feat: track raw/articles/ in git, add AODB and LLM wiki sources

2026-04-13 12:43:37 +08:00
parent 836586386f
commit 991e64994d
11 changed files with 1106 additions and 10 deletions
@@ -1,3 +1,13 @@
+---
+created: 2026-03-16
+modified: 2026-04-11
+tags:
+  - inbox
+  - security
+  - credentials
+status: needs-review
+---
+
 # 2026-03-16

 ## Capture
@@ -14,7 +24,7 @@ curl https://api.githubcopilot.com/models \


 ```
-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
+[REDACTED_GITHUB_TOKEN]
 ```


@@ -23,19 +33,19 @@ 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
 matrix claw

 ```
-mpt_XgOmW8PcPL8BJAuIbK7pgVzoIZBluQ_SmSuL4
+[REDACTED_MATRIX_TOKEN]
 ```

 ```
 curl -sS \
-  -H "Authorization: Bearer mat_AvacXX49pkX2fDfxNg8J9zOoxVhkXK_bhYVH1" \
+  -H "Authorization: Bearer [REDACTED_MATRIX_ACCESS_TOKEN]" \
  "https://synapse.chans.xyz/_matrix/client/v3/account/whoami" | jq
 ```


 ```
 curl -sS \
-  -H "Authorization: Bearer mat_AvacXX49pkX2fDfxNg8J9zOoxVhkXK_bhYVH1" \
+  -H "Authorization: Bearer [REDACTED_MATRIX_ACCESS_TOKEN]" \
  "https://synapse.chans.xyz/_matrix/client/v3/account/joined_rooms" | jq
 ```

@@ -50,8 +60,8 @@ curl -sS https://synapse.chans.xyz/_matrix/client/v3/login \
      "type": "m.id.user",
      "user": "@claw:chans.xyz"
    },
-    "password": "D929jA*&NrszMhm8",
-    "device_id": "N8vYcZp7oo",
+    "password": "[REDACTED_PASSWORD]",
+    "device_id": "[REDACTED_DEVICE_ID]",
    "initial_device_display_name": "ZeroClaw Bot"
  }' | jq
 ```
@@ -64,7 +74,8 @@ curl -sS https://synapse.chans.xyz/_matrix/client/v3/login \

 ## Insights
 <!-- What did I learn or realize? -->
-
+- This note previously contained plaintext credentials and tokens. They were redacted on 2026-04-11.
+- Any exposed credentials captured here should be treated as compromised and rotated.

 ## Connections
 <!-- Links to other notes or ideas -->
@@ -72,7 +83,8 @@ curl -sS https://synapse.chans.xyz/_matrix/client/v3/login \

 ## For Tomorrow
 <!-- What needs follow-up? -->
-
+- Rotate any GitHub, Matrix, or related credentials that were previously stored here.
+- Move durable command examples into a proper resource note after secrets are removed.

 ---
 ← [[2026-03-15]] | [[2026-03-17]] →
@@ -0,0 +1,66 @@
+---
+created: 2026-04-11
+modified: 2026-04-11
+type: inbox-triage
+tags:
+  - inbox
+  - triage
+  - hermes
+status: review
+---
+
+# Inbox Triage - 2026-04-11
+
+## Scope
+
+- Folder reviewed: `00_Inbox/`
+- Notes reviewed: 8
+- Goal: identify low-risk cleanup and next moves without bulk reorganization
+
+## Findings
+
+### Keep in inbox for short-term follow-up
+
+- [[00_Inbox/2026-01-07]]: useful daily capture with concrete follow-up actions across AI, Obsidian, GFW, and memory tooling
+- [[00_Inbox/2026-01-17]]: lightweight daily capture; likely should be moved or split after reviewing whether the Apple ID details are still needed
+
+### Move to projects
+
+- [[00_Inbox/IMPROVEMENT_PLAN_2026-02-03]] -> `01_Projects/AI-Development/Obsidian Agent/`
+  - Reason: this is not inbox capture anymore; it is a structured implementation plan tied to vault/documentation improvement work
+
+### Move to resources
+
+- [[00_Inbox/Untitled]] -> likely `03_Resources/Development/AI-ML/` or `03_Resources/Community/`
+  - Reason: after removing secrets, the remaining value is command/reference material for GitHub Copilot and Matrix APIs
+- [[00_Inbox/未命名]] -> `03_Resources/Development/` or `03_Resources/Productivity/`
+  - Reason: contains a reusable PowerShell snippet rather than a transient capture
+
+### Archive candidates
+
+- [[00_Inbox/Welcome]] -> `04_Archive/Inbox-Clippings/`
+  - Reason: onboarding note, no longer active, already fulfilled its purpose
+
+### Operational / special-case notes
+
+- [[00_Inbox/CLAUDE]]: likely auto-generated context from tooling, not normal inbox content
+  - Recommendation: leave in place unless you want to relocate agent-generated memory artifacts systematically
+
+## Risks
+
+- `Untitled.md` contained plaintext credentials/tokens before redaction
+- Any credentials previously stored there should be considered compromised and rotated
+- Broad renames or moves may break your existing mental model or links, so they were not applied automatically in this pass
+
+## Recommended Next Actions
+
+- [ ] Rotate any credentials previously stored in `00_Inbox/Untitled.md`
+- [ ] Rename `Untitled.md` to a descriptive title after deciding its permanent destination
+- [ ] Rename `未命名.md` after deciding whether it belongs under Development or Productivity resources
+- [ ] Move `IMPROVEMENT_PLAN_2026-02-03.md` into the active Obsidian Agent project area
+- [ ] Archive `Welcome.md`
+
+## Minimal Safe Changes Applied
+
+- Redacted plaintext secrets from [[00_Inbox/Untitled]]
+- Added metadata and follow-up guidance to that note
@@ -0,0 +1,49 @@
+---
+created: {{date}}
+modified: {{date}}
+type: inbox-triage
+tags:
+  - inbox
+  - triage
+  - hermes
+status: draft
+---
+
+# Inbox Triage - {{date}}
+
+## Scope
+- Folder reviewed:
+- Notes reviewed:
+- Time window:
+
+## Keep In Inbox
+- [[ ]]
+
+## Move To Projects
+- [[ ]] -> `01_Projects/`
+
+## Move To Areas
+- [[ ]] -> `02_Areas/`
+
+## Move To Resources
+- [[ ]] -> `03_Resources/`
+
+## Archive Or Delete Candidates
+- [[ ]] - reason:
+
+## Rename Suggestions
+- `Old title` -> `New title`
+
+## Merge Suggestions
+- [[Note A]] + [[Note B]] -> [[Target Note]]
+
+## Link Opportunities
+- [[ ]] <-> [[ ]]
+
+## Next Actions
+- [ ]
+- [ ]
+
+---
+Use with Hermes:
+"Use the obsidian skill. Fill this inbox triage template for recent notes in 00_Inbox and propose changes before applying them."
@@ -0,0 +1,56 @@
+---
+created: {{date}}
+modified: {{date}}
+type: project
+tags:
+  - project
+  - active
+status: active
+area:
+target_completion:
+---
+
+# {{title}}
+
+## Outcome
+<!-- What concrete result should exist when this project is done? -->
+
+## Why Now
+<!-- Why this matters and why it belongs in Projects rather than Resources -->
+
+## Scope
+- In:
+- Out:
+
+## Success Criteria
+- [ ]
+- [ ]
+- [ ]
+
+## Current State
+<!-- What already exists? What constraints matter? -->
+
+## Related Notes
+- [[ ]]
+- [[ ]]
+
+## Key Resources
+- [[ ]]
+- [[ ]]
+
+## Open Questions
+- 
+- 
+
+## Next Actions
+- [ ]
+- [ ]
+- [ ]
+
+## Progress Log
+### {{date}}
+- Project created
+
+---
+Use with Hermes:
+"Use the obsidian skill. Create a project from this template under 01_Projects, infer likely related notes, and add a minimal set of wikilinks."
@@ -0,0 +1,51 @@
+---
+created: {{date}}
+modified: {{date}}
+type: resource
+tags:
+  - resource
+  - synthesis
+  - hermes
+status: evergreen
+source_notes: []
+---
+
+# {{title}}
+
+## Summary
+<!-- 3-5 sentences synthesizing the topic -->
+
+## Core Ideas
+- 
+- 
+- 
+
+## Patterns
+- 
+- 
+
+## Contradictions
+- 
+
+## Useful Quotes Or Claims
+- 
+
+## Related Notes
+- [[ ]]
+- [[ ]]
+
+## Gaps
+- What is still unclear?
+- Which note should be created or improved next?
+
+## Actionable Takeaways
+- [ ]
+- [ ]
+
+## Source Notes
+- [[ ]]
+- [[ ]]
+
+---
+Use with Hermes:
+"Use the obsidian skill. Review related notes in 03_Resources and fill this synthesis note with patterns, contradictions, and missing links."
