970 LAB
Long-term operating principles

Charter

970 LAB 的长期运行原则。

970 AI Lab Charter v1.0

Status: Draft v1.0
Project: 970 AI Lab
Domain: 970.group
Positioning: A Personal AI Lab Running in Public
中文定位： 一个长期公开运行的个人 AI Lab

📌 落盘说明（非原文）： 本文件为 2026-08-25 果妈提供的 v1.0 全文原件。正文内容未作任何改写；仅将粘贴过程中三处失格的列表符号（-设计、-任务调度、-公开文档）补上空格以恢复正常渲染。命名口径见同目录 README.md——正文中的「970 AI Lab」一律读作「970 LAB」（依 v1.1 §1）。

0. Charter Purpose

本 Charter 用于定义 970 AI Lab 为什么存在、研究什么、如何运行、什么公开、什么不公开，以及它与现有项目和本地治理体系之间的关系。

它不是品牌宣传文案，也不是网站需求文档。

它是 970 AI Lab 的长期运行原则。

未来无论使用 GPT、Claude、Codex 或其他 AI 工具，无论 970 AI Lab 发展出网站、GitHub、自媒体账号、AI 内容 IP 或其他产品，均应优先遵循本 Charter 所定义的边界。

1. What Is 970 AI Lab?

1.1 定义

970 AI Lab 是一个长期公开运行的个人 AI 实践实验室。

它持续探索一个核心问题：

当 AI 真正进入一个人的工作、家庭、生活与创造过程后，一个普通个体的能力边界究竟可以被扩展到哪里？

970 AI Lab 不以介绍 AI 新闻、追逐模型更新或教授单一工具使用方法为主要目的。

它首先进行真实实践。

然后公开：

2. Mission

970 AI Lab 的使命是：

持续把 AI 应用于真实世界的问题，并通过长期公开实践，验证 AI 如何扩大个人在工作、家庭、生活与创造上的能力边界。

我们不以证明「AI 很强」为目标。

我们关心的是：

AI 到底能不能把事情做成。

因此，970 AI Lab 衡量实验价值的核心不是：

而是：

是否产生了真实结果。

3. Core Philosophy

3.1 Practice First

先实践，再表达。

970 AI Lab 原则上不生产脱离真实实践的 AI 内容。

例如：

不作为核心内容：
某模型今天发布了什么新功能。

更符合 Lab 原则：
我把这个新功能放进真实工作流运行了一周，它替代了什么，又失败在哪里。

3.2 Build Before Teach

先做出来，再讲怎么做。

970 AI Lab 不把自己定义成「AI 教程账号」。

真正值得分享的方法，应来自已经发生的实践。

3.3 Result Over Demo

真实结果优先于 Demo。

Demo 能运行，不等于产品可用。
AI 能生成代码，不等于系统可以上线。
AI 能生成视频，不等于用户愿意观看。
AI 能完成一次任务，不等于它可以进入长期工作流。

970 AI Lab 特别关注 Demo 之后发生的事情。

3.4 Failure Is Data

失败不是需要隐藏的内容，而是实验结果的一部分。

失败实验应尽可能记录：

970 AI Lab 可以公开失败。

并允许存在 FAILED 状态的 Experiment。

3.5 Human Judgment Remains

970 AI Lab 探索 AI 可以承担多少工作，但不以「完全无人化」为价值目标。

AI 可以负责：

但重要的目标、价值判断、商业决策、家庭决策和风险决策仍由人负责。

原则是：

Automate execution, not responsibility.

