Sync: AI Agent设计模式、Composio、VoltAgent 等概念和实体

wiki/concepts/AI-Agent-思维方式.md

@@ -0,0 +1,35 @@
+---
+id: AI Agent 思维方式
+title: "AI Agent 思维方式"
+type: concept
+tags: [ai-agent, thinking-mode, problem-framing]
+last_updated: 2026-04-15
+---
+
+## Definition
+AI Agent 与传统工具的根本区别：先通过提问澄清需求，再制定可执行方案，而非直接执行。
+
+## Core Mechanism
+- Step 1：问关键问题（不直接推荐工具）
+- Step 2：将模糊想法转化为清晰结构
+- Step 3：拆解为可执行的小步骤
+- Step 4：制定风险控制策略
+- Step 5：自动化执行 + 定期报告
+
+## Key Questions Pattern
+- 问题边界是什么？
+- 重复/高质量/删除的定义是什么？
+- 风险承受范围多大？
+- 执行结果如何验证？
+
+## 与传统工具的对比
+- 传统工具：接收指令 → 执行（假设用户已经想清楚）
+- AI Agent：提问澄清 → 结构化方案 → 执行（帮助用户想清楚再动手）
+
+## Related Concepts
+- [[OpenClaw]]：AI Agent 思维方式的执行平台
+- [[精确去重]]：AI Agent 思维方式的具体应用
+- [[分批执行]]：AI Agent 处理大任务的策略
+
+## Sources
+- [[养虾日记1-OpenClaw照片整理实战]]

wiki/concepts/个性化.md

@@ -0,0 +1,23 @@
+---
+id: 个性化
+title: "个性化"
+type: concept
+tags: [agentic-ai, ux, personalization]
+last_updated: 2026-04-15
+---
+
+## Definition
+Agentic AI 设计原则之一：基于用户历史行为预测未来需求，主动提供个性化建议。
+
+## Core Mechanism
+- 历史行为学习：AI 观察并记忆用户习惯
+- 预测推理：基于历史模式预测下一步需求
+- 主动建议：在用户提出请求之前主动呈现
+
+## Key Properties
+- 减少摩擦：用户无需重复表达已知偏好
+- 惊喜价值：超出预期的主动服务建立情感连接
+- 可关闭：用户始终可以选择关闭个性化
+
+## Sources
+- [[Designing-for-Agentic-AI]]

wiki/concepts/分批执行.md

@@ -0,0 +1,32 @@
+---
+id: 分批执行
+title: "分批执行"
+type: concept
+tags: [automation, batch, cron]
+last_updated: 2026-04-15
+---
+
+## Definition
+将大规模任务拆解为多个小批次执行，降低单次执行风险，支持定时自动化。
+
+## Core Mechanism
+- 任务拆分：按目录/时间/类型将大任务划分为 N 个批次
+- 定时执行：每批次独立运行，支持 Cron 定时调度
+- 独立报告：每批次完成后单独生成执行报告
+
+## Key Properties
+- 风险隔离：单批次失败不影响其他批次
+- 资源控制：避免一次性处理大量文件导致系统过载
+- 可观测：每批次报告清晰记录进度和结果
+
+## Application
+- 28 万张照片按 68 个设备目录拆为 8 批次
+- 每天凌晨 0 点自动执行一批
+- Telegram 推送每批次执行 Summary 报告
+
+## Related Concepts
+- [[安全删除]]：分批执行配套风险控制机制
+- [[精确去重]]：分批执行的主要应用场景
+
+## Sources
+- [[养虾日记1-OpenClaw照片整理实战]]

wiki/concepts/品味.md

@@ -0,0 +1,31 @@
+---
+id: 品味
+title: "品味"
+type: concept
+tags: [ai-era, judgment, moat]
+last_updated: 2026-04-15
+---
+
+## Definition
+AI 时代真正的护城河：能判断什么是真正好的（insanly great），从 10 个 AI 生成方案中识别出最优解。
+
+## Core Mechanism
+- AI 工具民主化 → 90% 的人能用 AI 生成内容
+- 品味未民主化 → 能判断质量高下成为稀缺能力
+- 品味 + AI = 远超仅会用 AI 的人
+
+## Key Properties
+- 无法被 AI 替代：AI 能生成但无法判断什么是好的
+- 可迁移：跨领域适用的判断力
+- 复合效应：品味越高，AI 辅助效果越强
+
+## 核心观点（来自乔布斯.skill）
+> "1984年我们发布Mac的时候，突然之间每个人都能做桌面出版了。90%的人做出来的东西丑得要命。工具民主化了，但品味没有民主化。"
+
+## Related Concepts
+- [[端到端]]：有品味的人做完整的事
+- [[超级个体]]：品味是超级个体的核心构成
+- [[死亡过滤器]]：品味需要 genuine 的热爱驱动
+
+## Sources
+- [[普通人如何在AI时代赚钱]]

wiki/concepts/安全删除.md

@@ -0,0 +1,28 @@
+---
+id: 安全删除
+title: "安全删除"
+type: concept
+tags: [文件管理, safety, recovery]
+last_updated: 2026-04-15
+---
+
+## Definition
+删除操作不直接抹除文件，而是先移至隔离目录（To-Be-Deleted），保留人工复核窗口。
+
+## Core Mechanism
+- 步骤 1：识别待删文件 → 移至 To-Be-Deleted 目录
+- 步骤 2：人工检查确认无误后手动清空
+- 步骤 3：确认无误后删除 To-Be-Deleted 目录
+
+## Key Properties
+- 防误删：提供撤销窗口
+- 可审计：清楚知道删了什么
+- 低摩擦：只需确认目录，无需逐文件审查
+
+## Related Concepts
+- [[精确去重]]：安全删除的主要应用场景
+- [[小文件清理]]：安全删除的另一应用场景
+- [[分批执行]]：安全删除在大规模场景下的配套策略
+
+## Sources
+- [[养虾日记1-OpenClaw照片整理实战]]

wiki/concepts/对话式设计.md

@@ -0,0 +1,23 @@
+---
+id: 对话式设计
+title: "对话式设计"
+type: concept
+tags: [agentic-ai, ux, conversational-ui]
+last_updated: 2026-04-15
+---
+
+## Definition
+Agentic AI 设计原则之一：用自然语言界面取代传统点击交互，降低使用门槛并提升意图传达精度。
+
+## Core Mechanism
+- 自然语言输入：用户以日常说话方式表达需求
+- 意图澄清：AI 通过追问确认理解准确性
+- 实时反馈：AI 实时回应理解结果和执行计划
+
+## Key Properties
+- 降低门槛：无需学习特定命令或界面操作
+- 精度提升：自然语言比点击更能表达复杂意图
+- 上下文保持：对话历史让 AI 理解完整背景
+
+## Sources
+- [[Designing-for-Agentic-AI]]

