + 文档导航 | 提供知识地图和快速导航 | 索引层 |
| 模板（templates/） | 可复用的执行模板，驱动轻量路书与报告产出 | 工作流层 |
| Issues & Discussions | 社区协作与反馈入口 | 演进层 |
| 场景 | 描述 |
|---|---|
| ✅ | 知识管理 - Obsidian 笔记整理、知识体系构建 |
| ✅ | 内容创作 - 写作规范、风格统一、SEO 优化 |
| ✅ | 软件开发 - 代码规范、文档管理、团队协作 |
| ✅ | 学习系统 - 学习路径规划、笔记管理、复习系统 |
# 1. 克隆项目
git clone https://github.com/ArnoFrost/DDAC.git
cd DDAC
# 2. 在 Obsidian 中打开
# 选择"打开文件夹作为仓库" → 选择 DDAC 目录
# 3. 快速体验（推荐）⭐
# 使用 templates/04-元Prompt库/快速启动/01-首次体验.md
# 复制 Prompt，与 AI 开始首次协作- 浏览
templates/目录 - 查看元Prompt库（17个开箱即用的Prompt模板）⭐
- 查看场景示例（知识管理场景完整配置）⭐
开箱即用的 Prompt 模板，降低上手门槛，提升协作效率
元Prompt库是 DDAC v1.1 的核心创新，提供 17 个精心设计的 Prompt 模板。
| 类别 | 模板数 | 典型场景 |
|---|---|---|
| 快速启动 | 3个 | 首次体验、轻量路书、会话起手式 |
| 规范建立 | 3个 | 建立规范体系、设计标签体系、创建MOC索引 |
| 文档处理 | 4个 | 批量添加YAML、批量添加标签、建立双链网络 |
| 任务管理 | 4个 | 创建任务路书、继续任务、完成任务、生成报告 |
| 质量检查 | 3个 | 文档质量检查、链接有效性检查、规范一致性检查 |
📁 位置：
templates/04-元Prompt库/
知识管理场景（已完成）：
- 📋 完整的规范配置（YAML、标签、双链、目录结构）
- 🔄 三大核心工作流（笔记整理、知识提炼、体系优化）
- 📝 三个使用示例（简单/中等/复杂场景）
📁 位置：
templates/场景示例/知识管理场景/
结构化任务管理，让 AI 理解上下文、保持工作连续性
路书（Roadmap）是 DDAC 的任务管理核心工具。
路书索引 → 当前任务 → 任务详情 → 历史归档
| 层级 | 职责 | 大小 | 更新频率 |
|---|---|---|---|
| 路书索引 | 全局视图 | <200行 | 月度 |
| 当前任务 | 活跃任务 | <150行 | 实时 |
| 任务详情 | 完整信息 | <300行 | 任务更新 |
| 历史归档 | 已完成任务 | <500行 | 归档时 |
| 法则 | 说明 |
|---|---|
| 倒排原则 | 最新任务在前（时间倒序 + 优先级倒序） |
| 归档原则 | 完成后立即归档，保持简洁（活跃任务≤3个） |
| 更新原则 | 进度实时更新，状态及时变更 |
| 格式标准 | 统一模板、唯一ID、完整链接 |
📖 详细说明见 实施指南
💡 建议学习路径：按顺序阅读核心文档 → 动手实践 → 查阅进阶内容
| 文档 | 内容概要 | 阅读时间 |
|---|---|---|
| 01-核心概念 ⭐ | DDAC 是什么？核心价值、理论基础 | 15分钟 |
| 02-架构设计 ⭐ | 四层架构模型、目录结构设计 | 20分钟 |
| 03-实施指南 ⭐ | 从零到一的完整步骤、核心Prompt模板库 | 30分钟 |
| 文档 | 内容概要 | 阅读时间 |
|---|---|---|
| 04-进阶技巧 | 版本管理、自动化脚本、多人协作 | 25分钟 |
| 05-常见问题 | 适用性问题、实施问题、技术问题 | 按需查阅 |
DDAC/
├── README.md # 本文件
├── LICENSE # CC BY-SA 4.0 协议
├── CHANGELOG.md # 版本变更历史
├── docs/ # 文档目录（规范层）
│ ├── 01-核心概念.md
│ ├── 02-架构设计.md
│ ├── 03-实施指南.md
│ ├── 04-进阶技巧.md
│ └── 05-常见问题.md
└── templates/ # 模板文件（工作流层）
├── 规范层模板/
├── 索引层模板/
