Auto-sync: 2026-04-18 00:18

wiki/concepts/Agent-Archive.md

@@ -0,0 +1,26 @@
+---
+title: "Agent Archive"
+type: concept
+tags: []
+---
+
+## 定义
+单一 Agent 的私有笔记目录，用于记录该 Agent 的专属思考、工作日志、任务记录和内容输出。
+
+## 示例
+```
+/Users/weishen/Workspace/nexus/openclaw/xingshu/     ← 星枢专属笔记
+/Users/weishen/Workspace/nexus/openclaw/xinghui/     ← 星辉专属笔记
+/Users/weishen/Workspace/nexus/openclaw/xingyao/     ← 星曜专属笔记
+```
+
+## 核心原则
+研究过程写入 Agent Archive；经过验证、可复用的知识沉淀到 Knowledge Base。
+
+## 与 Knowledge Base 的关系
+Agent Archive 是临时工作区，Knowledge Base 是整理后的公共知识库。AI 在完成任务过程中将产出写入 Archive，验证通过后迁移到 Knowledge Base。
+
+## 关联
+- [[Knowledge Base]]
+- [[OpenClaw]]
+- [[Obsidian]]

wiki/concepts/Fallback-机制.md

@@ -0,0 +1,24 @@
+---
+title: "Fallback 机制"
+type: concept
+tags: [ai-agent, model, routing]
+last_updated: 2026-04-18
+---
+
+## Definition
+当默认模型不可用或出现问题时，AI Agent 系统自动切换到备选模型的机制。
+
+## Trigger Conditions
+1. **显式的 API 服务不可用**：503/502/429/Connection Timeout
+2. **隐性的 Token 长度溢出预判**：估计 Token 接近模型上限
+3. **配置文件的"优先级"覆盖**：Agent/Channel 特定配置覆盖全局配置
+4. **节点选择算法**：负载均衡/随机分发可能选中备选模型
+
+## Problem
+Fallback 机制可能切到一个比原模型更小的模型（如 16K vs 200K），导致立即 overflow。
+
+## Related
+- [[上下文压缩]] — OpenClaw 的 compaction 机制
+- [[模型配置层级]] — Global Config、Agent Specific Config、环境变量的分层
+- [[MiniMax-M2.7]] — 作者的默认模型，200K context
+- [[DeepSeek-Reasoner]] — 只有 16K context 的模型

wiki/concepts/Graph-View.md

@@ -0,0 +1,26 @@
+---
+title: "Graph View"
+type: concept
+tags: []
+---
+
+## 定义
+Obsidian 的知识网络可视化功能（左侧边栏图谱图标，或 `Ctrl+G`），将所有 Wiki 页面以节点展示，双链关系自动连线。
+
+## Karpathy 推荐的两个用法
+
+### 健康检查
+没有任何页面链接指向它 → 说明是"孤岛页面"，需要让 AI 补上交叉引用。
+
+### 发现盲区
+某个概念被很多页面提到但自己还没有独立页面 → 图谱里显示为灰色幽灵节点，提醒应该为它建一个专页。
+
+## 核心价值
+- 发现孤立页面
+- 识别知识盲区
+- 建立知识网络
+
+## 关联
+- [[Obsidian]]
+- [[QMD]]
+- [[双链（Backlinks）]]

wiki/concepts/Knowledge-Base.md

@@ -0,0 +1,24 @@
+---
+title: "Knowledge Base"
+type: concept
+tags: []
+---
+
+## 定义
+经过整理、跨 Agent 共用的知识库目录，用于存储工具评测、架构决策、最佳实践等可复用知识。
+
+## 示例
+```
+/Users/weishen/Workspace/nexus/openclaw/knowledgebase/   ← 知识库（经过整理的公共知识）
+```
+
+## 与 Agent Archive 的关系
+Agent Archive 是单一 Agent 的私有工作笔记，Knowledge Base 是整理后的公共知识。AI 在完成任务过程中将产出写入 Archive，验证通过后迁移到 Knowledge Base。
+
+## 核心原则
+研究过程写入 Agent Archive；经过验证、可复用的知识沉淀到 Knowledge Base。
+
+## 关联
+- [[Agent Archive]]
+- [[Obsidian]]
+- [[版本控制]]

wiki/concepts/QMD.md

@@ -0,0 +1,20 @@
+---
+title: "QMD"
+type: concept
+tags: []
+---
+
+## 定义
+完全本地运行的 Markdown 搜索引擎（github.com/tobi/qmd），用于 Wiki 规模变大后的精准搜索。
+
+## 使用场景
+- Wiki 页面数量达到几百个后，`index.md` 目录文件已不够用
+- AI 找东西开始变慢，需要更高效的搜索能力
+- 纯本地运行，不依赖外部服务
+
+## 判断标准
+Wiki 到几百个页面之前，`index.md` 完全够用；等 AI 找东西开始变慢，再接入 QMD 也不迟。
+
+## 关联
+- [[Obsidian]]
+- [[Graph View]]

