diff --git a/sources/dataview-让我从“笔记黑洞”里逃出来的-obsidian-神器-1.md b/sources/dataview-让我从“笔记黑洞”里逃出来的-obsidian-神器-1.md deleted file mode 100644 index e69de29b..00000000 diff --git a/sources/habit-tracker-accountability-coach.md b/sources/habit-tracker-accountability-coach.md deleted file mode 100644 index e69de29b..00000000 diff --git a/sources/multi-channel-customer-service.md b/sources/multi-channel-customer-service.md deleted file mode 100644 index e69de29b..00000000 diff --git a/wiki/concepts/ActiveAccountability.md b/wiki/concepts/ActiveAccountability.md new file mode 100644 index 00000000..e6ea4664 --- /dev/null +++ b/wiki/concepts/ActiveAccountability.md @@ -0,0 +1,39 @@ +--- +title: "Active Accountability" +type: concept +tags: [] +sources: [] +last_updated: 2026-04-27 +--- + +# Active Accountability + +## Definition +AI Agent 主动发消息询问用户是否完成习惯，而非等待用户主动打开 App 记录。是区别于传统习惯追踪 App 的核心机制。 + +## Core Mechanism +- Agent 主动在预设时间发送签到消息（如早上 7:30 询问晨练） +- 用户回复确认完成或说明未完成原因 +- Agent 记录数据并调整后续消息策略 +- 整个过程无需用户主动打开任何 App + +## Contrast with Passive Tracking + +| | Passive Tracking（传统 App） | Active Accountability（本方案） | +|---|---|---| +| 触发方式 | 用户主动打开 App | Agent 主动发送消息 | +| 推送策略 | Push 通知（易被忽略） | 即时消息（直接触达） | +| 数据录入 | 用户手动记录 | 用户回复确认 | +| 激励时机 | 视觉激励（成就徽章） | 文字激励（个性化消息） | +| 持续性 | 一周后放弃率高 | 可持续更长时间 | + +## Why It Matters +真正驱动行为改变的不是 App 的视觉效果，而是有人在关心你、询问你、记住你。Active Accountability 用 AI 实现了"问责伙伴"的每日陪伴感。 + +## Used In +- [[Habit Tracker & Accountability Coach]]：核心设计理念 +- [[Custom Morning Brief]]：类似的自主动推送模式 + +## Related Concepts +- [[Adaptive Tone]]：Active Accountability 的实现机制 +- [[Check-in Fatigue]]：需要控制频率以避免适得其反 diff --git a/wiki/concepts/AdaptiveTone.md b/wiki/concepts/AdaptiveTone.md new file mode 100644 index 00000000..0cf2230d --- /dev/null +++ b/wiki/concepts/AdaptiveTone.md @@ -0,0 +1,29 @@ +--- +title: "Adaptive Tone" +type: concept +tags: [] +sources: [] +last_updated: 2026-04-27 +--- + +# Adaptive Tone + +## Definition +AI Agent 根据用户当前表现状态动态调整语气和沟通策略的机制。在习惯追踪场景中，连续打卡时给予鼓励性语言（encouraging），连续错过时转为温和坚持（gently persistent）。 + +## Core Mechanism +- **持续成功时**：强化正面激励，引用当前 streak 天数（如"Day 15，不打断！"） +- **偶尔错过时**：承认现状，不施加内疚感，提醒用户当初目标 +- **连续错过（≥3天）**：发送更长的激励消息，询问是否需要调整目标 +- **无响应时**：2小时内发送一条跟进消息，之后停止（避免骚扰） + +## Why It Matters +静态提醒容易被大脑忽略，个性化且语境感知的消息具有真实激励效果。这是 AI 问责伙伴区别于普通 cron job 的核心差异化因素。 + +## Used In +- [[Habit Tracker & Accountability Coach]]：核心差异化机制 +- [[Custom Morning Brief]]：类似的自适应消息策略 + +## Related Concepts +- [[Active Accountability]]：依赖 Adaptive Tone 实现 +- [[Streak Tracking]]：为 Adaptive Tone 提供数据依据 diff --git a/wiki/concepts/AgenticWorkflow.md b/wiki/concepts/AgenticWorkflow.md new file mode 100644 index 00000000..a40aa175 --- /dev/null +++ b/wiki/concepts/AgenticWorkflow.md @@ -0,0 +1,31 @@ +--- +title: "AgenticWorkflow" +type: concept +tags: [] +last_updated: 2026-05-02 +--- + +## Definition +多步骤、长时间运行的 AI Agent 任务执行流程——Agent 能够自主规划、子任务分解、工具调用和环境适应，完成复杂目标而非简单问答。 + +## Description +Agentic Workflow 是 AI Agent 从"被动问答"走向"主动执行"的关键范式。它涉及： +- **自主规划**：Agent 将复杂目标拆解为可执行的子步骤序列 +- **工具调用**：使用代码执行、API、文件系统等工具与环境交互 +- **状态追踪**：维护中间状态，根据反馈调整下一步行动 +- **长时运行**：任务可能持续数小时，涉及数百个子步骤 + +典型场景：构建完整 Web 应用、深度市场研究、自动化数据管道。 + +## Related Concepts +- [[TaskVisibility]] +- [[ExternalReasoning]] +- [[PlanMode]] + +## Related Entities +- [[OpenClawWorkspace]] + +## Examples +- [[TodoistTaskManager]]：为 Agentic Workflow 提供任务可视化 +- [[AutonomousProjectManagement]]：多 Agent 协作的复杂项目执行 +- [[OvernightMiniAppBuilder]]：通宵运行的自主应用构建 diff --git a/wiki/concepts/CheckinFatigue.md b/wiki/concepts/CheckinFatigue.md new file mode 100644 index 00000000..8fcbeee0 --- /dev/null +++ b/wiki/concepts/CheckinFatigue.md @@ -0,0 +1,32 @@ +--- +title: "Check-in Fatigue" +type: concept +tags: [] +sources: [] +last_updated: 2026-04-27 +--- + +# Check-in Fatigue + +## Definition +当追踪的习惯数量过多时，用户因签到负担过重而开始忽略消息，导致系统失效的现象。这是习惯追踪系统最常见的失败模式之一。 + +## Threshold +建议追踪 3-5 个习惯。超过此数量，用户会因签到疲劳开始忽视消息推送。 + +## Symptoms +- 用户开始"已读不回"签到提醒 +- 连续漏签但未主动调整目标 +- 用户主动关闭通知或禁用 Agent + +## Mitigation +- 从小处开始（2-3个核心习惯），形成稳定节奏后再扩展 +- 设置优先级，区分"必须追踪"和"可选追踪" +- Agent 定期询问用户是否需要调整目标数量 + +## Used In +- [[Habit Tracker & Accountability Coach]]：关键设计原则 + +## Related Concepts +- [[Active Accountability]]：需要控制频率以避免 fatigue +- [[Adaptive Tone]]：可动态调整签到频率以缓解疲劳 diff --git a/wiki/concepts/Dynamic-Dashboard.md b/wiki/concepts/Dynamic-Dashboard.md index 8c12a854..234744ce 100644 --- a/wiki/concepts/Dynamic-Dashboard.md +++ b/wiki/concepts/Dynamic-Dashboard.md @@ -1,89 +1,89 @@ ---- -title: "Dynamic Dashboard" -type: concept -tags: [OpenClaw, Dashboard, Monitoring, Automation] -sources: [dynamic-dashboard] -last_updated: 2026-04-22 ---- - -## Definition - -**Dynamic Dashboard** 是一种基于 AI Agent 子代理并行执行的多数据源实时监控仪表盘。通过对话式指令驱动子代理同时抓取多个数据源，定时聚合结果并推送告警，实现"免开发、实时、主动"的监控体验。 - -## 核心洞察 - -> "用对话式描述替代数周的前端开发，立即获得实时洞察" - -## 架构模式 - -``` -┌─────────────────────────────────────────┐ -│ Dynamic Dashboard │ -├─────────────────────────────────────────┤ -│ ┌─────────┐ ┌─────────┐ ┌─────────┐ │ -│ │Sub-Agent│ │Sub-Agent│ │Sub-Agent│ │ -│ │ GitHub │ │ Twitter │ │Polymarket│ │ -│ └────┬────┘ └────┬────┘ └────┬────┘ │ -│ │ │ │ │ -│ └────────────┼────────────┘ │ -│ ▼ │ -│ ┌─────────────┐ │ -│ │ Aggregator │ │ -│ └──────┬──────┘ │ -│ ▼ │ -│ ┌─────────┐ ┌──────────┐ ┌───────┐ │ -│ │ Discord │ │ PostgreSQL│ │ Alert │ │ -│ │ Push │ │ History │ │ Check │ │ -│ └─────────┘ └──────────┘ └───────┘ │ -└─────────────────────────────────────────┘ -``` - -## 核心能力 - -1. **多数据源并行监控** - - GitHub: stars, forks, issues, commits - - Social Media: Twitter mentions, Reddit discussions - - Markets: Polymarket volume, prediction trends - - System: CPU, memory, disk health - -2. **子代理并行执行** - - 每个数据源由独立子代理处理 - - 避免顺序轮询导致的阻塞和 API 限流 - - 聚合器等待所有子代理完成后统一汇总 - -3. **定时更新与告警** - - Cron Job 驱动的定时抓取（默认 15 分钟） - - 阈值告警主动推送（Discord/Email/Slack） - - 历史数据存储供趋势分析 - -4. **对话式配置** - - 无需编写前端代码 - - 用自然语言定义监控目标和告警规则 - - 迭代调整只需修改指令文本 - -## 典型应用场景 - -| 场景 | 监控目标 | 推送渠道 | -|------|----------|----------| -| 开发者监控 | GitHub stars/commits | Discord | -| 社媒追踪 | Twitter mentions/sentiment | Discord | -| 市场情报 | Polymarket volume/trends | Telegram | -| 系统运维 | CPU/memory/disk | Discord/Email | - -## 与静态仪表盘对比 - -| 维度 | 静态仪表盘 | Dynamic Dashboard | -|------|------------|-------------------| -| 数据时效 | 手动刷新/定时拉取 | 持续更新 | -| 开发成本 | 数周前端开发 | 对话式配置 | -| 告警机制 | 被动查询 | 主动推送 | -| 多数据源 | 需分别集成 | 子代理原生并行 | - -## Related Concepts - -- [[Parallel-Agent-Execution]] — 子代理并行执行是动态仪表盘的核心机制 -- [[Scheduled-Task-Flywheel]] — Cron Job 驱动定时更新 -- [[Alerting]] — 阈值告警机制 -- [[self-healing-home-server]] — 系统健康监控场景 -- [[earnings-tracker]] — 市场数据监控场景 -- [[content-factory]] — 社交媒体监控场景 +--- +title: "Dynamic Dashboard" +type: concept +tags: [OpenClaw, Dashboard, Monitoring, Automation] +sources: [dynamic-dashboard] +last_updated: 2026-04-27 +--- + +## Definition + +**Dynamic Dashboard** 是一种基于 AI Agent 子代理并行执行的多数据源实时监控仪表盘。通过对话式指令驱动子代理同时抓取多个数据源，定时聚合结果并推送告警，实现"免开发、实时、主动"的监控体验。 + +## 核心洞察 + +> "用对话式描述替代数周的前端开发，立即获得实时洞察" + +## 架构模式 + +``` +┌─────────────────────────────────────────┐ +│ Dynamic Dashboard │ +├─────────────────────────────────────────┤ +│ ┌─────────┐ ┌─────────┐ ┌─────────┐ │ +│ │Sub-Agent│ │Sub-Agent│ │Sub-Agent│ │ +│ │ GitHub │ │ Twitter │ │Polymarket│ │ +│ └────┬────┘ └────┬────┘ └────┬────┘ │ +│ │ │ │ │ +│ └────────────┼────────────┘ │ +│ ▼ │ +│ ┌─────────────┐ │ +│ │ Aggregator │ │ +│ └──────┬──────┘ │ +│ ▼ │ +│ ┌─────────┐ ┌──────────┐ ┌───────┐ │ +│ │ Discord │ │ PostgreSQL│ │ Alert │ │ +│ │ Push │ │ History │ │ Check │ │ +│ └─────────┘ └──────────┘ └───────┘ │ +└─────────────────────────────────────────┘ +``` + +## 核心能力 + +1. **多数据源并行监控** + - GitHub: stars, forks, issues, commits + - Social Media: Twitter mentions, Reddit discussions + - Markets: Polymarket volume, prediction trends + - System: CPU, memory, disk health + +2. **子代理并行执行** + - 每个数据源由独立子代理处理 + - 避免顺序轮询导致的阻塞和 API 限流 + - 聚合器等待所有子代理完成后统一汇总 + +3. **定时更新与告警** + - Cron Job 驱动的定时抓取（默认 15 分钟） + - 阈值告警主动推送（Discord/Email/Slack） + - 历史数据存储供趋势分析 + +4. **对话式配置** + - 无需编写前端代码 + - 用自然语言定义监控目标和告警规则 + - 迭代调整只需修改指令文本 + +## 典型应用场景 + +| 场景 | 监控目标 | 推送渠道 | +|------|----------|----------| +| 开发者监控 | GitHub stars/commits | Discord | +| 社媒追踪 | Twitter mentions/sentiment | Discord | +| 市场情报 | Polymarket volume/trends | Telegram | +| 系统运维 | CPU/memory/disk | Discord/Email | + +## 与静态仪表盘对比 + +| 维度 | 静态仪表盘 | Dynamic Dashboard | +|------|------------|-------------------| +| 数据时效 | 手动刷新/定时拉取 | 持续更新 | +| 开发成本 | 数周前端开发 | 对话式配置 | +| 告警机制 | 被动查询 | 主动推送 | +| 多数据源 | 需分别集成 | 子代理原生并行 | + +## Related Concepts + +- [[Parallel-Agent-Execution]] — 子代理并行执行是动态仪表盘的核心机制 +- [[Scheduled-Task-Flywheel]] — Cron Job 驱动定时更新 +- [[Alerting]] — 阈值告警机制 +- [[self-healing-home-server]] — 系统健康监控场景 +- [[earnings-tracker]] — 市场数据监控场景 +- [[content-factory]] — 社交媒体监控场景 diff --git a/wiki/concepts/ExternalReasoning.md b/wiki/concepts/ExternalReasoning.md new file mode 100644 index 00000000..8dab89b8 --- /dev/null +++ b/wiki/concepts/ExternalReasoning.md @@ -0,0 +1,32 @@ +--- +title: "ExternalReasoning" +type: concept +tags: [] +last_updated: 2026-05-02 +--- + +## Definition +将 AI Agent 内部推理过程外化到外部系统（如 Todoist、Notion、数据库）的方法——使 Agent 的思考过程对人类可见，提高 Agent 行为的可观测性和可审计性。 + +## Description +传统 AI 系统是"黑箱"——用户只能看到输入和输出，看不到中间推理。ExternalReasoning 反其道而行： +- 将 Agent 的"思考"（Plan）写入外部系统的任务描述字段 +- 将中间步骤的推理结果追加为评论或日志 +- 保留完整的推理轨迹，供后续回溯和分析 + +核心价值： +- **可观测性**：用户实时了解 Agent 在想什么、做什么 +- **可审计性**：记录完整的决策链，便于事后复盘 +- **协同交接**：不同 Agent 或人类可以通过外部系统理解当前状态 + +## Implementation Patterns +- 任务描述字段存储 Agent 的 Plan/Strategy +- 任务评论追加推理过程和步骤完成记录 +- 外部系统（如 Todoist）作为推理过程的"外脑" + +## Related Concepts +- [[TaskVisibility]] +- [[AgenticWorkflow]] + +## Examples +- [[TodoistTaskManager]]：将 Agent Plan 外化到 Todoist 任务描述，将子步骤日志追加为评论 diff --git a/wiki/concepts/Kanban.md b/wiki/concepts/Kanban.md index 94fe5f39..2a3e7ed6 100644 --- a/wiki/concepts/Kanban.md +++ b/wiki/concepts/Kanban.md @@ -2,7 +2,7 @@ title: "Kanban" type: concept tags: [project-management, agile] -sources: [project-state-management] +sources: [project-state-management, overnight-mini-app-builder] last_updated: 2026-04-27 --- diff --git a/wiki/concepts/LaTeX.md b/wiki/concepts/LaTeX.md new file mode 100644 index 00000000..0abe70b9 --- /dev/null +++ b/wiki/concepts/LaTeX.md @@ -0,0 +1,24 @@ +--- +title: "LaTeX" +type: concept +tags: [] +sources: [latex-paper-writing] +last_updated: 2026-04-22 +--- + +## Aliases +- LaTeX2ε +- TeX/LaTeX + +## Definition +LaTeX 是一种基于 TeX 的排版系统，广泛用于学术论文、技术文档和演示文稿的高质量排版。通过 [[Prismer]] 容器，AI Agent 可以无需本地安装 TeX Live 即可完成 LaTeX 写作和即时 PDF 编译。 + +## Core Properties +- 支持 pdflatex、xelatex、lualatex 三种编译引擎 +- xelatex 原生支持中文/CJK 字体 +- 支持 BibTeX/BibLaTeX 参考文献管理 +- 提供多种模板：article、IEEE、beamer、中文论文 + +## Connections +- [[LaTeX Paper Writing]] ← enables AI-assisted ← [[LaTeX]] +- [[Prismer-AI]] ← provides runtime for ← [[LaTeX]] diff --git a/wiki/concepts/Pre-Build-Validation.md b/wiki/concepts/Pre-Build-Validation.md index 30fd7702..61a4b939 100644 --- a/wiki/concepts/Pre-Build-Validation.md +++ b/wiki/concepts/Pre-Build-Validation.md @@ -1,45 +1,46 @@ ---- -title: "Pre-Build Validation" -type: concept -tags: [] -last_updated: 2026-04-22 ---- - -## Overview -在代码编写之前进行市场/竞争验证的工作流模式。AI Agent 接收构建指令后，首先调用竞争分析工具（如 [[idea-reality-mcp]] 的 `idea_check()`）评估赛道的真实拥挤度，只有通过门控条件才允许进入实际代码编写阶段。 - -## Mechanism -1. 用户/Agent 提出构建需求（如"build me an AI code review tool"） -2. Agent 调用 `idea_check()` 扫描多平台真实数据 -3. 返回 `reality_signal` 分数（0-100） -4. 根据阈值决策：继续构建 / 暂停讨论 / 建议转向 - -## Decision Thresholds -| reality_signal | 决策 | 行动 | -|---|---|---| -| > 70 | STOP | 展示竞品，询问是否继续/转向/放弃 | -| 30-70 | 展示+建议 | 显示结果和 pivot_hints，建议差异化角度 | -| < 30 | 直接构建 | 提示市场空白，批准开始编写代码 | - -## Why It Matters -防止 AI Agent 犯最昂贵的错误：**在一个已被成熟方案解决的领域投入大量时间**。GitHub 上有 143,000+ AI code review 相关仓库，顶端方案已有 53,000+ stars——Agent 不知道是因为没有人告诉它去查，也没有人告诉它应该查。 - -## Relationship to Related Concepts -- [[Pre-Build Validation]] ← 前置于 [[Startup MVP Pipeline]] -- [[Pain Point Mining]] → [[Pre-Build Validation]] → [[Startup MVP Pipeline]]（完整的产品发现到构建流程） -- [[Reality-Signal]] 是 [[Pre-Build Validation]] 的核心度量指标 -- [[Agent-Build-Gate]] 是 [[Pre-Build Validation]] 的技术实现机制 - -## Aliases -- Pre-Build Gate -- Idea Validation Gate -- Pre-Build Checkpoint - -## Related -- [[idea-reality-mcp]] -- [[Reality-Signal]] -- [[Competition-Analysis]] -- [[Pivot-Strategy]] -- [[Agent-Build-Gate]] -- [[Startup MVP Pipeline]] -- [[Pain Point Mining]] +--- +title: "Pre-Build Validation" +type: concept +tags: [] +sources: [pre-build-idea-validator] +last_updated: 2026-04-27 +--- + +## Overview +在代码编写之前进行市场/竞争验证的工作流模式。AI Agent 接收构建指令后，首先调用竞争分析工具（如 [[idea-reality-mcp]] 的 `idea_check()`）评估赛道的真实拥挤度，只有通过门控条件才允许进入实际代码编写阶段。 + +## Mechanism +1. 