@@ -1,5 +1,4 @@
 node_modules/
-raw/
 .obsidian/
 .trash/
 *.log
@@ -0,0 +1,97 @@
+# 机场开放架构（Airport Open Architecture）
+
+## 一、定义与核心概念
+
+**机场开放架构**（Open Architecture，简称 OA）是一种系统设计方法，其核心理念是采用**基于标准的、可互操作的**软硬件组件来构建机场的各类系统（尤其是安检系统）。与传统的封闭式、专有架构不同，开放架构强调技术基础设施的规格和接口是公开的、非专有的，从而允许不同厂商的设备和软件能够无缝协作。
+
+根据美国运输安全管理局（TSA）的定义：
+> Open Architecture (OA) is a design approach in which equipment components, such as software and hardware, are standards-based and interoperable.
+
+简单来说，机场开放架构就是将机场中原本各自独立、互不兼容的系统（如安检设备、旅客处理系统、行李处理系统等）通过统一的标准和开放的接口连接起来，使其能够灵活组合、升级和替换。
+
+## 二、背景与发展
+
+机场开放架构的概念主要源于航空安全领域的需求。传统的机场安检系统高度依赖单一供应商的专有技术，存在以下问题：
+- 不同厂商的设备之间缺乏数据和接口标准化，难以互联互通
+- 系统升级和更换成本高昂，周期漫长
+- 创新速度受限于单一供应商的研发节奏
+- 安全威胁不断演变，但系统响应能力不足
+
+为解决这些问题，美国 TSA 于 2023 年 8 月正式发布了《开放架构路线图》（Open Architecture Roadmap），明确了向开放架构转型的战略方向。同时，国际机场协会（ACI）也发布了《机场安全系统开放架构》文件（已更新至第二版，2023年8月），为全球机场提供了开放架构的定义和高层级要求，包括网络安全方面的规范。
+
+## 三、主要特点与优势
+
+| 特点 | 说明 |
+|------|------|
+| **互操作性** | 不同厂商的设备和软件可以通过标准化接口协同工作，打破供应商锁定 |
+| **模块化设计** | 系统组件可以独立升级、替换或新增，无需整体更换 |
+| **灵活性与可扩展性** | 机场可根据需求灵活选择最优组件，分阶段部署新设备 |
+| **加速创新** | 开放竞争环境鼓励更多厂商参与，加快新技术的研发和应用 |
+| **降低成本** | 减少对单一供应商的依赖，通过竞争降低采购和维护成本 |
+| **提升安全性能** | 能够快速集成最新的威胁检测算法和技术，减少误报率 |
+| **改善旅客体验** | 简化安检流程，缩短等待时间，提升通行效率 |
+
+正如 ACI 所指出的：
+> By adopting OA principles, airports can benefit from improved product warranty, integration, efficiency, extensibility, and flexibility in their security systems.
+
+## 四、关键推动组织与标准
+
+| 组织/标准 | 角色与贡献 |
+|-----------|-----------|
+| **TSA（美国运输安全管理局）** | 开放架构的主要推动者，发布了 OA 路线图，推动美国机场安检系统向开放架构转型 |
+| **ACI（国际机场协会）** | 发布《机场安全系统开放架构》指南文件，为全球机场提供参考框架 |
+| **SITA** | 全球领先的航空运输 IT 提供商，推动基于开放 API 的通用平台（Common Use），支持机场系统集成 |
+| **DHS S&T（美国国土安全部科技局）** | 支持开放架构相关的研发项目，推动下一代安检成像技术的开放集成 |
+| **Smiths Detection、Vanderlande 等设备商** | 积极响应开放架构理念，开发符合 OA 标准的安检和行李处理设备 |
+
+## 五、主要应用场景
+
+### 1. 安检系统
+这是机场开放架构最核心的应用领域。通过 OA，机场可以：
+- 将不同厂商的 X 光机、CT 扫描仪、人体扫描仪等设备集成到统一平台
+- 独立升级威胁检测算法，而无需更换整套硬件
+- 实现安检数据的标准化共享和分析
+- TSA 已在美国多个机场开展开放架构试点项目，展示了不同厂商设备互操作的可行性
+
+### 2. 旅客处理系统
+SITA 推动的 Common Use 理念与开放架构密切相关：
+- 基于开放 API 构建的通用旅客处理平台
+- 支持自助值机、自助行李托运、生物识别通关等多种应用
+- 不同航空公司可共享同一套设备和系统
+
+### 3. 行李处理系统
+Vanderlande 等厂商提出的开放软件架构方案：
+- 行李分拣和追踪系统采用开放接口
+- 支持与安检系统、航班信息系统的无缝对接
+- 提高行李处理的可靠性和效率
+
+### 4. 机场运营管理
+- 基于开放架构的机场协同决策系统（A-CDM）
+- 航班信息、资源分配、地面交通等数据的标准化集成
+- 支持智慧机场的数字化转型
+
+## 六、发展趋势
+
+**标准化深化**：随着 TSA 路线图的推进和 ACI 指南的更新，开放架构的技术标准将更加完善和统一，覆盖更多机场子系统。
+
+**全球推广**：从美国率先推动，逐步扩展到欧洲、亚太等地区的主要机场，成为全球机场建设和升级的主流方向。
+
+**AI 与数据融合**：开放架构为人工智能算法的快速部署提供了基础，未来安检系统将更多地利用 AI 技术提升威胁识别能力。
+
+**数字身份集成**：开放架构将支持物理和数字凭证的互认与互操作，推动无缝化旅客出行体验。
+
+**网络安全强化**：随着系统开放程度的提高，网络安全将成为开放架构设计中的核心考量，ACI 的指南已将网络安全纳入高层级要求。
+
+## 七、总结
+
+机场开放架构是航空运输业数字化转型的重要方向，它通过采用标准化、模块化和可互操作的设计理念，打破了传统封闭系统的壁垒，为机场带来了更高的灵活性、更快的创新速度和更低的运营成本。在 TSA、ACI、SITA 等组织的共同推动下，机场开放架构正在从概念走向实践，有望在未来几年内深刻改变全球机场的技术生态。
+
+---
+
+**参考来源：**
+- [TSA - What is Open Architecture?](https://www.tsa.gov/travel/frequently-asked-questions/what-open-architecture)
+- [TSA - Open Architecture Roadmap (2023)](https://www.tsa.gov/sites/default/files/oa/_roadmap/_20230717/_508c-r1.pdf)
+- [ACI - Open Architecture for Airport Security Systems (2nd Edition, 2023)](https://www.aci-europe.org/downloads/resources/TSA-230504-7/_4.1%20Attachment%201%20OA%20for%20Airport%20Security%20Systems%202nd%20Edition%20%20FINAL.pdf)
+- [ACI Blog - Where Does Open Architecture Fit in Aviation Today?](https://blog.aci.aero/airport-it/where-does-open-architecture-fit-in-aviation-today/)
+- [Smiths Detection - Moving towards Open Architecture](https://www.smithsdetection.com/insights/moving-towards-open-architecture/)
+- [HSToday - How Open Architecture Can Enhance Airport Security](https://www.hstoday.us/subject-matter-areas/border-security/how-open-architecture-can-enhance-airport-security/)
@@ -0,0 +1,288 @@
+# 机场运维数据库 (AODB) 产品对比分析报告
+
+**作者**: Manus AI  
+**时间**: 2026 年 4 月  
+**版本**: 2.0 (专业修订版)
+
+---
+
+## 目录
+
+1. [执行摘要](#执行摘要)
+2. [AODB 概述与技术标准](#aodb-概述与技术标准)
+3. [主流商业产品深度对比](#主流商业产品深度对比)
+4. [产品技术架构与集成能力](#产品技术架构与集成能力)
+5. [报价与商业模式](#报价与商业模式)
+6. [中国市场现状与国产化替代](#中国市场现状与国产化替代)
+7. [选型指南与量化评估矩阵](#选型指南与量化评估矩阵)
+8. [结论与建议](#结论与建议)
+9. [参考文献](#参考文献)
+
+---
+
+## 执行摘要
+
+机场运维数据库 (AODB, Airport Operational Database) 是现代机场运维的核心系统，被誉为机场信息集成系统 (AIIS) 的"心脏"。它集中存储、管理、分发和运维所有与航班运维相关的数据，为机场的协调决策提供实时数据支撑 [1]。
+
+**当前市场现状**:
+
+1. **市场规模稳步增长**: 全球机场信息系统市场预计在 2024 年达到 42.4 亿美元，到 2030 年将达到 53.6 亿美元，年复合增长率 (CAGR) 约为 4% [2]。其中，AODB 专项市场规模在 2024 年达到约 8.2 亿美元，预计到 2033 年将超过 50 亿美元 [3]。
+
+2. **主流供应商寡头垄断**: 国际市场由 SITA、Amadeus、Collins Aerospace (原 ARINC) 等少数大型供应商主导。这些厂商提供的 AODB 系统覆盖全球大多主要枢纽机场。
+
+3. **国内市场加速信创与自主研发**: 中国机场 AODB 市场正经历从依赖国际产品（如 SITA、Amadeus）向自主研发和国产化替代的转型。以北京首都机场为代表的大型枢纽已成功实现 AODB 系统的自主可控 [1]，同时万达信息、中国民航信息集团等本土厂商在市场中占据越来越重要的地位 [4]。
+
+4. **技术升级要求**: 随着智慧机场建设推进，对 AODB 系统的数据精度、实时性、集成能力要求不断提高。云原生架构、AI 驱动的预测分析以及与机场协同决策 (A-CDM) 的深度集成已成为新一代 AODB 的核心特征 [5]。
+
+**关键产品对比概览**:
+
+| 厂商 | 产品 | 核心特点 | 部署规模/主要客户 |
+|------|------|------|---------|
+| **SITA** | Operations Manager | 实时数据管理、"最可信信源"认证、Total Optimizer AI 平台 | 全球 150+ 机场 [6] |
