From 6f44ff76a292582dc878aff8580365e2456aa11f Mon Sep 17 00:00:00 2001 From: weishen Date: Thu, 23 Apr 2026 04:02:48 +0800 Subject: [PATCH] Auto-sync: 2026-04-23 04:02 --- wiki/concepts/AI图生视频.md | 55 + wiki/concepts/AI文生视频.md | 36 + wiki/concepts/AI簡報工作流.md | 29 + wiki/concepts/Agent-Routing-Rules.md | 26 + wiki/concepts/Call-Worthy-Threshold.md | 60 + wiki/concepts/Compaction.md | 26 + wiki/concepts/Context-Window.md | 21 + wiki/concepts/Error-Surface-vs-Root-Cause.md | 26 + wiki/concepts/Hidden-Failure-Paths.md | 30 + wiki/concepts/LLM-Wiki.md | 51 + wiki/concepts/Layered-Configuration.md | 26 + wiki/concepts/Log-Driven-Debugging.md | 29 + wiki/concepts/Model-Fallback.md | 17 + wiki/concepts/Self-Improving-Skill.md | 98 + wiki/concepts/Two-Way-Voice-Conversation.md | 45 + wiki/concepts/Voice-Notification-Channel.md | 37 + wiki/concepts/上下文刷新.md | 74 + wiki/concepts/上下文压缩.md | 64 + wiki/concepts/交接协议.md | 82 + wiki/concepts/写入纪律.md | 79 + wiki/concepts/启动序列.md | 79 + wiki/concepts/思维蒸馏（女娲造人术）.md | 70 + wiki/concepts/播客生成.md | 33 + wiki/concepts/数字导师.md | 39 + wiki/concepts/文档问答.md | 23 + wiki/concepts/本地化部署.md | 33 + wiki/concepts/每日复盘机制.md | 58 + wiki/concepts/混合搜索.md | 26 + wiki/concepts/语义搜索.md | 24 + wiki/entities/Canva.md | 24 + wiki/entities/ClawHub.md | 9 +- wiki/entities/Gamma-AI.md | 24 + wiki/entities/Gitea.md | 40 +- wiki/entities/Google.md | 23 + wiki/entities/InsightsLM.md | 30 + wiki/entities/NotebookLM.md | 27 + wiki/entities/NotebookLlama.md | 27 + wiki/entities/Obsidian.md | 66 + wiki/entities/OpenNotebook.md | 31 + wiki/entities/PageLM.md | 27 + wiki/entities/Podcastfy.md | 31 + wiki/entities/SurfSense.md | 31 + wiki/entities/clawr.ing.md | 51 + wiki/entities/苏东坡.md | 43 + wiki/index.md | 81 +- wiki/log.md | 1638 ++++++----------- wiki/overview.md | 34 +- ...i视频教程-ai自动化工作流定制服务-ai培训学习平台-黑喵大叔.md | 67 + ...sive-self-optimizing-generative-systems.md | 50 + wiki/sources/autonomous-game-dev-pipeline.md | 56 + wiki/sources/designing-for-agentic-ai.md | 48 + ...生产力工具-所有-github-开源平替都找到了.md | 65 + wiki/sources/phone-call-notifications.md | 61 + wiki/sources/x-account-analysis.md | 42 + wiki/sources/x-twitter-automation.md | 2 +- .../不谈技术-普通人该怎么在ai时代赚钱.md | 46 + ...管了-28-万张照片-一次真实的多设备照片整理实战.md | 55 + ...懂你-openclaw-self-improving-复盘实战案例分享.md | 53 + ...-obsidian-gitea-为-ai-助手构建持久化笔记系统.md | 59 + ...exceeded」错误排查-我以为是小问题-结果踩了大坑.md | 57 + ...苏轼聊ai-他说-被浪打下去还能爬起来的才叫风流.md | 78 + ...的ai-agent为什么总失忆-openclaw-记忆调试全记录.md | 71 + ...