Auto-sync

knowledgebase/DevOps & SRE/01_AWS-Landing-Zone/ctp-topic-1-gruntwork-landing-zone-architecture.md

@@ -11,7 +11,7 @@ tags:
 date-added: 2026-04-14
 video-source: "nas:///volume2/work/Public Cloud Learning Sessions/CTP _ Topic 1_ Gruntwork Landing Zone Architecture.mp4"
 audio-source: ""
-status: raw
+status: summarized
 ---
 
 # CTP Topic 1 Gruntwork Landing Zone Architecture
@@ -20,32 +20,70 @@ status: raw
 
 **Type:** VIDEO | **Category:** 01_AWS-Landing-Zone
 
-**Status:** 🟡 Awaiting Whisper transcription → Summary
+**Status:** ✅ 已完成（Gemini 摘要）
 
 ---
 
 ## 摘要
 
-> 待转录后由 LLM 生成
+本次会议主要讨论了基于 Gruntwork 的云平台 Landing Zone 架构，以及如何在云转型项目中应用最佳实践。Gruntwork 是一个拥有大量 Terraform 代码的组织，其代码经过多次实践验证，被认为是最佳实践。会议介绍了参考架构（Reference Architecture）和 Landing Zone 的概念，以及它们在不同环境和账户中的实现方式。参考架构是一个起点，包含共享、日志和安全等核心账户，以及生产、测试和开发等工作负载账户。Landing Zone 基于 Gruntwork，但不包含具体的 ECS 集群或 RDS 数据库，而是由产品团队自行定义。安全账户使用联邦用户，通过 AD 组映射到 IAM 角色。会议还强调了 Jenkins 在 CI/CD 流程中的作用，每个 Landing Zone 都有一个 Jenkins 服务器来部署基础设施变更，每个产品团队也有自己的 Jenkins 任务来部署其负责的基础设施。此外，会议还讨论了 Git 工作流，强调使用特性分支进行开发，并通过 Pull Request 合并到主分支。最后，会议介绍了 Gruntwork 的 Terraform AWS 服务目录，强调服务应具有业务上下文，而非简单的资源。
 
 ---
 
 ## 关键概念
 
--
+- **参考架构 (Reference Architecture)**: 一套最佳实践的集合，作为云平台部署的起点，包含核心账户和工作负载账户。
+- **Landing Zone**: 基于 Gruntwork 的云平台环境，包含安全、共享和日志等核心账户，以及由产品团队自定义的工作负载账户。
+- **联邦用户 (Federated User)**: 通过 AD 组映射到 IAM 角色，用于访问云平台资源，替代了传统的 IAM 用户。
+- **CI/CD 流程**: 使用 Jenkins 进行持续集成和持续交付，通过特性分支、Pull Request 和审批流程来管理基础设施变更。
+- **Terraform AWS 服务目录**: Gruntwork 提供的 Terraform 模块集合，用于构建具有业务上下文的云服务。
 
 ---
 
 ## 行动项
 
--
+- [ ] 熟悉 Gruntwork 的 Terraform AWS 服务目录，了解可用的模块和服务。
+- [ ] 遵循 Git 工作流，使用特性分支进行开发，并通过 Pull Request 合并到主分支。
+- [ ] 了解 Jenkins 在 CI/CD 流程中的作用，以及如何配置 Jenkins 任务来部署基础设施变更。
+- [ ] 熟悉联邦用户的配置方式，以及如何通过 AD 组映射到 IAM 角色。
+- [ ] 确定 Active Directory 连接的具体配置，特别是 corp.joml 还是 swing throw。
 
 ---
 
 ## 相关视频
 
-> 配对视频笔记链接（生成后填入）
+> [!info]+ 交叉引用
+> [[ctp-topic-XX-git-workflow.md]] — 详细解释了 Git 工作流的最佳实践。
+
+
+## 关键概念
+
+- **Reference Architecture**: 包含核心账户（Shared/Logs/Security）和工作负载账户（Prod/Stage/Dev）的最佳实践起点
+- **Landing Zone**: 基于 Gruntwork 仓库的基础设施部署单元，每个 Zone 有独立 GitHub 仓库管理 IaC
+- **Federated Access**: 通过 AD 组映射到 IAM 角色的联邦身份访问，简化安全账户管理
+- **Gruntwork Modules**: 经过实战验证的 Terraform 模块，提供业务上下文和粒度支持
+- **CI/CD Pipeline**: 基于特性分支 + PR + Jenkins 的基础设施变更自动化流程
 
 ---
 
-*最后更新: 2026-04-14*
+## 行动项
+
+- [ ] 熟悉 Gruntwork Terraform AWS Service Catalog，了解可用模块
+- [ ] 采用特性分支开发流程，通过 PR 合并到主分支
+- [ ] 配置 Jenkins 流水线，实现 Terraform Plan/Apply 自动化
+- [ ] 探索 TerraTest 用于基础设施变更的自动化测试
+- [ ] 确定 Active Directory 联邦访问的具体配置方案
+
+---
+
+## 相关视频
+
+> [!info]+ 交叉引用
+> [[ctp-topic-2-git.md]] — Git 版本控制基础（CI/CD 前提）
+> [[ctp-topic-3-deploy-and-maintain-infrastructure.md]] — Terraform 部署与维护
+> [[ctp-topic-9-ci-cd-with-gruntwork.md]] — Gruntwork CI/CD 流水线实践
+> [[ctp-topic-10-aws-landing-zone-lz-data-collection-tagging-related-security.md]] — Landing Zone 安全配置
+
+---
+
+*最后更新: 2026-04-15*

knowledgebase/DevOps & SRE/05_FinOps/ctp-topic-63-optimise-resource-cost-using-automation.md

@@ -11,7 +11,7 @@ tags:
 date-added: 2026-04-14
 video-source: "nas:///volume2/work/Public Cloud Learning Sessions/CTP _ Topic 63_ Optimise resource cost using automation.mp4"
 audio-source: ""
-status: raw
+status: summarized
 ---
 
 # CTP Topic 63 Optimise resource cost using automation
@@ -26,10 +26,38 @@ status: raw
 
 ## 摘要
 
-> 待转录后由 LLM 生成
+本次云转型学习会议的主题是“使用自动化优化资源成本”。会议重点介绍了如何通过标准化、合理选择实例类型、利用承诺计划以及实施自动化调度等方式来降低云资源成本。首先，强调了使用批准区域的重要性，这有助于提高安全性、标准化管理，并为优化计算和存储提供基础。其次，详细讲解了如何根据工作负载选择合适的实例类型，例如通用型、经济型、计算密集型和内存密集型，并给出了具体的实例家族推荐和成本对比示例。此外，会议还介绍了AWS和Azure等云服务商提供的承诺计划，通过长期承诺可以显著降低成本。最后，重点介绍了通过自动化调度来优化资源使用，尤其是在研发环境中，通过在非工作时间自动停止实例，可以有效降低成本。会议还提及了存储优化，包括使用GP3替代GP2，及时删除未使用的存储卷和快照，以及合理分配存储空间。
 
 ---
 
+## 关键概念
+
+- **批准区域**: 建议使用的云资源部署区域，有助于提高安全性、标准化管理和优化成本。
+- **实例类型选择**: 根据工作负载选择合适的实例家族（如M系列、T系列、C系列、R系列），以优化性能和成本。
+- **承诺计划**: 通过预先承诺使用云资源一段时间（如一年或三年），获得折扣价格。
+- **自动化调度**: 通过设置定时任务，自动启动和停止云资源，以节省非工作时间的资源成本。
+- **存储优化**: 通过选择合适的存储类型（如GP3替代GP2），及时清理无用存储，合理分配存储空间来降低存储成本。
+
+---
+
+## 行动项
+
+- [ ] 评估现有云资源的使用情况，确定可以迁移到批准区域的资源。
+- [ ] 分析不同工作负载的资源需求，选择合适的实例类型，并进行成本效益分析。
+- [ ] 评估现有云资源的使用率，考虑购买承诺计划以降低成本。
+- [ ] 在研发环境中实施自动化调度，设置定时任务自动启动和停止实例。
+- [ ] 定期清理未使用的存储卷和快照，优化存储成本。
+
+---
+
+## 相关视频
+
+> [!info]+ 交叉引用
+> [[ctp-topic-XX-instance-types.md]] — 详细介绍不同实例类型的适用场景和成本效益。
+> [[ctp-topic-XX-ri-savings-plan.md]] — 深入讲解承诺计划的类型和选择策略。
+> [[ctp-topic-XX-scheduler-demo.md]] — 演示如何使用自动化调度工具来优化资源成本。
+
+
 ## 关键概念
 
 -

knowledgebase/DevOps & SRE/10_OpenText-Series/ctp-topic-30-managing-change.md

@@ -28,23 +28,41 @@ status: summarized
 
 ## 摘要
 
-> 本次分享是 SRE 职能负责人 Brendan Starnig 主持的"变更管理"专题，目标是统一 Cloud Transformation Program 中各团队对变更流程的认知，厘清 SRE 与支持团队的协作边界。核心内容包括：
->
-> **SRE 本质**：SRE 是用软件工程思维解决运维问题，任何重复性工作都应自动化，核心职责涵盖可用性、延迟、性能、变更管理、监控、应急响应、容量规划。SRE 与 DevOps 的关系是"SRE 是 DevOps 的特定实现并有所扩展"。
->
-> **变更分类**：Standard Change（预批准、全自动化）、Normal Change（需 CAB 审批、需变更窗口）、Emergency Change（快速响应以缓解 Incident）、CAPA（Post-mortem 回顾）。目标是尽可能将 Normal Change 归入 Standard Change 池。
->
-> **Cloud Transformation 三阶段**：Build & Setup（创建 Landing Zone 账户，最佳实践是 IaC + 不可变基础设施）→ Early Live Support（交接检查清单：SLO/SLR 定义、监控覆盖率、支持模型）→ BAU（进入正式变更管理流程）。
->
-> **事件与 Incident**：通过 SMACs + Teams Channel 接收告警，区分 Informational、Exception、Problem Management、Incident Management 四级响应。Incident 按 Severity 分级：Severity 1/2 为 Major Incident，需紧急协调；Severity 3/4 为 Degraded Service。
->
-> **服务请求**：通过 SMACs Service Request Portal → Public Cloud Operation Services 提交流程（新账户开通、权限申请等）。当前支持渠道：SRE Support Teams Channel 或直接联系 Brendan。
->
-> **下一步重点**：定义 SLR/SLO 体系并向产品团队定期汇报；推进 Change Record 自动化；探索 Self-healing 与机器学习驱动的监控自动化。
+本次会议由 Brendan Starnig 主讲，主要讨论了在云转型项目中如何管理变更，特别是在与 SRE（站点可靠性工程）团队和其他支持团队的交互方面。会议旨在提高大家对 SRE 角色、服务定义以及变更管理流程的认识，并确保所有参与者对相关流程和工具（如 PPM、SMACs 和 Octane）有统一的理解。
 
+会议涵盖了 SRE 的核心职责，强调了其在自动化重复性工作、提高系统可靠性和可测试性方面的作用。同时，会议还区分了不同类型的变更（标准变更、正常变更和紧急变更），并阐述了它们各自的处理流程。此外，会议还讨论了事件与事故的区别，以及在 SMACs 中如何区分和处理它们。
+
+最后，会议强调了在云转型项目中，SRE 团队与产品团队之间的协作，以及在不同阶段（构建和设置、早期上线支持和 BAU）如何与 SRE 团队进行交互。会议旨在确保所有参与者都清楚地了解变更管理流程，以及如何有效地利用 SRE 团队来支持云转型项目。
 
 ---
 
+## 关键概念
+
+- **SRE (站点可靠性工程)**: 通过软件工程的思维方式解决运维问题，核心在于自动化重复性工作，提高系统可靠性和可测试性。
+- **标准变更**: 预先批准的变更，不需要变更咨询委员会（CAB）的批准，应尽可能实现完全自动化。
+- **正常变更**: 包含一定风险或影响的变更，需要 CAB 批准，并可能需要跨团队协调。
+- **紧急变更**: 为了缓解事故并尽快恢复服务到期望状态而需要立即执行的变更。
+- **事件 vs. 事故**: 在 SMACs 中，事件是触发警报的低级别事件，而事故是超出计划外的服务中断或服务质量下降，对客户的影响较大。
+
+---
+
+## 行动项
+
+- [ ] 评估现有变更流程，识别可自动化并转化为标准变更的环节。
+- [ ] 明确各团队与 SRE 团队在不同阶段（构建、上线支持、BAU）的交互方式和责任范围。
+- [ ] 确保所有团队成员都了解并正确使用 PPM、SMACs 和 Octane 等工具进行变更、事件和任务管理。
+- [ ] 完善监控覆盖，确保所有关键服务和基础设施都得到充分监控，并定义明确的 SLO 和 SLI。
+- [ ] 建立清晰的事件响应和升级流程，确保问题能够及时得到解决。
+
+---
+
+## 相关视频
+
+> [!info]+ 交叉引用
+> [[ctp-topic-XX-incident-management.md]] — 讨论了事件管理流程，与本次会议中关于事件和事故的区分相关。
+> [[ctp-topic-XX-sre-practices.md]] — 深入探讨了 SRE 的实践方法，与本次会议中 SRE 的角色和职责相关。
+
+
 ## 关键概念
 
 - **SRE (Site Reliability Engineering)**: 用软件工程思维解决运维问题，追求可靠性、可测试性、可重复性，核心是打破运维与产品的壁垒

openclaw/wiki-ingest/status.md

@@ -0,0 +1,38 @@
+# Wiki Ingest Status
+
+## Last Updated
+2026-04-15 16:21 CST
+
+## Batch Progress
+- Total batches completed: 4
+- This batch: 3 docs ingested
+
+## Docs Ingested This Session
+1. The Picture They Paint of You ✅
+2. Never write another prompt ✅
+3. Useful Prompt Lib ✅
+
+## Sources Created
+- The Picture They Paint of You.md
+- Never write another prompt.md
+- Useful Prompt Lib.md
+
+## Concepts Created
+- Taylorism.md
+- Software Factory.md
+- AI工具命名框架.md
+- 提示词工程自动化.md
+- Prompt库.md
+- JSON转换.md
+
+## Next Batch Suggestions
+From raw/AI/:
+- Useful Prompt Lib ✅ (just done)
+- 一语点醒梦中人.md
+- 清华出的DeepSeek使用手册，104页，真的是太厉害了！（免费领取）.md
+- 系统提示词构建原则.md
+- 教學 ChatGPT 先做知識整理，再讓 Canva、 Gamma AI 輸出簡報.md
+
+From raw/Agent/:
+- n8n+Claude 通过自然语言自动化工作流.md
+- n8n full tutorial building AI agents in 2025 for Beginners!.md

wiki/concepts/AI产品经理.md

@@ -0,0 +1,35 @@
+---
+title: "AI产品经理"
+type: concept
+tags: [产品管理, AI工作流, 超级个体, 能力结构]
+last_updated: 2026-04-15
+---
+
+## Definition
+AI产品经理：掌握将大模型嵌入工作流以产生实际价值的产品经理，而非浅尝辄止的豆包用户。核心能力是 [[精准表达]] 和 [[结构化思维]]，而非大模型 API 调用技术。
+
+## 能力要求
+- 能掌握大模型（深度使用），而非仅浅尝辄止
+- 能把大模型"嵌入"工作流，产生实际价值
+- 掌握 FeatureList 共创、PRD 自动生成、Mermaid 逻辑图等 AI 协作方法
+- 具备市场洞察（产品经理最稀缺也最重要的能力）
+
+## 核心洞察
+- 大模型是"知识渊博但不带脑子的苦工"，表述越准、执行越准
+- AI 是横向扩展工具，非充分条件：[[超级个体]] 本就具备把事情做对的能力
+- 不能把时代新东西嵌入自己的工作者，会被淘汰
+- AI进化速度超出预期，量变到质变在多个细分场景中悄然发生
+
+## 与超级个体的关系
+- [[超级个体]] = 某领域做到八九十分 + AI 放大横向扩展能力
+- 本身只能做到六十分的人：被工具化，嵌入 AI 流程，而非真正用好 AI
+- 市场洞察力 = 产品经理最稀缺最重要的能力，AI 时代此能力更重要
+
+## Connections
+- [[不会Gemini的产品经理真的要被淘汰了]] ← 来源
+- [[FeatureList]] ← 核心工具
+- [[PRD自动生成]] ← 核心工具
+- [[超级个体]] ← 相关概念
+- [[精准表达]] ← 核心能力
+- [[结构化思维]] ← 核心能力
+- [[Gemini]] ← 主要工具

