!
v2026 · 一种 All‑in‑One Surface 的 Aladdin 显化形态 🧞 ✨ PoC granted ✨✨✨

Idea in,
PoC out

一个 AI 驱动的创新协作平台,赋能每个人的创造力。
把"想到 → 落地"的中间环节,全部沉淀成可复用积木。
把工程师们的潜力从繁琐重复的技术细节中解放出来。

6
工程能力域
15+
已上线 PoC/App
13
可复用 skill
1
台 Azure VM
§1 · 顶层思维

三个我们在打的赌

好的想法不应该被浪费,可复杂的系统集成让一个简单的想法想要被大家看见,需要经过技术、资源、时间等重重考验。JIP 押注的是:当一台 VM 上的基础设施被反复复用、当执行型 AI 又快又便宜、当能力以 skill 形式显式编目,上一个 PoC 的积累会帮助下一个 PoC 找到更高质量的解法。让创造力回到点子本身。

BET 01

基础设施一旦搭好
就被反复复用

nginx 这种「网关」、PM2 这种「进程管家」、Hermes 这种「Agent 引擎」、邮箱服务器这种「外界入口」——每搭好一个,下一个 PoC 几乎不用再做。Newsletter、Slider、Mail AI、WeChat 分身 共用同一份基础设施,新增产品 = 加一条 nginx route + 一个 PM2 进程 + 几个 skill 引用。

BET 02

能力要被显式编目
不是藏在脑子里

每一个被反复用过的技术决策(OTA 怎么升、nginx 子路径怎么配、Hermes profile 怎么 clone)都被写成 SKILL.md,进 CC 和 Hermes 的共享 skill 库。下一次 AI 要做类似的事,自动加载相关 skill —— 知识不重复发明,文档自带搜索。

BET 03

把"想到"和"落地"
用同一条流水线连起来

Idea 用 NABC + 形态 + 场景 + UX/UI 描述,落到 6 个工程域(ID / ME / HW / ESW / SW / ML)的能力组合,输出 PoC —— 整条管道从需求到上线只有一个工作流。同样的流水线,可以走出一台 ESP32 设备、一个邮箱 AI、或者一份周报。

Idea 经过 6 个工程域,输出 PoC

中间这一层不是某份"方案文档",是一个能力目录。每个域里面那些小标签,都是平台已经沉淀(或正在沉淀)的可复用积木。新 PoC = 在这张目录上勾几个 chip,把它们拼起来。