4. The Four Labs

970 AI Lab 当前设立四个长期实验方向。

它们按照「AI 帮助人完成什么」划分，而不是按照具体 AI 产品划分。

4.1 Build Lab

Question

AI 能不能帮助一个非传统软件团队真正构建和运行产品？

研究范围包括：

重点不只是：

「AI 能不能写出来？」

更重要的是：

「AI 写出来以后，能不能真正使用？」

4.2 Life Lab

Question

AI 能否真正改善家庭与个人生活，而不仅存在于聊天窗口里？

研究范围包括：

这里特别关注：

AI 最终有没有被家庭成员真正使用。

4.3 Creative Lab

Question

AI 能不能持续生产真正有人愿意消费的内容？

研究范围包括：

评价标准不只是生成质量。

更重要的是：

4.4 Agent Lab

Question

多个 AI 能否像一个真正的数字团队一样长期协作？

研究范围包括：

重点研究：

从「一个人问 AI 一个问题」，走向「一个人管理一组长期工作的 AI」。

具体模型与工具可以不断更换。

Lab 研究的是协作机制，而不是工具品牌本身。

5. Experiment System

5.1 Experiment 是 970 AI Lab 的基本单位

所有正式公开研究项目统一称为：

Experiment / EXP

每个 Experiment 应围绕一个可以被实践验证的问题展开。

5.2 一个合格的 Experiment 至少需要包含

Question
我们究竟想回答什么问题？

Hypothesis
开始之前，我们认为可能发生什么？

Build
为了验证它，我们实际做什么？

AI Role
AI 在其中承担什么工作？

Tools
使用了哪些模型、软件、硬件和基础设施？

Process
实验实际如何进行？

Result
最后发生了什么？

Cost
花费：

Failure
哪里没有达到预期？

Learning
真正学到了什么？

Open
哪些内容值得公开？

Next
下一轮是否继续，以及如何继续？

6. Experiment Status

每个 Experiment 应拥有明确状态。

建议使用：

IDEA — 尚未开始。

RUNNING — 正在进行。

PAUSED — 暂时停止，但可能继续。

COMPLETED — 实验已经完成并形成结论。

FAILED — 核心假设没有成立或项目明确失败。

ARCHIVED — 不再继续维护，但保留记录。

7. Experiment Numbering

正式 Experiment 使用：

```
EXP-001
EXP-002
EXP-003
……
```

编号代表：

970 AI Lab 正式运行后的实验序列。

原则上不对历史项目进行大规模倒序补号。

过去已经发生、但值得重新总结的项目，可以使用 Retrospective / RETRO 形式进行回顾。

这样可以保证 970 AI Lab 正式启动后的时间线清晰。

8. Public / Shareable / Private

970 AI Lab 坚持公开实践，但：

Running in Public ≠ Everything Is Public.

所有资产分为三个等级。

🟢 Public

可以完整公开。

例如：

适合：970.group + GitHub + 自媒体

🟡 Shareable

可以公开方法、过程与结果，但不公开完整资产。

例如：

可以讲：How & Why

但不一定提供：Everything required to reproduce it.

🔴 Private

不得因内容生产需要而默认公开。

包括但不限于：

原则：

公开经验，不公开不该公开的生产资料。

9. Content System

970 AI Lab 不为了生产内容而创造虚假的「AI 实验」。

内容应该从真实项目自然产生。

基本链路：

Practice → Experiment → Result → Content → Open

9.1 One Practice, Multiple Assets

一次真实实践可以形成不同深度的内容资产。

Level 1 — Social
短视频 / 图文。
解决：发生了什么？
用于：抖音、小红书、视频号、其他内容平台。

Level 2 — Experiment Log
970.group 实验日志。
解决：现在做到哪里？
允许持续更新。

Level 3 — Deep Dive
970.group 深度文章。
解决：为什么这么做，以及我们真正学到了什么？

Level 4 — Open Source
GitHub。
解决：哪些东西其他人可以直接使用？

Level 5 — Reusable Asset
沉淀：Template、Prompt、Workflow、Agent、Starter Kit、Component、Dataset、Checklist。

原则是：

一次实践，尽可能形成多层资产。

而不是为了多个平台重复劳动。

10. 970.group

10.1 定位

970.group 是：

970 AI Lab 的公开主站与长期知识资产入口。

它不是传统个人博客。

也不是 AI 新闻网站。

10.2 首页应该回答

访问者进入 970.group 后，应快速知道：

What are you building? 现在正在做什么？

What are you testing? 现在正在验证什么？

What worked? 哪些东西成功了？

What failed? 哪些东西失败了？

What did you learn? 得到了什么结论？

What is open? 有什么东西可以直接使用？

10.3 Dashboard

长期目标是让首页表现为一个：

Live Lab Dashboard

例如：

指标示例值
Experiments12
Running4
Completed5
Failed3
Open-Sourced7

并实时展示正在运行的 Experiment。

11. GitHub

GitHub 是 970 AI Lab 的：

Open Asset Layer

而不是项目日志。

970.group 负责解释：Why / What / Result / Learning

GitHub 负责：Code / Template / Workflow / Reusable Asset

二者相互链接。

11.1 Open Source Principle

不是所有 Experiment 都必须开源。

只有当资产满足以下至少一项时，才考虑进入 GitHub：

GitHub 不作为未经整理代码和 Prompt 的堆放场。

12. Social Media

自媒体账号是：

970 AI Lab 的 Distribution Layer。

不是整个项目本身。

内容优先来自真实 Experiment。

12.1 内容重点

重点讲：

避免长期陷入：

13. Relationship With Existing Projects

970 AI Lab 可以研究现有真实项目，但：

970 AI Lab 不接管这些项目。

例如某个真实产品可以成为 EXP-xxx。

但其：

仍然属于原项目。

Experiment 只是对该实践的：观察、记录、验证与公开层。

14. Local Governance

14.1 Single Governance Principle

970 AI Lab 不建立第二套本地项目治理体系。

当前本地工作的统一统筹入口为：01-main

因此：

01-main → Governance / Coordination
970 AI Lab → Experiment / Public Knowledge Layer

