wiki-ingest Batch 8: Agentic AI design + LLM/RAG/Agent architecture + DevOps maturity guidelines
This commit is contained in:
45
wiki/concepts/GenAI.md
Normal file
45
wiki/concepts/GenAI.md
Normal file
@@ -0,0 +1,45 @@
|
||||
---
|
||||
title: "GenAI"
|
||||
type: concept
|
||||
tags: [genai, generative-ai, content-generation]
|
||||
sources: ["Designing for Agentic AI.md"]
|
||||
last_updated: 2026-04-16
|
||||
---
|
||||
|
||||
## Definition
|
||||
Generative AI(生成式AI),擅长创建新内容(文本、图像、音乐等)的AI系统。作为"创意助手"能生成创意或翻译语言。
|
||||
|
||||
## Key Characteristics
|
||||
- 被动响应:等待用户输入后生成内容
|
||||
- 内容创作:擅长生成文本、图像、音乐等创意内容
|
||||
- 知识截止:基于训练数据,知识有时效性限制
|
||||
- 无行动能力:仅能"思考",无法执行外部操作
|
||||
|
||||
## Comparison with Agentic AI
|
||||
|
||||
| 维度 | GenAI | Agentic AI |
|
||||
|------|-------|------------|
|
||||
| 核心能力 | 内容创作 | 行动执行 |
|
||||
| 交互模式 | 被动响应用户输入 | 主动预判并自主行动 |
|
||||
| 知识状态 | 训练数据截止日期 | 可通过RAG获取实时信息 |
|
||||
| 执行能力 | 无 | 有(API调用、代码执行等)|
|
||||
| 典型场景 | 写作、摘要、翻译、图像生成 | 任务自动化、复杂工作流 |
|
||||
|
||||
## Relationship to Other Concepts
|
||||
- [[Agentic-AI]]:GenAI是Agentic AI的内容生成基础;Agentic AI = GenAI + 行动框架
|
||||
- [[LLM]]:LLM是GenAI的核心技术架构之一
|
||||
- [[RAG]]:RAG为GenAI提供实时信息获取能力,解决知识时效性问题
|
||||
|
||||
## Examples
|
||||
- 写作助手:生成诗歌、文章
|
||||
- 图像生成:Midjourney、Stable Diffusion、DALL-E
|
||||
- 音乐生成:Suno AI
|
||||
- 代码生成:Claude Code、Cline
|
||||
|
||||
## Aliases
|
||||
- 生成式AI
|
||||
- 生成式人工智能
|
||||
- Generative AI
|
||||
|
||||
## Sources
|
||||
- [[Designing-for-Agentic-AI]]
|
||||
@@ -3,11 +3,34 @@
|
||||
## Overview
|
||||
- [Overview](overview.md) — living synthesis
|
||||
|
||||
## Sources (2026-04-16 Batch 8)
|
||||
- [Designing for Agentic AI](sources/Designing-for-Agentic-AI.md) — Agentic AI产品设计五大原则:透明度、控制权、个性化、对话、预判;与GenAI的本质区别——主动行动vs被动响应
|
||||
- [LLMs、RAG、AI Agent 三个到底什么区别?](sources/LLMs-RAG-AI-Agent三个到底什么区别.md) — LLM(天才大脑/思考)→ RAG(随身图书馆助理/信息)→ AI Agent(行动者/执行)三层架构;真正生产系统叠加三者
|
||||
- [Cloud DevOp Maturity - Guideline](sources/Cloud-DevOp-Maturity-Guideline.md) — 企业级SaaS云DevOps成熟度评估框架;DORA四大指标 + CMMI成熟度模型;四大支柱:自动化/协作文化/监控可观测性/DevSecOps
|
||||
|
||||
## Sources (2026-04-16 Batch 7)
|
||||
- [不会Gemini的产品经理真的要被淘汰了—附保姆级PRD生成指南](sources/不会Gemini的产品经理真的要被淘汰了-附保姆级PRD生成指南.md) — AI时代PM能力重塑:FeatureList共创→Mermaid图→分页面口述→HTML原型;超级个体=领域八九十分+AI放大;市场洞察力才是最稀缺能力
|
||||
- [二创视频必不可少!AI配音·声音克隆工具合集](sources/二创视频必不可少-2025年最热门AI工具推荐合集-AI配音声音克隆.md) — 2025年主流AI配音工具横向评测:ElevenLabs(高品质)/海螺AI·TTSMaker·AnyVoice(免费)/F5-TTS(开源本地);3秒至30秒完成声音克隆
|
||||
- [清华出的DeepSeek使用手册,104页](sources/清华出的DeepSeek使用手册104页.md) — 清华大学元宇宙文化实验室出品;授人以渔而非改GPT说明书;104页提示词设计底层逻辑
|
||||
- [一语点醒梦中人(2026-04-16新批次)](sources/一语点醒梦中人-2026-04-16.md) — 东方智慧新批次:知其不可奈何而安之若命(庄子)/忘机消众机(曾国藩)/飘风不终朝(老子)/空性智慧(金刚经)
|
||||
|
||||
## Sources (2026-04-16 Batch 6)
|
||||
- [AWS CloudFormation StackSets 多账户集中日志监控](sources/AWS-CloudFormation-StackSets-多账户集中日志监控.md) — EventBridge 跨账户事件转发 + CloudWatch Logs 集中存储 + CloudWatch Logs Insights 跨账户查询;两张 CloudFormation 模板全自动化部署
