wiki ingest: batch 2 (+2 docs, Claude Skills & NotebookLM)

This commit is contained in:
2026-04-15 12:09:07 +08:00
parent e69c162353
commit 6742bf0093
28 changed files with 725 additions and 152 deletions

View File

@@ -0,0 +1,34 @@
---
id: AI技能封装
title: "AI技能封装"
type: concept
tags: [AI, 工作流]
sources: []
last_updated: 2026-04-15
---
# AI技能封装
## Definition
AI 技能封装(AI Skills)是将反复执行、有固定流程的任务,拆解为 AI 能理解、能稳定复用、能自动执行的结构化流程的方法论。
## Parent Concept
- [[流程工程]]
## Description
Skills = 说明书 + SOP(标准作业程序)。核心是把人类经验转化为 AI 可操作的标准化流程,实现从"一次性的 Prompt"到"可复用的 Skill"的跃迁。
## Key Components
1. **Prompt Structure**:结构化指令,包含输入约束、输出格式、容错策略
2. **Process Flow**:可执行的工作流步骤
3. **Validation**:输出质量验证机制
## Examples
- 办公自动化:Word/PDF/PPT/Excel 操控
- 开发者工具箱:MCP Server、Web 测试、Artifacts 构建
- 创意类:算法艺术、Canvas 设计、主题生成
## Connections
- [[Claude-Skills-研究范式]] ← 实例 ← [[AI技能封装]]
- [[Anthropic]] ← 发布方 ← [[AI技能封装]]
- [[Vibe-Kanban]] ← 应用场景 ← [[AI技能封装]]

View File

@@ -0,0 +1,30 @@
---
id: Source-Grounding
title: "Source-Grounding"
type: concept
tags: [AI, RAG, 知识管理]
sources: []
last_updated: 2026-04-15
---
# Source-Grounding
## Definition
Source-Grounding 是一种 AI 回答质量控制机制,严格将 AI 知识库限制为用户上传的文档,确保每个回答都直接溯源至原文,拒绝生成不可验证的推测性内容。
## Description
NotebookLM 的核心机制。与传统 RAG(Retrieval-Augmented Generation)不同,Source-Grounding 不依赖外部知识库,而是以用户提供的文档作为唯一事实来源,从根本上消除幻觉(Hallucination)问题。
## Key Properties
1. **知识边界清晰**:AI 仅能访问上传文档,无法访问外部信息
2. **引文强制**:每个回答必须附带原文引文,可点击跳转验证
3. **准确性优先**:以牺牲通用性换取可信度,适用于法律、医学、项目文档等高精度场景
## Related Concepts
- [[AI知识库]]:依赖外部知识检索,存在幻觉风险
- [[RAG]]:检索增强生成,但依赖广泛语料库
- [[被动学习]]:Source-Grounding 使被动学习成为可能
## Connections
- [[NotebookLM]] ← 实现方 ← [[Source-Grounding]]
- [[引文追溯]] ← 关键特性 ← [[Source-Grounding]]

View File

@@ -0,0 +1,32 @@
---
id: 流程工程
title: "流程工程"
type: concept
tags: [AI, 工程方法论]
sources: []
last_updated: 2026-04-15
---
# 流程工程
## Definition
流程工程(Process Engineering / Workflow Engineering)是一种 AI 应用开发新范式,强调从"提示词工程"进化到将经验沉淀为 SOP、再将 SOP 交给 AI 稳定执行的方法论。
## Parent Concept
- AI 应用工程
## Description
Claude Skills 的爆发标志着从"提示词工程"(Prompt Engineering)迈向"流程工程"(Process Engineering)的范式转移。核心转变:
- **提示词工程**:优化单次 Prompt 效果
- **流程工程**:将经验封装为可复用的标准化工作流
## Key Principles
1. **SOP First**:先建立标准作业程序,再交给 AI 执行
2. **Verification Loop**:内置输出质量验证机制
3. **Composability**:Skills 可组合、可堆叠
4. **Domain Knowledge Encapsulation**:将领域专家知识结构化封装
## Connections
- [[AI技能封装]] ← 核心方法 ← [[流程工程]]
- [[Claude-Skills-研究范式]] ← 典型案例 ← [[流程工程]]
- [[Vibe-Kanban]] ← 应用载体 ← [[流程工程]]