wiki/concepts/小文件清理.md

@@ -0,0 +1,28 @@
+---
+id: 小文件清理
+title: "小文件清理"
+type: concept
+tags: [照片整理, cleanup, threshold]
+last_updated: 2026-04-15
+---
+
+## Definition
+通过文件大小阈值识别并移走低质量图片（截图、微信压缩图）的整理策略。
+
+## Core Mechanism
+- 设定阈值：低于 100KB 的图片
+- 判定逻辑：截图和微信压缩图通常远小于原始照片
+- 处理方式：移至 To-Be-Deleted 目录而非直接删除
+
+## Threshold Rationale
+- 原始照片（相机/手机直出）：通常 > 1MB
+- 截图：通常 50KB - 200KB
+- 微信压缩图：通常 < 200KB
+- 100KB 作为阈值可有效区分原始照片与低质量副本
+
+## Related Concepts
+- [[精确去重]]：另一种照片整理策略
+- [[安全删除]]：清理操作的前置保护机制
+
+## Sources
+- [[养虾日记1-OpenClaw照片整理实战]]

wiki/concepts/引文追溯.md

@@ -0,0 +1,27 @@
+---
+id: 引文追溯
+title: "引文追溯"
+type: concept
+tags: [notebooklm, accuracy, citation]
+last_updated: 2026-04-15
+---
+
+## Definition
+NotebookLM 对每个回答附带精确原文引文，点击即可跳转至源文档对应位置，实现知识的可溯源验证。
+
+## Core Mechanism
+- Source-Grounding 约束回答仅基于上传文档
+- 每个答案自动附带引文（[1][2][3] 格式）
+- 点击引文直接跳转到原文对应位置
+
+## Key Properties
+- 消除幻觉：AI 只能基于上传文档回答
+- 快速验证：无需通读全文即可核实关键信息
+- 适合法律文档、技术文档等高精度场景
+
+## Related Concepts
+- [[Source-Grounding]]：引文追溯的技术基础
+- [[被动学习]]：Audio Overviews 中也会引用原文
+
+## Sources
+- [[7-ways-NotebookLM]]

wiki/concepts/控制权.md

@@ -0,0 +1,23 @@
+---
+id: 控制权
+title: "控制权"
+type: concept
+tags: [agentic-ai, ux, control]
+last_updated: 2026-04-15
+---
+
+## Definition
+Agentic AI 设计原则之一：用户始终对 AI 行为拥有最终控制权，包括停止和撤销能力。
+
+## Core Mechanism
+- 停止机制：一键停止 AI 当前正在执行的任务
+- 撤销能力：Undo 操作恢复到 AI 执行之前的状态
+- 偏好设置：用户可预设 AI 的行为边界和自主性等级
+
+## Key Properties
+- 安全底线：用户永远不会失去对系统的控制
+- 降低风险：允许用户在任何时刻中断 AI 行为
+- 渐进自主：AI 自主性可随用户信任度逐步提升
+
+## Sources
+- [[Designing-for-Agentic-AI]]

wiki/concepts/死亡过滤器.md

@@ -0,0 +1,32 @@
+---
+id: 死亡过滤器
+title: "死亡过滤器"
+type: concept
+tags: [decision, filter, ikigai]
+last_updated: 2026-04-15
+---
+
+## Definition
+每天早上问自己"如果今天是最后一天，我还会做这件事吗"，是筛选真正热爱的决策过滤器。
+
+## Core Mechanism
+- 每天早晨对镜自问
+- 如果答案是否定 → 重新考虑是否继续
+- 如果答案是肯定 → 这件事值得全力以赴
+
+## 核心价值
+- 区分"别人说好"和"自己真正想要"
+- 过滤短期诱惑，聚焦长期意义
+- 不是问"什么 AI 技能最赚钱"（别人的问题），而是"我对什么有 genuine 的热爱和 curiosity"（自己的问题）
+
+## 核心观点（来自乔布斯.skill）
+> "我每天早上对着镜子问自己：如果今天是最后一天，我还会做今天要做的事吗？"
+> "别问'什么AI技能最赚钱'。这是别人的问题。问你自己对什么东西有genuine的热爱和curiosity。"
+
+## Related Concepts
+- [[端到端]]：死亡过滤器筛选出的事，值得端到端做到极致
+- [[品味]]：真正的热爱是品味培养的基础
+- [[超级个体]]：死亡过滤器是超级个体找到方向的工具
+
+## Sources
+- [[普通人如何在AI时代赚钱]]

wiki/concepts/流程工程.md

@@ -1,23 +1,28 @@
 ---
+id: 流程工程
 title: "流程工程"
 type: concept
-tags: [ai, workflow, engineering]
+tags: [ai, workflow, skill]
+last_updated: 2026-04-15
 ---
 
 ## Definition
-流程工程（Process Engineering）是将人类经验与业务知识沉淀为标准化操作流程（SOP），再交由 AI 稳定执行的工程化方法论。
+将人类经验沉淀为 SOP（标准作业程序），再交给 AI 稳定执行的新范式。核心在于流程复用而非单次 Prompt 输出质量最大化。
 
-## Core Claim
-"未来真正有价值的，不是谁的 Prompt 写得最花，而是谁最懂业务流程、谁能把经验沉淀为 SOP、谁能把 SOP 交给 AI 稳定执行。"
+## Core Mechanism
+- 经验 → 结构化 SOP → AI 稳定执行
+- 区别于提示词工程：提示词工程优化单次输出，流程工程优化可复用工作流
+- Skills = 说明书 + SOP，是流程工程的载体
 
-## Distinction from Traditional Software Engineering
-- 传统软件工程：代码即产品
-- 流程工程：流程描述即产品，AI 为执行者
+## Key Properties
+- 可复用：同一 Skill 可处理同类任务，无需每次重新描述
+- 可审计：每个步骤有明确输入/输出/边界
+- 可组合：多个 Skill 可串联形成更大工作流
 
-## Relationship to Skills
-Skill 是流程工程的最小单元。一个 Skill = 一个完整的 SOP + 触发条件 + 边界处理。
+## Related Concepts
+- [[Claude Skills]]：流程工程的实践载体
+- [[提示词工程]]：流程工程的前置阶段，聚焦单次输出优化
+- [[Vibe-Coding]]：Skills 的重要应用场景
 