|
||||
- [Scrapy + Playwright 抓取 TikTok Shop Data](sources/Scrapy-Playwright-抓取TikTok-Shop-Data.md) — Scrapy + scrapy-playwright 抓取 TikTok Shop 动态页面;venv 虚拟环境隔离依赖;Docker venv PATH 配置
|
||||
- [Mac Mini 服务器配置:防止自动锁屏与睡眠](sources/Mac-Mini-服务器配置-防止自动锁屏与睡眠.md) — `pmset -a sleep 0 displaysleep 0 standby 0 hibernatemode 0` 彻底关闭睡眠;WOL 网络唤醒;caffeinate 临时方案
|
||||
|
||||
## Sources (2026-04-16 Early Morning Batch)
|
||||
- [Never Write Another Prompt](sources/Never-write-another-prompt.md) — YouTube 视频笔记:提示词生成工具,描述转结构化提示词 + 变量注入 + 提示词库复用,$100-500/条专业定制降至零成本
|
||||
- [OpenAI ChatGPT 个性化定义](sources/OpenAI-ChatGPT-个性化定义.md) — Custom Instructions 配置实例:47岁云服务高管转型 TikTok 跨境电商,偏好详尽推理+反权威论据+精准表达
|
||||
- [3X-UI Xray on BandwagonVPS](sources/3X-UI-Xray-on-BandwagonVPS.md) — Bandwagon VPS 安装 3X-UI 面板管理 Xray 代理服务,VLESS+Reality 协议配置,多平台客户端(v2rayN/v2rayNG)
|
||||
|
||||
## Sources (2026-04-16 Batch 5)
|
||||
- [arXiv Paper Reader](sources/arXiv-Paper-Reader.md) — OpenClaw Agent 论文阅读助手:Prismer arxiv-reader skill(3 工具)+ LaTeX 源码自动展平 + 多篇对比表格 + 本地缓存
|
||||
- [Autonomous Educational Game Development Pipeline](sources/Autonomous-Educational-Game-Development-Pipeline.md) — 独立开发者 LANero 为女儿创建 El Bebe Games 教育游戏网站;Bugs First 策略 + Round Robin 队列 + Git 分支工作流;每 7 分钟一个游戏或修复
|
||||
- [Semantic Memory Search](sources/Semantic-Memory-Search.md) — memsearch 为 OpenClaw Markdown 记忆叠加向量语义搜索:混合搜索(dense+BM25+RRF)+ SHA-256 增量索引 + 文件监视器自动重索引
|
||||
- [Self-Healing Home Server](sources/Self-Healing-Home-Server.md) — OpenClaw Agent "Reef" 自主运维家庭基础设施:SSH/K8s/Terraform + 定时 Cron + TruffleHog 预推钩子 + 私有 Gitea CI;晨报自动化
|
||||
- [Polymarket Autopilot](sources/Polymarket-Autopilot.md) — 预测市场模拟交易自动化:TAIL/BONDING/SPREAD 三策略 + PostgreSQL 记录 + Discord 每日报告 + 子 Agent 并行分析
|
||||
|
||||
## Sources (2026-04-16 Batch 4)
|
||||
- [DevOps Culture and Transformation](sources/DevOps-Culture-and-Transformation.md) — DevOps 文化转型方法论:四大支柱框架(协作/自动化/Kaizen/客户中心)、敏捷整合、AI/ML 赋能趋势;超越工具的思维模式转变
|
||||
- [RTO vs RPO: Key Differences for Modern Disaster Recovery](sources/RTO-vs-RPO-Key-Differences-for-Modern-Disaster-Recovery.md) — RTO/RPO 在现代持续交付中的差异:Feature Flag 将 RTO 从小时降至秒级;三级分层体系(关键/重要/可选);HP/Dior 案例
|
||||
@@ -109,6 +132,25 @@
|
||||
- [养虾日记1:用 OpenClaw 管了 28 万张照片](sources/养虾日记1-OpenClaw照片整理实战.md) — OpenClaw AI Agent 照片整理实战:MD5 精确去重、小文件清理、分 8 批次凌晨执行、Telegram 报告
|
||||
- [不谈技术:普通人该怎么在AI时代赚钱](sources/普通人如何在AI时代赚钱.md) — AI 时代赚钱三原则:品味是护城河、端到端优于零件、死亡过滤器筛选真正热爱
|
||||
|
||||
## Entities (2026-04-16 Batch 7)
|
||||
- [Kira2red](entities/Kira2red.md) — AI产品管理实践者,Gemini工作流方法论作者
|
||||
- [ElevenLabs](entities/ElevenLabs.md) — 国际顶流AI配音工具,30+语言,情感语音生成,声音克隆
|
||||
- [F5-TTS](entities/F5-TTS.md) — 开源免费AI配音/克隆,2秒克隆,支持本地部署
|
||||
- [海螺AI](entities/海螺AI.md) — MiniMax出品,30秒克隆,免费,中文/粤语17种语言
|
||||
- [AnyVoice](entities/AnyVoice.md) — 3秒克隆,免费无限,中英日韩四语
|
||||
|
||||
## Entities (2026-04-16 Batch 6)
|
||||
