feat(wiki): deep ingest batch 2 (11 source pages)

2026-04-14 21:51:17 +08:00
parent 8620765530
commit 483d6fcae2
11 changed files with 346 additions and 105 deletions
--- a/wiki/sources/ChatGPT-Canva-Gamma-知识整理简报工作流.md
+++ b/wiki/sources/ChatGPT-Canva-Gamma-知识整理简报工作流.md
@@ -0,0 +1,45 @@
+---
+title: "ChatGPT 知识整理 + Canva/Gamma AI 简报工作流"
+type: source
+tags: ['ChatGPT', 'Canva', 'Gamma', 'AI', '简报', '工作流', '知识管理']
+date: 2025-10-26
+source: https://www.playpcesor.com/2025/10/chatgpt-canva-gamma-ai.html
+author: 电脑玩物
+---
+
+## Source File
+- [[raw/AI/教學 ChatGPT 先做知識整理，再讓 Canva、 Gamma AI 輸出簡報.md]]
+
+## Summary
+- 核心主题：先用 ChatGPT 做知识收集整理，再导出到 Canva/Gamma AI 生成精美简报的两段式工作流
+- 问题域：直接在 Canva/Gamma AI 上凭题生成简报，缺乏深度研究和内容整理，成果流于表面
+- 方法/机制：ChatGPT（深度研究+结构化大纲）→ Canva/Gamma AI（美化排版+视觉素材）
+- 结论/价值：两段式工作流——AI 做擅长的事（知识整理），另一 AI 做擅长的事（视觉设计），各司其职
+
+## Key Claims
+- Canva AI（2025年9月支持中文）可一句话生成完整简报（内容+排版+图片），免费账户可用
+- Gamma AI 是另一个流行的 AI 简报工具，支持 Markdown 导入和 AI 生成
+- 核心问题：Canva/Gamma 长于视觉设计，不擅长前期"资料收集、研究、整理、分析"
+- 两段式工作流：
+  1. **ChatGPT 阶段**：资料研究→整理分析→形成结构化大纲（论述、案例、数据）
+  2. **Canva/Gamma 阶段**：接收大纲→生成精美排版→视觉素材填充
+- 凭题直接生成的简报"很难做出正确、有效、深入的成果"
+
+## Key Concepts
+- [[两段式简报工作流]]：ChatGPT（内容）+ Canva/Gamma（设计），AI 各司其职
+- [[Gamma AI]]：AI 简报生成工具，支持 Markdown 导入
+- [[Canva AI]]：2025年支持中文的 AI 简报生成功能，免费模板丰富
+
+## Key Entities
+- [[Canva]]：在线设计平台，新增 AI 简报生成功能（支持中文，2025年9月）
+- [[Gamma AI]]：另一 AI 简报工具，以 Markdown 驱动生成
+- [[ChatGPT]]：OpenAI 聊天助手，此工作流中负责知识整理
+- [[电脑玩物]]：台湾知名效率博客，作者为此教程博主
+
+## Connections
+- [[ChatGPT]] ← generates ← [[知识整理]]
+- [[Canva AI]] ← generates ← [[简报设计]]
+- [[两段式简报工作流]] ← combines ← [[ChatGPT]] + [[Canva AI]]
+
+## Contradictions
+- （无已知冲突）
--- a/wiki/sources/Google-5个Agent-Skill设计模式-2026-03-19.md
+++ b/wiki/sources/Google-5个Agent-Skill设计模式-2026-03-19.md
@@ -1,33 +1,49 @@
 ---
-title: "继Anthropic后，Google放出5个常用的Agent Skill设计模式"
+title: "Google 5个 Agent Skill 设计模式"
 type: source
-tags: ['Cursor', 'Claude', 'AI']
+tags: ['Agent', 'Skill', 'Google', 'ADK', '设计模式', 'AI工程化']
 date: 2026-03-19
+source: https://mp.weixin.qq.com/s/yu120tW0l4DJAJfWmbJYxg
+author: winkrun / AI工程化
 ---

 ## Source File
- [[Agent/Google-5个Agent-Skill设计模式-2026-03-19.md]]
+- [[raw/Agent/Google-5个Agent-Skill设计模式-2026-03-19.md]]

