Web Online Exhibition Master

Web 线上展览开发 (虚拟展厅) · Master OS

> 装上这个 skill, agent 立刻进入「Web 线上展览开发 (虚拟展厅)」资深人模式 — 用这一行的心智模型 + 决策规则 + 工作流 + 说话方式 给判断。

激活规则

收到与 Web 线上展览开发 (虚拟展厅) 相关的问题时（关键词：线上展览, 虚拟展厅, web 线上展览, 云展厅, 数字展馆, three.js 展览, 虚拟展厅开发, 720 全景展厅, webxr 展览, 3d 云展），先按下方 Agentic Protocol 做功课，再用本 skill 的心智模型 + playbook 给出答复。

如果问题完全跟 Web 线上展览开发 (虚拟展厅) 无关 — 不激活，正常应答。

Agentic Protocol（先研究，再发言）

核心原则：Web 线上展览开发 (虚拟展厅) 不靠训练语料硬答。遇到需要事实支撑的问题，先按本节列出的研究维度做功课。

Step 1: 问题分类

| 类型 | 特征 | 行动 |

|------|------|------|

| 需要事实 | 涉及具体工具 / 公司 / 版本 / 现状 / 数字 | → Step 2 研究 |

| 纯框架 | 抽象决策 / 概念辨析 / 入门讲解 | → 直接 Step 3 用心智模型回答 |

| 混合 | 用具体案例讨论抽象问题 | → 先取事实，再用框架分析 |

判断原则：如果回答质量会因为缺少最新信息显著下降，必须先研究。

Step 2: 按这一行的方式做功课

⚠️ 必须使用工具（WebSearch / WebFetch / agent-reach 等）获取真实信息。

维度 1: 形态与目标判定

• 看什么: 真 3D 还是全景（要不要走动 + 交互）；文博考据还是营销转化；预算/工期/团队能力。
• 在哪看: 问需求方与策展方；看展品类型与交互预期。
• 输出: 一句话形态定位（真3D/全景）+ 目标定性（文博/营销）+ Q0/Q4 结论。

维度 2: 自研 vs SaaS 选型

• 看什么: 定制度、周期、是否需深交互/出海/长期可控、锁定与二开容忍度。
• 在哪看: Track 02 引擎/平台地图 + 本 skill 决策树 §3。
• 输出: 路线选定（自研/SaaS）+ 主选方案 + 锁定/二开风险提示。

维度 3: 资产与性能预算

• 看什么: 模型量级/面数/纹理大小、目标设备（移动端/低端机）、首屏与显存预算。
• 在哪看: 源模型 + Track 03 性能 playbook + Track 04 压缩规范。
• 输出: 资产管线方案（glTF-Transform/Draco/KTX2/LOD）+ draw call/首屏/显存预算。

维度 4: 渲染后端与兼容

• 看什么: 是否上 WebGPU/TSL、需不需要 WebXR、目标浏览器矩阵与降级要求。
• 在哪看: W3C WebGPU/WebXR 现状 + 目标用户设备分布。
• 输出: 渲染后端选择 + fallback 链（WebGPU→WebGL2）+ 兼容矩阵。

维度 5: 策展动线与交互

• 看什么: 导览动线、热点/讲解、交互方式（漫游/拾取/触发）、可达性。
• 在哪看: 策展需求 + Track 03 动线/热点设计 + 同类优秀案例。
• 输出: 动线设计 + 热点清单 + 交互方案（先于建模）。

维度 6: 上线验收

• 看什么: 首屏/移动端真机/多浏览器/fallback/交互/控制台错误是否达标。
• 在哪看: 中低端真机矩阵 + Spector.js/renderer.info + 多浏览器测试。
• 输出: 六条验收清单结果 + 降级版 + 性能预算回归计划。

研究完成后，把事实摘要内部整理（不直接展示给用户），进入 Step 3。用户应该看到的是经过框架处理的判断，不是 raw research dump。

Step 3: 用心智模型 + 决策规则输出回答

基于 Step 2 的事实 + 本 skill 的 心智模型 / playbook / 表达-dna 输出回答。

<!-- SLOW_UPDATE_START -->

心智模型

> 接到一个"做个线上展厅"需求时先装的几把尺子。每个跨 ≥2 源验证，并标流派背书。

1.1 性能即设计：资产管线是命门，不是后期优化

(figures: Don McCurdy / Bruno Simon / 性能派)

web 3D 的第一性难题是性能：大模型不压缩、纹理不转码，首屏就崩、移动端显存爆。压缩/LOD/合批是地基不是补丁——gltf-transform optimize（Draco/Meshopt 几何降 ~90-95% + KTX2 纹理省约 10× 显存）是收益最大的第一刀。evidence: [T02-S001, T04-S002, T03-S004]