wiki/concepts/AI工作流自动生成.md

@@ -26,4 +26,4 @@ last_updated: 2026-04-15
 ## Connections
 - [[n8n]]：目标工作流平台
 - [[Claude]]：生成执行方
-- [[n8n-mcp]]：桥接工具
+- [[n8n mcp]]：桥接工具

wiki/concepts/AI工具命名框架.md

@@ -0,0 +1,28 @@
+---
+title: "AI工具命名框架"
+type: concept
+tags: [ai, product, social-cognition]
+---
+
+## Definition
+AI工具命名框架指 AI 产品的名称、话语和营销策略如何折射并强化社会对特定职业的认知。研究以 AI SRE 和编码助手为例，揭示命名差异背后的价值判断。
+
+## Two Contrasting Frameworks
+| 维度 | AI SRE 框架 | 编码助手框架 |
+|------|------------|------------|
+| 定位 | 替代者/消除者 | 协作者/增强者 |
+| 人名命名 | 极少数（Cleric） | 普遍（Claude、Cline） |
+| 核心话语 | "消除负担""救火" | "增强能力""赋予控制" |
+| 目标受众 | 买家（管理者） | 员工+买家 |
+| 隐含价值 | 低估 SRE 工作价值 | 尊重工程师创造力 |
+
+## Social Implications
+- 命名差异反映了买卖双方对职业价值的社会认知分裂
+- 当工具被定位为替代时，只需要与管理者对话
+- 当工具被定位为协作者时，需要同时说服员工和雇主
+- 接受某种框架 = 在社会层面放大该框架并赋予其合法性
+
+## Connections
+- [[Taylorism]] ← 理论基础 ← AI SRE 框架本质是泰勒制的职业替代观
+- [[超级个体]] ← 对立 ← 超级个体强调人的价值，AI工具命名框架低估人的价值
+- [[AI产品经理]] ← 关联 ← AI产品经理的命名和定位同样反映其职业认知

wiki/concepts/AI技能封装.md

@@ -1,34 +1,27 @@
 ---
-id: AI技能封装
 title: "AI技能封装"
 type: concept
-tags: [AI, 工作流]
-sources: []
-last_updated: 2026-04-15
+tags: [ai, skill, workflow]
 ---
 
-# AI技能封装
-
 ## Definition
-AI 技能封装（AI Skills）是将反复执行、有固定流程的任务，拆解为 AI 能理解、能稳定复用、能自动执行的结构化流程的方法论。
+AI 技能封装（AI Skill Encapsulation）是将固定流程任务拆解为 AI 可理解、可复用、可自动执行的结构化流程的方法论。
 
-## Parent Concept
-- [[流程工程]]
+## Core Mechanism
+1. 识别反复执行且有固定流程的任务
+2. 将流程拆解为 AI 能理解的步骤
+3. 编写 Skill.md（说明书 + SOP）
+4. AI 依据 Skill 稳定复用流程
 
-## Description
-Skills = 说明书 + SOP（标准作业程序）。核心是把人类经验转化为 AI 可操作的标准化流程，实现从"一次性的 Prompt"到"可复用的 Skill"的跃迁。
+## Key Properties
+- 可理解：结构化描述，非模糊自然语言
+- 可复用：同一 Skill 可多次触发相同结果
+- 可自动执行：无需人工干预即可完成全流程
 
-## Key Components
-1. **Prompt Structure**：结构化指令，包含输入约束、输出格式、容错策略
-2. **Process Flow**：可执行的工作流步骤
-3. **Validation**：输出质量验证机制
-
-## Examples
-- 办公自动化：Word/PDF/PPT/Excel 操控
-- 开发者工具箱：MCP Server、Web 测试、Artifacts 构建
-- 创意类：算法艺术、Canvas 设计、主题生成
+## Relationship to Prompt Engineering
+提示词工程优化单次输出质量，技能封装优化整套流程的稳定性与可复用性。
 
 ## Connections
-- [[Claude-Skills-研究范式]] ← 实例 ← [[AI技能封装]]
-- [[Anthropic]] ← 发布方 ← [[AI技能封装]]
-- [[Vibe-Kanban]] ← 应用场景 ← [[AI技能封装]]
+- [[流程工程]] ← 上位概念
+- [[Claude Skills]] ← 具体实现
+- [[Anthropic Skills 官方库]] ← 资源来源

wiki/concepts/Agentic AI.md

@@ -25,8 +25,8 @@ last_updated: 2026-04-15
 - [[LLM]]：Agentic AI 的"大脑"，提供推理能力
 
 ## Related Concepts
-- [[AI-Agent-设计原则]]：透明度、控制感、个性化、对话、预判
-- [[Multi-Agent-Hierarchy]]：多 Agent 协作架构之一
+- [[AI Agent 设计原则]]：透明度、控制感、个性化、对话、预判
+- [[Multi Agent Hierarchy]]：多 Agent 协作架构之一
 
 ## Aliases
 - AI Agent

wiki/concepts/FeatureList.md

@@ -0,0 +1,27 @@
+---
+title: "FeatureList"
+type: concept
+tags: [产品管理, 需求管理, AI辅助]
+last_updated: 2026-04-15
+---
+
+## Definition
+FeatureList：分层级展开的需求表，用于需求创意阶段与 AI 共创。与传统脑图本质相同，核心关注三方面：（1）功能模块分层分类合理性；（2）细分功能点全面性与划分合理性；（3）每个功能点的优先级评估合理性。
+
+## AI协作方法
+1. 提供 FeatureList 表头模板（功能模块/功能点/优先级/备注）
+2. 用自然语言描述业务场景和核心功能模块划分
+3. 让 Gemini 生成第一版 FL
+4. 回答 Gemini 的关键业务问题
+5. 指出遗漏层级或缺失字段，迭代至终版
+
+## AI协作要点
+- FeatureList = 想，PRD = 写；大模型只负责写，不负责想
+- Gemini 处理表格可能出错（格式丢失、制表符文本），可用 Google 表格导出解决
+- 调教方式：严厉指出错误，大模型不需要情绪价值
+
+## Connections
+- [[PRD自动生成]] ← 下游输出
+- [[结构化思维]] ← 核心能力要求
+- [[Gemini]] ← 主要工具
+- [[不会Gemini的产品经理真的要被淘汰了]] ← 来源

wiki/concepts/Multi Agent Adversarial Debate.md

@@ -32,7 +32,7 @@ last_updated: 2026-04-15
 LLM 在被威胁时可能撒谎以取悦用户，而非真正提升质量。Debate 模式通过第三方裁判打破此倾向。
 
 ## Related Concepts
-- [[Multi-Agent-Hierarchy]]：层级验证模式
-- [[Multi-Agent-Consensus]]：投票共识模式
-- [[Multi-Agent-Knock-out]]：淘汰制模式
+- [[Multi Agent Hierarchy]]：层级验证模式
+- [[Multi Agent Consensus]]：投票共识模式
+- [[Multi Agent Knock out]]：淘汰制模式
 - [[Sycophancy]]：阿谀倾向，LLM 的固有缺陷

wiki/concepts/Multi Agent Consensus.md

@@ -32,6 +32,6 @@ last_updated: 2026-04-15
 - 高可靠性要求的输出验证
 
 ## Related Concepts
-- [[Multi-Agent-Hierarchy]]：另一种多 Agent 协作模式
-- [[Multi-Agent-Adversarial-Debate]]：对抗式架构
-- [[Multi-Agent-Knock-out]]：淘汰制架构
+- [[Multi Agent Hierarchy]]：另一种多 Agent 协作模式
+- [[Multi Agent Adversarial Debate]]：对抗式架构
+- [[Multi Agent Knock out]]：淘汰制架构

wiki/concepts/Multi Agent Hierarchy.md

@@ -28,6 +28,6 @@ Planner → Worker → Validator
 - **缺点**：顺序执行，速度慢，成本高
 
 ## Related Concepts
-- [[Multi-Agent-Consensus]]：另一种多 Agent 可靠性模式
-- [[Multi-Agent-Adversarial-Debate]]：对抗式架构
-- [[Multi-Agent-Knock-out]]：淘汰制架构
+- [[Multi Agent Consensus]]：另一种多 Agent 可靠性模式
+- [[Multi Agent Adversarial Debate]]：对抗式架构
+- [[Multi Agent Knock out]]：淘汰制架构

wiki/concepts/Multi Agent Knock out.md

@@ -31,7 +31,7 @@ last_updated: 2026-04-15
 - 调试阶段，不适合生产环境和大用户负载
 
 ## Related Concepts
-- [[Multi-Agent-Hierarchy]]：层级验证模式
-- [[Multi-Agent-Consensus]]：投票共识模式
-- [[Multi-Agent-Adversarial-Debate]]：对抗辩论模式
+- [[Multi Agent Hierarchy]]：层级验证模式
+- [[Multi Agent Consensus]]：投票共识模式
+- [[Multi Agent Adversarial Debate]]：对抗辩论模式
 - [[遗传算法]]：本模式借鉴的经典 ML 方法

wiki/concepts/Nano Banana.md

@@ -0,0 +1,29 @@
+---
+title: "Nano Banana"
+type: concept
+tags: [ai, prompt, google, image-generation]
+---
+
+## Definition
+Nano Banana 是 Google 发布的结构化图像生成提示词框架，通过 9 个标准化字段将创意描述转化为机器可执行参数，实现提示词的可复用性和可组合性。
+
+## Framework Fields
+| 字段 | 作用 | 示例 |
+|------|------|------|
+| shot | 镜头类型和构图 | Macro close-up shot, square aspect ratio |
+| subject | 主体描述（物件/人物） | A luxury men's chronograph watch |
+| environment | 环境背景 | Dark textured slate rock, out-of-focus gradient |
+| lighting | 照明设置 | Studio softbox, key light from top-left |
+| camera | 摄像机参数 | 100mm macro lens, f/8, 45-degree angle |
+| color_grade | 调色风格 | High contrast, clean and commercial |
+| style | 整体风格 | Hyper-realistic CGI render |
+| quality | 质量要求 | 8K resolution, perfect material shaders |
+| negatives | 负向提示词 | no scratches, no dust, no logos |
+
+## Why "Negatives" Matters
+negatives 字段是质量控制的关键：明确告诉模型"不要什么"，避免常见生成缺陷（模糊、水印、logo 等）。
+
+## Connections
+- [[结构化提示词]] ← 框架类型
+- [[负向提示词]] ← 关键机制
+- [[Google]] ← 发布方

wiki/concepts/PRD自动生成.md

@@ -0,0 +1,31 @@
+---
+title: "PRD自动生成"
+type: concept
+tags: [产品管理, AI辅助, 文档自动化]
+last_updated: 2026-04-15
+---
+
+## Definition
+PRD自动生成：基于 FeatureList（需求框架）和 Mermaid（逻辑图）由 AI 分页面口述生成需求文档的工作流。核心原则：分页面逐一描述、模板 + 调教、HTML 原型同步生成。
+
+## Workflow
+1. **FeatureList 共创**：与 Gemini 构思需求框架（见 [[FeatureList]]）
+2. **Mermaid 逻辑图**：ER 图（数据结构）、泳道图（工作流）、时序图、甘特图
+3. **分页面口述 PRD**：
+   - 一个页面一个页面描述，复杂页面拆成几个状态
+   - 提供 PRD 写作指南 + 示例文档作为模板
+   - 逐版指出遗漏的交互细节和格式问题
+4. **HTML 原型生成**：Gemini 同步输出 HTML 代码，逐步生成后组合
+5. **差量维护**：需求迭代时，将旧 HTML 丢给 Gemini，描述修改内容即可
+
+## Key Principles
+- 分页面逐一描述：保持任务难度在 Gemini 胜任范围内
+- 模板 + 调教：给规范文档和示例，让 AI 学习风格
+- 直接指出错误：三句话带出一个文档写得好的"AI下属"
+
+## Connections
+- [[FeatureList]] ← 上游输入
+- [[Mermaid]] ← 图形支持
+- [[Gemini]] ← 主要工具
+- [[精准表达]] ← 调教基础
+- [[不会Gemini的产品经理真的要被淘汰了]] ← 来源

wiki/concepts/Software-Factory.md

@@ -0,0 +1,20 @@
+---
+title: "Software Factory"
+type: concept
+tags: [automation, ai, software-engineering]
+---
+
+## Definition
+Software Factory（软件工厂）是一种 AI 编程框架，其中高层控制器协调大量无面孔的 AI 代理，每个代理承担特定任务，人从"协作者"转变为"控制者"。
+
+典型代表：StrongDM 试验无需人工审查的代码、Outcome Engineering Manifesto 暗示的未来是成为大型代理群的高级控制器。
+
+## Key Characteristics
+- 人扮演产品经理角色，整个开发团队被抽象为更深层次的 AI 代理层级
+- 代码生成后无需人工 review（存在争议）
+- 强调控制而非协作
+
+## Connections
+- [[Taylorism]] ← 理论来源 ← 软件工厂是泰勒制在 AI 编程领域的应用
+- [[Vibe Coding]] ← 对立 ← Vibe Coding 强调人机协作，软件工厂强调替代
+- [[Claude Code]] ← 对比 ← Claude Code 走协作者路线，软件工厂走控制路线

wiki/concepts/Source Grounding.md

@@ -0,0 +1,25 @@
+---
+title: "Source Grounding"
+type: concept
+tags: [ai, rag, hallucination-prevention]
+---
+
+## Definition
+Source Grounding（源 grounding）是一种将 AI 回答严格锚定在用户提供的可信文档中的机制，确保回答仅基于给定材料，消除幻觉。
+
+## Core Mechanism
+NotebookLM 的知识库严格限制为用户上传的文档。AI 回答时：
+1. 仅检索用户文档中的相关段落
+2. 每个答案附带精确引文（指向原文）
+3. 用户可点击引文跳转到原文确认
+
+## Why It Matters
+传统 LLM（GPT-4、Claude 等）依赖自身参数知识，存在幻觉风险。Source Grounding 通过强制锚定到可信文档，将错误率降至最低。
+
+## Relationship to RAG
+RAG（Retrieval-Augmented Generation）也是一种 grounding 机制，但通常在开放域中检索。Source Grounding 是更严格的版本——仅限用户明确提供的文档。
+
+## Connections
+- [[NotebookLM]] ← 典型实现
+- [[RAG]] ← 上位概念
+- [[引文追溯]] ← 机制保障

wiki/concepts/Source-Grounding.md

@@ -1,30 +0,0 @@
----
-id: Source-Grounding
-title: "Source-Grounding"
-type: concept
-tags: [AI, RAG, 知识管理]
-sources: []
-last_updated: 2026-04-15
----
-
-# Source-Grounding
-
-## Definition
-Source-Grounding 是一种 AI 回答质量控制机制，严格将 AI 知识库限制为用户上传的文档，确保每个回答都直接溯源至原文，拒绝生成不可验证的推测性内容。
-
-## Description
-NotebookLM 的核心机制。与传统 RAG（Retrieval-Augmented Generation）不同，Source-Grounding 不依赖外部知识库，而是以用户提供的文档作为唯一事实来源，从根本上消除幻觉（Hallucination）问题。
-
-## Key Properties
-1. **知识边界清晰**：AI 仅能访问上传文档，无法访问外部信息
-2. **引文强制**：每个回答必须附带原文引文，可点击跳转验证
-3. **准确性优先**：以牺牲通用性换取可信度，适用于法律、医学、项目文档等高精度场景
-
-## Related Concepts
-- [[AI知识库]]：依赖外部知识检索，存在幻觉风险
-- [[RAG]]：检索增强生成，但依赖广泛语料库
-- [[被动学习]]：Source-Grounding 使被动学习成为可能
-
-## Connections
-- [[NotebookLM]] ← 实现方 ← [[Source-Grounding]]
-- [[引文追溯]] ← 关键特性 ← [[Source-Grounding]]

wiki/concepts/Taylorism.md

@@ -0,0 +1,24 @@
+---
+title: "Taylorism"
+type: concept
+tags: [management, productivity, automation]
+---
+
+## Definition
+Taylorism（泰勒制）是一种以效率为中心的科学管理方法，由 Frederick Winslow Taylor 提出，核心思想是将工作分解为最小可执行单元并标准化，以最大化劳动生产率。
+
+在 AI 时代，泰勒制被类比到软件工程自动化，形成"软件工厂"框架——人只需做高层控制者，协调大量 AI 代理执行具体任务。
+
+## Key Principles
+- 工作分解为最小单元并标准化
+- 强调效率与控制，而非人的创造力和判断力
+- 管理者的职责是规划与控制，执行者的职责是按指令操作
+
+## Connections
+- [[AI工具命名框架]] ← 对立 ← Taylorism 将人视为可替代的执行单元
+- [[Vibe Coding]] ← 对立 ← Vibe Coding 强调人的主导地位和创造力
+- [[超级个体]] ← 对立 ← 超级个体强调人的价值而非替代
+- [[软件工厂]] → 实践案例 → Taylorism 在 AI 编程领域的具体应用
+
+## Reflections
+类比既是杠杆，也是束缚。当人们用泰勒制的框架理解 AI 自动化时，就会用"效率""控制""替代"的逻辑来设计工具，而非考虑如何增强人的能力和价值。

wiki/concepts/Vibe Coding.md

@@ -30,7 +30,7 @@ Vibe Coding = 规划驱动 + 上下文固定 + AI 结对执行，让「从想法
 - [[Claude Code]]
 