输入
Idea
// 想做什么
NABC 价值论证
form factor 形态
scenario 场景
UX 用户体验
UI 视觉
Jabobo Innovation Platform
ID form factor · scenario · audibility · UI · IS&UX · UX · comfort
ME acoustics · optics · comfort · strength · assemble · HW frame · material · mechanism · CAD
HW PCBA · GVK · sensor · actuator · chipset · power · I/O · signal · HW frame
ESW Application · modules · system · layer · MCU · BLE · Wi-Fi · OS · IDE · sensor driver
SW front-end · web · dashboard · back-end · API · workflow · models · OTA · docker · SQL · redis · nginx · cdn · AI API · git · debug
ML training · inference · fine-tune · embedding · FAISS · RAG · rerank · prompt · Wake-Up-Word · VoicePrint · AI API 集成(OpenAI / Azure / DeepSeek / Anthropic)
输出
PoC
// 可被打开的链接
可点 URL
假设已被验证
复盘文档
新 skill 沉淀
vm-services 登记
ID 工业设计 · Industrial Design 把价值假设翻译成"长什么样、给谁用"
上承用户视角和价值假设,下接所有工程域。ID 决定了一个 PoC 到底是个网页、邮件、对话窗口还是手里能拿的东西。形态、场景、可感性、UI/UX —— 这些选择会回溯影响后面所有工程域的范围。
form factor scenario UI UX audibility IS&UX comfort
ME 机械工程 · Mechanical 物理形态、结构、声学、光学
目前主要服务于硬件类 PoC(Jabobo 语音设备等)。多数能力还在路线图上 —— 这一域的成熟度是 JIP 接下来要补齐的方向。
acoustics CAD optics comfort strength assemble HW frame material mechanism
HW 硬件电子 · Hardware PCB、传感、电源、信号
ESP32 系平台是当前主力;传感器和 I/O 选型有现成参考,PCBA 流程还在积累。Smart Things 系列项目正在把这一域的能力沉淀成模板。
chipset Wi-Fi I/O sensor actuator signal PCBA GVK power HW frame
ESW 嵌入式软件 · Embedded SW MCU、固件、设备侧通信
Jabobo 语音项目把 ESP-IDF 工程模板、BLE / Wi-Fi 协议栈、OTA 固件升级、模块化分层架构全部跑通,外加 jabobo-dev skill 显式记录了所有非显然的坑。新硬件 PoC 几乎拿来就能用。
Application modules system layer MCU BLE Wi-Fi OS IDE OTA sensor driver
SW 软件 + 云 · Software & Cloud 最成熟的一域 —— 整套 web 流水线都现成
从前端到后端、从 docker 到 cdn、从 OAuth 到 SSE、从 AI API 调用到 RAG,所有积木都被至少一个上线产品验证过。这是「想法连夜上线」承诺的主要兑现者。
front-end web dashboard back-end API workflow models OTA nginx docker AI API git debug http long-chain test SQL ECS cdn redis AI code 自动化
ML 机器学习 · Machine Learning 训练 / 推理 / 外部模型 API 的统一服务层
神经网络模型的训练与推理、外部 AI 模型 API(OpenAI / Azure / DeepSeek / Anthropic)的封装与统一接入,以及把这两件事都打包成「任何 PoC 都能直接调」的对内接口 —— 这就是 ML 这一域的全部职责。 边缘侧:Wake-Up-Word 训练栈 + ESP32 上的本地推理、VoicePrint 声纹模型已经在 Jabobo 语音设备里跑了大半年。 云侧:所有 Hermes profile 共享同一份 Azure / DeepSeek 凭证池,赘词官 / Mail AI / Newsletter / WeChat 分身 / Jama RAG 全部走这一层,没有任何一个 PoC 自己再去申请密钥或封装 SDK。
AI API 集成 prompt embedding FAISS 检索 RAG rerank Wake-Up-Word 训练 Wake-Up-Word 边缘推理 VoicePrint 推理 vision aux MCP tool calling fine-tune eval model serving distillation on-device inference (TFLite Micro)
mature — 已被 ≥1 个上线 PoC 验证 available — 有 skill 或参考实现,等下一个 PoC 验证 planned — 路线图上,还没沉淀
§3 · 现有基础设施

跑在一台 Azure VM 上的全部底座

每一块基础设施都是被反复复用的"通用积木",新 PoC 不需要重新搭,只需引用。下面这 9 块是 JIP 当前的全部地基。

VM
Azure 虚拟机
单台 Standard B2ms(2 vCPU / 8 GB / 8 GB swap),Switzerland North 数据中心。所有服务、所有数据、所有任务在这台机器上跑完。
jabobo.com · 51.107.185.69
网关
nginx 反向代理
统一域名入口,路径前缀分发到各后端进程。任何新 PoC 加一条 location 块即可拥有 HTTPS 公网地址。
/etc/nginx/sites-enabled/jabobo
进程
PM2 进程管家
所有长连进程统一托管,重启、日志、状态一个 pm2 list 看清。20+ 个进程全部由 PM2 守护。
pm2 save · auto-restart
Agent
Hermes Agent 引擎
支撑 6 个独立 profile(WeChat / Mail / Newsletter / Webchat / 默认),每个 profile 自带 SOUL.md 人设和独立会话状态。
~/.hermes/profiles/*
登录
jabobo-gate 权限网关
所有 Admin 页统一登录、统一会话。auth_request /__gate_verify 配合 jabobo-backend 校验,Cookie 跨所有受保护前缀生效。
/gate/login · 8013
邮件
jabobo.com 邮箱服务器
自建 docker-mailserver,承载 newsletter 分发、Mail AI、idea 投递、邀请等所有"外界入邮件"通道。SMTP + IMAP + DKIM 全套。
jabobo-mailserver · MX
Skill
CC + Hermes 共享 skill 库
单一源 ~/.claude/skills/ 通过 sync_claude_skills.sh 自动软链到所有 Hermes profile,描述支持热重载。新 skill 一处写,处处可用。
13 个全局 skill · 6 profile
嵌入式
ESP-IDF SDK 栈
Jabobo 语音项目沉淀出的 ESP32 模板:BLE / Wi-Fi / OTA / 声纹 / MCP 工具集成。新硬件 PoC 直接 fork 起步。
ESP-IDF · Smart Things
监控
VM Monitor / Mail Monitor / Newsletter Monitor
3 个 Admin 端 dashboard 分别盯住系统、邮件队列、内容流水线。出问题不靠 ssh 翻日志 —— 浏览器打开就看见。
vm-monitor · mail-monitor · newsletter-monitor
§4 · 现有应用