先做知識整理-再讓-canva-gamma-ai-輸出簡報.md | 44 + wiki/sources/文字生成视频网站推荐.md | 42 + 64 files changed, 3300 insertions(+), 1129 deletions(-) create mode 100644 wiki/concepts/AI图生视频.md create mode 100644 wiki/concepts/AI文生视频.md create mode 100644 wiki/concepts/AI簡報工作流.md create mode 100644 wiki/concepts/Agent-Routing-Rules.md create mode 100644 wiki/concepts/Call-Worthy-Threshold.md create mode 100644 wiki/concepts/Compaction.md create mode 100644 wiki/concepts/Context-Window.md create mode 100644 wiki/concepts/Error-Surface-vs-Root-Cause.md create mode 100644 wiki/concepts/Hidden-Failure-Paths.md create mode 100644 wiki/concepts/LLM-Wiki.md create mode 100644 wiki/concepts/Layered-Configuration.md create mode 100644 wiki/concepts/Log-Driven-Debugging.md create mode 100644 wiki/concepts/Model-Fallback.md create mode 100644 wiki/concepts/Self-Improving-Skill.md create mode 100644 wiki/concepts/Two-Way-Voice-Conversation.md create mode 100644 wiki/concepts/Voice-Notification-Channel.md create mode 100644 wiki/concepts/上下文刷新.md create mode 100644 wiki/concepts/上下文压缩.md create mode 100644 wiki/concepts/交接协议.md create mode 100644 wiki/concepts/写入纪律.md create mode 100644 wiki/concepts/启动序列.md create mode 100644 wiki/concepts/思维蒸馏（女娲造人术）.md create mode 100644 wiki/concepts/播客生成.md create mode 100644 wiki/concepts/数字导师.md create mode 100644 wiki/concepts/文档问答.md create mode 100644 wiki/concepts/本地化部署.md create mode 100644 wiki/concepts/每日复盘机制.md create mode 100644 wiki/concepts/混合搜索.md create mode 100644 wiki/concepts/语义搜索.md create mode 100644 wiki/entities/Canva.md create mode 100644 wiki/entities/Gamma-AI.md create mode 100644 wiki/entities/Google.md create mode 100644 wiki/entities/InsightsLM.md create mode 100644 wiki/entities/NotebookLM.md create mode 100644 wiki/entities/NotebookLlama.md create mode 100644 wiki/entities/Obsidian.md create mode 100644 wiki/entities/OpenNotebook.md create mode 100644 wiki/entities/PageLM.md create mode 100644 wiki/entities/Podcastfy.md create mode 100644 wiki/entities/SurfSense.md create mode 100644 wiki/entities/clawr.ing.md create mode 100644 wiki/entities/苏东坡.md create mode 100644 wiki/sources/14个免费的ai图生视频工具-用ai让图片动起来-ai视频教程-ai自动化工作流定制服务-ai培训学习平台-黑喵大叔.md create mode 100644 wiki/sources/a-formalization-of-recursive-self-optimizing-generative-systems.md create mode 100644 wiki/sources/autonomous-game-dev-pipeline.md create mode 100644 wiki/sources/designing-for-agentic-ai.md