用户/Agent 提出构建需求（如"build me an AI code review tool"） +2. Agent 调用 `idea_check()` 扫描多平台真实数据 +3. 返回 `reality_signal` 分数（0-100） +4. 根据阈值决策：继续构建 / 暂停讨论 / 建议转向 + +## Decision Thresholds +| reality_signal | 决策 | 行动 | +|---|---|---| +| > 70 | STOP | 展示竞品，询问是否继续/转向/放弃 | +| 30-70 | 展示+建议 | 显示结果和 pivot_hints，建议差异化角度 | +| < 30 | 直接构建 | 提示市场空白，批准开始编写代码 | + +## Why It Matters +防止 AI Agent 犯最昂贵的错误：**在一个已被成熟方案解决的领域投入大量时间**。GitHub 上有 143,000+ AI code review 相关仓库，顶端方案已有 53,000+ stars——Agent 不知道是因为没有人告诉它去查，也没有人告诉它应该查。 + +## Relationship to Related Concepts +- [[Pre-Build Validation]] ← 前置于 [[Startup MVP Pipeline]] +- [[Pain Point Mining]] → [[Pre-Build Validation]] → [[Startup MVP Pipeline]]（完整的产品发现到构建流程） +- [[Reality-Signal]] 是 [[Pre-Build Validation]] 的核心度量指标 +- [[Agent-Build-Gate]] 是 [[Pre-Build Validation]] 的技术实现机制 + +## Aliases +- Pre-Build Gate +- Idea Validation Gate +- Pre-Build Checkpoint + +## Related +- [[idea-reality-mcp]] +- [[Reality-Signal]] +- [[Competition-Analysis]] +- [[Pivot-Strategy]] +- [[Agent-Build-Gate]] +- [[Startup MVP Pipeline]] +- [[Pain Point Mining]] diff --git a/wiki/concepts/PreBuildValidation.md b/wiki/concepts/PreBuildValidation.md new file mode 100644 index 00000000..9825e7b7 --- /dev/null +++ b/wiki/concepts/PreBuildValidation.md @@ -0,0 +1,40 @@ +--- +title: "PreBuild Validation" +type: concept +tags: [decision-gate, ai-agent, pre-build, competition-analysis] +sources: [pre-build-idea-validator] +last_updated: 2026-04-27 +--- + +## Definition +在 AI Agent 开始编写代码之前，自动进行市场竞争验证的流程机制。通过 [[idea-reality-mcp]] 扫描多个平台，评估赛道饱和度，以分数形式反馈给 Agent 作为决策依据。 + +## How It Works +1. **触发**：OpenClaw Agent 接收到任何新项目/功能/工具的构建指令 +2. **扫描**：idea_reality_check() 调用 MCP server 并行查询 GitHub + HN + npm + PyPI + Product Hunt +3. **评估**：返回 reality_signal 分数（0-100） +4. **决策门控**： + - 高分（>70）→ Agent STOP → 向用户报告竞品 + 询问决策 + - 中分（30-70）→ 展示 pivot_hints → 建议差异化方向 + - 低分（<30）→ Agent 直接开始构建 +5. **执行**：始终在写任何代码之前先展示分数和竞品信息 + +## Key Design Principle +- **[[Reality Signal]] 作为 Gate**：分数决定是否可以继续，而非人工主动触发 +- **自动化嵌入 Agent Instructions**：Pre-Build Validation 通过 OpenClaw 的 agent instructions 实现，无需每次手动调用 +- **Deep Mode**：重要决策可使用 `depth="deep"` 扫描全部5个数据源（适合黑客松批量验证10个想法） + +## Value +- 防止独立开发者犯最昂贵的错误：**在一个已被解决的问题上花费大量时间** +- 避免 6+ 小时的编码后才发现 GitHub 上已有 143,000+ 同类仓库的尴尬 +- 将"直觉判断"升级为"数据驱动决策" + +## Related Concepts +- [[Reality Signal]]：PreBuild Validation 的核心量化指标 +- [[Autonomous Project Management]]：与 PreBuild Validation 的张力——自主性边界（高竞争时 Agent 应 STOP vs. Agent 应持续推进） +- [[Market Research & Product Factory]]：PreBuild Validation 互补——前者挖痛点找方向，后者在动手前验证赛道竞争密度 + +## Aliases +- Pre-Build Idea Validation +- Idea Validation +- Competition Analysis Gate diff --git a/wiki/concepts/Reality-Signal.md b/wiki/concepts/Reality-Signal.md index a377be3e..a004370a 100644 --- a/wiki/concepts/Reality-Signal.md +++ b/wiki/concepts/Reality-Signal.md @@ -1,40 +1,41 @@ ---- -title: "Reality-Signal" -type: concept -tags: [] -last_updated: 2026-04-22 ---- - -## Overview -通过 `idea_check()` 返回的 0-100 赛道拥挤度评分，基于 GitHub 仓库数量、Star 分布、Hacker News 讨论量等真实数据。用于 [[Pre-Build Validation]] 的核心度量指标，决定 Agent 是否可以继续构建还是需要暂停讨论。 - -## Scoring Mechanism -- **GitHub**：相关仓库数量 + Top 竞品的 Star 总数 -- **Hacker News**：相关讨论帖数量 + 平均分数 -- **npm / PyPI**：包数量 + 下载量分布 -- **Product Hunt**：早期产品关注度 - -综合以上数据输出 0-100 的 `reality_signal` 分数。 - -## Interpretation -| 分数区间 | 信号含义 | 行动 | -|---|---|---| -| > 70/100 | 高度拥挤 | 成熟竞品众多，需强差异化 | -| 30-70/100 | 中度竞争 | 存在机会但需细分角度 | -| < 30/100 | 市场空白 | 真正的蓝海，白手起家的最佳区间 | - -## Key Properties -- **基于真实数据，非 LLM 猜测**：unlike subjective assessment, reality_signal uses actual repo counts, star distributions, and HN discussion volume -- **用途**：[[Pre-Build Validation]] 决策依据；Hackathon 想法排名（最低分 = 最佳机会） -- **局限性**：无法评估技术实现难度、市场进入时机、团队执行能力 - -## Aliases -- Competition Score -- Market Saturation Score -- Idea Signal - -## Related -- [[Pre-Build Validation]] -- [[Competition-Analysis]] -- [[idea-reality-mcp]] -- [[Pivot-Strategy]] +--- +title: "Reality-Signal" +type: concept +tags: [] +sources: [pre-build-idea-validator] +last_updated: 2026-04-27 +--- + +## Overview +通过 `idea_check()` 返回的 0-100 赛道拥挤度评分，基于 GitHub 仓库数量、Star 分布、Hacker News 讨论量等真实数据。用于 [[Pre-Build Validation]] 的核心度量指标，决定 Agent 是否可以继续构建还是需要暂停讨论。 + +## Scoring Mechanism +- **GitHub**：相关仓库数量 + Top 竞品的 Star 总数 +- **Hacker News**：相关讨论帖数量 + 平均分数 +- **npm / PyPI**：包数量 + 下载量分布 +- **Product Hunt**：早期产品关注度 + +综合以上数据输出 0-100 的 `reality_signal` 分数。 + +## Interpretation +| 分数区间 | 信号含义 | 行动 | +|---|---|---| +| > 70/100 | 高度拥挤 | 成熟竞品众多，需强差异化 | +| 30-70/100 | 中度竞争 | 存在机会但需细分角度 | +| < 30/100 | 市场空白 | 真正的蓝海，白手起家的最佳区间 | + +## Key Properties +- **基于真实数据，非 LLM 猜测**：unlike subjective assessment, reality_signal uses actual repo counts, star distributions, and HN discussion volume +- **用途**：[[Pre-Build Validation]] 决策依据；Hackathon 想法排名（最低分 = 最佳机会） +- **局限性**：无法评估技术实现难度、市场进入时机、团队执行能力 + +## Aliases +- Competition Score +- Market Saturation Score +- Idea Signal + +## Related +- [[Pre-Build Validation]] +- [[Competition-Analysis]] +- [[idea-reality-mcp]] +- [[Pivot-Strategy]] diff --git a/wiki/concepts/RealitySignal.md b/wiki/concepts/RealitySignal.md new file mode 100644 index 00000000..002d2c78 --- /dev/null +++ b/wiki/concepts/RealitySignal.md @@ -0,0 +1,32 @@ +--- +title: "Reality Signal" +type: concept +tags: [competition-analysis, decision-gate, ai-agent, market-intelligence] +sources: [pre-build-idea-validator] +last_updated: 2026-04-27 +--- + +## Definition +竞争饱和度评分（0-100），由 [[idea-reality-mcp]] 基于 GitHub 仓库数量、star 分布、Hacker News 讨论量、npm/PyPI/Product Hunt 数据计算得出。数值越高表示该赛道越拥挤。 + +## Decision Thresholds +| Score | Interpretation | Agent Action | +|-------|---------------|-------------| +| > 70 | 高竞争（红海） | STOP，展示竞品 + stars，询问用户是否继续/转型/放弃 | +| 30-70 | 中等竞争 | 展示竞品 + pivot_hints，建议差异化角度 | +| < 30 | 低竞争（白海） | 直接构建，确认机会空间存在 | + +## Core Value +- 基于**真实数据**（repo counts、star distributions、HN volume）而非 LLM 主观猜测 +- 防止独立开发者在已被成熟产品占领的赛道中浪费生命 +- 低分 = 真正的白海机会 = 单兵创业者最佳切入窗口 + +## Related Concepts +- [[PreBuildValidation]]：使用 Reality Signal 作为决策门控的完整流程 +- [[Pre-Build Idea Validator]]：结合 OpenClaw + idea-reality-mcp 的具体实现 +- [[Pivot Direction]]：当高竞争时工具提供的差异化转型建议 + +## Aliases +- reality_signal +- competition score +- saturation score diff --git a/wiki/concepts/Startup-MVP-Pipeline.md b/wiki/concepts/Startup-MVP-Pipeline.md index 5762dd6a..c585ea53 100644 --- a/wiki/concepts/Startup-MVP-Pipeline.md +++ b/wiki/concepts/Startup-MVP-Pipeline.md @@ -1,37 +1,37 @@ ---- -title: "Startup MVP Pipeline" -type: concept -tags: [startup, agentic-ai, mvp, product-building] -sources: [market-research-product-factory] -last_updated: 2026-04-22 ---- - -## Definition - -Startup MVP Pipeline（创业最小可行产品流水线）是从市场机会发现到可演示产品原型的端到端自动化流程——用 AI Agent 替代人工完成"调研→验证→构建→交付"全链路。 - -## Core Mechanism - -1. **Pain Point Mining**：从 Reddit/X 挖掘真实用户痛点（按频率排序） -2. **Opportunity Validation**：分析现有方案缺口，确定未被满足的需求 -3. **MVP Specification**：用自然语言描述要解决的问题，AI 自动生成产品需求 -4. **Automated Build**：AI Agent（OpenClaw）根据需求构建 Web 应用原型 -5. **Delivery**：生成的 Web 应用可直接分享给用户验证 - -## Key Characteristics - -- **全自动化**：用户只需发一条消息，即可获得可演示的 Web 应用 -- **无技术门槛**：无需编程能力，OpenClaw 承担所有构建职责 -- **快速迭代**：发现痛点 → 构建原型 → 用户验证，周期以小时计 -- **持续监控**：可定期调度调研，持续追踪市场痛点演化 - -## Relationship to Other Concepts - -- [[Pain Point Mining]] → 供给数据 → [[Startup MVP Pipeline]] -- [[Agent-Driven Market Research]] → 提供方法论 → [[Startup MVP Pipeline]] -- [[content-factory]] ← extends ← [[Startup MVP Pipeline]]：内容工厂延伸为产品工厂 -- [[product-trend-researcher]] ← depends_on ← [[Last 30 Days Method]] → 支持 [[Startup MVP Pipeline]] - -## Sources - -- [[market-research-product-factory]] +--- +title: "Startup MVP Pipeline" +type: concept +tags: [startup, agentic-ai, mvp, product-building] +sources: [market-research-product-factory, overnight-mini-app-builder] +last_updated: 2026-04-22 +--- + +## Definition + +Startup MVP Pipeline（创业最小可行产品流水线）是从市场机会发现到可演示产品原型的端到端自动化流程——用 AI Agent 替代人工完成"调研→验证→构建→交付"全链路。 + +## Core Mechanism + +1. **Pain Point Mining**：从 Reddit/X 挖掘真实用户痛点（按频率排序） +2. **Opportunity Validation**：分析现有方案缺口，确定未被满足的需求 +3. **MVP Specification**：用自然语言描述要解决的问题，AI 自动生成产品需求 +4. **Automated Build**：AI Agent（OpenClaw）根据需求构建 Web 应用原型 +5. **Delivery**：生成的 Web 应用可直接分享给用户验证 + +## Key Characteristics + +- **全自动化**：用户只需发一条消息，即可获得可演示的 Web 应用 +- **无技术门槛**：无需编程能力，OpenClaw 承担所有构建职责 +- **快速迭代**：发现痛点 → 构建原型 → 用户验证，周期以小时计 +- **持续监控**：可定期调度调研，持续追踪市场痛点演化 + +## Relationship to Other Concepts + +- [[Pain Point Mining]] → 供给数据 → [[Startup MVP Pipeline]] +- [[Agent-Driven Market Research]] → 提供方法论 → [[Startup MVP Pipeline]] +- [[content-factory]] ← extends ← [[Startup MVP Pipeline]]：内容工厂延伸为产品工厂 +- [[product-trend-researcher]] ← depends_on ← [[Last 30 Days Method]] → 支持 [[Startup MVP Pipeline]] + +## Sources + +- [[market-research-product-factory]] diff --git a/wiki/concepts/StreakTracking.md b/wiki/concepts/StreakTracking.md new file mode 100644 index 00000000..99b0f2f8 --- /dev/null +++ b/wiki/concepts/StreakTracking.md @@ -0,0 +1,29 @@ +--- +title: "Streak Tracking" +type: concept +tags: [] +sources: [] +last_updated: 2026-04-27 +--- + +# Streak Tracking + +## Definition +记录用户在每个习惯上的连续完成天数（streak），并在每次交互中引用当前 streak 数据，以可视化积累成果，形成心理激励。 + +## Core Mechanism +- 每个习惯独立追踪当前连续完成天数 +- 数据存储在本地文件（如 `~/habits/log.json`）或数据库 +- 在确认完成的消息中引用 streak（如"Day 12 of morning workouts. Solid."） +- streak 断裂时重置为 0，并在适当语境下温和提醒 + +## Why It Matters +Streak 数据让用户直观看到自己的积累，形成"不想断掉"的心理锚点。配合 Adaptive Tone 后，消息引用 streak 天数具有真实激励效果。 + +## Used In +- [[Habit Tracker & Accountability Coach]]：核心数据追踪机制 +- 每周报告中的"当前连续天数"指标 + +## Related Concepts +- [[Adaptive Tone]]：依赖 streak 数据动态调整语气 +- [[Weekly Pattern Analysis]]：基于 streak 数据发现行为模式 diff --git a/wiki/concepts/TaskVisibility.md b/wiki/concepts/TaskVisibility.md new file mode 100644 index 00000000..08e0ee73 --- /dev/null +++ b/wiki/concepts/TaskVisibility.md @@ -0,0 +1,32 @@ +--- +title: "TaskVisibility" +type: concept +tags: [] +last_updated: 2026-05-02 +--- + +## Definition +AI Agent 任务执行过程的可视化透明度——使人类用户能追踪 Agent 的当前状态、已完成步骤和潜在阻塞。 + +## Description +在长时间运行的 Agentic Workflow 中（如构建全栈应用、深度研究），用户往往无法实时了解： +- Agent 当前正在执行哪一步 +- 已完成哪些子步骤 +- Agent 在哪里卡住或陷入死循环 + +TaskVisibility 通过外部化 Agent 的内部推理过程来解决这个问题。 + +## Implementation Patterns +- **状态分区**：使用不同状态标签区分任务阶段（🟡 In Progress / 🟠 Waiting / 🟢 Done） +- **计划外化**：将 Agent 的内部 Plan 写入任务描述，供人类审阅 +- **实时日志追加**：以评论形式实时追加子步骤完成记录 +- **停滞检测**：心跳脚本自动检测停滞任务并触发告警 + +## Related Concepts +- [[AgenticWorkflow]] +- [[ExternalReasoning]] +- [[ProjectStateManagement]] + +## Examples +- [[TodoistTaskManager]]：通过 Todoist 实现 TaskVisibility +- [[ProjectStateManagement]]：通过事件驱动方案实现任务状态追踪 diff --git a/wiki/concepts/WeeklyPatternAnalysis.md b/wiki/concepts/WeeklyPatternAnalysis.md new file mode 100644 index 00000000..548a8a01 --- /dev/null +++ b/wiki/concepts/WeeklyPatternAnalysis.md @@ -0,0 +1,34 @@ +--- +title: "Weekly Pattern Analysis" +type: concept +tags: [] +sources: [] +last_updated: 2026-04-27 +--- + +# Weekly Pattern Analysis + +## Definition +每周日汇总分析本周习惯追踪数据，发现用户行为中的隐藏规律，为下周提供有针对性的建议。 + +## Core Mechanism +每周固定时间（建议周日上午 10 点）发送周报，包含： +- 各习惯完成率 +- 当前连续天数（streaks） +- 本周最佳日和最差日 +- 一个观察到的行为模式（如"你总是在有早会的日子跳过锻炼"） +- 下周一条建议 + +## Why It Matters +行为模式分析能揭示隐藏的因果关系（如：周三晚睡 → 周四早晨习惯中断），帮助用户提前规划，而非事后被动应对。这是 AI 问责伙伴的独特价值——比人类教练更客观、更持续。 + +## Data Source +- [[Streak Tracking]] 的历史数据 +- 每日签到记录（完成/错过时间戳） + +## Used In +- [[Habit Tracker & Accountability Coach]]：周日报表功能 + +## Related Concepts +- [[Streak Tracking]]：提供原始数据 +- [[Adaptive Tone]]：根据分析结果调整下周语气策略 diff --git a/wiki/entities/Google-Sheets-API.md b/wiki/entities/Google-Sheets-API.md new file mode 100644 index 00000000..f4bc75f5 --- /dev/null +++ b/wiki/entities/Google-Sheets-API.md @@ -0,0 +1,28 @@ +--- +title: "Google Sheets API" +type: entity +tags: [] +sources: [] +last_updated: 2026-04-27 +--- + +# Google Sheets API + +## Aliases +- Google Sheets +- Google Spreadsheets API + +## Overview +Google Sheets API 允许程序化地读写 Google Sheets 表格。本 Wiki 中作为可选的数据可视化层，用于自动记录和展示习惯追踪数据。 + +## Role in This Wiki +- [[Habit Tracker & Accountability Coach]]：每日习惯数据自动写入表格，生成可视化仪表盘（可选集成） + +## Key Capabilities +- 读取和写入电子表格单元格 +- 批量更新数据 +- 格式化表格样式 +- 与 Google Drive 无缝集成 + +## External Links +- [Google Sheets API](https://developers.google.com/sheets/api) diff --git a/wiki/entities/Prismer-AI.md b/wiki/entities/Prismer-AI.md index c5755959..60db8655 100644 --- a/wiki/entities/Prismer-AI.md +++ b/wiki/entities/Prismer-AI.md @@ -1,16 +1,20 @@ ---- -title: "Prismer AI" -type: entity -tags: [] -sources: [arxiv-paper-reader] -last_updated: 2026-04-17 ---- - -## Entity Overview -**Prismer AI** 是一个开源 AI Agent 技能库维护组织，通过 GitHub 仓库 [Prismer-AI/Prismer](https://github.com/Prismer-AI/Prismer) 提供多种即装即用的 Agent skill，包括 `arxiv-reader` 等。 - -## Aliases -- Prismer - -## Role in Wiki -- `arxiv-reader` skill 的维护方，提供 3 个工具：`arxiv_fetch`、`arxiv_sections`、`arxiv_abstract` +--- +title: "Prismer AI" +type: entity +tags: [] +sources: [arxiv-paper-reader, latex-paper-writing] +last_updated: 2026-04-22 +--- + +## Entity Overview +**Prismer AI** 是一个开源 AI Agent 技能库维护组织，通过 GitHub 仓库 [Prismer-AI/Prismer](https://github.com/Prismer-AI/Prismer) 提供多种即装即用的 Agent skill，包括 `arxiv-reader` 等。 + +## Aliases +- Prismer + +## Role in Wiki +- `arxiv-reader` skill 的维护方，提供 3 个工具：`arxiv_fetch`、`arxiv_sections`、`arxiv_abstract` +- `latex-compiler` skill 的维护方，提供 4 个工具：`latex_compile`、`latex_preview`、`latex_templates`、`latex_get_template`，使 Agent 能够在无本地 TeX 环境的情况下完成 LaTeX 论文写作 + +## LaTeX Paper Writing 连接 +- [[LaTeX Paper Writing]] ← uses runtime from ← [[Prismer-AI]] diff --git a/wiki/entities/Prismer.md b/wiki/entities/Prismer.md new file mode 100644 index 00000000..837aeb91 --- /dev/null +++ b/wiki/entities/Prismer.md @@ -0,0 +1,22 @@ +--- +title: "Prismer" +type: entity +tags: [] +sources: [latex-paper-writing] +last_updated: 2026-04-22 +--- + +## Aliases +- Prismer-AI +- https://github.com/Prismer-AI/Prismer + +## Definition +Prismer 是一个开源的 AI Agent 工作流框架，通过 Docker 容器提供预配置的开发环境，使 Agent 能够执行需要完整系统工具（如 LaTeX 编译、代码执行等）的任务，而无需在本地安装任何依赖。 + +## Role in Sources +- 提供 Prismer Workspace 容器（内置完整 TeX Live + LaTeX 服务器，运行在端口 8080） +- 内置 latex-compiler skill，为 Agent 提供 LaTeX 写作能力 +- 通过 Docker Compose 一键部署：`docker compose -f docker/docker-compose.dev.yml up` + +## Connections +- [[LaTeX Paper Writing]] ← uses runtime from ← [[Prismer]] diff --git a/wiki/entities/Todoist.md b/wiki/entities/Todoist.md index 7c48a03a..d4783470 100644 --- a/wiki/entities/Todoist.md +++ b/wiki/entities/Todoist.md @@ -2,30 +2,38 @@ title: "Todoist" type: entity tags: [] -sources: [multi-channel-assistant] -last_updated: 2026-04-27 +last_updated: 2026-05-02 --- -## Aliases -- Todoist -- Todoist 应用 -- Todoist 任务管理 +## Overview +Todoist 是一个流行的 SaaS 任务管理工具，提供 REST API v2，支持任务（Tasks）、评论（Comments）、项目（Projects）、分区（Sections）等对象的 CRUD 操作。 -## Definition -Todoist 是一款跨平台（Web、iOS、Android、桌面）的个人待办事项管理应用，以简洁的界面和自然语言输入著称，是任务管理领域的标杆产品之一。 +## Role in Agent Workflows +Todoist 常被用作 AI Agent 的外部状态同步层： +- 创建/更新任务状态（In Progress / Waiting / Done） +- 外化 Agent 的内部 Plan 到任务描述 +- 追加子步骤日志为评论 +- 接收 Cron Job 的逾期提醒通知 -## Key Characteristics -- 自然语言输入：支持用自然语言快速创建任务（如"明天下午 3 点完成任务"） -- 多平台同步：支持所有主流平台，数据实时同步 -- 项目层级：支持项目和子项目组织任务 -- 标签与过滤：支持标签和自定义过滤器进行任务筛选 -- 集成生态：支持与日历、邮件、云盘等多种工具集成 -- 协作功能：支持任务分配和评论（Premium 功能） +## API Capabilities +- **Tasks API**：创建、更新、移动、关闭任务 +- **Comments API**：在任务下追加评论 +- **Sections API**：创建分区组织任务（如 🟡 In Progress） +- **Labels API**：为任务添加标签 +- **Projects API**：组织多个项目 -## Role in Task Management -Todoist 代表了"独立任务管理工具"的理念——任务应与文档分离，各司其职。其竞品包括 Things、TickTick、Notion Tasks 等。与 Obsidian Tasks 插件不同，Todoist 采用独立界面而非嵌入式任务管理。 +## Integration Pattern +典型集成方式（参考 [[TodoistTaskManager]]）： +```bash +./todoist_api.sh [data_json] +./sync_task.sh [task_id] [description] [labels] +./add_comment.sh +``` -## Connections -- [[ObsidianTasksPlugin]] ← replaces ← [[Todoist]]（作者用 Tasks 插件替代了 Todoist） -- [[Obsidian]] ← alternative_task_tool ← [[Todoist]]（Obsidian Tasks 插件是 Todoist 的替代方案） -- [[TaskAutomation]] ← uses ← [[Todoist]]（Agent 自动化任务添加场景） +## Related Entities +- [[TodoistRestApi]]：官方 REST API +- [[OpenClawWorkspace]]：Agent 执行环境 + +## Related Concepts +- [[TaskVisibility]] +- [[ExternalReasoning]] diff --git a/wiki/entities/TodoistRestApi.md b/wiki/entities/TodoistRestApi.md new file mode 100644 index 00000000..c6803bd2 --- /dev/null +++ b/wiki/entities/TodoistRestApi.md @@ -0,0 +1,40 @@ +--- +title: "TodoistRestApi" +type: entity +tags: [] +last_updated: 2026-05-02 +--- + +## Overview +Todoist 官方 REST API v2，是 Todoist 作为 Agent 外部状态同步层的技术基础。 + +## Base URL +``` +https://api.todoist.com/rest/v2/ +``` + +## Key Endpoints +| Endpoint | Method | Description | +|----------|--------|-------------| +| `/tasks` | POST | 创建新任务 | +| `/tasks/{task_id}` | POST | 更新任务 | +| `/tasks/{task_id}/close` | POST | 完成任务 | +| `/tasks/{task_id}/reopen` | POST | 重开任务 | +| `/comments` | POST | 添加评论 | +| `/sections` | GET/POST | 获取/创建分区 | + +## Authentication +使用 Bearer Token 认证： +```bash +curl -s -X POST "https://api.todoist.com/rest/v2/tasks" \ + -H "Authorization: Bearer YOUR_TOKEN" \ + -H "Content-Type: application/json" \ + -d '{"content": "Task content", "project_id": "PROJECT_ID"}' +``` + +## Integration Context +参见 [[TodoistTaskManager]] 中的 `todoist_api.sh` 封装脚本，以及 [[Todoist]] 实体的角色说明。 + +## Related Entities +- [[Todoist]] +- [[OpenClawWorkspace]] diff --git a/wiki/entities/Twilio.md b/wiki/entities/Twilio.md new file mode 100644 index 00000000..a4c583ad --- /dev/null +++ b/wiki/entities/Twilio.md @@ -0,0 +1,28 @@ +--- +title: "Twilio" +type: entity +tags: [] +sources: [] +last_updated: 2026-04-27 +--- + +# Twilio + +## Aliases +- Twilio Inc. +- Twilio SMS API + +## Overview +Twilio 是一个云通信平台，提供 SMS、Voice、WhatsApp 等消息渠道的 API。本 Wiki 中主要引用其 SMS API，作为 Telegram Bot API 的替代方案，用于 AI Agent 的每日习惯签到提醒。 + +## Role in This Wiki +- [[Habit Tracker & Accountability Coach]]：作为 SMS 渠道发送每日习惯签到提醒（无 Telegram 用户适用） +- [[Phone-Based Personal Assistant]]：核心消息推送渠道 + +## Key Capabilities +- RESTful SMS API，支持全球多国家号码 +- 可编程消息发送时间和内容 +- 支持双向消息收发 + +## External Links +- [Twilio SMS API Docs](https://www.twilio.com/docs/sms) diff --git a/wiki/entities/mnemox-ai.md b/wiki/entities/mnemox-ai.md new file mode 100644 index 00000000..5e52f5c2 --- /dev/null +++ b/wiki/entities/mnemox-ai.md @@ -0,0 +1,21 @@ +--- +title: "mnemox.ai" +type: entity +tags: [company, ai-tools, mcp] +sources: [pre-build-idea-validator] +last_updated: 2026-04-27 +--- + +## Overview +mnemox.ai 是一个 AI 工具开发商，专注于为 AI Agent 工作流提供实时市场情报服务。 + +## Key Products +- **[[idea-reality-mcp]]**：MCP server，通过扫描 GitHub/Hacker News/npm/PyPI/Product Hunt 五个平台，为 AI Agent 提供项目想法的竞争分析评分（reality_signal） +- **Web Demo**：提供在线预览版 https://mnemox.ai/check，无需安装即可体验 idea-reality-mcp 的工作流 + +## Connections +- [[OpenClaw]] ← integrates_with ← [[idea-reality-mcp]] +- [[pre-build-idea-validator]] ← powered_by ← [[idea-reality-mcp]] + +## Aliases +- mnemox diff --git a/wiki/index.md b/wiki/index.md index 65f83475..731fb118 100644 --- a/wiki/index.md +++ b/wiki/index.md @@ -4,6 +4,20 @@ - [Overview](overview.md) — living synthesis ## Sources +- [2026-04-27] [Goal-Driven Autonomous Tasks](sources/overnight-mini-app-builder.md) +- [2026-04-27] [Local CRM Framework with DenchClaw](sources/local-crm-framework.md) +- [2026-04-27] [OpenClaw + n8n Workflow Orchestration](sources/n8n-workflow-orchestration.md) +- [2026-04-27] [Multi-Channel AI Customer Service Platform](sources/multi-channel-customer-service.md) +- [2026-04-27] [Second Brain](sources/second-brain.md) +- [2026-04-27] [LaTeX Paper Writing](sources/latex-paper-writing.md) +- [2026-04-27] [Habit Tracker & Accountability Coach](sources/habit-tracker-accountability-coach.md) +- [2026-04-27] [Todoist Task Manager: Agent Task Visibility](sources/todoist-task-manager.md) +- [2026-04-27] [Dynamic Dashboard with Sub-agent Spawning](sources/dynamic-dashboard.md) +- [2026-04-27] [Pre-Build Idea Validator](sources/pre-build-idea-validator.md) +- [2026-04-27] [Autonomous Project Management with Subagents](sources/autonomous-project-management.md) +- [2026-04-27] [Daily Reddit Digest](sources/daily-reddit-digest.md) +- [2026-04-27] [Inbox De-clutter](sources/inbox-declutter.md) +- [2026-04-27] [Custom Morning Brief](sources/custom-morning-brief.md) - [2026-04-27] [Market Research & Product Factory](sources/market-research-product-factory.md) - [2026-04-27] [Phone-Based Personal Assistant](sources/phone-based-personal-assistant.md) - [2026-04-27] [Event Guest Confirmation](sources/event-guest-confirmation.md) @@ -233,27 +247,13 @@ - [YouTube Content Pipeline](sources/youtube-content-pipeline.md) - [X/Twitter Automation from Chat](sources/x-twitter-automation.md) - [X Account Analysis](sources/x-account-analysis.md) -- [Todoist Task Manager](sources/todoist-task-manager.md) - [Semantic Memory Search](sources/semantic-memory-search.md) -- [Second Brain](sources/second-brain.md) -- [Pre-Build Idea Validator](sources/pre-build-idea-validator.md) - [Polymarket Autopilot](sources/polymarket-autopilot.md) - [Phone Call Notifications](sources/phone-call-notifications.md) - [Personal CRM with Automatic Contact Discovery](sources/personal-crm.md) -- [Goal-Driven Autonomous Tasks](sources/overnight-mini-app-builder.md) -- [OpenClaw + n8n Workflow Orchestration](sources/n8n-workflow-orchestration.md) - [Multi-Source Tech News Digest](sources/multi-source-tech-news-digest.md) -- [Multi-Channel AI Customer Service Platform](sources/multi-channel-customer-service.md) -- [Local CRM Framework with DenchClaw](sources/local-crm-framework.md) -- [LaTeX Paper Writing](sources/latex-paper-writing.md) - [Personal Knowledge Base (RAG)](sources/knowledge-base-rag.md) -- [Inbox De-clutter](sources/inbox-declutter.md) -- [Habit Tracker & Accountability Coach](sources/habit-tracker-accountability-coach.md) - [Family Calendar Aggregation & Household Assistant](sources/family-calendar-household-assistant.md) -- [Dynamic Dashboard with Sub-agent Spawning](sources/dynamic-dashboard.md) -- [Daily Reddit Digest](sources/daily-reddit-digest.md) -- [2026-04-27] [Custom Morning Brief](sources/custom-morning-brief.md) -- [Autonomous Project Management with Subagents](sources/autonomous-project-management.md) - [Autonomous Educational Game Development Pipeline](sources/autonomous-game-dev-pipeline.md) - [arXiv Paper Reader](sources/arxiv-paper-reader.md) - [OpenClaw as Desktop Cowork (AionUi) — Remote Rescue & Multi-Agent Hub](sources/aionui-cowork-desktop.md) @@ -663,6 +663,7 @@ - [gog-CLI](entities/gog-CLI.md) - [Google](entities/Google.md) - [Google-Cloud](entities/Google-Cloud.md) +- [Google-Sheets-API](entities/Google-Sheets-API.md) - [GoogleAds](entities/GoogleAds.md) - [GoogleCloud](entities/GoogleCloud.md) - [GoogleGemini](entities/GoogleGemini.md) @@ -726,6 +727,7 @@ - [Milvus](entities/Milvus.md) - [MinIO](entities/MinIO.md) - [mission-center](entities/mission-center.md) +- [mnemox-ai](entities/mnemox-ai.md) - [n8n-mcp](entities/n8n-mcp.md) - [Nano Banana 2](entities/Nano Banana 2.md) - [Navidrome](entities/Navidrome.md) @@ -766,6 +768,7 @@ - [Playwright](entities/Playwright.md) - [Podcastfy](entities/Podcastfy.md) - [Portainer](entities/Portainer.md) +- [Prismer](entities/Prismer.md) - [Prismer-AI](entities/Prismer-AI.md) - [Product-Security-Group](entities/Product-Security-Group.md) - [Project-Management-Experiment-Tracker](entities/Project-Management-Experiment-Tracker.md) @@ -817,12 +820,14 @@ - [TikTok-Ads](entities/TikTok-Ads.md) - [tini](entities/tini.md) - [Todoist](entities/Todoist.md) +- [TodoistRestApi](entities/TodoistRestApi.md) - [Trae](entities/Trae.md) - [TranscriptAPI](entities/TranscriptAPI.md) - [Transmission](entities/Transmission.md) - [TruffleHog](entities/TruffleHog.md) - [tukuai](entities/tukuai.md) - [TweetClaw](entities/TweetClaw.md) +- [Twilio](entities/Twilio.md) - [TypeScript-Language-Server](entities/TypeScript-Language-Server.md) - [Ubuntu-Server](entities/Ubuntu-Server.md) - [UI-Designer](entities/UI-Designer.md) @@ -879,9 +884,11 @@ - [AccountArchitecture](concepts/AccountArchitecture.md) - [ActionItemTracking](concepts/ActionItemTracking.md) - [Active-Accountability](concepts/Active-Accountability.md) +- [ActiveAccountability](concepts/ActiveAccountability.md) - [Actor-Replication](concepts/Actor-Replication.md) - [Adaptive-Tone](concepts/Adaptive-Tone.md) - [AdaptiveMusic](concepts/AdaptiveMusic.md) +- [AdaptiveTone](concepts/AdaptiveTone.md) - [ADDIE-Model](concepts/ADDIE-Model.md) - [AdExtensions](concepts/AdExtensions.md) - [AdStrength](concepts/AdStrength.md) @@ -898,6 +905,7 @@ - [Agent-Template](concepts/Agent-Template.md) - [AgentFileFormat](concepts/AgentFileFormat.md) - [AgenticSystem](concepts/AgenticSystem.md) +- [AgenticWorkflow](concepts/AgenticWorkflow.md) - [AGENTS.md](concepts/AGENTS.md.md) - [Agile-Ceremonies](concepts/Agile-Ceremonies.md) - [AgilePractices](concepts/AgilePractices.md) @@ -993,6 +1001,7 @@ - [Character-Arc](concepts/Character-Arc.md) - [Character-Voice-Pillars](concepts/Character-Voice-Pillars.md) - [Check-in-Fatigue](concepts/Check-in-Fatigue.md) +- [CheckinFatigue](concepts/CheckinFatigue.md) - [ChinaLaborLawCompliance](concepts/ChinaLaborLawCompliance.md) - [Choice-Architecture](concepts/Choice-Architecture.md) - [CI-CD-Pipeline](concepts/CI-CD-Pipeline.md) @@ -1150,6 +1159,7 @@ - [Expert-User-Assumption](concepts/Expert-User-Assumption.md) - [Exporter](concepts/Exporter.md) - [Extended Thinking](concepts/Extended