 ## 资源
-- [[vibe-coding-cn]]：中文开发者资源库
+- [[vibe coding cn]]：中文开发者资源库
 
 ## 关联
 - [[AI编程]] ← 范畴

wiki/concepts/Workspace.md

@@ -11,12 +11,12 @@ OpenClaw 中 Agent 的工作台目录（默认路径 `~/.openclaw/workspace/`）
 ## 核心文件组成
 | 文件 | 职责 | 类型 |
 |------|------|------|
-| [[AGENTS.md]] | 岗位职责说明书 | 功能性 |
-| [[SOUL.md]] | 性格档案 | 人格性 |
-| [[USER.md]] | 用户偏好固化 | 上下文 |
-| [[TOOLS.md]] | 工具权限规范 | 安全性 |
-| [[IDENTITY.md]] | 结构化身份元数据 | 元数据 |
-| [[BOOTSTRAP.md]] | 一次性初始化引导 | 引导 |
+| AGENTS.md | 岗位职责说明书 | 功能性 |
+| SOUL.md | 性格档案 | 人格性 |
+| USER.md | 用户偏好固化 | 上下文 |
+| TOOLS.md | 工具权限规范 | 安全性 |
+| IDENTITY.md | 结构化身份元数据 | 元数据 |
+| BOOTSTRAP.md | 一次性初始化引导 | 引导 |
 | memory/ | 长期记忆目录 | 持久化 |
 
 ## 与 agentDir 的区别
@@ -30,6 +30,6 @@ OpenClaw 中 Agent 的工作台目录（默认路径 `~/.openclaw/workspace/`）
 让 Agent 从"每次重新 onboarding"转变为"记得上下文、偏好和历史"的长期搭档。
 
 ## Connections
-- [[Workspace]] ← 组成部分 ← [[AGENTS.md]] + [[SOUL.md]] + [[USER.md]] + [[TOOLS.md]] + [[IDENTITY.md]] + [[BOOTSTRAP.md]] + [[长期记忆]]
+- [[Workspace]] ← 组成部分 ← AGENTS.md + SOUL.md + USER.md + TOOLS.md + IDENTITY.md + BOOTSTRAP.md + [[长期记忆]]
 - [[Workspace]] ← 属于 ← [[OpenClaw]]
 - [[长期记忆]] ← 承载 ← [[Workspace]]

wiki/concepts/Y Combinator.md

@@ -0,0 +1,22 @@
+---
+title: "Y Combinator"
+type: concept
+tags: [cs, lambda-calculus, recursion]
+---
+
+## Definition
+Y Combinator（不动点组合子）是 λ-calculus 中的标准递归机制：Y ≡ λf.(λx.f(x,x))(λx.f(x,x))，满足 Y f = f (Y f)。
+
+## In Self-Optimizing Systems
+在自递归优化生成系统中，稳定生成能力 G* 可表达为：
+G* = Y STEP
+其中 STEP ≡ λG. M(G, O(G(I), Ω))
+
+验证：STEP G* = M(G*, O(G*(I), Ω)) = G*（由固定点定义）
+
+## Core Insight
+Y Combinator 使无名字函数获得自参照能力，从而表达递归的生成器更新。
+
+## Connections
+- [[固定点]] ← 数学对应
+- [[自递归优化生成系统]] ← 应用场景

wiki/concepts/baoyu-imagine.md

@@ -0,0 +1,35 @@
+---
+title: "baoyu-imagine"
+type: concept
+tags: [Claude Code, 图像生成, 多服务商, baoyu]
+last_updated: 2026-04-15
+---
+
+## Definition
+baoyu-imagine：宝玉发布的 Claude Code 图像生成 Skill，支持 OpenAI、Azure OpenAI、Google、OpenRouter、DashScope（阿里通义万相）、MiniMax、即梦（Jimeng）、豆包（Seedream）、Replicate 共 9 家服务商，自动检测可用 API Key 并选择最优服务商。
+
+## Supported Providers
+| 服务商 | 主要模型 | 特色 |
+|--------|---------|------|
+| OpenAI | gpt-image-1.5 | 参考图支持 |
+| Google | gemini-3-pro-image-preview | 高质量预览 |
+| DashScope | qwen-image-2.0-pro | 21:9 横幅、中文排版 |
+| MiniMax | image-01 / image-01-live | 参考图（subject_reference） |
+| 即梦 | jimeng_t2i_v40 | 中文生成 |
+| 豆包 | doubao-seedream-5.0 | 参考图（5.0/4.5/4.0） |
+| Replicate | google/nano-banana-pro | 多服务商汇聚 |
+| Azure OpenAI | 部署名（非模型名） | 企业用户 |
+| OpenRouter | google/gemini-3.1-flash | 多模型聚合 |
+
+## Key Features
+- 自动服务商选择（指定 --ref 时依次尝试 Google → OpenAI → ...）
+- 参考图支持（Google/OpenAI/DashScope/MiniMax/Seedream）
+- 批量模式：--batchfile + --jobs 并发生成
+- 自定义尺寸（--size）和宽高比（--ar）
+- 2K 分辨率（--quality 2k）
+
+## Connections
+- [[宝玉]] ← 作者
+- [[Claude Code]] ← 运行时
+- [[baoyu-skills-claude-code技能集]] ← 所属 Skill 集
+- [[AI生成技能]] ← Skill 类别

wiki/concepts/baoyu-infographic.md

@@ -0,0 +1,42 @@
+---
+title: "baoyu-infographic"
+type: concept
+tags: [Claude Code, baoyu, 信息图, 内容生成]
+last_updated: 2026-04-15
+---
+
+## Definition
+baoyu-infographic：宝玉发布的专业信息图生成 Skill，20 种信息布局 × 17 种视觉风格组合，分析内容后推荐最优布局×风格组合，生成可发布的专业信息图。
+
+## Layouts（20种）
+| 布局 | 适用场景 |
+|------|---------|
+| bridge | 问题→解决方案、跨越鸿沟 |
+| circular-flow | 循环、周期性流程 |
+| comparison-table | 多因素对比 |
+| do-dont | 正确 vs 错误做法 |
+| equation | 公式分解、输入→输出 |
+| feature-list | 产品功能、要点列表 |
+| fishbone | 根因分析、鱼骨图 |
+| funnel | 转化漏斗、筛选过程 |
+| grid-cards | 多主题概览、卡片网格 |
+| iceberg | 表面 vs 隐藏层面 |
+| journey-path | 用户旅程、里程碑 |
+| layers-stack | 技术栈、分层结构 |
+| mind-map | 头脑风暴、思维导图 |
+| nested-circles | 影响层级、范围圈 |
+| priority-quadrants | 四象限矩阵、优先级 |
+| pyramid | 层级金字塔、马斯洛需求 |
+| scale-balance | 利弊权衡、天平对比 |
+| timeline-horizontal | 历史、时间线事件 |
+| tree-hierarchy | 组织架构、分类树 |
+| venn | 重叠概念、韦恩图 |
+
+## Styles（17种）
+craft-handmade（默认）、claymation、kawaii、storybook-watercolor、chalkboard、cyberpunk-neon、bold-graphic、aged-academia、corporate-memphis、technical-schematic、origami、pixel-art、ui-wireframe、subway-map、ikea-manual、knolling、lego-brick
+
+## Connections
+- [[宝玉]] ← 作者
+- [[Claude Code]] ← 运行时
+- [[内容技能]] ← Skill 类别
+- [[baoyu-skills-claude-code技能集]] ← 所属 Skill 集

wiki/concepts/内容技能.md

@@ -0,0 +1,31 @@
+---
+title: "内容技能"
+type: concept
+tags: [Claude Code, 内容生成, baoyu, 工具技能]
+last_updated: 2026-04-15
+---
+
+## Definition
+内容技能（Content Skills）：baoyu-skills 中负责内容生成和发布的 Skill 子类，覆盖从小红书信息图到微信公众号发布的完整内容创作链路。
+
+## Skill Map
+| Skill | 功能 | 核心维度 |
+|-------|------|---------|
+| [[baoyu-xhs-images]] | 小红书信息图 | 风格(9) × 布局(6) |
+| [[baoyu-infographic]] | 专业信息图 | 布局(20) × 风格(17) |
+| [[baoyu-cover-image]] | 文章封面图 | 类型(6) × 配色(9) × 渲染(6) × 文字(5) × 氛围(3) |
+| [[baoyu-slide-deck]] | 幻灯片生成 | 纹理 × 氛围 × 字体 × 密度（4 维度，16 预设） |
+| [[baoyu-comic]] | 知识漫画 | 画风(5) × 基调(8)，3 个预设（ohmsha/wuxia/shoujo） |
+| [[baoyu-article-illustrator]] | 文章插图 | 类型(6) × 风格(8) |
+| baoyu-post-to-x | X (Twitter) 发布 | 文字/图片帖子 / X 文章（Markdown） |
+| baoyu-post-to-wechat | 微信公众号发布 | 贴图模式 / 文章模式（Markdown/HTML） |
+| baoyu-post-to-weibo | 微博发布 | 文字+图片视频 / 头条文章 |
+
+## Design Pattern
+内容技能 = 风格预设系统 + 布局/维度系统 + 质量预设，通过参数组合实现高度定制化，同时保持零配置即装即用的可用性。
+
+## Connections
+- [[baoyu-skills-claude-code技能集]] ← 所属 Skill 集
+- [[宝玉]] ← 开发者
+- [[Claude Code]] ← 运行时
+- [[AI技能封装]] ← 方法论基础

wiki/concepts/固定点.md

@@ -0,0 +1,21 @@
+---
+title: "固定点"
+type: concept
+tags: [math, theory, recursion]
+---
+
+## Definition
+固定点（Fixed Point）是数学中满足 f(x*) = x* 的点 x*，在自递归优化系统中对应系统达到稳态的生成能力。
+
+## In Self-Optimizing Generative Systems
+- 自映射 Φ: G → G 的不动点 G* 满足 Φ(G*) = G*
+- G* 是自洽的：其输出已编码自身改进所需的标准
+- 收敛性条件：Φ 满足连续性或收缩性时，可通过迭代获得 G*
+
+## Relationship to Y Combinator
+Y Combinator 是不动点组合子：Y f = f (Y f)
+在自递归系统中：G* = Y STEP，其中 STEP ≡ λG. M(G, O(G(I), Ω))
+
+## Connections
+- [[自递归优化生成系统]] ← 应用场景
+- [[Y Combinator]] ← 形式化工具

wiki/concepts/提示词工程自动化.md

@@ -0,0 +1,19 @@
+---
+title: "提示词工程自动化"
+type: concept
+tags: [prompt-engineering, automation]
+---
+
+## Definition
+提示词工程自动化指通过专用工具将简单的描述性输入自动转化为结构化、高质量的提示词输出。
+
+## Key Benefits
+- 降低提示词工程门槛，非专业人员也能生成专业级提示词
+- 显著降低成本（专业提示词服务 100-500 美元/个）
+- 支持变量实现高度定制化
+- 可保存复用，长期效率提升
+
+## Connections
+- [[Prompt工程]] ← 依赖 ← 自动化降低工程复杂度
+- [[AI工作流自动生成]] ← 协同 ← 提示词自动化是工作流的数据输入
+- [[Claude Code]] ← 对比 ← 两者都提升 AI 使用效率

wiki/concepts/流程工程.md

@@ -1,32 +1,23 @@
 ---
-id: 流程工程
 title: "流程工程"
 type: concept
-tags: [AI, 工程方法论]
-sources: []
-last_updated: 2026-04-15
+tags: [ai, workflow, engineering]
 ---
 
-# 流程工程
-
 ## Definition
-流程工程（Process Engineering / Workflow Engineering）是一种 AI 应用开发新范式，强调从"提示词工程"进化到将经验沉淀为 SOP、再将 SOP 交给 AI 稳定执行的方法论。
+流程工程（Process Engineering）是将人类经验与业务知识沉淀为标准化操作流程（SOP），再交由 AI 稳定执行的工程化方法论。
 
-## Parent Concept
-- AI 应用工程
+## Core Claim
+"未来真正有价值的，不是谁的 Prompt 写得最花，而是谁最懂业务流程、谁能把经验沉淀为 SOP、谁能把 SOP 交给 AI 稳定执行。"
 
-## Description
-Claude Skills 的爆发标志着从"提示词工程"（Prompt Engineering）迈向"流程工程"（Process Engineering）的范式转移。核心转变：
-- **提示词工程**：优化单次 Prompt 效果
-- **流程工程**：将经验封装为可复用的标准化工作流
+## Distinction from Traditional Software Engineering
+- 传统软件工程：代码即产品
+- 流程工程：流程描述即产品，AI 为执行者
 
-## Key Principles
-1. **SOP First**：先建立标准作业程序，再交给 AI 执行
-2. **Verification Loop**：内置输出质量验证机制
-3. **Composability**：Skills 可组合、可堆叠
-4. **Domain Knowledge Encapsulation**：将领域专家知识结构化封装
+## Relationship to Skills
+Skill 是流程工程的最小单元。一个 Skill = 一个完整的 SOP + 触发条件 + 边界处理。
 
 ## Connections
-- [[AI技能封装]] ← 核心方法 ← [[流程工程]]
-- [[Claude-Skills-研究范式]] ← 典型案例 ← [[流程工程]]
-- [[Vibe-Kanban]] ← 应用载体 ← [[流程工程]]
+- [[AI技能封装]] ← 实施手段
+- [[Claude Skills]] ← 标准化格式
+- [[Vibe Coding]] ← 应用场景

wiki/concepts/自递归优化生成系统.md

@@ -0,0 +1,33 @@
+---
+title: "自递归优化生成系统"
+type: concept
+tags: [ai, theory, recursion, self-improvement]
+---
+
+## Definition
+自递归优化生成系统（Recursive Self-Optimizing Generative System）是一种通过递归循环实现自我改进的 AI 框架，其核心是 α-提示词（生成器 G）、Ω-提示词（优化器 O）和元生成器（M）三者之间的自映射关系。
+
+## Core Mechanism
+```
+P = G(I)           // 生成阶段：生成器 G 产生提示词 P
+P* = O(P, Ω)       // 优化阶段：优化器 O 依据理想目标 Ω 优化 P
+G' = M(G, P*)      // 更新阶段：元生成器 M 用优化产物更新 G
+```
+
+自映射函数：Φ(G) = M(G, O(G(I), Ω))
+
+## Fixed-Point Semantics
+- 稳定生成能力 = Φ 的固定点 G*：Φ(G*) = G*
+- 当 Φ 满足连续性或收缩性条件时：G* = lim_{n→∞} Φ^n(G_0)
+- 自参照结构可表达为：G* = Y STEP（Y Combinator）
+
+## Self-Bootsrapping Loop
+1. Bootstrap：用 AI 生成 α 和 Ω 的初始版本
+2. Self-Correction：Ω 优化 α，得到更强大的 α
+3. Generation：用进化后的 α 生成所有目标提示词
+4. Recursive Loop：将产物反馈系统，启动下一轮进化
+
+## Connections
+- [[固定点]] ← 数学基础
+- [[Y Combinator]] ← 形式化工具
+- [[Claude Skill Generator Pattern]] ← 实践对应

wiki/concepts/被动学习.md

@@ -1,28 +1,20 @@
 ---
-id: 被动学习
 title: "被动学习"
 type: concept
-tags: [AI, 学习方法]
-sources: []
-last_updated: 2026-04-15
+tags: [learning, productivity, ai]
 ---
 
