Auto-sync: 2026-04-18 00:18
This commit is contained in:
@@ -0,0 +1,44 @@
|
||||
---
|
||||
title: "不谈技术:普通人该怎么在AI时代赚钱?"
|
||||
type: source
|
||||
tags: []
|
||||
date: 2026-04-17
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/微信公众号/不谈技术:普通人该怎么在AI时代赚钱?.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题:AI时代普通人的赚钱策略
|
||||
- 问题域:个人职业发展与商业变现
|
||||
- 方法/机制:
|
||||
- 品味是护城河:AI工具民主化但品味未民主化
|
||||
- 端到端思维:做完整产品/服务,不做流水线零件
|
||||
- 死亡过滤器:追问真正热爱的事,用AI把它做到极致
|
||||
- 结论:AI不会让普通人变富,但会让有明确目标且对品质有执念的人变得极其强大
|
||||
|
||||
## Key Claims
|
||||
- 工具民主化但品味未民主化,品味是AI时代的护城河
|
||||
- 端到端产品比100人团队里的AI提示词工程师强一万倍
|
||||
- 普通人和不普通的人的区别在于愿不愿意对一千件事说No,只对一件事说Yes
|
||||
|
||||
## Key Quotes
|
||||
> "正确的问题是:AI让我能做到什么以前做不到的事?" — 核心思维转变
|
||||
> "90%的人用AI生成的东西是shit。因为他们不知道什么是好的。" — 品味的重要性
|
||||
> "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。" — 端到端价值
|
||||
|
||||
## Key Concepts
|
||||
- [[品味]]:能判断AI方案中哪个是insanely great的能力
|
||||
- [[端到端]]:从想法到产品的完整控制权
|
||||
- [[死亡过滤器]]:每天问自己"如果今天是最后一天,我还会做今天要做的事吗?"
|
||||
|
||||
## Key Entities
|
||||
- [[乔布斯]]:本文观点的来源,引用其1984年Mac发布的类比
|
||||
|
||||
## Connections
|
||||
- [[一人公司模式]] ← aligns_with ← [[端到端]]
|
||||
- [[Ikigai]] ← similar_to ← [[死亡过滤器]]
|
||||
- [[天才地带]] ← related_to ← [[死亡过滤器]]
|
||||
|
||||
## Contradictions
|
||||
- (暂无)
|
||||
47
wiki/sources/养虾日记3-用-Obsidian-Gitea-为-AI-助手构建持久化笔记系统.md
Normal file
47
wiki/sources/养虾日记3-用-Obsidian-Gitea-为-AI-助手构建持久化笔记系统.md
Normal file
@@ -0,0 +1,47 @@
|
||||
---
|
||||
title: "养虾日记3:用 Obsidian + Gitea 为 AI 助手构建持久化笔记系统"
|
||||
type: source
|
||||
tags: []
|
||||
date: 2026-04-17
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/微信公众号/养虾日记3:用 Obsidian + Gitea 为 AI 助手构建持久化笔记系统.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题:AI Agent 输出持久化方案
|
||||
- 问题域:AI 助手对话内容随会话结束而丢失的问题
|
||||
- 方法/机制:Obsidian(知识库) + Gitea(版本控制) + OpenClaw(写入接口)
|
||||
- 结论/价值:让 AI 变成"会自动整理笔记的实习生",输出自动落盘、多端同步、版本可溯
|
||||
|
||||
## Key Claims
|
||||
- AI 助手的大量有用输出在对话结束后丢失,需要持久化方案解决
|
||||
- Obsidian + Gitea + OpenClaw 的组合实现了笔记的版本控制和多端同步
|
||||
- 研究过程写入 Agent Archive,经过验证的知识沉淀到 Knowledge Base
|
||||
- 每次笔记更新对应 Git commit,变更可追溯