-## Connections
-- [[AI技能封装]] ← 实施手段
-- [[Claude Skills]] ← 标准化格式
-- [[Vibe Coding]] ← 应用场景
+## Sources
+- [[3.2万人收藏的Claude-Skills才是AI这条路最值得研究的一套范式]]

wiki/concepts/端到端.md

@@ -0,0 +1,33 @@
+---
+id: 端到端
+title: "端到端"
+type: concept
+tags: [ai-era, fullstack, moat]
+last_updated: 2026-04-15
+---
+
+## Definition
+从 idea 到 product 的完整闭环，做自己控制和负责的完整产品，而非别人 AI 流水线上的一个零件。
+
+## Core Mechanism
+- 零件思维：在别人搭建的 AI 流水线上负责单一环节，最容易被替换
+- 端到端思维：从需求发现到产品交付全流程控制，不可替代性强
+
+## 对比
+| 维度 | 零件思维 | 端到端思维 |
+|------|---------|-----------|
+| 位置 | 别人流水线的一环 | 自己的完整闭环 |
+| 可替代性 | 高 | 低 |
+| 价值捕获 | 低 | 高 |
+| 成长性 | 有限 | 无限 |
+
+## 核心观点（来自乔布斯.skill）
+> "一个人用AI做出一个完整的App，比一个100人的团队里当'AI提示词工程师'强一万倍。"
+
+## Related Concepts
+- [[品味]]：端到端做事需要品味判断质量
+- [[超级个体]]：端到端是超级个体的核心行为模式
+- [[死亡过滤器]]：找到值得端到端做的事
+
+## Sources
+- [[普通人如何在AI时代赚钱]]

wiki/concepts/精确去重.md

@@ -0,0 +1,28 @@
+---
+id: 精确去重
+title: "精确去重"
+type: concept
+tags: [照片整理, dedup, md5]
+last_updated: 2026-04-15
+---
+
+## Definition
+通过 MD5 哈希比对，只删除内容完全相同的文件，保留任一有差异的版本。
+
+## Core Mechanism
+- 对每个文件计算 MD5 哈希值
+- 哈希相同 → 内容相同 → 可安全删除
+- 哈希不同 → 至少有一个 bit 不同 → 保留
+- 适用于同一照片多设备备份、网盘同步等场景产生的完全重复副本
+
+## Key Properties
+- 零误删：MD5 碰撞概率极低，可认为是内容完全相同的充分条件
+- 可追溯：保留 To-Be-Deleted 目录而非直接删除
+
+## Related Concepts
+- [[小文件清理]]：另一种照片整理策略
+- [[安全删除]]：删除操作的前置保护机制
+- [[分批执行]]：大规模去重的执行策略
+
+## Sources
+- [[养虾日记1-OpenClaw照片整理实战]]

wiki/concepts/被动学习.md

@@ -1,20 +1,28 @@
 ---
+id: 被动学习
 title: "被动学习"
 type: concept
-tags: [learning, productivity, ai]
+tags: [learning, notebooklm, audio]
+last_updated: 2026-04-15
 ---
 
 ## Definition
-被动学习（Passive Learning）指在碎片时间（如通勤、运动、做家务）通过 Audio Overviews 等方式消费复杂信息，而非主动阅读。
+通过 Audio Overviews（音频概览）将文本内容转化为对话式音频，在碎片时间（开车/健身/家务）中完成知识摄入的学习方式。
 
 ## Core Mechanism
-NotebookLM Audio Overviews 将文档转化为双 AI 主持人播客式讨论，用户可设置风格（Deep Dive/Brief/Critique/Debate），在碎片时间"听"完整内容。
+- 上传文档 → NotebookLM 生成双人 AI 对话音频 → 碎片时间播放
+- 可定制风格：Brief（简短概览）、Deep Dive（深度解析）、Critique（批判性分析）、Debate（辩论式）
+- 高级用法：自定义主持人设定，如"假设你是这个领域的学生"
 
-## Advantage over Active Reading
-- 打破"信息囤积"困境（Read Later → Never Read）
-- 碎片时间利用：通勤 1 小时 = 听完一篇长论文
-- 适合不擅长主动阅读的学习者
+## Key Properties
+- 知识转音频：复杂文档转化为可听性强的对话
+- 碎片时间利用：无需专注阅读
+- 被动摄入：适合"不激动但必要"的学习场景
 
-## Connections
-- [[NotebookLM]] ← 工具实现
-- [[Source Grounding]] ← 质量保障
+## Related Concepts
+- [[Source-Grounding]]：NotebookLM 的核心技术约束，保证回答可溯源
+- [[引文追溯]]：每个回答附带原文引文
+- [[NotebookLM]]：被动学习的工具载体
+
+## Sources
+- [[7-ways-NotebookLM]]

wiki/concepts/透明度.md

@@ -0,0 +1,23 @@
+---
+id: 透明度
+title: "透明度"
+type: concept
+tags: [agentic-ai, ux, transparency]
+last_updated: 2026-04-15
+---
+
+## Definition
+Agentic AI 设计原则之一：可视化 AI 任务进度和推理过程，帮助用户理解 AI 如何做出决策。
+
+## Core Mechanism
+- 任务进度可视化：实时展示 AI 当前在执行哪一步
+- 推理过程摘要：AI 做出决策时附带决策逻辑说明
+- 行为日志：记录 AI 的完整操作历史供用户追溯
+
+## Key Properties
+- 降低用户焦虑：用户知道 AI 在做什么
+- 建立信任：透明度是信任的基础
+- 支持干预：用户理解了才能有效干预
+
+## Sources
+- [[Designing-for-Agentic-AI]]

wiki/concepts/预判式设计.md

@@ -0,0 +1,23 @@
+---
+id: 预判式设计
+title: "预判式设计"
+type: concept
+tags: [agentic-ai, ux, anticipation]
+last_updated: 2026-04-15
+---
+
+## Definition
+Agentic AI 设计原则之一：AI 主动预判用户需求并提前行动，但保留用户调整 AI 自主性等级的控制权。
+
+## Core Mechanism
+- 需求预判：基于上下文和历史行为预测用户下一步需要
+- 主动执行：AI 在用户明确请求之前主动采取行动
+- 自主性控制：用户可设置 AI 的预判 aggressiveness 等级
+
+## Key Properties
+- 超前服务：变响应式为主动式
+- 用户自主：预判 aggressiveness 可调节，非强制
+- 信任边界：预判过度可能产生反效果，需谨慎设计
+
+## Sources
+- [[Designing-for-Agentic-AI]]

wiki/entities/BehiSecc.md

@@ -0,0 +1,16 @@
+---
+id: BehiSecc
+title: "BehiSecc"
+type: entity
+tags: [github, awesome, skills]
+last_updated: 2026-04-15
+---
+
+## Definition
+GitHub 账号维护者，运营 Awesome-Claude-Skills 仓库，三大 Claude Skills 精选仓库维护方之一。
+
+## Type
+- Organization / Repository Maintainer
+
+## Sources
+- [[3.2万人收藏的Claude-Skills才是AI这条路最值得研究的一套范式]]

