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]]