MoonshotAI
精选
Kimi-K3
Kimi K3 is an open-weight, 2.8T-parameter native multimodal agentic model with a 1M-token context window, designed for frontier coding, knowledge work, and reasoning tasks.
AI 仓库情报摘要
FR-AI / ANALYSIS为什么值得关注
它提供了从会前对齐、会中控制到会后行动闭环的完整方法论，并配有章节文档、模板、SOP和AI时代关联讨论，具有很强的实践指导价值。
适合谁使用
- 会议引导者与主持人
- 需要提升团队协作效率的管理者
- 组织发展与咨询顾问
- 希望改善会议产出的知识工作者
典型使用场景
- 会前明确讨论目的、产出、角色与边界
- 会中控制信息、议题、时间和情绪秩序
- 会后将结论转化为责任、时间和可验证结果
- 通过结构化建模帮助团队形成共同认知
项目优势
- 方法体系完整，从讨论前到讨论后形成闭环
- 提供了多种可复用的模板和会议实战SOP
- 同时拥有完整版章节和精简实践文档
- 将个人习惯与组织能力、AI时代业务建模联系起来
使用前须知
- 主要是方法论知识沉淀，不包含软件工具或自动化能力
- 内容以中文为主，可能限制非中文读者
- 方法基于作者经验总结，README中未提供实证验证数据
README 快速开始
认知对齐：复杂组织中的高质量讨论方法
从目标对齐、过程控制、忠实外化，到共同建模与行动闭环。
这个项目沉淀一套关于复杂组织如何建立共同认知的方法体系。
核心问题：为什么很多会议结束后，大家听到了同样的话，却没有形成同样的理解？
核心方法：
- 讨论前：明确背景、目标、角色和边界。
- 讨论中：控制信息、议题、时间和情绪秩序。
- 认知对齐：先忠实外化，再共同澄清，最后结构化建模。
- 行动闭环：将结论转化为责任、时间和可验证结果。
核心原则
先忠实还原，再共同澄清，最后形成判断。
完整版（章节串联阅读）
《高质量讨论的构建方法 · 从目标对齐到共同认知》完整版按章节拆解为可串联阅读的 Markdown 文档，也可直接下载 PDF 完整版：
📖 进入章节导航 →
| 章节 | 内容 |
|---|---|
| 01 | 一个工作习惯：为什么这样的动作如此少见 |
| 02 | 讨论之前：目的、产出、角色、边界 |
| 03 | 过程控制：发言顺序、跑题分流、四种秩序 |
| 04 | 从模糊到清晰：忠实外化、澄清、建模 |
| 05 | 清晰化与防御：态度传递与心理安全 |
| 06 | 业务建模：对象、动作、角色、流程 |
| 07 | 现场操作手册：会前、会中、会后怎么做 |
| 08 | 组织与AI：个人习惯变成组织能力 |
| 09 | 结语：帮助一群人看见同一个现实 |
附录：一页会议定义模板 ｜ 会后共同模型模板 ｜ 讨论质量自检
实践文档（精简版）
- docs/01-完整报告.md：完整方法论
- docs/02-会议实战SOP.md：会议执行流程
- docs/03-白板与会议记录模板.md：可复用模板
- docs/04-典型案例库.md：实践案例
- docs/05-AI时代的业务建模.md：AI时代关联
维护原则
这个项目采用持续演化方式维护：新增观点优先补充完整体系，不用摘要替代完整版。
项目描述
复杂组织中的认知对齐与高质量讨论方法
相关仓库与替代方案
根据分类、Topic 和编程语言匹配的相似项目。
lopopolo
精选
harness-engineering
Harness Engineering is a methodology for improving coding agent outputs by carefully crafting the environment around them—providing curated context, tools, and executable constraints that encode an organization’s nonfunctional requirements and cumulative lessons.
slvDev
精选
esp32-ai
A 28.9 million parameter language model runs on an $8 ESP32-S3 microcontroller entirely on-device, generating simple stories at about 9.5 tokens per second.