-# 被动学习
-
 ## Definition
-被动学习（Passive Learning）指利用 Audio Overviews 等 AI 生成的语音内容，在开车、健身、家务等动手或注意力分散的场景中，以"听"的方式消费原本需要阅读才能获取的复杂信息。
+被动学习（Passive Learning）指在碎片时间（如通勤、运动、做家务）通过 Audio Overviews 等方式消费复杂信息，而非主动阅读。
 
-## Description
-NotebookLM 的 Audio Overviews 功能将文档转化为双人 AI 对话播客，用户可设置风格（Deep Dive/Brief/Critique/Debate），在碎片化时间实现深度内容消费。
+## Core Mechanism
+NotebookLM Audio Overviews 将文档转化为双 AI 主持人播客式讨论，用户可设置风格（Deep Dive/Brief/Critique/Debate），在碎片时间"听"完整内容。
 
-## Key Characteristics
-- **场景适配**：适合无法使用视觉/双手的学习场景
-- **内容压缩**：将长篇文档压缩为对话式摘要，提升信息密度
-- **对话拟真**：双 AI 主播模拟讨论，增加学习趣味性
-
-## Related Concepts
-- [[Source-Grounding]]：确保被动学习内容的准确性
-- [[Audio-Overviews]]：实现工具
+## Advantage over Active Reading
+- 打破"信息囤积"困境（Read Later → Never Read）
+- 碎片时间利用：通勤 1 小时 = 听完一篇长论文
+- 适合不擅长主动阅读的学习者
 
 ## Connections
-- [[NotebookLM]] ← 场景 ← [[被动学习]]
+- [[NotebookLM]] ← 工具实现
+- [[Source Grounding]] ← 质量保障

wiki/concepts/负向提示词.md

@@ -0,0 +1,27 @@
+---
+title: "负向提示词"
+type: concept
+tags: [ai, prompt, image-generation]
+---
+
+## Definition
+负向提示词（Negative Prompt）是一种明确指定 AI 生成过程中需要排除的特征或元素的提示词策略。
+
+## Mechanism
+在图像生成中，negatives 字段告诉模型"不要生成这些内容"：
+- 避免常见缺陷：blur、noise、watermark、logo
+- 排除不需要的元素：human hands、text、distortion
+- 控制风格纯度：no unrealistic lighting、no cartoon style
+
+## In Nano Banana Framework
+Nano Banana 的 negatives 字段是质量控制关键：
+```json
+"negatives": "no scratches, no dust, no logos or brand names, no human hands, blurry watch face"
+```
+
+## Why It Matters
+不写 negatives = 让 AI 自由发挥，容易混入不需要的元素。明确的 negatives = 质量门槛。
+
+## Connections
+- [[Nano Banana]] ← 框架实现
+- [[结构化提示词]] ← 上位概念

wiki/concepts/超级个体.md

@@ -0,0 +1,26 @@
+---
+title: "超级个体"
+type: concept
+tags: [AI, 个人效率, 能力结构, 超级个体]
+last_updated: 2026-04-15
+---
+
+## Definition
+超级个体：在某个领域能做到八九十分的个体，通过 AI 放大横向扩展能力，同时在多个领域拉到六七十分。核心成因不是 AI，而是本就掌握"把事情做对"的方法和能力（提问能力、模糊信息判断能力、模块化/流程化能力）。
+
+## Key Claims
+- 超级个体的成因 = 方法论能力（内因）+ AI 工具（外因），AI 是充分条件而非必要条件
+- 没有方法论能力的人：被工具化，嵌入 AI 流程，而非真正用好 AI
+- [[AI产品经理]] 的案例：某 HRBP 观察到，能用好 AI 的人本来就具备高效做事的底层能力
+
+## 与 AI 的关系
+- AI 浪潮 = 超级个体的放大器，而非平庸者的救星
+- [[AI产品经理]] = 超级个体在产品管理领域的具体形态
+- 贴身使用 AI、积累 know-how、等待质变时刻嵌入漩涡
+
+## Connections
+- [[AI产品经理]] ← 具体领域
+- [[不会Gemini的产品经理真的要被淘汰了]] ← 来源
+- [[精准表达]] ← 底层能力
+- [[结构化思维]] ← 底层能力
+- [[AI嵌入工作流]] ← 实践方式

wiki/entities/Anthropic.md

@@ -1,29 +1,22 @@
 ---
-id: Anthropic
 title: "Anthropic"
 type: entity
-tags: [AI, 公司]
-sources: []
-last_updated: 2026-04-15
+tags: [company, ai, llm]
 ---
 
-# Anthropic
-
 ## Definition
-Anthropic 是一家 AI 安全研究公司，Claude 系列大语言模型的开发商。
+Anthropic 是美国 AI 安全与对齐研究公司，成立于 2021 年，总部位于旧金山。由 Dario Amodei 和 Daniela Amodei 兄妹创立，核心使命是构建安全、可控的 AI 系统。
 
 ## Aliases
-- Anthropic
-- Claude AI
+- Anthropic PBC（Public Benefit Corporation）
 
-## Description
-Anthropic 是 Claude Skills 官方项目（github.com/anthropics/skills）的发布者。该仓库收藏数突破 3.2 万，包含生产级 Skills 技能，是 AI 应用开发领域的重要参考。
-
-## Key Activities
-- 发布 Claude 系列大语言模型（Claude 3.5/4 等）
-- 推出官方 Skills 开源项目，展示 AI 能力的产品化封装方法
-- 探索 AI 安全与 AI Agent 发展方向
+## Key Facts
+- 核心产品：Claude 系列大语言模型
+- 旗舰模型：Claude 3.5/3.7/4.0 系列，在编码、推理和安全性上处于领先
+- 关键技术：Constitutional AI（CAI）、RLHF 对齐
+- 母公司：亚马逊（Amazon）投资 40 亿美元，谷歌（Google）投资 3 亿美元
 
 ## Connections
-- [[Claude-Skills-研究范式]] ← 发布方 ← [[Anthropic]]
-- [[AI技能封装]] ← 发起方 ← [[Anthropic]]
+- [[Claude]] ← 产品线
+- [[Claude Skills 官方库]] ← 开源生态
+- [[Constitutional AI]] ← 安全对齐方法论

wiki/entities/Coze.md

@@ -0,0 +1,23 @@
+---
+title: "Coze"
+type: entity
+tags: [platform, agent, bytedance]
+---
+
+## Definition
+Coze（扣子）是字节跳动推出的 AI Agent 构建平台，支持国内版（coze.cn）和海外版（coze.com）。用户无需编程即可通过可视化方式创建多类型 Agent 和工作流。
+
+## Aliases
+- 扣子（国内版）
+- Coze（海外版）
+
+## Key Capabilities
+- Bot 创建：单 Agent 对话型
+- Workflow：多节点可视化工作流
+- 插件系统：集成各类 API 和工具
+- 知识库：RAG 增强问答
+- 记忆（Memory）：对话上下文管理
+
+## Connections
+- [[Coze工作流]] ← 核心功能
+- [[AI解决方案专家培训课程]] ← 应用案例

wiki/entities/Kira2red.md

@@ -0,0 +1,23 @@
+---
+title: "Kira2red"
+type: entity
+tags: [产品经理, AI工作流, 微信公众号]
+last_updated: 2026-04-15
+---
+
+## Aliases
+- Kira2red
+
+## Summary
+微信公众号作者，AI 产品管理实践者。专注于将 Gemini 3 Pro 嵌入产品经理日常工作流，核心方法：FeatureList 共创 → Mermaid 逻辑图 → 分页面 PRD 口述 → HTML 原型自动生成，实现文档类工作 90% 时间节省。
+
+## Key Contributions
+- FeatureList 与 Gemini 共创的需求构思流程
+- Mermaid 代码 + 飞书实现 ER 图、泳道图、甘特图自动生成
+- PRD 调教方法论：三句话指出问题，AI 下属一教就会
+- HTML 原型 + 差量 PRD 的永久维护模型
+
+## Connections
+- [[不会Gemini的产品经理真的要被淘汰了]] ← 作者
+- [[FeatureList]] ← 核心方法
+- [[Gemini]] ← 主要工具

wiki/entities/NotebookLM.md

@@ -1,17 +1,26 @@
 ---
-title: NotebookLM
+title: "NotebookLM"
 type: entity
-tags: [AI知识库, Google]
-aliases: []
+tags: [ai, google, tool, learning]
 ---
 
-## 基本信息
-- **类型**：Google AI知识库工具
-- **定位**：生产力和学习大杀器
+## Definition
+NotebookLM 是 Google 推出的 AI 学习和研究助理，核心差异化在于 Source-Grounding 机制——其知识库严格限制为用户上传的文档，从而消除幻觉、确保回答可溯源。
 
-## 核心创新
-- 双人播客功能：将文档转为生动播客
-- 2024年底爆火，2025年持续封神
+## Key Features
+- Source-Grounding：只基于上传文档回答，每个答案附带引文
+- Audio Overviews：双 AI 主持人播客式讨论，可定制风格（Deep Dive/Brief/Critique/Debate）
+- 视频/音频摘要：上传 YouTube 链接或本地音视频，AI 生成摘要和讨论
+- 个性化主持人提示词：可指定 AI 主持人角色（如"假装你是某个领域的学生"）
+
+## Use Cases
+- 被动学习（通勤/运动时消费复杂信息）
+- 法律文档审查（Lease、合同、专利）
+- 软件更新对比（Release Notes 分析）
+- 项目管理（想法和笔记集中化）
+- 成为某个领域"速成专家"
 
 ## Connections
-- [[NotebookLM]] → 开源平替 → [[OpenNotebookLM]]
+- [[Source Grounding]] ← 核心机制
+- [[被动学习]] ← 场景
+- [[引文追溯]] ← 信任机制

wiki/entities/OpenClaw.md

@@ -22,12 +22,12 @@ last_updated: 2026-04-15
 - [[长期记忆]]：memory/ 目录
 
 ### 多 Agent 协作
-- [[Agent编排]]：通过 AGENTS.md 中的 spawn 规则实现多 Agent 协调
+- [[Agent 编排]]：通过 AGENTS.md 中的 spawn 规则实现多 Agent 协调
 - workspace 支持多 Agent 共享配置
 
 ## 关键概念
 - [[Workspace]]：Agent 的工作台目录
-- [[Agent编排]]：多 Agent 场景下的任务分配与协调
+- [[Agent 编排]]：多 Agent 场景下的任务分配与协调
 
 ## Connections
 - [[OpenClaw]] ← 包含 ← [[Workspace]]

wiki/entities/czlonkowski.md

@@ -15,7 +15,7 @@ last_updated: 2026-04-15
 开源项目 n8n-mcp 的维护者，该项目实现了 n8n 与 AI 模型之间的 MCP 协议桥接。
 
 ## 主要项目
-- [[n8n-mcp]]：n8n MCP 服务器
+- [[n8n mcp]]：n8n MCP 服务器
 
 ## Connections
-- [[n8n-mcp]] ← 创建者
+- [[n8n mcp]] ← 创建者

wiki/entities/tukuai.md

@@ -0,0 +1,22 @@
+---
+title: "tukuai"
+type: entity
+tags: [独立研究者, 形式化, 元学习]
+last_updated: 2026-04-15
+---
+
+## Aliases
+- tukuai
+
+## Summary
+独立研究者，GitHub 账户 https://github.com/tukuai。提出递归自优化生成系统的形式化框架（A Formalization of Recursive Self-Optimizing Generative Systems），将元学习、自动提示词工程纳入固定点语义与 λ-calculus 递归组合子的数学框架。
+
+## Key Contributions
+- 自映射（Self-Map）建模：Φ: G → G，迭代收敛到生成器不动点 G*
+- Y Combinator 表达：G* = Y STEP，实现系统自引用动力学
+- 自举（Bootstrapping）流程：α-提示词（生成器）+ Ω-提示词（优化器）递归超越
+
+## Connections
+- [[自递归优化生成系统]] ← 提出者
+- [[固定点]] ← 核心数学工具
+- [[自举]] ← 核心机制

wiki/entities/宝玉.md

@@ -0,0 +1,25 @@
+---
+title: "宝玉"
+type: entity
+tags: [Claude Code, GitHub, 技能集, 内容生成]
+last_updated: 2026-04-15
+---
+
+## Aliases
+- baoyu
+- JimLiu
+
+## Summary
+GitHub @JimLiu，baoyu-skills 项目作者。专注于 Claude Code Skill 开发，产出覆盖内容生成（信息图/幻灯片/漫画/文章插图）、AI 图像生成（多服务商）、日常效率工具（字幕下载/URL 抓取/翻译）的完整技能体系。
+
+## Key Projects
+- baoyu-skills：Claude Code 技能集仓库，ClawHub 发布协议
+- 核心 Skill：baoyu-imagine（多服务商图像生成）、baoyu-infographic（20×17 信息图）、baoyu-xhs-images（小红书信息图）
+- 支持平台：微信公众号、X (Twitter)、微博、YouTube
+
+## Connections
+- [[baoyu-skills-claude-code技能集]] ← 主要作品
+- [[baoyu-imagine]] ← 核心 Skill
+- [[Claude Code]] ← Skill 运行时
+- [[ClawHub]] ← 发布平台
+- [[AI技能封装]] ← 方法论基础

wiki/index.md

@@ -24,6 +24,12 @@
 - [使用Claude自动生成N8N工作流的实操教程](sources/使用Claude自动生成N8N工作流的实操教程.md) — Claude + n8n-mcp 自动生成工作流完整指南
 - [MCP在Cursor中的集成与应用详解](sources/MCP在Cursor中的集成与应用详解.md) — MCP 协议在 Cursor IDE 中的集成方法
 - [Google 5个Agent Skill设计模式](sources/Google-5个Agent-Skill设计模式-2026-03-19.md) — 5种经过验证的 Skill 内容设计模式
+- [A Formalization of Recursive Self-Optimizing Generative Systems](sources/A-Formalization-of-Recursive-Self-Optimizing-Generative-Systems.md) — 递归自优化生成系统的形式化建模：自映射、固定点、Y Combinator 自举动力学
+- [不会Gemini的产品经理真的要被淘汰了](sources/不会Gemini的产品经理真的要被淘汰了.md) — AI 时代产品经理能力结构重塑：FeatureList → Mermaid → PRD → HTML 的 AI 嵌入工作流
+- [baoyu-skills 宝玉 Claude Code 技能集](sources/baoyu-skills-claude-code技能集.md) — 宝玉发布的 Claude Code 技能集：内容生成/AI图像/工具技能三大类，覆盖小红书信息图/幻灯片/漫画等
+- [The Picture They Paint of You](sources/The-Picture-They-Paint-of-You.md) — AI产品命名与职业价值认知框架分析
+- [Never write another prompt](sources/Never-write-another-prompt.md) — 提示词生成工具使用教程
+- [Useful Prompt Lib](sources/Useful-Prompt-Lib.md) — Anthropic Claude Prompt库60+模板汇总
 
