四层范式 · 锚 → 流 → 深 → 能
Anchor · Flow · Depth · Capacity
一套高信息密度的技术博客与技术门户 Design System。我们用图知识网络降低用户的认知压力，同时极大提高信息密度——这套四层网页矩阵设计范式，是我们部署工具体系与构建能力体系时管理自身知识空间与工作空间的经验总结与结构映射，正计划抽象为 skills + MCP + design system 开源发布。
服务于蛋白质与基因工程，及所有将要拓展的知识与技术领域
这也是 DiVo AI 团队技术负责人 George 老师自 2002 年开始手写 HTML 网页以来，二十余年 website builder's experience 面向生成式 AI 信息二次爆炸的逆向工程——从"如何把信息呈现给人"到"如何让信息在人类与 AI 之间高效流转"。
divo-web-design-system
开源 Design System + Skill + 组件库 — GitHub →
为什么是这四层
每一层回答一个核心问题，四层叠加构成完整的知识获取闭环
从人的需求出发。科普、三类读者导航、致患者卡片——任何背景的 browser 都能找到自己的入口。
信息密度 → 降低认知压力：不预设读者有专业背景，用大白话先回答"为什么"
例：c-users 服务页 Hero → 读者导航 → 致患者 → 什么是 X
技术管线流动。DiVo 的角色、N 步管线、差异化优势——沿管线从输入到输出，每一步可验证。
信息密度 → 提高信息密度：管线步骤即知识节点，每步标注工具、产出、状态、link
例：CAR-T 5 步管线 CT1→CT2→CT3→CT4→CT5，每步 link 到底层验证
可验证的证据。benchmark 表格、样本报告、诚实边界、市场参考、术语速查——不夸大，不藏短。
信息密度 → graph 节点展开：每个验证指标都是可追溯的知识锚点
例：pLDDT 95.4 · ipTM 0.977 · TESLA AUROC 0.698 · 400+ 复合物
能力架构回溯。L1 引擎 → L2 模型 → L3 Agent → L4 管线——从 C 端场景一路回溯到硅片。
信息密度 → 知识图谱织网：每个终末页自带 graph 锚点，双向连通能力架构矩阵
例：CAR-T 能层：RVDon(L1) → DiVoFold5(L2) → 蛋白质预测 Agent(L3) → car-t-therapy 管线(L4)
锚（人的需求） → 流（管线路径） → 深（验证证据） → 能（能力回溯）
从"我为什么需要"到"这项服务由什么支撑"——四层构成一条完整的认知链，每层都是 graph 中的一个深度层级
KNOWLEDGE GRAPH
图知识网络的三重价值
不是线性文档，是可穿越的知识图谱
降低认知压力
用户不需要从零搭建知识体系。四层范式自带认知脚手架——锚层定位需求，流层展示路径，深层提供证据，能层连接全局。读者按层进入，不迷路。
提高信息密度
每个页面不是孤立的信息孤岛，而是 graph 中的一个节点。管线步骤 link 到验证，验证 link 到底层服务，能层 link 到能力架构——一次浏览获取的信息量是线性阅读的数倍。
人类与 AI 共读
页面结构既是给人看的，也是给 AI 攻城狮读的。结构化的 CAPACITY_TRACE、HonestBadge、管线 link 让 AI 可以解析页面构建完整知识图谱，实现自动化知识检索与推理。
EXPERIENCE MAPPING
从我们的工作空间到你的知识空间
四层范式不是凭空设计——它是我们管理自身知识空间的经验结构映射
| 我们的实践 | 对应范式层 | 映射关系 |
|---|---|---|
| 部署工具体系时按 L1-L4 分层 | 能层 | 能力架构矩阵本身就是我们的知识空间分类法 |
| 构建管线时记录每步工具+产出+状态 | 流层 | 管线步骤即知识节点，状态标签实现诚实自检 |
| 管理样本报告与 benchmark | 深层 | 验证指标是知识图谱的可信锚点 |
| 面向不同合作方准备不同入口 | 锚层 | 三类读者导航 = 知识空间的访问控制 |
| 维护术语表与科普文案 | 锚层 | 降低跨领域协作的认知摩擦 |
| 跨页面 link 回溯到能力底座 | 能层 | graph 织网 = 知识空间的拓扑连接 |
我们在部署工具体系时按 L1-L4 分层管理能力，在构建管线时记录每步状态，在面向合作方时准备不同入口——这些实践沉淀为四层范式，现在作为教育服务开放给你。
看看四层范式长什么样
以下页面完整实现了锚→流→深→能四层范式，可以亲自体验认知链的穿越
OPEN SOURCE PLAN
开源计划 · Skills + MCP + Design System
四层范式不止是文档——我们计划把它抽象为可复用的 AI 开发工具链开源发布
Skills
把四层范式编码为 AI Agent skill——生成式 AI 按 锚→流→深→能 自动生成高信息密度技术页面，而非平铺直叙。
MCP
CAPACITY_TRACE 结构化为 MCP 工具——AI 读取页面时自动解析能力图谱，实现跨页面知识推理与 link 补全。
Design System
组件库 + 色彩系统 + 区块模板打包为 Design System，可导入 v0 等生成式 UI 工具——任何人都能用这套范式构建技术门户。
v0 已支持用户导入自定义 Design System——这意味着我们的四层范式可以标准化为 v0 design system token + 组件，让生成式 AI 直接按范式输出页面。Skills 定义"怎么写"，MCP 定义"怎么连"，Design System 定义"长什么样"——三位一体开源。
用四层范式构建你的知识空间
无论你是想理解蛋白质工程的医生、评估基因治疗的投资人、还是规划生物信息课程的教育者——四层范式帮你快速穿越从需求到能力的完整认知链。
Understanding is All You Need