wiki/entities/ComposioHQ.md

@@ -0,0 +1,24 @@
+---
+id: ComposioHQ
+title: "ComposioHQ"
+type: entity
+tags: [github, awesome, skills]
+last_updated: 2026-04-15
+---
+
+## Definition
+GitHub 账号维护者，运营 Awesome-Claude-Skills 仓库，系统性整理 LLM Skills 工作流。
+
+## Type
+- Organization / Repository Maintainer
+
+## Core Content
+Awesome-Claude-Skills 仓库涵盖：
+- 文档处理（PDF/Word/PPT/Excel）
+- 开发工具（MCP Server/Web 测试/Artifacts 构建）
+- 数据分析
+- 内容创作
+- 生产力工具
+
+## Sources
+- [[3.2万人收藏的Claude-Skills才是AI这条路最值得研究的一套范式]]

wiki/entities/VoltAgent.md

@@ -0,0 +1,16 @@
+---
+id: VoltAgent
+title: "VoltAgent"
+type: entity
+tags: [github, awesome, skills]
+last_updated: 2026-04-15
+---
+
+## Definition
+GitHub 账号维护者，运营 Awesome-Claude-Skills 仓库，与 ComposioHQ、BehiSecc 并列为三大 Skills 聚合维护方。
+
+## Type
+- Organization / Repository Maintainer
+
+## Sources
+- [[3.2万人收藏的Claude-Skills才是AI这条路最值得研究的一套范式]]

wiki/entities/Yuri-Pessa.md

@@ -0,0 +1,19 @@
+---
+id: Yuri Pessa
+title: "Yuri Pessa"
+type: entity
+tags: [author, linkedin, agentic-ai]
+last_updated: 2026-04-15
+---
+
+## Definition
+LinkedIn 文章《Designing for Agentic AI》作者，专注于 Agentic AI 产品设计和 UX 研究。
+
+## Type
+- Person / Author
+
+## Key Work
+- [[Designing-for-Agentic-AI]]：Agentic AI 时代五大 UX 设计原则（透明度/控制权/个性化/对话/预判）
+
+## Sources
+- [[Designing-for-Agentic-AI]]

wiki/index.md

@@ -15,6 +15,7 @@
 - [2025年11个神级AI开源平替，GitHub杀疯了](sources/2025-ai-open-source-alternatives.md) — 2025年AI各领域GitHub开源平替项目盘点
 - [14个免费的AI图生视频工具，用AI让图片动起来](sources/14个免费的AI图生视频工具.md) — 14款免费AI图生视频工具盘点
 - [3.2万人收藏的Claude Skills，才是AI这条路最值得研究的一套范式](sources/Claude-Skills研究范式.md) — Claude Skills 资源图谱与流程工程新范式
+- [3.2万人收藏的Claude Skills（完整版）](sources/3.2万人收藏的Claude-Skills才是AI这条路最值得研究的一套范式.md) — Skills = 说明书 + SOP；三大 Awesome 仓库（ComposioHQ/VoltAgent/BehiSecc）；三大聚合站（skillsmp/aitmpl/claudemarketplaces）；流程工程新范式
 - [7 Ways I Use NotebookLM to Make My Life Easier](sources/7-ways-NotebookLM.md) — NotebookLM 7种实际应用场景
 - [Designing for Agentic AI](sources/Designing-for-Agentic-AI.md) — Agentic AI 与 UX 设计原则
 - [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/RAG/AI Agent 层级关系与协同模式
@@ -47,6 +48,8 @@
 - [Last30Days 使用指南](sources/Last30Days-使用指南.md) — 多平台热点聚合研究工具，覆盖 Reddit/X/YouTube/TikTok/Polymarket 等 8 大数据源
 - [GOG CLI 安装配置指南](sources/GOG-CLI-安装配置指南.md) — macOS Google Workspace CLI 工具安装与 OAuth + API 启用配置完整指南
 - [Cursor 2.0 初学者使用指南](sources/Cursor-2-0初学者使用指南.md) — Cursor 2.0 AI 代码编辑器功能详解：Composer 模型、多代理并行、Diff 审查
+- [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
 - [Trebuh](entities/Treb uh.md) — Solo founder，4 Agent 团队实践者
@@ -108,13 +111,17 @@
 - [Haiper](entities/Haiper.md)
 - [艺映AI](entities/艺映AI.md)
 - [Alex Ewerlöf](entities/Alex Ewerlof.md) — 多智能体可靠性架构研究者
+- [BehiSecc](entities/BehiSecc.md) — Awesome-Claude-Skills 仓库三大维护方之一
 - [Google](entities/Google.md)
 - [Claude Code](entities/Claude-Code.md)
+- [ComposioHQ](entities/ComposioHQ.md) — Awesome-Claude-Skills 仓库维护方，覆盖文档处理/开发工具/数据分析/内容创作
+- [VoltAgent](entities/VoltAgent.md) — Awesome-Claude-Skills 仓库三大维护方之一
 - [OpenClaw](entities/OpenClaw.md)
 - [Hermes](entities/Hermes.md)
 - [DracoVibeCoding](entities/DracoVibeCoding.md)
 - [Cursor](entities/Cursor.md) — AI 编程 IDE
 - [Windsurf](entities/Windsurf.md) — AI 编程 IDE
+- [Yuri Pessa](entities/Yuri-Pessa.md) — LinkedIn 文章《Designing for Agentic AI》作者，Agentic AI UX 设计原则研究者
 - [Trae](entities/Trae.md) — AI 编程 IDE
 - [Karpathy](entities/Karpathy.md) — Vibe Coding 概念提出者
 - [vibe-coding-cn](entities/vibe coding cn.md) — 中文 Vibe Coding 资源库
@@ -187,12 +194,26 @@
 - [AI搜索](concepts/AI搜索.md)
 - [AI知识库](concepts/AI知识库.md)
 - [结构化思维](concepts/结构化思维.md)
+- [AI Agent 思维方式](concepts/AI-Agent-思维方式.md) — 先问关键问题澄清需求，再制定可执行方案；将模糊想法转化为清晰结构
+- [安全删除](concepts/安全删除.md) — 待删文件先移至 To-Be-Deleted 目录而非直接删除，保留人工复核窗口
+- [品味](concepts/品味.md) — AI 时代真正的护城河，能判断什么是真正好的（insanly great）
+- [端到端](concepts/端到端.md) — 从 idea 到 product 的完整闭环，不做别人 AI 流水线上的零件
+- [死亡过滤器](concepts/死亡过滤器.md) — 每天问自己是否还愿意做这件事，筛选真正热爱的决策工具
+- [小文件清理](concepts/小文件清理.md) — 低于 100KB 阈值的图片（截图/微信压缩图）自动识别并移走
+- [分批执行](concepts/分批执行.md) — 大任务拆解为多个小批次执行，降低单次执行风险
+- [精确去重](concepts/精确去重.md) — MD5 哈希比对，只删内容完全相同的文件
+- [对话式设计](concepts/对话式设计.md) — Agentic AI 五大设计原则之一：自然语言界面取代传统点击交互
+- [个性化](concepts/个性化.md) — Agentic AI 五大设计原则之一：基于历史行为预测未来需求
+- [控制权](concepts/控制权.md) — Agentic AI 五大设计原则之一：用户始终对 AI 行为拥有停止/撤销能力
+- [透明度](concepts/透明度.md) — Agentic AI 五大设计原则之一：可视化 AI 任务进度和推理过程
+- [预判式设计](concepts/预判式设计.md) — Agentic AI 五大设计原则之一：AI 主动预判需求并提前行动
 - [精准表达](concepts/精准表达.md)
 - [Prompt工程](concepts/Prompt工程.md)
 - [RAG](concepts/RAG.md)
 - [Embedding](concepts/Embedding.md)
 - [向量数据库](concepts/向量数据库.md)
 - [RSS Feed](concepts/RSS-Feed.md)
+- [引文追溯](concepts/引文追溯.md) — NotebookLM 对每个回答附带精确原文引文，点击即可跳转至源文档对应位置
 - [图生视频](concepts/图生视频.md)
 - [主体一致性](concepts/主体一致性.md)
 - [运动控制](concepts/运动控制.md)