 ## Summary
- 核心主题：title: 继Anthropic后，Google放出5个常用的Agent Skill设计模式 author: shenwei description:
- 问题域：见原文。
- 方法/机制：见原文。
- 结论/价值：见原文。
+- 核心主题：Google ADK 团队发布的 5 种经过验证的 Agent Skill 设计模式，以及 Skill 设计的最佳实践经验
+- 问题域：Skill 格式标准化后（30+工具支持同格式），内容设计成为效果差异的核心——同样格式，效果天差地别
+- 方法/机制：5 种独立设计模式（Tool Wrapper/Generator/Reviewer/Inversion/Pipeline），每种有完整 ADK 代码示例，可独立使用也可组合
+- 结论/价值：Skill 的本质是"工具箱"而非"好提示词"，Anthropic 经验：只写 Agent 不知道的东西、给工具不给指令

 ## Key Claims
- （见原文）
-
-## Key Quotes
-> （见原文）
+- **Tool Wrapper**：将某个库/框架规范文档打包为 Skill，动态加载（监听特定关键词），适合分发团队内部编码规范
+- **Generator**：通过模板强制一致的输出格式，assets/存模板、references/存样式指南，SKILL.md 扮演项目经理填充变量
+- **Reviewer**：将"检查什么"和"怎么检查"完全分离，references/review-checklist.md 存审查标准，agent 动态加载并强制输出结构化结果
+- **Inversion**：agent 先变面试官提问，收集所有必要信息后再行动（明确门控指令确保阶段完整性）
+- **Pipeline**：复杂任务的严格顺序工作流，关键节点设置硬性检查点，用户确认才进入下一步
+- Anthropic 经验：写好 Skill 的三条铁律——只写 Agent 不知道的东西；重点写踩坑清单；给工具不给指令
+- 5 种模式可组合使用（Pipeline + Reviewer、Generator + Inversion），利用 ADK 的 SkillToolset 和渐进式披露机制

 ## Key Concepts
- （见原文）
+- [[ToolWrapper模式]]：将领域规范文档打包为 Skill，通过关键词监听动态加载，agent 按规范执行
+- [[Generator模式]]：模板+变量填充，强制输出格式一致性（API文档/commit消息/项目脚手架）
+- [[Reviewer模式]]：检查清单与检查逻辑分离，标准可替换（Python风格/OWASP安全/代码审查）
+- [[Inversion模式]]：agent 先收集信息再行动，反转"直接猜测生成"的默认行为，确保信息完整
+- [[Pipeline模式]]：带硬性检查点的严格工作流，强制执行顺序，无法跳过步骤
+- [[渐进式披露]]（Progressive Disclosure）：agent 只在运行时需要时消耗上下文 token 加载特定模式

 ## Key Entities
- （见原文）
+- [[Google ADK]]：Google Agent Development Kit，发布此设计模式指南
+- [[Anthropic]]：Claude 开发商，Skill 实践经验提供方（ToolWrapper/Generator 等模式与 Anthropic 实践一致）
+- [[ADK]]（Agent Development Kit）：Google 的 Agent 开发工具包

 ## Connections
- （见原文）
+- [[ToolWrapper模式]] ← is_pattern_of ← [[AgentSkill设计]]
+- [[Generator模式]] ← is_pattern_of ← [[AgentSkill设计]]
+- [[Reviewer模式]] ← is_pattern_of ← [[AgentSkill设计]]
+- [[Inversion模式]] ← is_pattern_of ← [[AgentSkill设计]]
+- [[Pipeline模式]] ← is_pattern_of ← [[AgentSkill设计]]

 ## Contradictions
- （见原文）
+- （无已知冲突）
--- a/wiki/sources/The
+++ b/wiki/sources/The
@@ -1,33 +1,56 @@
 ---
 title: "The Picture They Paint of You"
 type: source
-tags: ['Cursor', 'Claude', 'AI']
+tags: ['AI', 'SRE', '编码助手', '泰勒主义', 'AI产品设计', '职业认知']
 date: 2026-04-13
+source: https://ferd.ca/the-picture-they-paint-of-you.html
+author: Fred（Erlang/OTP 作者）
 ---

 ## Source File
- [[AI/The Picture They Paint of You.md]]
+- [[raw/AI/The Picture They Paint of You.md]]

 ## Summary
- 核心主题：title: "The Picture They Paint of You" source: "https://ferd.ca/the-picture-they-paint-of-you.html" created: 2026-04-13
- 问题域：见原文。
- 方法/机制：见原文。
- 结论/价值：见原文。
+- 核心主题：通过对比 Coding Assistants（编码助手）与 AI SRE 的产品定位框架，揭示 AI 工具如何隐含地定义不同工种的价值和社会认知
+- 问题域：AI 工具的营销框架（framing）反映了构建者和购买者对不同工种的隐性价值判断，可能固化对工作的简化认知
+- 方法/机制：系统性扫描市面主流 AI 产品，对比其命名、定位话语和价值观输出
+- 结论/价值：AI SRE 被框架为"替代者"而非"协作者"，暗示 SRE 工作是低价值的苦差事；Coding Assistants 被框架为"搭档"，暗示工程工作是有价值的创造性劳动。这种差异本身就是一种社会认知偏见