Thinking.md) +- [ExternalReasoning](concepts/ExternalReasoning.md) - [external配置](concepts/external配置.md) - [Fabula-Sjuzhet](concepts/Fabula-Sjuzhet.md) - [Fail-Closed](concepts/Fail-Closed.md) @@ -1171,6 +1181,7 @@ - [Fstab](concepts/Fstab.md) - [Full-Draft-Generation](concepts/Full-Draft-Generation.md) - [Full-Funnel-Campaign-Architecture](concepts/Full-Funnel-Campaign-Architecture.md) +- [FullDraftGeneration](concepts/FullDraftGeneration.md) - [Fuzzy-Matching](concepts/Fuzzy-Matching.md) - [Gamification](concepts/Gamification.md) - [GAS-Gameplay-Ability-System](concepts/GAS-Gameplay-Ability-System.md) @@ -1268,6 +1279,7 @@ - [Large-Language-Model](concepts/Large-Language-Model.md) - [LargeWorldCoordinates](concepts/LargeWorldCoordinates.md) - [Last-30-Days-Method](concepts/Last-30-Days-Method.md) +- [LaTeX](concepts/LaTeX.md) - [LaTeX-Flattening](concepts/LaTeX-Flattening.md) - [launchd](concepts/launchd.md) - [Layered-Configuration](concepts/Layered-Configuration.md) @@ -1405,11 +1417,13 @@ - [Post-Processing](concepts/Post-Processing.md) - [PRD生成工作流](concepts/PRD生成工作流.md) - [Pre-Build-Validation](concepts/Pre-Build-Validation.md) +- [PreBuildValidation](concepts/PreBuildValidation.md) - [Predictive-Maintenance](concepts/Predictive-Maintenance.md) - [Private-Cloud](concepts/Private-Cloud.md) - [Private-Context](concepts/Private-Context.md) - [Proactive-Agent-Recommendation](concepts/Proactive-Agent-Recommendation.md) - [Proactive-AI](concepts/Proactive-AI.md) +- [ProactiveAI](concepts/ProactiveAI.md) - [Problem-Management](concepts/Problem-Management.md) - [Procedural-Level-Design](concepts/Procedural-Level-Design.md) - [process-management](concepts/process-management.md) @@ -1434,6 +1448,7 @@ - [RAG](concepts/RAG.md) - [Reality-Signal](concepts/Reality-Signal.md) - [RealityKit-SwiftUI-Integration](concepts/RealityKit-SwiftUI-Integration.md) +- [RealitySignal](concepts/RealitySignal.md) - [ReAuditTriggers](concepts/ReAuditTriggers.md) - [Reciprocal-Rank-Fusion](concepts/Reciprocal-Rank-Fusion.md) - [RecruitmentFunnelAnalyzer](concepts/RecruitmentFunnelAnalyzer.md) @@ -1475,6 +1490,7 @@ - [Scalability](concepts/Scalability.md) - [Scheduled-Reminder](concepts/Scheduled-Reminder.md) - [Scheduled-Task-Flywheel](concepts/Scheduled-Task-Flywheel.md) +- [ScheduledReport](concepts/ScheduledReport.md) - [Scholar-Skill](concepts/Scholar-Skill.md) - [SCRM](concepts/SCRM.md) - [Scrum](concepts/Scrum.md) @@ -1548,6 +1564,7 @@ - [Strategic-Portfolio-Management](concepts/Strategic-Portfolio-Management.md) - [Strategic-Question-Answer](concepts/Strategic-Question-Answer.md) - [Streak-Tracking](concepts/Streak-Tracking.md) +- [StreakTracking](concepts/StreakTracking.md) - [Stretched-Cluster](concepts/Stretched-Cluster.md) - [StructuredInterview](concepts/StructuredInterview.md) - [StudyVault](concepts/StudyVault.md) @@ -1567,6 +1584,7 @@ - [TaskAutomation](concepts/TaskAutomation.md) - [TaskAutomationPipeline](concepts/TaskAutomationPipeline.md) - [TaskQuerySyntax](concepts/TaskQuerySyntax.md) +- [TaskVisibility](concepts/TaskVisibility.md) - [Taylorism](concepts/Taylorism.md) - [TCP隧道](concepts/TCP隧道.md) - [Technical-Architecture](concepts/Technical-Architecture.md) @@ -1639,6 +1657,7 @@ - [WEBHOOK_URL](concepts/WEBHOOK_URL.md) - [WebXR](concepts/WebXR.md) - [Weekly-Pattern-Analysis](concepts/Weekly-Pattern-Analysis.md) +- [WeeklyPatternAnalysis](concepts/WeeklyPatternAnalysis.md) - [What-If-Simulation](concepts/What-If-Simulation.md) - [WinThemes](concepts/WinThemes.md) - [Workflow-Engineering](concepts/Workflow-Engineering.md) diff --git a/wiki/log.md b/wiki/log.md index 29defa23..bb73488a 100644 --- a/wiki/log.md +++ b/wiki/log.md @@ -1,3 +1,57 @@ +## [2026-04-27] ingest | Goal-Driven Autonomous Tasks +- Source file: Agent/usecases/overnight-mini-app-builder.md +- Status: ✅ 成功摄入 +- Summary: AI Agent 从被动执行工具转变为主动的"自我导向型员工"——用户一次性输入目标，Agent 每天自动生成、调度并完成推动目标前进的任务（含夜间惊喜 Mini-App MVP 构建）。核心工程实践：Git-style append-only 日志模式（主会话管 AUTONOMOUS.md 状态，子 Agent 仅追加 tasks-log.md）解决多 Agent 竞态条件；Token-Light Design 保持 AUTONOMOUS.md 在 50 行以内避免心跳轮询 Token 浪费。 +- Concepts updated: Sub-Agent-Race-Condition.md（已含 sources 引用，last_updated 同步）、Token-Light-Design.md（已含 sources 引用，last_updated 同步）、Startup-MVP-Pipeline.md（新增 overnight-mini-app-builder 到 sources）、Kanban.md（新增 overnight-mini-app-builder 到 sources） +- Entities: 无需新建（OpenClaw.md Entity 已存在；Alex Finn 仅出现 1 次，不满足 ≥2 次条件） +- Source page: wiki/sources/overnight-mini-app-builder.md +- Notes: source page 已按标准格式生成；index.md 条目已补加日期前缀 [2026-04-27]；overview.md 第526行已有完整章节，无需更新；冲突检测：与 [[autonomous-project-management]] 的子 Agent 协调机制差异已记录在 source page Contradictions 节（文件分离模式 vs 事件驱动模式）。 + + + +- Source file: Agent/usecases/dynamic-dashboard.md +- Status: ✅ 成功摄入 +- Summary: AI Agent 驱动的实时动态仪表盘——通过子 Agent 并行抓取多数据源（GitHub/Twitter/Polymarket/系统健康），自动聚合为统一仪表盘，定时推送到 Discord 或生成 HTML，支持告警阈值和历史趋势查询。核心价值：免开发、实时、主动监控。 +- Concepts: 无需新建（Dynamic-Dashboard.md 概念页已于 2026-04-22 创建，last_updated 同步至今日；SubagentDelegation/Alerting/Cron定时任务 已覆盖相关概念） +- Entities: 无需新建（OpenClaw.md Entity 页已存在，本次补充 sources 引用；Discord/GitHub/Polymarket 属于通用数据源，不满足 Entity 创建条件） +- Source page: wiki/sources/dynamic-dashboard.md +- Notes: source page 已按标准格式生成；index.md 条目已补加日期前缀 [2026-04-27]；overview.md 第184行已有完整章节，无需更新；冲突检测：与 [[autonomous-project-management]] 的子 Agent 协调机制差异已记录在 source page Contradictions 节（数据聚合模式 vs 文件协调模式）。 + +## [2026-04-27] ingest | Pre-Build Idea Validator +- Source file: Agent/usecases/pre-build-idea-validator.md +- Status: ✅ 成功摄入 +- Summary: AI Agent 项目启动前的竞争情报验证机制——通过 idea-reality-mcp MCP server 扫描 GitHub/Hacker News/npm/PyPI/Product Hunt 五个数据源，返回 reality_signal 分数（0-100）作为预构建门控。高分（>70）触发 STOP，低分（<30）直接构建。核心价值：防止独立开发者在已被解决的问题上浪费生命。 +- Concepts created: 无需新建（Reality-Signal / Pre-Build Validation 已在其他 source 中建立，本次更新添加 pre-build-idea-validator 作为 sources 引用） +- Entities created: mnemox.ai（MCP server 开发商） +- Source page: wiki/sources/pre-build-idea-validator.md +- Notes: source page 已按标准格式生成；index.md 条目已补加日期前缀 [2026-04-27]；overview.md 第525行已有完整章节，无需更新；冲突检测：与 [[autonomous-project-management]] 的自主性边界张力已记录在 source page Contradictions 节；index.md Entities 节新增 mnemox.ai 条目；Concept 页面 Reality-Signal.md 和 Pre-Build-Validation.md 已添加 sources 引用。 + + +- Source file: Agent/usecases/autonomous-project-management.md +- Status: ✅ 成功摄入（重新摄取：源文件于 2026-04-26 12:35 修改，同步 date 字段至 2026-04-27，内容保持一致） +- Summary: 去中心化多子 Agent 并行项目管理体系——通过共享 STATE.yaml 协调，CEO 模式主会话（0-2 步工具调用），Git 作为审计日志，标签约定 pm-{project}-{scope}。核心洞察：文件协调比消息传递更具扩展性；主会话越薄响应越快。 +- Concepts: 无需新建（PM Delegation Pattern / CEO Pattern / Shared State Coordination / Git-as-Audit-Log 已在 autonomous-project-management.md 原摄入时创建） +- Entities: 无需新建（Nicholas Carlini 已在原摄入时创建） +- Source page: wiki/sources/autonomous-project-management.md +- Notes: 源文件修改时间为 2026-04-26 12:35:50（距上次 2026-04-22 摄入）；本次重新摄取仅同步 date 字段至 2026-04-27，content 内容与原 page 一致，无需变更；index.md 条目已存在（含日期前缀 [2026-04-27]）；overview.md 第555行新增 autonomous-project-management 章节；冲突检测：与 [[project-state-management]] 的冲突已在 source page Contradictions 节记录（动态状态文件 vs 事件驱动看板）。 + +## [2026-04-27] ingest | Daily Reddit Digest +- Source file: Agent/usecases/daily-reddit-digest.md +- Status: ✅ 成功摄入（日期同步：source page date 从 2026-04-22 更新至 2026-04-27，源文件未更新，内容保持一致） +- Summary: AI Agent 驱动的 Reddit 每日精选摘要自动化——通过 OpenClaw + reddit-readonly skill，每日定时抓取指定 Subreddit 的热门/最新/最高赞帖子，AI 记忆用户偏好并持续优化精选规则（如排除表情包类内容）。纯读取模式，无需认证。 +- Concepts: 无需新建（Daily-Digest / Reddit Read-Only / Preference Learning 已在其他 source 中建立） +- Entities: 无需新建（OpenClaw / reddit-readonly 已在其他 source 中建立） +- Source page: wiki/sources/daily-reddit-digest.md +- Notes: 源文件时间戳 2026-04-26 12:35 与现有 source page 完全一致，内容无变化，仅同步 date 字段；index.md 条目已补加日期前缀 [2026-04-27]；overview.md 第425行已有完整章节，内容一致无需更新；冲突检测：无冲突。 + +## [2026-04-27] ingest | Custom Morning Brief +- Source file: Agent/usecases/custom-morning-brief.md +- Status: ✅ 成功摄入 +- Summary: OpenClaw 个性化早间简报工作流——每日 8AM 定时推送，包含新闻研究+待办任务+完整草稿（脚本/邮件/方案）+ AI 主动推荐可自主完成的任务。核心价值：把夜间空闲时间转化为高效准备时间；完整草稿（full draft）而非标题是节省时间的关键；AI 主动推荐任务是系统最有价值的部分。 +- Concepts created: ScheduledReport / ProactiveAI / FullDraftGeneration +- Source page: wiki/sources/custom-morning-brief.md +- Notes: index.md 条目已补加日期前缀 [2026-04-27]；overview.md 第505行已有完整章节，内容一致无需更新；冲突检测：无实质冲突，与 MultiChannelAssistant（扩展）、TodoistTaskManager（依赖）、SecondBrain（相似）、ScheduledReminder（相似）、family-calendar-household-assistant（同一模式不同场景）均为互补或层级扩展关系。 + ## [2026-04-27] ingest | Phone-Based Personal Assistant - Source file: Agent/usecases/phone-based-personal-assistant.md - Status: ✅ 成功摄入（重新摄取：源文件于 2026-04-26 更新，需同步日期至 2026-04-27） @@ -483,6 +537,14 @@ - Source page: wiki/sources/ubuntu服务器通过rsync实现日常增量备份.md - Notes: index.md Sources 部分已有本条目（添加日期戳和一行摘要）；overview.md Home Server Automation 节新增本 Source 独立 entry，Key Concepts 新增 [[ubuntu服务器通过rsync实现日常增量备份]]/[[rsync]]/[[Fstab]]/[[NFS]]/[[Synology-NAS]]/[[Docker-Volume-Backup]]；Entity 页面更新：[[rsync]] Synology-NAS wikilink 已更新（Synology NAS DS718 → Synology-NAS），[[Clonezilla]] 已添加本 source 为 Related Sources；冲突检测：无实质冲突，与 NFS 挂载源文档互补（前者讲 rsync 备份脚本，后者讲 NFS 挂载配置），与 Clonezilla 形成互补（增量 vs 全量）。 +## [2026-07-10] ingest | Inbox De-clutter +- Source file: Agent/usecases/inbox-declutter.md +- Status: ✅ 验证完成（source page 已存在且完整，content 同步于 2026-07-10） +- Summary: AI Agent 自动整理邮箱订阅 newsletters——通过每日 Cron Job（每天 20:00）阅读过去 24 小时 Newsletter 新邮件，生成摘要并附链接，然后请求用户反馈，持续学习偏好。核心价值：用 AI 代替人工翻阅 Newsletter，减少信息噪音；偏好学习机制使摘要越用越精准。 +- Concepts created: [[Cron Job]] / [[Email Triage]] / [[Newsletter Digest]] / [[Preference Learning]]（均以内嵌 wikilink 引用存在于 source page，未达独立建页阈值） +- Source page: wiki/sources/inbox-declutter.md +- Notes: index.md 第251行已有本条目（Sources 节）；overview.md 已有相关概念覆盖，无需修订；Entity 页面 [[OpenClaw]]（wiki/entities/OpenClaw.md）已存在，[[Gmail OAuth]] 已在 source page 中引用，未达独立建页阈值；冲突检测：无已知冲突——与 [[custom-morning-brief]]（同为 OpenClaw Cron Job 模式但垂直场景不同）互补，与 [[email-triage]] 为垂直实现关系。 + ## [2025-09-29] ingest | Linux 运维必会的 150 个命令 - Source file: Home Office/Linux 运维必会的 150 个命令.md - Status: ✅ 成功摄入（source page 已存在，内容已更新） @@ -4808,3 +4870,54 @@ - Concepts: Pain Point Mining / Startup MVP Pipeline / Agent-Driven Market Research / Last 30 Days Method 已在 source page 引用，均已存在独立页面，无需重复创建 - Source page: wiki/sources/market-research-product-factory.md - Notes: source page 已存在且内容完整（date: 2026-04-17）；index.md 已包含该 source 条目（第246行）；overview.md 第523/525行已有 market-research-product-factory 相关覆盖；本次 re-ingest 补充创建 Last-30-Days-Skill.md 和 Matt-Van-Horne.md 两个缺失 Entity 页面并注册至 index.md Entities 节；冲突检测：无新增冲突（与 content-factory/Pre-Build Idea Validator 已在现有 source page 中记录互补关系） + +## [2026-05-02] ingest | Todoist Task Manager: Agent Task Visibility +- Source file: Agent/usecases/todoist-task-manager.md +- Status: ✅ 成功摄入 +- Summary: AI Agent 长时任务的可视化进度追踪系统，通过 Todoist 实现 Agent 内部推理外部化——利用 Todoist 项目 + 分区（🟡 In Progress / 🟠 Waiting / 🟢 Done）+ Bash 脚本封装 REST API，实现任务状态可视化、Agent 计划外化、子步骤日志实时追加评论、心跳脚本停滞告警。核心价值：用户无需手动翻查聊天记录，在 Todoist 中即可透明查看 Agent 进展。 +- Concepts created: TaskVisibility.md、AgenticWorkflow.md、ExternalReasoning.md +- Entities created: TodoistRestApi.md（Todoist.md 已存在）；OpenClaw.md 已存在，本次作为 Key Entity 引用 +- Source page: wiki/sources/todoist-task-manager.md +- Notes: source page 已按标准格式生成；index.md Sources 节条目已补加日期前缀 [2026-05-02]；overview.md 第509行已存在 Todoist Task Manager 章节，已更新为双维度描述（任务执行可视化 + 自然语言→结构化任务）；冲突检测：与 [[ProjectStateManagement]] 属同一问题域（任务状态管理），已在 source page Contradictions 节记录差异（SaaS 实现 vs 事件驱动方案）；wikilinks 均已验证有效。 + +## [2026-04-27] ingest | Habit Tracker & Accountability Coach（重新摄取） +- Source file: Agent/usecases/habit-tracker-accountability-coach.md +- Status: ✅ 增量同步完成（source page 已存在，本次更新：1. 同步 date→last_updated 字段格式；2. 新建缺失 Entity 页面：Twilio.md、Google-Sheets-API.md；3. 新建缺失 Concept 页面：AdaptiveTone.md、StreakTracking.md、CheckinFatigue.md、WeeklyPatternAnalysis.md、ActiveAccountability.md；4. 验证 index.md 条目已存在） +- Summary: AI Agent 作为主动问责伙伴，通过 Telegram/SMS 每日定时签到，替代被动习惯追踪 App。核心机制：主动问责 + 连续打卡追踪 + 自适应语气 + 每周模式分析。源文件最后修改时间：2026-04-26 12:35。 +- Concepts created: AdaptiveTone.md、StreakTracking.md、CheckinFatigue.md、WeeklyPatternAnalysis.md、ActiveAccountability.md +- Entities created: Twilio.md、Google-Sheets-API.md +- Source page: wiki/sources/habit-tracker-accountability-coach.md +- Notes: + - 源文件修改时间：2026-04-26 12:35（距上次 2026-04-17 摄入） + - index.md 第255行已有本条目，无需更新 + - overview.md 已有相关章节，无需修订 + - log.md 已有 2026-04-17 原始摄入记录，本次追加增量同步记录 + - Entity 页面 [[OpenClaw]]/[[Telegram]] 已存在，无需新建 + - 冲突检测：无冲突 + +## [2026-04-27] ingest | Multi-Channel AI Customer Service Platform +- Source file: Agent/usecases/multi-channel-customer-service.md +- Status: ✅ 成功摄入 +- Summary: 多渠道 AI 客服平台，整合 WhatsApp Business、Instagram DMs、Gmail、Google Reviews 到统一 AI 收件箱。