+| **Amadeus** | Amadeus AODB | 航班数据全球领先、365天前瞥时刻表、云原生 | 全球 700+ 机场 [7] |
+| **Collins Aerospace** | AirDB (AirPlan) | 高可用、云/本地灵活部署、与 AirVue FIDS 无缝集成 | 美洲、欧洲主要机场 [8] |
+| **ADB Safegate** | Cortex AODB | Airside 4.0 只能平台核心、AI 资源分配优化 | 全球多家中大型机场 [9] |
+| **RESA** | INFOPAX AODB | 模块化设计、INFOPAX EXPRESS 移动端支持 | 欧洲、非洲中型机场 [10] |
+| **Indra** | InBase | 自动 A-CDM 流程支持、SESAR/ACI 标准兼容 | 欧洲、西班牙机场 [11] |
+| **ISO Software** | SKYport AODB | 云原生架构、Oracle 数据库底层、现代化 UI | 欧美中等等规模机场 [12] |
+
+---
+
+## AODB 概述与技术标准
+
+### AODB 的定义与核心功能
+
+机场运维数据库 (Airport Operational Database, AODB) 是机场运维的中枢数据仓库，负责集中存储、管理、分发和运维所有与航班运维相关的实时数据。根据中国民用航空局《民用运输机场信息集成系统技术规范》(MH/T 5103-2020)，AODB 是信息集成系统的核心组件，用于存储、管理航班运维数据，定义运维数据的关联关系和处理规则 [13]。
+
+**核心功能模块**:
+
+1. **航班数据管理**: 管理季节性航班计划 (Seasonal Schedule)、每日航班动态 (Daily Flight Schedule)、航班延误与变更等。
+2. **资源管理**: 管理停机位、登机桥、行李转盘、值机柜台等物理与逻辑资源的分配。
+3. **数据融合与分发**: 接收来自空管、航司、地服的多源数据，进行清洗、认证后分发给航显 (FIDS)、离港 (DCS) 等子系统。
+4. **费用与结算数据准备**: 收集所有与航班保障相关的资源使用数据，为 ERP 或费用系统提供准确的原始凭证。
+5. **决策支持与 A-CDM**: 为机场协同决策提供统一的数据视图 (Single Source of Truth)。
+
+### 关键技术与数据交换标准
+
+现代 AODB 必须遵循国际航空运输协会 (IATA)、国际民航组织 (ICAO) 和国际机场协会 (ACI) 的相关数据交换标准，以确保与全球航空生态系统的互操作性。
+
+1. **AIDX (Aviation Information Data Exchange)**:
+   AIDX 是由 IATA、ATA 和 ACI 共同认可的全球 XML 消息标准，专门用于在航空公司、机场和第三方之间交换航班运维数据 [14]。它是 SESAR A-CDM 信息交换的标准格式，现代 AODB 必须原生支持 AIDX 接口。
+
+2. **SSIM (Standard Schedules Information Manual)**:
+   IATA 的 SSIM 标准规定了航空公司航班时刻表的交换格式。AODB 需要能够解析 SSIM 文件（如 Chapter 7 格式），以自动构建机场的季节性航班计划 [15]。
+
+3. **传统报文标准**:
+   尽管 XML 和 API 正在普及，AODB 仍需支持传统的航空报文格式，包括 AFTN (航空固定电信网) 报文、SITA Type B 报文以及 ACARS (飞机通信寻址与报告系统) 数据，以获取实时的航班起降和空中动态信息。
+
+---
+
+## 主流商业产品深度对比
+
+### 1. SITA Operations Manager
+
+**产品背景与定位**:
+SITA (国际航空电讯集团) 是全球航空 IT 领域的巨头。其 Operations Manager 是业界最成熟的 AODB 解决方案之一，目前在全球超过 150 个机场部署 [6]。
+
+**核心技术特性**:
+- **"最可信信源" (Most Confident Source) 引擎**: 不同于传统 AODB 仅记录数据，SITA 系统内置复杂的业务规则引擎，能够从多个冲突的数据源中自动评估并选择最准确的信息。
+- **Total Optimizer AI 平台**: 2024 年新推出的 AI 驱动平台，将 AODB 数据与机器学习结合，实现机场整体运维（准点率、容量、环控指标）的动态优先级优化 [16]。
+- **主动预警机制**: 在航班延误或资源冲突发生前提供预测性告警，支持 IROPS（不正常航班）的快速恢复。
+
+**优劣势分析**:
+- **优势**: 数据治理能力极强；全球 24/7 SGS 支持体系；适合超大型多跑道枢纽机场。
+- **劣势**: 实施周期长；系统架构较重；定制化开发成本高昂。
+
+### 2. Amadeus AODB
+
+**产品背景与定位**:
+Amadeus 凭借其在航空公司旅客服务系统 (PSS) 领域的统冶地位，其 AODB 产品在航班数据获取方面具有得天独厚的优势，服务于全球 700 多个机场 [7]。
+
+**核心技术特性**:
+- **365天前瞥航班数据**: 自动获取并维护全球 95% 航空公司的全年航班时刻表，极大减少了机场手工录入和维护航班计划的工作量 [7]。
+- **云原生架构**: 完全基于云端托管，无需机场本地部署复杂的服务器基础设施，降低了 IT 运维成本。
+- **A-CDM Portal 深度集成**: 提供实时的机坪视图和周转预测，与 Amadeus 的离港系统 (Altéa) 无缝对接。
+
+**优劣势分析**:
+- **优势**: 航班数据最全面准确；云端部署敏捷；预测分析能力强。
+- **劣势**: 深度依赖 Amadeus 生态；对于非 Amadeus 航司的数据整合可能存在壁垒。
+
+### 3. Collins Aerospace AirDB (AirPlan)
+
+**产品背景与定位**:
+Collins Aerospace (原 ARINC) 的 AirDB 是其 AirPlan 资源管理套件的核心组件，广泛应用于美洲和欧洲市场 [8]。
+
+**核心技术特性**:
+- **混合部署模式**: 支持本地数据中心、私有云或公有云部署，满足不同机场的数据合规要求。
+- **AirVue FIDS 原生协同**: 与市场领先的 AirVue 航显系统深度契合，确保旅客获取的信息与后台数据库毫秒级同步 [17]。
+- **动态资源分配算法**: 在后疫情时代，系统增加了支持社交距离的资源分配逻辑，如间隔分配登机口和行李转盘 [8]。
+
+**优劣势分析**:
+- **优势**: 部署灵活性高；与 FIDS 和网络基础设施设施集成度高；界面现代化。
+- **劣势**: 在亚太地区本地化支持团队相对较小。
+
+### 4. ADB Safegate Cortex AODB
+
+**产品背景与定位**:
+ADB Safegate 以机坪照明和泊位引导系统闻名，其 Cortex AODB 是 Airside 4.0 智能平台的数据中枢 [9]。
+
+**核心技术特性**:
+- **空侧运维深度融合**: 不同于偏向航站楼的 AODB，Cortex 能够深度融合高级高级场面活动引导与控制系统 (A-SMGCS) 和自动泊位引导系统 (A-VDGS) 数据。
+- **AI 资源优化**: 利用人工智能进行精准的资源分配和运维规划，支持"假设" (What-if) 场景模拟 [9]。
+
+**优劣势分析**:
+- **优势**: 空侧数据最丰富；机坪周转管理能力强。
+- **劣势**: 航站楼侧（如旅客流量预测）功能相对较弱。
+
+### 5. RESA INFOPAX AODB
+
+**产品背景与定位**:
+法国 RESA 公司的 INFOPAX AODB 主要面向中小型及区域性机场，在欧洲和非洲有广泛应用 [10]。
+
+**核心技术特性**:
+- **模块化轻量级设计**: 包含基础数据、季节计划和实时动态三个核心模块，易于实施。
+- **INFOPAX EXPRESS**: 提供专用的移动端访问应用，支持通过高级权限管理为临时用户开放特定数据视图 [18]。
+
+**优劣势分析**:
+- **优势**: 实施快；成本效益高；移动端支持好。
+- **劣势**: 应对超大型机场海量并发数据的能力未经认证。
+
+---
+
+## 产品技术架构与集成能力
+
+### 现代 AODB 技术架构演进
+
+传统的 AODB 多采用单体架构（如基于 Oracle 数据库的 C/S 或 B/S 架构）。随着技术发展，新一代 AODB 正在向微服务和云原生架构演进：
+
+1. **数据接入层**: 采用企业服务总线 (ESB) 或消息中间件 (如 Kafka、RabbitMQ)，支持高并发的 AIDX XML、JSON API 及传统报文解析。
+2. **核心处理层**: 采用内存数据库 (如 Redis) 处理实时高频率更新，关系型数据库 (如 PostgreSQL、Oracle) 保证事务一致性。
+3. **业务逻辑层**: 微服务化设计，将航班计划、资源分配、费用规则解耦，支持独立扩展。
+4. **展示与应用层**: 基于 HTML5/Vue/React 的响应式 Web 界面，以及原生移动端 App。
+
+### A-CDM (机场协同决策) 集成
+
+AODB 是实施 A-CDM 的数据基石。根据 EUROCONTROL 的规范，A-CDM 旨在通过优化资源使用和提高事件可预测性来提升机场运维效率 [19]。
+
+AODB 必须支持 A-CDM 的 16 个关键里程碑 (Milestones) 数据跟踪，特别是：
+- **TOBT (目标撤轮档时间)**: 接收地服或航司的更新。
+- **TSAT (目标起飞时间)**: 接收空管系统的计算结果。
+- **TTOT (目标起飞时间)**: 实时计算并分发给所有利益相关方。
+
+优秀的 AODB 能够自动捕捉这些时间戳，触发相应的业务规则，并通过 AIDX 标准接口与欧洲网络管理器 (NMOC) 或各国民航局的流量管理系统进行数据交换。
+
+---
+
+## 报价与商业模式
+
+国际主流 AODB 产品的报价模式正在从传统的"一次性许可+运维"向 SaaS 订阅模式转变。
+
+### 1. 传统许可费用模式 (On-Premise License)
+
+适用于对数据绝对控制有要求的大型枢纽机场：
+- **初期软件许可与实施费**: 50 万 - 150 万美元（取决于机场规模和集成复杂度）。
+- **硬件与中间件成本**: 10 万 - 30 万美元（双机热备、Oracle 授权等）。
+- **年度运维费 (SLA)**: 通常为初期软件许可费的 18% - 22%。
+
+### 2. SaaS 云订阅模式 (Cloud Subscription)
+
+适用于中小型机场或寻求降低初期 CapEx 的机场：
+- **实施与接入费**: 10 万 - 30 万美元。
+- **年度订阅费**: 15 万 - 50 万美元/年（按年旅客吞吐量或航班架次阶梯计费）。
+- **优势**: 包含云基础设施成本、自动升级和 24/7 监控，总体拥有成本 (TCO) 更平滑。
+
+---
+
+## 中国市场现状与国产化替代
+
+### 市场格局与政策导向
+