wiki/log.md

@@ -198,3 +198,12 @@ Created/updated: 12 entity pages (DeepSeek, Qwen, Flux, Stable Diffusion, Hunyua
 - [Cursor-2-0初学者使用指南](sources/Cursor-2-0初学者使用指南.md)
 - Key claims: Composer 模型比同类快 4 倍；多代理并行（Plan/Agent/Ask 三模式）；Diff 审查强制先测试再确认；AI 生成代码即写入文件
 - Created: 1 entity (Cursor), 4 concepts (AI代码编辑器, Composer模型, 多代理并行, Diff审查, 项目规则)
+
+## [2026-04-15 PM] ingest | Claude Skills 完整版 + Designing Agentic AI + NotebookLM 7场景 + 养虾日记1 + AI时代赚钱
+- [3.2万人收藏的Claude Skills（完整版）](sources/3.2万人收藏的Claude-Skills才是AI这条路最值得研究的一套范式.md)
+- [Designing for Agentic AI](sources/Designing-for-Agentic-AI.md)
+- [7 Ways I Use NotebookLM](sources/7-ways-NotebookLM.md)
+- [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)
+- [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)
+- Created entities: ComposioHQ, VoltAgent, BehiSecc, Yuri Pessa
+- Created concepts: 流程工程, 透明度, 控制权, 个性化, 对话式设计, 预判式设计, 精确去重, 小文件清理, 安全删除, 分批执行, AI Agent 思维方式, 品味, 端到端, 死亡过滤器, 引文追溯, 被动学习

wiki/overview.md

@@ -8,6 +8,11 @@ last_updated: 2026-04-15
 // 新增领域：Cloud Operating Model 云运营模型（2026-04-15 PM）
 // 新增领域：MinIO + Zipline 自托管图床（2026-04-15 PM）
 // 新增领域：Trae Remote SSH 远程开发（2026-04-15 PM）
+// 新增领域：Claude Skills 完整资源图谱与流程工程（2026-04-15 PM）
+// 新增领域：NotebookLM 7 种应用场景与 Source-Grounding（2026-04-15 PM）
+// 新增领域：Agentic AI UX 设计五原则（2026-04-15 PM）
+// 新增领域：OpenClaw 照片整理实战（2026-04-15 PM）
+// 新增领域：AI 时代赚钱思维模型（2026-04-15 PM）
 // 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）
@@ -509,3 +514,75 @@ Trae AI 代码编辑器通过 Remote SSH 连接 Ubuntu 服务器，结合 Docker
 ### 关键洞察
 - Git 凭证通过 SSH Agent 转发解决
 - 文件权限（UID/GID）问题：容器内生成文件归属 root，需在 Dockerfile 中指定用户
+
+## 新增领域：Claude Skills 完整资源图谱与流程工程
+
+Anthropic 官方 Skills 仓库 github.com/anthropics/skills 突破 3.2 万收藏，标志着从"提示词工程"到"流程工程"的范式转移。Skills = 说明书 + SOP，将人类经验封装为可复用工作流。
+
+### 核心资源
+- [[Anthropic]] 官方仓库：办公自动化（Word/PDF/PPT/Excel）、开发者工具箱（MCP Server/Web 测试/Artifacts 构建）、创意类 Skill
+- 三大 Awesome 仓库：[[ComposioHQ]]、[[VoltAgent]]、[[BehiSecc]]，系统性整理 LLM Skills 工作流
+- 三大聚合站：[[skillsmp.com]]、[[aitmpl.com]]、[[claudemarketplaces.com]]，拿来即用的 Skills 集
+
+### 关键洞察
+- Skills 核心是流程而非提示词，Vibe Coding 的尽头也是 Skills
+- 真正有价值的不是 Prompt 写得多花哨，而是谁能将 SOP 交给 AI 稳定执行
+
+## 新增领域：NotebookLM 7 种应用场景
+
+NotebookLM 通过 Source-Grounding 机制（严格限制知识库仅含上传文档）实现高精度回答，每个答案附带精确引文。
+
+### 7 种应用场景
+- 信息管理：上传 PDF/文章/YouTube 链接，AI 自动处理并支持交互问答
+- 被动学习：Audio Overviews 将文档转化为双人 AI 对话音频，支持 Brief/Deep Dive/Critique/Debate 风格
+- 即时专家：上传多源资料快速建立领域认知
+- 编程辅助：上传官方文档，通过问答定位知识点，替代冗长教程
+- 项目管理：集中所有会议记录和战略文档，AI 自动生成结构化路线图
+- 软件更新对比：同时上传多个版本发布说明，AI 提取差异并列出带引文变更清单
+- 法律文档审查：严格基于上传文档回答，每问必带引文
+
+### 关键洞察
+- Source-Grounding 是 NotebookLM 与通用 AI 的本质区别：知识受限但精度极高
+- 引文追溯让每个答案可验证，解决通用 AI 幻觉问题
+
+## 新增领域：Agentic AI UX 设计五原则
+
+Agentic AI（行动型 AI）与 GenAI（生成型 AI）的根本区别在于：Agentic AI 能感知环境、决策、预判并自主行动，而非仅生成内容。
+
+### 五大设计原则
+- [[透明度]]：可视化 AI 任务进度和推理过程摘要，帮助用户理解 AI 决策逻辑
+- [[控制权]]：提供明确的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]]：基于用户历史行为预测未来需求，主动提供个性化建议
+- [[对话式设计]]：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 主动预判需求并提前行动，但保留用户调整 AI 自主性等级的控制权
+
+### 关键洞察
+- 用户通过观察 AI"思考"过程实现参与，而非直接操作界面
+- AI 自主性 aggressiveness 可调节，需在主动服务与用户控制之间取得平衡
+
+## 新增领域：OpenClaw 照片整理实战
+
+通过 OpenClaw AI Agent 实现 28 万张照片的自动化整理，将"没有想清楚"的问题前置化。
+
+### 核心方法
+- [[精确去重]]：MD5 哈希比对，只删真正相同的文件
+- [[小文件清理]]：低于 100KB 的图片（截图/微信压缩图）自动移走
+- [[安全删除]]：待删文件先移至 To-Be-Deleted 目录而非直接删除
+- [[分批执行]]：68 个目录拆为 8 批次，每天凌晨 0 点自动执行
+- [[AI Agent 思维方式]]：先问关键问题（格式/重复定义/删除策略）而非直接动手
+
+### 关键洞察
+- AI Agent 核心价值不是单点能力提升，而是思维方式升级——将模糊想法变成清晰结构
+- Telegram 推送每批次执行 Summary 报告，实现真正的无人值守
+
+## 新增领域：AI 时代赚钱思维模型
+
+"普通人怎么在AI时代赚钱"的框架是错的，正确的问题是"AI 让我能做到什么以前做不到的事"。
+
+### 三大核心原则
+- [[品味]]：AI 工具民主化后，能判断什么是真正好的成为稀缺护城河
+- [[端到端]]：别做别人 AI 流水线上的螺丝钉，做从 idea 到 product 的完整闭环
+- [[死亡过滤器]]：每天问自己是否还愿意做这件事，筛选真正的热爱
+
+### 关键洞察
+- AI 不会让普通人变富，但会让那些知道自己要做什么、且对品质有执念的人变得极其强大