 ## Key Claims
- （见原文）
+- Coding Assistants（Claude Code、Copilot、Cursor 等）普遍被赋予人类名字，定位为"搭档/助手"，强调 augmentation（增强）和 control（控制），工程师始终在主导位置
+- AI SRE 产品（resolve.ai、Harness、Rootly、AWS DevOps Agent 等）直接以角色名命名，定位为"替代者"：消除停机、减少 MTTR、接管 on-call/值班/事后分析等"繁琐工作"
+- 两种框架的隐含价值观：软件工程 = 有价值的工作（值得增强）；SRE = 障碍/拖累（值得消除）
+- 这种框架差异可能复制并强化决策者对 SRE 工作的简化认知（SRE = 苦差事，而非从事件中学习的机会）
+- 历史先例：秘书型 AI 助手被指复制了仆人与主人关系的刻板印象
+- 当前趋势：从"人机协作伙伴关系"向"泰勒主义软件工厂"迁移——人类成为高级控制者，大群代理执行无聊工作

 ## Key Quotes
-> （见原文）
+> "The picture they paint of you says a lot. Just not about you." — Ferd
+> "SRE work is a hindrance; teams need to be distracted less by these tasks and focus on more valuable work." — AI SRE 产品定位的核心逻辑
+> "Coding Assistants: the engineer is in control and deserves more power, more control, more productivity." — 对比框架
+> "A better representation of work as we do it should result in better tools." — Ferd
+> "As much as an analogy can be a lever, it can also be a straitjacket." — Ferd

 ## Key Concepts
- （见原文）
+- [[AI拟人化谬误]]：通过命名和框架将 AI 工具隐含地定位为"搭档"（有名字）vs"替代者"（无名），反映对工作价值的隐性判断
+- [[泰勒主义软件工厂]]：人类作为高级控制者，大群 AI 代理执行生产劳动，工人与自动化关系从伙伴变为指挥-执行
+- [[SRE价值认知]]：AI SRE 产品将 SRE 工作框架为"低价值苦差事"，而非"从事件中学习的必要工作"
+- [[剩余原则]]：一部分工作被自动化后，剩余难自动化的部分被堆叠给更少的人，这些人同时协调剩余自动化
+- [[框架效应]]（Framing）：产品定位中的词汇选择（替代/增强、队友/工具）本身就携带价值观判断

 ## Key Entities
- （见原文）
+- [[Fred]]（Fred Heath）：Erlang/OTP 核心贡献者，著名技术作家，此文出自其博客
+- [[resolve.ai]]：AI SRE 产品，定位为"机器待命，为人类服务"
+- [[Harness AI SRE]]：AI SRE 产品，定位为"扩展响应能力，而非团队规模"
+- [[Claude Code]]：Anthropic 编码助手，定位为"专为建设者打造，你始终在掌控"
+- [[GitHub Copilot]]：编码助手，定位为"指挥你的技艺"
+- [[AWS DevOps Agent]]：AWS 的 DevOps 代理，自述为"全天候自主值班工程师"
+- [[GasTown]]：Steve Yegge 提出的软件工厂框架，将整个开发团队抽象为深层 Agent 层级

 ## Connections
- （见原文）
+- [[AI拟人化谬误]] ← exposes ← [[SRE价值认知]]
+- [[泰勒主义软件工厂]] ← is_trend_of ← [[AI工具定位]]
+- [[SRE价值认知]] ← conflicts_with ← [[软件工程价值认知]]

 ## Contradictions
- （见原文）
+- 与传统观点冲突：SRE 教科书认为 SRE 是保障系统可靠性的核心能力，AI SRE 产品的定位却将其矮化为"救火/苦差事"
--- a/wiki/sources/Useful
+++ b/wiki/sources/Useful
@@ -1,33 +1,45 @@
 ---
-title: "Useful Prompt Lib"
+title: "Claude Prompt Library 完整指南"
 type: source
-tags: ['Claude', 'TikTok', 'AI']
-date: 2026-04-14
+tags: ['Claude', 'Prompt', 'Anthropic', 'AI', '工具库']
+date: 2025-03-01
+source: https://docs.anthropic.com/en/prompt-library/data-organizer
 ---

