Auto-sync

wiki/sources/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！ 1.md

@@ -1,33 +1,52 @@
 ---
-title: "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！ 1"
+title: "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！"
 type: source
-tags: ['Claude', 'VibeCoding', 'GitHub', 'AI']
+tags: ['Claude', 'Skills', 'VibeCoding', 'GitHub', 'AI']
 date: 2026-01-08
+source: https://mp.weixin.qq.com/s/eBAt1OBPZVobyZlcuNPeAw
+author: 痕小子/开源星探
 ---
 
 ## Source File
-- [[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！ 1.md]]
+- [[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！ 1.md]]
 
 ## Summary
-- 核心主题：title: 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！ source: https://mp.weixin.qq.com/s/eBAt1OBPZVobyZlcuNPeAw 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：Claude Skills（技能系统）作为 AI 应用新范式的崛起，以及官方和社区最佳实践资源盘点
+- 问题域：AI 应用正从"提示词工程"向"流程工程"迁移，Skills 是这一转型的核心载体
+- 方法/机制：Skills = 标准作业程序（SOP）+ AI 说明书，将重复性业务流程封装为可复用、可自动执行的 AI 技能单元
+- 结论/价值：Skills 标志着 AI 应用从"谁 Prompt 写得好"向"谁业务流程沉淀得更深"的竞争维度转变
 
 ## Key Claims
-- （见原文）
+- Skills 本质是"AI 专用 SOP"，将固定流程的任务拆解为 AI 能理解、稳定复用、自动执行的流程
+- Anthropic 官方 Skills 仓库（github.com/anthropics/skills）披露了 claude.ai 网页版真实生产级能力的内部逻辑代码，包括 Office 自动化、开发者工具箱、创意类 Skills 三大类
+- 官方 Skills 库覆盖：Word/PDF/PPT/Excel 操控（含容错策略）、MCP Server 构建、Web 应用测试、Artifacts 自动化验证、Canvas 设计
+- Skills 爆发标志 AI 应用从"提示词工程"升级为"流程工程"，Vibe Coding 的尽头也是 Skills
+- 三大 Skill 聚合站：skillsmp.com、aitmpl.com/skills、claudemarketplaces.com，提供"拿来就用"的技能库
 
 ## Key Quotes
-> （见原文）
+> "Skills 就是一套你写给 Claude 的'说明书'和'SOP（标准作业程序）'" — 痕小子
+> "它是 Anthropic 把 Claude 线上真正在跑的生产级能力，原封不动地拆解开来，摊在桌面上给你看" — 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'" — 开源星探
+> "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、谁能把经验沉淀成 SOP" — 开源星探
 
 ## Key Concepts
-- （见原文）
+- [[Claude Skills]]：将重复性业务流程封装为 AI 可理解、可复用、可自动执行的标准化技能单元
+- [[流程工程]]：AI 应用新范式，核心是业务经验的流程化沉淀，而非 Prompt 技巧
+- [[Vibe Coding]]：AI 编程的尽头是 Skills，编程本身也被流程化
+- [[Anthropic Skills 官方库]]：github.com/anthropics/skills，3.2 万星，涵盖办公自动化、开发者工具、创意设计三大类
 
 ## Key Entities
-- （见原文）
+- [[Anthropic]]：Claude Skills 官方规范制定者和开源仓库维护者
+- [[SkillsMP]]：skillsmp.com，第三方 Skills 聚合平台，内容多、更新快、有分类
+- [[AITMPL]]：aitmpl.com/skills，第三方 Skills 聚合平台
+- [[ClaudeMarketplaces]]：claudemarketplaces.com，第三方 Skills 聚合平台
+- [[VoltAgent/awesome-claude-skills]]：高质量社区 Skills 精选仓库
+- [[ComposioHQ/awesome-claude-skills]]：高质量社区 Skills 精选仓库
 
 ## Connections
-- （见原文）
+- [[Claude Skills最值得研究的AI范式]] ← extends ← [[提示词工程]]
+- [[Vibe Coding]] ← depends_on ← [[Claude Skills]]
+- [[流程工程]] ← depends_on ← [[SOP标准化]]
 