wiki/concepts/上下文修剪.md

@@ -0,0 +1,33 @@
+---
+title: "上下文修剪"
+type: concept
+tags: [ai-agent, memory, context]
+last_updated: 2026-04-02
+---
+
+## Definition
+通过 TTL（生存时间）和保留策略主动清理旧上下文的机制，与内存刷新配合工作。
+
+## Configuration
+```json
+{
+  "contextPruning": {
+    "mode": "cache-ttl",
+    "ttl": "6h",
+    "keepLastAssistants": 3
+  }
+}
+```
+
+## Mechanism
+- 6 小时后积极修剪旧上下文
+- 保留最后 3 个 Assistants 响应
+- 结合内存刷新：Agent 早期将重要内容写入磁盘，旧上下文在导致溢出前被清理
+
+## Key Insight
+长会话是内存系统真正接受测试的地方。短对话很少触及压缩。是 2 小时的深度工作会话中你会丢失上下文且无法找出原因。**在负载下测试你的内存系统，而不仅仅是在快速聊天中。**
+
+## Related
+- [[上下文压缩]] — 导致信息丢失的机制
+- [[内存刷新]] — 在压缩前将重要内容写入磁盘
+- [[上下文窗口]] — 有限的对话历史容纳量

wiki/concepts/上下文压缩.md

@@ -0,0 +1,23 @@
+---
+title: "上下文压缩"
+type: concept
+tags: [ai-agent, memory, context]
+last_updated: 2026-04-02
+---
+
+## Definition
+当对话填满 Context Window（上下文窗口）时，OpenClaw 将旧消息压缩成摘要以腾出空间给新消息的机制。
+
+## Problem
+压缩摘要抓住了要点，但丢失了细节——姓名、数字、具体决定，统统消失。
+
+## Key Insight
+> "这是设计使然。上下文窗口是有限的。但默认行为对一切一视同仁，这意味着你精心设计的第三条消息指令，和第七条消息的闲聊得到了相同待遇。"
+
+## Solution
+启用压缩前的内存刷新（Memory Flush），在压缩运行前将重要上下文写入磁盘。
+
+## Related
+- [[上下文窗口]] — 有限的对话历史容纳量
+- [[内存刷新]] — 在压缩前将重要内容写入磁盘的机制
+- [[上下文记忆]] — AI Agent 保留对话历史的能力

wiki/concepts/交接协议.md

@@ -0,0 +1,29 @@
+---
+title: "交接协议"
+type: concept
+tags: [ai-agent, memory, model-switching]
+last_updated: 2026-04-02
+---
+
+## Definition
+在模型切换或会话结束前，将当前上下文写入每日日志的规范，确保新模型或新会话知道之前发生了什么。
+
+## Problem
+OpenClaw 代理在切换模型时丢失所有上下文。新模型以新鲜上下文窗口开始——它只看到自动加载的文件。没有交接协议，新模型不知道发生了什么。
+
+## Solution
+添加交接协议：在任何模型切换或会话结束前，代理将当前上下文写入每日日志。
+
+## Implementation
+在 AGENTS.md 中添加写入纪律：
+- 每个任务记录其结果
+- 每个错误变成规则
+- 在模型切换前将当前状态转储到每日日志
+
+## Key Insight
+> "写入纪律比读取纪律更重要。如果代理不将决定、结果和错误记录到磁盘，这些东西只存在于上下文窗口中。而上下文窗口会被压缩。"
+
+## Related
+- [[上下文压缩]] — 导致信息丢失的机制
+- [[内存刷新]] — 在压缩前将重要内容写入磁盘
+- [[模型切换]] — OpenClaw 切换模型时的上下文丢失问题

wiki/concepts/内存刷新.md

@@ -0,0 +1,34 @@
+---
+title: "内存刷新"
+type: concept
+tags: [ai-agent, memory, persistence]
+last_updated: 2026-04-02
+---
+
+## Definition
+在压缩触发前，提醒 Agent 将重要上下文写入磁盘的机制，确保重要内容在压缩擦除后仍能存活。
+
+## Mechanism
+当会话接近上下文限制时，OpenClaw 触发一个静默回合，提醒 Agent 在压缩运行前将持久事实保存到 memory/YYYY-MM-DD.md。
+
+## Configuration
+```json
+{
+  "compaction": {
+    "memoryFlush": {
+      "enabled": true,
+      "softThresholdTokens": 4000
+    }
+  }
+}
+```
+
+> 注意：4000 这个数值要根据使用的模型来调整。使用 Gemini/Claude/GPT-4.1 等大模型（上下文窗口 32K/128K/200K tokens）时，4000 太保守，会导致频繁的 summary 和上下文"碎片化"。
+
+## Key Insight
+如果只在上下文窗口中，它是临时的。如果在磁盘上，它就能存活。
+
+## Related
+- [[上下文压缩]] — 导致信息丢失的机制
+- [[上下文窗口]] — 有限的对话历史容纳量
+- [[上下文记忆]] — AI Agent 保留对话历史的能力