同一套底座,已经长出 9 条产品线

每张卡上的彩色小标签说明这个产品调用了哪几个工程域 —— 同一组域反复出现,正是「基础设施被复用」最直观的证据。

🎙️

Jabobo Voice AI

ESP32 端到端语音助手 —— 声纹识别、会议模式、MCP 工具调用、OTA 升级。固件 + 后端 + 设备调试页一体。

ID HW ESW SW ML
jabobo.com/jabobo/
📬

Newsletter 流水线

自动抓取 SI / AI / 行业资讯,生成每日和每周简报。完整的 worker + SSE 观测面板,按频道和日期归档。

ID SW ML
jabobo.com/newsletter/
✉️

Mail AI

发一封邮件到 jabobo@jabobo.com,Hermes Agent 自动调用检索 MCP 查资料,写好回复发回。

SW ML
jabobo@jabobo.com
💬

WeChat AI 分身

微信端 AI 助手,每个 profile 独立人设、独立 skill、独立 MCP 工具组。多号并行,配独立管理后台。

ID SW ML
jabobo.com/hermes/
🔗

GitNexus

为 Jama / DOORS 等需求管理工具提供 AI 图谱导航 + 自然语言检索。Vite + WebSocket 长连接驱动。

ID SW ML
jabobo.com/gitnexus/ui/

Jama FAISS + RAG

后台检索服务:FAISS 矢量搜索 + RAG 问答 + 多查询融合。供 Edge 插件、邮件 AI 和各 Agent 调用。

SW ML
jabobo.com/jama_rag/
🎞️

Web Slider

浏览器内 HTML 幻灯片工具,无需 PowerPoint。同一份后端服务托管多份 deck,支持图片和动画。

ID SW
jabobo.com/slider/
🎯

捷宝宝赘词官

演讲 / 会议实时赘词追踪器 —— Jabobo 设备实时上传字幕,FastAPI + SQLite 落库,gpt-5.3-chat 每句标注口头禅,结束自动生成 Toastmaster 风评估。

ID SW ML
jabobo.com/jabobo-meeting/affix/
🛠️

创意工具箱

Affix Notes 赘词追踪器、Toastmaster 工具、P3 文件处理、ESP Wi-Fi Monitor —— 一组解决具体小问题的轻量浏览器应用。

ID SW
jabobo.com/affix-notes/

每个应用是怎么搭起来、又是怎么跑起来的

点上方 tab 切换。每张图按 app 的"性格"挑了形态 —— 多角色长链路用 swimlane、线性 pipeline 用 flow、重 dev / runtime 对比用 case study、小应用用 minimal、集合应用用 tools —— 不强求统一。每张图底部列出该应用在开发 + 运行中实际触达的平台能力。