 ## Contradictions
-- （见原文）
+- （无已知冲突）

wiki/sources/7 ways I use NotebookLM to make my life easier.md

@@ -1,33 +1,51 @@
 ---
 title: "7 ways I use NotebookLM to make my life easier"
 type: source
-tags: ['AI']
+tags: ['NotebookLM', 'AI', '知识管理', '被动学习', 'Google']
 date: 2025-11-23
+source: https://www.howtogeek.com/ways-notebooklm-make-my-life-easier/
+author: How-To Geek
 ---
 
 ## Source File
-- [[AI/7 ways I use NotebookLM to make my life easier.md]]
+- [[raw/AI/7 ways I use NotebookLM to make my life easier.md]]
 
 ## Summary
-- 核心主题：title: 7 ways I use NotebookLM to make my life easier source: https://www.howtogeek.com/ways-notebooklm-make-my-life-easier/ 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：NotebookLM 的 7 种高价值使用场景，展示了 Source-Grounding 机制如何重塑信息处理和学习方式
+- 问题域：信息过载、数字囤积、信息消化效率低下、被动学习时间浪费
+- 方法/机制：Source-Grounding（源引用锚定）+ Audio Overviews（AI 双人播客）+ 交互式问答，所有回答附带精确引文
+- 结论/价值：NotebookLM 的核心竞争力在于"准确性优先"——仅在用户上传的文档范围内回答，消除幻觉，可作为个人知识管理、项目管理、法律文档审核的专业助手
 
 ## Key Claims
-- （见原文）
+- NotebookLM 的核心机制是 Source-Grounding：知识库严格限制在用户上传的文档内，输出结果经过自验证，准确率极高
+- 7大使用场景：信息聚合消化（替代 Read-It-Later）、音频笔记本（被动学习）、快速成为多领域入门专家、编程学习辅助、项目管理路线图生成、版本对比追踪、法律/合同文档审核
+- Audio Overviews 功能将文档转为双人 AI 对话播客，支持自定义风格（批判/辩论/简报）和主机人设，可用于通勤、健身等被动时间
+- NotebookLM 可替代 For Dummies 系列、技术文档阅读（Godot/Python）、Wikipedia 深度研读
+- 法律/合同审核场景：每个答案附带精确引文，点击直达原文原句，解决了普通 AI "幻觉率过高"的核心痛点
+- 作者用 NotebookLM 规划项目管理，2025年成功上线 6 个企业级应用
 
 ## Key Quotes
-> （见原文）
+> "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
+> "This saves you hours of manual comparison work, and you even get citations to check just in case" — How-To Geek
 
 ## Key Concepts
-- （见原文）
+- [[Source-Grounding]]：NotebookLM 的核心机制，仅在用户上传文档范围内回答，确保输出自验证、无幻觉
+- [[Audio Overviews]]：NotebookLM 的双人 AI 播客功能，将文档转为可自定义风格的对话式音频，支持被动学习
+- [[被动学习]]：利用通勤、健身、家务等"死时间"消费知识内容
+- [[知识整理]]：将散乱的 Read-It-Later 堆积转化为可消化的结构化知识
 
 ## Key Entities
-- （见原文）
+- [[NotebookLM]]：Google 推出的 AI 知识管理工具，核心特性是 Source-Grounding 和 Audio Overviews
+- [[How-To Geek]]：美国知名科技博客，发布此使用指南
+- [[Godot]]：开源游戏引擎，作者用 NotebookLM 快速学习其文档
+- [[Google]]：[NotebookLM](https://notebooklm.google.com) 开发商
 
 ## Connections
-- （见原文）
+- [[Source-Grounding]] ← is_feature_of ← [[NotebookLM]]
+- [[Audio Overviews]] ← is_feature_of ← [[NotebookLM]]
+- [[被动学习]] ← enables ← [[Audio Overviews]]
+- [[知识管理]] ← enabled_by ← [[Source-Grounding]]
 