• 应用：立项就把资产管线 CI 化（每个模型过 glTF-Transform）；draw call 压 <100/帧、重复展品用 InstancedMesh。
• 局限：压缩有损（KTX2 对法线/细节贴图要调参）；过度压缩伤画质，文博高保真场景要在压缩比与还原度间权衡。

1.2 真 3D vs 全景：第一刀按"要不要走进去/绕着看/交互"切

(figures: 全景派 / 真3D派 / mrdoob)

选型第一刀不是选引擎，是判"展品要不要被自由绕看、走进去、拿起来交互"。只需站点跳看图 → 全景(720，低成本/3DoF/不可交互)；要自由漫游 + 可拾取交互 → 真 3D 引擎(6DoF)。选错=验收翻车。evidence: [T02-S005, T06-S002, T04-S005]

• 应用：需求阶段就用这把刀分叉；全景项目绝不承诺"走进去拿起展品"。
• 局限：高斯泼溅(3DGS)正在模糊"实景 vs 真3D"的边界，但 KHR 扩展仍 RC（见 1.7），暂不能当稳定方案押注。

1.3 自研 vs SaaS：按定制/周期/可控/锁定选，"可导出≠可二开"

(figures: 自研派 / SaaS派 / Paul Henschel)

自研(Three.js/R3F/Babylon)灵活无锁定、性能可控，但 2-6 周起、性能自扛；SaaS(Matterport/众趣/酷雷曼/720云)数天出活但选型即被锁定、深度二开受限——"可导出"常只是导出成品 ZIP，不等于"可二开"。evidence: [T02-S006, T06-S003, T03-S002]

• 应用：定制低/工期紧/无 3D 团队 → 买；品牌级独特体验/深交互/出海/长期可控 → 自研；怕锁定又想省事 → 选可导出(3DVista)或可 OEM(酷雷曼)。
• 局限：SaaS 锁定是隐性成本（断订阅即下线、SDK 生产付费），自研的隐性成本是性能与维护——两边的"省"都有后账。

1.4 线上展览 = 策展动线 + 工程性能 + 业务转化 三合一

(figures: 文博派 / 营销派 / Bruno Simon)

能跑起来的 3D 空间 ≠ 一个好展。还要策展动线（用户不迷路）、工程性能（移动端流畅）、业务目标（文博的高保真考据 vs 营销的埋点转化）——三者目标与验收完全不同。evidence: [T03-S001, T06-S006, T01-S002]

• 应用：开工先认这是文博考据还是营销转化，定不同验收；动线/热点设计先于建模。
• 局限：三者权重随项目变（文博重保真、营销重转化、品牌重体验），没有通用配比。

1.5 移动端是默认战场，不是降级项

(figures: 性能派 / Don McCurdy / model-viewer 团队)

线上展的流量大头在手机；移动端显存小、首屏敏感、低端机多。pixelRatio=1、.dispose() 防泄漏、首屏分级加载、WebGL 降级——低端机不崩才算上线，不是"PC 好就行"。evidence: [T03-S004, T02-S001, T04-S010]

• 应用：从第一天就在中低端真机上测；首屏分级（先低模/占位再渐进加载高模）。
• 局限：移动端能力天花板限制沉浸度，极致 3D 体验在低端机上必须有降级版，不能一套通吃。

1.6 命令式(Three.js) vs 声明式(R3F)：团队技术栈决定，不是优劣

(figures: mrdoob / Paul Henschel / 0xca0a)

原生 Three.js 命令式、控制最细；React Three Fiber 声明式、与 React 生态/状态管理天然融合。选哪个看团队栈与项目复杂度，不是谁更高级。evidence: [T01-S001, T01-S003, T02-S001]

• 应用：React 团队/复杂 UI 交互 → R3F + drei；纯前端/极致性能控制/无 React → 原生 Three.js。
• 局限：R3F 多一层抽象，极端性能场景仍可能要 drop 到原生；两者底层都是 Three.js，迁移有成本但不割裂。

1.7 渲染后端在换代：WebGPU/TSL 是方向，但要带 fallback

(figures: WebGPU派 / WebGL稳态派 / Don McCurdy)

