Sync: add productivity workflow notes

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