电力市场
- 用户精细化管理
- 中长期与现货交易
- 偏差考核与风险控制
- 虚拟电厂与需求响应
01 / Knowledge Map
知识地图
把学习内容按“业务问题”而不是按“资料来源”组织。每一类学习都要最终回到客户管理、交易决策和产品设计。
产品设计
- 售电 AI Copilot 总纲 V1.2
- 30 万行 Agent 业务数据库
- 多个系统模块原型设计、PRD 文档
- 128 条售电业务词典
数据 / 预测
- 负荷预测指标
- 价格预测变量
- 天气与负荷波动
- 误差解释与业务上限
AI / 工程
- 4 个智能体协同辅助
- 3000+ 条 ChromaDB 知识库向量
- 20+ skills 辅助开发
- 电力市场 / AI PM / IT 技术三轨学习地图
02 / Topics
重点专题
专题不是为了堆文章，而是为了不断回答一个问题：这些知识如何转化成交易团队可用的产品能力？
售电公司业务闭环
从获客、合同、预测、报价、交易、结算到复盘，拆解售电公司真实业务链路。
负荷预测与价格预测
区分两类预测的输入、指标、难点、业务应用方式，以及它们在交易决策中的位置。
报价建议逻辑
把用户特征、市场预期、风险敞口和销售策略转化为报价区间与解释逻辑。
交易复盘设计
关注预测偏差、报价偏差、执行偏差和结算偏差如何被归因，并进入下一轮迭代。
市场日报 Agent
把信息收集、筛选、摘要、结构化和结论输出做成日常可用的信息产品。
AI 工作流边界
明确 AI 该辅助什么、不该替代什么，以及如何设计证据链、置信度和人工兜底。
03 / Experiment Log
实验记录
实验记录用于展示“我如何把知识变成验证”。即使结果不完美，也要沉淀指标、误差、原因和下一步。
负荷预测实验
建立基础样本、指标口径与误差分析框架，明确模型在业务中的可用边界。
天气变量影响分析
观察温度、湿度、极端天气、节假日等变量对用户负荷波动的影响。
日报生成工作流
测试信息源检索、主题聚类、摘要生成和交易视角结论输出的自动化流程。
报价规则原型
将用户画像、风险分层、市场预期和销售策略组织成可解释的报价建议流程。
04 / Method
金窍心
所有学习最终都要回到一个闭环：问题、结构、验证、产品化。
从问题出发
明确痛点的具体环节，而不是先找炫技方案。
抽象结构
把概念拆成字段、对象、流程、约束和判断条件。
做出验证
用原型、表格、脚本或小 Demo 验证思路是否成立。
沉淀复盘
把结果、误差、问题和下一步变成下一轮学习的输入。