|
||||
|
||||
## Key Quotes
|
||||
> "一句话概括:用 Obsidian 做知识库,用 Gitea 做版本控制,用 OpenClaw 做写入接口。"
|
||||
|
||||
> "本质上是把 AI 变成了一个'会自动整理笔记的实习生'——它做完事,就会顺手把记录更新好。"
|
||||
|
||||
## Key Concepts
|
||||
- [[Agent Archive]] — 单一 Agent 的私有笔记目录
|
||||
- [[Knowledge Base]] — 跨 Agent 共用的整理后知识
|
||||
- [[版本控制]] — Git 管理笔记历史变更
|
||||
- [[Graph View]] — Obsidian 的知识网络可视化
|
||||
- [[QMD]] — 纯本地运行的 Markdown 搜索引擎
|
||||
|
||||
## Key Entities
|
||||
- [[OpenClaw]] — AI Agent 管理工具,提供 obsidian skill
|
||||
- [[Obsidian]] — 基于 Markdown 的本地优先笔记软件
|
||||
- [[Gitea]] — 自建 Git 服务,用于版本控制
|
||||
- [[iCloud Drive]] — Apple 云同步服务,实现多端一致
|
||||
|
||||
## Connections
|
||||
- [[Obsidian]] ← 知识库 ← [[OpenClaw]]
|
||||
- [[Gitea]] ← 版本控制 ← [[Obsidian]]
|
||||
- [[养虾日记2-让Agent更懂你]] ← 同一系列
|
||||
|
||||
## Contradictions
|
||||
- (暂无)
|
||||
@@ -0,0 +1,48 @@
|
||||
---
|
||||
title: "一次「Context Limit Exceeded」错误排查:我以为是小问题,结果踩了大坑"
|
||||
type: source
|
||||
tags: []
|
||||
date: 2026-04-10
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/微信公众号/养虾日记4: 一次「Context Limit Exceeded」错误排查:我以为是小问题,结果踩了大坑.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题:OpenClaw AI Agent 的 Context Limit 错误排查
|
||||
- 问题域:AI Agent 运维、模型配置问题诊断
|
||||
- 方法/机制:Gateway 日志分析、模型配置层级排查、compaction 机制理解
|
||||
- 结论/价值:不要默认认为错误信息就是表面意思,两层配置要分清,日志真的有用
|
||||
|
||||
## Key Claims
|
||||
- 「Context limit exceeded」不一定是因为对话太长,可能是模型配置本身就有问题
|
||||
- 全局 compaction 配置和 agent 模型配置是两码事,改全局不行就得往 agent 级别去找
|
||||
- OpenClaw 这种分布式 agent 系统,一个问题可能藏在七八个地方——session、memory、model config、routing rules、compaction 策略
|
||||
|
||||
## Key Quotes
|
||||
> "provider=custom-api-deepseek-reasoner/deepseek-reasoner ctx=16000"
|
||||
> "estimatedPromptTokens=393 overflowTokens=392 reserveTokens=16384"
|
||||
> "deepseek-reasoner 的 context window 只有 16K"
|
||||
|
||||
## Key Concepts
|
||||
- [[上下文压缩]]:OpenClaw 的 safeguard 模式会预留一半 token 给 compaction
|
||||
- [[模型配置层级]]:Global Config、Agent/Channel Specific Config、环境变量的分层配置
|
||||
- [[Fallback 机制]]:模型服务不可用时的自动切换逻辑
|
||||
|
||||
## Key Entities
|
||||
- [[OpenClaw]]:AI Agent 管理工具,作者使用的自托管系统
|
||||
- [[MiniMax-M2.7]]:作者默认使用的模型,200K context window