 ## Entities
 - [Anthropic](entities/Anthropic.md)
@@ -37,7 +43,7 @@
 - [SonarSource](entities/SonarSource.md)
 - [Snyk](entities/Snyk.md)
 - [Kubernetes](entities/Kubernetes.md)
-- [Red Hat](entities/Red-Hat.md)
+- [Red Hat](entities/Red Hat.md)
 - [Docker](entities/Docker.md)
 - [DeepSeek](entities/DeepSeek.md)
 - [Qwen](entities/Qwen.md)
@@ -78,9 +84,9 @@
 - [Viva](entities/Viva.md)
 - [Haiper](entities/Haiper.md)
 - [艺映AI](entities/艺映AI.md)
-- [Alex Ewerlöf](entities/Alex-Ewerlof.md) — 多智能体可靠性架构研究者
+- [Alex Ewerlöf](entities/Alex Ewerlof.md) — 多智能体可靠性架构研究者
 - [Google](entities/Google.md)
-- [Claude Code](entities/Claude-Code.md)
+- [Claude Code](entities/Claude Code.md)
 - [OpenClaw](entities/OpenClaw.md)
 - [Hermes](entities/Hermes.md)
 - [DracoVibeCoding](entities/DracoVibeCoding.md)
@@ -88,31 +94,36 @@
 - [Windsurf](entities/Windsurf.md) — AI 编程 IDE
 - [Trae](entities/Trae.md) — AI 编程 IDE
 - [Karpathy](entities/Karpathy.md) — Vibe Coding 概念提出者
-- [vibe-coding-cn](entities/vibe-coding-cn.md) — 中文 Vibe Coding 资源库
+- [vibe-coding-cn](entities/vibe coding cn.md) — 中文 Vibe Coding 资源库
 - [AWS](entities/AWS.md) — Amazon 云服务
 - [GCP](entities/GCP.md) — Google 云平台
 - [Azure](entities/Azure.md) — Microsoft 云平台
 - [Terraform](entities/Terraform.md) — IaC 工具
 - [CloudWatch](entities/CloudWatch.md) — AWS 监控服务
-- [n8n-mcp](entities/n8n-mcp.md) — n8n MCP 服务器
+- [n8n-mcp](entities/n8n mcp.md) — n8n MCP 服务器
 - [czlonkowski](entities/czlonkowski.md) — n8n-mcp 项目作者
 - [Composer](entities/Composer.md) — Cursor 对话构建模块
-- [Sequential Thinking](entities/Sequential-Thinking.md) — MCP 逻辑推理工具
+- [Sequential Thinking](entities/Sequential Thinking.md) — MCP 逻辑推理工具
 - [Google](entities/Google.md) — Agent Skill 设计模式发布方
+- [tukuai](entities/tukuai.md) — 递归自优化生成系统形式化框架提出者
+- [Kira2red](entities/Kira2red.md) — AI 产品管理实践者，Gemini 工作流方法论作者
+- [宝玉](entities/宝玉.md) — baoyu-skills 项目作者，Claude Code 技能集开发者
 
 ## Concepts
-- [AI技能封装](concepts/AI技能封装.md)
+- [Taylorism](concepts/Taylorism.md)
+- [Software Factory](concepts/Software-Factory.md)
+- [AI工具命名框架](concepts/AI工具命名框架.md)
 - [流程工程](concepts/流程工程.md)
-- [Source-Grounding](concepts/Source-Grounding.md)
+- [Source-Grounding](concepts/Source Grounding.md)
 - [被动学习](concepts/被动学习.md)
 - [DevOps](concepts/DevOps.md)
-- [CI/CD Pipelines](concepts/CI-CD-Pipelines.md)
-- [Infrastructure as Code](concepts/Infrastructure-as-Code.md)
+- [CI/CD Pipelines](concepts/CI CD Pipelines.md)
+- [Infrastructure as Code](concepts/Infrastructure as Code.md)
 - [Agile](concepts/Agile.md)
 - [DevSecOps](concepts/DevSecOps.md)
 - [GitOps](concepts/GitOps.md)
-- [Serverless DevOps](concepts/Serverless-DevOps.md)
-- [Edge Computing DevOps](concepts/Edge-Computing-DevOps.md)
+- [Serverless DevOps](concepts/Serverless DevOps.md)
+- [Edge Computing DevOps](concepts/Edge Computing DevOps.md)
 - [Kaizen](concepts/Kaizen.md)
 - [大语言模型](concepts/大语言模型.md)
 - [AI生图](concepts/AI生图.md)
@@ -128,37 +139,46 @@
 - [RAG](concepts/RAG.md)
 - [Embedding](concepts/Embedding.md)
 - [向量数据库](concepts/向量数据库.md)
-- [RSS Feed](concepts/RSS-Feed.md)
+- [RSS Feed](concepts/RSS Feed.md)
 - [图生视频](concepts/图生视频.md)
 - [主体一致性](concepts/主体一致性.md)
 - [运动控制](concepts/运动控制.md)
 - [运镜控制](concepts/运镜控制.md)
 - [风格迁移](concepts/风格迁移.md)
-- [Agentic AI](concepts/Agentic-AI.md) — 能感知环境、决策、预判并自主行动的 AI 系统
-- [Multi-Agent Hierarchy](concepts/Multi-Agent-Hierarchy.md) — Supervisor+Worker+Validator 层级架构
-- [Multi-Agent Consensus](concepts/Multi-Agent-Consensus.md) — 多数投票提高输出可靠性
-- [Multi-Agent Adversarial Debate](concepts/Multi-Agent-Adversarial-Debate.md) — 对抗辩论防止 Sycophancy
-- [Multi-Agent Knock-out](concepts/Multi-Agent-Knock-out.md) — 遗传算法启发的适应度淘汰制
-- [Print Mode](concepts/Print-Mode.md) — Claude Code 非交互单次执行模式
+- [Agentic AI](concepts/Agentic AI.md) — 能感知环境、决策、预判并自主行动的 AI 系统
+- [Multi-Agent Hierarchy](concepts/Multi Agent Hierarchy.md) — Supervisor+Worker+Validator 层级架构
+- [Multi-Agent Consensus](concepts/Multi Agent Consensus.md) — 多数投票提高输出可靠性
+- [Multi-Agent Adversarial Debate](concepts/Multi Agent Adversarial Debate.md) — 对抗辩论防止 Sycophancy
+- [Multi-Agent Knock-out](concepts/Multi Agent Knock out.md) — 遗传算法启发的适应度淘汰制
+- [Print Mode](concepts/Print Mode.md) — Claude Code 非交互单次执行模式
 - [Workspace](concepts/Workspace.md) — OpenClaw Agent 工作台目录体系
 - [MCP](concepts/MCP.md) — Model Context Protocol，LLM 与外部工具的标准化协议
 - [vLLM](concepts/vLLM.md) — PagedAttention 与连续批处理的推理优化框架
 - [Token](concepts/Token.md) — LLM 基本输入单元，中文约 0.6 token/字符
-- [Vibe Coding](concepts/Vibe-Coding.md) — 氛围编程，规划驱动+AI 结对执行
-- [Self-Healing Systems](concepts/Self-Healing-Systems.md) — Agentic AI 自动检测并修复异常
+- [Vibe Coding](concepts/Vibe Coding.md) — 氛围编程，规划驱动+AI 结对执行
+- [Self-Healing Systems](concepts/Self Healing Systems.md) — Agentic AI 自动检测并修复异常
 - [RCA](concepts/RCA.md) — Root Cause Analysis，AI 驱动的根因分析
-- [Multi-Cloud Governance](concepts/Multi-Cloud-Governance.md) — 跨 AWS/GCP/Azure 多云治理
+- [Multi-Cloud Governance](concepts/Multi Cloud Governance.md) — 跨 AWS/GCP/Azure 多云治理
 - [数据蒸馏](concepts/数据蒸馏.md) — 用大模型生成精简数据训练小模型
 - [AI工作流自动生成](concepts/AI工作流自动生成.md) — 通过自然语言描述让 AI 自动生成工作流
 - [Agent模式](concepts/Agent模式.md) — Cursor Composer 自动执行模式
 - [MCP工具链](concepts/MCP工具链.md) — 多个 MCP 工具顺序调用的工作流
-- [Agent Skill 设计模式](concepts/Agent-Skill设计模式.md) — Google 发布的 5 种 Skill 结构化设计模式
-- [Tool Wrapper](concepts/Tool-Wrapper.md) — 监听关键词动态加载规范文档的模式
+- [Agent Skill 设计模式](concepts/Agent Skill 设计模式.md) — Google 发布的 5 种 Skill 结构化设计模式
+- [Tool Wrapper](concepts/Tool Wrapper.md) — 监听关键词动态加载规范文档的模式
 - [Generator](concepts/Generator.md) — 通过填空流程强制一致输出格式的模式
 - [Reviewer](concepts/Reviewer.md) — 分离检查清单与检查逻辑的模式
 - [Inversion](concepts/Inversion.md) — agent 先问再做收集信息的模式
 - [Pipeline](concepts/Pipeline.md) — 带硬性检查点的严格顺序工作流模式
 - [渐进式披露](concepts/渐进式披露.md) — ADK 机制，按需加载 token
+- [自递归优化生成系统](concepts/自递归优化生成系统.md) — α-提示词+Ω-提示词自举循环，收敛到生成器固定点
+- [固定点](concepts/固定点.md) — Φ(G*) = G* 的生成器，递归自优化系统的稳定态
+- [FeatureList](concepts/FeatureList.md) — 分层需求表，AI 共创需求创意的核心工具
+- [PRD自动生成](concepts/PRD自动生成.md) — FeatureList → Mermaid → 分页面口述 → HTML 原型的 AI 工作流
+- [baoyu-imagine](concepts/baoyu-imagine.md) — 多服务商图像生成 Skill，覆盖 OpenAI/Google/DashScope/MiniMax 等 9 家
+- [baoyu-infographic](concepts/baoyu-infographic.md) — 专业信息图，20 种布局 × 17 种视觉风格
+- [内容技能](concepts/内容技能.md) — baoyu-skills 内容生成与发布类 Skill 子集
+- [AI产品经理](concepts/AI产品经理.md) — 掌握 AI 嵌入工作流的产品经理，核心能力是精准表达与结构化思维
+- [超级个体](concepts/超级个体.md) — 某领域八九十分者用 AI 横向扩展，AI 是充分非必要条件
 
 ## Syntheses
 - [DevOps 核心理念](syntheses/DevOps核心理念.md)

wiki/log.md

@@ -93,3 +93,39 @@ Created/updated: 12 entity pages (DeepSeek, Qwen, Flux, Stable Diffusion, Hunyua
 - [Google-5个Agent-Skill设计模式-2026-03-19](sources/Google-5个Agent-Skill设计模式-2026-03-19.md)
 - Key claims: 5种设计模式（Tool Wrapper/Generator/Reviewer/Inversion/Pipeline）；可组合使用；Anthropic：最好的 Skill 是工具箱而非提示词
 - Created: 1 entity (Google), 10 concepts (Agent Skill设计模式, Tool Wrapper, Generator, Reviewer, Inversion, Pipeline, 渐进式披露, etc.)
+
+## [2026-04-15] ingest | A Formalization of Recursive Self-Optimizing Generative Systems
+- [A-Formalization-of-Recursive-Self-Optimizing-Generative-Systems](sources/A-Formalization-of-Recursive-Self-Optimizing-Generative-Systems.md)
+- Key claims: 自优化系统核心目标是生成器空间收敛而非单次最优；稳定生成能力 = Φ 的固定点；Y Combinator 实现自引用不动点；Bootstrapping = α-提示词+Ω-提示词递归超越
+- Created: 3 concepts (自递归优化生成系统, 固定点, 自举), 1 entity (tukuai)
+
+## [2026-04-15] ingest | 不会Gemini的产品经理真的要淘汰了
+- [不会Gemini的产品经理真的要被淘汰了](sources/不会Gemini的产品经理真的要被淘汰了.md)
+- Key claims: Gemini是知识渊博但不带脑子的苦工；FeatureList共创→Mermaid→PRD→HTML为AI产品经理核心工作流；精准表达是调教基础；超级个体=某领域八九十分+AI放大
+- Created: 4 concepts (FeatureList, PRD自动生成, AI产品经理, 超级个体), 2 entities (Kira2red, Gemini)
+
+## [2026-04-15] ingest | baoyu-skills 宝玉 Claude Code 技能集
+- [baoyu-skills-claude-code技能集](sources/baoyu-skills-claude-code技能集.md)
+- Key claims: ClawHub按单个skill安装；内容技能覆盖xhs/信息图/幻灯片/漫画；baoyu-imagine支持9家服务商自动选择；工具技能覆盖翻译/字幕/URL抓取等
+- Created: 6 concepts (baoyu-imagine, baoyu-infographic, 内容技能, AI生成技能, 工具技能, ClawHub), 2 entities (宝玉, JimLiu)
+
+## [2026-04-15] ingest batch | 5 docs
+- [Claude Skills研究范式](sources/Claude Skills研究范式.md)
+- Key claims: Skills = 说明书 + SOP；从提示词工程迈向流程工程；Anthropic 官方 Skills 仓库含 3.2 万收藏；skillsmp.com/aitmpl.com/claudemarketplaces.com 三大聚合站
+- Created: 1 entity (Anthropic), 2 concepts (AI技能封装, 流程工程)
+
+- [递归自优化生成系统的形式化框架](sources/递归自优化生成系统的形式化框架.md)
+- Key claims: 自优化目标 = 生成器空间 {G_n} 的收敛行为；稳定生成能力 = Φ 的固定点 G*；Y Combinator 表达 G* = Y STEP；自举实现自我超越
+- Created: 3 concepts (自递归优化生成系统, 固定点, Y Combinator), 1 entity (tuuai)
+
+- [AI解决方案专家培训课程](sources/AI解决方案专家培训课程.md)
+- Key claims: Coze 平台（coze.cn/coze.com）覆盖 8 大行业 Agent Demo；支持单 Bot 对话、Workflow 工作流、表格问答等多种类型
+- Created: 1 entity (Coze)
+
+- [NotebookLM的7种用法](sources/NotebookLM的7种用法.md)
+- Key claims: Source-Grounding 机制确保回答可溯源；Audio Overviews 支持被动学习；NotebookLM 可作项目管理系统、法律文档审查工具、软件更新对比工具
+- Created: 1 entity (NotebookLM), 2 concepts (Source Grounding, 被动学习)
+
+- [Nano Banana结构化提示词框架](sources/Nano Banana结构化提示词框架.md)
+- Key claims: 9层结构化字段（Shot/Subject/Environment/Lighting/Camera/ColorGrade/Style/Quality/Negatives）；negatives 是质量控制关键；camera 字段提供电影级构图控制
+- Created: 1 concept (Nano Banana, 负向提示词), 1 entity (Google)

wiki/overview.md

@@ -1,6 +1,9 @@
 ---
 title: Wiki Overview
 last_updated: 2026-04-15
+// 新增领域：递归自优化生成系统（2026-04-15）
+// 新增领域：AI产品经理工作流（2026-04-15）
+// 新增领域：baoyu-skills Claude Code技能集（2026-04-15）
 ---
 
 # LLM Wiki Overview
@@ -42,7 +45,7 @@ Claude Skills 的爆发标志着从"提示词工程"到"流程工程"的范式
 NotebookLM 通过 Source-Grounding 机制（严格限制知识库仅含上传文档）实现高精度回答，每个答案附带精确引文。可作为被动学习（Audio Overviews）、项目管理、法律文档审查、软件更新对比等多种场景的 AI 助理。
 
 ### 关键能力
-- [[Source-Grounding]]：消除幻觉，确保回答可溯源
+- [[Source Grounding]]：消除幻觉，确保回答可溯源
 - [[被动学习]]：Audio Overviews 在碎片时间消费复杂信息
 - [[引文追溯]]：每个回答附带原文引文
 
@@ -103,13 +106,13 @@ Google Nano Banana 是图像生成提示词的结构化框架，通过 9 个标
 Claude 与 n8n-mcp 结合，通过自然语言直接生成 n8n 工作流，降低自动化门槛。
 
 ### 核心机制
-- [[n8n-mcp]]：提供 543 个 n8n 节点的结构化访问，271 个 AI 能力节点
+- [[n8n mcp]]：提供 543 个 n8n 节点的结构化访问，271 个 AI 能力节点
 - Claude 自动生成工作流完成度约 80%-90%，10%-20% 错误率需人工修正
 - 选择 Opensea 模型并开启 extended thinking 可显著提升生成质量
 
