CHECKLIST.md — 90 天打卡 + 月度纪律清单（个人用户逼近 AGI 路线配套）¶

配套文档：ROUTE.md（阶段 0-5 命令级步骤）、MASTER.md（结论判定）、APPENDIX-cost.md（价格）、APPENDIX-facts.md（事实账本）。 时间基准：2026-09-21。 本文所有价格、模型名、政策状态均为截至 2026-09-21 的快照，不是"现行"承诺——所以第 30 天打卡的第一件事就是重核它们（见 §4）。 验证等级声明：本项目整体处于案头推理档（唯一实测档证据是 novice_test 的 6 条实测 + 11 个卡点，其修正命令在本文中权重最高、直接内联）。你照做时跑出的结果，就是你自己的实测档证据。 读者与地域声明：面向中国大陆个人用户。本文数字基于国内生态（GLM / DeepSeek / 硅基流动 / 火山方舟等）为主，海外分支（Gemini/OpenRouter/Claude）仅作参考——海外价格与政策对大陆读者不可直接迁移。 信心纪律：所有带数字的结论标注验证日期与半衰期（H0≤2 周 / H1 1-2 月 / H2 3-6 月 / H3 6-24 月）。查不到的写"未核实"，本文不编造。

0. 使用方法（30 秒读完）¶

1. 这份清单是打卡表：每个节点勾选 [ ] → [x]，写日期。别跳步，也别加戏。
2. 每月固定纪律只有 2 项（§5）。清单里其余所有"建议做"的条目全部标了 可选进阶——不做不影响验收，做了更好。刻意少做是这份清单最重要的设计：每月 6-10 项仪式性维护是弃坑的第一诱因（Round 3 critic §3 裁决），所以这里只保留 2 项。
3. 卡住了：先查 §7 卡点速查表（11 个实测坑），再查对应 ROUTE.md 阶段的"卡住怎么办"。
4. 中断了：直接从最近一个未勾节点继续，不要从头重来。弃坑两周以内回来都算连续。

1. 第 0 周：自证实验（开工前必做，0 元，约 2-3 小时）¶

为什么要先做这个：五轮调研里"个人用户用 AI 真的变强了"的第一手正面案例 = 0（critic §2）。所以在投入 90 天之前，先给自己跑出一个样本量 1 的正/反证据。这个实验结果决定你要不要认真走后面 90 天。

做法：挑 10 个你上周真实遇到的任务（写邮件、整理文件、查资料、写小脚本、做总结……），每个任务做两次对照：

工具：阶段 0 还没搭，就用免费的网页端旗舰（Kimi / 豆包 / DeepSeek 网页版 / 腾讯元宝，全部无门槛，截至 2026-09-21 可用〔一手〕）。不用搭任何环境。

打卡项： - [ ] 10 个真实任务对照表填完 - [ ] 算两个数：平均省时比例、满意率（满意任务数 ÷ 10） - [ ] 写一句结论贴在打卡表旁边： - 省时 ≥30% 且满意 ≥6/10 → 继续走 90 天，记下你满意的任务类型（这就是你后面的金标准题库原料） - 省时 <10% 或满意 ≤3/10 → 诚实停下，把不满意的具体原因写下来（提示词问题？任务类型问题？）——换个任务类型重跑一轮，仍不行就放弃这条路，这本身就是有价值的结论 - 中间 = 灰区：别急着开阶段 1，先换任务类型或优化提示词后重跑一轮再定——这一条与 ROUTE §0.0 自证判据统一（2026-09-21 walk-through R6 修复）

注意：这一步是"样本量 1 的自证"，不是科学实验。它的作用是防止你花 90 天去验证一个对你个人根本不成立的命题。

2. 第 1 周：环境起步打卡（预算 0 元起步；可选的 DeepSeek 充值 ¥10 起步属跑 eval 自选，不花也能走完第 1 周；订阅类支出（如火山方舟 ¥9.9）属阶段 1）¶