AI 自动回复处理 FAQ/预约/投诉/评价，复杂问题升级人工。通过 OpenClaw 配置渠道连接，AGENTS.md 配置消息路由逻辑（意图分类 + 多语言检测），心跳监控检测响应积压。Futurist Systems 部署案例：餐厅响应时间从 4+ 小时降至 2 分钟内，80% 咨询自动处理。 +- Concepts created: 无需新建（IntentClassification/TestMode/HumanHandoff 等概念在其他来源已覆盖，不满足独立创建条件） +- Entities: 无需新建（WhatsAppBusiness/Instagram/Gmail/GoogleBusinessProfile 为通用平台，FuturistSystems 为一次性案例，均不满足 Entity 创建条件） +- Source page: wiki/sources/multi-channel-customer-service.md +- Notes: + - index.md 第253行已有本条目，无需更新 + - overview.md 未涉及多渠道客服主题，无需修订 + - 与 [[multi-channel-assistant]] 的关系已记录为 extends 连接 + - 冲突检测：无冲突 + +## [2026-04-26] ingest | Local CRM Framework with DenchClaw +- Source file: Agent/usecases/local-crm-framework.md +- Status: ✅ 成功摄入（日期同步：源文件修改于 2026-04-26 12:35，同步 date 字段从 2026-04-22 至 2026-04-26，内容保持一致无需变更） +- Summary: DenchClaw 将 OpenClaw 转化为本地 CRM、销售自动化和生产力平台的完整框架——通过 `npx denchclaw` 一键安装完整技术栈（DuckDB + Web UI + OpenClaw Profile + 浏览器自动化），所有设置/视图以文件（YAML/Markdown）存储，Agent 可直接修改 UI 而无需 API 抽象层。核心创新：Chrome Profile 克隆使 Agent 继承用户认证状态，可直接导入 HubSpot 等平台数据。 +- Concepts: 无需新建（[[DuckDB]]/[[File-System-First-UI]]/[[Chrome-Profile-Cloning]] 等概念页已于 2026-04-22 创建） +- Entities: 无需新建（[[DenchClaw]] Entity 页已于 2026-04-22 创建） +- Source page: wiki/sources/local-crm-framework.md +- Notes: + - 源文件时间戳 2026-04-26 12:35（距上次 2026-04-22 摄入），内容无变化，仅同步 date 字段 + - index.md 条目已补加日期前缀 [2026-04-26] + - overview.md 第524行已有完整章节，无需更新 + - 冲突检测：无冲突 + diff --git a/wiki/overview.md b/wiki/overview.md index 94154016..401d3a48 100644 --- a/wiki/overview.md +++ b/wiki/overview.md @@ -506,7 +506,10 @@ Covers Claude Code, Claude Code Templates (npx 一键安装 Skills/Agents/MCP vi **[[family-calendar-household-assistant]]**：基于 [[OpenClaw]] 的家庭日程协调与物资管理方案——聚合 5+ 个分散日历（工作/个人/家庭/学校/课外）生成每日晨间简报；通过环境消息监控（Ambient Message Monitoring）自动从 iMessage 中识别预约并创建日历事件（含行车时间缓冲）；维护家庭库存 JSON（冰箱/储藏室），支持照片 OCR 和小票识别更新；生成购物清单。核心洞察：**Ambient > Active**——Agent 在不被要求时主动行动才是最大突破；Mac Mini 是该场景的最优硬件（iMessage 集成 + 始终在线）。与 [[Custom Morning Brief]] 属同一晨间简报模式的不同场景（个人 vs 家庭）。 -**Todoist Task Manager**：基于 [[OpenClaw]] 的 AI 驱动任务管理自动化——Agent 解析自然语言指令（"这周完成 Q1 报告"）→ 调用 Todoist REST API 创建结构化任务（含截止/项目/标签）→ Cron Job 定时扫描逾期任务主动推送提醒。与 [[multi-channel-assistant]] 中 Todoist 集成属同一技术栈，Todoist Task Manager 侧重任务管理的深度自动化（Cron 追踪/会议→任务闭环），multi-channel-assistant 侧重多渠道入口的统一体验。 +**Todoist Task Manager**：基于 [[OpenClaw]] 的 AI 驱动任务管理自动化，分两个维度： +1. **任务执行可视化**（本文档核心）：将 Agent 长时任务（如构建全栈应用）的内部推理和进度日志同步到 Todoist——通过分区（🟡 In Progress / 🟠 Waiting / 🟢 Done）可视化状态，将 Agent Plan 外化到任务描述，实时追加子步骤日志为评论，心跳脚本检测停滞任务并告警 +2. **自然语言→结构化任务**：Agent 解析自然语言指令（"这周完成 Q1 报告"）→ 调用 Todoist REST API 创建含截止/项目/标签的任务 → Cron Job 定时扫描逾期任务主动推送提醒 +与 [[multi-channel-assistant]] 中 Todoist 集成属同一技术栈，侧重任务管理的深度自动化。与 [[ProjectStateManagement]] 属同一问题域（任务状态管理），但 Todoist Task Manager 利用现成 SaaS 实现，Project State Management 使用事件驱动替代方案。 **Health & Symptom Tracker**：基于 [[OpenClaw]] 的食物敏感性自动追踪方案——通过 Telegram 话题记录食物和症状，Cron Job 每日三餐定时提醒（8AM/1PM/7PM），OpenClaw 自动解析消息并带时间戳写入 Markdown 日志，每周分析关联模式识别潜在触发因素。无需专用 App，完全自托管。 @@ -554,6 +557,8 @@ Covers Claude Code, Claude Code Templates (npx 一键安装 Skills/Agents/MCP vi **[[autonomous-game-dev-pipeline]]**：基于 [[OpenClaw]] 的 AI Agent 全自动教育游戏开发流水线——每小时轮询队列产出 1 款儿童 HTML5 游戏，通过 "Bugs First" 优先策略（先修 bug 再做新功能）、Round Robin 年龄组均衡分配、纯 HTML5/CSS3/JS 无框架技术栈，实现单人维护 41+ 款游戏。核心工程纪律：同步 master → feature branch → conventional commits → PR merge，每次交付自动更新 CHANGELOG 和队列状态。核心价值：**每 7 分钟产出 1 款游戏或 1 个 bugfix**，单人可管理完整产品线。与 [[content-factory]] 同属 Agent 自动化内容生产，但前者侧重多 Agent 协作链，本方案侧重单人 Agent 的高纪律性流水线。 +**[[autonomous-project-management]]**：去中心化的多子 Agent 并行项目管理体系——通过共享 `STATE.yaml` 文件协调而非中央编排器，[[CEO Pattern|主会话采用 CEO 模式]]（0-2 步工具调用），子 Agent 通过 `sessions_spawn`/`sessions_send` 自主认领任务并更新状态，Git 提交作为完整审计日志。核心洞察：主会话越薄响应越快；基于文件的协调比消息传递更具可扩展性；标签约定 `pm-{project}-{scope}` 便于追踪。与 [[project-state-management]] 均强调文件化状态管理但后者侧重事件驱动看板自动追踪，与 [[multi-agent-team]] 同属多 Agent 协作模式但本方案侧重项目级协调而非团队组建。 + **[[aionui-cowork-desktop]]**：基于 [[AionUi]] 的 OpenClaw 桌面可视化 + 远程救援方案——通过 AionUi 的 Cowork 工作空间，用户可直接看到 OpenClaw 读写文件、运行命令、浏览网页，而非仅终端日志；内置 OpenClaw 部署专家，通过 Telegram/WebUI 远程诊断修复（`openclaw doctor`），解决"OpenClaw 挂了且不在机器旁"的困境；统一 MCP 配置一次，全局同步到 OpenClaw + 12+ 其他 Agent。与 [[Self-Healing-Home-Server]] 的远程修复场景关联，[[Multi-AgentHub]] 共享同一多 Agent 并行管理理念。 **播客制作自动化**：[[podcast-production-pipeline]] 提供 AI Agent 全自动播客制作流水线，覆盖「录前研究→大纲脚本→录制→时间戳笔记→社媒推广包→SEO描述」全链路。与 [[Content Factory]] 配合可将播客内容复用为博客、Newsletter、视频片段等多格式资产。 diff --git a/wiki/sources/autonomous-project-management.md b/wiki/sources/autonomous-project-management.md index 12cc14f1..04af9d72 100644 --- a/wiki/sources/autonomous-project-management.md +++ b/wiki/sources/autonomous-project-management.md @@ -1,46 +1,46 @@ ---- -title: "Autonomous Project Management with Subagents" -type: source -tags: [multi-agent, project-management, autonomous-agents, coordination] -date: 2026-04-22 ---- - -## Source File -- [[Agent/usecases/autonomous-project-management]] - -## Summary（用中文描述） -- 核心主题：去中心化的多子 Agent 并行项目管理体系，通过共享 STATE.yaml 文件协调而非中央编排器 -- 问题域：复杂多并行工作流项目管理的上下文切换瓶颈问题——传统编排模式主 Agent 成为交通指挥员 -- 方法/机制：主 Agent 仅做策略（CEO 模式），子 Agent 通过读写共享 STATE.yaml 自主工作；Git 作为审计日志 -- 结论/价值：基于文件的协调比消息传递更具可扩展性；Git 版本控制提供完整历史追溯 - -## Key Claims（用中文描述） -- **共享 STATE.yaml > 中心编排器**：文件协调比消息传递模式更具扩展性 -- **CEO 模式**：主会话越薄（0-2 步工具调用），响应速度越快 -- **Git 作为审计日志**：STATE.yaml 变更即提交，获得完整可追溯历史 -- **标签约定至关重要**：使用 `pm-{project}-{scope}` 格式便于追踪 - -## Key Quotes -> "Let agents self-organize rather than micromanaging them." — [[Nicholas Carlini]] - -> "The less the main agent does, the faster it responds." — 核心洞察 - -## Key Concepts -- [[PM Delegation Pattern]]：主会话仅协调，所有执行下沉至子 Agent 的委托模式 -- [[CEO Pattern]]：主 Agent 仅负责策略决策，子 Agent 负责执行的极简主控模式 -- [[Shared State Coordination]]：通过共享文件（而非消息传递）实现多 Agent 协调 -- [[Git-as-Audit-Log]]：将所有状态变更提交至 Git，获得完整决策历史 - -## Key Entities -- [[Nicholas Carlini]]：AI 研究者，其自主编码 Agent 方法启发了此模式——让 Agent 自我组织而非微观管理 - -## Connections -- [[project-state-management]] ← related_to ← [[autonomous-project-management]]（两者均强调文件化状态管理，但 project-state-management 侧重事件驱动看板） -- [[content-factory]] ← related_to ← [[autonomous-project-management]]（均使用 sessions_spawn/sessions_send 实现多 Agent 编排） -- [[multi-agent-team]] ← related_to ← [[autonomous-project-management]]（均涉及多 Agent 专业团队协作） - -## Contradictions -- 与 [[project-state-management]] 冲突： - - 冲突点：任务管理范式——动态状态文件 vs 静态看板视图 - - 当前观点：去中心化文件协调，子 Agent 自主驱动进度 - - 对方观点：事件驱动看板，用户通过自然语言操作，完整保留决策链上下文 +--- +title: "Autonomous Project Management with Subagents" +type: source +tags: [multi-agent, project-management, autonomous-agents, coordination] +date: 2026-04-27 +--- + +## Source File +- [[Agent/usecases/autonomous-project-management]] + +## Summary（用中文描述） +- 核心主题：去中心化的多子 Agent 并行项目管理体系，通过共享 STATE.yaml 文件协调而非中央编排器 +- 问题域：复杂多并行工作流项目管理的上下文切换瓶颈问题——传统编排模式主 Agent 成为交通指挥员 +- 方法/机制：主 Agent 仅做策略（CEO 模式），子 Agent 通过读写共享 STATE.yaml 自主工作；Git 作为审计日志 +- 结论/价值：基于文件的协调比消息传递更具可扩展性；Git 版本控制提供完整历史追溯 + +## Key Claims（用中文描述） +- **共享 STATE.yaml > 中心编排器**：文件协调比消息传递模式更具扩展性 +- **CEO 模式**：主会话越薄（0-2 步工具调用），响应速度越快 +- **Git 作为审计日志**：STATE.yaml 变更即提交，获得完整可追溯历史 +- **标签约定至关重要**：使用 `pm-{project}-{scope}` 格式便于追踪 + +## Key Quotes +> "Let agents self-organize rather than micromanaging them." — [[Nicholas Carlini]] + +> "The less the main agent does, the faster it responds." — 核心洞察 + +## Key Concepts +- [[PM Delegation Pattern]]：主会话仅协调，所有执行下沉至子 Agent 的委托模式 +- [[CEO Pattern]]：主 Agent 仅负责策略决策，子 Agent 负责执行的极简主控模式 +- [[Shared State Coordination]]：通过共享文件（而非消息传递）实现多 Agent 协调 +- [[Git-as-Audit-Log]]：将所有状态变更提交至 Git，获得完整决策历史 + +## Key Entities +- [[Nicholas Carlini]]：AI 研究者，其自主编码 Agent 方法启发了此模式——让 Agent 自我组织而非微观管理 + +## Connections +- [[project-state-management]] ← related_to ← [[autonomous-project-management]]（两者均强调文件化状态管理，但 project-state-management 侧重事件驱动看板） +- [[content-factory]] ← related_to ← [[autonomous-project-management]]（均使用 sessions_spawn/sessions_send 实现多 Agent 编排） +- [[multi-agent-team]] ← related_to ← [[autonomous-project-management]]（均涉及多 Agent 专业团队协作） + +## Contradictions +- 与 [[project-state-management]] 冲突： + - 冲突点：任务管理范式——动态状态文件 vs 静态看板视图 + - 当前观点：去中心化文件协调，子 Agent 自主驱动进度 + - 对方观点：事件驱动看板，用户通过自然语言操作，完整保留决策链上下文 diff --git a/wiki/sources/daily-reddit-digest.md b/wiki/sources/daily-reddit-digest.md index ebbfcd74..3680d7fb 100644 --- a/wiki/sources/daily-reddit-digest.md +++ b/wiki/sources/daily-reddit-digest.md @@ -1,39 +1,39 @@ ---- -title: "Daily Reddit Digest" -type: source -tags: [] -date: 2026-04-22 ---- - -## Source File -- [[Agent/usecases/daily-reddit-digest.md]] - -## Summary（用中文描述） -- 核心主题：AI Agent 驱动的 Reddit 每日精选摘要自动化 -- 问题域：如何高效追踪多个 Subreddit 的热门内容 -- 方法/机制：通过 OpenClaw + reddit-readonly skill，每日定时运行，自动抓取 Reddit 热门/最新/最高赞帖子 -- 结论/价值：提供免登录、免发帖、无噪音的纯阅读体验，支持搜索帖子、获取评论上下文，适合人工后续筛选和回复 - -## Key Claims（用中文描述） -- OpenClaw Agent ← 每日定时执行 ← Reddit 热门帖子抓取，实现自动化内容订阅 -- reddit-readonly skill ← 无需认证 ← 纯读取模式，安全可靠 -- 记忆系统 ← 学习用户偏好 ← 持续优化精选规则，实现个性化 digest - -## Key Quotes -> "It's read-only. No posting, voting, or commenting." — 核心设计原则，专注阅读不引入干扰 - -## Key Concepts -- [[Daily-Digest]]：定时运行的 AI 内容摘要服务，每日自动推送精选内容 -- [[Reddit Read-Only]]：纯读取模式，无需账户认证，专注于内容消费 -- [[Preference Learning]]：通过用户反馈持续学习偏好，优化推荐规则 - -## Key Entities -- [[OpenClaw]]：多 Agent 框架，承载 reddit-readonly skill 和每日定时调度 -- [[reddit-readonly]]：ClawHub 上的公开 Skill，专注于 Reddit 内容读取，无需认证 - -## Connections -- [[Daily YouTube Digest]] ← shares_pattern ← [[Daily Reddit Digest]]（同为 Cron Job + AI 摘要 + Telegram 投递模式的不同垂直场景） -- [[Content Factory]] ← extends ← [[Daily Reddit Digest]]（前者扩展为多 Agent 协作内容创作链） - -## Contradictions -- 无已知冲突 +--- +title: "Daily Reddit Digest" +type: source +tags: [] +date: 2026-04-27 +--- + +## Source File +- [[Agent/usecases/daily-reddit-digest.md]] + +## Summary（用中文描述） +- 核心主题：AI Agent 驱动的 Reddit 每日精选摘要自动化 +- 问题域：如何高效追踪多个 Subreddit 的热门内容 +- 方法/机制：通过 OpenClaw + reddit-readonly skill，每日定时运行，自动抓取 Reddit 热门/最新/最高赞帖子 +- 结论/价值：提供免登录、免发帖、无噪音的纯阅读体验，支持搜索帖子、获取评论上下文，适合人工后续筛选和回复 + +## Key Claims（用中文描述） +- OpenClaw Agent ← 每日定时执行 ← Reddit 热门帖子抓取，实现自动化内容订阅 +- reddit-readonly skill ← 无需认证 ← 纯读取模式，安全可靠 +- 记忆系统 ← 学习用户偏好 ← 持续优化精选规则，实现个性化 digest + +## Key Quotes +> "It's read-only. No posting, voting, or commenting." — 核心设计原则，专注阅读不引入干扰 + +## Key Concepts +- [[Daily-Digest]]：定时运行的 AI 内容摘要服务，每日自动推送精选内容 +- [[Reddit Read-Only]]：纯读取模式，无需账户认证，专注于内容消费 +- [[Preference Learning]]：通过用户反馈持续学习偏好，优化推荐规则 + +## Key Entities +- [[OpenClaw]]：多 Agent 框架，承载 reddit-readonly skill 和每日定时调度 +- [[reddit-readonly]]：ClawHub 上的公开 Skill，专注于 Reddit 内容读取，无需认证 + +## Connections +- [[Daily YouTube Digest]] ← shares_pattern ← [[Daily Reddit Digest]]（同为 Cron Job + AI 摘要 + Telegram 投递模式的不同垂直场景） +- [[Content Factory]] ← extends ← [[Daily Reddit Digest]]（前者扩展为多 Agent 协作内容创作链） + +## Contradictions +- 无已知冲突 diff --git a/wiki/sources/dynamic-dashboard.md b/wiki/sources/dynamic-dashboard.md index 1a486d2b..f31ce559 100644 --- a/wiki/sources/dynamic-dashboard.md +++ b/wiki/sources/dynamic-dashboard.md @@ -1,50 +1,53 @@ ---- -title: "Dynamic Dashboard with Sub-agent Spawning" -type: source -tags: [dashboard, monitoring, OpenClaw, automation] -date: 2026-04-17 ---- - -## Source File -- [[Agent/usecases/dynamic-dashboard]] - -## Summary（用中文描述） -- 核心主题：基于子代理并行执行的多数据源实时监控仪表盘 -- 问题域：静态仪表盘数据过时、手动更新繁琐、轮询多 API 效率低且易触发限流 -- 方法/机制：主 Agent 生成子代理并行抓取多个数据源，定时更新，聚合结果推送 Discord，支持告警阈值和历史趋势存储 -- 结论/价值：用对话式描述替代数周的前端开发，立即获得实时洞察 - -## Key Claims（用中文描述） -- 子代理并行执行可避免阻塞并分散 API 负载，避免顺序轮询导致的限流问题 -- 主 Agent 通过对话式指令调度子代理，无需编写前端代码即可获得实时仪表盘 -- 定时任务（Cron Job）与告警机制结合，实现"主动通知"而非"被动查询" -- 历史指标存储在 PostgreSQL 数据库，支持趋势分析和历史数据回溯 - -## Key Quotes -> "Static dashboards show stale data and require constant manual updates. You want real-time visibility across multiple data sources without building a custom frontend or hitting API rate limits." — 痛点描述 -> "OpenClaw spawns sub-agents to fetch each data source in parallel, aggregates the results, and delivers a formatted dashboard to Discord or as an HTML file." — 核心机制 -> "Updates run automatically on a cron schedule." — 自动化更新 - -## Key Concepts -- [[Dynamic-Dashboard]]：基于子代理并行执行的多数据源实时监控仪表盘 -- [[Parallel-Agent-Execution]]：子代理并行抓取避免阻塞和分散 API 负载 -- [[Scheduled-Task-Flywheel]]：Cron Job 驱动的定时更新机制 -- [[Alerting]]：基于阈值的主动告警推送机制 -- [[Metrics-Database]]：PostgreSQL 存储历史指标供趋势分析 - -## Key Entities -- [[OpenClaw]]：多代理框架，支撑子代理调度和定时任务编排 -- [[Discord]]：仪表盘结果推送渠道之一 -- [[PostgreSQL]]：指标历史数据库（metrics 表 + alerts 表） - -## Connections -- [[multi-agent-team]] ← depends_on ← [[dynamic-dashboard]]（共享子代理编排模式） -- [[self-healing-home-server]] ← extends ← [[dynamic-dashboard]]（系统健康监控场景） -- [[earnings-tracker]] ← extends ← [[dynamic-dashboard]]（市场数据监控场景） -- [[content-factory]] ← depends_on ← [[dynamic-dashboard]]（社交媒体监控场景） - -## Contradictions -- 与 [[content-factory]] 冲突： - - 冲突点：内容工厂也有并行执行模式，但侧重内容创作流水线 - - 当前观点：[[dynamic-dashboard]] 