- [Mac Mini](entities/Mac-Mini.md) — Apple 紧凑型服务器,本项目核心节点,运行 OpenClaw Gateway + FRP + Docker 服务
|
||||
|
||||
## Entities (2026-04-16 Batch 5)
|
||||
- [Prismer AI](entities/Prismer-AI.md) — arxiv-reader skill 开发方,GitHub 仓库 Prismer-AI/Prismer
|
||||
- [El Bebe Games](entities/El-Bebe-Games.md) — 拉丁美洲西班牙语儿童教育游戏网站,41+ 游戏,elbebe.co
|
||||
- [LANero](entities/LANero.md) — 独立开发者,为女儿创建 El Bebe Games,通过 OpenClaw Agent 管道自动化生产游戏
|
||||
- [memsearch](entities/memsearch.md) — Zilliz 开源 Python CLI,为 Markdown 记忆提供向量语义搜索
|
||||
- [Nathan (Reef)](entities/Nathan-Reef.md) — OpenClaw Showcase 用户,家庭基础设施 Agent "Reef" 的作者,5,000+ Obsidian 笔记
|
||||
- [TruffleHog](entities/TruffleHog.md) — Git 预推送密钥扫描工具,防止硬编码密钥泄露
|
||||
- [Polymarket](entities/Polymarket.md) — 基于加密货币的预测市场平台,支持 API 访问市场数据
|
||||
|
||||
## Entities (2026-04-16 Batch 4)
|
||||
- [GPT-3](entities/GPT-3.md) — OpenAI 175B 参数大模型标杆
|
||||
- [GPT-2](entities/GPT-2.md) — OpenAI 1.5B 参数早期语言模型
|
||||
@@ -237,6 +279,41 @@
|
||||
- [Jellyfin](entities/Jellyfin.md) — 开源媒体服务器,Plex 去GPL分支,支持硬件 QuickSync 转码
|
||||
- [CodeWeaver](entities/CodeWeaver.md) — 将任意代码库编织为树形 Markdown,简化 AI 上下文注入
|
||||
|
||||
## Concepts (2026-04-16 Batch 7)
|
||||
- [超级个体](concepts/超级个体.md) — 某领域八九十分+AI横向扩展,AI是充分非必要条件,市场洞察力是核心前提
|
||||
- [PRD自动生成](concepts/PRD自动生成.md) — FeatureList共创→Mermaid图→分页面口述→HTML原型,AI嵌入PRD全链路
|
||||
- [AI配音](concepts/AI配音.md) — 文字转语音,多语言/情感控制/声音克隆,2025年主流工具全景图
|
||||
- [声音克隆](concepts/声音克隆.md) — 2-30秒音频样本复制特定音色,AI配音高级能力
|
||||
- [知其不可奈何而安之若命](concepts/知其不可奈何而安之若命.md) — 庄子:先辨可奈何与不可奈何,尽人事后听天命
|
||||
- [忘机消众机](concepts/忘机消众机.md) — 曾国藩:忘世俗机巧消解周遭算计,大智若愚处世
|
||||
- [飘风不终朝](concepts/飘风不终朝.md) — 老子:困境终会过去,与西方谚语"This too shall pass"异曲同工
|
||||
|
||||
## Concepts (2026-04-16 Batch 6)
|
||||
- [CloudFormation StackSets](concepts/CloudFormation-StackSets.md) — AWS 跨账户/跨区域 IaC 部署服务,依赖 Organizations 授权,自动传播至 OU 内所有账户
|
||||
- [EventBridge](concepts/EventBridge.md) — AWS 无服务器事件总线,事件规则匹配 + 跨账户转发,是 StackSets 集中日志方案的核心枢纽
|
||||
- [CloudWatch Logs](concepts/CloudWatch-Logs.md) — AWS 日志存储服务,集中日志方案中作为跨账户 CloudFormation 事件的最终存储层
|
||||
- [CloudWatch Logs Insights](concepts/CloudWatch-Logs-Insights.md) — 结构化日志查询引擎,支持跨账户查询,`parse` 正则提取 JSON 嵌套字段
|
||||
- [AWS Organizations](concepts/AWS-Organizations.md) — AWS 账户集中管理框架,OU 树形结构 + SCP + 可信访问授权,StackSets 跨账户依赖的基础
|
||||
- [Scrapy](concepts/Scrapy.md) — Python 异步爬虫框架,Item Pipeline + scrapy-playwright 集成解决动态页面抓取
|
||||
- [Playwright](concepts/Playwright.md) — Microsoft 浏览器自动化工具,三引擎(Chromium/Firefox/WebKit)+自动等待,scrapy-playwright 集成解决 JS 渲染
|
||||
- [pmset](concepts/pmset.md) — macOS 电源管理 CLI,`-a sleep/displaysleep/standby/hibernatemode/womp` 参数控制系统睡眠行为
|
||||
- [caffeinate](concepts/caffeinate.md) — macOS 临时防止睡眠工具,`-d -i -s` 全开,进程结束自动恢复,不修改系统设置
|
||||
- [WOL](concepts/WOL.md) — Wake-on-LAN 网络唤醒协议,魔术包触发局域网内待机设备开机,配合 pmset -a womp 1 使用
|
||||
|
||||
## Concepts (2026-04-16 Batch 5)
|
||||
- [LaTeX Flattening](concepts/LaTeX-Flattening.md) — 自动合并 LaTeX \include 子文件生成可读连续文档,解决 PDF 阅读上下文跳跃问题