|
||||
- [[DeepSeek-Reasoner]]:只有 16K context window 的模型,问题的真正原因
|
||||
|
||||
## Connections
|
||||
- [[养虾日记2:让Agent更懂你]] ← related_to ← [[养虾日记3:用 Obsidian + Gitea 为 AI 助手构建持久化笔记系统]]
|
||||
- [[养虾日记4:一次「Context Limit Exceeded」错误排查]] ← related_to ← [[养龙虾5天血泪史:我的AI Agent为什么总失忆?OpenClaw 记忆调试全记录]]
|
||||
|
||||
## Contradictions
|
||||
- 无
|
||||
|
||||
## Lessons Learned
|
||||
1. 不要默认认为错误信息就是表面意思
|
||||
2. 两层配置要分清:全局 compaction 配置和 agent 模型配置
|
||||
3. 日志真的有用
|
||||
4. 工具/系统越复杂,问题的隐藏路径越深
|
||||
42
wiki/sources/养虾日记5-深夜与苏轼聊AI-他说-被浪打下去还能爬起来的才叫风流.md
Normal file
42
wiki/sources/养虾日记5-深夜与苏轼聊AI-他说-被浪打下去还能爬起来的才叫风流.md
Normal file
@@ -0,0 +1,42 @@
|
||||
---
|
||||
title: "养虾日记5:深夜与苏轼聊AI,他说:被浪打下去还能爬起来的才叫风流"
|
||||
type: source
|
||||
tags: [养虾日记, AI, 苏东坡, 数字导师]
|
||||
date: 2026-04-18
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/微信公众号/养虾日记5:深夜与苏轼聊AI,他说:被浪打下去还能爬起来的才叫风流.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题:用AI蒸馏历史人物思维框架,创建可对话的"数字导师"
|
||||
- 问题域:AI Agent 的个性化定制、历史人物思维的数字化重现
|
||||
- 方法/机制:通过6个并行Agent从6个维度(著作、对话、表达DNA、他者视角、决策、时间线)采集信息,提炼核心心智模型、决策启发式和表达DNA,生成可运行的AI Skill
|
||||
- 结论/价值:用AI放大人类历史上最强大的脑子,让它们成为日常的思维顾问
|
||||
|
||||
## Key Claims
|
||||
- 数字导师不是角色扮演,而是用历史人物的思维框架分析真实人生困境
|
||||
- 苏东坡的"豁达"是被逼出来的,不是天生的
|
||||
- 真正风流的人不是站在浪尖上的人,而是被浪打下去还能爬起来的人
|
||||
|
||||
## Key Quotes
|
||||
> "问汝平生功业,黄州惠州儋州" — 苏轼自嘲,也是骨气
|
||||
> "人生到处知何似,应似飞鸿踏雪泥" — 人生虽充满偶然和不确定性,但每一次经历和痕迹都值得珍惜
|
||||
|
||||
## Key Concepts
|
||||
- [[数字导师]]:用AI复活历史人物,让其成为日常对话的思维顾问
|
||||
- [[思维蒸馏]]:通过深度调研提炼真实人物的核心思维框架,变成可运行的AI Skill
|
||||
- [[女娲·Skill]]:实现思维蒸馏的技术框架
|
||||
|
||||
## Key Entities
|
||||
- [[苏东坡]]:北宋文学家,第一个被蒸馏的历史人物,一生三起三落
|
||||
- [[女娲·Skill]]:开源项目,实现人物思维蒸馏的技术工具
|
||||
- [[OpenClaw]]:AI Agent管理工具,用于运行苏东坡Skill
|
||||
|
||||
## Connections
|
||||
- [[苏东坡]] ← 蒸馏对象 ← [[思维蒸馏]]
|
||||
- [[数字导师]] ← 基于 ← [[思维蒸馏]]
|
||||
- [[女娲·Skill]] ← 实现 ← [[思维蒸馏]]
|
||||
|
||||
## Contradictions
|
||||
- (暂无)
|
||||
59
wiki/sources/养龙虾5天血泪史-我的AI-Agent为什么总失忆-OpenClaw-记忆调试全记录.md
Normal file
59
wiki/sources/养龙虾5天血泪史-我的AI-Agent为什么总失忆-OpenClaw-记忆调试全记录.md
Normal file
@@ -0,0 +1,59 @@
|
||||
---
|
||||
