Batch 12 continued: Health Symptom Tracker + Inbox De-clutter + Podcast Production Pipeline

wiki/concepts/健康追踪.md

@@ -0,0 +1,38 @@
+---
+title: "健康追踪"
+type: concept
+tags: [health, automation, logging]
+last_updated: 2026-04-16
+---
+
+## Definition
+通过持续记录食物、症状和行为数据，识别健康模式与潜在触发因素的系统性方法。
+
+## Core Components
+1. **输入层**：对话式 Telegram 消息 → 自动解析为结构化数据
+2. **存储层**：Markdown 日志文件（带时间戳）
+3. **提醒层**：Cron 驱动的每日固定时间主动提醒
+4. **分析层**：周度模式分析 → 关联性识别
+
+## Key Characteristics
+- 对话式输入 vs App 式手动记录（摩擦最小化）
+- 时间序列分析识别触发因素
+- 持续优化的个人知识库（已知触发因素记忆）
+
+## Related Concepts
+- [[模式识别]]：数据分析层面的通用能力
+- [[定时晨报]]：Cron 驱动机制的另一个应用场景
+
+## Example
+```
+每日 3 次提醒：
+- 8 AM：早餐记录
+- 1 PM：午餐记录  
+- 7 PM：晚餐+症状记录
+
+周日分析：
+- 哪些食物与症状相关？
+- 时间段规律？
+- 明确触发因素？
+```
+

wiki/concepts/嘉宾研究.md

@@ -0,0 +1,35 @@
+---
+title: "嘉宾研究"
+type: concept
+tags: [podcast, research, content-preparation]
+last_updated: 2026-04-16
+---
+
+## Definition
+播客录制前对嘉宾背景、近期动态、观点立场的系统性深度调研，是提升访谈质量的核心准备工作。
+
+## Research Dimensions
+1. **背景研究**：教育、职业、主要成就
+2. **近期动态**：最近的项目、发言、争议
+3. **观点立场**：核心主张、独特视角、争议性话题
+4. **受众预判**：听众已知的 vs 可能惊讶的
+
+## Value
+- 深度研究使访谈质量产生质的飞跃（无法在后期伪造）
+- 好的研究 → 好的问题 → 好的对话
+- 准备充分才能即兴发挥
+
+## Related Concepts
+- [[Podcast Production Pipeline]]：嘉宾研究是生产管线第一环节
+- [[内容工厂]]：研究 Agent 可独立并行执行
+
+## Example Research Output
+```
+嘉宾：[NAME]
+- 背景：...
+- 近期动态：...
+- 潜在争议点：...
+- 3个核心问题：...
+- 备用问题：...
+```
+