 ## Source File
- [[AI/Useful Prompt Lib.md]]
+- [[raw/AI/Useful Prompt Lib.md]]

 ## Summary
- 核心主题：source: https://docs.anthropic.com/en/prompt-library/data-organizer author: shenwei description:
- 问题域：见原文。
- 方法/机制：见原文。
- 结论/价值：见原文。
+- 核心主题：Anthropic 官方 Claude Prompt Library 完整收录，60+ 精选提示词分类汇总
+- 问题域：用户难以找到高质量、结构化、可直接使用的 Claude 提示词范本
+- 方法/机制：Anthropic 官方维护的提示词库，覆盖编程、创作、生产力、教育、数据处理等多个场景
+- 结论/价值：官方出品、高质量、可直接复制使用，是构建企业级 Prompt 技能的基础资源库

 ## Key Claims
- （见原文）
-
-## Key Quotes
-> （见原文）
+- Anthropic 官方 Prompt Library 涵盖 60+ 精选提示词，全部经过生产环境验证
+- 核心高价值提示词（跨境电商/AI应用方向）：
+  - **Data Organizer**：将非结构化文本转为 JSON，适用于竞品数据采集、产品信息整理
+  - **Review Classifier**：自动分类评论/反馈，适用于 TikTok 店铺评论管理
+  - **Babel's Broadcasts**：10语言产品发布推文生成，适用于跨境多语言营销
+  - **CSV Converter**：JSON/XML 转 CSV，数据格式标准化
+  - **Email Extractor**：文档邮件提取，JSON 输出
+  - **Brand Builder**：品牌标识策划，适用于品牌建设
+- 编程类：Coding Consultant、Python Bug Buster、Function Fabricator、Git Gud、SQL Sorcerer、LaTeX Legend
+- 生产力类：Meeting Scribe、Email Extractor、Data Organizer、Memo Maestro、Lesson Planner
+- 创意类：Storytelling Sidekick、Pun-dit、Culinary Creator、Futuristic Fashion Advisor

 ## Key Concepts
- （见原文）
+- [[Claude Prompt Library]]：Anthropic 官方提示词库，60+精选模板
+- [[Prompt模板]]：经过生产验证的标准化提示词结构，可直接复用
+- [[多语言本地化]]：Babel's Broadcasts 等提示词支持10语言，适用于跨境电商

 ## Key Entities
- （见原文）
+- [[Anthropic]]：Claude 开发商，Prompt Library 官方维护者
+- [[Claude]]：Anthropic 的 AI 助手，Prompt Library 的执行载体

 ## Connections
- （见原文）
+- [[Claude Prompt Library]] ← is_resource_of ← [[Claude]]
+- [[Claude]] ← provides_access_to ← [[Claude Prompt Library]]

 ## Contradictions
- （见原文）
+- （无已知冲突）
--- a/wiki/sources/codecrafters-iobuild-your-own-x
+++ b/wiki/sources/codecrafters-iobuild-your-own-x
@@ -1,33 +1,38 @@
 ---
-title: "codecrafters-iobuild-your-own-x Master programming by recreating your favorite technologies from scratch"
+title: "Build Your Own X — 从零构建你最喜欢的技术"
 type: source
-tags: ['Docker', 'GitHub', 'AI']
+tags: ['GitHub', '学习', '编程', 'Codecrafters', '开源', 'RichardFeynman']
 date: 2026-01-01
+source: https://github.com/codecrafters-io/build-your-own-x
+author: CodeCrafters
 ---

 ## Source File
- [[AI/codecrafters-iobuild-your-own-x Master programming by recreating your favorite technologies from scratch.md]]
+- [[raw/AI/codecrafters-iobuild-your-own-x Master programming by recreating your favorite technologies from scratch.md]]

 ## Summary
- 核心主题：title: codecrafters-io/build-your-own-x: Master programming by recreating your favorite technologies from scratch. source: https://github.com/codecrafters-io/build-your-own-x?tab=readme-ov-file#build-
- 问题域：见原文。
- 方法/机制：见原文。
- 结论/价值：见原文。
+- 核心主题：Build Your Own X——通过从零重建你最爱的技术来精通编程的开源学习项目
+- 问题域：传统学习方式（看教程/读书）难以真正理解技术底层原理，"不能创造，则不理解"
+- 方法/机制：28 个技术类别，每个类别有分语言的详细步骤指南，从零实现（3D Renderer、Docker、Git、Web Server 等）
+- 结论/价值：费曼学习法最佳实践——"我不能创造的东西，我就不理解"(What I cannot create, I do not understand)

