wiki ingest: batch 2 (+2 docs, Claude Skills & NotebookLM)
This commit is contained in:
34
wiki/concepts/AI技能封装.md
Normal file
34
wiki/concepts/AI技能封装.md
Normal 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]]
|
||||
30
wiki/concepts/Source-Grounding.md
Normal file
30
wiki/concepts/Source-Grounding.md
Normal 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]]
|
||||
32
wiki/concepts/流程工程.md
Normal file
32
wiki/concepts/流程工程.md
Normal 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]]
|
||||
28
wiki/concepts/被动学习.md
Normal file
28
wiki/concepts/被动学习.md
Normal 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]]
|
||||
Reference in New Issue
Block a user