2.1 免费栈搭建（大陆主干，0 元）¶

• [ ] 硅基流动注册：送 ¥14 + 13 款以上永久免费模型（Qwen3-8B 等）〔截至 2026-09-21 有效，H0-H1 级，下单/注册当天重查官网 pricing 页〕
• [ ] DeepSeek 开放平台注册：新账号 500 万 tokens / 30 天〔截至 2026-09-21，H0-H1〕
• [ ] 火山方舟新用户：300 万 tokens；Coding Plan 限时 9.9 元起（多模型切换 + 工具不限）〔一手，volcengine.com/activity/codingplan 2026-09-21 实拉；H0〕——可选，阶段 1 才需要，第 1 周不花（walk-through S12）
• [ ] 记住账单心法：轻档用户（每天几十次问答）月账单 <¥50，不存在成本问题

有境外网络/支付的分栏（可选）：Gemini Flash 免费档、OpenRouter 免费层、Groq。大陆网络直连不可用，不要把它当主干。

2.2 本地环境（可选，无 GPU 机器也能走）¶

• [ ] Ollama 安装：curl -fsSL https://ollama.com/install.sh | sh，装完必跑 ollama --version 对照 GitHub releases（固定版本会装旧版，novice_test 卡点 8）
• [ ] 小内存（8G）机器：先 ollama pull qwen2.5:0.5b 走通流程即可；≥16G 内存再上 7B；0.5B 质量很差，只当流程验证（novice_test 实测）
• [ ] 想不常驻：systemctl disable --now ollama（OLLAMA_NO_START=1 在 Linux 无效，卡点 7）

2.3 评测地基（阶段 0 验收核心）¶

• [ ] npm i -g promptfoo（约 2.5 分钟，体积 2.6G，小磁盘先 df -h 确认）
• [ ] 用 ROUTE.md 内联的修正版 yaml 跑通第一次 eval——provider 语法是 ollama:chat:<model>，冒号不是点号（ollama.chat:x 必报错，novice_test 卡点 1，已实测）
• [ ] 把第 0 周自证实验里你满意的任务类型，写成 30 道金标准题（其中 ≥30% 来自真实失败场景，不是理想场景）
• [ ] promptfoo eval 跑出第一份基线快照，把通过率数字记在打卡表旁边

2.4 记忆系统起步（0 元）¶

• [ ] 建 vault：mkdir -p ~/memory-vault/{00-inbox,10-projects,20-areas,90-archive}
• [ ] 母本笔记 + 收集箱开始用（每天往 00-inbox 丢东西即可）
• [ ] 无 GUI 服务器：跳过 Obsidian 插件，语义检索延后到阶段 1 用脚本实现（sqlite-vec + bge-m3，ROUTE §0.6 原文）——第 1 周不做，不要为此卡住
• [ ] 只读观察期从今天起算——30 天只读零事故的"30 天"从第 0 周第 1 天计，不是从阶段 1 开始计（时间轴修复，route_attack R1-1）

第 1 周验收：promptfoo 基线快照有数字；vault 能检索命中 3 条历史笔记（有桌面端时，无桌面端此项延后到阶段 1）；能说出"我这周 30 题通过率是多少"。

3. 第 30 天打卡：第一次月度盘点（约 35-60 分钟）¶

• [ ] 【首月第一项，必做】重核价格/模型/政策：本文和 APPENDIX-cost 里的所有价格、免费额度、模型版本、订阅政策都是 2026-09-21 快照，价格类事实 1-2 个月就能翻转（实证前科：智谱 2026-07 整体涨 30%、GLM Coding Plan V1→V2 涨价 141%+、Anthropic 计费分离宣布后暂停）。核对方法：
• 官方页人工过一遍（10 分钟）：siliconflow.cn/pricing、api-docs.deepseek.com/quick_start/pricing、bigmodel.cn、volcengine.com/activity/codingplan
• 聚合站只当线索不当结论（前科：聚合站输出价写错、官方文档才对）
• 变了的 → 更新 APPENDIX-cost，并在 final/CHANGELOG.md 记一行：日期 | 变了什么 | 影响哪份文件 | 已更新✅（CHANGELOG.md 为 walk-through 验收整改后新增账本，2026-09-21 起生效）
• [ ] 重跑 30 题金标准：promptfoo eval，对比基线快照
• [ ] 读数纪律（H∞ 数学，不需重查）：30 题集单题翻转 = 3.3pp，±2pp 以内的波动全是噪声。进步 = ≥2 题（≥6.7pp）翻转且连续 2 期同向；单月波动不算数（route_attack R2-1 修复）
• [ ] 只读事故盘点：自第 0 周起算满 30 天了吗？有事故吗？（无事故 → 阶段 1 写操作解锁的前置条件达成）
• [ ] 记忆系统在用吗？vault 里这月新增 ≥20 条笔记吗？（没在用 → 诚实记录，别假装）