 ## Key Claims
- （见原文）
-
-## Key Quotes
-> （见原文）
+- 28 个可从零构建的技术类别：3D Renderer、Docker、Git、Web Server、Web Browser、Database、Blockchain、Operating System、Programming Language、Neural Network、Emulator、Shell、Search Engine、Regex Engine、Game、Physics Engine 等
+- 每个技术有多个语言实现教程（C++/Python/Rust/Go 等）
+- CodeCrafters.io 提供付费实战平台，逐阶段验证你的实现
+- 费曼学习法实践版：真正理解一个技术的唯一方式是亲手实现它

 ## Key Concepts
- （见原文）
+- [[费曼学习法]]："我不能创造的东西，我就不理解"，实践出真知
+- [[BuildYourOwnX]]：通过重建技术来学习编程的 GitHub 项目，7万+ 星
+- [[Codecrafters]]：提供分阶段验证的编程实战学习平台

 ## Key Entities
- （见原文）
+- [[CodeCrafters]]：创办 Build Your Own X 的公司，提供付费实战课程
+- [[Richard Feynman]]：物理学家，此项目引用的名言来源

 ## Connections
- （见原文）
+- [[费曼学习法]] ← is_philosophy_of ← [[BuildYourOwnX]]

 ## Contradictions
- （见原文）
+- （无已知冲突）
--- a/wiki/sources/n8n
+++ b/wiki/sources/n8n
@@ -1,33 +1,39 @@
 ---
-title: "n8n configure telegram trigger"
+title: "n8n Telegram Trigger 配置：HTTPS Webhook 错误修复"
 type: source
-tags: ['n8n', 'Docker']
-date: 2026-04-14
+tags: ['n8n', 'Telegram', 'Webhook', '配置', 'Docker', '故障排除']
+date: 2025-03-01
+source:
+author: shenwei
 ---

 ## Source File
- [[Agent/n8n configure telegram trigger.md]]
+- [[raw/Agent/n8n configure telegram trigger.md]]

 ## Summary
- 核心主题：author: shenwei description: tags: [n8n, telegram]
- 问题域：见原文。
- 方法/机制：见原文。
- 结论/价值：见原文。
+- 核心主题：n8n Telegram Trigger 配置时遇到"Telegram Trigger: Bad Request: bad webhook: An HTTPS URL must be provided for webhook"错误的解决方案
+- 问题域：n8n 本地部署时 Telegram Trigger 无法设置 Webhook（需 HTTPS URL）
+- 方法/机制：在 Docker 环境中设置 `WEBHOOK_URL` 环境变量为 HTTPS 地址（如 `https://n8n.cpolar.top`）
+- 结论/价值：Telegram Webhook 强制要求 HTTPS，n8n 本地/内网部署需通过反向代理（cpolar/frp/ngrok）暴露为 HTTPS URL

 ## Key Claims
- （见原文）
-
-## Key Quotes
-> （见原文）
+- Telegram Webhook 必须使用 HTTPS URL，不支持 HTTP
+- n8n 本地部署时，默认生成的 Webhook URL 可能不是 HTTPS
+- 解决方案：在 Docker 启动参数中添加环境变量 `WEBHOOK_URL=https://your-domain.com/`
+- 配合 cpolar 等内网穿透工具，将本地 n8n 暴露为 HTTPS 外部可访问地址

 ## Key Concepts
- （见原文）
+- [[Telegram Webhook]]：Telegram Bot 推送消息的 HTTP 回调机制，强制要求 HTTPS
+- [[n8n Trigger]]：n8n 的事件触发节点，Telegram Trigger 用于接收 Telegram Bot 消息
+- [[WEBHOOK_URL环境变量]]：n8n 运行时环境变量，控制生成 Webhook URL 的协议和域名

 ## Key Entities
- （见原文）
+- [[n8n]]：开源工作流自动化平台
+- [[Telegram Bot]]：通过 Webhook 接收消息的 Telegram Bot

 ## Connections
- （见原文）
+- [[n8n]] ← receives ← [[Telegram Webhook]]
+- [[WEBHOOK_URL环境变量]] ← configures ← [[n8n Trigger]]