|
||||
- [Bugs First Policy](concepts/Bugs-First-Policy.md) — Agent 工作流强制优先级策略:修复 bugs/ 下第一个文件后才可处理新功能
|
||||
- [Conventional Commits](concepts/Conventional-Commits.md) — 语义化提交格式 `<type>: <description>`,用于自动化 CHANGELOG 生成
|
||||
- [语义搜索](concepts/语义搜索.md) — 通过向量 Embedding 理解语义而非字面匹配,实现"按意思查找"
|
||||
- [混合搜索](concepts/混合搜索.md) — Dense vector(语义)+ BM25(关键词)+ RRF 融合排序三层检索
|
||||
- [增量索引](concepts/增量索引.md) — SHA-256 内容哈希识别未变化文件,仅对新增/变更内容重新 Embedding
|
||||
- [自愈基础设施](concepts/自愈基础设施.md) — 健康检查 + 自主诊断 + 自动修复,无需人工干预恢复服务
|
||||
- [多因素安全防护](concepts/多因素安全防护.md) — TruffleHog 预推钩子 + 本地 Gitea + CI 扫描 + 分支保护 + 最小权限
|
||||
- [定时晨报](concepts/定时晨报.md) — Agent 固定时间自动生成天气/日历/系统状态/任务看板摘要
|
||||
- [邮件分类](concepts/邮件分类.md) — Gmail 自动标签标注、归档噪音、待处理项识别
|
||||
- [预测市场](concepts/预测市场.md) — 通过交易事件概率表达预测的市场机制
|
||||
- [纸带交易](concepts/纸带交易.md) — 在真实市场中用假资金测试策略,隔离风险
|
||||
|
||||
## Concepts (2026-04-16 Batch 4)
|
||||
- [KV Cache](concepts/KV-Cache.md) — 保存历史 K/V 向量避免重复计算的注意力优化技术
|
||||
- [PagedAttention](concepts/PagedAttention.md) — vLLM 分块注意力机制,页表式 KV Cache 管理
|
||||
|
||||
25
wiki/log.md
25
wiki/log.md
@@ -1,3 +1,23 @@
|
||||
## [2026-04-16 Batch 8] ingest | 3 sources — Agentic AI 设计 + LLM/RAG/Agent 架构 + DevOps 成熟度
|
||||
- Designing for Agentic AI:Agentic AI 五大 UX 设计原则(透明度/控制权/个性化/对话/预判);与 GenAI 的本质区别——主动行动 vs 被动响应内容创作
|
||||
- LLMs、RAG、AI Agent 三个到底什么区别?:LLM(天才大脑/思考)→ RAG(随身图书馆助理/信息)→ AI Agent(行动者/执行)三层架构;真正生产系统叠加三者——LLM推理、RAG确保准确性、Agent框架实现自主性
|
||||
- Cloud DevOp Maturity - Guideline:企业级 SaaS 云 DevOps 成熟度评估框架;DORA 四大指标 + CMMI 成熟度模型;四大支柱:自动化/协作文化/监控可观测性/DevSecOps
|
||||
- Created: 1 new concept (GenAI), updated 3 entity pages, updated 3 concept pages (Agentic-AI, RAG, DevOps)
|
||||
|
||||
## [2026-04-16 Batch 6] ingest | 3 sources
|
||||
- AWS CloudFormation StackSets 多账户集中日志监控:EventBridge 跨账户事件转发 + CloudWatch Logs 集中存储 + CloudWatch Logs Insights 跨账户查询;log-setup-management.yaml + common-resources-stackset.yaml 两张模板全自动化部署
|
||||
- Scrapy + Playwright 抓取 TikTok Shop Data:venv 虚拟环境隔离依赖;scrapy-playwright 集成包驱动 Chromium 渲染 TikTok Shop 动态页面;Docker venv PATH 配置
|
||||
- Mac Mini 服务器配置:防止自动锁屏与睡眠:pmset -a sleep 0 displaysleep 0 standby 0 hibernatemode 0 彻底关闭睡眠;WOL 网络唤醒;caffeinate -d -i -s 临时方案
|
||||
- Created: 1 entity (Mac Mini), 13 concepts (CloudFormation StackSets, EventBridge, CloudWatch Logs, CloudWatch Logs Insights, AWS Organizations, Scrapy, Playwright, pmset, caffeinate, WOL)
|
||||
|
||||
## [2026-04-16 Batch 5] ingest | 5 sources
|
||||
- arXiv Paper Reader:Prismer arxiv-reader skill(3 工具)+ LaTeX 源码自动展平 + 多篇论文对比表格 + 本地缓存
|
||||
- Autonomous Educational Game Development Pipeline:独立开发者 LANero 为女儿创建 El Bebe Games 教育游戏网站;Bugs First 策略 + Round Robin 队列 + Git 分支工作流;每 7 分钟一个游戏或修复
|
||||
- Semantic Memory Search:memsearch 为 OpenClaw Markdown 记忆叠加向量语义搜索;混合搜索(dense+BM25+RRF)+ SHA-256 增量索引 + 文件监视器自动重索引
|
||||
- Self-Healing Home Server:OpenClaw Agent "Reef" 自主运维家庭基础设施;SSH/K8s/Terraform + 定时 Cron + TruffleHog 预推钩子 + 私有 Gitea CI;晨报自动化