侧重数据监控和告警，聚合多数据源 - - 对方观点：[[content-factory]] 侧重内容创作的多 Agent 链式协作 +--- +title: "Dynamic Dashboard with Sub-agent Spawning" +type: source +tags: [dashboard, sub-agent, monitoring] +date: 2026-04-27 +--- + +## Source File +- [[Agent/usecases/dynamic-dashboard.md]] + +## Summary（用中文描述） +- 核心主题：AI Agent 驱动的实时动态仪表盘——通过子 Agent 并行抓取多数据源，自动聚合为统一仪表盘并定时推送到 Discord 或生成 HTML 文件 +- 问题域：静态仪表盘数据过时、需要自定义前端、API 速率限制、无法实时获取多源数据 +- 方法/机制：主 Agent 以对话方式定义监控目标 → 并行生成多个子 Agent 分别抓取各数据源 → 聚合结果写入 PostgreSQL → 格式化仪表盘内容 → 通过 Discord 或 Canvas 推送 → Cron 定时更新 + 阈值告警 +- 结论/价值：无需构建自定义前端，AI 接管全部编排工作；子 Agent 并行执行避免阻塞和速率限制；历史数据持久化支持趋势分析 + +## Key Claims（用中文描述） +- 子 Agent 并行执行可避免 API 速率限制（OpenClaw spawns sub-agents to fetch each data source in parallel） +- AI 驱动的仪表盘可以在分钟级粒度自动更新，无需人工干预（Updates run automatically on a cron schedule） +- 历史指标存储在数据库中支持任意时间范围的趋势查询（Query historical data: "Show me GitHub star growth over the past 30 days."） +- 告警阈值检测使系统具备主动通知能力（alerts when metrics cross thresholds） + +## Key Quotes +> "Monitors multiple data sources simultaneously (APIs, databases, GitHub, social media)" — 核心能力：多数据源并行监控 +> "Spawns sub-agents for each data source to avoid blocking and distribute API load" — 技术实现：子 Agent 分载模式 +> "You define what you want to monitor conversationally" — 用户体验：以自然语言定义监控需求 + +## Key Concepts +- [[SubAgent]]：并行子 Agent 用于分布式数据抓取，每个数据源对应一个独立 Agent 进程 +- [[CronJobs]]：定时任务驱动仪表盘周期性更新，支持分钟级粒度 +- [[AlertThreshold]]：告警阈值机制，当指标超过设定值时主动通知用户 +- [[MetricsDatabase]]：PostgreSQL 指标存储，表结构包含 source/metric_name/metric_value/timestamp，支持历史趋势分析 + +## Key Entities +- [[OpenClaw]]：主编排引擎，负责对话式目标定义、子 Agent 调度和结果聚合 +- [[Discord]]：仪表盘输出渠道，支持 #dashboard 频道推送格式化内容 +- [[GitHub]]：数据源之一，提供 stars/forks/issues/commits 等项目指标 +- [[Polymarket]]：预测市场数据源，提供交易量和趋势信息 + +## Connections +- [[AutonomousProjectManagement]] ← extends ← [[DynamicDashboard]] + - 两者都依赖子 Agent 并行执行模式，但前者聚焦项目协调，后者聚焦数据监控 +- [[CustomMorningBrief]] ← similar_pattern ← [[DynamicDashboard]] + - 都是定时运行的数据聚合工作流，但早间简报聚焦内容推荐，仪表盘聚焦实时指标 +- [[MultiChannelAssistant]] ← uses ← [[Discord]] + - 多渠道助手使用 Discord 作为输出通道，与本工作流共享同一推送基础设施 + +## Contradictions +- 与 [[AutonomousProjectManagement]] 冲突： + - 冲突点：子 Agent 的协调机制 + - 当前观点：[[DynamicDashboard]] 采用数据聚合模式（各 Agent 写入共享数据库，主 Agent 读取聚合），适合统计类任务 + - 对方观点：[[AutonomousProjectManagement]] 采用文件协调模式（共享 STATE.yaml，CEO 模式），适合项目执行类任务 + - 注：两者可互补使用，数据聚合模式适用于监控场景，文件协调模式适用于任务执行场景 diff --git a/wiki/sources/habit-tracker-accountability-coach.md b/wiki/sources/habit-tracker-accountability-coach.md index 3d58d87a..ad2d44ff 100644 --- a/wiki/sources/habit-tracker-accountability-coach.md +++ b/wiki/sources/habit-tracker-accountability-coach.md @@ -1,50 +1,51 @@ ---- -title: "Habit Tracker & Accountability Coach" -type: source -tags: [] -date: 2026-04-17 ---- - -## Source File -- [[Agent/usecases/habit-tracker-accountability-coach.md]] - -## Summary（用中文描述） -- 核心主题：AI Agent 作为主动的习惯追踪与问责伙伴，通过 Telegram/SMS 每日定时签到，替代被动式习惯追踪 App -- 问题域：现有习惯追踪 App 依赖用户主动打开，Push 通知容易被忽视，用户在一周后放弃 -- 方法/机制：主动问责模式——定时签到 + 连续打卡追踪 + 自适应语气调节 + 每周报告；技能栈：Telegram Bot API / Twilio SMS + Cron 调度 + 本地文件存储 + Google Sheets 可视化（可选） -- 结论/价值：主动问责（active accountability）比被动追踪更能驱动行为改变；保持 3-5 个习惯的小规模可避免签到疲劳；每周模式分析能发现隐藏规律 - -## Key Claims（用中文描述） -- 习惯 App 失败的根本原因不是 App 本身，而是追踪习惯这一行为是被动的（用户需要主动打开 App） -- **主动问责**（active accountability）——由 AI 直接询问、庆祝胜利、在用户松懈时轻轻催促——才能真正驱动行为改变 -- 自适应语气是关键差异化因素：静态提醒会被忽视，而"第 15 天了，别断了"这样的消息具有真实激励效果 -- 追踪的习惯数量应保持在 3-5 个——太多会导致签到疲劳，用户会开始忽略消息 -- 每周模式分析出人意料地有用——用户会发现类似"我总是在有早会的日子不运动"这样的规律，从而提前规划 - -## Key Quotes -> "The problem isn't the app — it's that tracking habits is passive." — OpenClaw 官方文档 -> "Day 12 of morning workouts. Solid." — 自定义确认完成回复示例 -> "When I miss a habit, don't guilt-trip me. Just acknowledge it and remind me why I started." — 自定义错失习惯回复语气指南 -> "Keep the number of tracked habits small (3-5). Tracking too many leads to check-in fatigue and you'll start ignoring the messages." — 关键洞察 - -## Key Concepts -- [[Adaptive Tone]]：AI 根据用户表现动态调整语气——连续完成时给予鼓励（encouraging），连续错失时保持温和坚持（gently persistent）。静态提醒容易被忽略，个性化消息具有真实激励效果 -- [[Streak Tracking]]：记录每个习惯的当前连续打卡天数，在消息中引用，让用户直观看到积累的成果，形成心理激励 -- [[Check-in Fatigue]]：当追踪的习惯数量过多（>5个）时，用户会因签到负担过重而开始忽略消息，导致系统失效 -- [[Weekly Pattern Analysis]]：每周日汇总分析本周完成率、最长连续天数，发现隐藏的行为模式（如"总是在周五跳过阅读"），用于下周建议 -- [[Active Accountability]]：AI Agent 主动发消息询问用户，而非等待用户主动打开 App，是区别于传统习惯追踪 App 的核心机制 - -## Key Entities -- [[OpenClaw]]：多 Agent 框架，提供记忆（memory）和 session_spawn/sessions_send 能力，是本方案的底层运行平台 -- [[Telegram Bot API]]：Telegram 官方 Bot API，用于每日签到消息的发送和接收，无需额外 App -- [[Twilio]]：短信 API，用于 SMS 渠道的每日签到，适合没有 Telegram 的用户 -- [[Google Sheets API]]：可选集成，将每日习惯数据自动写入 Google Sheets 生成可视化仪表盘 - -## Connections -- [[Health & Symptom Tracker]] ← pairs_with ← [[Habit Tracker & Accountability Coach]] -- [[Habit Tracker & Accountability Coach]] ← shares_pattern ← [[Custom Morning Brief]]（定时 Cron Job + AI 推送模式） -- [[Habit Tracker & Accountability Coach]] ← shares_pattern ← [[Daily YouTube Digest]]（定时 Cron Job + AI 摘要推送模式） -- [[Habit Tracker & Accountability Coach]] ← shares_tech_stack ← [[Todoist Task Manager]]（Telegram + Cron Job 集成） - -## Contradictions -- 与传统习惯追踪 App（如 Streaks、Habitica）的对比：传统 App 强调被动记录和视觉激励（成就徽章、等级）；本方案强调主动询问和个性化文字激励。两者并非互斥，可互补使用。 +--- +title: "Habit Tracker & Accountability Coach" +type: source +tags: [] +sources: [] +last_updated: 2026-04-27 +--- + +## Source File +- [[Agent/usecases/habit-tracker-accountability-coach.md]] + +## Summary（用中文描述） +- 核心主题：AI Agent 作为主动的习惯追踪与问责伙伴，通过 Telegram/SMS 每日定时签到，替代被动式习惯追踪 App +- 问题域：现有习惯追踪 App 依赖用户主动打开，Push 通知容易被忽视，用户在一周后放弃 +- 方法/机制：主动问责模式——定时签到 + 连续打卡追踪 + 自适应语气调节 + 每周报告；技能栈：Telegram Bot API / Twilio SMS + Cron 调度 + 本地文件存储 + Google Sheets 可视化（可选） +- 结论/价值：主动问责（active accountability）比被动追踪更能驱动行为改变；保持 3-5 个习惯的小规模可避免签到疲劳；每周模式分析能发现隐藏规律 + +## Key Claims（用中文描述） +- 习惯 App 失败的根本原因不是 App 本身，而是追踪习惯这一行为是被动的（用户需要主动打开 App） +- **主动问责**（active accountability）——由 AI 直接询问、庆祝胜利、在用户松懈时轻轻催促——才能真正驱动行为改变 +- 自适应语气是关键差异化因素：静态提醒会被忽视，而"第 15 天了，别断了"这样的消息具有真实激励效果 +- 追踪的习惯数量应保持在 3-5 个——太多会导致签到疲劳，用户会开始忽略消息 +- 每周模式分析出人意料地有用——用户会发现类似"我总是在有早会的日子不运动"这样的规律，从而提前规划 + +## Key Quotes +> "The problem isn't the app — it's that tracking habits is passive." — OpenClaw 官方文档 +> "Day 12 of morning workouts. Solid." — 自定义确认完成回复示例 +> "When I miss a habit, don't guilt-trip me. Just acknowledge it and remind me why I started." — 自定义错失习惯回复语气指南 +> "Keep the number of tracked habits small (3-5). Tracking too many leads to check-in fatigue and you'll start ignoring the messages." — 关键洞察 + +## Key Concepts +- [[Adaptive Tone]]：AI 根据用户表现动态调整语气——连续完成时给予鼓励（encouraging），连续错失时保持温和坚持（gently persistent）。静态提醒容易被忽略，个性化消息具有真实激励效果 +- [[Streak Tracking]]：记录每个习惯的当前连续打卡天数，在消息中引用，让用户直观看到积累的成果，形成心理激励 +- [[Check-in Fatigue]]：当追踪的习惯数量过多（>5个）时，用户会因签到负担过重而开始忽略消息，导致系统失效 +- [[Weekly Pattern Analysis]]：每周日汇总分析本周完成率、最长连续天数，发现隐藏的行为模式（如"总是在周五跳过阅读"），用于下周建议 +- [[Active Accountability]]：AI Agent 主动发消息询问用户，而非等待用户主动打开 App，是区别于传统习惯追踪 App 的核心机制 + +## Key Entities +- [[OpenClaw]]：多 Agent 框架，提供记忆（memory）和 session_spawn/sessions_send 能力，是本方案的底层运行平台 +- [[Telegram Bot API]]：Telegram 官方 Bot API，用于每日签到消息的发送和接收，无需额外 App +- [[Twilio]]：短信 API，用于 SMS 渠道的每日签到，适合没有 Telegram 的用户 +- [[Google Sheets API]]：可选集成，将每日习惯数据自动写入 Google Sheets 生成可视化仪表盘 + +## Connections +- [[Health & Symptom Tracker]] ← pairs_with ← [[Habit Tracker & Accountability Coach]] +- [[Habit Tracker & Accountability Coach]] ← shares_pattern ← [[Custom Morning Brief]]（定时 Cron Job + AI 推送模式） +- [[Habit Tracker & Accountability Coach]] ← shares_pattern ← [[Daily YouTube Digest]]（定时 Cron Job + AI 摘要推送模式） +- [[Habit Tracker & Accountability Coach]] ← shares_tech_stack ← [[Todoist Task Manager]]（Telegram + Cron Job 集成） + +## Contradictions +- 与传统习惯追踪 App（如 Streaks、Habitica）的对比：传统 App 强调被动记录和视觉激励（成就徽章、等级）；本方案强调主动询问和个性化文字激励。两者并非互斥，可互补使用。 diff --git a/wiki/sources/latex-paper-writing.md b/wiki/sources/latex-paper-writing.md index 98eb7f8c..7b24468c 100644 --- a/wiki/sources/latex-paper-writing.md +++ b/wiki/sources/latex-paper-writing.md @@ -1,44 +1,43 @@ ---- -title: "LaTeX Paper Writing" -type: source -tags: [] -date: 2026-04-22 ---- - -## Source File -- [[Agent/usecases/latex-paper-writing.md]] - -## Summary（用中文描述） -- 核心主题：基于 AI Agent 的 LaTeX 论文写作助手，通过云端 TeX 环境实现无需本地安装的即时编译 -- 问题域：本地 LaTeX 环境配置繁琐（TeX Live 体积巨大）、编译错误调试繁琐、在编辑器和 PDF 阅读器之间切换打断写作流 -- 方法/机制：Prismer Docker 容器提供云端 LaTeX 编译服务 + latex-compiler skill（4 个工具） + AI 对话生成 LaTeX 代码 + 内联 PDF 预览 -- 结论/价值：通过云端即时编译消除本地安装，实现对话式论文写作，AI 负责生成 LaTeX 源码并自动修复编译错误 - -## Key Claims（用中文描述） -- AI Agent 可以作为 LaTeX 写作助手，用户描述内容需求，Agent 生成对应的 LaTeX 源码 -- 通过 Docker 容器在云端运行完整 TeX Live（端口 8080），无需在本地安装任何 TeX 发行版 -- 支持三种编译器自动选择：pdflatex（默认）、xelatex（支持中文/CJK）、lualatex（Unicode 支持） -- 内联 PDF 预览无需切换到其他应用程序 -- 提供四种启动模板：article、IEEE、beamer（演示文稿）、Chinese article（中文论文） -- 支持 BibTeX/BibLaTeX 参考文献管理，直接粘贴 .bib 内容即可 -- 交叉引用需运行 2 次编译 pass - -## Key Quotes -> "Setting up a local LaTeX environment is painful — installing TeX Live takes gigabytes, debugging compilation errors is tedious, and switching between your editor and PDF viewer breaks flow." — 痛点描述 -> "Use xelatex if I need Chinese/CJK support, otherwise default to pdflatex. Always run 2 passes for cross-references." — 编译器使用规范 - -## Key Concepts -- [[latex-compiler]]：Prismer 内置 skill，提供 4 个工具：`latex_compile`、`latex_preview`、`latex_templates`、`latex_get_template` -- [[Prismer]]：开源 AI Agent workspace 项目，通过 Docker 提供完整 TeX Live 云端环境，LaTeX server 监听端口 8080 -- [[Docker]]：容器化部署底座，Prismer 通过 `docker compose -f docker/docker-compose.dev.yml up` 启动 -- [[BibTeX]]：LaTeX 参考文献格式工具，支持 .bib 文献库管理，BibLaTeX 是其现代替代方案 - -## Key Entities -- [[Prismer]]：GitHub 开源项目（Prismer-AI/Prismer），提供云端 TeX Live 和 latex-compiler skill，Agent 无需额外安装 - -## Connections -- [[latex-paper-writing]] ← depends_on ← [[Prismer]] -- [[Prismer]] ← runs_on ← [[Docker]] - -## Contradictions -- （无已知冲突） +--- +title: "LaTeX Paper Writing" +type: source +tags: [] +date: 2026-04-22 +--- + +## Source File +- [[Agent/usecases/latex-paper-writing.md]] + +## Summary（用中文描述） +- 核心主题：通过 AI Agent 实现对话式 LaTeX 论文写作与即时编译 +- 问题域：本地 LaTeX 环境配置繁琐（TeX Live 体积庞大）、编译错误排查耗时、编辑器与 PDF 预览器切换破坏工作流 +- 方法/机制：使用 Prismer Workspace 容器（内置完整 TeX Live + LaTeX 服务器），通过 latex-compiler skill 的 4 个工具让 Agent 替代用户完成 LaTeX 写作、编译、预览全流程 +- 结论/价值：用户只需用自然语言描述论文内容，Agent 生成 LaTeX 源码并即时编译预览，无需本地安装 TeX 环境 + +## Key Claims（用中文描述） +- Agent + Prismer 容器 → 用户无需本地安装 TeX Live 即可完成 LaTeX 论文写作 +- latex-compiler skill 提供 4 个工具（latex_compile、latex_preview、latex_templates、latex_get_template），覆盖完整写作流程 +- 支持多种模板（article、IEEE、beamer、中文论文）和编译引擎（pdflatex、xelatex、lualatex） +- BibTeX/BibLaTeX 文献管理内置支持，用户只需粘贴 .bib 内容 + +## Key Quotes +> "Setting up a local LaTeX environment is painful — installing TeX Live takes gigabytes, debugging compilation errors is tedious, and switching between your editor and PDF viewer breaks flow." — 问题陈述 +> "Compile to PDF instantly with pdflatex, xelatex, or lualatex (no local TeX installation needed)" — 核心价值主张 +> "Use xelatex if I need Chinese/CJK support, otherwise default to pdflatex." — 引擎选择策略 + +## Key Concepts +- [[LaTeX]]：科技论文排版系统，Prismer 提供完整 TeX Live 运行时 +- [[BibTeX/BibLaTeX]]：LaTeX 参考文献管理工具，latex-compiler skill 内置支持 +- [[Prismer Workspace]]：Docker 容器化工作环境，内置 LaTeX 服务器（端口 8080） +- [[LaTeX Compiler Skill]]：4 工具技能集（latex_compile、latex_preview、latex_templates、latex_get_template） + +## Key Entities +- [[Prismer-AI]]：提供 Prismer Workspace 容器和 latex-compiler skill 的开源项目 +- [[latex-compiler]]：Prismer 内置的 4 工具 LaTeX 技能 + +## Connections +- [[Prismer-AI]] ← provides runtime ← [[LaTeX Paper Writing]] +- [[LaTeX Compiler Skill]] ← enables ← [[LaTeX Paper Writing]] + +## Contradictions +- 暂无冲突内容 diff --git a/wiki/sources/local-crm-framework.md b/wiki/sources/local-crm-framework.md index 610bfe0b..a65e68d8 100644 --- a/wiki/sources/local-crm-framework.md +++ b/wiki/sources/local-crm-framework.md @@ -1,56 +1,56 @@ ---- -title: "Local CRM Framework with DenchClaw" -type: source -tags: ["openclaw", "crm", "automation", "duckdb", "browser-automation"] -date: 2026-04-22 ---- - -## Source File -- [[Agent/usecases/local-crm-framework.md]] - -## Summary（用中文描述） -- 核心主题：DenchClaw 将 OpenClaw 转化为本地 CRM、销售自动化和生产力平台的完整框架 -- 问题域：OpenClaw 作为基础原语功能强大，但用于真实商业工作流（线索追踪、外联、管道管理）需要集成数据库、UI、浏览器自动化、消息平台等多个工具，设置复杂易碎 -- 方法/机制：`npx denchclaw` 一键安装完整技术栈（DuckDB + Web UI + OpenClaw Profile + 浏览器自动化 + Skills）；所有设置/视图以文件（YAML/Markdown）存储，OpenClaw 可直接读写修改 UI；Chrome Profile 克隆继承浏览器认证状态 -- 结论/价值：Cursor 级别的 UX 用于商业运营，无需 Docker/环境配置，通过自然语言管理完整的 CRM 管道 - -## Key Claims（用中文描述） -- DenchClaw 一键安装（`npx denchclaw`）自动配置 DuckDB、Web UI、OpenClaw Profile、Gateway、浏览器和 Skills，无需手动设置 -- 自然语言 CRM 查询（"显示员工>5人的公司"）实时更新视图，无需手动过滤器操作 -- Chrome Profile 克隆使 Agent 继承用户认证状态，可直接导入 HubSpot 等平台数据，无需 OAuth 流程 -- 所有设置/视图/过滤器以 YAML/Markdown 文件存储，Agent 