Jabobo Voice AI

FORM A · SWIMLANE ESP32 端到端语音助手 · 4 角色 × 5 时段
t1 · 说
t2 · 唤醒
t3 · 上行
t4 · 处理
t5 · 回
用户
说唤醒词 / 指令麦克风输入
听结果扬声器输出
设备 (ESP32)
VAD + 唤醒Wake-Up-Word 本地推理
WSS 上行音频/ws/ ← jabobo-server
播放ESP-IDF audio · OTA
云后端
WS 接收jabobo-server (8000)
ASR → 文字jabobo-backend
TTS → 音频回传给设备
AI 引擎
VoicePrint + LLM识别用户 · 加载 jabobo-dev skill · Hermes / Azure OpenAI
这条应用触达的平台能力
基础设施nginx /ws/PM2 (jabobo-server / -backend)VoicePrint 推理ASR / TTSWake-Up-Word 训练栈ESP-IDF SDK
AgentHermes (默认 profile)MCP tool calling
Skilljabobo-devvm-services
模型Azure OpenAIDeepSeekVoicePrint 模型Wake-Up-Word 模型

Newsletter 流水线

FORM B · FLOW cron 触发 → 抓 → 清 → AI 生成 → 渲染 → 发邮件 → 归档
STEP 1cron 触发/etc/cron.d/si-newsletter-bot · daily / weekly
STEP 2抓原始资讯RSS · web scrape · API
STEP 3清洗 / 去重runtime/raw-stream/ · Python worker
STEP 4AI 生成 summaryDeepSeek / Azure OpenAI
STEP 5渲染 HTMLtemplate engine · runtime/issues/
STEP 6SMTP 分发jabobo-mailserver · DKIM
STEP 7归档 + 监控newsletter-monitor (8021)
这条应用触达的平台能力
基础设施nginx /newsletter/PM2 (si-newsletter-web / -monitor)cron daemonjabobo-mailserver SMTPfilesystem state machine
Agentsi-newsletter-orchestratornewsletter-mail Hermes profile
Skillsi-newsletter-* 系列jabobo-mail
模型DeepSeekAzure OpenAI

Mail AI

FORM C · DEV / RUNTIME CASE 开发期搭建 vs 运行期消息流
🔨开发期 · 用了哪几个 skill 搭起来
  • CC + jabobo-mailserver 配 docker-mailserver + DKIM/SPF
  • CC + jabobo-mail 创建账号、配 IMAP/SMTP 凭证
  • CC + jabobo-mail-ai 写 SOUL.md 人设 + 选 MCP 工具
  • hermes profile create jabobo-mail --clone
  • pm2 start hermes-jabobo-mail-gateway + dashboard
⚙️运行期 · 每封邮件的处理流程
  • IMAP 拉新邮件 → hermes-jabobo-mail
  • Hermes 加载 SOUL + 判读意图
  • 按需调 jama-search / ado-search MCP 查料
  • LLM (Azure OpenAI / DeepSeek) 起草回复
  • SMTP 经 jabobo-mailserver 发出
这条应用触达的平台能力
基础设施jabobo-mailserver (IMAP/SMTP/DKIM)PM2 (hermes-jabobo-mail-gateway)nginx /hermes-jabobo-mail/
AgentHermes (jabobo-mail profile)MCP: jama-searchMCP: ado-search
Skilljabobo-mailjabobo-mailserverjabobo-mail-ai
模型DeepSeek (主)Azure gpt-5.4 (vision aux)

WeChat AI 分身

FORM C · DEV / RUNTIME CASE 多 profile 模式 · 每号一套人设和 skill
🔨开发期 · 增开一个微信号要做什么
  • hermes profile create wechat<N> --clone
  • 编辑 .env 清掉旧的 WEIXIN_ACCOUNT_ID / TOKEN
  • 启 qr_login_driver.py + qr_refresher_N.py
  • jabobo-gate 暴露二维码 PNG,用户扫码绑定
  • 写本 profile 的 SOUL.md,sync_claude_skills.sh 自动软链 skill
  • pm2 start hermes-wechat<N>-gateway + dashboard
⚙️运行期 · 每条消息的处理流程
  • 用户微信发消息 → iLink 平台推送
  • hermes-wechat<N>-gateway 接收 webhook
  • Hermes 判读 + 按 description 加载相关 skill
  • 按需调 MCP 查料 / 调 vision aux 看图
  • LLM (DeepSeek) 写回复
  • 通过 iLink 回发到用户微信
这条应用触达的平台能力
基础设施nginx /hermes-wechat<N>/PM2 (gateway + dashboard)jabobo-gate (QR PNG 公开)iLink 微信桥
AgentHermes (wechat2 / wechat3 ...)vision aux (gpt-5.4)MCP tool calling
Skillvm-services按 profile description 命中
模型DeepSeek (主)Azure gpt-5.4 (vision)