|
||||
- Polymarket Autopilot:预测市场模拟交易自动化;TAIL/BONDING/SPREAD 三策略 + PostgreSQL 记录 + Discord 每日报告
|
||||
- Created: 7 entities (Prismer AI, El Bebe Games, LANero, memsearch, Nathan-Reef, TruffleHog, Polymarket), 12 concepts (LaTeX Flattening, Bugs First Policy, Conventional Commits, 语义搜索, 混合搜索, 增量索引, 自愈基础设施, 多因素安全防护, 定时晨报, 邮件分类, 预测市场, 纸带交易)
|
||||
|
||||
## [2026-04-16 Batch 3] ingest | 4 sources
|
||||
- How to get YouTube Channel ID:view-source 查 channel_id,可拼接 RSS Feed URL 供 n8n 自动化工作流
|
||||
- Git Push 连接重置问题修复:TCP RST 攻击(GFW)导致;Git 全局 SOCKS5 代理或 SSH 协议切换解决
|
||||
@@ -339,3 +359,8 @@ Created: 7 entity pages (Open Notebook, SurfSense, Podcastfy, PageLM, Nano-Banan
|
||||
- RTO vs RPO:RTO 速度指标 vs RPO 数据完整性指标;Feature Flag 将 RTO 从小时降至秒级;三级分层体系(关键/重要/可选);HP/Dior 案例验证秒级 RTO
|
||||
- Public vs Private vs Hybrid Cloud:公有云(弹性/成本)、私有云(安全/合规)、混合云(策略驱动负载分配)三种模型对比;共享责任模型无论何种部署模式均适用
|
||||
Created: 3 source pages, 3 entity pages (LaunchDarkly, HP, Christian Dior), 5 concept pages (RTO, RPO, Kill Switch, 渐进式发布, 共享责任模型).
|
||||
|
||||
## [2026-04-16] ingest | 不会Gemini的产品经理真的要被淘汰了—附保姆级PRD生成指南
|
||||
## [2026-04-16] ingest | 二创视频必不可少!2025年最热门AI工具推荐合集—AI配音、声音克隆
|
||||
## [2026-04-16] ingest | 清华出的DeepSeek使用手册,104页,全是干货!
|
||||
## [2026-04-16] ingest | 一语点醒梦中人(2026-04-16新批次)
|
||||
|
||||
@@ -1,6 +1,6 @@
|
||||
---
|
||||
title: Wiki Overview
|
||||
last_updated: 2026-04-16 Early Morning
|
||||
last_updated: 2026-04-16 Morning
|
||||
// 新增领域:ChatGPT 个性化指令配置与自定义指令工程(2026-04-16 Early Morning)
|
||||
// 新增领域:提示词库与变量注入技术(2026-04-16 Early Morning)
|
||||
// 新增领域:Ollama + Qwen2.5-Coder 本地 AI 推理部署(2026-04-16 Batch 2)
|
||||
@@ -28,9 +28,13 @@ last_updated: 2026-04-16 Early Morning
|
||||
// 新增领域:递归自优化生成系统(2026-04-15)
|
||||
// 新增领域:AI产品经理工作流(2026-04-15)
|
||||
// 新增领域:baoyu-skills Claude Code技能集(2026-04-15)
|
||||
// 新增领域:OpenClaw Agent Use Cases 五大工作流(arXiv论文阅读/自主游戏开发/语义记忆搜索/自愈基础设施/预测市场自动化)(2026-04-16 Batch 5)
|
||||
// 新增领域:DevOps Culture and Transformation 四大支柱框架(2026-04-16 Batch 4)
|
||||
// 新增领域:RTO/RPO 现代灾难恢复体系与 Feature Flag 秒级 RTO(2026-04-16 Batch 4)
|
||||
// 新增领域:公有云/私有云/混合云三种部署模型对比与共享责任模型(2026-04-16 Batch 4)
|
||||
// 新增领域:Agentic AI UX 设计五原则与 GenAI 对比(2026-04-16 Batch 8)
|
||||
// 新增领域:LLM/RAG/AI Agent 三层架构与协同关系(2026-04-16 Batch 8)
|
||||
// 新增领域:Cloud DevOps 成熟度评估框架与 DORA 指标(2026-04-16 Batch 8)
|
||||
---
|
||||
|
||||
# LLM Wiki Overview
|
||||
@@ -50,6 +54,7 @@ AI开源生态在2025年取得突破性进展,国产模型在多个领域成
|
||||
8. **DevOps 文化与转型**:四大支柱驱动组织数字化交付能力
|
||||
9. **DevOps 成熟度评估**:DORA 四指标 + 云成熟度 5 级模型
|
||||
10. **Linux 运维**:150 个核心命令覆盖系统管理全场景
|
||||
11. **OpenClaw Agent Use Cases**:arXiv 论文阅读(LaTeX 自动展平)/自主游戏开发(Bugs First + 每7分钟产出)/语义记忆搜索(memsearch 混合向量)/自愈基础设施(SSH+Cron+多因素安全)/预测市场自动化(纸带交易策略)
|
||||
|
||||
## 关键趋势
|
||||
- 深度推理让AI学会"慢思考"
|
||||
@@ -1028,3 +1033,7 @@ DevOps 超越工具层面,进入思维模式转变,通过文化、运营和
|
||||
- **数据安全与加密**:静态和传输中数据加密
|
||||
- **灾难恢复规划**:RTO/RPO 设计与测试