可像编辑代码一样自然地修改 UI -- DuckDB 是嵌入式数据库的最佳选择：最小体积、完全 SQL 支持、无服务器/凭证/网络依赖 -- DenchClaw 内置三种 Skills：CRM Skill（对象/字段/视图）、App Builder Skill（Web 应用构建）、Browser Automation Skill（浏览器自动化） - -## Key Quotes -> "File-system = agent-native UI: Because every setting, filter, and view is stored as a YAML/markdown file, OpenClaw can modify the UI as naturally as it edits code. No API wrappers needed." -> — DenchClaw 的核心设计哲学：文件系统即 Agent 原生 UI - -> "DuckDB is the sweet spot: Smallest, most performant embedded database that still supports full SQL. No server process, no credentials, no network — just a file." -> — DuckDB 作为嵌入式 CRM 数据库的理由 - -> "Chrome profile cloning is a superpower: Instead of fighting OAuth flows and API rate limits, DenchClaw copies your browser's auth state. The agent sees what you see, does what you do." -> — Chrome Profile 克隆实现无缝浏览器自动化 - -> "One `npx` command beats a weekend of setup: The entire stack installs and configures itself. No Docker, no env files, no dependency hell." -> — 一键安装 vs 手动配置的对比 - -## Key Concepts -- [[File-System-First UI]]：所有设置/视图以文件形式存储，Agent 可直接读写，无需 API 抽象层 -- [[Chrome Profile Cloning]]：复制浏览器认证状态而非依赖 OAuth，使 Agent 继承用户的登录会话 -- [[One-Command-Setup]]：通过单一命令自动安装和配置完整技术栈，消除环境配置摩擦 -- [[DuckDB]]：嵌入式分析型数据库，无服务器、零配置、完全 SQL 支持 - -## Key Entities -- [[DenchClaw]]：MIT 许可证开源框架，将 OpenClaw 转化为本地 CRM/SaaS 平台 -- [[OpenClaw]]：多 Agent 框架，DenchClaw 的底层 Agent 引擎 -- [[DuckDB]]：SQLite 替代品，Analytical DBMS，用于 CRM 结构化数据存储 -- [[HubSpot]]：CRM 平台示例，DenchClaw 可导入其数据 - -## Connections -- [[Second Brain]] ← 相关 ← [[local-crm-framework]]：两者均基于 OpenClaw 的记忆/持久化能力 -- [[personal-crm]] ← 相关 ← [[local-crm-framework]]：个人 CRM 场景的不同实现方案 -- [[multi-channel-assistant]] ← 共享技术栈 ← [[local-crm-framework]]：均使用 Telegram/消息平台作为交互入口 - -## Contradictions -（暂无发现与其他 Wiki 页面的内容冲突） +--- +title: "Local CRM Framework with DenchClaw" +type: source +tags: ["openclaw", "crm", "automation", "duckdb", "browser-automation"] +date: 2026-04-26 +--- + +## Source File +- [[Agent/usecases/local-crm-framework.md]] + +## Summary（用中文描述） +- 核心主题：DenchClaw 将 OpenClaw 转化为本地 CRM、销售自动化和生产力平台的完整框架 +- 问题域：OpenClaw 作为基础原语功能强大，但用于真实商业工作流（线索追踪、外联、管道管理）需要集成数据库、UI、浏览器自动化、消息平台等多个工具，设置复杂易碎 +- 方法/机制：`npx denchclaw` 一键安装完整技术栈（DuckDB + Web UI + OpenClaw Profile + 浏览器自动化 + Skills）；所有设置/视图以文件（YAML/Markdown）存储，OpenClaw 可直接读写修改 UI；Chrome Profile 克隆继承浏览器认证状态 +- 结论/价值：Cursor 级别的 UX 用于商业运营，无需 Docker/环境配置，通过自然语言管理完整的 CRM 管道 + +## Key Claims（用中文描述） +- DenchClaw 一键安装（`npx denchclaw`）自动配置 DuckDB、Web UI、OpenClaw Profile、Gateway、浏览器和 Skills，无需手动设置 +- 自然语言 CRM 查询（"显示员工>5人的公司"）实时更新视图，无需手动过滤器操作 +- Chrome Profile 克隆使 Agent 继承用户认证状态，可直接导入 HubSpot 等平台数据，无需 OAuth 流程 +- 所有设置/视图/过滤器以 YAML/Markdown 文件存储，Agent 可像编辑代码一样自然地修改 UI +- DuckDB 是嵌入式数据库的最佳选择：最小体积、完全 SQL 支持、无服务器/凭证/网络依赖 +- DenchClaw 内置三种 Skills：CRM Skill（对象/字段/视图）、App Builder Skill（Web 应用构建）、Browser Automation Skill（浏览器自动化） + +## Key Quotes +> "File-system = agent-native UI: Because every setting, filter, and view is stored as a YAML/markdown file, OpenClaw can modify the UI as naturally as it edits code. No API wrappers needed." +> — DenchClaw 的核心设计哲学：文件系统即 Agent 原生 UI + +> "DuckDB is the sweet spot: Smallest, most performant embedded database that still supports full SQL. No server process, no credentials, no network — just a file." +> — DuckDB 作为嵌入式 CRM 数据库的理由 + +> "Chrome profile cloning is a superpower: Instead of fighting OAuth flows and API rate limits, DenchClaw copies your browser's auth state. The agent sees what you see, does what you do." +> — Chrome Profile 克隆实现无缝浏览器自动化 + +> "One `npx` command beats a weekend of setup: The entire stack installs and configures itself. No Docker, no env files, no dependency hell." +> — 一键安装 vs 手动配置的对比 + +## Key Concepts +- [[File-System-First UI]]：所有设置/视图以文件形式存储，Agent 可直接读写，无需 API 抽象层 +- [[Chrome Profile Cloning]]：复制浏览器认证状态而非依赖 OAuth，使 Agent 继承用户的登录会话 +- [[One-Command-Setup]]：通过单一命令自动安装和配置完整技术栈，消除环境配置摩擦 +- [[DuckDB]]：嵌入式分析型数据库，无服务器、零配置、完全 SQL 支持 + +## Key Entities +- [[DenchClaw]]：MIT 许可证开源框架，将 OpenClaw 转化为本地 CRM/SaaS 平台 +- [[OpenClaw]]：多 Agent 框架，DenchClaw 的底层 Agent 引擎 +- [[DuckDB]]：SQLite 替代品，Analytical DBMS，用于 CRM 结构化数据存储 +- [[HubSpot]]：CRM 平台示例，DenchClaw 可导入其数据 + +## Connections +- [[Second Brain]] ← 相关 ← [[local-crm-framework]]：两者均基于 OpenClaw 的记忆/持久化能力 +- [[personal-crm]] ← 相关 ← [[local-crm-framework]]：个人 CRM 场景的不同实现方案 +- [[multi-channel-assistant]] ← 共享技术栈 ← [[local-crm-framework]]：均使用 Telegram/消息平台作为交互入口 + +## Contradictions +（暂无发现与其他 Wiki 页面的内容冲突） diff --git a/wiki/sources/multi-channel-customer-service.md b/wiki/sources/multi-channel-customer-service.md index d6b2f7f1..2fc8647c 100644 --- a/wiki/sources/multi-channel-customer-service.md +++ b/wiki/sources/multi-channel-customer-service.md @@ -1,51 +1,51 @@ ---- -title: "Multi-Channel AI Customer Service Platform" -type: source -tags: [] -date: 2026-04-25 ---- - -## Source File -- [[Agent/usecases/multi-channel-customer-service.md]] - -## Summary（用中文描述） -- 核心主题：AI 驱动的多渠道客服统一收件箱，专为小型企业设计，整合 WhatsApp Business、Instagram DMs、Gmail 和 Google Reviews 至单一平台。 -- 问题域：小型企业在多个渠道管理客户消息时面临响应延迟、人工成本高、7×24覆盖困难等问题。 -- 方法/机制：AI 自动回复处理常见问题（FAQ/预约/咨询），复杂问题转人工，Intent Classification 识别消息类型，语言自动检测并匹配客户语言回复，支持 Test Mode 演示而不影响真实客户。 -- 结论/价值：餐厅实测将响应时间从 4 小时缩短至 2 分钟以内，80% 的咨询自动处理。 - -## Key Claims（用中文描述） -- 小型企业需在 WhatsApp、Instagram DMs、邮件、Google Reviews 多个渠道应对客户，7×24 即时响应成本高昂。 -- AI 统一收件箱将所有渠道整合至一处，AI 自动回复处理 FAQ、预约请求和常见咨询。 -- Intent Classification 将消息分类为 FAQ → 从知识库回复、Appointment → 确认预约、Complaint → 标记人工审核、Review → 感谢并回应。 -- Test Mode 使代理商可在不影响真实客户的情况下演示系统。 -- 餐厅案例：响应时间从 4+ 小时降至 2 分钟以内，80% 咨询自动处理。 - -## Key Quotes -> "Small businesses juggle WhatsApp, Instagram DMs, emails, and Google Reviews across multiple apps. Customers expect instant responses 24/7, but hiring staff for round-the-clock coverage is expensive." — 问题背景 -> "One restaurant reduced response time from 4+ hours to under 2 minutes, handling 80% of inquiries automatically." — 实际效果数据 - -## Key Concepts -- [[Unified-Inbox]]：将多个客服渠道（WhatsApp/Instagram/Email/Review）整合至单一 AI 驱动的收件箱 -- [[Intent-Classification]]：AI 自动识别客户消息意图（FAQ/Appointment/Complaint/Review）并匹配对应处理策略 -- [[Human-Handoff]]：复杂问题或投诉自动转交人工客服，AI 仅处理可自动回复的高频问题 -- [[Test-Mode]]：代理商演示模式，日志记录但实际不发送至真实渠道，不影响现有客户 -- [[Business-Knowledge-Base]]：AI 客服的知识库，包含服务/定价/营业时间/FAQ/升级触发条件 -- [[Language-Detection]]：自动检测客户语言（ES/EN/UA）并以对应语言回复 -- [[AI-Auto-Response]]：基于知识库的自动回复引擎，处理常见问题无需人工介入 -- [[Heartbeat-Monitoring]]：定时心跳检查，监控未回复消息积压并告警 - -## Key Entities -- [[WhatsApp-Business-API]]：WhatsApp Business 官方 API，通过 360dialog 或官方渠道接入 -- [[Instagram-Graph-API]]：Meta Business Suite 的 Instagram 消息 API -- [[Gmail]]：通过 gog CLI OAuth 接入 Gmail 收件箱 -- [[Google-Business-Profile-API]]：Google 商家评价 API，用于管理和回复 Google Reviews -- [[OpenClaw]]：AI Agent 框架，支撑消息路由和 AGENTS.md 配置逻辑 - -## Connections -- [[multi-channel-assistant]] ← extends ← [[multi-channel-customer-service]]：前者侧重个人助理多渠道入口，后者侧重企业客服场景 -- [[phone-based-personal-assistant]] ← shares_channel_concept ← [[multi-channel-customer-service]]：两者均处理多渠道消息路由，但前者针对个人助理，后者针对企业客服 -- [[Self-Healing-Home-Server]] ← shares_heartbeat ← [[multi-channel-customer-service]]：两者均使用 Heartbeat 定时检查机制 - -## Contradictions -- 无已知冲突。本来源与现有 Wiki 来源在场景和目标受众上均可互补。 +--- +title: "Multi-Channel AI Customer Service Platform" +type: source +tags: [] +date: 2026-04-27 +--- + +## Source File +- [[Agent/usecases/multi-channel-customer-service.md]] + +## Summary（用中文描述） +- 核心主题：多渠道 AI 客服平台，将 WhatsApp、Instagram、邮件、Google Reviews 等客户触点整合到统一 AI 收件箱 +- 问题域：中小企业需要在多个平台全天候响应客户，但人工成本高 +- 方法/机制：AI 自动回复 + 意图分类 + 人工接管；通过 OpenClaw 配置渠道连接；知识库训练业务上下文；AGENTS.md 配置消息路由逻辑；心跳监控检测响应积压 +- 结论/价值： Futurist Systems 部署案例中，餐厅响应时间从 4+ 小时降至 2 分钟内，80% 的咨询自动处理 + +## Key Claims（用中文描述） +- AI 客服平台整合 WhatsApp Business、Instagram DMs、Gmail、Google Reviews 到统一收件箱 +- AI 自动回复可处理 FAQ、预约请求和常见咨询，复杂问题升级人工处理 +- 测试模式允许在不影响真实客户的情况下向客户演示系统 +- AI 基于企业服务、定价和政策训练，确保回复准确 +- 多语言检测并以客户语言回复，避免虚构知识库外的信息 + +## Key Quotes +> "Small businesses juggle WhatsApp, Instagram DMs, emails, and Google Reviews across multiple apps. Customers expect instant responses 24/7, but hiring staff for round-the-clock coverage is expensive." — 问题背景说明 +> "One restaurant reduced response time from 4+ hours to under 2 minutes, handling 80% of inquiries automatically." — 实际业务效果量化数据 + +## Key Concepts +- [[UnifiedInbox]]：统一收件箱 — 将多个渠道消息汇聚到单一 AI 驱动界面 +- [[IntentClassification]]：意图分类 — 识别 FAQ/预约/投诉/评价并触发对应处理流程 +- [[HumanHandoff]]：人工接管 — 定义升级触发条件，复杂问题转人工处理 +- [[TestMode]]：测试模式 — 演示系统而不影响真实客户，响应前缀 [TEST] +- [[BusinessKnowledgeBase]]：业务知识库 — 训练 AI 掌握服务、定价、营业时间、FAQ +- [[HeartbeatMonitoring]]：心跳监控 — 每 30 分钟检查未回复消息并告警 + +## Key Entities +- [[FuturistSystems]]：部署该方案的公司，为本地服务企业（餐厅、诊所、美容院）提供实施 +- [[WhatsAppBusiness]]：渠道之一，通过 360dialog 或官方 API 连接 +- [[Instagram]]：渠道之一，通过 Meta Business Suite 的 Instagram Graph API 连接 +- [[Gmail]]：渠道之一，通过 gog CLI OAuth 连接 +- [[GoogleBusinessProfile]]：渠道之一，通过 Google Business Profile API 连接评论 + +## Connections +- [[WhatsAppBusiness]] ← integrates_with ← [[Multi-ChannelCustomerService]] +- [[Instagram]] ← integrates_with ← [[Multi-ChannelCustomerService]] +- [[Gmail]] ← integrates_with ← [[Multi-ChannelCustomerService]] +- [[GoogleBusinessProfile]] ← integrates_with ← [[Multi-ChannelCustomerService]] +- [[Multi-ChannelCustomerService]] ← extends ← [[MultiChannelAssistant]] + +## Contradictions +- 无已知冲突内容 diff --git a/wiki/sources/overnight-mini-app-builder.md b/wiki/sources/overnight-mini-app-builder.md index 961eac73..fa10bbdd 100644 --- a/wiki/sources/overnight-mini-app-builder.md +++ b/wiki/sources/overnight-mini-app-builder.md @@ -1,52 +1,56 @@ ---- -title: "Goal-Driven Autonomous Tasks" -type: source -tags: ["OpenClaw", "Autonomous Agent", "Task Management", "AI Productivity"] -date: 2026-04-17 ---- - -## Source File -- [[Agent/usecases/overnight-mini-app-builder]] - -## Summary（用中文描述） -- 核心主题：AI Agent 从被动执行者转变为主动规划者的目标驱动型自主任务系统 -- 问题域：人们有大目标但难以分解为每日可执行步骤，且执行本身消耗所有时间 -- 方法/机制：OpenClaw 记忆系统 + 每日自主任务生成 + Kanban 看板追踪 + 过夜 MVP 构建 -- 结论/价值：将"规划"和"执行"都外包给 AI Agent，用户只需定义目的地，Agent 自动分解并执行每日步骤 - -## Key Claims（用中文描述） -- OpenClaw + 每日任务生成 → 将 AI Agent 从被动工具转变为主动员工 -- 每日清晨 8:00 自动生成 4-5 个任务，涵盖研究/写作/应用构建/竞品分析/内容创作 -- 过夜构建惊喜 Mini-App MVP → 每天醒来获得一个贴近目标的新产品原型 -- Kanban 看板 → 将 AI Agent 变成可追踪的员工，可实时查看进度并纠偏 -- "Brain Dump 是关键" → 给越多目标上下文，Agent 的每日任务越精准 - -## Key Quotes -> "Every morning, the agent generates 4-5 tasks it can complete autonomously on your computer." — 每日任务自动生成机制 -> "You define the destination; the agent figures out the daily steps and walks them." — 核心价值主张 -> "The brain dump is everything. The more context you give about your goals, the better the agent's daily tasks will be." — 最重要的一步 -> "Keep AUTONOMOUS.md under ~50 lines: goals (one-liners) + open backlog only." — Token 优化原则 -> "Git never rewrites history, you only add new commits. It eliminates race conditions entirely." — 竞态条件解决思路 - -## Key Concepts -- [[Kanban]]：看板系统，OpenClaw 自动构建 Next.js 看板追踪任务状态（To Do/In Progress/Done） -- [[Autonomous Agent]]：自主代理，具备目标理解、任务分解、自主执行能力的 AI Agent 模式 -- [[Brain Dump]]：一次性将所有目标/使命/任务倒入 AI 记忆系统，是整个工作流最关键的第一步 -- [[Sub-Agent Race Condition]]：多子代理并发编辑共享文件导致的竞态条件，解决方案：只追加日志 + 主会话独管状态文件 -- [[Token-Light Design]]：Token 优化设计，保持 AUTONOMOUS.md 在 50 行以内避免心跳轮询时消耗过多令牌 - -## Key Entities -- [[OpenClaw]]：多 Agent 框架，提供 sessions_spawn/sessions_send 能力支撑自主任务执行 -- [[Alex Finn]]：OpenClaw 资深用户，YouTube 频道分享 Life-changing OpenClaw Use Cases，启发了本工作流 - -## Connections -- [[Goal-Driven Autonomous Tasks]] ← extends ← [[Second Brain]] -- [[Goal-Driven Autonomous Tasks]] ← extends ← [[multi-channel-assistant]] -- [[Goal-Driven Autonomous Tasks]] ← extends ← [[Dynamic Dashboard]] -- [[Goal-Driven Autonomous Tasks]] ← extends ← [[market-research-product-factory]] - -## Contradictions -- 与 [[Project State Management]] 冲突： - - 冲突点：看板 vs 事件溯源的任务管理方式 - - 当前观点：本方案使用 Next.js 构建 Kanban 看板，强调用户可视化追踪 - - 对方观点：[[Project State Management]] 使用 [[Event Sourcing]] 替代看板，强调自动追踪和完整上下文保留，避免手动拖拽和状态丢失 +--- +title: "Goal-Driven Autonomous Tasks" +type: source +tags: [] +date: 2026-04-27 +--- + +## Source File +- [[Agent/usecases/overnight-mini-app-builder.md]] + +## Summary（用中文描述） +- 核心主题：AI Agent 从被动执行工具转变为主动的"自我导向型员工"——只需用户一次性输入目标，Agent 每天自动生成、调度并完成推动目标前进的任务，包括夜间自动构建惊喜 Mini-App MVP。 +- 问题域：大多数人虽有宏大目标，但难以将其拆解为每日可执行的步骤，且执行本身占据全部时间。 +- 方法/机制：Goal Brain Dump → 每日自主任务生成（4-5项）+ Kanban 追踪 → 可选：夜间 Mini-App 构建流水线。 +- 结论/价值：将"规划"和"执行"双重重担外包给 AI Agent，用户只需定义目的地，Agent 负责每日跋涉抵达。 + +## Key Claims（用中文描述） +- **OpenClaw** ← 通过 **goal brain dump + 每日自主任务调度** ← 实现 **从被动工具到自我导向型员工的转变** +- **每日任务** ← 覆盖 **研究/写作/脚本/功能构建/内容创作/竞品分析** ← 不限于 App 构建 +- **Kanban Board** ← 实时追踪 **To Do / In Progress / Done** 三列任务状态 ← 实现 **Agent 工作可视化** +- **夜间 Mini-App 构建** ← 通过 **明确指定 MVP 简化要求** ← 实现 **每日惊喜交付** +- **Race Condition 风险** ← 由 **主 session 与子 Agent 同时编辑共享文件** ← 导致 **edit 工具静默失败** +- **Race Condition 解法** ← 通过 **AUTONOMOUS.md（仅主 session 可写）+ tasks-log.md（仅追加）文件分离** ← 实现 **子 Agent 安全并发** + +## Key Quotes +> "Brain dump is everything. The more context you give about your goals, the better the agent's daily tasks will be. Don't hold back." — 目标 Brain Dump 是整个工作流的最重要环节，信息越充分，Agent 的每日任务越精准。 +> "When done, append a ✅ line to `memory/tasks-log.md`. Never edit `AUTONOMOUS.md` directly." — 子 Agent 的黄金规则：只追加，不编辑，防止竞态条件。 +> "AUTONOMOUS.md stays small, so it costs fewer tokens every time it's loaded in a heartbeat." — 保持 AUTONOMOUS.md 轻量化，减少心跳轮询时的 Token 消耗。 + +## Key Concepts +- [[Autonomous-Task-Execution]]：AI Agent 自主生成、调度并完成任务，无需用户逐条指令。定义：用户给出目标上下文，Agent 每日主动拆解并执行。 +- [[Race-Condition-Avoidance]]：多 Agent 并发编辑共享文件时导致的静默失败。解法：分离"可变主文件"（仅主 session 可写）与"只追加日志"（子 Agent 只能追加）。 +- [[Mini-App-MVP-Pipeline]]：夜间自动构建并交付最小可行产品的流水线。关键约束：不追求完美，明确 MVP 边界。 +- [[Kanban-Board]]：可视化任务追踪板，三列（To Do / In Progress / Done）实时更新，赋予 Agent 工作可追溯性。 +- [[Token-Cost-Optimization]]：通过文件轻量化（减少心跳轮询加载的 Token）实现 Agent 运行的隐性成本控制。 + +## Key Entities +- [[OpenClaw]]：AI Agent 框架，提供 sessions_spawn / sessions_send 等子 Agent 调度能力，Memory System 支撑长期上下文。 +- [[Alex Finn]]：OpenClaw 资深用户，该 Goal-Driven Autonomous Tasks 工作流的提出者，发布于其 OpenClaw 生活改变用例系列视频。 +- [[Next.js]]：Kanban Board 的前端技术栈，OpenClaw 为用户构建。 +- Telegram / Discord：Agent 与用户的消息通信渠道（集成要求）。 + +## Connections +- [[autonomous-project-management]] ← extends ← [[Autonomous-Task-Execution]] + > 本文档侧重于个人目标驱动的日常任务执行，[[autonomous-project-management]] 侧重于项目维度的多 Agent 协调与进度追踪。 +- [[dynamic-dashboard]] ← shares_pattern ← [[Kanban-Board]] + > 两者均通过可视化面板实现 Agent 产出的可观测性，但 Dynamic Dashboard 面向数据监控，Kanban Board 面向任务管理。 +- [[OpenClaw]] ← provides_infrastructure ← [[Autonomous-Task-Execution]] + > OpenClaw 的 Memory System + sessions_spawn 能力是 Goal-Driven 工作流的技术基础。 + +## Contradictions +- 与 [[autonomous-project-management]] 的子 Agent 协调机制存在设计张力： + - 冲突点：两者均使用子 Agent 执行任务，但对共享状态管理的策略不同。 + - 当前观点（本页面）：通过文件分离（AUTONOMOUS.md + tasks-log.md）解决竞态，主 session 持有写权限，子 Agent 仅追加日志。 + - 对方观点（[[autonomous-project-management]]）：采用事件驱动的 Project State Management，通过事件日志替代中心化文件，消除写权限争用。 + - 说明：两种方案各有取舍，文件分离简单直接但依赖子 Agent 遵守约定；事件驱动更robust但实现复杂度更高。 diff --git a/wiki/sources/pre-build-idea-validator.md b/wiki/sources/pre-build-idea-validator.md index f3dd13ff..283f4a3d 100644 --- a/wiki/sources/pre-build-idea-validator.md +++ b/wiki/sources/pre-build-idea-validator.md @@ -1,49 +1,48 @@ ---- -title: "Pre-Build Idea Validator" -type: source -tags: [] -date: 2026-04-22 ---- - -## Source File -- [[Agent/usecases/pre-build-idea-validator]] - -## Summary（用中文描述） -- 核心主题：AI 项目启动前的竞争分析门控机制——在写代码之前自动扫描 GitHub/Hacker News/npm/PyPI/Product Hunt 五个真实数据源，评估赛道拥挤度并给出转向建议。 -- 问题域：AI Agent 盲目构建已知问题域——开发者告诉 Agent "build me an AI code review tool"，Agent 花 6 小时愉快地写代码，却不知道 GitHub 上已有 143,000+ 相关仓库（最高 53,000 stars）。 -- 方法/机制：[[idea-reality-mcp]] MCP 服务器提供 `idea_check()` 工具，输入项目想法返回 `reality_signal` 分数（0-100）；OpenClaw Agent 在收到构建指令时自动调用此工具作为 pre-build gate。 -- 结论/价值：`reality_signal > 70` 触发 STOP 策略（展示竞品+询问是否继续/转向）；30-70 分展示竞品并建议细分角度；<30 分直接构建。核心价值：**在投入时间前发现已解决的同类问题**，是单兵创业者最重要的决策门控。 - -## Key Claims（用中文描述） -- [[OpenClaw]] Agent 通过在构建前调用 `idea_check()` 工具扫描 5 个真实数据源，可将"构建已知问题"的成本前置化。 -- `reality_signal` 分数基于真实数据（仓库数量、Star 分布、HN 讨论量），而非 LLM 主观猜测，保证评估客观性。 -- 高分数不意味着"不要做"，而是意味着"必须差异化，否则别做"。 -- 低分数意味着真正的市场空白——这是单兵构建者胜出概率最高的区域。 - -## Key Quotes -> "You tell your agent 'build me an AI code review tool' and it happily spends 6 hours coding. Meanwhile, 143,000+ repos already exist on GitHub — the top one has 53,000 stars." — 痛点描述：Agent 盲目构建的根本原因 -> "This prevents the most expensive mistake in building: solving a problem that's already been solved." — 核心价值：pre-build 检查的ROI -> "A low score means genuine white space exists. That's where solo builders have the best odds." — 低分数即机会信号 - -## Key Concepts -- [[Reality-Signal]]：通过 `idea_check()` 返回 0-100 的拥挤度评分，基于 GitHub 仓库数量、Star 分布、HN 讨论量等真实数据。阈值：>70 高风险，30-70 中等，<30 低风险/白空间。 -- [[Pre-Build-Validation]]：在代码编写之前进行市场/竞争验证的工作流模式，作为 Agent 构建指令的 pre-gate gate，防止在已饱和赛道投入资源。 -- [[Competition-Analysis]]：通过多平台（GitHub/npm/PyPI/HN/Product Hunt）扫描竞品的存在性、成熟度和市场关注度的分析过程。 -- [[Pivot-Strategy]]：当赛道拥挤时，通过语言专一化（Rust-only）、框架专一化（React 组件审查）或行业专一化（金融/医疗合规）实现差异化切入的策略。 -- [[Agent-Build-Gate]]：Agent 执行构建任务前的条件检查机制，只有通过门控条件才允许进入实际代码编写阶段。 - -## Key Entities -- [[idea-reality-mcp]]：基于 [[MCP（Model Context Protocol）]] 的竞争分析 MCP 服务器，扫描 GitHub/HN/npm/PyPI/Product Hunt 返回 reality_signal 分数和竞品信息。安装方式：`uvx idea-reality-mcp`。 -- [[mnemox.ai]]：MCP 服务托管平台，提供 idea-reality-mcp 的 Web 体验版（mnemox.ai/check），无需安装即可试用工作流。 -- [[OpenClaw]]：多 Agent 框架，通过在 agent instructions 中嵌入 pre-build 规则实现自动门控——`idea_check()` → `reality_signal` → 构建/暂停/转向决策。 -- [[Product-Hunt]]：产品发布平台，idea-reality-mcp 的 5 个扫描数据源之一，用于发现未正式发布但已有关注度的早期产品。 -- [[Hacker-News]]：Y Combinator 技术新闻社区，idea-reality-mcp 的数据源之一，通过 HN 讨论量评估赛道热度。 - -## Connections -- [[pre-build-idea-validator]] ← depends_on ← [[idea-reality-mcp]] -- [[pre-build-idea-validator]] ← depends_on ← [[OpenClaw]] -- [[market-research-product-factory]] ← extends ← [[pre-build-idea-validator]]（后者验证想法，前者从想法生成到产品构建） -- [[Pain-Point-Mining]] ← precedes ← [[pre-build-idea-validator]]（挖痛点 → pre-build 验证 → 构建） - -## Contradictions -- 无已知冲突。 +--- +title: "Pre-Build Idea Validator" +type: source +tags: [] +date: 2026-04-27 +--- + +## Source File +- [[Agent/usecases/pre-build-idea-validator.md]] + +## Summary（用中文描述） +- 核心主题：AI Agent 项目启动前的竞争情报验证机制 +- 问题域：AI 开发者在没有市场验证的情况下盲目开始构建，导致时间和精力的浪费 +- 方法/机制：通过 idea-reality-mcp MCP server 扫描 GitHub、Hacker News、npm、PyPI、Product Hunt 五个真实数据源，返回 reality_signal 分数（0-100），作为"预构建门控"决策依据 +- 结论/价值：在写代码之前先做竞争分析，避免在红海市场中浪费生命；低分空间 = 独立开发者最佳机会窗口 + +## Key Claims（用中文描述） +- AI Agent（OpenClaw）+ 真实数据源（MCP）→ 在构建前自动评估市场竞争程度 → 避免重复造轮子 +- reality_signal > 70（高竞争）→ Agent 停止构建，展示前3竞品及 stars 数量 → 触发用户决策（继续/转型/放弃） +- reality_signal 30-70（中等竞争）→ 展示竞品 + pivot_hints → 建议差异化角度 +- reality_signal < 30（低竞争）→ Agent 直接继续构建 → 确认白海空间存在 +- reality_signal 基于真实数据（repo 数量、star 分布、HN 讨论量）而非 LLM 主观猜测 → 数据驱动决策 + +## Key Quotes +> "You tell your agent 'build me an AI code review tool' and it happily spends 6 hours coding. Meanwhile, 143,000+ repos already exist on GitHub — the top one has 53,000 stars." — Pain Point 场景描述 +> "This prevents the most expensive mistake in building: solving a problem that's already been solved." — 核心价值主张 +> "A low score means genuine white space exists. That's where solo builders have the best odds." — 低分即机会 + +## Key Concepts +- [[Reality-Signal]]：竞争饱和度评分（0-100），基于 GitHub/HN/npm/PyPI/Product Hunt 真实数据计算，数值越高竞争越激烈 +- [[Pre-Build-Validation]]：在代码编写前进行的市场竞争验证流程，作为 Agent 决策门控 +- [[Pivot Direction]]：当竞争饱和时，工具给出的差异化转型建议（特定语言/框架/行业垂直） + +## Key Entities +- [[OpenClaw]]：开源 AI Agent 框架，支持 MCP server 集成，通过 agent instructions 实现预构建验证自动化 +- [[idea-reality-mcp]]：MCP server，扫描5个平台返回竞争评分和竞品信息，由 mnemox.ai 开发 +- [[mnemox.ai]]：idea-reality-mcp 的开发者和维护者，提供 Web demo（mnemox.ai/check） + +## Connections +- [[OpenClaw]] ← uses ← [[idea-reality-mcp]] +- [[Pre-Build-Validation]] ← gate_for ← [[autonomous-project-management]] +- [[Reality-Signal]] ← used_by ← [[multi-agent-team]] + +## Contradictions +- 与 [[autonomous-project-management]] 的潜在张力： + - 冲突点：自主性边界——Pre-Build Validator 强制 Agent STOP（高竞争时），而 autonomous-project-management 强调 Agent 应持续推进减少人工干预 + - 当前观点：Pre-Build Validator 认为高竞争时的"停止"是必要的成本控制机制 + - 对方观点：autonomous-project-management 倾向于让 Agent 自主决策并持续迭代，人工仅在关键节点介入 diff --git a/wiki/sources/todoist-task-manager.md b/wiki/sources/todoist-task-manager.md index 4ec4a9ab..8f31e3a4 100644 --- a/wiki/sources/todoist-task-manager.md +++ b/wiki/sources/todoist-task-manager.md @@ -1,56 +1,45 @@ ---- -title: "Todoist Task Manager" -type: source -tags: [agent, productivity, task-management, automation, ai] -date: 2026-04-21 ---- - -## Source File -- [[raw/Agent/usecases/todoist-task-manager.md]] - -## Summary（用中文描述） -- 核心主题：AI Agent 通过 Todoist API 实现自然语言驱动的任务管理自动化 -- 问题域：个人/团队任务管理的效率瓶颈——手动创建任务、设置截止日期、分配优先级耗时且易遗漏 -- 方法/机制：Agent 解析用户自然语言指令 → 调用 Todoist REST API 创建/更新/查询任务 → 定时 Cron Job 主动提醒未完成任务 -- 结论/价值：用户只需发一条消息即可完成"创建任务+设截止+加标签+分配项目"全套操作，AI 主动追踪逾期任务并定期推送简报 - -## Key Claims（用中文描述） -- Agent 通过自然语言理解，将"这周完成 Q1 报告"转换为 Todoist API 的结构化任务创建请求（主体+截止+项目+标签） -- Todoist Sync API 支持实时双向同步，Agent 创建的任务可立即在 Todoist Web/移动端查看，反之亦然 -- Cron Job 定时扫描 Todoist 的"逾期任务"过滤器，主动推送提醒消息，比用户手动检查更可靠 -- 与日历工具（Google Calendar）联动：会议结束后自动创建跟进任务，实现"会议即任务"的闭环 - -## Key Quotes -> "Simply message your AI agent: 'Remind me to call the dentist every 6 months' and it creates a recurring Todoist task with the right interval — no manual setup needed." — 使用场景示例 - -> "The agent monitors your Todoist inbox, extracting tasks from emails and messages, then categorizes and schedules them automatically." — 自动化任务录入 - -## Key Concepts -- [[Todoist REST API]]：Todoist 官方 API，支持任务创建/更新/查询/评论，OAuth2 认证 -- [[Todoist Sync API]]：实时双向同步协议，支持 WebSocket 推送变更 -- [[Recurring Tasks]]：重复任务机制，支持自然语言周期描述（every Monday, every 6 months） -- [[AI-Driven Task Extraction]]：从非结构化文本（邮件/消息/会议记录）中提取任务要素（谁/做什么/何时） -- [[Task Automation Pipeline]]：自然语言 → 结构化解析 → API 调用 → 结果确认 -- [[Morning Briefing Integration]]：Todoist 逾期任务/今日任务接入晨间简报 -- [[Meeting-to-Task Workflow]]：会议结束 → 自动创建跟进任务 → 分配截止和项目 - -## Key Entities -- [[Todoist]]：Doist 公司开发的跨平台任务管理工具，支持多设备同步、标签、项目、子任务 -- [[Todoist AI（Beta）]]：Todoist 内置的 AI 功能，支持自然语言创建任务，但 Agent 集成提供更深度的工作流自动化 -- [[Doist]]：Todoist 背后的公司，同时开发 Twist（团队沟通）和 Corona（健康追踪） -- [[OpenClaw]]：多 Agent 框架，通过 sessions_spawn/sessions_send 调用外部 API，可集成 Todoist API 实现任务自动化 -- [[SuperCall]]：AI 语音电话系统，与 Todoist 结合可实现"电话确认任务 → 自动创建 Todoist 项目"的语音驱动工作流 - -## Connections -- [[Custom Morning Brief]] ← depends_on ← [[Todoist Task Manager]]：Todoist 的今日任务和逾期任务构成晨报的重要内容来源 -- [[Phone-Based Personal Assistant]] ← extends ← [[Todoist Task Manager]]：语音指令 → Agent 解析 → Todoist API 创建任务 -- [[Multi-Channel Assistant]] ← depends_on ← [[Todoist Task Manager]]：Telegram/Discord/iMessage 的文字指令最终汇聚到 Todoist 作为任务执行层 -- [[Event Guest Confirmation]] ← extends ← [[Todoist Task Manager]]：确认出席的客人 → 自动创建"发送地址/准备材料"等跟进任务 -- [[Market Research & Product Factory]] ← extends ← [[Todoist Task Manager]]：AI 发现的产品机会 → 自动创建"验证 MVP/写 PRD"等任务并追踪 -- [[Todoist Task Manager]] ← depends_on ← [[n8n]]：n8n Workflow 可作为 Todoist 与其他工具（邮件/日历/CRM）集成的中间层 - -## Contradictions -- 与 [[Project State Management]] 冲突： - - 冲突点：Todoist 是传统的"任务列表+截止日"模式；[[Project State Management]] 强调用 Markdown 事件流记录每个决策/进展 - - 当前观点：对于简单任务管理，Todoist 的结构化字段（截止/优先级/项目）更直观，Agent API 调用简单 - - 对方观点：Markdown 事件流保留完整上下文，支持任意扩展字段，不需要账号授权，数据完全自托管 +--- +title: "Todoist Task Manager: Agent Task Visibility" +type: source +tags: [] +date: 2026-05-02 +--- + +## Source File +- [[raw/Agent/usecases/todoist-task-manager.md]] + +## Summary（用中文描述） +- 核心主题：AI Agent 长时任务的可视化进度追踪系统，通过 Todoist 实现 Agent 内部推理外部化 +- 问题域：Agent 执行复杂多步任务（如构建全栈应用、深度研究）时，用户无法实时了解 Agent 在做什么、已完成哪些步骤、卡在哪里 +- 方法/机制：利用 Todoist 项目 + 分区（🟡 In Progress / 🟠 Waiting / 🟢 Done）+ Bash 脚本封装 REST API，实现：① 任务状态可视化 ② Agent 计划外化到任务描述 ③ 实时追加子步骤日志为评论 ④ 心跳脚本检测停滞任务并通知用户 +- 结论/价值：用户无需手动翻查聊天记录，在 Todoist 中即可透明查看 Agent 进展，提高多 Agent 协作和后台任务的可用性 + +## Key Claims（用中文描述） +- Todoist 分区标签（🟡🟠🟢）可有效区分任务状态，提升可视化效果 +- 将 Agent 内部 Plan 外化到任务描述，可提升任务执行透明度 +- 子步骤日志以评论形式实时追加，可在不污染主对话的前提下保留完整执行轨迹 +- 心跳脚本自动检测停滞任务并通知用户，实现 Agent 故障的被动告警 +- 该方案无需预装 Skill，Agent 可通过 prompt 自主构建所需的 Bash 脚本 + +## Key Quotes +> "When agents run complex, multi-step tasks (like building a full-stack app or performing deep research), the user often loses track of what the agent is currently doing, what steps have been completed, and where the agent might be stuck." — 痛点描述 +> "You don't need a pre-built skill. Simply prompt your OpenClaw agent to create the bash scripts described in the **Setup Guide** below." — 方案亮点：无需预装，直接 prompt 生成 + +## Key Concepts +- [[TaskVisibility]]：AI Agent 任务执行过程的可视化透明度，使人类用户能追踪 Agent 的当前状态、已完成步骤和潜在阻塞 +- [[AgenticWorkflow]]：多步骤、长时间运行的 AI Agent 任务执行流程，需外部状态同步机制辅助用户理解 +- [[ExternalReasoning]]：将 Agent 内部推理过程外化到外部系统（如 Todoist）的方法，提高 Agent 行为的可观测性 + +## Key Entities +- [[Todoist]]：任务管理工具，通过 REST API 实现任务创建、更新、评论功能；提供项目（Project）和分区（Section）组织结构 +- [[OpenClaw]]：OpenClaw 的工作空间，文中作为 Agent 的执行环境；支持文件系统管理和 shell 命令执行，可通过 prompt 自主构建 Todoist 集成脚本 +- [[TodoistRestApi]]：Todoist 官方 REST API v2，支持任务（Tasks）、评论（Comments）等端点的 CRUD 操作 + +## Connections +- [[Todoist]] ← 使用 REST API ← [[TodoistTaskManager]] +- [[OpenClaw]] ← 作为 Agent 执行环境 ← [[TodoistTaskManager]] +- [[ProjectStateManagement]] ← 任务状态管理相关 ← [[TodoistTaskManager]] +- [[AgenticWorkflow]] ← 属于更广泛的 Agent 任务编排范畴 ← [[TodoistTaskManager]] + +## Contradictions +- 与 [[ProjectStateManagement]]：两者均关注任务状态管理，但 Project State Management 使用事件驱动方案（替代看板），而 Todoist Task Manager 直接利用现成 SaaS（Todoist）实现；应用场景不同，无直接冲突