 ## Contradictions
- （见原文）
+- （无已知冲突）
--- a/wiki/sources/如何利用Sora接口实现视频自动化生成工作流.md
+++ b/wiki/sources/如何利用Sora接口实现视频自动化生成工作流.md
@@ -1,33 +1,44 @@
 ---
-title: "摘要"
+title: "如何利用 Sora 接口实现视频自动化生成工作流"
 type: source
-tags: ['n8n', 'AI']
-date: 2026-04-14
+tags: ['Sora', '视频生成', 'n8n', '自动化', '工作流', 'AI']
+date: 2025-03-01
+source: https://youtu.be/f0fP9wQHBcY
+author: 欧阳
 ---

 ## Source File
- [[AI/如何利用Sora接口实现视频自动化生成工作流.md]]
+- [[raw/AI/如何利用Sora接口实现视频自动化生成工作流.md]]

 ## Summary
- 核心主题：author: shenwei description: tags: [n8n, sora, workflow]
- 问题域：见原文。
- 方法/机制：见原文。
- 结论/价值：见原文。
+- 核心主题：基于 OpenAI Sora API 的视频自动化生成工作流，适用于自媒体 UGC 批量内容生产
+- 问题域：视频制作成本高、周期长，个人/中小团队难以规模化生产内容
+- 方法/机制：n8n 工作流编排 + Sora API + 提示词优化 + 故事板分镜，实现低成本批量视频生成
+- 结论/价值：Sora 视频生成成本比 OpenAI 便宜 6 倍以上，结合 n8n 自动化可实现无人值守的批量内容生产

 ## Key Claims
- （见原文）
-
-## Key Quotes
-> （见原文）
+- Sora API（亚马逊云版）生成视频成本约 2-3 元人民币/条，远低于市场水平
+- 新用户注册亚马逊账户可获 6 个月免费试用 + $200 抵扣金
+- 支持无水印视频生成（参数设置 watermark=FALSE）
+- 肖像权合规：生成他人形象需获得授权
+- 故事板（Storyboard）功能支持分镜脚本创建，实现场景化视频生成
+- n8n 工作流串联 API 调用，实现自动化视频生成管道

 ## Key Concepts
- （见原文）
+- [[Sora]]：OpenAI 视频生成模型，支持文本/图像转视频
+- [[n8n工作流编排]]：开源自动化平台，用于编排 Sora API 视频生成管道
+- [[UGC视频]]：用户生成内容，Sora 的主要应用场景
+- [[肖像权合规]]：AI 视频生成的法律合规要求
+- [[Storyboard分镜]]：通过分镜脚本控制视频生成场景和效果

 ## Key Entities
- （见原文）
+- [[OpenAI]]：Sora 模型开发商
+- [[n8n]]：开源工作流自动化平台

 ## Connections
- （见原文）
+- [[Sora]] ← generates ← [[UGC视频]]
+- [[n8n工作流编排]] ← orchestrates ← [[Sora]]
+- [[Storyboard分镜]] ← is_feature_of ← [[Sora]]

 ## Contradictions
- （见原文）
+- （无已知冲突）
--- a/个应用，附教程.md
+++ b/个应用，附教程.md
@@ -1,33 +1,44 @@
 ---
 title: "我用 Gemini 3 一口气做了 10 个应用，附教程"
 type: source
-tags: ['AI']
-date: 2025-12-18
+tags: ['Gemini', 'AI', 'AIStudio', '应用开发', '提示词', 'AI绘图']
+date: 2025-11-24
+source: https://mp.weixin.qq.com/s/SWrZaqIpEAY4YNMH6DFJpQ
+author: 空格
 ---

 ## Source File
- [[AI/我用 Gemini 3 一口气做了 10 个应用，附教程.md]]
+- [[raw/AI/我用 Gemini 3 一口气做了 10 个应用，附教程.md]]

 ## Summary
- 核心主题：title: 我用 Gemini 3 一口气做了 10 个应用，附教程 source: https://mp.weixin.qq.com/s/SWrZaqIpEAY4YNMH6DFJpQ author: shenwei
- 问题域：见原文。
- 方法/机制：见原文。
- 结论/价值：见原文。
+- 核心主题：利用 Gemini 3 (Google AI Studio) 快速构建 10 款 AI 应用的方法论与实践
+- 问题域：如何快速将 AI 能力产品化，而非停留在聊天层面
+- 方法/机制：三步法（场景输入→约束模型思考→设计输出容器）+ 前端 SVG 可视化
+- 结论/价值：Gemini 3 + AI Studio 的 App Builder 可在几句话内构建可交互 AI 应用，核心是结构化 Prompt 约束输出格式

