项目定位

AtomTopicClaw 当前不是一个泛聊天 bot，也不是只会做摘要的单次脚本，而是围绕固定 topic 持续运转的 personal topic intelligence pipeline。它的目标是把“零散搜索 + 手动收藏”升级成一条可重复执行的本地生产链路：从候选信息进入，到 signal card、brief、review package，再到人工审批后的正式写入，都有明确边界。

当前版本已经落地的内容

在 codex/demo_v0.1 这条分支上，它已经不只是 PRD 或契约草稿，而是一个可在本地跑通的 demo。当前阶段已经完成了：

• P0 契约层与 schema 约束
• mock-driven local pipeline
• review / review-note 命令链路
• package-scoped immutable draft artifacts
• Feishu chat-only HITL 的本地模拟闭环
• review session、MCP-style review tools 与 nanobot review agent 的串联

我最关心的设计边界

这个项目最核心的规则不是“agent 能写多少内容”，而是 review package 是唯一人工审查单元。这意味着：

• agent 可以先自动生成 triage、signal card、draft report 与 topic artifacts
• 这些内容只能先写进 proposal / pending 草稿区
• 真正写入长期知识区或正式报告区，必须先经过一次完整的 HITL 审查
• approve 与 apply 被刻意拆开，保证人工确认与落盘写入不是一回事

当前阶段的价值

我把 AtomTopicClaw 当成一个 topic intelligence runtime 的验证场，而不是立刻做成“全能助手”。当前版本真正验证的是三件事：

1. topic intelligence 的工作单元应该如何定义。
2. agent 自动产物与 durable knowledge 之间应该如何隔离。
3. Feishu-style chat review、review agent 与本地工作区状态机能否拼成稳定闭环。

下一步方向

在现有 demo_v0.1 的基础上，接下来更值得继续推进的，不是再改一轮底层审批规则，而是把外层接口和真实环境接起来：

• 真实 Feishu event adapter
• 更完整的 nanobot tool registration / MCP server
• runtime LLM constrained parsing
• 更完整的多 topic 样例闭环与文档整理

项目定位

AtomWeb 不是简单的作品集落地页，而是一套持续演化的个人信息界面。我希望它同时承担三种职责：

1. 作为个人主页，清晰呈现我的研究兴趣、技术轨迹与项目窗口。
2. 作为前端实验场，把终端语气、时间线展览和交互动效沉淀成统一语言。
3. 作为内容系统底座，为未来的 works / ideas / thoughts / releases 提供可持续维护的结构。

已落地能力

当前版本已经完成了几条关键主线：

• i18n 路由骨架：站点内容已支持 zh / en 双语入口与 locale 切换。
• 统一搜索与 metadata：搜索、tag 与 timeline 不再分别维护平行数据结构。
• 双模式 timeline：content timeline 与 feature/version timeline 共用同一交互壳。
• release pipeline：release 文件、校验脚本与 PR 阻断工作流已纳入长期维护流程。

我的实现关注点

这个项目里我最在意的不是“堆多少页面”，而是站点是否具备足够稳定的演进骨架：

• 页面视觉需要有一致的终端式叙事。
• 内容入口需要可聚合、可搜索、可回溯。
• 新能力进入后不能频繁推翻上一阶段已经验收的页面壳。

下一阶段方向

在 v3.0 之后，我会把重点放在：

• works 站内详情页与 inspect 体验
• search × timeline 的联动闭环
• 内容仓库解耦与远程 content source 的中期抽象

核心愿景 (The Vision)

在动态空中悬停状态下进行物理交互，一直是机器人控制领域的难题。AerialRoboArm 致力于解决多旋翼无人机与搭载机械臂之间的非线性耦合问题，提供一套开箱即用的高精度姿态解算与协同控制方案。

架构与技术栈 (Architecture & Stack)

本项目在底层通信与运动学解算上进行了深度优化，核心技术栈包括：

• ROS2 / C++17: 构建高实时性、低延迟的节点通信网络。
• 运动学/动力学建模: 针对“无人机底盘 + N自由度机械臂”的系统质心偏移进行实时补偿。
• PID / MPC 控制算法: 优化末端执行器（End-effector）的轨迹追踪精度，抵抗旋翼气流与外部扰动。

性能表现 (Performance)

• 解算延迟: < 5ms
• 末端控制精度: ± 2cm (实验室动捕环境下)
• 自适应配平: 能够在挂载 500g 负载后于 200ms 内恢复稳定悬停姿态。

挑战与突破 (Challenges & Breakthroughs)

传统的串联机械臂控制算法在固定基座上表现优异，但当基座变为处于 6-DOF 浮动状态的无人机时，机械臂的运动会产生强烈的反作用力矩。我们通过重新推导整体动力学方程，引入了前馈补偿机制，彻底将飞行平台与执行机构解耦。

“Gravity is a habit that is hard to shake off, but we are rewriting the rules in the air.”