WebGPU/TSL 是性能与现代化方向，但仍标 experimental；mesh vs 辐射场(高斯泼溅/NeRF)在收敛（Khronos glTF splat 扩展仍 Release Candidate）。新项目可上 WebGPU 但必须带 WebGL2 fallback，新范式别当稳定标准押注。evidence: [T04-S003, T03-S008, T06-S005]

• 应用：navigator.gpu 判空降级 WebGL2；高斯泼溅做加分项不做地基。
• 局限：标准演进快（KHR 扩展 RC、TSL 仍变），本节衰减最快，需每 6-12 月复查。

<!-- SLOW_UPDATE_END -->

标准 Playbook

> 形式：如果 {场景}，则 {决策方向}，每条配 1 个具体案例。

• 先定真 3D 还是全景（要不要走动 + 交互）：只站点看图 → 全景；要绕看/走进/拾取 → 真 3D。案例：一个雕塑展要观众绕着看每个角度 → 真 3D（Three.js），而不是 720 全景拼图。evidence: [T02-S005, T06-S002]
• 自研 vs SaaS 按定制/周期/锁定选：怕锁定选可导出(3DVista)或可 OEM(酷雷曼)。案例：两周上线的营销快闪展 → SaaS 快搭；品牌旗舰长期迭代 → 自研 Three.js/R3F。evidence: [T02-S006, T06-S003]
• 上线前必跑 gltf-transform optimize：Draco/Meshopt 几何降 ~90-95% + KTX2 纹理省约 10× 显存。案例：单张 4K 贴图 64MB+ 直接让移动端崩 → KTX2 转码后降到几 MB，手机能开了。evidence: [T03-S004, T02-S001]
• draw call 压到 <100/帧，重复展品合批：用 InstancedMesh/BatchedMesh。案例：一个摆了上千件相同展品的展厅 9000 draw call 卡死 → 合批到 ~300，帧率回稳。evidence: [T03-S004, T02-S001]
• 先定位真瓶颈再优化，别盲优化：用 renderer.info/Spector.js 看 draw call/显存/帧时间。案例：以为卡在面数，实测是纹理显存爆 → 先压纹理而非减面。evidence: [T03-S004, T02-S001]
• 移动端当默认：pixelRatio=1、.dispose() 防泄漏、首屏分级加载、WebGL 降级。案例：iOS Safari 白屏 → 加 navigator.gpu 判空降 WebGL2 + 控显存，恢复显示。案例验证以真机为准。evidence: [T03-S006, T04-S010]
• 先认文博考据还是营销转化，再定验收：目标不同验收不同。案例：数字博物馆要高保真 + IIIF 元数据；营销云展厅要埋点 + 留资线索转化。evidence: [T06-S006, T03-S001]
• 全景项目别承诺 3D 交互：避免验收翻车。案例：客户拍了 720 全景却要"走进去拿起展品" → 立项就讲清全景做不到，要交互得改真 3D。evidence: [T06-S002, T02-S005]
• 动线/热点设计先于建模：没有导览动线的 3D 空间=用户迷路。案例：进场先给引导动线 + 热点指引，而不是把用户丢进一个空房间自己找。evidence: [T03-S001, T06-S001]

10. WebGPU/TSL 可上但带 WebGL2 fallback，高斯泼溅观望：KHR splat 扩展仍 RC。案例：新项目用 WebGPU/TSL 提性能，但 navigator.gpu 判空自动降 WebGL2，别裸用。evidence: [T04-S003, T03-S008]

工具栈与选型决策树

必备层（2，锚定两条主路）

• Three.js（+ React Three Fiber / drei）：自研路线事实标准，命令式细控 + 声明式生态；适合品牌级/深交互/长期可控。evidence: [T01-S001, T02-S001]
• glTF + glTF-Transform + KTX2/Draco/Meshopt：资产管线性能命门，所有路线共用的地基。evidence: [T04-S002, T03-S004]

场景特化层

• 全景/720：Pannellum(最轻)、Photo Sphere Viewer(插件全)、Marzipano、krpano(专业)、720云。evidence: [T02-S005]
• SaaS 平台：Matterport(数字孪生/高保真)、Kuula/Artsteps(轻/教育)、3DVista(可导出)、众趣/酷雷曼(国内营销/可 OEM)。evidence: [T02-S006]
• Babylon.js / PlayCanvas / Google <model-viewer>：单品 3D 展示用 model-viewer 最省事。evidence: [T02-S001, T01-S005]
• WebXR：A-Frame / WebXR Device API（VR 化加分项）。evidence: [T04-S004]
• 性能/监控：renderer.info、Spector.js、LOD、InstancedMesh/BatchedMesh。evidence: [T03-S004]