View File

@@ -0,0 +1,28 @@
---
id: 被动学习
title: "被动学习"
type: concept
tags: [AI, 学习方法]
sources: []
last_updated: 2026-04-15
---
# 被动学习
## Definition
被动学习(Passive Learning)指利用 Audio Overviews 等 AI 生成的语音内容,在开车、健身、家务等动手或注意力分散的场景中,以"听"的方式消费原本需要阅读才能获取的复杂信息。
## Description
NotebookLM 的 Audio Overviews 功能将文档转化为双人 AI 对话播客,用户可设置风格(Deep Dive/Brief/Critique/Debate),在碎片化时间实现深度内容消费。
## Key Characteristics
- **场景适配**:适合无法使用视觉/双手的学习场景
- **内容压缩**:将长篇文档压缩为对话式摘要,提升信息密度
- **对话拟真**:双 AI 主播模拟讨论,增加学习趣味性
## Related Concepts
- [[Source-Grounding]]:确保被动学习内容的准确性
- [[Audio-Overviews]]:实现工具
## Connections
- [[NotebookLM]] ← 场景 ← [[被动学习]]

View File

@@ -0,0 +1,29 @@
---
id: Anthropic
title: "Anthropic"
type: entity
tags: [AI, 公司]
sources: []
last_updated: 2026-04-15
---
# Anthropic
## Definition
Anthropic 是一家 AI 安全研究公司,Claude 系列大语言模型的开发商。
## Aliases
- Anthropic
- Claude AI
## Description
Anthropic 是 Claude Skills 官方项目(github.com/anthropics/skills)的发布者。该仓库收藏数突破 3.2 万,包含生产级 Skills 技能,是 AI 应用开发领域的重要参考。
## Key Activities
- 发布 Claude 系列大语言模型(Claude 3.5/4 等)
- 推出官方 Skills 开源项目,展示 AI 能力的产品化封装方法
- 探索 AI 安全与 AI Agent 发展方向
## Connections
- [[Claude-Skills-研究范式]] ← 发布方 ← [[Anthropic]]
- [[AI技能封装]] ← 发起方 ← [[Anthropic]]

View File

@@ -7,8 +7,11 @@
- [DevOps Culture and Transformation](sources/DevOps-Culture-and-Transformation.md) — DevOps 文化、敏捷实践与转型方法论
- [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
- [7 Ways I Use NotebookLM to Make My Life Easier](sources/7-ways-NotebookLM.md) — NotebookLM 7种实际应用场景
## Entities
- [Anthropic](entities/Anthropic.md)
- [LinkedIn](entities/LinkedIn.md)
- [Atlassian](entities/Atlassian.md)
- [GitHub](entities/GitHub.md)
@@ -62,6 +65,10 @@
- [艺映AI](entities/艺映AI.md)
## Concepts
- [AI技能封装](concepts/AI技能封装.md)
- [流程工程](concepts/流程工程.md)
- [Source-Grounding](concepts/Source-Grounding.md)
- [被动学习](concepts/被动学习.md)
- [DevOps](concepts/DevOps.md)
- [CI/CD Pipelines](concepts/CI-CD-Pipelines.md)
- [Infrastructure as Code](concepts/Infrastructure-as-Code.md)

View File

@@ -8,3 +8,13 @@ Added source. Key claims: DeepSeek R1是开源界首个深度推理破壁者;Q
Created/updated: 12 entity pages (DeepSeek, Qwen, Flux, Stable Diffusion, HunyuanVideo, Manus, OpenManus, Cline, n8n, Dify, Perplexica, NotebookLM), 8 concept pages (大语言模型, AI生图, AI生视频, 通用智能体, AI编程, 智能体工作流, AI搜索, AI知识库), 1 source page.
## [2026-04-15] ingest | 3.2万人收藏的Claude Skills
- [Claude-Skills-研究范式](sources/Claude-Skills-研究范式.md)
- Key claims: Skills = 说明书 + SOP;从提示词工程迈向流程工程;Anthropic 官方 Skills 仓库含 3.2 万收藏;skillsmp.com/aitmpl.com/claudemarketplaces.com 三大聚合站
- Created: 1 entity (Anthropic), 2 concepts (AI技能封装, 流程工程)
## [2026-04-15] ingest | 7 Ways NotebookLM
- [7-ways-NotebookLM](sources/7-ways-NotebookLM.md)
- Key claims: Source-Grounding 机制确保回答可溯源;Audio Overviews 支持被动学习;NotebookLM 可作项目管理系统与法律文档审查工具
- Created: 2 concepts (Source-Grounding, 被动学习)