第 30 天验收：完成首月价格重核 + 有第二份快照 + 知道系统是变好、变坏还是噪声。

4. 每月 1 日：最小纪律集（全清单只有这 2 项是每月必做）¶

设计依据：critic §3 裁决——最小可行纪律集 = 月度重跑 + 一次手动抽查，≤2 项/月，其余全部可选进阶。总耗时约 30-40 分钟，超过 1 小时说明你做多了。

纪律 ① 月度重跑金标准（约 30 分钟）¶

• [ ] promptfoo eval 重跑 30 题，记录通过率
• [ ] 按 §3 读数纪律判读（≥2 题且连续 2 期同向才算信号）
• [ ] 连续 2 期跌破基线 → 先查是不是模型被厂商静默升级了（触发器 T1），再怀疑任务集过拟合——这个顺序不能反

纪律 ② 手动抽查：钱 + 免费额度 + 工具存活（约 5-10 分钟）¶

• [ ] 看本月账单：环比异常（>50% 涨）→ 当天去官方 pricing 页查原因
• [ ] 免费额度还在吗（硅基流动 ¥14 用完没、DeepSeek 500 万 tokens 过期没）——免费层随时可砍（前科：Gemini CLI 已断供），别依赖，只当白嫖
• [ ] 核心工具一行脚本体检（可直接复制）：

for r in ollama/ollama promptfoo/promptfoo HKUDS/LightRAG qdrant/qdrant browser-use/browser-use; do
  curl -s https://api.github.com/repos/$r | jq -r '"\(.full_name) \(.stargazers_count)★ pushed=\(.pushed_at) archived=\(.archived)"'
done

archived=true 或 pushed 停滞 >6 个月 → 从工具清单降级，找替代（前科：sst/opencode、ggerganov/llama.cpp 两起组织迁移就发生在定稿后一周内）

每月可选进阶（不做不影响任何验收，按需挑）¶

• 可选进阶 月度盲评 20 对（底座 vs 底座+改进；45-60% 区间是噪声，连续 2 期同向才算信号）
• 可选进阶 MCP server 白名单三条件核查（近 90 天 commit / issue 有响应 / vendor 背书）——只在阶段 1 用了 MCP 后才有意义
• 可选进阶 记忆库遗忘审计 30 分钟（删过时笔记、合并重复）
• 可选进阶 每周 5 题 probe 回归 + 跌破基线告警——阶段 4（24/7 自主）上线后才升级为必做（无回归门的 24/7 系统 = 没仪表盘的自动驾驶，route_attack R4-1 must-fix）
• 可选进阶 输出价/峰谷时段重查（若用了 DeepSeek 闲时批量通道）

5. 第 90 天打卡：季度盘点（约 1-2 小时）¶

5.1 必做项¶

• [ ] 每季灾备演练（必做，约 30 分钟）：假设你的主力 API/订阅今晚消失，计时恢复 3 个核心任务（目标 <30 分钟）。具体：切换到备用厂商（免费栈里的第二家），把一个金标准任务跑通。记录实测耗时——之前文档写的"2 小时可切换"是修辞，你的实测数字才是结论
• [ ] 90 天总账：把 3 个月的月度通过率连成趋势线，回答一个问题——"我的系统对我更有用了吗？"（盲评胜率 ≥60% = 进步、≤40% = 退步、中间 = 噪声；只看 3 个月趋势，单月 ±2pp 全是噪声）
• [ ] 用这 90 天的真实失败案例替换 10% 的评测题（≥3 题）——防任务集过拟合的固定比例机制
• [ ] 成本/$ 复盘：质量/$ 连续两月下降 → 换模型或精简支架