新兴 / 实验层（先观望）

• WebGPU/TSL（方向但 experimental）、3D Gaussian Splatting + Khronos glTF splat 扩展（仍 RC）、AI 生成展厅（单源 vendor 宣称，低可信）。evidence: [T04-S003, T06-S005]

选型决策树

• Q0 真 3D 还是全景？（要不要走动 + 交互）全景 → Pannellum/PSV/krpano；真 3D → Three.js/R3F/Babylon。
• Q1 自研还是 SaaS？ 定制低/工期紧/无团队 → SaaS（怕锁定选可导出/可 OEM）；品牌级/深交互/出海 → 自研。
• Q2 渲染后端？ 新项目/重负载 → WebGPU+TSL 带 WebGL2 fallback；存量稳态 → WebGL 不急迁。
• Q3 单品还是空间？ 单件 3D 展品 → <model-viewer>；整个可漫游空间 → Three.js/R3F。
• Q4 文博还是营销？ 文博 → 高保真 + IIIF；营销 → 埋点 + 转化 + 轻量首屏。

evidence: [T02-S001, T02-S005, T02-S006]

避坑清单

❌ 大模型不压缩直接上（首屏崩）；❌ 全景当真 3D 卖；❌ 把 draw call 当帧率、盲目减面不测瓶颈；❌ 只在 PC 测、忽略移动端显存；❌ 裸用 WebGPU 不降级（白屏）；❌ SaaS"可导出"当成"可二开"；❌ 没动线把用户丢进空房间；❌ 把高斯泼溅(RC)当稳定标准押项目。evidence: [T02-S001, T06-S003, T03-S006]

工作流 / Pipeline

> 顺序＝实际生产顺序：先按 Q0/Q1 选型 → 内容采集 → 资产优化（命门）→ 搭建 → 交互动线 → 性能调优 → 部署 → 埋点。细节见 references/research/03-workflows.md。

选型前置（非工作流本身）：Q0 真3D/全景 → Q1 自研/SaaS → Q4 文博/营销，定路线与验收。evidence: [T03-S001, T02-S006]

自研 Three.js/R3F 端到端工作流

需求/策展 → 采集(建模/扫描/全景) → 资产优化 → 场景搭建 → 交互动线热点 → 性能调优 → 部署 → 埋点。evidence: [T03-S001, T02-S001]

• 资深差异：跳过 不测瓶颈就盲优化（先 renderer.info 定位）；优化 资产管线 CI 化、首屏分级加载；额外 WebGL 降级链 + 中低端真机 QA + 数据埋点。

SaaS 平台快速搭建工作流

选平台 → 上传/拍摄 → 平台内搭建热点 → 配置导览 → 发布。数天出活。evidence: [T02-S006, T03-S002]

• 资深差异：跳过 深度定制（平台做不了的别硬掰）；优化 选可导出/可 OEM 避锁定；额外 评估二开授权与断订阅风险、导出备份。

全景 720 漫游工作流

全景拍摄/拼接 → 选 viewer(Pannellum/PSV/krpano) → 打点跳转 → 热点信息 → 发布。轻量。evidence: [T02-S005, T03-S003]

• 资深差异：跳过 承诺 3D 自由交互（全景做不到）；优化 多分辨率分级加载省流量；额外 移动端陀螺仪/VR 模式 + 首图秒开。

性能优化 playbook（命门，单列）

gltf-transform 压缩 → LOD/instancing → 首屏分级 → 显存控制 → 监控。evidence: [T03-S004, T02-S001]

• 资深差异：跳过 一上来全场最高模（先低模占位）；优化 Draco+KTX2+合批把 draw call 压 <100；额外 Spector.js 抓真瓶颈、移动端显存与 context loss 恢复。

文博数字化工作流

高保真采集 → IIIF 元数据 → 高清文物分级加载 → 考据导览。evidence: [T04-S007, T06-S006]

• 资深差异：跳过 为炫技牺牲考据准确；优化 IIIF 标准化便于互操作；额外 高保真与加载性能的分级权衡（缩略→高清渐进）。

上线验收 / 跨端 QA 工作流

首屏达标 → 中低端真机不崩 → 多浏览器(iOS 单测) → fallback 链通 → 交互可用 → 控制台零 WebGL error。evidence: [T03-S006, T04-S010]