create mode 100644 wiki/sources/google-神级生产力工具-所有-github-开源平替都找到了.md create mode 100644 wiki/sources/phone-call-notifications.md create mode 100644 wiki/sources/x-account-analysis.md create mode 100644 wiki/sources/不谈技术-普通人该怎么在ai时代赚钱.md create mode 100644 wiki/sources/养虾日记1-我用-openclaw-管了-28-万张照片-一次真实的多设备照片整理实战.md create mode 100644 wiki/sources/养虾日记2-让agent更懂你-openclaw-self-improving-复盘实战案例分享.md create mode 100644 wiki/sources/养虾日记3-用-obsidian-gitea-为-ai-助手构建持久化笔记系统.md create mode 100644 wiki/sources/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 create mode 100644 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 create mode 100644 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 create mode 100644 wiki/sources/教學-chatgpt-先做知識整理-再讓-canva-gamma-ai-輸出簡報.md create mode 100644 wiki/sources/文字生成视频网站推荐.md diff --git a/wiki/concepts/AI图生视频.md b/wiki/concepts/AI图生视频.md new file mode 100644 index 00000000..93fd0107 --- /dev/null +++ b/wiki/concepts/AI图生视频.md @@ -0,0 +1,55 @@ +--- +title: "AI图生视频" +type: concept +tags: [ai, video-generation, image-to-video] +--- + +## Definition +AI图生视频（Image-to-Video）是一种将静态图片通过人工智能模型自动转化为动态视频的技术。模型需要完成运动估计（从静态图像推断可能的运动方向）、时序生成（合成多帧连续画面）、内容填充（生成原图中未显示的视角和细节）三大核心任务。 + +## Aliases +- 图生视频 +- Image to Video (I2V) +- Img2Vid +- AI Video Generation from Image + +## Core Techniques +- **运动估计**：从单张静态图片推断场景中各元素的运动方向和速度 +- **时序生成**：合成帧间连续性，确保视频流畅无闪烁 +- **内容扩展**：根据图片上下文填充画面外延区域（如物体背面、背景延续） +- **主体一致性**：在多段视频中保持人物/物体的视觉特征（面部、衣着、颜色）高度一致 +- **音频同步**：根据视频内容自动生成匹配的音效或背景音乐 + +## Control Methods +| 控制方式 | 描述 | 代表工具 | +|---------|------|---------| +| 文本提示词 | 通过自然语言描述控制运动和场景变化 | 智谱清影、通义万相、可灵AI | +| 动作模板 | 预定义的动作序列，用户直接选择 | 绘蛙AI视频 | +| 运镜参数 | 调整摄像机运动方式（推进/拉远/倾斜/轨道） | 即梦AI、Stable Video、Viva | +| 首尾帧 | 以首帧和尾帧图片约束视频首尾画面 | 即梦AI、PixVerse | +| 运动笔刷 | 手动选择图片中需要动态化的区域 | 艺映AI | + +## Key Capabilities +- **生成时长**：2秒至6秒不等，取决于工具和付费等级 +- **分辨率**：720p至1440p，免费工具通常为720p-1024p +- **生成速度**：30秒至数分钟 +- **风格支持**：写实、动漫、3D动画、油画、赛博朋克、国风等 +- **音效支持**：部分工具（智谱清影）支持AI自动生成匹配音效 + +## Applications +- **电商场景**：模特图动态化（换装展示、动作演示）、商品展示视频 +- **内容创作**：创意短片、自媒体视频素材 +- **广告制作**：营销视频、产品演示 +- **社交媒体**：小红书、抖音、快手短视频素材 + +## Related Concepts +- [[AI文生视频]]：通过文本描述直接生成视频，与图生视频互补 +- [[主体一致性]]：多段视频中保持人物视觉特征一致的技术 +- [[运镜控制]]：摄像机运动参数对视频效果的影响 +- [[首尾帧控制]]：以约束帧控制视频首尾画面的技术 + +## Key Entities +- [[智谱清影]]：支持音效自动生成的AI视频工具 +- [[可灵AI]]：快手推出的1080p高质量图生视频工具 +- [[即梦AI]]：首尾帧精准控制、多参数自定义 +- [[Vidu]]：清华大学联合发布，主体一致性领先 diff --git a/wiki/concepts/AI文生视频.md b/wiki/concepts/AI文生视频.md new file mode 100644 index 00000000..f3a8467a --- /dev/null +++ b/wiki/concepts/AI文生视频.md @@ -0,0 +1,36 @@ +--- +title: "AI文生视频" +type: concept +tags: [ai, video-generation, text-to-video] +--- + +## Definition +AI文生视频（Text-to-Video）是一种通过文本描述直接生成视频内容的人工智能技术。