+中国民航局高度重视机场信息系统的标准化与自主可控。2020年发布的《民用运输机场信息集成系统技术规范》(MH/T 5103-2020) 为国内 AODB 的建设提供了明确的标准 [13]。在"十四五"和"十五五"智慧民航建设规划的推动下，国产化替代进程显著加速 [20]。
+
+### 典型国产化案例：北京首都国际机场
+
+首都机场作为国内最繁忙的枢纽，其 AODB 系统经历了从依赖外资产到完全自主可控的"换心"手术。
+- **痛点**: 原有外资系统成本高、升级困难、存在安全隐患。
+- **解决方案**: 历时 14 个月，首都机场技术团队从代码级掌握核心技术，自主研发了新一代 AODB。
+- **成效**: 统一了数据结构，每日航班计划发布由 3 次人工校验简化为 1 次，日常运维工作量减少 30% 以上，并成功保障了 2022 年冬奥会 [1]。
+
+### 主要国内供应商
+
+1. **中国民航信息集团 (TravelSky)**:
+   作为中国民航 IT 的国家队，不仅在离港系统 (DCS) 实现了全栈国产化 [21]，其提供的机场信息集成系统和 AODB 解决方案在国内众多中大型机场广泛应用，具有与国内航司数据天然互通的优势。
+
+2. **万达信息股份有限公司**:
+   国内较早涉足机场信息化的上市公司。其自主研发的万达机场集成系统 (AIIS) 是国内首家以 AODB 为核心的集成化运维管理系统，已在上海浦东、宁波、温州等多个机场成功部署，技术达到国际先进水平 [4]。
+
+3. **中电科数字技术股份有限公司**:
+   依托中国电科的强大研发实力，在机场弱电系统集成、数据中心建设及核心软件研发方面具有深厚积累，参与了多个千万级机场的智慧化改造项目 [22]。
+
+---
+
+## 选型指南与量化评估矩阵
+
+### 选型量化评估矩阵
+
+在进行 AODB 选型时，建议机场采用以下权重矩阵进行打分评估（总分 100 分）：
+
+| 评估维度 | 权重 | 评估指标说明 | 领先厂商示例 |
+|----------|------|--------------|--------------|
+| **数据处理与准确性** | 25% | 多源数据融合规则引擎、"最可信信源"机制、并发处理能力 | SITA, Amadeus |
+| **系统架构与可靠性** | 20% | 高可用架构 (99.99%)、灾备切换时间 (RTO/RPO)、云原生支持 | Collins, ISO Software |
+| **标准兼容与集成性** | 20% | 原生支持 AIDX, SSIM, A-CDM 里程碑，开放 API 丰富度 | Indra, SITA |
+| **智能化与预测能力** | 15% | AI 资源优化、旅客/行李流量预测、What-if 场景模拟 | Amadeus, ADB Safegate |
+| **本地化服务与合规** | 10% | 本地技术支持团队规模、符合本国民航局数据安全与信创要求 | 国内厂商（如万达信息） |
+| **总体拥有成本 (TCO)** | 10% | 5年期软硬件投资、实施费、运维费及定制开发费率 | RESA, 国内厂商 |
+
+### 针对不同规模机场的建议
+
+1. **超大型国际枢纽 (年客流 > 4000万)**:
+   - **首选**: SITA Operations Manager 或具备极强研发实力的自主研发方案（如首都机场模式）。
+   - **策略**: 重点考察系统在极端并发下的稳定性和复杂业务规则的定制能力，投资预算应充足。
+
+2. **中大型区域枢纽 (年客流 1000万 - 4000万)**:
+   - **首选**: Amadeus AODB, Collins AirDB 或国内头部厂商（万达信息、民航信息科）。
+   - **策略**: 寻求功能完整性与成本的平衡，重点关注 A-CDM 的支持能力和与现有 FIDS/DCS 的集成度。
+
+3. **中小型及支线机场 (年客流 < 1000万)**:
+   - **首选**: RESA INFOPAX, ISO SKYport 或基于 SaaS 的轻量级云方案。
+   - **策略**: 优先考虑部署速度、易用性和低初期投资，避免过度采购不需要的复杂功能。
+
+---
+
+## 结论与建议
+
+1. **数据资产化是核心驱动力**: AODB 已不再仅仅是 一个被动的数据存储器，而是机场数字化转型的核心引擎。通过引入 AI 和机器学习，现代 AODB 正在向具备预测和优化能力的只能平台演进。
+
+2. **云原生与 SaaS 成为主流**: 摆脱沉甸的本地 IT 基础设施，采用云托管的 AODB 能够显著提升系统的弹性和敏捷性，这也是国际厂商迭代的主要方向。
+
+3. **国产化替代势不可挡**: 在中国市场，出于数据安全、自主可控及成本优化的考量，AODB 的国产化替代已进入实质性阶段。国内机场应积极评估本土厂商的成熟度，或通过联合研发掌握核心技术。
+
+4. **标准先行，避免孤岛**: 在选型和实施过程中，必须坚持采用国际通用标准 (如 AIDX) 和国内行业规范 (如 MH/T 5103-2020)，确保 AODB 能够与未来引入的任一第三方系统无 对接。
+
+---
+
+## 参考文献
+
+[1] 北京首都国际机场. "首都机场：做好数据智慧化管理". 2022. https://www.bcia.com.cn/kgxwxqy/10274/10274_0a42d43a2d7a4237966503839254af3d.html  
+[2] Research and Markets. "Airport Information System Market Size & Forecast to 2030". https://www.researchandmarkets.com/report/airport-information-system  
+[3] Growth Market Reports. "Airport Operational Data Base (AODB) Market Research Report 2033". https://growthmarketreports.com/report/airport-operational-data-base-aodb-market  
+[4] 万达信息股份有限公司. "首次公开发行股票并在创业板上市招股说明书". http://pdf.dfcfw.com/pdf/H2_AN201203010004684200_1.pdf  
+[5] Copenhagen Optimization. "What is an Airport Operational Database (AODB)?". https://copenhagenoptimization.com/blog/what-is-an-airport-operational-database-aodb  
+[6] SITA. "SITA Operations Manager". https://www.sita.aero/solutions/sita-at-airports/sita-operations-at-airports/sita-airport-management/sita-operations-manager/  
+[7] Amadeus. "Amadeus Airport Operational Data Base (AODB)". https://amadeus.com/en/airports/products/airport-operational-data-base-aodb  
+[8] Collins Aerospace. "Airport Database & Resource Management". https://www.rtx.com/collinsaerospace/what-we-do/industries/airports/airport-operations/airport-database-and-resource-management  
+[9] ADB Safegate. "Airport Management Systems". https://adbsafegate.com/what-we-do/terminal/about-terminal-systems/  
+[10] RESA. "INFOPAX AODB". https://resa.aero/en/solutions-operations-billing/infopax-aodb/  
+[11] Indra Group. "InBASE AODB". https://dcs.aero/product/airport-operational-database-aodb-indra-inbase/  
+[12] ISO Software Systeme. "SKYport AODB". https://www.iso-gruppe.com/en/business-units/aviation/airports/airport-operations  
+[13] 中国民用航空局. "民用运输机场信息集成系统技术规范 (MH/T 5103-2020)". http://www.caac.gov.cn/XXGK/XXGK/BZGF/HYBZ/202008/t20200824_204192.html  
+[14] IATA. "Aviation Information Data Exchange (AIDX)". https://www.iata.org/en/publications/info-data-exchange/  
+[15] IATA. "Standard Schedules Information Manual (SSIM)". https://www.iata.org/en/publications/manuals/standard-schedules-information/  
+[16] Aviation Week. "SITA unveils new AI-powered platform for airport management". 2024. https://aviationweek.com/aerospace/emerging-technologies/sita-unveils-new-ai-powered-platform-airport-management  
+[17] Collins Aerospace. "AirVue FIDS". https://www.rtx.com/collinsaerospace/what-we-do/industries/airports/airport-operations/flight-information-display-systems  
+[18] RESA. "INFOPAX EXPRESS". https://resa.aero/en/solutions-operations-billing/infopax-express/  
+[19] EUROCONTROL. "Airport collaborative decision-making (A-CDM)". https://www.eurocontrol.int/concept/airport-collaborative-decision-making  
+[20] 新浪财经. "喜报！中標民航机场建设"十四五"数字化发展规划". 2026. https://finance.sina.cn/stock/relnews/hk/2026-04-07/detail-inhtsrqx7097305.d.html  