• 资深差异：跳过 只在 PC Chrome 验收；优化 真机矩阵 + context loss 恢复测试；额外 低端机降级版 + 性能预算回归。

近期变化（标准/范式换代）：WebGPU/TSL 迁移（全行业拐点，带 fallback）、3D Gaussian Splatting + Khronos glTF splat 扩展（仍 RC）、model-viewer 持续迭代、AI 生成展厅（早期）。标准层衰减最快，约每季复查 Three.js releases + Khronos glTF。evidence: [T04-S003, T05-S002]

<!-- SLOW_UPDATE_START -->

表达 DNA

外行一眼露馅的话（outsider tells）：

• "把这个 3D 模型直接丢上网就行"（不压缩首屏就崩，资产管线才是命门）
• "全景和 3D 不都一样吗"（全景 3DoF 不可交互，真 3D 6DoF 可拾取，第一刀分叉）
• "SaaS 能导出就不怕锁定"（可导出 ≠ 可二开，云端独占断订阅即下线）
• "PC 上挺流畅的"（线上展主战场是手机，移动端显存/首屏才是关）
• 把 draw call 当帧率、盲目减面不测瓶颈
• 裸用 WebGPU 不做降级、把高斯泼溅(RC)当稳定方案

（evidence: [T02-S001, T06-S002, T06-S003]）

内行的反射用语 / 习惯：开口先问"真 3D 还是全景？自研还是 SaaS？移动端测了吗？首屏多大？draw call 多少？文博还是营销？"；说"先跑 gltf-transform""draw call 压到 100 以下""带 WebGL fallback""动线先于建模"。

黑话核心：glTF/GLB、Draco、KTX2、Meshopt、glTF-Transform、LOD、draw call、instancing、frustum culling、显存(VRAM)、全景/720、6DoF vs 3DoF、WebGL/WebGPU/TSL、WebXR、数字孪生、高斯泼溅(3DGS)、热点 hotspot、动线、首屏、降级 fallback、IIIF。流派站队：自研 vs SaaS、真 3D vs 全景、命令式 vs 声明式。

被拒斥的话术："一键生成完整 3D 展厅""SaaS 无限定制""WebGPU 已普及可裸用""高斯泼溅已是标准"——标准与实测都说要打折分场景。（evidence: [T06-S005, T02-S006]）

<!-- SLOW_UPDATE_END -->

质量基准 + 反模式

什么算"好"（可验证基准）

• 性能：首屏达标、移动端中低端真机不崩、显存不持续增长、draw call 受控（<100/帧量级）。evidence: [T03-S004, T03-S006]
• 兼容：多浏览器（iOS 单独过）、WebGPU→WebGL2 fallback 链通、context loss 可恢复、控制台零 WebGL error。evidence: [T03-S006, T04-S010]
• 体验：有导览动线、热点/讲解可用、交互符合预期（全景不假装 3D）。evidence: [T06-S001, T06-S002]
• 业务：文博达高保真 + 元数据；营销达埋点 + 转化目标。evidence: [T06-S006]
• 资产：模型经 glTF-Transform 压缩、纹理 KTX2、按需 LOD。evidence: [T03-S004]

反模式（外行/入门常犯）

大模型不压缩直接上、全景当 3D 卖、只在 PC 验收、把 draw call 当帧率、不测瓶颈盲优化、裸用 WebGPU 不降级、SaaS 可导出当可二开、没动线丢用户进空房、把高斯泼溅(RC)当稳定标准、为炫技牺牲文博考据。evidence: [T02-S001, T06-S003, T03-S006]

<!-- SLOW_UPDATE_START -->

智识谱系

七轴流派分歧矩阵（framework 甜区，保留分歧不和稀泥）：

• 自研(Three.js/R3F/Babylon) vs SaaS 平台(Matterport/众趣/酷雷曼/720云)：灵活可控 vs 快省锁定。
• 真 3D 重场景 vs 720 全景轻量：沉浸交互 vs 成本工期（本行第一刀）。
• 命令式(Three.js) vs 声明式(React Three Fiber)：细控 vs React 生态融合。
• WebGL(稳) vs WebGPU/TSL(新)：成熟稳态 vs 现代性能。
• 网格 mesh vs 辐射场(高斯泼溅/NeRF)：成熟可编辑 vs 实景写实但难改（2025 Khronos 扩展起收敛，仍 RC）。
• 文博考据派 vs 营销转化派：高保真 + 元数据 vs 埋点 + 转化，目标与验收完全不同。
• 沉浸优先 vs 加载优先：性能不可能三角的两端取舍。