|
||||
- **合规性**:满足行业法规要求
|
||||
|
||||
// 新增领域:AI配音与声音克隆工具生态(2026-04-16 Batch 7)
|
||||
// 新增领域:AI时代产品经理能力重塑与超级个体(2026-04-16 Batch 7)
|
||||
// 新增领域:东方人生智慧新批次——知其不可奈何/忘机消众机/飘风不终朝(2026-04-16 Batch 7)
|
||||
|
||||
@@ -1,52 +1,51 @@
|
||||
---
|
||||
title: "Cloud DevOp Maturity - Guideline"
|
||||
type: source
|
||||
tags: [DevOps, Cloud, 运维, 成熟度]
|
||||
date: 2026-04-15
|
||||
tags: [devops, cloud, maturity-model, enterprise]
|
||||
date:
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Cloud & DevOps/Cloud DevOp Maturity - Guideline.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题:企业级 SaaS 公司云 DevOps 成熟度评估框架
|
||||
- 问题域:DevOps 成熟度模型、DORA 指标、CMMI、治理与实践
|
||||
- 方法/机制:四支柱模型(自动化、协作与文化、监控与可观测性、安全集成)
|
||||
- 结论/价值:提供从初始阶段到高度优化的渐进式转型路径
|
||||
- 核心主题:企业级SaaS公司云DevOps成熟度评估框架
|
||||
- 问题域:如何系统化评估组织DevOps成熟度,识别改进路径
|
||||
- 方法/机制:基于CMMI和DORA指标的多维度成熟度模型
|
||||
- 结论/价值:DevOps是持续改进过程,即使成熟组织也需适应新技术新实践
|
||||
|
||||
## Key Claims
|
||||
- DevOps 成熟度评估可降低 time-to-market、提升运营效率、增强产品可靠性
|
||||
- DORA 四指标(部署频率、变更前置时间、变更失败率、平均恢复时间)是核心评估框架
|
||||
- 自动化、协作、文化、监控与可观测性是 DevOps 成熟度四大支柱
|
||||
- DevSecOps 将安全集成到 CI/CD 生命周期实现主动式漏洞管理
|
||||
- DevOps成熟度包含:自动化、研运协作、交付速度、可靠性四个维度
|
||||
- DORA四大指标:部署频率、变更前置时间、变更失败率、平均恢复时间(MTTR)
|
||||
- 成熟度四大支柱:自动化(CI/CD/IaC)、协作与文化、监控与可观测性、安全集成(DevSecOps)
|
||||
- 工具链核心组件:CI/CD、IaC(Terraform/Ansible)、容器化(Kubernetes/Docker)、监控(Prometheus/Grafana)
|
||||
- 达到DevOps成熟需要:进行成熟度评估→建立DevOps卓越中心→分阶段改进
|
||||
|
||||
## Key Quotes
|
||||
> "DevOps isn't just about tools or automation; it's a mindset shift that prioritizes collaboration, continuous learning, and customer-centricity."
|
||||
> "DevOps is a continuous improvement process, and even mature companies need to adapt to evolving technologies and practices."
|
||||
|
||||
## Key Concepts
|
||||
- [[DORA指标]]:部署频率、变更前置时间、变更失败率、平均恢复时间
|
||||
- [[CMMI]]:能力成熟度模型集成
|
||||
- [[CI/CD Pipelines]]:自动化构建、测试、部署流水线
|
||||
- [[Infrastructure as Code]]:以代码管理基础设施
|
||||
- [[DevSecOps]]:安全集成的 DevOps
|
||||
- [[Kaizen]]:持续改进
|
||||
- [[Chaos Engineering]]:主动测试系统韧性
|
||||
- [[DevOps-Maturity]]:DevOps成熟度,组织在云DevOps实践上的发展阶段
|
||||
- [[DORA-Metrics]]:DevOps Research & Assessment四大指标——部署频率、变更前置时间、变更失败率、MTTR
|
||||
- [[CMMI]]:Capability Maturity Model Integration,能力成熟度模型集成
|
||||
- [[IaC]]:Infrastructure as Code,基础设施即代码
|
||||
- [[DevSecOps]]:将安全集成到DevOps生命周期的实践
|
||||
- [[CI-CD-Pipeline]]:持续集成/持续交付流水线
|
||||
- [[监控与可观测性]]:持续监控、日志、问题检测与快速解决能力
|
||||
- [[DevOps-CoE]]:DevOps Center of Excellence,卓越中心
|
||||
|
||||
## Key Entities
|
||||
- [[Jenkins]]:CI/CD 工具
|
||||
- [[GitLab]]:CI/CD 工具
|
||||
- [[GitHub Actions]]:CI/CD 工具
|
||||
- [[Terraform]]:IaC 工具
|
||||
- [[AWS CloudFormation]]:IaC 工具
|
||||
- [[Prometheus]]:监控与可观测性
|
||||
- [[Grafana]]:监控与可观测性
|
||||
- [[Datadog]]:监控与可观测性
|
||||
- [[Terraform]]:IaC工具
|
||||
- [[Ansible]]:IaC/配置管理工具
|
||||
- [[Kubernetes]]:容器编排平台
|
||||
- [[Docker]]:容器化平台
|
||||
- [[Prometheus]]:监控系统
|