 ## Contradictions
-- （见原文）
+- （无已知冲突）

wiki/sources/A Formalization of Recursive Self-Optimizing Generative Systems.md

@@ -1,33 +1,50 @@
 ---
 title: "A Formalization of Recursive Self-Optimizing Generative Systems"
 type: source
-tags: ['GitHub', 'AI']
+tags: ['AI', '数学', '递归', '自举', '固定点', 'Lambda演算']
 date: 2025-12-30
+source: https://github.com/2025Emma/vibe-coding-cn/blob/main/i18n/zh/documents/Methodology%20and%20Principles/A%20Formalization%20of%20Recursive%20Self-Optimizing%20Generative%20Systems.md
+author: tukuai（独立研究者）
 ---
 
 ## Source File
-- [[AI/A Formalization of Recursive Self-Optimizing Generative Systems.md]]
+- [[raw/AI/A Formalization of Recursive Self-Optimizing Generative Systems.md]]
 
 ## Summary
-- 核心主题：title: vibe-coding-cn/i18n/zh/documents/Methodology and Principles/A Formalization of Recursive Self-Optimizing Generative Systems.md at main · 2025Emma/vibe-coding-cn source: https://github.com/2025E
-- 问题域：见原文。
-- 方法/机制：见原文。
-- 结论/价值：见原文。
+- 核心主题：递归自我优化生成系统的形式化数学模型，证明稳定生成能力等价于不动点
+- 问题域：AI 系统从"优化单个输出"向"优化生成机制本身"的范式转移，缺乏统一的数学刻画
+- 方法/机制：generator space 自映射（Φ）、优化算子（O）、元生成算子（M）、λ-calculus 不动点组合子（Y）
+- 结论/价值：递归自优化的收敛目标不是某个最优输出，而是 generator space 中的不动点——一种在自身生成-优化-更新循环中保持不变的生成器
 
 ## Key Claims
-- （见原文）
+- 系统目标不是产出某个最优解 P*，而是生成器序列 {G_n} 的收敛行为
+- 稳定生成能力定义为算子 Φ 的不动点：G* = Φ(G*)，即在自身循环中保持不变的生成器
+- 在适当连续性或收缩性条件下，不动点可通过迭代获得：G* = lim_{n→∞} Φ^n(G_0)
+- 自展过程（Bootstrap）：用 Ω-提示词优化 α-提示词 → 生成更强 α → 再优化 → 无限逼近理想状态
+- 核心机制：生成器同时是计算的主体和对象，改善通过生成器空间的收敛实现，而非输出空间的优化
 
 ## Key Quotes
-> （见原文）
+> "The system's objective is not a particular P*, but the convergence behavior of the sequence {G_n}" — tukuai
+> "A stable generative capability is defined as a fixed point of Φ" — tukuai
+> "The generator is defined as the fixed point of a functional that transforms generators using their own outputs" — tukuai
+> "Recursive self-optimization naturally leads to fixed-point structures rather than terminal outputs" — tukuai
 
 ## Key Concepts
-- （见原文）
+- [[递归自优化]]：系统通过"生成→优化→更新"的循环，用优化结果更新自身的生成机制
+- [[固定点语义]]：稳定生成能力等价于元生成算子的不动点 G* = Φ(G*)
+- [[自举Meta生成]]：α-提示词（生成器）与 Ω-提示词（优化器）的递归互促
+- [[Generator Space]]：所有可能生成器的集合 G，是自映射 Φ 的定义域
+- [[Y Combinator]]：λ-calculus 不动点组合子，用于表达 G* = Y·STEP
 
 ## Key Entities
-- （见原文）
+- [[tukuai]]：独立研究者，提出此形式化框架
+- [[2025Emma/vibe-coding-cn]]：GitHub 仓库，包含此文
+- [[λ-calculus]]：用于表达系统自引用动力学的数学形式体系
 
 ## Connections
-- （见原文）
+- [[自举Meta生成]] ← extends ← [[递归自优化]]
+- [[固定点语义]] ← is_mathematical_basis_of ← [[递归自优化]]
+- [[Y Combinator]] ← implements ← [[固定点语义]]
 
 ## Contradictions
-- （见原文）
+- （无已知冲突）