+[21] 国国资委. "民航首家！中国航信实现离港系统全栈国产化". 2025. http://wap.sasac.gov.cn/n2588025/n2588139/c35019378/content.html  
+[22] 上海市科学术委员会. "2024年上海市认定机构认定备案的高新技术企业名单". https://www.sh-hitech.com/tzbt/15627.html
@@ -0,0 +1,285 @@
+# 机场运行数据库 (AODB) 产品对比分析报告
+
+**作者**: Manus AI  
+**时间**: 2026 年 4 月  
+**版本**: 2.0 (专业修订版)
+
+---
+
+## 目录
+
+1. [执行摘要](#执行摘要)
+2. [AODB 概述与技术标准](#aodb-概述与技术标准)
+3. [主流商业产品深度对比](#主流商业产品深度对比)
+4. [产品技术架构与集成能力](#产品技术架构与集成能力)
+5. [报价与商业模式](#报价与商业模式)
+6. [中国市场现状与国产化替代](#中国市场现状与国产化替代)
+7. [选型指南与量化评估矩阵](#选型指南与量化评估矩阵)
+8. [结论与建议](#结论与建议)
+9. [参考文献](#参考文献)
+
+---
+
+## 执行摘要
+
+机场运行数据库 (AODB, Airport Operational Database) 是现代机场运营的核心系统，被誉为机场信息集成系统 (AIIS) 的"心脏"。它集中存储、管理和分发航班、旅客、行李、资源等所有运营相关数据，为机场的协调决策提供实时数据支撑 [1]。
+
+**当前市场现状**:
+
+1. **市场规模稳步增长**: 全球机场信息系统市场预计在 2024 年达到 42.4 亿美元，到 2030 年将达到 53.6 亿美元，年复合增长率 (CAGR) 约为 4% [2]。其中，AODB 专项市场规模在 2024 年达到约 8.2 亿美元，预计到 2033 年将超过 50 亿美元 [3]。
+
+2. **主流供应商寡头垄断**: 国际市场由 SITA、Amadeus、Collins Aerospace (原 ARINC) 等少数大型供应商主导。这些厂商提供的 AODB 系统覆盖全球大多数主要枢纽机场。
+
+3. **国内市场加速信创与自主研发**: 中国机场 AODB 市场正经历从依赖国际产品（如 SITA、Amadeus）向自主研发和国产化替代的转型。以北京首都机场为代表的大型枢纽已成功实现 AODB 系统的自主可控 [1]，同时万达信息、中国民航信息集团等本土厂商在市场中占据越来越重要的地位 [4]。
+
+4. **技术升级需求**: 随着智慧机场建设推进，对 AODB 系统的数据精度、实时性、集成能力要求不断提高。云原生架构、AI 驱动的预测分析以及与机场协同决策 (A-CDM) 的深度集成成为新一代 AODB 的核心特征 [5]。
+
+**关键产品对比概览**:
+
+| 厂商 | 产品 | 核心特点 | 部署规模/主要客户 |
+|------|------|------|---------|
+| **SITA** | Operations Manager | 实时数据管理、"最可信信源"验证、Total Optimizer AI 平台 | 全球 150+ 机场 [6] |
+| **Amadeus** | Amadeus AODB | 航班数据全球领先、365天前瞻时刻表、云原生 | 全球 700+ 机场 [7] |
+| **Collins Aerospace** | AirDB (AirPlan) | 高可用、云/本地灵活部署、与 AirVue FIDS 无缝集成 | 美洲、欧洲主要机场 [8] |
+| **ADB Safegate** | Cortex AODB | Airside 4.0 智能平台核心、AI 资源分配优化 | 全球多家中大型机场 [9] |
+| **RESA** | INFOPAX AODB | 模块化设计、INFOPAX EXPRESS 移动端支持 | 欧洲、非洲中型机场 [10] |
+| **Indra** | InBase | 自动 A-CDM 流程支持、SESAR/ACI 标准兼容 | 欧洲、西班牙机场 [11] |
+| **ISO Software** | SKYport AODB | 云原生架构、Oracle 数据库底层、现代化 UI | 欧美中等规模机场 [12] |
+
+---
+
+## AODB 概述与技术标准
+
+### AODB 的定义与核心功能
+
+机场运行数据库 (Airport Operational Database, AODB) 是机场运营的中央数据仓库，负责集中存储、管理、分发和维护所有与航班运营相关的实时数据。根据中国民用航空局《民用运输机场信息集成系统技术规范》(MH/T 5103-2020)，AODB 是信息集成系统的核心组件，用于存储、管理航班运行数据，定义运行数据的关联关系和处理规则 [13]。
+
+**核心功能模块**:
+
+1. **航班数据管理**: 管理季节性航班计划 (Seasonal Schedule)、每日航班动态 (Daily Flight Schedule)、航班延误与变更等。
+2. **资源管理**: 管理停机位、登机桥、行李转盘、值机柜台等物理与逻辑资源的分配。
+3. **数据融合与分发**: 接收来自空管、航司、地服的多源数据，进行清洗、验证后分发给航显 (FIDS)、离港 (DCS) 等子系统。
+4. **计费与结算数据准备**: 收集所有与航班保障相关的资源使用数据，为 ERP 或计费系统提供准确的原始凭证。
+5. **决策支持与 A-CDM**: 为机场协同决策提供统一的数据视图 (Single Source of Truth)。
+
+### 关键技术与数据交换标准
+
+现代 AODB 必须遵循国际航空运输协会 (IATA)、国际民航组织 (ICAO) 和国际机场协会 (ACI) 的相关数据交换标准，以确保与全球航空生态系统的互操作性。
+
+1. **AIDX (Aviation Information Data Exchange)**:
+   AIDX 是由 IATA、ATA 和 ACI 共同认可的全球 XML 消息标准，专门用于在航空公司、机场和第三方之间交换航班运营数据 [14]。它是 SESAR A-CDM 信息交换的标准格式，现代 AODB 必须原生支持 AIDX 接口。
+
+2. **SSIM (Standard Schedules Information Manual)**:
+   IATA 的 SSIM 标准规定了航空公司航班时刻表的交换格式。AODB 需要能够解析 SSIM 文件（如 Chapter 7 格式），以自动构建机场的季节性航班计划 [15]。
+
+3. **传统报文标准**:
+   尽管 XML 和 API 正在普及，AODB 仍需支持传统的航空报文格式，包括 AFTN (航空固定电信网) 报文、SITA Type B 报文以及 ACARS (飞机通信寻址与报告系统) 数据，以获取实时的航班起降和空中动态信息。
+
+---
+
+## 主流商业产品深度对比
+
+### 1. SITA Operations Manager
+
+**产品背景与定位**:
+SITA (国际航空电讯集团) 是全球航空 IT 领域的巨头。其 Operations Manager 是业界最成熟的 AODB 解决方案之一，目前在全球超过 150 个机场部署 [6]。
+
+**核心技术特性**:
+- **"最可信信源" (Most Confident Source) 引擎**: 区别于传统 AODB 仅记录数据，SITA 系统内置复杂的业务规则引擎，能够从多个冲突的数据源中自动评估并选择最准确的信息。
+- **Total Optimizer AI 平台**: 2024 年新推出的 AI 驱动平台，将 AODB 数据与机器学习结合，实现机场整体运营（准点率、容量、环保指标）的动态优先级优化 [16]。
+- **主动预警机制**: 在航班延误或资源冲突发生前提供预测性告警，支持 IROPS (不正常航班) 的快速恢复。
+
+**优势与劣势**:
+- **优势**: 数据治理能力极强；全球 24/7 SGS 支持体系；适合超大型多跑道枢纽机场。
+- **劣势**: 实施周期长；系统架构较重；定制化开发成本高昂。
+
+### 2. Amadeus AODB
+
+**产品背景与定位**:
+Amadeus 凭借其在航空公司旅客服务系统 (PSS) 领域的统治地位，其 AODB 产品在航班数据获取方面具有得天独厚的优势，服务于全球 700 多个机场 [7]。
+
+**核心技术特性**:
+- **365 天前瞻航班数据**: 自动获取并维护全球 95% 航空公司的全年航班时刻表，极大减少了机场手工录入和维护航班计划的工作量 [7]。
+- **云原生架构**: 完全基于云端托管，无需机场本地部署复杂的服务器基础设施，降低了 IT 运维成本。
+- **A-CDM Portal 深度集成**: 提供实时的机坪视图和周转预测，与 Amadeus 的离港系统 (Altéa) 无缝对接。
+
+**优势与劣势**:
+- **优势**: 航班数据最全面准确；云端部署敏捷；预测分析能力强。
+- **劣势**: 深度依赖 Amadeus 生态；对于非 Amadeus 航司的数据整合可能存在壁垒。
+
+### 3. Collins Aerospace AirDB (AirPlan)
+
+**产品背景与定位**:
+Collins Aerospace (原 ARINC) 的 AirDB 是其 AirPlan 资源管理套件的核心组件，广泛应用于美洲和欧洲市场 [8]。
+
+**核心技术特性**:
+- **混合部署模式**: 支持本地数据中心、私有云或公有云部署，满足不同机场的数据合规要求。
+- **AirVue FIDS 原生协同**: 与其市场领先的 AirVue 航显系统深度耦合，确保旅客获取的信息与后台数据库毫秒级同步 [17]。
+- **动态资源分配算法**: 在后疫情时代，系统增加了支持社交距离的资源分配逻辑，如间隔分配登机口和行李转盘 [8]。
+
+**优势与劣势**:
+- **优势**: 部署灵活性高；与 FIDS 和网络基础设施集成度好；界面现代化。
+- **劣势**: 在亚太地区本地化支持团队相对较小。
+
+### 4. ADB Safegate Cortex AODB
+
+**产品背景与定位**:
+ADB Safegate 以机坪照明和泊位引导系统闻名，其 Cortex AODB 是 Airside 4.0 智能平台的数据中枢 [9]。
+
+**核心技术特性**:
+- **空侧运营深度融合**: 区别于偏向航站楼的 AODB，Cortex 能够深度整合高级高级场面活动引导与控制系统 (A-SMGCS) 和自动泊位引导系统 (A-VDGS) 数据。
+- **AI 资源优化**: 利用人工智能进行准确的资源分配和运营规划，支持"假设" (What-if) 场景模拟 [9]。
+
+**优势与劣势**:
+- **优势**: 空侧数据最丰富；机坪周转管理能力强。
+- **劣势**: 航站楼侧（如旅客流量预测）功能相对较弱。
+
+### 5. RESA INFOPAX AODB
+
+**产品背景与定位**:
+法国 RESA 公司的 INFOPAX AODB 主要面向中小型及区域性机场，在欧洲和非洲有广泛应用 [10]。
+
+**核心技术特性**:
+- **模块化轻量级设计**: 包含基础数据、季节计划和实时动态三个核心模块，易于实施。
+- **INFOPAX EXPRESS**: 提供专用的移动端访问应用，支持通过高级权限管理为临时用户开放特定数据视图 [18]。
+
+**优势与劣势**:
+- **优势**: 实施快；成本效益高；移动端支持好。
+- **劣势**: 应对超大型机场海量并发数据的能力未经验证。
+
+---
+
+## 产品技术架构与集成能力
+
+### 现代 AODB 技术架构演进
+
+传统的 AODB 多采用单体架构（如基于 Oracle 数据库的 C/S 或 B/S 架构）。随着技术发展，新一代 AODB 正在向微服务和云原生架构演进：
+
+1. **数据接入层**: 采用企业服务总线 (ESB) 或消息中间件 (如 Kafka、RabbitMQ)，支持高并发的 AIDX XML、JSON API 及传统报文解析。
+2. **核心处理层**: 采用内存数据库 (如 Redis) 处理实时高频更新，关系型数据库 (如 PostgreSQL、Oracle) 保证事务一致性。
+3. **业务逻辑层**: 微服务化设计，将航班计划、资源分配、计费规则解耦，支持独立扩展。
+4. **展现与应用层**: 基于 HTML5/Vue/React 的响应式 Web 界面，以及原生移动端 App。
+
+### A-CDM (机场协同决策) 集成
+
+AODB 是实施 A-CDM 的数据基石。根据 EUROCONTROL 的规范，A-CDM 旨在通过优化资源使用和提高事件可预测性来提升机场运营效率 [19]。
+
+AODB 必须支持 A-CDM 的 16 个关键里程碑 (Milestones) 数据追踪，特别是：
+- **TOBT (目标撤轮挡时间)**: 接收地服或航司的更新。
+- **TSAT (目标起飞时间)**: 接收空管系统的计算结果。
+- **TTOT (目标起飞时间)**: 实时计算并分发给所有利益相关方。
+
+优秀的 AODB 能够自动捕捉这些时间戳，触发相应的业务规则，并通过 AIDX 标准接口与欧洲网络管理器 (NMOC) 或各国民航局的流量管理系统进行数据交换。
+
+---
+
+## 报价与商业模式
+
+国际主流 AODB 产品的报价模式正在从传统的"一次性许可+维保"向 SaaS 订阅模式转变。
+
+### 1. 传统许可费模式 (On-Premise License)
+
+适用于对数据绝对控制有要求的大型枢纽机场：
+- **初期软件许可与实施费**: 50 万 - 150 万美元（取决于机场规模和集成复杂度）。
+- **硬件与中间件成本**: 10 万 - 30 万美元（双机热备、Oracle 授权等）。
+- **年度维保费 (SLA)**: 通常为初期软件许可费的 18% - 22%。
+
+### 2. SaaS 云订阅模式 (Cloud Subscription)
+
+适用于中小型机场或寻求降低初期 CapEx 的机场：
+- **实施与接入费**: 10 万 - 30 万美元。
+- **年度订阅费**: 15 万 - 50 万美元/年（按年旅客吞吐量或航班架次阶梯计费）。
+- **优势**: 包含云基础设施成本、自动升级和 24/7 监控，总体拥有成本 (TCO) 更平滑。
+
+---
+
+## 中国市场现状与国产化替代
+
+### 市场格局与政策导向
+
+中国民航局高度重视机场信息系统的标准化与自主可控。2020年发布的《民用运输机场信息集成系统技术规范》(MH/T 5103-2020) 为国内 AODB 的建设提供了明确的标准 [13]。在"十四五"和"十五五"智慧民航建设规划的推动下，国产化替代进程显著加速 [20]。
+
+### 典型国产化案例：北京首都国际机场
+
+首都机场作为国内最繁忙的枢纽，其 AODB 系统经历了从依赖外资产品到完全自主可控的"换心"手术。
+- **痛点**: 原有外资系统成本高、升级困难、存在安全隐患。
+- **解决方案**: 历时 14 个月，首都机场信息技术团队从代码级掌握核心技术，自主研发了新一代 AODB。
+- **成效**: 统一了数据结构，每日航班计划发布由 3 次人工校验简化为 1 次，日常维护工作量减少 30% 以上，并成功保障了 2022 年冬奥会 [1]。
+
+### 主要国内供应商
+
+1. **中国民航信息集团 (TravelSky)**:
+   作为中国民航 IT 的国家队，不仅在离港系统 (DCS) 实现了全栈国产化 [21]，其提供的机场信息集成系统和 AODB 解决方案在国内众多中大型机场广泛应用，具有与国内航司数据天然互通的优势。
+
+2. **万达信息股份有限公司**:
+   国内较早涉足机场信息化的上市企业。其自主研发的万达机场集成系统 (AIIS) 是国内首家以 AODB 为核心的集成化运营管理系统，已在上海浦东、宁波、温州等多个机场成功部署，技术达到国际先进水平 [4]。
+
+3. **中电科数字技术股份有限公司**:
+   依托中国电科的强大研发实力，在机场弱电系统集成、数据中心建设及核心软件研发方面具有深厚积累，参与了多个千万级机场的智慧化改造项目 [22]。
+
+---
+
+## 选型指南与量化评估矩阵
+
+### 选型量化评估矩阵
+
+在进行 AODB 选型时，建议机场采用以下权重矩阵进行打分评估（总分 100 分）：
+
+| 评估维度 | 权重 | 评估指标说明 | 领先厂商示例 |
+|----------|------|--------------|--------------|
+| **数据处理与准确性** | 25% | 多源数据融合规则引擎、"最可信信源"机制、并发处理能力 | SITA, Amadeus |
+| **系统架构与可靠性** | 20% | 高可用架构 (99.99%)、灾备切换时间 (RTO/RPO)、云原生支持 | Collins, ISO Software |
+| **标准兼容与集成性** | 20% | 原生支持 AIDX, SSIM, A-CDM 里程碑，开放 API 丰富度 | Indra, SITA |
+| **智能化与预测能力** | 15% | AI 资源优化、旅客/行李流量预测、What-if 场景模拟 | Amadeus, ADB Safegate |
+| **本地化服务与合规** | 10% | 本地技术支持团队规模、符合本国民航局数据安全与信创要求 | 国内厂商 (如万达信息) |
+| **总体拥有成本 (TCO)** | 10% | 5年期软硬件投资、实施费、维保费及定制开发费率 | RESA, 国内厂商 |
+
+### 针对不同规模机场的建议
+
+1. **超大型国际枢纽 (年客流 > 4000万)**:
+   - **首选**: SITA Operations Manager 或具备极强研发实力的自主研发方案（如首都机场模式）。
+   - **策略**: 重点考察系统在极端并发下的稳定性和复杂业务规则的定制能力，投资预算应充足。
+
+2. **中大型区域枢纽 (年客流 1000万 - 4000万)**:
+   - **首选**: Amadeus AODB, Collins AirDB 或国内头部厂商（万达信息、民航信科）。
+   - **策略**: 寻求功能完整性与成本的平衡，重点关注 A-CDM 的支持能力和与现有 FIDS/DCS 的集成度。
+
+3. **中小型及支线机场 (年客流 < 1000万)**:
+   - **首选**: RESA INFOPAX, ISO SKYport 或基于 SaaS 的轻量级云方案。
+   - **策略**: 优先考虑部署速度、易用性和低初期投资，避免过度采购不需要的复杂功能。
+
+---
+
+## 结论与建议
+
+1. **数据资产化是核心驱动力**: AODB 已不再仅仅是一个被动的数据存储库，而是机场数字化转型的核心引擎。通过引入 AI 和机器学习，现代 AODB 正在向具备预测和优化能力的智能平台演进。
+2. **云原生与 SaaS 成为主流**: 摆脱沉重的本地 IT 基础设施，采用云托管的 AODB 能够显著提升系统的弹性和敏捷性，这也是国际厂商产品迭代的主要方向。
+3. **国产化替代势不可挡**: 在中国市场，出于数据安全、自主可控及成本优化的考量，AODB 的国产化替代已进入实质性阶段。国内机场应积极评估本土厂商的成熟度，或通过联合研发掌握核心技术。
+4. **标准先行，避免孤岛**: 在选型和实施过程中，必须坚持采用国际通用标准 (如 AIDX) 和国内行业规范 (如 MH/T 5103-2020)，确保 AODB 能够与未来引入的任何第三方系统无缝对接。
+
+---
+
+## 参考文献
+
+[1] 北京首都国际机场. "首都机场：做好数据智慧化管理". 2022. https://www.bcia.com.cn/kgxwxqy/10274/10274_0a42d43a2d7a4237966503839254af3d.html  
+[2] Research and Markets. "Airport Information System Market Size & Forecast to 2030". https://www.researchandmarkets.com/report/airport-information-system  
+[3] Growth Market Reports. "Airport Operational Data Base (AODB) Market Research Report 2033". https://growthmarketreports.com/report/airport-operational-data-base-aodb-market  
+[4] 万达信息股份有限公司. "首次公开发行股票并在创业板上市招股说明书". http://pdf.dfcfw.com/pdf/H2_AN201203010004684200_1.pdf  
+[5] Copenhagen Optimization. "What is an Airport Operational Database (AODB)?". https://copenhagenoptimization.com/blog/what-is-an-airport-operational-database-aodb  
+[6] SITA. "SITA Operations Manager". https://www.sita.aero/solutions/sita-at-airports/sita-operations-at-airports/sita-airport-management/sita-operations-manager/  
+[7] Amadeus. "Amadeus Airport Operational Data Base (AODB)". https://amadeus.com/en/airports/products/airport-operational-data-base-aodb  
+[8] Collins Aerospace. "Airport Database & Resource Management". https://www.rtx.com/collinsaerospace/what-we-do/industries/airports/airport-operations/airport-database-and-resource-management  
