商业生态演化研究的可视化框架 | A visual framework for analyzing business ecosystem evolution
从投资研究实践中，我发现三个核心痛点：
- 症状：研究做得再深，最终呈现方式还是静态 PPT
- 后果：逻辑层次被压平，无法交互、无法动态更新
- 本质问题：把研究成果当作"一份文档"，而非"一个产品"
- 症状："原爆点→不动点→价值栈→阶段划分"停留在文字描述
- 后果：每次分析都要重新画图，效率极低，逻辑难以复用
- 本质问题：方法论是抽象的，缺乏配套的可视化工具
- 症状：PPT 是一次性产物，无法持续迭代和积累
- 后果：研究知识无法结构化沉淀，团队协作效率低
- 本质问题：缺乏"研究即产品"的思维
这个项目的核心理念：把投研的展示方式产品化——从"交付报告"到"交付可交互的研究工具"。
将抽象的生态演化框架转化为可视化布局：
纵向（价值层级）：
要素层 → 基础设施层 → 场景入口层 → 规则标准层
横向（发展阶段）：
萌芽期 → 探索期 → 成长期 → 成熟期 → ...
每个公司/载体在二维空间中有明确的位置，直观展示生态演化路径。
- ✅ 原爆点标记：定义生态系统诞生的核心要素（如"Transformer 消除了序列建模的瓶颈"）
- ✅ 不动点管理：标注生态演化中的关键不变量（△○□×◇五种符号）
- ✅ 公司/载体：支持属性标签、渐变色、可见性控制
- ✅ 连线关系：建立元素之间的关联
- ✅ 右键菜单：快速编辑、删除、调整层级
- ☁️ 云端保存：PostgreSQL 数据库存储，跨设备同步（完整版）
- 💾 本地缓存：LocalStorage 离线保存（本项目）
- 📤 导入/导出：支持 JSON 文件和文本粘贴，可用 AI 生成 JSON 增量导入
可以让 AI 根据框架生成 JSON 数据，渐进式完善图谱，而非每次从零开始。
| 概念 | 说明 | 示例 |
|---|---|---|
| 原爆点 | 生态系统诞生的核心要素，消除某种约束 | "Transformer 消除了序列建模的长程依赖瓶颈" |
| 不动点 | 生态演化中不变的关键位置 | "数据飞轮"、"开源生态"、"API 经济" |
| 价值层级 | 垂直分层 | 要素（算法/硬件）→ 基础设施（云服务/框架）→ 场景（应用）→ 规则（标准/监管） |
| 发展阶段 | 水平演进 | 萌芽期 → 探索期 → 成长期 → 成熟期 |
| 公司/载体 | 生态系统中的参与者 | OpenAI（要素层）、AWS（基础设施层） |
核心价值：不是单纯的可视化工具，而是将投研方法论固化为可复用的产品。
-
定义原爆点
- 例如："ChatGPT 证明了大模型的涌现能力"
-
识别不动点
- 例如："数据飞轮"、"模型即服务"、"开源VS闭源"
-
添加公司/载体到对应价值层级和阶段
- OpenAI → 要素层 × 成长期
- Hugging Face → 基础设施层 × 成长期
- Notion → 场景入口层 × 探索期
-
建立连线关系
- OpenAI → Azure（技术合作）
- Hugging Face → Gradio（产品整合）
-
导出 JSON 模板
- 可复用、可迭代、可分享
- ❌ 不做预测：不会告诉你"下一个独角兽是谁"
- ❌ 不代替深度研究：只是展示工具，不是分析引擎
- ❌ 不是自动化分析：需要你理解业务后手动构建
重要声明：这是研究方法论的演示版，用公开数据展示思路。不是荐股系统，不是投资建议。
方式一：直接打开
- 下载
ecosystem-evolution-demo.html - 用浏览器打开即可
- 所有数据保存在浏览器 LocalStorage
方式二：导入示例数据
- 点击"导入数据"按钮
- 选择
examples/文件夹中的 JSON 文件：AI生态系统示例.json- AI 大模型生态演化分析crypto-ecosystem-example.json- Crypto 生态系统分析稳定币生态系统示例.json- 稳定币生态深度拆解
| 能力层次 | 具体贡献 |
|---|---|
| 方法论设计 | 设计"原爆点—不动点—层级—阶段"的可视化逻辑，将抽象框架具象化 |
| 产品需求定义 | 定义交互方式、数据结构、导入导出格式、云端同步策略 |
| 架构选型 | 选择 Canvas + Express + PostgreSQL 技术栈，平衡开发效率与功能需求 |
| AI 协作开发 | 用 AI 完成具体编码，自己负责需求定义、问题发现、迭代方向 |
| 问题发现与迭代 | 在实际使用中发现画布缩放、坐标转换等问题，驱动 5 个版本迭代 |
这个项目证明了一个能力链条：
投研认知 → 产品需求定义 → AI 协作开发 → 部署上线 → 实际使用验证
不是程序员，不是纯投研，而是能把投研方法论用 AI 工具产品化落地的人。
- HTML/CSS/JavaScript + Canvas 渲染
- 支持拖拽、缩放、平移、主题切换
- 完全静态，无需服务器（本项目版本）
- 后端：Express.js API
- 数据库：PostgreSQL（Railway 托管）
- 部署：Railway 一键部署
| 功能 | 本项目（静态版本） | 备注/说明 |
|---|---|---|
| ✅ 可视化渲染 | 完整保留 | |
| ✅ 本地缓存（LocalStorage） | 完整保留 | |
| ✅ JSON 导入/导出 | 完整保留 | |
| ✅ 主题切换、画布缩放 | 完整保留 | |
| ❌ 云端保存 | 未包含 | 保护数据隐私 |
| ❌ 多项目管理 | 未包含 | |
| ❌ 跨设备同步 | 未包含 |
- JSON 导入格式说明 - 详细的 JSON 数据结构定义
- 方法论详解 - 生态演化框架的理论基础
- 使用指南 - 从零开始分析一个新生态的完整教程
已用于以下行业生态研究：
- ✅ AI 大模型生态：从 Transformer → GPT-3 → ChatGPT → GPT-4 → Agent 时代
- ✅ Crypto 生态演化：从 Bitcoin → Ethereum → DeFi → NFT → Layer2
- ✅ 稳定币生态系统：算法稳定币、抵押稳定币、中心化稳定币的演化路径
MIT License - 详见 LICENSE 文件
定位：一名把投研方法论用 AI 工具产品化落地的研究员
核心能力：
- 💡 投研认知：有自己的研究框架（生态演化、不动点识别）
- 🎨 产品思维：把抽象研究框架做成可交互、可复用的工具
- 🤖 AI 协作能力：用 AI 完成从需求定义到部署上线的全流程
- 🔄 方法论产品化：将隐性知识显性化，从报告到产品
为什么做这个项目：
投研的价值不应该只停留在"写了一份报告"，而应该是"交付了一个可验证、可迭代、可复用的产品"。这个工具是我对"研究应该如何呈现"的思考落地。
- 给个 Star ⭐
- 分享你的使用案例
- 提出改进建议
记住：这不只是一个工具，是一种"把研究产品化"的思维方式。