wiki/concepts/品味.md

@@ -0,0 +1,15 @@
+---
+title: "品味"
+type: concept
+tags: []
+---
+
+## Definition
+能判断AI给出的多个方案中哪个是insanely great的能力。在AI工具民主化的时代，品味成为个人核心竞争力。
+
+## Related Concepts
+- [[一人公司模式]]
+- [[天才地带]]
+
+## Source
+- [[bu-tan-ji-shu-pu-tong-ren-gai-zen-me-zai-ai-shi-dai-zhuan-qian]]

wiki/concepts/检索指令.md

@@ -0,0 +1,31 @@
+---
+title: "检索指令"
+type: concept
+tags: [ai-agent, memory, retrieval]
+last_updated: 2026-04-02
+---
+
+## Definition
+告诉 Agent 何时搜索的明确指令，是启动序列的重要组成部分。
+
+## Problem
+搜索基础设施存在 ≠ Agent 使用搜索。"信息存在"和"Agent使用信息"之间有区别。
+
+## Solution
+在启动序列中添加明确的检索指令，告诉 Agent 何时搜索：
+
+> 开始任何任务前：
+> - 搜索每日日志(memory/YYYY-MM-DD.md)获取相关上下文
+> - 检查LEARNINGS.md获取此类任务的规则
+> - 如果提到客户，搜索其历史记录
+
+## Testing
+建立检索测试：在每日日志中植入特定标记，然后开始新会话测试 Agent 是否能找到。
+
+## Key Insight
+搜索基础设施处理"信息存在"，启动指令和检索习惯处理"Agent使用信息"。分别测试两者。
+
+## Related
+- [[上下文记忆]] — AI Agent 保留对话历史的能力
+- [[内存刷新]] — 在压缩前将重要内容写入磁盘
+- [[混合搜索]] — 结合关键词和语义的搜索策略

wiki/concepts/死亡过滤器.md

@@ -0,0 +1,15 @@
+---
+title: "死亡过滤器"
+type: concept
+tags: []
+---
+
+## Definition
+每天早上问自己"如果今天是最后一天，我还会做今天要做的事吗？"。用于过滤非必要的承诺，聚焦真正热爱的事。
+
+## Related Concepts
+- [[Ikigai]]
+- [[天才地带]]
+
+## Source
+- [[bu-tan-ji-shu-pu-tong-ren-gai-zen-me-zai-ai-shi-dai-zhuan-qian]]

wiki/concepts/混合搜索.md

@@ -0,0 +1,32 @@
+---
+title: "混合搜索"
+type: concept
+tags: [ai-agent, search, rag]
+last_updated: 2026-04-02
+---
+
+## Definition
+结合 BM25（关键词匹配）、向量嵌入（语义相似性）和重排序器的搜索策略。
+
+## Components
+1. **BM25**：关键词匹配，擅长精确短语和专有名词
+2. **向量嵌入**：语义相似性，擅长理解查询意图
+3. **重排序器**：按相关性排序结果
+
+## Problem Solved
+纯语义搜索在专有名词、具体数字和确切短语上失败。关键词搜索抓住它们。两者都用效果更好。
+
+## Comparison
+| 搜索方式 | 优点 | 缺点 |
+|---------|------|------|
+| 纯向量搜索 | 语义理解 | 精确匹配差 |
+| 纯 BM25 | 精确匹配 | 无法理解同义词 |
+| 混合搜索 | 结合两者优势 | 实现更复杂 |
+
+## Implementation
+切换到 QMD 作为内存搜索后端，实现混合搜索策略。
+
+## Related
+- [[语义搜索]] — 纯向量搜索
+- [[向量嵌入]] — 将文本转换为数值向量
+- [[上下文记忆]] — AI Agent 保留对话历史的能力

wiki/concepts/端到端.md

@@ -0,0 +1,15 @@
+---
+title: "端到端"
+type: concept
+tags: []
+---
+
+## Definition
+从想法到产品的完整控制权。区别于在他人AI流水线中做零件，端到端意味着独立完成产品/服务的设计、开发、交付全过程。
+
+## Related Concepts
+- [[一人公司模式]]
+- [[产品体系]]
+
+## Source
+- [[bu-tan-ji-shu-pu-tong-ren-gai-zen-me-zai-ai-shi-dai-zhuan-qian]]