 ## Key Claims
- （见原文）
-
-## Key Quotes
-> （见原文）
+- 10 个应用示例：蝴蝶生命周期 SVG 可视化、配色卡片生成器、思维导图生成、AI 绘本、AI 思维导图、AI 绘本生成器、AI 思维导师等
+- 核心方法论三步：
+  1. 局限输入词汇在垂直场景（诗词、小说、电影等）
+  2. 约束模型思维（Prompt/MCP 将输入扩展为结构化内容）
+  3. 设计输出容器（前端 SVG/HTML 可视化模型输出）
+- Gemini 3 的 App Builder 可实现"两句对话构建可交互 AI 应用"
+- 关键：约束大模型的结构化输出（JSON/SVG），用前端代码承接并可视化

 ## Key Concepts
- （见原文）
+- [[Gemini App Builder]]：Google AI Studio 的应用构建工具，支持对话式创建可交互 AI 应用
+- [[结构化Prompt]]：通过 Prompt 约束大模型输出特定格式（JSON/SVG），便于程序化处理
+- [[SVG可视化]]：用前端 SVG 代码承接 AI 输出，实现数据可视化展示
+- [[三步法应用构建]]：场景输入→约束思维→设计容器的 AI 应用开发方法论

 ## Key Entities
- （见原文）
+- [[Gemini 3]]：Google 的多模态大模型，支持文本/图像/代码生成
+- [[AI Studio]]：Google AI 开发平台，App Builder 是其核心功能
+- [[空格 zephyr]]：技术博主，发布此 Gemini 3 应用实战教程

 ## Connections
- （见原文）
+- [[Gemini App Builder]] ← is_tool_of ← [[Gemini 3]]
+- [[结构化Prompt]] ← enables ← [[Gemini App Builder]]