||||
- [[Grafana]]:可观测性平台
|
||||
|
||||
## Connections
|
||||
- [[DevOps Culture and Transformation]] ← relates_to ← [[Cloud-DevOp-Maturity-Guideline]]
|
||||
- [[How Agentic AI for Cloud DevOps]] ← extends ← [[Cloud-DevOp-Maturity-Guideline]]
|
||||
- [[CI/CD Pipelines]] ← depends_on ← [[Infrastructure as Code]]
|
||||
- [[DevSecOps]] ← extends ← [[DevOps Culture and Transformation]]
|
||||
- [[DORA-Metrics]] ← 评估 → [[DevOps-Maturity]]
|
||||
- [[IaC]] ← 支撑 → [[DevOps-Maturity]]
|
||||
- [[DevSecOps]] ← 集成 → [[DevOps-Maturity]]
|
||||
- [[CI-CD-Pipeline]] ← 核心 → [[DevOps-Maturity]]
|
||||
|
||||
## Contradictions
|
||||
- 与 [[DevOps Culture and Transformation]] 无冲突,两者互补
|
||||
@@ -1,48 +1,45 @@
|
||||
---
|
||||
title: "Designing for Agentic AI"
|
||||
type: source
|
||||
tags: [agentic-ai, ux-design, product]
|
||||
tags: [agentic-ai, ux-design, product-design]
|
||||
date: 2025-03-02
|
||||
source: https://www.linkedin.com/pulse/designing-agentic-ai-yuri-pessa-ztcmf/?trackingId=gSoKslBrTP6VWNCDJSd7ZA%3D%3D
|
||||
author: Yuri Pessa
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/AI/Designing for Agentic AI]]
|
||||
- [[raw/AI/Designing for Agentic AI.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题:Agentic AI 时代的产品设计原则,与 GenAI(生成式 AI)的根本区别在于"行动"而非"创作"
|
||||
- 问题域:传统响应式 UI 设计如何适应主动式 Agent AI 交互范式
|
||||
- 方法/机制:通过透明度、控制权、个性化、对话、预判五大设计原则构建 Agent AI 体验
|
||||
- 结论/价值:用户通过观察 AI 决策过程(而非点击按钮)实现主动参与,设计需提供实时反馈和干预机制
|
||||
- 核心主题:Agentic AI(智能体AI)的产品设计原则,与 GenAI 的本质区别
|
||||
- 问题域:AI 产品设计范式从"响应用户输入"向"主动代理"转变
|
||||
- 方法/机制:五大设计原则——透明度(Transparency)、控制权(Control)、个性化(Personalization)、对话(Conversation)、预判(Anticipation)
|
||||
- 结论/价值:用户与 AI 的交互模式从"点击按钮"转变为"观察AI推理过程"
|
||||
|
||||
## Key Claims
|
||||
- GenAI 擅长内容创作(文本/图像/音乐),Agentic AI 擅长环境交互、决策执行和预判用户需求
|
||||
- Agentic AI 引入新交互维度:用户通过观察 AI"思考"过程实现参与,而非直接操作界面
|
||||
- 透明度原则:可视化 AI 任务进度 + 提供推理过程摘要,帮助用户理解 AI 决策逻辑
|
||||
- 控制权原则:提供明确的 AI 停止机制和操作撤销能力,确保用户始终掌控 AI 行为边界
|
||||
- 个性化原则:基于用户历史行为预测未来需求并主动提供建议
|
||||
- 对话式交互:自然语言界面取代传统点击,用户意图以对话方式传达
|
||||
- 预判式设计:AI 主动预判需求并提供帮助,但用户保留调整 AI 自主性等级的最终控制权
|
||||
- GenAI 擅长创作内容(文本/图像/音乐),Agentic AI 擅长行动,能够与环境交互、做出决策、预判需求
|
||||
- Agentic AI 引入新维度:主动型智能体预判需求并自主行动
|
||||
- 用户观察AI决策过程本身就是一种交互形式,用户并非被动
|
||||
- 设计重点从"响应用户动作"转向"提供AI运行时的实时反馈"
|
||||
|
||||
## Key Quotes
|
||||
> "Agentic AI is all about action. It can interact with its environment, make decisions, and even anticipate user needs." — Yuri Pessa
|
||||
> "Instead of just reacting to user actions, we're crafting experiences that provide live feedback as the AI operates." — Yuri Pessa
|
||||
> "Agentic AI is pushing us to reimagine product design. For years, we've focused on interfaces that react to direct user input—clicks, swipes, and edits."
|
||||
> "Users should be able to understand how the AI is making decisions. This can be achieved by visualizing the AI's progress."
|
||||
> "Users should always feel in control of the AI."