GitNexus

FORM A · SWIMLANE 需求图谱 + AI 检索 · 持续 WebSocket 会话
t1 · 提问
t2 · 上行
t3 · 查谱
t4 · 推断
t5 · 流回
用户
UI 提问自然语言
看流式答案SSE / WS token 流
UI (Vite)
WS 上发 query持久连接 (~24h)
流式渲染React 增量显示
后端 (MCP)
查 Jama APIgitnexus-backend (4747)
拼装 + 调 LLM+ MCP tool calling
AI 引擎
LLM 推理Azure OpenAI
这条应用触达的平台能力
基础设施nginx /gitnexus/ui/ + /server/长连 WS (read_timeout 86400)PM2 (gitnexus-frontend + -backend)
AgentMCP server (gitnexus-backend)tool calling
Skilljama-search
模型Azure OpenAI

Jama FAISS + RAG

FORM B · FLOW 无状态检索服务 · 单查询 / 多查询并行
STEP 1HTTP 请求入POST /api/search · /api/search_multi
STEP 2query embeddingAzure OpenAI text-embedding
STEP 3FAISS top-K 召回本地向量索引
STEP 4(多查询) 合并去重N 路并发 → merged pool
STEP 5rerankLLM cross-encoder
STEP 6JSON 返回→ Edge plugin / Mail AI / Agent
这条应用触达的平台能力
基础设施nginx /jama_faiss/ + /jama_rag/PM2 (jama-faiss + jama-rag)FAISS 索引(本地向量库)conda Python (miniconda3)
Agent被 Mail AI / WeChat / Edge 调用
Skilljama-search (MCP)
模型Azure OpenAI embeddingAzure OpenAI rerank

捷宝宝赘词官 · Jabobo Meeting Affix

FORM C · DEV / RUNTIME CASE 已有基础设施 + 现成积木 + 人调教 → 一个 PoC 的标准生成过程
🔨开发期 · 全部都是"借",没造任何新底座
  • HW + ESW 借 Jabobo 语音设备的"会议模式":ESP32 固件 + ASR + 字幕分句,零修改
  • SW 借 FastAPI + SQLite + SSE 模板,启个 :8015 就有 HTTP + 实时推送
  • SW 借 nginx 现成的 prefix 反向代理模式:`location /jabobo-meeting/affix/`,不改主配置主结构
  • SW 借 PM2 现成的进程托管,写个 ecosystem.config.js 就接管重启 + 自启
  • ML 借 Hermes 共享的 Azure OpenAI 密钥池(gpt-5.3-chat),没申请新 key、没自己封 SDK
  • SW 借 Vite + React 前端模板,跑 `vite build` 直接出 SPA
  • 人调教 CC(Opus 4.7)按用户的几轮反馈调赘词检测 prompt、改 Toastmaster 评估口径、决定哪些算"实义词"不计赘词
  • 人调教 用户验收:在浏览器打开链接、跑一场真会议、看输出,提具体改动 → 喂回 CC 下一轮迭代
  • vm-services 注册新服务 + 公网 URL,海报里加一张 product card,结束
⚙️运行期 · 一句会议字幕的完整旅程
  • Jabobo 设备进会议模式,ASR 把每句话切成 (speaker, text, kind)
  • POST 到 /api/ingest(meeting_id + line_no + ts + speaker + raw_line)
  • FastAPI 写 SQLite → 入异步 worker queue(并发=1,按序处理)
  • worker 把句子喂给 gpt-5.3-chat,返回 JSON `{fillers: [{word, count}], comment}`
  • SSE 广播给前端 SPA → 实时高亮赘词 + 累计统计
  • 会议结束按一下"生成评估" → 再调一次 LLM 写 200~400 字 Toastmaster 风点评
  • 用户在 /jabobo-meeting/affix/ 看实时面板和回放
这条应用触达的平台能力 —— 新增 0,复用 全部
基础设施nginx /jabobo-meeting/affix/PM2 (jabobo-meeting-affix-web :8015)Jabobo 设备「会议模式」FastAPI + SQLite + SSE 模板vm-services 注册位
AgentClaude Code(开发期人调教)
Skillvm-servicesfrontend-design
模型Azure OpenAI gpt-5.3-chat(Hermes 共享 key)