5.2 季度可选进阶（不做不影响验收）¶

• 可选进阶 GitHub 健康度全量重跑（github_checks.json 里全部仓库，比对 star/pushed/archived）
• 可选进阶 judge 校准 30 例，一致率 ≥85%，跌破改 judge prompt（I 域规则，脚本未实测，标"未验证"）
• 可选进阶 benchmark 分数对官方系统卡（聚合板数字全部加日期重验）
• 可选进阶 监管快照：网信办官网 + 新规过一遍（7-15 拟人化新规、AI 标识办法，截至 2026-09 生效中）
• 可选进阶 阶段 3 硬件评估：只在确实需要隐私/离线/微调时才看——买 GPU 的理由是隐私和离线，不是省钱（个人用量 95% 落在盈亏平衡点左侧）；2026 硬件处于涨价周期顶部，5090D V2 已禁入境，20K 档甜点是双二手 3090（下单当天必须重查华强北行情，H0 级一日一价；走转转/京东拍拍验机，避开闲鱼低价假卡流水线）

5.3 90 天节点决策¶

• [ ] 全部必做项打勾 + 趋势线向上 → 进入 ROUTE.md 阶段 4（24/7 自主），并把"每周 5 题 probe 回归"升级为必做
• [ ] 趋势线平/向下 → 停在阶段 2-3，先做 §3 的归因（模型升级？任务过拟合？还是这系统对你本来就没用——回到第 0 周自证实验的结论对照）
• [ ] 90 天里累计弃坑 >4 周 → 诚实降级为"轻量用法"：只保留网页端 + 每月纪律 ①，这也是合法结局

6. 半年与事件触发（轻量提醒，不占月度纪律名额）¶

• 半年一次（可与第 2/3 次季度盘点合并）：重读反方报告逐条问"这条反对论据今天还成立吗"；盈亏平衡用最新价格+你的真实用量重算
• 事件触发即查（看到相关新闻才查，不用定期扫）：

7. 卡点速查表（11 个实测坑，全部来自 novice_test 实测档，权重最高）¶

cron 三铁律（卡点 11 展开）：① 脚本和命令全用绝对路径；② 必须重定向日志 >> x.log 2>&1，否则失败无声；③ 先手动跑通，再加 crontab。合并已有 crontab 先 crontab -l > 备份 再追加，别覆盖。

8. 本清单的诚实边界（写给自己看的）¶

1. 本文数字全部是截至 2026-09-21 的快照（价格 H0-H1、工具活跃度 H2、架构结论 H3），到期必查——第 30 天打卡的第一项就是干这个的。
2. "个人用户逼近 AGI"的支持侧结论至今没有第一手案例，本文把它当"待自证假设"处理——第 0 周自证实验就是让你自己产出第一份证据。
3. 月度纪律刻意只有 2 项。如果你发现自己每月在维护系统上花超过 2 小时，你已经在做可选进阶了——砍掉，回到 2 项。
4. 唯一实测档证据（novice_test 11 卡点）来自无 GPU/无 GUI/非大陆网络的测试机；你的环境不同，结果可能不同——跑了才算数。
5. 海外分支（Gemini/OpenRouter/Claude）的价格与政策对大陆读者不可直接迁移；本文以国内生态为准。

定稿：2026-09-21 ｜ 输入：critic.md（§2/§3/§9）、route_attack.md（must-fix 1-12）、freshness.md（监控清单/触发器）、novice_test.md（11 卡点）、cost_route.md（国内价格快照）、master_skeleton.md（6 阶段框架）｜ 本文半衰期：结构 H3（6 个月复核一次），§2/§3/§7 内具体数字随各自半衰期独立过期。