 ### 关键能力
 - [[AI工作流自动生成]]：自然语言→工作流代码
-- [[n8n-mcp]]：AI 与 n8n 的 MCP 协议桥接
+- [[n8n mcp]]：AI 与 n8n 的 MCP 协议桥接
 
 ## 新增领域：MCP 在 Cursor 中的集成
 
@@ -159,6 +162,49 @@ OpenClaw/Hermes 通过 terminal 工具调用 Claude Code，两种核心模式满
 - delegate_task 仅调用 Hermes 子 agent，无法建立 Claude Code CLI 通道
 - Skill 调用必须使用 terminal + claude -p
 
+## 新增领域：baoyu-skills Claude Code 技能集
+
+宝玉发布的 Claude Code 技能集，通过 ClawHub 协议支持按单个 skill 安装，涵盖内容生成、AI 图像创作、日常效率工具三大类。
+
+### 技能架构
+- [[内容技能]]：baoyu-xhs-images（小红书9×6风格布局）、baoyu-infographic（20×17布局风格）、baoyu-cover-image（5维封面定制）、baoyu-slide-deck（4维度16预设）、baoyu-comic（5×8画风基调）、baoyu-article-illustrator
+- [[baoyu-imagine]]：9 家服务商自动选择（OpenAI/Google/DashScope/MiniMax/即梦/豆包/Replicate等）
+- [[工具技能]]：baoyu-translate（三模式翻译）、baoyu-youtube-transcript、baoyu-url-to-markdown
+
+### 发布协议
+- ClawHub 按单个 skill 安装（clawhub install baoyu-imagine），而非 marketplace 批量安装
+- EXTEND.md 支持用户级/项目级自定义，Env 配置支持 API Key 优先级覆盖
+
+## 新增领域：AI 产品经理工作流
+
+AI 时代产品经理将 Gemini 深度嵌入需求文档、FeatureList、逻辑图、HTML 原型的全链路工作流。
+
+### 核心方法
+- [[FeatureList]] 共创：与 Gemini 构思需求框架，AI 补全层级和边界场景
+- [[PRD自动生成]]：分页面逐一描述 + PRD 写作指南模板 + 调教反馈
+- Mermaid 代码生成 ER 图、泳道图、甘特图（飞书原生支持）
+- HTML 原型同步生成 + 差量维护 = 永远最新的交互原型库
+
+### 核心洞察
+- Gemini = 知识渊博但不带脑子的苦工，表述越准执行越准
+- [[超级个体]] = 某领域八九十分 + AI 横向扩展，AI 是充分非必要条件
+- 市场洞察力 = 产品经理最稀缺也最重要的能力，AI 时代更重要
+
+## 新增领域：递归自优化生成系统的形式化框架
+
+tuuai 提出的自递归优化生成系统，将 AI 自我改进机制纳入固定点语义与 λ-calculus 的数学框架。
+
+### 核心机制
+- α-提示词（生成器 G）→ Ω-提示词（优化器 O）→ 元生成器（M）→ 自映射 Φ(G) = M(G, O(G(I), Ω))
+- 稳定生成能力 = Φ 的固定点 G*：Φ(G*) = G*
+- 自举（Bootstrapping）：用优化产物反馈给系统，启动下一轮进化
+- Y Combinator 表达：G* = Y STEP，满足 G* = STEP G*
+
+### 关键命题
+- 自优化的目标不是单次最优输出，而是生成器空间 {G_n} 的收敛行为
+- [[固定点]] 对应系统不动点，即自洽的稳定生成能力
+- [[自递归优化生成系统]] 与 Agent Skill Generator Pattern 形成理论与实践的对应
+
 ## 新增领域：LLM 核心术语与技术框架
 
 LLM 技术栈从模型到应用形成完整体系，涵盖参数规模基准、工具调用协议、推理优化等多个维度。
@@ -188,7 +234,7 @@ Vibe Coding = 规划驱动 + 上下文固定 + AI 结对执行，让想法到可
 - AI 工具（Cursor、Windsurf、Trae）承担体力活
 
 ### 推荐资源
-- [[vibe-coding-cn]]：中文开发者 Vibe Coding 资源库与工作站
+- [[vibe coding cn]]：中文开发者 Vibe Coding 资源库与工作站
 - Cursor + claude-opus-4.5-xhigh 为推荐工具组合
 
 ## 新增领域：Agentic AI 赋能 Cloud DevOps
@@ -213,12 +259,12 @@ Agentic AI 将传统响应式 DevOps 转变为预测性、自动化运维。
 OpenClaw workspace 文件体系通过 7 个核心文件实现 Agent 的可预期性和一致性。
 
 ### 核心文件
-- [[AGENTS.md]]：岗位职责说明书（300-500 字最佳），定义边界而非仅列能力
-- [[SOUL.md]]：性格档案（叙事性角色设定），与 IDENTITY.md 分工明确
-- [[USER.md]]：用户偏好固化，减少重复交代
-- [[TOOLS.md]]：工具权限规范，核心是"什么时候不用"
-- [[IDENTITY.md]]：结构化身份元数据（Name/Creature/Vibe/Emoji/Avatar）
-- [[BOOTSTRAP.md]]：一次性初始化引导，完成后删除
+- AGENTS.md：岗位职责说明书（300-500 字最佳），定义边界而非仅列能力
+- SOUL.md：性格档案（叙事性角色设定），与 IDENTITY.md 分工明确
+- USER.md：用户偏好固化，减少重复交代
+- TOOLS.md：工具权限规范，核心是"什么时候不用"
+- IDENTITY.md：结构化身份元数据（Name/Creature/Vibe/Emoji/Avatar）
+- BOOTSTRAP.md：一次性初始化引导，完成后删除
 - [[长期记忆]]：memory/ 目录，Agent 跨会话保留重要信息
 
 ### 核心价值

wiki/sources/7-ways-NotebookLM.md

@@ -28,7 +28,7 @@ date: 2025-12-19
 > "This is great if you need that kick in the pants or something to make sense of all the minor notes you've taken." — 项目管理场景
 
 ## Key Concepts
-- [[Source-Grounding]]：严格限制知识库仅包含用户上传文档，确保 AI 回答基于可溯源内容的机制
+- [[Source Grounding]]：严格限制知识库仅包含用户上传文档，确保 AI 回答基于可溯源内容的机制
 - [[被动学习]]：利用 Audio Overviews 在开车/健身等碎片时间消费复杂信息的学习方式
 - [[AI知识库]]：以用户文档为唯一知识来源的 AI 辅助学习与研究系统
 - [[引文追溯]]：每个回答附带精确文档引文，可跳转至原文验证
@@ -39,7 +39,7 @@ date: 2025-12-19
 ## Connections
 - [[NotebookLM]] ← 主题 ← [[7-ways-NotebookLM]]
 - [[AI知识库]] ← 核心能力 ← [[NotebookLM]]
-- [[Source-Grounding]] ← 技术基础 ← [[NotebookLM]]
+- [[Source Grounding]] ← 技术基础 ← [[NotebookLM]]
 - [[被动学习]] ← 应用场景 ← [[Audio-Overviews]]
 
 ## Contradictions

wiki/sources/A-Formalization-of-Recursive-Self-Optimizing-Generative-Systems.md

@@ -0,0 +1,52 @@
+---
+title: "A Formalization of Recursive Self-Optimizing Generative Systems"
+type: source
+tags: [cs.LO, cs.AI, math.CT, 形式化, 元学习]
+sources: [raw/AI/A Formalization of Recursive Self-Optimizing Generative Systems.md]
+last_updated: 2026-04-15
+---
+
+## Source File
+- [[raw/AI/A Formalization of Recursive Self-Optimizing Generative Systems.md]]
+
+## Summary
+- 核心主题：递归自优化生成系统的形式化建模，固定点语义下的自举动力学
+- 问题域：AI 系统自我改进机制的理论基础，元生成器的收敛性证明
+- 方法/机制：自映射（Self-Map）、固定点（Fixed Point）、λ-calculus 递归组合子（Y Combinator）
+- 结论/价值：为自改进 AI 架构、自动元提示词系统提供严谨的数学框架
+
+## Key Claims
+- 递归自优化的目标不是单个最优输出，而是在生成器空间（Generator Space）中收敛到稳定生成能力
+- 稳定生成能力对应于元生成算子（Meta-Generative Operator）的固定点（Fixed Point）
+- 自举（Bootstrapping）过程通过"生成→优化→更新"的循环迭代实现系统自我超越
+- Y Combinator 表达自引用动力学：G* = Y STEP，G* = STEP G*，即生成器是自身变换的不动点
+
+## Key Quotes
+> "The system's objective is not a particular P*, but the convergence behavior of the sequence {G_n}." — 论文核心命题，生成器迭代的收敛性才是关键，而非单次输出质量
+> "A stable generative capability is defined as a fixed point of Φ: G* ∈ G, Φ(G*) = G*" — 稳定生成能力即系统不动点
+> "Such systems align with classical results on self-reference, recursion, and bootstrapping computation" — 自引用经典理论框架下的一次形式化尝试
+
+## Key Concepts
+- [[自递归优化生成系统]]：α-提示词（生成器）+Ω-提示词（优化器）通过自举实现无限逼近理想状态
+- [[固定点]]：Φ(G*) = G* 的生成器，不随自身生成-优化-更新循环而改变
+- [[自举]]：用优化后的产物反馈给系统，再次优化生成器本身，形成递归超越
+- [[元生成器]]（Meta-Generator）：更新生成器的函数 M: G × P → G
+- [[λ-calculus 递归]]：使用 Y Combinator 表达 G* = Y STEP 的自引用不动点
+- [[Generator Space]]：所有可能的生成器构成的空间 ℒ ⊆ ℘^ℐ
+
+## Key Entities
+- [[tukuai]]：独立研究者，该形式化框架的提出者，GitHub 账户 https://github.com/tukuai
+
+## Connections
+- [[自递归优化生成系统]] ← 理论基础 ← [[固定点]]
+- [[自递归优化生成系统]] ← 形式化工具 ← [[λ-calculus]]
+- [[Agent Skill 设计模式]] ← 实践对应：Generator Pattern 实现自递归优化的工程化版本
+- [[自递归优化生成系统]] ← 收敛目标 ← [[固定点]]
+- [[自递归优化生成系统]] → 实践框架 → [[Agent Skill 设计模式]]
+- [[自递归优化生成系统]] → 认知基础 → [[自我改进]]
+
+## Contradictions
+- 与 [[Claude Code调用方法总结]] 冲突：
+  - 冲突点：Claude Code 作为工具是否具备自优化能力
+  - 当前观点：Claude Code 是静态工具，仅被动响应指令，无自我改进机制
+  - 对方观点：递归自优化系统理论暗示 AI 工具通过迭代使用可以形成隐式自我改进（通过生成器空间收敛）

wiki/sources/AI解决方案专家培训课程.md

@@ -0,0 +1,31 @@
+---
+title: "AI解决方案专家培训课程"
+type: source
+tags: [ai, coze, agent, workflow]
+date: 2025-06-20
+---
+
+## Source File
+- [[raw/AI/AI 解决方案专家培训课程.md]]
+
+## Summary
+- 核心主题：Coze（扣子）平台 Agent Demo 全景展示
+- 问题域：AI Agent 在多个行业的落地场景与工作流设计
+- 方法/机制：通过 Coze 平台创建多类型 Agent（问答/工作流/对话/客服等），覆盖金融、医疗、教育、电商、泛娱乐等 8 大行业
+- 结论/价值：展示 Coze 平台从 0 到 1 构建行业 Agent 的完整路径
+
+## Key Claims
+- Coze 平台支持国内版（coze.cn）和海外版（coze.com）
+- Agent 类型覆盖：单 Bot 对话、Workflow 工作流、表格问答、拍照搜视频、在线问诊等
+- 行业覆盖：金融（客户分层营销/智能客服）、医疗（影像识别/分诊）、教育（知识库问答/组卷出题/培训对练）、电商（混剪助手/在线换衣）、泛娱乐（AI证件照/视频生成）、HR（招聘打分/面试对话）
+- 工作流 Demo 可视化编排，非技术用户也能快速搭建
+
+## Key Entities
+- [[Coze]]：字节跳动 AI Agent 平台（国内版 coze.cn，海外版 coze.com）
+- [[Coze工作流]]：可视化编排多节点 AI 任务的机制
+
+## Connections
+- [[Coze]] ← 平台基础
+- [[Coze工作流]] ← 编排机制
+
+## Contradictions

wiki/sources/Claude Skills研究范式.md

@@ -0,0 +1,45 @@
+---
+title: "Claude Skills研究范式"
+type: source
+tags: [ai, claude-skills, vibe-coding]
+date: 2026-01-05
+---
+
+## Source File
+- [[raw/AI/3.2 万人收藏的 Claude Skills，才是 AI 这条路上最值得研究的一套范式！.md]]
+
+## Summary
+- 核心主题：Claude Skills 从提示词工程到流程工程的范式转移
+- 问题域：AI 技能封装与复用、Skills 生态资源
+- 方法/机制：Skills = 说明书 + SOP，将人类经验封装为可复用工作流
+- 结论/价值：Skills 是 Vibe Coding 的尽头，真正有价值的不是 Prompt 写得多花哨，而是谁最懂业务流程
+
+## Key Claims
+- Claude Skills 爆发标志着从"提示词工程"迈向"流程工程"
+- Anthropic 官方 Skills 仓库（github.com/anthropics/skills）收藏数突破 3.2 万
+- 官方库本质上是教你"像我们一样开发 AI 应用"
+- Skills 包含四大类：办公自动化（Word/PDF/PPT/Excel）、开发者工具箱、MCP Server、创意类 Skill
+- 未来真正有价值的 = 懂业务流程 + 能把经验沉淀为 SOP + 把 SOP 交给 AI 稳定执行
+
+## Key Quotes
+> "Skills 就是一套你写给 Claude 的'说明书'和'SOP（标准作业程序）'" — 痕小子/开源星探
+> "这个库本质上是官方在教你，'怎么像我们一样开发 AI 应用'" — 痕小子/开源星探
+
+## Key Concepts
+- [[AI技能封装]]：将固定流程任务拆解为 AI 可理解的结构化流程
+- [[流程工程]]：将经验沉淀为 SOP 再交给 AI 稳定执行的新范式
+- [[Anthropic Skills 官方库]]：github.com/anthropics/skills，生产级 Skills 集合
+
+## Key Entities
+- [[Anthropic]]：Claude Skills 官方库的发布方
+- [[Awesome-Claude-Skills]]：ComposioHQ/VoltAgent/BehiSecc 三大社区整理
+- [[skillsmp.com]]：Skill 聚合站之一
+- [[aitmpl.com]]：Skill 聚合站之一
+- [[claudemarketplaces.com]]：Skill 聚合站之一
+
+## Connections
+- [[Claude Skills研究范式]] ← 理论基础 ← [[Google 5种Agent Skill设计模式]]
+- [[Anthropic Skills 官方库]] ← 来源 ← [[Claude Skills研究范式]]
+- [[流程工程]] ← 应用场景 ← [[Vibe Coding氛围编程]]
+
+## Contradictions

wiki/sources/Claude-Skills-研究范式.md

@@ -51,4 +51,4 @@ date: 2026-01-05
 - 无明显冲突
 
 ## Related Sources
-- [[Claude-Code调用方法]]：Claude Code 是 Skills 调用的核心工具链
+- [[Claude Code 调用方法]]：Claude Code 是 Skills 调用的核心工具链

wiki/sources/Designing-for-Agentic-AI.md

@@ -24,14 +24,14 @@ date: 2025-03-02
 > "Instead of just reacting to user actions, we're crafting experiences that provide live feedback as the AI operates." — Yuri Pessa
 
 ## Key Concepts
-- [[Agentic-AI]]：能感知环境、做出决策、预判需求并自主行动的 AI 系统
+- [[Agentic AI]]：能感知环境、做出决策、预判需求并自主行动的 AI 系统
 - [[GenAI]]：生成式 AI，擅长创作内容（文本、图片、音乐），本质是被动响应
-- [[AI-Agent-设计原则]]：透明度、控制感、个性化、对话、预判
+- [[AI Agent 设计原则]]：透明度、控制感、个性化、对话、预判
 