wiki/sources/3.2万人收藏的Claude-Skills才是AI这条路最值得研究的一套范式.md

@@ -0,0 +1,50 @@
+---
+title: "3.2万人收藏的Claude Skills，才是AI这条路最值得研究的一套范式"
+type: source
+tags: [ai, claude-skills, vibe-coding]
+date: 2026-01-05
+---
+
+## Source File
+- [[raw/AI/3.2 万人收藏的 Claude Skills，才是 AI 这条路上最值得研究的一套范式！]]
+
+## Summary
+- 核心主题：Claude Skills 从"提示词工程"到"流程工程"的范式转移，Skills = 说明书 + SOP，将人类经验封装为可复用工作流
+- 问题域：AI 应用层如何构建可规模化的技能复用体系
+- 方法/机制：Skills 通过结构化流程描述实现 AI 稳定执行，Anthropic 官方仓库 github.com/anthropics/skills 收藏数突破 3.2 万
+- 结论/价值：真正有价值的不是 Prompt 写得多花哨，而是谁最懂业务流程、谁能将 SOP 交给 AI 稳定执行
+
+## Key Claims
+- Anthropic 官方 Skills 仓库 github.com/anthropics/skills 收藏数突破 3.2 万，本质上是官方在教"怎么像他们一样开发 AI 应用"
+- Skills = 说明书 + SOP，将人类经验封装为可复用工作流，核心是流程而非提示词
+- Vibe Coding 的尽头也是 Skills，最终竞争在于业务流程理解和 SOP 沉淀能力
+- 三大 Awesome 仓库（ComposioHQ/VoltAgent/BehiSecc）系统性整理了 LLM Skills 工作流，覆盖文档处理、开发工具、数据分析、内容创作等类别
+- 三大聚合站（skillsmp.com/aitmpl.com/claudemarketplaces.com）提供拿来即用的 Skills 集，适合快速选型和二次改造
+
+## Key Quotes
+> "Skills 就是一套你写给 Claude 的'说明书'和'SOP（标准作业程序）'" — 痕小子/开源星探
+> "这个库本质上是官方在教你，'怎么像我们一样开发 AI 应用'" — 痕小子/开源星探
+> "Vibe Coding 的尽头，也是 Skills" — 痕小子/开源星探
+
+## Key Concepts
+- [[Claude Skills]]：将固定流程任务拆解为 AI 可理解的结构化流程，包含 Prompt 结构、参数含义、容错策略
+- [[流程工程]]：将经验沉淀为 SOP 再交给 AI 稳定执行的新范式
+- [[提示词工程]]：通过优化单次 Prompt 输出质量，与流程工程（可复用工作流）形成对比
+
+## Key Entities
+- [[Anthropic]]：Claude Skills 官方仓库发布方，github.com/anthropics/skills
+- [[ComposioHQ]]：Awesome-Claude-Skills 仓库维护者，覆盖文档处理/数据分析/内容创作/生产力工具
+- [[VoltAgent]]：Awesome-Claude-Skills 仓库维护者
+- [[BehiSecc]]：Awesome-Claude-Skills 仓库维护者
+- [[skillsmp.com]]：Skills 聚合站，支持分类和搜索
+- [[aitmpl.com]]：Skills 聚合站
+- [[claudemarketplaces.com]]：Skills 聚合站
+
+## Connections
+- [[Claude-Skills研究范式]] ← depends_on ← [[Anthropic]]（官方仓库）
+- [[流程工程]] ← extends ← [[提示词工程]]
+- [[Vibe-Coding]] ← depends_on ← [[Claude Skills]]
+- [[skillsmp.com]] ← same_as ← [[aitmpl.com]] ← same_as ← [[claudemarketplaces.com]]
+
+## Contradictions
+- 与传统"优化单次 Prompt"思路不同：Skills 强调流程复用而非单次输出质量最大化

wiki/sources/7-ways-NotebookLM.md

@@ -1,49 +1,45 @@
 ---
 title: "7 Ways I Use NotebookLM to Make My Life Easier"
 type: source
-tags: [AI, NotebookLM, Google, 学习工具]
-date: 2025-12-19
+tags: [notebooklm, google, learning, productivity]
+date: 2025-11-23
 ---
 
 ## Source File
-- raw/AI/7 ways I use NotebookLM to make my life easier.md
+- [[raw/AI/7 ways I use NotebookLM to make my life easier]]
 
 ## Summary
-- 核心主题：NotebookLM 的 7 种实际应用场景，覆盖学习、项目管理、编程、法律文档等领域
-- 问题域：如何利用 AI 工具处理信息过载、实现被动学习、提升项目组织效率
-- 方法/机制：基于 Source-Grounding（源 grounding）确保回答准确性，支持 Audio Overviews、互动问答、文档比较等功能
-- 结论/价值：NotebookLM 的核心价值在于通过严格限制知识库范围换取高精度回答，是唯一可信的个人知识助理
+- 核心主题：NotebookLM 7 种实际应用场景，核心优势是 Source-Grounding（严格限制知识库仅含上传文档）确保回答高精度和可溯源
+- 问题域：信息过载时代的知识管理和被动学习效率提升
+- 方法/机制：上传文档 → AI 自动处理 → 交互式问答/Audio Overview → 带引文的精准回答
+- 结论/价值：NotebookLM 严格限制知识库范围，是处理法律文档、软件更新对比、研究资料等高精度场景的最佳选择
 