+[9] ADB Safegate. "Airport Management Systems". https://adbsafegate.com/what-we-do/terminal/about-terminal-systems/  
+[10] RESA. "INFOPAX AODB". https://resa.aero/en/solutions-operations-billing/infopax-aodb/  
+[11] Indra Group. "InBASE AODB". https://dcs.aero/product/airport-operational-database-aodb-indra-inbase/  
+[12] ISO Software Systeme. "SKYport AODB". https://www.iso-gruppe.com/en/business-units/aviation/airports/airport-operations  
+[13] 中国民用航空局. "民用运输机场信息集成系统技术规范 (MH/T 5103-2020)". http://www.caac.gov.cn/XXGK/XXGK/BZGF/HYBZ/202008/t20200824_204192.html  
+[14] IATA. "Aviation Information Data Exchange (AIDX)". https://www.iata.org/en/publications/info-data-exchange/  
+[15] IATA. "Standard Schedules Information Manual (SSIM)". https://www.iata.org/en/publications/manuals/standard-schedules-information/  
+[16] Aviation Week. "SITA unveils new AI-powered platform for airport management". 2024. https://aviationweek.com/aerospace/emerging-technologies/sita-unveils-new-ai-powered-platform-airport-management  
+[17] Collins Aerospace. "AirVue FIDS". https://www.rtx.com/collinsaerospace/what-we-do/industries/airports/airport-operations/flight-information-display-systems  
+[18] RESA. "INFOPAX EXPRESS". https://resa.aero/en/solutions-operations-billing/infopax-express/  
+[19] EUROCONTROL. "Airport collaborative decision-making (A-CDM)". https://www.eurocontrol.int/concept/airport-collaborative-decision-making  
+[20] 新浪财经. "喜报！中标民航机场建设“十五五”数字化发展规划". 2026. https://finance.sina.cn/stock/relnews/hk/2026-04-07/detail-inhtsrqx7097305.d.html  
+[21] 国务院国资委. "民航首家！中国航信实现离港系统全栈国产化". 2025. http://wap.sasac.gov.cn/n2588025/n2588139/c35019378/content.html  
+[22] 上海市科学技术委员会. "2024年上海市认定机构认定报备的高新技术企业名单". https://www.sh-hitech.com/tzbt/15627.html
@@ -0,0 +1,99 @@
+# LLM Wiki v2 — Comprehensive Summary
+
+## Source
+
+https://gist.github.com/rohitg00/2067ab416f7bbe447c1977edaaa681e2
+Author: rohitg00
+Forked from: karpathy/llm-wiki.md
+Last active: 2026-04-13
+
+## Overview
+
+A pattern for building personal knowledge bases using LLMs, extending Karpathy's original LLM Wiki idea with lessons from building agentmemory. Addresses what breaks at scale, what's missing, and what separates a useful wiki from one that rots.
+
+---
+
+## What the Original Gets Right
+
+> **Stop re-deriving, start compiling.** RAG retrieves and forgets. A wiki accumulates and compounds.
+
+- Three-layer architecture works: raw sources → wiki → schema
+- Basic operations (ingest, query, lint) cover the basics
+
+---
+
+## Missing Layer: Memory Lifecycle
+
+### Confidence Scoring
+Every fact should carry a confidence score indicating:
+- How many sources support it
+- How recently it was confirmed
+- Whether anything contradicts it
+
+### Supersession
+When new information contradicts existing claims:
+- Old claim explicitly superseded, not just noted
+- Linked and timestamped
+- Old version preserved but marked stale
+
+### Forgetting
+- Wikis that never forget become noisy
+- Implement a retention curve based on Ebbinghaus's forgetting curve
+- Architecture decisions decay slowly. Transient bugs decay fast.
+
+### Consolidation Tiers
+
+| Tier | Description | Characteristics |
+|------|-------------|------------------|
+| Working memory | Recent observations | Not yet processed |
+| Episodic memory | Session summaries | Compressed from raw |
+| Semantic memory | Cross-session facts | Consolidated from episodes |
+| Procedural memory | Workflows and patterns | Extracted from repeated semantics |
+
+---
+
+## Beyond Flat Pages: Knowledge Graph
+
+### Entity Extraction
+Extract structured entities: People, projects, libraries, concepts, files, decisions
+
+### Typed Relationships
+Not all connections are equal: uses, depends_on, contradicts, caused, fixed, supersedes
+
+### Graph Traversal for Queries
+Instead of keyword search: walk outward through typed edges to find all related nodes.
+
+---
+
+## Search That Actually Scales
+
+### When index.md Breaks
+Works up to ~100-200 pages. Beyond that, becomes too long for LLM.
+
+### Hybrid Search Architecture
+
+| Stream | Catches | Method |
+|--------|---------|--------|
+| BM25 | Exact terms | Keyword matching |
+| Vector search | Semantic similarity | Embeddings |
+| Graph traversal | Structural connections | Entity-aware relationship walking |
+
+---
+
+## Automation: Event-Driven Operations
+
+| Event | Action |
+|-------|--------|
+| On new source | Auto-ingest, extract entities, update graph, update index |
+| On session start | Load relevant context based on recent activity |
+| On session end | Compress session into observations, file insights |
+| On query | Check if answer is worth filing back (quality score > threshold) |
+| On memory write | Check for contradictions, trigger supersession |
+| On schedule | Periodic lint, consolidation, retention decay |
+
+---
+
+## Quality and Self-Correction
+
+### Score Everything
+Every piece of LLM-generated content gets a quality score based on structure, citations, wikilink density, length, and fact consistency.