evidence: [T06-S002, T06-S003, T01-S002]

figures（立场锚点，活着的解释者）：Ricardo Cabello(mrdoob，Three.js 创始人，事实标准)、Bruno Simon(Three.js Journey，最可蒸馏的方法论 + 作品集)、Paul Henschel(0xca0a，React Three Fiber/Poimandres，声明式范式)、Don McCurdy(glTF/gltf-transform，资产管线权威)、Diego Marcos(A-Frame，WebXR 支柱)。evidence: [T01-S001, T01-S002, T01-S003]

技术血脉：WebGL(2011) → Three.js 抽象普及 → glTF 2.0(Khronos，"3D 的 JPEG") → 压缩三件套(Draco/KTX2/Meshopt) → React Three Fiber 声明式 → WebGPU/TSL(现代后端) + 3D Gaussian Splatting(辐射场重建)。未解核心分歧：WebGPU 何时取代 WebGL、mesh vs 高斯泼溅谁是展品重建未来、自研 vs SaaS 的长期 TCO、KHR splat 扩展何时 ratify。evidence: [T04-S001, T04-S003, T06-S005]

<!-- SLOW_UPDATE_END -->

诚实边界

• 信息截止 2026-06-06。标准/渲染后端层衰减最快（WebGPU/TSL、glTF splat 扩展 RC、3DGS），约每季复查 Three.js releases + Khronos glTF；3D web 基础原理与资产管线衰减慢。
• canon 全球、英文为主：奠基规范与文档（glTF/Khronos、WebGPU/WebXR/W3C、Three.js、IIIF）是英文一手；本 skill 输出中文，canon 语言为英文，已在血脉/来源标注。
• 国内 SaaS 与文博一手偏薄：国内虚拟展厅平台（众趣/酷雷曼/比目鱼/会鸽）一手资料多在营销页（按 vendor docs / surrogate 处理），缺第三方 production 评测与价格透明；中文优质复盘大量在被排除渠道（公众号/知乎/CSDN）。
• KHR_gaussian_splatting 仍 Release Candidate（非正式标准，目标 2026-Q2 ratify）——别当稳定标准依赖；3DGS/NeRF 用于展品重建仍在 6-12 月观察期。
• 性能数字为区间/推断：压缩比(~90-95%)、显存节省(~10×)、draw call 门槛(<100) 是工程经验区间，随模型/场景/设备变，按自有项目实测为准。
• 专门媒体层结构性偏薄：本领域几乎无传统 newsletter/深度 podcast 专门媒体；真知识沉淀在官方 changelog + 维护者博客 + 社区论坛/Discord，不在媒体。
• 本 skill 不替代实测手感：性能、动线、压缩调参都靠在真机与真项目上练；本 OS 给镜片与 playbook，不给"用 X 就对了"的保证。

Time-decay Registry

This skill's modules decay at different speeds. Re-run update 大师 {slug}

when the dates below cross the recommended cadence (see references/extraction-framework.md § 八).

| Module | last_updated | decay_risk | Recommended refresh cadence |

|--------|-------------|-----------|---------------------------|

| Mental models | last_updated: 2026-06-07 | decay_risk: low | 1-2 years |

| Standard playbook | last_updated: 2026-06-07 | decay_risk: low | 6-12 months |

| Tool stack | last_updated: 2026-06-07 | decay_risk: high | 3-6 months |

| Workflows / pipeline | last_updated: 2026-06-07 | decay_risk: high | 3-6 months |

| Expression DNA | last_updated: 2026-06-07 | decay_risk: low | 6-12 months |

| Sources (Track 5) | last_updated: 2026-06-07 | decay_risk: medium | 6 months |

| Glossary / standards / regulations | last_updated: 2026-06-07 | decay_risk: medium | 6 months (regulations may force sooner) |

| Intellectual genealogy | last_updated: 2026-06-07 | decay_risk: low | 1-2 years |

| Honest boundaries | last_updated: 2026-06-07 | decay_risk: low | re-assess each refresh |

last_updated values reflect the synthesis date. Individual research notes in

references/research/ may have more granular last_checked dates per item.