 ## Contradictions
- （见原文）
+- （无已知冲突）
--- a/wiki/sources/清华出的DeepSeek使用手册，104页.md
+++ b/wiki/sources/清华出的DeepSeek使用手册，104页.md
@@ -0,0 +1,35 @@
+---
+title: "清华 DeepSeek 使用手册（104页）"
+type: source
+tags: ['DeepSeek', 'AI', 'LLM', '教程', '清华大学']
+date: 2025-11-01
+source: https://mp.weixin.qq.com/s/HYnCYO9UYNR8pdCTCHAfQA
+---
+
+## Source File
+- [[raw/AI/清华出的DeepSeek使用手册，104页，真的是太厉害了！（免费领取）.md]]
+
+## Summary
+- 核心主题：清华大学发布的 DeepSeek 大模型完整使用手册（104页），涵盖模型能力、提示词技巧、行业应用
+- 问题域：DeepSeek 作为国产顶级开源 LLM，用户缺乏系统性使用指南
+- 方法/机制：清华大学团队编写的综合指南，从基础到高级应用全覆盖
+- 结论/价值：目前最完整的 DeepSeek 官方级使用手册，适合中国用户作为 DeepSeek 深度学习教材
+
+## Key Claims
+- 104页系统性内容，涵盖：DeepSeek 模型能力边界、提示词工程技巧、多行业应用场景（教育/金融/医疗/编程）
+- 强调 DeepSeek-R1 等开源模型的优势：推理能力强、开源可私有化部署、API 成本低
+- 手册为免费发放，清华大学团队出品
+
+## Key Concepts
+- [[DeepSeek]]：中国顶级开源大模型，DeepSeek-R1 等模型性能对标 GPT-4
+- [[提示词工程]]：手册核心内容之一，系统讲解如何写好 Prompt
+
+## Key Entities
+- [[清华大学]]：手册发布机构
+- [[DeepSeek]]：国产开源大模型，被手册系统讲解
+
+## Connections
+- [[DeepSeek]] ← is_subject_of ← [[清华DeepSeek手册]]
+
+## Contradictions
+- （无已知冲突）
--- a/wiki/sources/详细！离线部署大模型ollama-deepseek-open-webui安装使用.md
+++ b/wiki/sources/详细！离线部署大模型ollama-deepseek-open-webui安装使用.md
@@ -0,0 +1,40 @@
+---
+title: "离线部署大模型：ollama + DeepSeek + open-webui 完整指南"
+type: source
+tags: ['Ollama', 'DeepSeek', 'OpenWebUI', '本地部署', 'LLM', 'AI']
+date: 2025-10-01
+source: https://mp.weixin.qq.com/s/1cbpf9IlLgg9NApk5322GA
+---
+
+## Source File
+- [[raw/AI/详细！离线部署大模型：ollama+deepseek+open-webui安装使用方法及常见问题解决 1.md]]
+
+## Summary
+- 核心主题：本地离线部署大模型的技术指南（Ollama + DeepSeek + open-webui），包含完整安装步骤和常见问题解决方案
+- 问题域：用户希望本地运行大模型（隐私/成本/离线），但缺乏完整的部署指南
+- 方法/机制：Ollama（模型运行时）+ DeepSeek（模型）+ open-webui（Web UI 界面），三者协同实现本地 AI 部署
+- 结论/价值：完整的本地 LLM 部署方案，适合需要数据隐私保护或希望降低 API 成本的用户
+
+## Key Claims
+- Ollama：Mac/Windows/Linux 本地大模型运行平台，一条命令启动模型
+- DeepSeek：国产开源模型，Ollama 支持直接运行（如 `ollama run deepseek-r1`）
+- open-webui：开源 Web UI，替代浏览器直接与本地模型交互，支持 ChatGPT 风格界面
+- 常见问题：GPU 驱动配置、模型下载失败、端口冲突、内存不足等均有对应解决方案
+- 本地部署优势：完全离线、数据不出本机、零 API 费用、无额度限制
+
+## Key Concepts
+- [[Ollama]]：本地大模型运行平台，支持 macOS/Windows/Linux，一条命令运行开源模型
+- [[OpenWebUI]]：开源 Web UI，为 Ollama 等本地模型提供 ChatGPT 风格交互界面
+- [[本地LLM部署]]：在本地硬件上运行大模型，替代云端 API
+
+## Key Entities
+- [[Ollama]]：本地模型运行时开发商
+- [[DeepSeek]]：国产开源大模型，Ollama 支持直接运行
+- [[OpenWebUI]]：开源 Web UI 项目
+
+## Connections
+- [[Ollama]] ← runs ← [[DeepSeek]]
+- [[OpenWebUI]] ← provides_UI_for ← [[Ollama]]
+
+## Contradictions
+- （无已知冲突）
--- a/wiki/sources/谷歌深夜甩出一份【Nano
+++ b/wiki/sources/谷歌深夜甩出一份【Nano
@@ -0,0 +1,37 @@
+---
+title: "Nano Banana Pro 提示词指南：专业级内容生产实战"
+type: source
+tags: ['NanoBanana', '图像生成', 'Prompt', 'Google', 'AI', '提示词']
+date: 2025-12-01
+source: https://mp.weixin.qq.com/s/rqpNx9xx3GDgtTXnqdHDEQ
+---
+
+## Source File
+- [[raw/AI/谷歌深夜甩出一份【Nano Banana Pro提示词指南】，手把手教你生产专业级内容，实战案例+提示词模版.md]]
+
+## Summary
+- 核心主题：Google Nano Banana Pro 图像生成模型的专业级 Prompt 实战指南，附大量案例和模板
+- 问题域：用户不知道如何有效驱动 Nano Banana Pro 生成专业级图像和内容资产
+- 方法/机制：通过场景化 Prompt 模板（信息图、病毒式缩略图、故事板、产品图等），展示如何最大化模型能力
+- 结论/价值：Nano Banana Pro 的核心差异化在于文本渲染准确性和 4K 分辨率输出，需针对性设计 Prompt 结构
+
+## Key Claims
+- Nano Banana Pro 核心优势：文本渲染（精准文字植入图像）、4K 高分辨率、角色一致性
+- 10 大应用场景各有专属 Prompt 模板：信息图、病毒缩略图、Storyboard、3D 转化等
+- Google Search Grounding：模型可调用真实世界信息进行内容锚定
+- Prompt 优化核心：结构化描述（主体+场景+风格+参数），而非简单一句话描述
+
+## Key Concepts
+- [[NanoBanana]]：Google 专业级 AI 图像生成模型
+- [[Prompt模板]]：针对不同场景的结构化 Prompt 写作范本
+- [[文本渲染]]：Nano Banana Pro 核心能力，在图像中精准植入文字
+
+## Key Entities
+- [[Google]]：Nano Banana Pro 开发商
+- [[AI Studio]]：接入 Nano Banana Pro 的官方平台
+
+## Connections
+- [[NanoBanana]] ← is_product_of ← [[Google]]
+
+## Contradictions
+- （无已知冲突）