Web Slider

FORM D · MINIMAL 浏览器内 HTML 幻灯片 · 静态分发
DEV
CC + frontend-slides skill 把一份 talking points 转成 deck HTML,扔进 web_slider/ 目录。每个 deck 一个文件夹,配图独立。
RUN
Express 后端只做 auto-index + 静态托管,nginx 把 /slider/ 反代到 127.0.0.1:8012。无 AI 介入,无状态。
这条应用触达的平台能力
基础设施nginx /slider/PM2 (web-slider-web)
Skillfrontend-slidesvm-services
模型(仅开发期借 LLM 生成 HTML)

创意工具箱

FORM E · TOOLS COLLECTION 一组解决具体小问题的轻量浏览器应用
Affix Notes
赘词追踪 · static · nginx alias
Toastmaster Tools
演讲计时 · static
P3 文件处理
/p3/ · PM2 (p3-tools-web :8016)
ESP Wi-Fi Monitor
/esp_wifi_monitor/ · PM2 :8014
Jabobo Meeting Affix(赘词官)
/jabobo-meeting/affix/ · PM2 :8015
共享底座:nginx 路径前缀分发、PM2 进程管家、jabobo-gate(部分 Admin-gated)。开发期由 CC + frontend-design skill 撸出来,运行期纯静态或轻量后端,几乎不消耗 AI。
这组应用触达的平台能力
基础设施nginx 多 prefixPM2 (4 个进程)static alias 文件系统
Skillfrontend-designvm-services
模型(仅开发期借 CC 编码)

jip-poster · 这张海报本身 🪞

FORM D · MINIMAL 元层:海报本身也是个 PoC
DEV
CC(Opus 4.7)+ 用户手绘架构图 + Stripe-like design language → 写出单文件 HTML。frontend-design skill 用于美术决策。开发期经过若干次推倒重做(IA→ID、bipartite→per-app、加 §6 协作模式)。
RUN
Node 原生 HTTP server (server.js) 当成根静态资源服务器,PM2 进程名 jip-poster-web 跑在端口 8022,nginx 反代 /poster/(未来 /jip/)。无后端逻辑、无状态、无 AI 运行时调用。
META
按 §6 协作模式分类,这是个 C-模式 PoC —— 人参与设计、人参与决策、人参与验收。D-模式("用户发邮件就生成一张海报")还没建好。当 D 能给出"按你需求自动出海报"时,这张静态文件应该被那条管道里的产物替代。
这条应用触达的平台能力
基础设施nginx /poster/PM2 (jip-poster-web :8022)Node 原生 http
Skillfrontend-designvm-services
模型Claude Opus 4.7 (开发期)

四种「人 ↔ 平台」工作模式

JIP 不是一个单一流程 —— 同一套底座支撑 4 种不同节奏、不同角色的协作方式。从「平台自身被建造」到「外部用户无人值守拿走 PoC」,这是创新平台的终态愿景。鼠标停在每个模式卡片上,可以看代表产物。