二者不得重复建设。

14.2 970 AI Lab 不应该

为了建立 Lab 而：

14.3 Source of Truth

真实项目的 Source of Truth 始终位于原项目。

970 AI Lab 记录：

但不复制完整项目本身。

15. AI Tools Are Replaceable

970 AI Lab 不与任何单一 AI 产品绑定。

GPT、Claude、Codex、Gemini 或未来出现的模型都是：

Tools / Workers

而不是 Lab 本身。

模型可以替换。
工作流可以变化。
技术栈可以变化。

970 AI Lab 长期不变的是：

真实问题 → 实际构建 → 真实结果 → 公开学习。

16. Truth & Transparency

970 AI Lab 应尽可能区分：

Fact — 实际发生的数据和结果。

Observation — 实验过程中观察到的现象。

Interpretation — 我们对现象的解释。

Hypothesis — 尚未被验证的判断。

特别是在公开 AI 效率、成本、收益和商业结果时，不应为了内容效果夸大结果。

17. Success Metrics

970 AI Lab 本身不以粉丝数作为唯一成功指标。

长期指标包括：

Experiment — 完成了多少真实实验？

Build — 真正做出了多少可使用的东西？

Adoption — 有多少产品真正被人使用？

Learning — 沉淀了多少经过实践验证的结论？

Open — 公开了多少真正有复用价值的资产？

Reach — 多少人阅读、观看和传播？

Community — 是否有人基于公开资产继续构建？

Business — 实验是否产生真实收入或商业机会？

Leverage — AI 是否真正降低时间、成本或能力门槛？

18. First Principle of 970 AI Lab

当未来不知道某个东西是否应该进入 970 AI Lab 时，只需要问：

「我们是真的在用 AI 做这件事，还是只是为了讲 AI 而讲 AI？」

如果答案是后者：不做。

如果答案是前者，继续问：

「这次实践有没有值得记录、验证或公开的东西？」

如果有：它就可能成为一个 Experiment。

19. Initial Experiment Policy

970 AI Lab 正式启动后，不要求一次登记大量 Experiment。

第一阶段应控制实验数量，优先建立完整运行闭环：

提出问题 → 实践 → 记录 → 发布 → 复盘 → 开放资产

历史项目可以成为新 Experiment 的基础，但正式编号应以 Lab 启动后的实验目标为准。

因此，EXP-001、EXP-002 等编号不应仅因为某项目过去已经存在，就自动分配。

首批 Experiment 的具体编号、名称和启动顺序，在 Charter v1.0 确认后单独登记。

20. Long-Term Vision

970 AI Lab 最终希望回答的不是：

「今天最好用的 AI 工具是什么？」

而是一个更长期的问题：

「当一个普通人开始长期与 AI 一起工作、创造和生活，会发生什么？」

今天可能是：

未来可能是：

工具会变化。
模型会变化。
平台会变化。

但 Lab 可以一直运行。

970 LAB Charter v1.1

Strategic Addendum

Previous Name: 970 AI Lab\
Official Brand: 970 LAB\
Domain: 970.group\
Positioning: A Personal AI Lab Running in Public\
中文定义： 一个长期公开运行的个人 AI Lab\
Status: Approved Direction / Pending Local Persistence