├── 工作流层模板/
├── 04-元Prompt库/ # 核心 Prompt 模板 ⭐
│ ├── 快速启动/
│ ├── 规范建立/
│ ├── 文档处理/
│ ├── 任务管理/
│ └── 质量检查/
└── 场景示例/ # 场景化配置 ⭐
└── 知识管理场景/
| 特性 | 描述 |
|---|---|
| 🧠 | 持久化上下文 - 规范文档成为 AI 的"长期记忆"，跨会话保持一致性 |
| 🗺️ | MOC 导航网络 - 通过双向链接和结构化索引建立知识导航网络 |
| 📝 | 声明式协作 - 告诉 AI"应该是什么样"，AI 自动推导执行步骤 |
| 🔗 | 可复用思维链 - 将 CoT 固化为文档，可反复使用 |
| 🔄 | 持续优化闭环 - 执行 → 反馈 → 优化 → 执行 |
- RAG 需要向量数据库和检索系统（技术实现）
- DDAC 只需 Markdown + 双链 + 清晰结构（方法论创新）
- 两者可结合，但 DDAC 的核心在于文档组织范式
| 类型 | 工具 |
|---|---|
| 笔记工具 | Obsidian（推荐）/ Logseq / Notion |
| 格式 | Markdown + YAML Front Matter |
| 链接 | 双向链接（WikiLinks） |
| 查询 | Dataview（可选） |
| 版本控制 | Git |
| AI 模型 | GPT-4 / Claude / 其他大语言模型 |
场景1：技术笔记整理
参考AI指导目录，请帮我整理技术笔记。
目录：技术栈/Python/
文件数：约20个
要求：
1. 添加YAML头部
2. 按标签规范添加标签
3. 建立双链网络
4. 生成进度报告场景2：知识体系构建
参考AI指导目录，帮我构建Python学习体系。
要求：
1. 分析现有笔记
2. 建立知识图谱
3. 规划学习路径
4. 创建MOC索引场景3：持续任务管理
参考AI指导目录，继续任务：Python学习体系构建
当前任务路书：使用 templates/ 中的路书模板创建
请：
1. 读取任务进度
2. 继续执行下一步
3. 更新进度
4. 遇到问题反馈新手路径（2-3天）
Day 1：理解概念
- 阅读核心概念
- 理解DDAC原理
- 查看示例模板
Day 2：动手实践
- 阅读实施指南
- 选择10-20个文件试点
- 建立最小可用规范
Day 3：优化迭代
- 复盘首次实践
- 优化规范文档
- 扩大应用范围
欢迎贡献！
| 方式 | 描述 |
|---|---|
| 🐛 报告问题 | 提交 Issue 描述问题 |
| 💡 提出建议 | 分享你的想法和改进建议 |
| 📝 完善文档 | 改进文档质量 |
| 🔧 贡献代码 | 提交自动化脚本或工具 |
| 🌟 分享经验 | 分享你的实践案例 |
# 1. Fork 本项目
# 2. 创建特性分支
git checkout -b feature/AmazingFeature
# 3. 提交更改
git commit -m 'Add some AmazingFeature'
# 4. 推送到分支
git push origin feature/AmazingFeature
# 5. 提交 Pull Request本项目采用 CC BY-SA 4.0 协议。
| 权利 | 说明 |
|---|---|
| ✅ 分享 | 复制、发行本作品 |
| ✅ 演绎 | 修改、转换或以本作品为基础进行创作 |
| 📝 署名 | 必须给出适当的署名 |
| 🔄 相同方式共享 | 如果改编本作品，必须以相同的许可协议分发 |
当前版本：v1.1 - 元Prompt库（17个模板）、场景示例、四层架构重构
这个体系适合我吗？
如果你需要长期积累知识、需要 AI 持续协作、追求系统化，那么 DDAC 很适合你。详见常见问题。
需要多长时间建立？
初始建设 5-8 小时，1 周后开始见效，3 个月后体系成熟。
必须使用 Obsidian 吗？
不是必须，但强烈推荐。任何支持 Markdown 和双链的工具都可以。
更多问题请查看：常见问题文档
| 类型 | 项目 |
|---|---|
| 理论 | Zettelkasten、Building a Second Brain、Agentic Design Patterns |
| 工具 | Obsidian、腾讯云开发助手 |
| 项目 | 描述 |
|---|---|
| DDAC 方法论的落地实践，面向单人多项目的任务管理系统 |