 ## Key Entities
 - [[Yuri-Pessa]]：LinkedIn 文章作者，AI 产品设计研究者
 
 ## Connections
-- [[LLM]] ← 基础 ← [[Agentic-AI]]
-- [[RAG]] ← 支撑 ← [[Agentic-AI]]
-- [[Agentic-AI]] ← 扩展 ← [[GenAI]]
+- [[LLM]] ← 基础 ← [[Agentic AI]]
+- [[RAG]] ← 支撑 ← [[Agentic AI]]
+- [[Agentic AI]] ← 扩展 ← [[GenAI]]

wiki/sources/GitHub-Vibe-Coding-神级指南.md

@@ -34,14 +34,14 @@ date: 2025-12-30
 - [[Cursor]]：AI 编程 IDE
 - [[Windsurf]]：AI 编程 IDE
 - [[Trae]]：AI 编程 IDE
-- [[vibe-coding-cn]]：中文 Vibe Coding 指南开源项目（github.com/tukuaiai/vibe-coding-cn）
+- [[vibe coding cn]]：中文 Vibe Coding 指南开源项目（github.com/tukuaiai/vibe-coding-cn）
 - [[Karpathy]]：AI 研究者，提出 Vibe Coding 概念
 
 ## Connections
 - [[Vibe Coding]] ← 属于 ← [[AI编程]]
 - [[Vibe Coding]] ← 工具支撑 ← [[Cursor]]
 - [[Vibe Coding]] ← 工具支撑 ← [[Windsurf]]
-- [[Vibe Coding]] ← 资源库 ← [[vibe-coding-cn]]
+- [[Vibe Coding]] ← 资源库 ← [[vibe coding cn]]
 - [[AI编程]] ← 演进自 ← [[Prompt工程]]
 
 ## Contradictions

wiki/sources/LLMs-RAG-AI-Agent-三个到底什么区别.md

@@ -23,12 +23,12 @@ date: 2025-11-19
 ## Key Concepts
 - [[LLM]]：大语言模型，AI 应用的"天才大脑"，擅长推理但缺乏实时知识
 - [[RAG]]：检索增强生成，为 LLM 提供外部知识库访问能力，消除幻觉
-- [[AI-Agent]]：智能体，围绕 LLM 构建的循环控制系统，赋予感知-规划-执行-反思能力
-- [[AI-Agent-循环]]：感知（Scanner）→ 思考（Reasoner）→ 行动（Actor）→ 观察（Observer）
+- [[AI Agent]]：智能体，围绕 LLM 构建的循环控制系统，赋予感知-规划-执行-反思能力
+- [[AI Agent 循环]]：感知（Scanner）→ 思考（Reasoner）→ 行动（Actor）→ 观察（Observer）
 
 ## Key Entities
 
 ## Connections
-- [[LLM]] ← 基础 ← [[AI-Agent]]
-- [[RAG]] ← 信息层 ← [[AI-Agent]]
-- [[LLM]] + [[RAG]] + [[AI-Agent]] ← 三位一体 ← [[生产级AI系统]]
+- [[LLM]] ← 基础 ← [[AI Agent]]
+- [[RAG]] ← 信息层 ← [[AI Agent]]
+- [[LLM]] + [[RAG]] + [[AI Agent]] ← 三位一体 ← [[生产级AI系统]]

wiki/sources/Multi-Agent-System-Reliability.md

@@ -27,20 +27,20 @@ date: 2026-04-13
 > "We don't need AI that 'cares.' We need AI that is constrained, verified, pruned, and challenged."
 
 ## Key Concepts
-- [[Multi-Agent-Hierarchy]]：层级模式，Supervisor 规划 + Worker 执行 + Validator 验证
-- [[Multi-Agent-Consensus]]：共识模式，多数投票降低幻觉概率，3个模型相同谎言概率降至0.8%
-- [[Multi-Agent-Adversarial-Debate]]：对抗辩论模式，防止 Sycophancy，真理越辩越明
-- [[Multi-Agent-Knock-out]]：淘汰制模式，适应度函数评估，不合格 Agent 直接淘汰
+- [[Multi Agent Hierarchy]]：层级模式，Supervisor 规划 + Worker 执行 + Validator 验证
+- [[Multi Agent Consensus]]：共识模式，多数投票降低幻觉概率，3个模型相同谎言概率降至0.8%
+- [[Multi Agent Adversarial Debate]]：对抗辩论模式，防止 Sycophancy，真理越辩越明
+- [[Multi Agent Knock out]]：淘汰制模式，适应度函数评估，不合格 Agent 直接淘汰
 - [[LLM-可靠性工程]]：将 SRE 原则应用于 LLM 系统，视 LLM 为不可靠组件
 - [[Sycophancy]]：模型阿谀倾向，用威胁逼迫时可能撒谎以取悦用户
 
 ## Key Entities
-- [[Alex-Ewerlof]]：作者，资深工程师，27年经验，SRE 背景，2023年起专注 LLM
+- [[Alex Ewerlof]]：作者，资深工程师，27年经验，SRE 背景，2023年起专注 LLM
 - [[遗传算法]]：GA，Knock-out 模式借鉴的经典 ML 方法
 
 ## Connections
-- [[Multi-Agent-Hierarchy]] ← 人类组织 ← [[Multi-Agent-System-Reliability]]
-- [[Multi-Agent-Consensus]] ← 民主投票 ← [[Multi-Agent-System-Reliability]]
-- [[Multi-Agent-Adversarial-Debate]] ← 法庭对抗 ← [[Multi-Agent-System-Reliability]]
-- [[Multi-Agent-Knock-out]] ← 适者生存 ← [[Multi-Agent-System-Reliability]]
+- [[Multi Agent Hierarchy]] ← 人类组织 ← [[Multi-Agent-System-Reliability]]
+- [[Multi Agent Consensus]] ← 民主投票 ← [[Multi-Agent-System-Reliability]]
+- [[Multi Agent Adversarial Debate]] ← 法庭对抗 ← [[Multi-Agent-System-Reliability]]
+- [[Multi Agent Knock out]] ← 适者生存 ← [[Multi-Agent-System-Reliability]]
 - [[LLM]] ← 不可靠组件 ← [[Multi-Agent-System-Reliability]]

wiki/sources/Nano Banana结构化提示词框架.md

@@ -0,0 +1,36 @@
+---
+title: "Nano Banana结构化提示词框架"
+type: source
+tags: [ai, google, prompt, image-generation]
+date: 2026-03-15
+---
+
+## Source File
+- [[raw/AI/Nano Banana 提示词框架.md]]
+
+## Summary
+- 核心主题：Google Nano Banana 图像生成提示词的结构化框架
+- 问题域：AI 图像生成中的提示词标准化与质量控制
+- 方法/机制：通过 9 个标准化字段（shot/subject/environment/lighting/camera/color_grade/style/quality/negatives）将创意描述转化为机器可执行参数
+- 结论/价值：结构化框架实现提示词可复用、可组合，negatives 字段是质量控制关键
+
+## Key Claims
+- 9 个标准化字段覆盖图像生成全维度：shot（镜头类型）/ subject（主体）/ environment（环境）/ lighting（照明）/ camera（摄像机）/ color_grade（调色）/ style（风格）/ quality（质量）/ negatives（负向提示词）
+- negatives（负向提示词）是质量控制关键字段，明确排除不需要的特征
+- camera 字段提供电影级构图控制（焦距/光圈/角度）
+- 物件描述框架与人物描述框架共用同一结构，subject 字段内容不同
+
+## Key Concepts
+- [[Nano Banana]]：Google 发布的结构化图像提示词框架
+- [[负向提示词]]：明确排除不需要的特征
+- [[结构化提示词]]：通过标准化字段将创意描述转化为机器可执行参数
+
+## Key Entities
+- [[Google]]：Nano Banana 的发布方
+
+## Connections
+- [[Nano Banana]] ← 同概念
+- [[负向提示词]] ← 关键机制
+- [[结构化提示词]] ← 框架类型
+
+## Contradictions

wiki/sources/Never-write-another-prompt.md

@@ -0,0 +1,35 @@
+---
+title: "Never write another prompt"
+type: source
+tags: [tutorial, ai-tools, prompt-engineering]
+date: 2025-03-06
+---
+
+## Source File
+- [[raw/AI/Never write another prompt.md]]
+
+## Summary
+- 核心主题：AI 提示词生成工具的使用教程
+- 问题域：用户难以编写精确的提示词导致 AI 输出质量不佳
+- 方法/机制：将基础描述转换为结构化详细提示词的自动化工具
+- 结论/价值：无需专业提示词工程背景即可生成高质量提示词，大幅降低使用成本
+
+## Key Claims
+- 工具可以将简单描述自动转化为详细的结构化提示词
+- 生成一个高质量提示词通常需要 100-500 美元，自动化工具可大幅降低成本
+- 变量功能支持高度定制化
+- 提示词库提供灵感来源，可显著减少创建时间
+- 成功的提示词可保存复用，提高长期效率
+
+## Key Concepts
+- [[提示词工程自动化]]：将复杂提示词编写过程简化为描述输入
+- [[提示词变量]]：允许用户自定义定制化输出的占位符机制
+- [[提示词库]]：预制提示词的资源集合，用于快速复用
+
+## Key Entities
+- [[Anthropic Console]]：Claude API 管理控制台
+- [[YouTube]]：视频教程发布平台
+
+## Connections
+- [[Prompt工程]] ← 关联 ← 自动化提示词生成降低工程门槛
+- [[Claude Code]] ← 关联 ← 两者都是提升 AI 使用效率的工具

wiki/sources/NotebookLM的7种用法.md

@@ -0,0 +1,39 @@
+---
+title: "NotebookLM的7种用法"
+type: source
+tags: [ai, google, tool, productivity]
+date: 2025-11-23
+---
+
+## Source File
+- [[raw/AI/7 ways I use NotebookLM to make my life easier.md]]
+
+## Summary
+- 核心主题：NotebookLM 日常使用场景与生产力提升方法
+- 问题域：信息过载、学习效率、项目管理、被动学习
+- 方法/机制：Source-Grounding（严格限制知识库仅含上传文档）+ Audio Overviews（播客式摘要）+ 精确引文追溯
+- 结论/价值：NotebookLM 的核心价值在于消除幻觉、确保可溯源回答，Source-Grounding 是其与其他 AI 助理的本质区别
+
+## Key Claims
+- Source-Grounding 机制：NotebookLM 知识库严格限制为用户上传的文档，消除幻觉
+- 每个答案附带精确引文，可点击跳转原文确认
+- Audio Overviews：双 AI 主持人播客式讨论，适合通勤/运动时被动学习
+- 可作为项目管理大脑：把散乱的研究和想法集中到统一笔记本
+- 法律文档审查：只基于给定文档回答，附带原文引文
+- 软件更新对比：直接询问"这个版本有什么新变化"，自动列出差异
+
+## Key Concepts
+- [[Source Grounding]]：严格限制知识库仅含上传文档，消除幻觉的机制
+- [[被动学习]]：Audio Overviews 在碎片时间消费复杂信息
+- [[引文追溯]]：每个回答附带原文引文
+
+## Key Entities
+- [[NotebookLM]]：Google 推出的 AI 学习和研究助理
+
+## Connections
+- [[Source Grounding]] ← 核心机制
+- [[被动学习]] ← 使用场景
+- [[引文追溯]] ← 信任机制
+- [[NotebookLM]] ← 工具
+
+## Contradictions

wiki/sources/The-Picture-They-Paint-of-You.md

@@ -0,0 +1,55 @@
+---
+title: "The Picture They Paint of You"
+type: source
+tags: [ clippings, ai, product-framing ]
+date: 2026-04-13
+---
+
+## Source File
+- [[raw/AI/The Picture They Paint of You.md]]
+
+## Summary
+- 核心主题：AI 产品命名与营销框架如何折射职业价值认知
+- 问题域：AI SRE 与编码助手在产品定位上的二元对立
+- 方法/机制：对比分析 14 家 AI SRE 产品和 8 家编码助手产品的命名与话语框架
+- 结论/价值：AI 工具的命名框架揭示了构建者对特定职业的社会认知，且这种认知会被放大并赋予合法性
+
+## Key Claims
+- AI SRE 产品普遍以"替代者"框架营销，强调消除人工负担、去琐碎化
+- 编码助手产品普遍以"协作者"框架营销，强调增强工程师能力、赋予更多控制权
+- 产品命名差异反映了买卖双方对职业价值的社会认知分裂
+- 泰勒主义软件工厂框架正在取代原本的工程师-自动化伙伴关系
+- 类比既是杠杆，也是束缚；好的工具需要更准确的工作表征
+
+## Key Quotes
+> "AI SRE 被宣传为确保无人被低效工作分散注意力的有效方法" — 产品营销话语
+> "编码助手被定位为增强工程师的能力，并被赋予了名字" — 产品定位差异
+> "类比既可以成为杠杆，也可能成为束缚" — 核心论点
+
+## Key Concepts
+- [[AI工具命名框架]]：产品名称与营销话语对职业价值的折射
+- [[Taylorism]]：泰勒制，以效率为中心的科学管理方法，现被类比到软件工程自动化
+- [[剩余原则]]（The Left-over Principle）：角色部分自动化后，剩余工作堆积到更少的人身上
+- [[软件工厂]]（Software Factory）：高层控制器协调大量无面孔代理的模式
+
+## Key Entities
+- [[Anthropic]]：Claude Code 持有"协作者"框架，强调"Built for builders"
+- [[AWS]]：DevOps Agent 定位为"全天候自主值班工程师"
+- [[Harness]]：AI SRE 强调"扩展响应能力，而非团队规模"
+- [[Ciroos]]：另一款以"帮助"SRE 团队为目标的产品，名称相对人性化
+- [[Cleric]]：少数有名字的 AI SRE 产品，名称源自DnD辅助职业
+- [[Cline]]：编码伙伴定位，"天生协作，获准自主运行"
+- [[GitHub Copilot]]：副驾驶命名体现协作角色，"Ship faster with AI that codes with you"
+- [[OpenAI Codex]]：定位为更明确的替代角色，"智能编码的指挥中心"
+
+## Connections
+- [[Vibe Coding]] ← 影响 ← [[软件工厂]]框架（均强调高层控制）
+- [[AI产品经理]] ← 关联 ← [[AI工具命名框架]]（命名即认知投射）
+- [[超级个体]] ← 对立 ← [[Taylorism]]（前者强调人的价值，后者强调替代）
+- [[Claude Code]] ← 协作者框架 → [[Cline]]（均为增强工具）
+
+## Contradictions
+- 与 [[Vibe Coding]] 框架存在张力：
+  - 冲突点：Vibe Coding 强调人机协作伙伴关系，而软件工厂框架强调替代与控制
+  - 当前观点：Vibe Coding 认为开发者是导演，AI 是结对伙伴
+  - 对方观点：Software Factory 认为人只需做高层控制者

wiki/sources/Useful-Prompt-Lib.md

@@ -0,0 +1,31 @@
+---
+title: "Useful Prompt Lib"
+type: source
+tags: [prompt-library, claude, resources]
+date: 2025-03-06
+---
+
+## Source File
+- [[raw/AI/Useful Prompt Lib.md]]
+
+## Summary
+- 核心主题：Anthropic Claude Prompt 库资源汇总
+- 问题域：用户需要预设提示词模板以快速调用特定 AI 能力
+- 方法/机制：整理 60+ 按功能分类的提示词模板，覆盖代码、数据分析、内容创作等多个领域
+- 结论/价值：为开发者提供开箱即用的提示词资源库，降低重复创建成本
+
+## Key Claims
+- Babel's broadcasts 适合 TikTok 多语言本地化改写
+- Review classifier 可自动化处理店铺/广告评论分类
+- Data organizer 能将非结构化信息快速转为 JSON 对接自动化工作流
+
+## Key Concepts
+- [[Prompt库]]：按功能分类的预设提示词模板集合
+- [[JSON转换]]：将非结构化文本转换为结构化 JSON 格式
+
+## Key Entities
+- [[Anthropic]]：Prompt 库发布方，提供 60+ 预设模板
+
+## Connections
+- [[Prompt工程]] ← 包含 ← Useful Prompt Lib 提供实践模板
+- [[AI工作流自动生成]] ← 依赖 ← Data organizer 等提示词实现数据转换