1. Brand Decision

自 v1.1 起，对外母品牌统一使用：

970 LAB

"970 AI Lab"不再作为正式品牌名称，但可以作为描述性语言使用。

970 LAB 当前以 AI 为核心研究媒介，但品牌本身不被特定模型、工具或当前 AI
技术形态限制。

2. What 970 LAB Is

970 LAB 是：

一个长期公开运行的个人 AI Lab。

它通过真实项目持续探索：

**当 AI
显著降低创造、开发和验证成本之后，一个个人能够做成哪些过去需要团队、技术、资金或大量时间才能完成的事情？**

970 LAB 不以"谈论 AI"为主要目标。

核心行为是：

Build → Run → Measure → Learn → Share → Open

3. Core Research Question

970 LAB 长期研究的问题从：

AI 能帮助我做什么？

进一步升级为：

AI 能否把真实想法转化为真实内容、产品和业务，并最终产生真实价值？

"真实价值"可以表现为：

4. AI-Native Venture Experiments

970 LAB 不限定 Experiment 最终产物的形式。

Experiment 可以产生：

Content

Product

System

Open Asset

Business

5. Micro Product Principle

970 LAB 特别关注一种过去经常被忽略的机会：

需求真实，但市场太小，以传统开发成本不值得做。

当 AI 将：

的边际成本显著降低以后，原本"不值得开发"的小需求可能重新具备商业价值。

因此 970 LAB 将持续验证：

Small Problem + AI Leverage = Viable Micro Product?

不要求每个产品成为大公司。

一个 Experiment 即使最终只服务几百或几千人，只要：

Value \> Cost

仍然可能成立。

6. Content ↔ Product Flywheel

970 LAB 不把内容和产品视为两条完全独立的线路。

Content → Product

真实内容产生用户反馈。

↓

发现需求。

↓

快速构建 Micro Product。

↓

验证使用与付费。

Product → Content

真实问题。

↓

构建产品。

↓

真实使用。

↓

产生结果、失败与数据。

↓

成为内容。

最终形成：

Content discovers demand.
Products generate evidence.
Evidence creates better content.
Content brings new users.

7. Experiment Commercial Validation

Experiment 的终点不应是：

"AI 成功生成了。"

而应进一步观察：

Content

有人看吗？

Product

有人用吗？

Retention

会继续回来吗？

Value

真的解决问题吗？

Revenue

有人愿意付费吗？

Efficiency

相比原方法真的更省时间或成本吗？

因此：

Generation ≠ Validation

8. Brand Architecture

正式采用：

Master Brand

970 LAB

Domain

970.group

Social Identity

970 LAB

原"爆妈陪读记"计划迁移为 970 LAB 内容账号。

GitHub

目标品牌：

970 LAB

GitHub Handle / Organization 优先评估：

970-lab

现有 guoma970 相关 GitHub 资产在迁移前必须完成只读依赖审计。

Creator Identity

需要人格出现时可以使用：

970 / 果妈970

个人身份存在，但不承担母品牌结构。

9. Brand Independence

970 LAB 与任何单一业务品牌保持逻辑独立。

包括现有：

这些都可以成为 Experiment。

但：

Experiment Subject ≠ 970 LAB

970 LAB 是研究、验证、记录和公开这些实践的上层 Lab。

10. Distribution Principle

970 LAB 的自媒体账号不是传统意义上的"AI 博主账号"。

原则上避免长期依赖：

核心内容来自：

真实 Experiment。

用户关注 970 LAB 的理由应该逐渐变成：

"970 这次又用 AI 做了什么真实的东西？"

而不是：

"970 今天介绍哪个 AI 工具？"

11. Personality Independence

970 LAB 不要求创作者持续真人出镜。

Experiment 可以采用：

表现形式由 Experiment 决定。

不是由固定"博主人设模板"决定。

12. GitHub Principle

GitHub 是：

970 LAB Open Asset Layer

不是所有实验的完整备份。

正式迁移 guoma970 之前必须确认：

原则：

Rebrand without breaking infrastructure.

13. Governance

本地唯一上位统筹继续由：

01-main

承担。

970 LAB 不重建：

970 LAB 仅维护：

Experiment / Evidence / Public Knowledge / Open Asset

层。

现有真实项目继续保留各自 Source of Truth。

14. Current Experiment

970 LAB 首个正式商业实验：

EXP-001

AI Original Short Drama Business

核心问题：

AI 能否帮助一个极小团队建立一门可重复运行的原创内容生意？

EXP-001 不仅验证 AI 视频生产。

它验证：

AI Native Content Business Model

15. Long-Term Direction

970 LAB 不预设未来一定是一家：

它首先保持：

Lab

不断实验。

真正得到市场验证的 Experiment 可以独立成为：

失败项目则保留为：

Knowledge。

16. 970 LAB Thesis

AI 最大的机会可能不仅是把已有工作做得更快。
更重要的是，它正在让大量过去因为成本太高、团队太小、市场太窄、技术门槛太高而"不值得做"的事情，第一次变得值得尝试。
970 LAB
的任务，就是持续找到这些事情，把它们做出来，放进真实世界，然后看会发生什么。

17. Operating Statement

970 LAB

A Personal AI Lab Running in Public.

Build with AI.
Run in real life.
Measure what happens.
Share what we learn.
Open what is worth opening.