|
||||
|
||||
## Key Concepts
|
||||
- [[Agentic AI]]:能感知环境、决策、预判并自主行动的 AI 系统(与 GenAI 创作型对应)
|
||||
- [[透明度]]:AI 决策过程可视化,用户可追踪 AI 行为逻辑
|
||||
- [[控制权]]:用户对 AI 行为的停止/撤销能力,维持人对系统的最终掌控
|
||||
- [[个性化]]:基于历史行为预测未来需求,AI 主动适应用户偏好
|
||||
- [[对话式设计]]:自然语言替代传统 UI 交互,降低使用门槛
|
||||
- [[预判式设计]]:AI 主动预判需求并行动,但保留用户干预机制
|
||||
- [[GenAI]]:生成式AI,擅长创作内容(文本/图像/音乐)
|
||||
- [[Agentic-AI]]:智能体AI,能与环境交互、决策、预判需求
|
||||
- [[透明度原则]]:用户应能理解AI决策过程,通过可视化AI进度实现
|
||||
- [[控制权原则]]:用户应能停止AI任务或撤销AI已执行的操作
|
||||
- [[个性化原则]]:AI应适应个体用户需求与偏好
|
||||
- [[对话原则]]:设计自然语言对话界面,允许用户用自然语言与AI交互
|
||||
- [[预判原则]]:AI应能预判用户需求并主动提供帮助
|
||||
|
||||
## Key Entities
|
||||
- [[Yuri Pessa]]:本文作者,LinkedIn 文章发布
|
||||
- [[Yuri-Pessa]]:LinkedIn文章作者
|
||||
|
||||
## Connections
|
||||
- [[Agentic AI]] ← 基石概念 ← [[透明度]] + [[控制权]] + [[个性化]] + [[对话式设计]] + [[预判式设计]]
|
||||
- [[Agentic-AI]] ← extends ← [[GenAI]](Generative AI,创作型 AI)
|
||||
- [[GenAI]] ← 对比 → [[Agentic-AI]]
|
||||
- [[Agentic-AI]] ← 驱动 → [[AI-Agent-Architecture]]
|
||||
- [[透明度原则]] ← 支撑 → [[Agentic-AI]]
|
||||
|
||||
## Contradictions
|
||||
- 与传统 UX 设计范式冲突:传统 UI 依赖直接用户输入,Agentic AI 需要适应"观察 AI 工作"的新交互模式
|
||||
|
||||
53
wiki/sources/LLMs-RAG-AI-Agent三个到底什么区别.md
Normal file
53
wiki/sources/LLMs-RAG-AI-Agent三个到底什么区别.md
Normal file
@@ -0,0 +1,53 @@
|
||||
---
|
||||
title: "LLMs、RAG、AI Agent 三个到底什么区别?"
|
||||
type: source
|
||||
tags: [llm, rag, ai-agent, ai-fundamentals]
|
||||
date: 2025-11-19
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/AI/LLMs、RAG、AI Agent 三个到底什么区别?.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题:LLMs、RAG、AI Agent 三个核心AI概念的层次区别与协同关系
|
||||
- 问题域:澄清AI应用领域对这三个术语的混淆——它们不是竞争技术,而是不同层面的能力展示
|
||||
- 方法/机制:LLM(天才大脑/思考)→ RAG(随身图书馆助理/信息)→ AI Agent(行动者/执行)的三层架构
|
||||
- 结论/价值:真正生产系统叠加三者——LLM推理、RAG确保准确性、Agent框架实现自主性
|
||||
|
||||
## Key Claims
|
||||
- LLM 是"天才大脑",学习了过去所有知识,擅长思考但对当前情况一无所知
|
||||
- RAG 是"记忆系统",将静态LLM链接到外部实时知识库,解决知识时效性问题
|
||||
- AI Agent 是"行动者",围绕LLM构建循环控制系统(感知→规划→执行→反思)
|
||||
- 三者不是竞争技术,而是在三个不同层面满足不同场景的能力展示
|
||||
- RAG 通过检索+增强生成两步降低LLM幻觉,提供事实依据与来源引用
|
||||
- AI Agent 五步循环:获取任务→扫描场景→仔细思考→采取行动→观察迭代
|
||||
|
||||
## Key Quotes
|
||||
> "LLM 在思考方面非常出色,但对当前情况却一无所知"
|
||||
> "RAG 就像是给那个'全能天才大脑'配备了一位随身图书馆助理"
|
||||
> "AI Agent 围绕大脑LLM构建一个循环控制系统,能够感知目标、规划步骤、执行动作、并能够反思结果"
|
||||
|
||||
## Key Concepts
|
||||
- [[LLM]]:Large Language Model,大语言模型,AI应用的"天才大脑",擅长思考但知识有时效性限制
|
||||
- [[RAG]]:Retrieval-Augmented Generation,检索增强生成,给LLM配备"随身图书馆助理",解决知识时效性问题
|
||||
- [[AI-Agent]]:智能体,围绕LLM构建循环控制系统,实现感知→规划→执行→反思的自主行动
|
||||
- [[幻觉问题]]:LLM生成看似合理但实际错误答案的问题,RAG通过提供事实依据降低幻觉
|
||||
- [[向量数据库]]:RAG系统中存储外部知识、实现语义检索的核心组件
|
||||
- [[NL2SQL]]:自然语言到SQL,使Agent能直接查询数据库解答分析性问题
|
||||
- [[AI-Agent-五步循环]]:获取任务→扫描场景→仔细思考→采取行动→观察并迭代
|
||||
|
||||
## Key Entities
|
||||
- [[DeepSeek]]:国产底座通用大模型
|
||||
- [[ChatGPT]]:OpenAI通用大模型
|
||||
- [[Qwen]]:阿里通义千问底座通用大模型
|
||||
- [[Midjourney]]:专有绘画模型
|
||||
- [[Claude]]:Anthropic编程模型
|
||||
|
||||
## Connections
|
||||
- [[LLM]] ← 核心 → [[RAG]]
|
||||
- [[LLM]] ← 核心 → [[AI-Agent]]
|
||||
- [[RAG]] ← 提供信息 → [[AI-Agent]]
|
||||
- [[向量数据库]] ← 支撑 → [[RAG]]
|
||||
- [[幻觉问题]] ← 解决 → [[RAG]]
|
||||
|
||||
## Contradictions
|
||||
Reference in New Issue
Block a user