title: "养龙虾5天血泪史:我的AI Agent为什么总失忆?OpenClaw 记忆调试全记录"
|
||||
type: source
|
||||
tags: [AI, Agent, OpenClaw, 记忆管理, 上下文压缩]
|
||||
date: 2026-04-02
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/微信公众号/养龙虾5天血泪史:我的AI Agent为什么总失忆?OpenClaw 记忆调试全记录.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题:AI Agent(OpenClaw)的长期记忆问题诊断与解决
|
||||
- 问题域:上下文窗口压缩导致的信息丢失、搜索失效、系统臃肿、模型切换失忆
|
||||
- 方法/机制:内存刷新、混合搜索(BM25+向量+重排序)、检索指令、上下文修剪、系统提示词审计清理、交接协议
|
||||
- 结论/价值:5天调试将系统提示词从 20,9652 令牌降至 9,349 令牌(减少 28%),总结出 10 条 OpenClaw 内存管理黄金法则
|
||||
|
||||
## Key Claims
|
||||
- 上下文压缩会丢失细节信息(姓名、数字、具体决定),需要在压缩前将重要内容写入磁盘
|
||||
- 纯语义搜索在专有名词、具体数字和确切短语上失败,混合搜索(关键词+向量+重排序)效果更好
|
||||
- 检索不是自动的,需要在启动序列中添加明确的检索指令
|
||||
- 系统提示词中的每个未使用技能都是每个消息上的开销,移除不使用的文件比添加更重要
|
||||
- 模型切换时需要交接协议,否则新模型会以空白上下文窗口开始
|
||||
|
||||
## Key Quotes
|
||||
> "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。"
|
||||
|
||||
> "信息存在"和"Agent使用信息"之间有区别。你需要两者。搜索基础设施处理第一部分。启动指令和检索习惯处理第二部分。
|
||||
|
||||
> "真正的修复不是添加更多文件。而是移除那些什么都不做的文件。"
|
||||
|
||||
> "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。"
|
||||
|
||||
## Key Concepts
|
||||
- [[上下文压缩]]:OpenClaw 将旧消息压缩为摘要以腾出空间,但会丢失细节
|
||||
- [[内存刷新]]:在压缩前将重要上下文写入磁盘的机制
|
||||
- [[混合搜索]]: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
|
||||
- [[检索指令]]:在启动序列中明确告诉 Agent 何时搜索的指令
|
||||
- [[上下文修剪]]:通过 TTL 和保留策略主动清理旧上下文
|
||||
- [[系统提示词审计]]:定期检查并移除未使用的技能和文件
|
||||
- [[交接协议]]:模型切换前将当前上下文写入每日日志的规范
|
||||
|
||||
## Key Entities
|
||||
- [[OpenClaw]]:运行在 Telegram 上的 AI Agent 管理工具,作者的助理"星辉"基于此构建
|
||||
- [[QMD]]:内存搜索后端,结合 BM25、向量嵌入和重排序器
|
||||
- [[SQLite]]:OpenClaw 默认的搜索后端,使用向量嵌入但在精确匹配上表现不佳
|
||||
|
||||
## Connections
|
||||
- [[上下文压缩]] ← depends_on ← [[上下文窗口]]
|
||||
- [[内存刷新]] ← fixes ← [[上下文压缩]]
|
||||
- [[混合搜索]] ← replaces ← [[SQLite 向量搜索]]
|
||||
- [[检索指令]] ← enables ← [[上下文记忆]]
|
||||
- [[交接协议]] ← solves ← [[模型切换失忆]]
|
||||
- [[系统提示词审计]] ← reduces ← [[系统开销]]
|
||||
|
||||
## Contradictions
|
||||
- 与之前的[[养虾日记2:让Agent更懂你]]思路对比:
|
||||
- 养虾日记2侧重 self-improving skill 和双层记忆架构的主动学习
|
||||
- 本篇侧重被动防御机制(内存刷新、交接协议)和系统优化
|
||||
- 两者互补:主动学习减少错误,被动防御确保记忆不丢失
|
||||
Reference in New Issue
Block a user