🎯 什么是 DDAC？

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

核心能力

从"对话"到"协作"

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"

🚀 落地实现：AI-TASK

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

🏗️ 四层架构详解

💡 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"]

GitHub 项目落地

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"]

🚀 快速开始

适用场景

5 分钟体验

# 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

查看示例

• 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）⭐

🎯 核心工具：元Prompt库

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。

五大类模板

📁 位置：templates/04-元Prompt库/

场景化配置

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/

📋 核心工具：路书系统

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。

四层路书结构

路书索引 → 当前任务 → 任务详情 → 历史归档

路书四大法则

📖 详细说明见 实施指南

📖 文档导航

💡 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

核心文档（必读）

进阶内容（选读）

🏗️ 项目结构

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/

💡 核心特性

与 RAG 的区别

• 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

🛠️ 技术栈

📚 使用示例

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

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

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

🎓 学习路径

🤝 贡献与联系

欢迎贡献！

贡献流程

# 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

联系方式

• GitHub Issues
• Discussions

📄 开源说明

许可协议

本项目采用 CC BY-SA 4.0 协议。

版本

当前版本：v1.1 - 元Prompt库（17个模板）、场景示例、四层架构重构

💬 常见问题

更多问题请查看：常见问题文档

🌟 致谢

🔗 相关项目

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