chokepoint-atlas:
chokepoint-atlas: 本周 GitHub 最热门开源项目深度解析 项目地址: qiuqiubuchongle-cloud/chokepoint-atlas 生成时间: 2026-06-03 20:31:48 项目概览 qiuqiubuchongle-cloud/chokepoint-atlas 是本周 GitHub 上最受关注的开源项目之一，在短时间内积累了大量关注。 基本信息 指标 数据 作者 @qiuqiubuchongle-cloud 编程语言 Python Star 数 483 ⭐ Fork 数 112 创建时间 2026-06-01 最后更新 2026-06-03 项目简介 Python 是一门简洁优雅的编程语言，广泛应用于数据科学、人工智能、Web 开发等领域。 核心特性 根据项目 README 分析，chokepoint-atlas 的主要特点包括： 高关注度：483 个 Star，说明开发者社区对此项目高度认可 活跃开发：112 个 Fork，社区参与度高 快速成长：自 2026-06-01 创建以来持续获得关注 开源免费：完全开源，可自由使用和二次开发 技术架构 chokepoint-atlas 基于 Python 技术栈构建： 编程语言：Python 项目规模：483 个 Star，获得广泛认可 社区活跃度：112 个 Fork，开发者积极参与 README 原文摘要 # 卡脖子美股战法 > 用供应链瓶颈思维研究 AI 美股 🌐 Language / 语言： [中文](./README.md) | [English](./docs/PRODUCT_EN.md) 📘 产品介绍： [中文介绍](./README.md) | [English Intro](./docs/PRODUCT_EN.md) > **这是一个专门用来找“AI 产业链里谁在卡脖子”的美股研究产品。** > 你给它一个方向，它帮你拆系统、找瓶颈、拉证据、整理候选公司。不是直接喊单，也不是一句话给你报票。  ## 它是做什么的 说人话： 如果你想研究 AI、算力、机器人、光通信、先进封装这些方向，但又不想像买 meme 一样瞎冲，这个产品就是帮你先把产业链拆开，看看**到底哪一层最容易堵车，哪家公司是真的绕不过去**。 它主要做 4 件事： 1. 先选一个真实系统 例如 `NVIDIA DSX AI Factory`、`TPU pod`、`机器人执行器链条`、`数据中心供电和液冷` 2. 再把这个系统拆成上下游 从最终需求、系统集成、核心部件，一直拆到测试、封装、材料和上游工具 3. 找真正的卡点 不是先问哪只票会涨，而是先问：**如果需求继续放大，哪一层会先卡住？** 4. 拉证据，做研究包 把财报、电话会、官网、新闻、研报里的线索整理成一套能复用的结论 一句话理解： **它是把“热门叙事”翻译成“供应链研究”的工具。** ## 它适合谁 适合这几种人： - 想研究美股 AI 产业链，但不想只看热门大票 - 想找“第二层、第三层瓶颈”这种更有弹性的方向 - 手里已经有一些新闻、财报、研报，想整理成结构化结论 - 想让 Agent 帮你做研究，不只是帮你写摘要 如果你只是想问一句“现在买哪只最猛”，那它不是最适合你的东西。 ## 它现在怎么用 目前有 3 种主要用法。 ### 1. 单条研究线直接出研究包 适合你已经知道自己想研究哪条线。 - 脚本：`scripts/build_research_pack.py` - 示例输入：`examples/ai_factory_lane_input.json` 你会拿到这类输出： - `quick_scan.md` - `evidence_memo.md` - `evidence_trace.md` - `graph.json` - `graph_mermaid.md` - `scorecard.json` - `catalyst_watch.md` ### 2. 多条研究线横向比较 适合你还没决定先研究哪条线，想先排优先级。 - 脚本：`scripts/compare_lanes.py` - 示例输入：`examples/lane_compare_input.json` 你会拿到： - `lane_ranking.json` - `lane_details.json` - `ranked_lane_table.md` - `lane_compare_memo.md` ### 3. 原始材料直接整理成研究包 适合你手上已经有材料，但不想自己手动整理。 - 脚本：`scripts/run_source_pipeline.py` - 示例输入：`examples/source_bundle_input.json` 这条流程会先抽取： - evidence - signal - quote snippet - source confidence - link reason 然后再继续生成最终研究包。 ## 它和普通 AI 选股问答有什么区别 普通玩法通常是： - 问 AI 哪只票好 - 问 AI 帮我总结财报 - 问 AI 这个赛道值不值得看 卡脖子美股战法不是这么走的。 它的顺序是： 1. 先定系统 2. 再拆上下游 3. 再找瓶颈 4. 再拉证据 5. 最后才给方向和候选公司 区别就在这里： **它不是替你拍脑袋，而是帮你把研究流程做扎实。** ## 最后会产出什么 每条研究线最后尽量会落成一组结构化文件： - `research_pack.json` - `quick_scan.md` - `evidence_memo.md` - `evidence_trace.json` - `evidence_trace.md` - `graph.json` - `graph.mmd` - `graph_mermaid.md` - `graph_ca 最近更新记录 适用场景 chokepoint-atlas 适合以下用户： ...