↻ 整个 A 层本身就是 CC / Hermes 帮忙搭出来的 —— 平台用 AI 建造平台
A
基础设施搭建
主角JIP 项目组成员 AICC / Hermes 重度参与建造;同时把推理 / 训练能力封装进底座,下游随用
把"创新平台本身"造出来:网络、对外通信、文件系统、检索、AI 推理、模型训练 —— 这一层的产物就是后面三层的原料。
网络服务 外界通信 文件系统 RAG (FAISS) 神经网络推理 模型训练
代表产物(已上线 / 在用)
  • nginx 反向代理网关
  • PM2 进程管家
  • jabobo-gate 登录
  • jabobo.com 邮箱服务器
  • WeChat Hermes 通道
  • ESP 远程日志
  • Skills 共享库(CC + Hermes)
  • Agent Profile / MEMORY 文件树
  • FAISS 向量检索
  • VoicePrint / ASR 推理
  • Wake-Up-Word 训练
  • Azure OpenAI / DeepSeek 接入
能力调用
B
积木打磨
主角各职能工程师(ID / ME / HW / ESW / SW) AICC 协助"提炼 → 固化 → 找共性"
解决具体问题的副产物 —— 把"这次解决问题的过程"抽象成下次能直接用的件:传感器驱动、PCBA 模板、AI 调用封装、场景方案、skill、prompt、CLI。
sensor driver AI 模型调用封装 新通信通道 通用 PCBA 场景方案 集成方案 skill prompt CLI
代表产物(已固化为可复用件)
  • jabobo-dev skill(ESP 全栈)
  • jabobo-mail / -mailserver / -mail-ai skills
  • vm-services skill(路由清单)
  • jama-search MCP
  • ado-search MCP
  • OTA 固件升级模板
  • nginx prefix 路径模板
  • Hermes profile clone 流程
  • BLE / Wi-Fi 协议栈封装
  • Azure OpenAI / DeepSeek 兼容层
积木装配
C
正式 PoC 生产
主角立项的项目方 AI9 个 jip-* skill + 纲领智能体协调
值得留全套审计的项目,严格走 Idea → Spec → PoC 三层流水线,每层都有状态门。ship 后通过 harvest 把新能力反哺到 B。
jip-charter draft/clarify 状态门 harvest 反喂 B
已 ship 的 C 类 PoC
  • Jabobo Voice AI
  • SI / AI Newsletter
  • Web Slider
  • Mail AI(jabobo-mail)
  • WeChat AI 分身
  • GitNexus + Jama RAG
  • jabobo-gate 自身
  • jip-poster 本身
  • ...累计 15+ 条产品线
D
Idea → PoC 自动生成· 终态
主角外部用户(邮件 / 微信 / webchat) AIHermes profile 无人值守
用户一句话需求 → 平台自动组合 A+B → 产出 ID 结构、软硬件方案、宣传材料;能直接 deploy 的当场上线,不能的给"最短实现路径"(打样链接 / 装配方案 / 调试方法)。
无人值守 自动生成 ID 自动部署 宣传材料 最短实现路径
代表形态(未来)
  • 用户邮件 → 自动部署 PoC URL
  • 微信发想法 → 出 ID 草图
  • 需求 → PCBA + 打样链接
  • 需求 → 装配方案 + 调试方法
  • 需求 → 宣传材料(slide / poster)
  • 需求 → BOM 清单 + 成本估算
  • 需求 → 可用 demo 软件 + 服务
  • 需求 → 一封"已为你准备好"的回信
↺ C 走完后 harvest 把新能力反喂给 B;D 直接消费 A + B 但不反喂(高频自动化优先速度,不进流程)
项目方 / 交付 带完整审计的 PoC
终端用户 邮件 / 微信 / webchat 收到方案

一台 VM,撑起全部

所有服务、所有数据、所有任务跑在同一台 Azure Standard B2ms(2 vCPU, 8 GB RAM)上,部署在 Switzerland North。

1
Azure VM
20+
PM2 进程
15+
nginx 路由
0
Kubernetes 集群
技术栈 Azure · Switzerland North Ubuntu 22.04 Node.js · Express Python · FastAPI FAISS Vite · React ESP32 · IDF WebSocket DeepSeek Azure OpenAI docker-mailserver nginx · PM2

想试用 / 接入 / 贡献一条 capability?

发邮件给 Hermes Mail AI,它会自动接住、检索资料、写回复。