wiki/sources/baoyu-skills-claude-code技能集.md

@@ -0,0 +1,66 @@
+---
+title: "baoyu-skills 宝玉 Claude Code 技能集"
+type: source
+tags: [Claude Code, baoyu, skills, 内容生成, AI图像, 工具技能]
+sources: [raw/Skills/baoyu-skills-claude-code-技能集.md]
+last_updated: 2026-04-15
+---
+
+## Source File
+- [[raw/Skills/baoyu-skills-claude-code-技能集.md]]
+
+## Summary
+- 核心主题：宝玉（JimLiu）发布的 Claude Code 技能集，涵盖内容生成、AI 图像创作、日常效率工具三大类
+- 问题域：如何通过标准化 Skill 封装实现 AI 工具的即装即用，降低 AI 助手的工程化门槛
+- 方法/机制：ClawHub 发布协议、NPM 安装、EXTEND.md 自定义扩展、环境变量 API Key 管理
+- 结论/价值：Claude Code Skills 是 AI 能力平民化的关键路径，一次安装多处复用
+
+## Key Claims
+- 每个 `skills/baoyu-*` 目录可独立发布为 ClawHub skill，用户按需安装（clawhub install baoyu-imagine）
+- Claude Code Skills = 工具技能（Content/AI Generation/Utility），而非纯提示词
+- 内容技能覆盖：小红书信息图（baoyu-xhs-images）、专业信息图（baoyu-infographic）、文章插图（baoyu-article-illustrator）、幻灯片（baoyu-slide-deck）、知识漫画（baoyu-comic）、X/微信/微博发布
+- AI 图像生成（baoyu-imagine）：支持 OpenAI、Google、DashScope、MiniMax、即梦（Jimeng）、豆包（Seedream）、Replicate 等 8 家服务商
+- 工具技能覆盖：YouTube 字幕下载、URL 转 Markdown、X 内容抓取、图片压缩、Markdown 格式化与 HTML 转换、翻译（三模式）
+- EXTEND.md 支持用户级和项目级自定义，可覆盖默认样式和添加个人预设
+
+## Key Quotes
+> "ClawHub 按'单个 skill'安装，不是把整个 marketplace 一次性装进去。" — ClawHub 安装模式，解耦分发
+> "Claude Code Skills 是 AI 能力平民化的关键路径，一次安装多处复用。" — 核心价值主张
+
+## Key Concepts
+- [[baoyu-imagine]]：多服务商图像生成 Skill，支持 OpenAI/DashScope/MiniMax/即梦/豆包/Seedream/Replicate，自动检测服务商
+- [[baoyu-infographic]]：专业信息图生成，20 种布局 × 17 种视觉风格组合
+- [[baoyu-xhs-images]]：小红书信息图，风格 × 布局二维系统（9 种风格 × 6 种布局）
+- [[baoyu-slide-deck]]：幻灯片生成，4 维度风格系统（纹理 × 氛围 × 字体 × 密度）
+- [[baoyu-comic]]：知识漫画创作，画风 × 基调灵活组合（5 种画风 × 8 种基调）
+- [[baoyu-article-illustrator]]：文章智能插图，类型 × 风格二维系统
+- [[baoyu-translate]]：三模式翻译（快速/标准/精翻），支持受众预设和自定义术语表
+- [[内容技能]]：内容生成和发布类 Skill（xhs-images/infographic/cover-image/slide-deck/comic/article-illustrator/post-to-*）
+- [[AI生成技能]]：AI 驱动的生成后端 Skill（baoyu-imagine/baoyu-danger-gemini-web）
+- [[工具技能]]：内容处理工具 Skill（youtube-transcript/url-to-markdown/x-to-markdown/compress-image/format-markdown/markdown-to-html/translate）
+- [[ClawHub]]：OpenClaw Skill 发布平台，支持按单个 skill 安装而非 marketplace 批量安装
+
+## Key Entities
+- [[宝玉]]（JimLiu/baoyu）：GitHub @JimLiu，baoyu-skills 项目作者，AI 内容生成工具开发者
+- [[JimLiu]]：GitHub 账户，同 baoyu
+
+## Connections
+- [[宝玉]] ← 作者 ← [[baoyu-imagine]]
+- [[宝玉]] ← 作者 ← [[baoyu-infographic]]
+- [[宝玉]] ← 作者 ← [[内容技能]]
+- [[ClawHub]] ← 分发平台 ← [[baoyu-imagine]]
+- [[Claude Code]] ← 运行时 ← [[内容技能]]
+- [[Claude Code]] ← 运行时 ← [[AI生成技能]]
+- [[Claude Code]] ← 运行时 ← [[工具技能]]
+- [[Claude Code]] ← 运行时 ← [[baoyu-translate]]
+- [[baoyu-imagine]] ← 底层支持 ← [[MCP]]
+- [[baoyu-skills]] → 发布到 → [[ClawHub]]
+- [[AI技能封装]] ← 方法论 ← [[baoyu-skills]]
+
+## Contradictions
+- 与 [[Claude Code调用方法总结]] 冲突：
+  - 冲突点：Skill 安装方式
+  - 当前观点：baoyu-skills 通过 `npx skills add` 或 ClawHub 安装
+  - 对方观点：Claude Code Skills 应通过 `/plugin` 命令或 `clawhub install` 安装，两者实为同一机制的不同前端
+- 与 [[AI技能封装]] 协同：
+  - baoyu-skills 是 [[AI技能封装]] 的典型实现，每个 Skill 将特定任务封装为标准化工作流

wiki/sources/万字讲透OpenClaw-Workspace深度解析.md

@@ -28,14 +28,14 @@ date: 2026-03-21
 
 ## Key Concepts
 - [[Workspace]]：OpenClaw 中 Agent 的工作台目录（~/.openclaw/workspace/），决定 Agent 怎么工作
-- [[AGENTS.md]]：Agent 岗位职责说明书，定义职责边界、场景触发、多 Agent 协调
-- [[SOUL.md]]：Agent 性格档案，叙事性角色设定，定义说话风格和价值观
-- [[USER.md]]：用户偏好固化文件，减少重复交代
-- [[TOOLS.md]]：工具权限声明与使用规范，核心是"什么时候不用"
-- [[IDENTITY.md]]：Agent 结构化身份元数据（Name/Creature/Vibe/Emoji/Avatar）
-- [[BOOTSTRAP.md]]：一次性初始化引导，完成后删除
+- AGENTS.md：Agent 岗位职责说明书，定义职责边界、场景触发、多 Agent 协调
+- SOUL.md：Agent 性格档案，叙事性角色设定，定义说话风格和价值观
+- USER.md：用户偏好固化文件，减少重复交代
+- TOOLS.md：工具权限声明与使用规范，核心是"什么时候不用"
+- IDENTITY.md：Agent 结构化身份元数据（Name/Creature/Vibe/Emoji/Avatar）
+- BOOTSTRAP.md：一次性初始化引导，完成后删除
 - [[长期记忆]]：memory/ 目录让 Agent 跨会话保留重要信息
-- [[Agent编排]]：多 Agent 协作通过 AGENTS.md 中的 spawn 规则实现
+- [[Agent 编排]]：多 Agent 协作通过 AGENTS.md 中的 spawn 规则实现
 
 ## Key Entities
 - [[OpenClaw]]：AI Agent 框架，workspace 是其核心设计之一
@@ -43,9 +43,9 @@ date: 2026-03-21
 
 ## Connections
 - [[OpenClaw]] ← 包含 ← [[Workspace]]
-- [[Workspace]] ← 由 ← [[AGENTS.md]] + [[SOUL.md]] + [[USER.md]] + [[TOOLS.md]] + [[IDENTITY.md]] + [[BOOTSTRAP.md]] + [[长期记忆]]
-- [[SOUL.md]] ← 与 ← [[IDENTITY.md]] ← 分工 ← 性格叙事 vs 结构化元数据
-- [[AGENTS.md]] ← 协同 ← [[SOUL.md]] + [[USER.md]]
+- [[Workspace]] ← 由 ← AGENTS.md + SOUL.md + USER.md + TOOLS.md + IDENTITY.md + BOOTSTRAP.md + [[长期记忆]]
+- SOUL.md ← 与 ← IDENTITY.md ← 分工 ← 性格叙事 vs 结构化元数据
+- AGENTS.md ← 协同 ← SOUL.md + USER.md
 - [[长期记忆]] ← 支撑 ← [[Workspace]]
 
 ## Contradictions

wiki/sources/不会Gemini的产品经理真的要被淘汰了.md

@@ -0,0 +1,65 @@
+---
+title: "不会Gemini的产品经理真的要被淘汰了"
+type: source
+tags: [AI产品管理, Gemini, PRD, FeatureList, AI工作流]
+sources: [raw/AI/不会Gemini的产品经理真的要被淘汰了  附保姆级PRD生成指南.md]
+last_updated: 2026-04-15
+---
+
+## Source File
+- [[raw/AI/不会Gemini的产品经理真的要被淘汰了  附保姆级PRD生成指南.md]]
+
+## Summary
+- 核心主题：Gemini 3 Pro 驱动下 AI 时代产品经理能力结构重塑，AI 嵌入工作流的实战方法论
+- 问题域：产品经理如何使用大模型提升需求文档、FeatureList、逻辑图生成效率
+- 方法/机制：FeatureList 共创构思 → Mermaid 逻辑图 → 分页面 PRD 口述 → HTML 原型自动生成
+- 结论/价值：大模型是"知识渊博但不带脑子的苦工"，核心价值在于将人的想法准确写下来，而非替代人思考
+
+## Key Claims
+- Gemini 2.5/3 Pro 可将产品经理部分工作时间缩短 90% 以上
+- 大模型写 PRD 是"写"而非"想"：人负责想结构，大模型负责补全边界场景和格式严谨性
+- FeatureList 是需求创意的核心工具，通过分层展开确保功能点全面、优先级合理
+- Mermaid 代码 + 飞书文档可实现 ER 图、泳道图、甘特图等所有常用逻辑图的自动化生成
+- 调教（微反馈）是关键：直接指出错误，三句话带出一个文档写得好的"AI下属"
+- HTML 原型生成 + PRD 差量维护 = 永远最新的交互原型库
+
+## Key Quotes
+> "Gemini 是一个知识渊博但'不带脑子'的苦工，你表述的越准、它执行得越准。" — 核心方法论，人机协作的准确度取决于人类表述质量
+> "只有提交真实需求，才能获得真实的触动。" — 纯银观点，真问题才有真震撼
+> "不会用 Gemini 的产品经理真的要被淘汰了——或者说，不能把时代里随时涌现的新东西嵌入到自己中，新时代也就没有了嵌入你我的位置。" — 核心命题
+> "超级个体之所以是超级个体，不是因为 AI，而是因为他们本来就掌握'把一件事做对'的方法和能力。" — 对超级个体神话的反驳
+
+## Key Concepts
+- [[FeatureList]]：分层级展开的需求表，核心关注分模块分层合理性、功能点全面性、优先级评估合理性
+- [[PRD自动生成]]：分页面口述需求 + 模板调教 + 边界场景补全的 AI 辅助文档写作流程
+- [[Mermaid]]：通过代码生成逻辑图（ER图、泳道图、时序图、甘特图等），飞书原生支持
+- [[AI产品经理]]：掌握将大模型嵌入工作流以产生实际价值的产品经理，而非浅尝辄止的豆包用户
+- [[超级个体]]：在某个领域能做到八九十分的人，AI 放大了其横向扩展能力，而非平庸者的救星
+- [[AI嵌入工作流]]：把大模型"嵌入"到工作流程中产生实际价值，而非单独使用
+- [[需求端到端]]：产品经理与 Agent 对话获得 id，研发盯着屏幕冒代码，绕过传统需求文档传递
+
+## Key Entities
+- [[Kira2red]]：微信公众号作者，AI 产品管理实践者
+- [[Gemini]]：Google 大模型，PRD 写作的主要工具
+- [[纯银]]（V2EX 创始人）：产品经理，Gemini 3 Pro 体验分享者，观点引用来源
+
+## Connections
+- [[Gemini]] ← 工具基础 ← [[AI产品管理]]
+- [[FeatureList]] ← 核心方法 ← [[PRD自动生成]]
+- [[Mermaid]] ← 图形化工具 ← [[PRD自动生成]]
+- [[AI产品管理]] ← 能力要求 ← [[超级个体]]
+- [[AI产品管理]] → 威胁对象 → [[传统产品经理]]
+- [[精准表达]] ← 核心能力 ← [[AI产品管理]]
+- [[结构化思维]] ← 核心能力 ← [[AI产品管理]]
+- [[AI产品管理]] → 效率杠杆 → [[超级个体]]
+- [[精准表达]] ← 调教基础 ← [[Gemini]]
+
+## Contradictions
+- 与 [[Agent Skill 设计模式]] 冲突：
+  - 冲突点：AI 是辅助工具还是替代者
+  - 当前观点：[[Agent Skill 设计模式]] 强调 Skill 作为工具箱，AI 是能力的扩展器
+  - 对方观点：本文暗示 AI（Gemini）可替代产品经理 90% 的文本工作，能力边界更激进
+- 与 [[超级个体]] 冲突：
+  - 冲突点：超级个体的成因
+  - 当前观点：超级个体因 AI 而成
+  - 对方观点：超级个体本就具备把事情做对的能力，AI 只是横向扩展工具，非充分条件

wiki/sources/使用Claude自动生成N8N工作流的实操教程.md

@@ -25,7 +25,7 @@ date: 2026-04-14
 
 ## Key Concepts
 - [[n8n]]：开源工作流自动化工具，支持节点连接执行任务
-- [[n8n-mcp]]：连接 n8n 与 AI 模型的 MCP 服务器，提供 543 节点的结构化访问
+- [[n8n mcp]]：连接 n8n 与 AI 模型的 MCP 服务器，提供 543 节点的结构化访问
 - [[AI工作流自动生成]]：通过自然语言描述需求，AI 自动设计并生成工作流代码
 
 ## Key Entities
@@ -35,7 +35,7 @@ date: 2026-04-14
 
 ## Connections
 - [[使用Claude自动生成N8N工作流的实操教程]] ← 依赖 ← [[Claude Code 调用方法总结]]
-- [[n8n]] ← 工具平台 ← [[n8n-mcp]]
-- [[n8n-mcp]] ← 基于 ← [[MCP]]
+- [[n8n]] ← 工具平台 ← [[n8n mcp]]
+- [[n8n mcp]] ← 基于 ← [[MCP]]
 
 ## Contradictions

wiki/sources/递归自优化生成系统的形式化框架.md

@@ -0,0 +1,38 @@
+---
+title: "递归自优化生成系统的形式化框架"
+type: source
+tags: [ai, theory, recursion, fixed-point]
+date: 2025-12-30
+---
+
+## Source File
+- [[raw/AI/A Formalization of Recursive Self-Optimizing Generative Systems.md]]
+
+## Summary
+- 核心主题：递归自优化生成系统的数学形式化
+- 问题域：自改进 AI 系统的理论框架、生成器空间的收敛性
+- 方法/机制：自映射 Φ on generator space，固定点语义，λ-calculus 递归
+- 结论/价值：稳定生成能力 = Φ 的固定点 G*，为自改进 AI 提供数学基础
+
+## Key Claims
+- 自优化的目标不是单次最优输出 P*，而是生成器空间 {G_n} 的收敛行为
+- 稳定生成能力 = Φ 的固定点 G*：Φ(G*) = G*
+- 系统通过自举（Bootstrapping）实现自我超越，无限逼近理想状态 Ω
+- Y Combinator 表达：G* = Y STEP，满足 G* = STEP G*（自参照结构）
+- 递归结构与经典递归理论、自参照计算一致
+
+## Key Concepts
+- [[自递归优化生成系统]]：α-提示词（生成器 G）+ Ω-提示词（优化器 O）+ 元生成器（M）的递归结构
+- [[固定点]]：Φ(G*) = G* 对应系统不动点，即自洽的稳定生成能力
+- [[自举]]：用优化产物反馈给系统，启动下一轮进化
+- [[生成器空间]] G：I → P 的函数空间，α-提示词在此空间中收敛
+
+## Key Entities
+- [[tuuai]]：独立研究者，提出该形式化框架
+
+## Connections
+- [[自递归优化生成系统]] ← 理论基础 ← [[Claude Skills研究范式]]
+- [[固定点]] ← 数学工具 ← [[自递归优化生成系统]]
+- [[Y Combinator]] ← 形式化表达 ← [[自递归优化生成系统]]
+
+## Contradictions