@@ -0,0 +1,94 @@
+# 未来机场信息中心（Future Airport Info Center）研究报告
+**作者：Manus AI**
+**日期：2026年4月10日**
+
+## 1. 引言与概念定义
+
+随着全球航空客运量的持续增长与旅客期望的不断提升，传统的机场信息服务台正在经历深刻的数字化转型。未来机场信息中心（Future Airport Info Center）不再仅仅是一个提供航班时刻表和简单指引的物理服务台，而是演变为一个高度集成、数据驱动且以旅客为中心的智能交互枢纽。
+
+未来机场信息中心的核心概念在于"连接智能"（Connected Intelligence），它将物理基础设施、数字系统（如机场运营数据库 AODB、资源管理系统 RMS）与前沿技术（如人工智能、数字孪生、生物识别）深度融合，旨在为旅客提供无缝、个性化且无障碍的出行体验，同时大幅提升机场的运营效率与安全裕度。
+
+## 2. 核心技术趋势
+
+### 2.1 人工智能与智能体（Agentic AI）
+
+人工智能已从简单的规则问答演进为具备自主决策能力的智能体（Agentic AI）。在信息中心场景下，AI 驱动的虚拟助手（Virtual Assistants）和多语言聊天机器人能够通过自然语言处理（NLP）与旅客进行流畅互动，提供实时的航班动态、行李追踪、个性化零售推荐以及动态寻路服务。此外，AI 还能根据实时客流密度自动调整航站楼内的环境参数（如温湿度、照明），并优化信息屏幕的显示内容。
+
+### 2.2 数字孪生（Digital Twins）
+
+数字孪生技术为机场物理环境创建了高精度的虚拟副本。通过接入物联网（IoT）传感器数据，信息中心能够实时监控航站楼内的运行状态。这种技术不仅用于预测性维护，还能在旅客服务端发挥巨大作用——例如，通过模拟客流瓶颈，提前调度资源或通过数字标牌引导旅客避开拥堵区域，实现全局的容量与流量优化。
+
+### 2.3 生物识别与数字身份（Biometrics & Digital Identity）
+
+"无接触"与"无缝通行"是未来机场的重要标志。生物识别技术（如面部识别）正与旅客信息系统深度绑定。旅客在信息中心或自助终端（Kiosks）进行一次身份验证后，其数字身份即可在安检、登机、免税店购物等全流程中通行无阻（即"出行一张脸"）。这种"生物识别走廊"（Biometric Corridors）极大地减少了排队时间，提升了通行效率。
+
+### 2.4 智能运控平台（AOCC & IOC）
+
+在后台，信息中心依托于强大的机场运行控制中心（AOCC）或综合运营中心（IOC）。例如，华为推出的机场智能运控中心解决方案，基于 5G、云计算和大数据底座，打破了传统系统的"数据孤岛"，实现了航班流、旅客流和行李流的统一调度与全景可视（"运行一张图"）。
+
+## 3. 市场规模与行业前景
+
+| 细分市场 | 2024/2025年估值 | 2030/2034年预测估值 | 复合年增长率 (CAGR) | 核心驱动因素 |
+| :--- | :--- | :--- | :--- | :--- |
+| **机场信息系统** | 约 37 - 42 亿美元 | 约 51 - 53.6 亿美元 | 3.5% - 4.0% | 运营效率需求、网络安全升级、旅客体验优化 |
+| **智能机场整体市场** | 约 66.1 亿美元 (2025) | 约 108.3 亿美元 (2030) | 10.36% | AI、物联网、数字孪生技术的全面普及 |
+| **机场运营控制中心 (AOCC)** | 约 18.38 亿美元 (2026) | 约 40.5 亿美元 (2034) | 10.38% | 实时数据整合、跨部门协同需求 |
+
+数据表明，尽管基础信息系统的增长相对平稳，但涉及智能控制、自动化与高级旅客信息交互的细分领域（如 AOCC 和智能机场整体解决方案）正以两位数的惊人速度增长。
+
+## 4. 典型项目与实践案例
+
+### 4.1 纽约肯尼迪国际机场（JFK）新航站楼项目
+
+在 2026 年即将投入使用的 JFK 6 号航站楼（Terminal 6）和新一号航站楼（New Terminal One）中，航空技术巨头 SITA 联合其收购的意大利设计公司 CCM，打造了全新的旅客信息中心。该项目打破了传统 IT 系统与建筑设计的界限，将数字标牌、智能寻路系统与高端家具设计无缝集成。信息中心不仅提供 ADA（美国残疾人法案）合规的无障碍服务，还通过沉浸式设计提升了旅客的情感体验。
+
+### 4.2 罗马菲乌米奇诺机场（ADR）AI 虚拟助手
+
+2025 年底，罗马机场（Aeroporti di Roma）引入了由生成式 AI 驱动的虚拟助手。该系统能够通过文本或语音与旅客自然交互，提供从停车、地面交通到实时航班状态、行李追踪的全方位个性化支持，显著提升了信息获取的便捷性。
+
+### 4.3 匹兹堡国际机场（PIT）通用设计认证
+
+2026 年 2 月，匹兹堡国际机场成为全球首个获得"通用设计"（Universal Design）认证的机场。其信息中心与航站楼设计深度融合了包容性理念，采用了直观的数字寻路系统、高可见度的信息显示屏以及适应不同身体条件旅客的交互终端，确保所有旅客（包括老年人和残障人士）都能平等、顺畅地获取信息。
+
+### 4.4 新加坡樟宜机场与 SITA 体验中心
+
+作为智慧机场的标杆，樟宜机场在 T5 航站楼的规划中全面拥抱 100% 无接触服务。同时，SITA 在新加坡设立了全新的体验中心，集中展示了未来机场信息处理的最新技术，包括生物识别、数字身份和 AI 驱动的旅客处理系统，为亚太地区的机场数字化转型提供了示范。
+
+## 5. 设计理念与发展方向
+
+1. **从"客户体验"到"人类体验"（Human-Centered Design）**：未来的信息中心设计将更加关注旅客的情感与心理需求。通过将冰冷的技术隐藏在温暖的建筑与家具设计中（如 SITA-CCM 的实践），减轻旅客的旅行焦虑。同时，通用设计（Universal Design）将成为标配，确保信息系统对所有人群的无障碍访问。
+
+2. **数据驱动的超级个性化（Hyper-Personalization）**：借助 AI 和大数据，信息中心将从"被动响应"转向"主动服务"。系统能够根据旅客的行程、偏好甚至实时位置，通过移动端或附近的数字标牌推送定制化的餐饮优惠、登机提醒或最优步行路线。
+
+3. **可持续性与绿色运营（Sustainability）**：信息中心的硬件设施（如自助终端、显示屏）将采用更环保的材料与低能耗技术。同时，通过数字孪生与 AI 优化航站楼的能源消耗，信息中心将成为机场实现净零排放（Net Zero）目标的重要辅助节点。
+
+## 6. 面临的挑战
+
+- **遗留系统整合（Legacy Systems Integration）**：许多机场仍依赖老旧的 IT 架构，打破数据孤岛、实现新旧系统的无缝对接是一项成本高昂且复杂的工程。
+- **网络安全与数据隐私（Cybersecurity & Data Privacy）**：随着生物识别和实时数据的广泛应用，机场面临的勒索软件、数据泄露等网络攻击风险急剧增加。如何在提供便利的同时确保旅客隐私安全，是行业亟待解决的核心问题。
+
+## 7. 结论
+
+未来机场信息中心正在经历一场由 AI、数字孪生和生物识别技术驱动的深刻变革。它将不再是一个孤立的服务节点，而是深度融入机场整体智能生态的交互中枢。通过融合人性化设计、无障碍理念与强大的后台数据处理能力，未来的信息中心将重新定义航空出行的标准，为旅客带来更加智能、高效且充满温度的旅程。
+
+---
+
+## 参考文献
+
+[1] Vantage Airport Group. (2025). Redefining Airport Operations, With Passengers at the Center.
+[2] ACI. (2026). The Airport of the Future Runs on Connected Intelligence.
+[3] McKinsey & Company. (2025). Smart airports: Clearing the runway for digital takeoff.
+[4] IBM. (2026). Building the intelligent airport of the future.
+[5] OAG. (2025). AI Returns to the Runway: Three Innovations Redefining Airline Tech.
+[6] Virtual Workforce. (2026). AI assistant for airports: AI-powered airport support.
+[7] Cisco. (2026). Soaring to New Heights: How AI is Redefining the Airport.
+[8] Bentley Systems. Digital Twins for Passenger Experience.
+[9] David McMullen. (2026). Airport Tech Trends 2026: AI, Digital Twins, Biometrics.
+[10] Biometric Update. (2026). Biometric Corridors – an end to airport queues?
+[11] SITA. (2025). Passenger IT insights 2025 | Passenger Experience trends.
+[12] Huawei. (2025). Huawei Launches Five Aviation Solutions to Accelerate Intelligence.
+[13] TAV Technologies. (2026). Airport Operations Control Center Market Size, Share [2034].
+[14] Fortune Business Insights. (2026). Airport Information Systems Market Size, Trends.
+[15] MarketsandMarkets. (2025). Airport Information Systems Market Report 2024 - 2030.
+[16] Mordor Intelligence. (2025). Smart Airport Market Size & Share Analysis.
+[17] Fortune Business Insights. (2026). AOCC Market Report.