 ## Key Claims
-- NotebookLM 通过 source-grounding 确保输出准确、可自验证，完全基于用户上传的文档
-- Audio Overviews 功能将文档转化为双人 AI 对话播客，支持定制化风格（Deep Dive/Brief/Critique/Debate）
-- NotebookLM 可作为被动学习工具，在开车、健身等"下线时间"消费复杂信息
-- 将文档库作为个性化项目管理系统：汇聚会议记录、策略文档、项目链接，生成结构化路线图
-- 法律文档审查：提供精确引文，精确定位条款原文，可信度远超通用 AI
-- 软件更新对比：直接对比多个版本发布说明，提取关键变更，节省数小时人工比对
+- Source-Grounding 机制：NotebookLM 知识库仅包含上传文档，消除幻觉，每个答案附带精确引文
+- 被动学习（Audio Overviews）：将文档转化为双人 AI 对话音频，支持 Brief/Deep Dive/Critique/Debate 等风格定制
+- 成为即时专家：上传多源资料（Batman/Star Wars/Jupiter/Marine Corps），通过对话快速建立领域认知
+- 编程辅助：上传官方文档，通过问答定位知识点，替代冗长教程和过时搜索结果
+- 项目管理：集中所有会议记录、战略文档、链接到单一 Notebook，AI 自动生成结构化路线图
+- 软件更新对比：同时上传多个版本发布说明，AI 提取差异并列出带引文的变更清单
+- 法律文档审查：严格基于上传文档回答，避免普通 AI 的幻觉问题，每问必带引文
 
 ## Key Quotes
-> "The core magic behind this whole approach is called source-grounding. NotebookLM's entire knowledge base is strictly limited to the documents you specifically upload." — 核心机制
-> "Every answer is accompanied by a precise citation. I can click this citation to instantly view and confirm the exact wording right there in the source itself." — 法律文档场景
-> "This is great if you need that kick in the pants or something to make sense of all the minor notes you've taken." — 项目管理场景
+> "NotebookLM's best quality is that it prioritizes accuracy by strictly limiting its knowledge base to only your trusted documents." — How-To Geek
+> "I no longer hate getting long documents or looking through terms and conditions or legal patents because I can find what I need from a few questions with NotebookLM." — How-To Geek
 
 ## Key Concepts
-- [[Source Grounding]]：严格限制知识库仅包含用户上传文档，确保 AI 回答基于可溯源内容的机制
-- [[被动学习]]：利用 Audio Overviews 在开车/健身等碎片时间消费复杂信息的学习方式
-- [[AI知识库]]：以用户文档为唯一知识来源的 AI 辅助学习与研究系统
-- [[引文追溯]]：每个回答附带精确文档引文，可跳转至原文验证
+- [[Source-Grounding]]：NotebookLM 核心技术约束，限制回答仅基于上传文档
+- [[被动学习]]：Audio Overviews 在碎片时间消费复杂信息的机制
+- [[引文追溯]]：每个答案附带精确引文，点击跳转原文
 
 ## Key Entities
-- [[NotebookLM]]：Google 开发的 AI 知识管理工具，核心功能包括 Audio Overviews、互动问答、深度研究
+- [[NotebookLM]]：Google 推出的 AI 笔记和研究助理工具
 
 ## Connections
-- [[NotebookLM]] ← 主题 ← [[7-ways-NotebookLM]]
-- [[AI知识库]] ← 核心能力 ← [[NotebookLM]]
-- [[Source Grounding]] ← 技术基础 ← [[NotebookLM]]
-- [[被动学习]] ← 应用场景 ← [[Audio-Overviews]]
+- [[Source-Grounding]] ← 核心机制 ← [[NotebookLM]]
+- [[被动学习]] ← 应用场景 ← [[NotebookLM]]
+- [[引文追溯]] ← 质量保证 ← [[Source-Grounding]]
 
 ## Contradictions
-- 无明显冲突
-
-## Related Sources
-- [[AI知识库]]：RAG 类知识库工具，可与 NotebookLM 形成互补
+- 与通用 AI（Gemini/ChatGPT）相比：通用 AI 知识广泛但容易幻觉，NotebookLM 知识受限但精度极高
+- 与传统"读完全文再消化"方式相比：NotebookLM 支持通过问答快速提取关键信息，无需完整阅读

wiki/sources/Designing-for-Agentic-AI.md

@@ -1,37 +1,46 @@
 ---
 title: "Designing for Agentic AI"
 type: source
-tags: [ai-agent, ux-design, agentic-ai]
+tags: [agentic-ai, ux-design, product]
 date: 2025-03-02
 ---
 
 ## Source File
-- raw/AI/Designing for Agentic-AI.md
+- [[raw/AI/Designing for Agentic AI]]
 
 ## Summary
-- 核心主题：Agentic AI（智能体AI）与 GenAI 的区别，以及为 Agentic AI 设计用户体验的最佳实践
-- 问题域：传统 UI 范式无法适配具有主动行动能力的 AI Agent，需要新的设计框架
-- 方法/机制：5条核心设计原则：透明度（Transparency）、控制感（Control）、个性化（Personalization）、对话（Conversation）、预判（Anticipation）
-- 结论/价值：用户不应被动，AI 决策过程本身就是一种交互形式，设计重点从"响应操作"转向"实时反馈"
+- 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
 
 ## Key Claims
-- Agentic AI 核心特征是行动导向：与环境交互、决策、预判用户需求，而非仅生成内容
-- GenAI 与 Agentic AI 的本质差异：前者是"创意助手"，后者是"行动代理"
-- Agentic AI 重新定义产品设计：用户通过观察 AI 决策过程参与交互，而非传统点击操作
-- 设计原则同等重要：透明度、控制感、个性化、对话、预判，缺一不可
+- 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
 
 ## 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
 
 ## Key Concepts
-- [[Agentic AI]]：能感知环境、做出决策、预判需求并自主行动的 AI 系统
-- [[GenAI]]：生成式 AI，擅长创作内容（文本、图片、音乐），本质是被动响应
-- [[AI Agent 设计原则]]：透明度、控制感、个性化、对话、预判
+- [[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
 
