Auto-sync

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