View File

@@ -24,6 +24,28 @@ AI开源生态在2025年取得突破性进展,国产模型在多个领域成
- 国产开源模型在多个领域实现差异化竞争
- DevOps 向 GitOps、AI 赋能、Serverless 和 Edge Computing 方向演进
## 新增领域:Claude Skills 与流程工程
Claude Skills 的爆发标志着从"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。Anthropic 官方 Skills 仓库(github.com/anthropics/skills)收藏数突破 3.2 万,包含生产级 Skills:办公自动化、开发者工具箱、创意类 Skill。Vibe Coding 的尽头也是 Skills。
### 关键概念
- [[AI技能封装]]:将固定流程任务拆解为 AI 可理解的结构化流程
- [[流程工程]]:将经验沉淀为 SOP 再交给 AI 稳定执行的新范式
- [[Anthropic]] ← 发布方
### 资源生态
- 三大 Awesome 仓库:ComposioHQ、VoltAgent、BehiSecc
- 三大聚合站:skillsmp.com、aitmpl.com、claudemarketplaces.com
## 新增领域:NotebookLM 与 Source-Grounding
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。可作为被动学习(Audio Overviews)、项目管理、法律文档审查、软件更新对比等多种场景的 AI 助理。
### 关键能力
- [[Source-Grounding]]:消除幻觉,确保回答可溯源
- [[被动学习]]:Audio Overviews 在碎片时间消费复杂信息
- [[引文追溯]]:每个回答附带原文引文
## 新增领域:AI图生视频
2025年底,AI图生视频技术快速成熟,14款免费工具已能生成高质量视频,覆盖电商模特、内容创作、广告制作等多场景。

View File

@@ -0,0 +1,49 @@
---
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
---
## Source File
- [[raw/AI/7 ways I use NotebookLM to make my life easier.md]]
## 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
## 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
## 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
## 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
## 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
## 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]]
## 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

View File

@@ -0,0 +1,54 @@
---
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!.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:Claude Skills 作为 AI 应用开发的新范式,标志从"提示词工程"迈向"流程工程"
- 问题域:如何将 AI 能力真正落地为可复用、可自动执行的生产级工作流
- 方法/机制:Skills = 说明书 + SOP,将固定流程任务拆解为 AI 可理解的结构化流程
- 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、能把经验沉淀成 SOP、能把 SOP 交给 AI 稳定执行
## Key Claims
- Claude Skills 是 Anthropic 官方发布的开源项目,本质是官方在教"怎么像我们一样开发 AI 应用"
- Skills 即将知识经验封装为可复用工作流,Vibe Coding 的尽头也是 Skills
- Anthropic 官方 Skills 仓库(github.com/anthropics/skills)包含生产级技能: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-Claude-Skills 社区仓库(ComposioHQ/VoltAgent/BehiSecc)系统性整理了各类 LLM Skills 工作流
- Skills 聚合站(skillsmp.com、aitmpl.com/skills、claudemarketplaces.com)提供一站式 Skills 选型与二次改造
## Key Quotes
> "Skills 就是一套你写给 Claude 的'说明书'和'SOP(标准作业程序)'" — 核心定义
> "这个库本质上是官方在教你,'怎么像我们一样开发 AI 应用'" — 价值定位
> "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、谁能把 SOP 交给 AI 稳定执行" — 趋势判断
## Key Concepts
- [[AI技能封装]]:将反复执行、有固定流程的任务,拆解为 AI 能理解、能稳定复用、能自动执行的结构化流程
- [[流程工程]]:从提示词工程(Prompt Engineering)进化而来,强调将经验沉淀为 SOP 再交给 AI 执行的新范式
- [[AI编程]]:Claude Skills 的核心技术场景之一,使 AI 真正参与工程流程而非仅展示写代码能力
## Key Entities
- [[Anthropic]]:Claude Skills 官方来源,发布 github.com/anthropics/skills 仓库,包含 3.2 万收藏
- [[ComposioHQ]]:维护 awesome-claude-skills 仓库,系统性整理 LLM Skills 工作流
- [[VoltAgent]]:维护 awesome-claude-skills 仓库
- [[BehiSecc]]:维护 awesome-claude-skills 仓库
- [[skillsmp.com]]:Skills 聚合站,提供拿来即用的 Skills 集合
- [[aitmpl.com]]:Skills 聚合站,支持分类与搜索
- [[claudemarketplaces.com]]:Skills 聚合站
## Connections
- [[Anthropic]] ← 发布 ← [[Claude-Skills-研究范式]]
- [[Vibe-Kanban]] ← 终点也是 ← [[AI技能封装]]
- [[Claude-Skills-研究范式]] ← 收录于 ← [[AI编程]]
- [[AI技能封装]] ← 核心机制 ← [[流程工程]]
## Contradictions
- 无明显冲突
## Related Sources
- [[Claude-Code调用方法]]:Claude Code 是 Skills 调用的核心工具链