 ## Key Entities
-- [[Yuri-Pessa]]：LinkedIn 文章作者，AI 产品设计研究者
+- [[Yuri Pessa]]：本文作者，LinkedIn 文章发布
 
 ## Connections
-- [[LLM]] ← 基础 ← [[Agentic AI]]
-- [[RAG]] ← 支撑 ← [[Agentic AI]]
-- [[Agentic AI]] ← 扩展 ← [[GenAI]]
+- [[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）
+
+## 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

wiki/sources/养虾日记1-OpenClaw照片整理实战.md

@@ -0,0 +1,47 @@
+---
+title: "养虾日记1：用 OpenClaw 管了 28 万张照片"
+type: source
+tags: [openclaw, 照片整理, automation, ai-agent]
+date: 2026-03-31
+---
+
+## Source File
+- [[raw/微信公众号/养虾日记1：我用 OpenClaw 管了 28 万张照片：一次真实的多设备照片整理实战]]
+
+## Summary
+- 核心主题：通过 OpenClaw AI Agent 实现 28 万张照片的自动化整理，包括精确去重、小文件清理和分批执行
+- 问题域：多设备备份导致的照片重复、格式混乱、存储分散问题
+- 方法/机制：OpenClaw 通过提问澄清需求 → 制定可执行方案 → 拆解为 8 批次定时任务 → Telegram 推送执行报告
+- 结论/价值：AI Agent 的核心价值不是单点能力提升，而是思维方式的升级——把模糊想法变成清晰结构
+
+## Key Claims
+- 68 个设备文件夹、28 万个文件、20 年积累的照片整理需求，OpenClaw 将其转化为 8 批次自动化任务
+- AI Agent 核心价值：先问关键问题（格式/重复定义/删除策略）而非直接推荐工具，将"没有想清楚"的问题前置化
+- 精确去重：MD5 哈希比对，只删真正相同的文件
+- 小文件清理：低于 100KB 的图片大概率是截图或微信压缩图，直接移走
+- 安全删除策略：所有待删文件先移至 To-Be-Deleted 目录而非直接删除，用户可随时检查确认
+- 分批执行：68 个目录分 8 批次，每天凌晨 0 点自动执行，全程无需人工介入
+- 执行报告：每批次完成后通过 Telegram 发送 Summary 报告（发现重复数/移除小文件数/清理空间总量）
+
+## Key Quotes
+> "它没有直接推荐工具，而是先问了几个关键问题：照片格式有哪些？重复的定义是'完全相同内容'还是'同一场景的连拍'？" — 比利哥
+> "28 万张照片，68 个设备，十几年的积累——现在有了一个可以信任的自动化流程来处理它们。这大概就是 AI Agent 对我来说真正的价值：不是某个单点能力的提升，而是思维方式的升级。" — 比利哥
+
+## Key Concepts
+- [[精确去重]]：MD5 哈希比对确保只删真正相同的文件
+- [[小文件清理]]：低于 100KB 的图片（截图/微信压缩图）自动识别并移走
+- [[安全删除]]：待删文件先移至 To-Be-Deleted 目录而非直接删除
+- [[分批执行]]：大任务拆解为多个小批次，降低单次执行风险
+- [[AI Agent 思维方式]]：先问关键问题澄清需求，再制定可执行方案，而非直接动手
+
+## Key Entities
+- [[OpenClaw]]：AI Agent 操作系统，本案例中的任务执行平台
+- [[Synology NAS]]：照片存储平台（本案中存储 20 年的照片积累）
+
+## Connections
+- [[OpenClaw]] ← 执行平台 ← [[精确去重]] + [[小文件清理]] + [[分批执行]]
+- [[Synology NAS]] ← 存储后端 ← 照片原始数据
+- [[AI Agent 思维方式]] ← 核心方法论 ← OpenClaw 行为模式
+
+## Contradictions
+- 与传统"先动手再说"思路不同：AI Agent 通过提问将模糊需求前置澄清，避免无效劳动

wiki/sources/普通人如何在AI时代赚钱.md

@@ -0,0 +1,44 @@
+---
+title: "不谈技术：普通人该怎么在AI时代赚钱"
+type: source
+tags: [ai, 赚钱, 思维模型]
+date: 2026-03-31
+---
+
+## Source File
+- [[raw/微信公众号/不谈技术：普通人该怎么在AI时代赚钱？]]
+
+## Summary
+- 核心主题：AI 时代普通人赚钱的三个核心原则：品味值钱、端到端做事、用死亡过滤器找到真正的热爱
+- 问题域：普通人面对 AI 浪潮的被动心态（"我怎么不被淹死"）需要转化为主动框架（"AI 让我能做到什么"）
+- 方法/机制：通过三个过滤器（品味/端到端/死亡）重构个人战略定位
+- 结论/价值：AI 不会让普通人变富，但会让那些知道自己要做什么、且对品质有执念的人变得极其强大
+
+## Key Claims
+- 品味是护城河：AI 工具民主化后，90% 的人用 AI 生成的是垃圾，因为他们不知道什么是真正好的；能判断 10 个方案中哪个是 insanly great 的人，比只会点"生成"的人强一百倍
+- 端到端优于零件：别做别人 AI 流水线上的螺丝钉，做从 idea 到 product 的完整闭环；一个人用 AI 做完整 App，胜过 100 人团队里当"AI 提示词工程师"
+- 死亡过滤器：每天早上问"如果今天是最后一天，我还愿意做这件事吗"；不是问"什么 AI 技能最赚钱"，而是问自己对什么有 genuine 的热爱和 curiosity
+- 护城河逻辑：天赋/资源/运气都不是根本原因，愿意对一千件事说 No、只对一件事说 Yes 并做到 insanly great 才是核心差异
+- AI 赋能逻辑：某领域八九十分的人 + AI 横向扩展，AI 是充分非必要条件；对品质有执念的人 + AI = 极其强大
+
+## Key Quotes
+> "'普通人怎么在AI时代赚钱'——这个问题的框架是错的。你把自己放在一个被动的位置上。正确的问题是：AI 让我能做到什么以前做不到的事？" — 乔布斯.skill
+> "90%的人用AI生成的东西是shit。因为他们不知道什么是好的。" — 乔布斯.skill
+> "一个人用AI做出一个完整的App，比一个100人的团队里当'AI提示词工程师'强一万倍。" — 乔布斯.skill
+> "AI不会让普通人变富。AI会让那些知道自己要做什么、并且对品质有执念的人变得极其强大。" — 乔布斯.skill
+
+## Key Concepts
+- [[品味]]：区分 AI 使用者高低的根本能力，能判断什么是真正好的（insanly great）
+- [[端到端]]：从 idea 到 product 的完整闭环，不做别人 AI 流水线上的零件
+- [[死亡过滤器]]：每天问自己是否还愿意做这件事，是筛选真正热爱的决策工具
+- [[超级个体]]：某领域八九十分 + AI 横向扩展，AI 是充分非必要条件
+
+## Connections
+- [[品味]] ← 核心区分力 ← AI时代竞争力
+- [[端到端]] ← 护城河构建 ← 不做零件
+- [[死亡过滤器]] ← 决策框架 ← 筛选真正的热爱
+- [[超级个体]] ← 最终形态 ← [[品味]] + [[端到端]] + AI 能力
+
+## Contradictions
+- 与"学一个 AI 工具就能找到工作"的主流观点相反：零件思维（成为别人流水线的一环）是最容易被 AI 替代的位置
+- 与"什么 AI 技能最赚钱"的提问方式相反：问别人问题是零件思维，问自己什么是真正的热爱才是端到端思维