用户输入自然语言提示词，模型自动生成包含场景、角色、动作的动态视频。与 [[AI图生视频]] 互补：文生视频从零开始创作，图生视频则在静态图片基础上添加动态效果。 + +## Aliases +- 文生视频 +- Text to Video (T2V) +- TXT2VID +- AI Video Generation from Text + +## Core Techniques +- **文本编码**：将自然语言提示词编码为语义向量 +- **图像生成**：基于文本语义生成视频首帧或关键帧 +- **时序扩散**：通过扩散模型逐步生成帧间连续画面 +- **运动建模**：根据文本描述生成合理的物理运动 +- **视频解码**：将生成的隐表示解码为最终视频帧序列 + +## Key Capabilities +- 纯文本驱动，无需准备素材图片 +- 支持复杂场景描述和角色交互 +- 风格可控（写实、动漫、3D等） +- 生成时长通常2-6秒 + +## Applications +- 概念演示视频 +- 营销视频自动生成 +- 创意内容快速原型 + +## Related Concepts +- [[AI图生视频]]：在静态图片基础上添加动态效果，与本文生视频互补 +- [[运镜控制]]：摄像机运动参数对视频效果的影响 diff --git a/wiki/concepts/AI簡報工作流.md b/wiki/concepts/AI簡報工作流.md new file mode 100644 index 00000000..a0454dba --- /dev/null +++ b/wiki/concepts/AI簡報工作流.md @@ -0,0 +1,29 @@ +--- +title: "AI簡報工作流" +type: concept +tags: [AI, 簡報, 自動化, 工作流] +sources: [教學-chatgpt-先做知識整理-再讓-canva-gamma-ai-輸出簡報] +last_updated: 2026-04-23 +--- + +## Definition +两阶段演示文稿制作工作流——先用大语言模型（如 ChatGPT）做知识整理和信息结构化，再交由 AI 设计工具（如 Canva / Gamma AI）输出演示文稿。 + +## Core Principle +让 AI 扮演不同角色，充分发挥各自优势： +- **第一阶段（思考者）**：LLM 负责深度理解、总结、重组信息，将分散资料转化为清晰、有逻辑的内容框架 +- **第二阶段（设计师）**：AI 设计工具负责视觉呈现与排版，将结构化内容转化为精美演示文稿 + +## Why This Works +- 直接让 AI 生成简报往往内容逻辑不清、堆砌信息 +- 先整理后设计的工作流确保：内容有深度，呈现有美感 +- 符合"专注做擅长的事"原则——让工具各司其职 + +## Related Concepts +- [[知識結構化]]：将非结构化信息转化为清晰框架的能力 +- [[AI設計工具]]：Canva、Gamma AI 等自动将内容转化为视觉呈现的工具 +- [[YouTube-Content-Pipeline]]：共享"AI 整理 → AI 输出"两阶段模式 + +## Aliases +- AI简报自动化工作流 +- 智能简报工作流 diff --git a/wiki/concepts/Agent-Routing-Rules.md b/wiki/concepts/Agent-Routing-Rules.md new file mode 100644 index 00000000..e48a6139 --- /dev/null +++ b/wiki/concepts/Agent-Routing-Rules.md @@ -0,0 +1,26 @@ +--- +title: "Agent Routing Rules" +type: concept +last_updated: 2026-04-10 +--- + +## Definition +Agent Routing Rules 是 OpenClaw 中绑定特定 Channel（如 Telegram）到特定模型的配置规则，优先级高于全局配置文件（`openclaw.json`）。 + +## Key Characteristics +- 定义在 OpenClaw 的 Agent 路由层，不在 `openclaw.json` 全局 compaction 配置里 +- 修改全局配置对 Agent 级别路由无效 +- 模型 context window 直接影响可用 token 数量 + +## Common Failure Pattern +当 fallback 机制切换到小 context 模型，且该模型在路由规则中被绑定到某个 channel 时： +- Telegram channel → deepseek-reasoner (16K) +- 16K context + 16K safeguard 预留 = 0 可用 token + +## Related +- [[Model-Fallback]]: 触发模型切换的机制 +- [[Compaction]]: Agent 级别 compaction 与全局配置的区别 +- [[Layered-Configuration]]: 分层配置的重要性 + +## Sources +- [[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]] diff --git a/wiki/concepts/Call-Worthy-Threshold.md b/wiki/concepts/Call-Worthy-Threshold.md new file mode 100644 index 00000000..3d4ab76b --- /dev/null +++ b/wiki/concepts/Call-Worthy-Threshold.md @@ -0,0 +1,60 @@ +--- +title: "Call-Worthy Threshold" +type: concept +tags: [notification, prioritization, alerting, UX] +sources: [phone-call-notifications] +last_updated: 2026-04-23 +--- + +## Definition + +Call-Worthy Threshold 是判断某个事件是否值得触发电话通知的评估标准。核心原则：**电话通知必须稀缺，只有真正重要的信息才配得上占用用户的电话注意力**。如果 Agent 每天打电话 10 次，用户就会开始忽视电话——电话的价值在于其稀缺性。 + +## Decision Framework + +Agent 评估是否"值得打电话"时，应考虑： + +### 紧急程度（Urgency） +- 是否有时间敏感性？延迟处理会有什么后果？ +- 优先级递减：紧急（立即影响）> 重要（今天内需处理）> 参考（可稍后阅读） + +### 影响范围（Impact） +- 对用户的直接财务/健康/安全影响有多大？ +- 优先级递减：高影响（金钱/健康/安全）> 中影响（机会成本）> 低影响（信息） + +### 可替代性（Substitutability） +- 是否可以用更低打扰的方式通知？ +- 优先级递减：无法替代 > 低打扰通知不足 > 简单通知即可 + +## Anti-Patterns + +- **通知疲劳**：Agent 频繁打电话 → 用户开始忽略 → 真正重要的电话也被忽视 +- **过载包装**：将 10 条普通消息合并成一条电话播报 → 信息过载，用户无法聚焦 +- **误判优先级**：小事打电话，大事发消息 → 优先级判断标准混乱 + +## Best Practices + +1. **明确定义阈值**：用户应与 Agent 协商"什么情况打电话"，形成清晰标准 +2. **定期审计**：每月检查电话触发记录，确保频率保持在用户舒适范围内 +3. **日志可见**：用户可查看电话触发历史，理解 Agent 的判断逻辑 +4. **双向反馈**：用户说"这事不值得打电话"时，Agent 应记住并调整阈值 + +## Examples + +| Event | Worth Calling? | Reason | +|-------|---------------|--------| +| NVDA 股价暴跌 5% | ✅ Yes | 财务影响大，时间敏感 | +| 老板发来紧急邮件 | ✅ Yes | 高度时间敏感，潜在重大影响 | +| 天气预报提醒带伞 | ❌ No | 低紧急性，普通推送即可 | +| 日程冲突提醒 | ❌ No | 提前提醒，低紧急性 | +| 服务器完全宕机 | ✅ Yes | 安全/业务影响，即时行动必需 | + +## Related Concepts + +- [[Voice Notification Channel]] — 电话通道的价值建立在稀缺性之上 +- [[Alerting]] — 告警规则设计应与通知阈值协同 +- [[Preference Learning]] — Agent 可从用户反馈中学习阈值偏好 + +## Sources + +- [[phone-call-notifications]] diff --git a/wiki/concepts/Compaction.md b/wiki/concepts/Compaction.md new file mode 100644 index 00000000..e9cb435d --- /dev/null +++ b/wiki/concepts/Compaction.md @@ -0,0 +1,26 @@ +--- +title: "Compaction" +type: concept +last_updated: 2026-04-10 +--- + +## Definition +Compaction 是 OpenClaw 对话上下文压缩机制，用于在 token 接近上限时将历史对话压缩为摘要，释放上下文空间。 + +## Safeguard Mode +在 safeguard 模式下，OpenClaw 会预留 16K tokens 用于执行压缩操作： +- `reserveTokensFloor`: 压缩预留 token 下限 +- 当模型 context window 较小时（如 deepseek-reasoner 的 16K），预留空间与 context 相等导致实际可用空间为 0 + +## Configuration Levels +- **全局配置** (`openclaw.json`): 影响所有 Agent +- **Agent 级别配置** (routing rules): 影响特定 Agent/Channel，优先级更高 + +## Related +- [[Context-Window]]: 压缩的必要性来自 context window 的限制 +- [[Agent-Routing-Rules]]: Agent 级别配置可能覆盖全局 compaction 设置 +- [[上下文压缩]]: 已在 [[养龙虾5天血泪史]] 中详细讨论 + +## Sources +- [[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]] +- [[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]] diff --git a/wiki/concepts/Context-Window.md b/wiki/concepts/Context-Window.md new file mode 100644 index 00000000..f7a3d633 --- /dev/null +++ b/wiki/concepts/Context-Window.md @@ -0,0 +1,21 @@ +--- +title: "Context Window" +type: concept +last_updated: 2026-04-10 +--- + +## Definition +模型的 Context Window 是指单次 API 请求能处理的最大 token 数量（包括输入 prompt + 历史对话 + 输出 response）。超过这个上限就会触发"Context Limit Exceeded"错误。 + +## Key Facts +- **DeepSeek-reasoner**: 16K tokens context window +- **MiniMax-M2.7**: 200K tokens context window +- 16K context 模型配合 OpenClaw safeguard 模式预留 16K tokens = 实际可用 0 tokens + +## Related +- [[Compaction]]: OpenClaw 通过上下文压缩管理 token 消耗 +- [[Model-Fallback]]: 模型切换的触发机制 +- [[Agent-Routing-Rules]]: Telegram channel 绑定特定模型的方式 + +## Sources +- [[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]] diff --git a/wiki/concepts/Error-Surface-vs-Root-Cause.md b/wiki/concepts/Error-Surface-vs-Root-Cause.md new file mode 100644 index 00000000..da9f98eb --- /dev/null +++ b/wiki/concepts/Error-Surface-vs-Root-Cause.md @@ -0,0 +1,26 @@ +--- +title: "Error Surface vs Root Cause" +type: concept +last_updated: 2026-04-10 +--- + +## Definition +错误表象（Error Surface）是指错误信息字面上描述的问题，而根本原因（Root Cause）是导致错误发生的真正系统状态。"Context Limit Exceeded"字面上提示"对话太长"，但真实原因可能是"模型配置错误"。 + +## Core Principle +> **不要默认认为错误信息就是表面意思。先问一句：到底哪儿出问题了？** + +## Debugging Mindset +| 错误表象 | 根本原因 | +|---|---| +| Context limit exceeded = 对话太长 | 模型 context window 太小 | +| Session 文件爆满 = 文件需要清理 | 模型切换导致 token 立即耗尽 | +| 重启后问题复发 = 持久化配置错误 | Agent 路由规则在启动时重新加载 | + +## Related +- [[Log-Driven-Debugging]]: 通过日志还原真实系统状态 +- [[Hidden-Failure-Paths]]: 复杂系统中的隐藏故障路径 +- [[Layered-Configuration]]: 分层配置导致问题藏在不同层级 + +## Sources +- [[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]] diff --git a/wiki/concepts/Hidden-Failure-Paths.md b/wiki/concepts/Hidden-Failure-Paths.md new file mode 100644 index 00000000..3d8c275e --- /dev/null +++ b/wiki/concepts/Hidden-Failure-Paths.md @@ -0,0 +1,30 @@ +--- +title: "Hidden Failure Paths" +type: concept +last_updated: 2026-04-10 +--- + +## Definition +Hidden Failure Paths 是指在复杂分布式系统中，故障可能隐藏在多个层面和路径中，单点排查无法发现全部问题来源。 + +## OpenClaw 中的隐藏路径 +在 OpenClaw 这类分布式 AI Agent 系统中，一个"Context Limit Exceeded"问题可能藏在： +1. Session 文件（历史对话积累） +2. Memory plugin（记忆注入量） +3. Model config（context window 大小） +4. Routing rules（模型绑定） +5. Compaction 策略（token 预留量） + +## Debugging Strategy +逐一排除法：按层级逐层排查，每层确认无误后再进入下一层。 + +## Key Insight +> **工具/系统越复杂，问题的隐藏路径越深。** + +## Related +- [[Error-Surface-vs-Root-Cause]]: 隐藏路径导致表象与根因分离 +- [[Log-Driven-Debugging]]: 日志是发现隐藏路径的唯一可靠手段 +- [[Layered-Configuration]]: 分层架构本身就产生隐藏路径 + +## Sources +- [[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]] diff --git a/wiki/concepts/LLM-Wiki.md b/wiki/concepts/LLM-Wiki.md new file mode 100644 index 00000000..9237a89b --- /dev/null +++ b/wiki/concepts/LLM-Wiki.md @@ -0,0 +1,51 @@ +--- +title: "LLM Wiki" +type: concept +tags: [AI知识管理, 知识系统, RAG对比] +sources: [] +last_updated: 2026-04-09 +--- + +# LLM Wiki + +## 描述 +让 AI 增量构建和维护一个持久化的 Wiki 系统，页面之间互相链接，知识越积越厚。 + +## 核心理念（来自 Karpathy 2026-03 分享） + +### RAG 模式的问题 +"每次从零检索"，知识不积累。 + +### LLM Wiki 的优势 +- AI 在执行任务过程中顺手维护链接 +- 更新摘要 +- 添加 Tag +- 标记新旧矛盾 +- 页面间互相链接，知识越积越厚 +- 不是被动等着被查询 + +## 与 RAG 的对比 + +| 维度 | RAG | LLM Wiki | +|------|-----|----------| +| 知识积累 | 每次从零检索 | 增量构建 | +| 上下文 | 临时检索 | 持久化链接 | +| 关系 | 独立文档 | 互相链接形成网络 | +| 维护 | 被动等待查询 | 主动更新 | + +## 实现案例 + +### 用户实践（养虾日记3） +- **Obsidian 做知识库**（多端同步） +- **Gitea 做版本控制**（Git 历史） +- **OpenClaw 做写入接口**（obsidian skill） +- AI 在执行任务的过程中顺手维护链接、更新摘要、添加 Tag、标记新旧矛盾 + +### 相关工具 +- [[Obsidian]]：本地 Wiki 载体 +- [[Gitea]]：版本控制 +- [[OpenClaw]]：写入接口 + +## 相关来源 +- [[养虾日记3-用-obsidian-gitea-为-ai-助手构建持久化笔记系统]] +- [[karpathy-最新分享-用-llm-搭建个人知识库-告别-rag-的低效循环]] diff --git a/wiki/concepts/Layered-Configuration.md b/wiki/concepts/Layered-Configuration.md new file mode 100644 index 00000000..34fb56f4 --- /dev/null +++ b/wiki/concepts/Layered-Configuration.md @@ -0,0 +1,26 @@ +--- +title: "Layered Configuration" +type: concept +last_updated: 2026-04-10 +--- + +## Definition +Layered Configuration（分层配置）指系统配置存在多个层级，不同层级的配置有不同的优先级和作用范围。修改某一层级的配置无法影响其他层级的行为。 + +## OpenClaw 配置层级 +1. **Global Config** (`openclaw.json`): 全局 compaction 配置，影响所有 Agent +2. **Agent/Channel Specific Config**: 针对特定 Telegram Channel 或 Agent 的模型映射规则 +3. **环境变量**: 启动脚本里的 `MODEL_DEFAULT` 可能覆盖配置文件 + +## Debugging Implication +> **两层配置要分清：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。** + +当问题在全局层面无法解决时，需要检查 Agent 级别的路由规则和模型绑定配置。 + +## Related +- [[Agent-Routing-Rules]]: Agent 级别配置的具体形式 +- [[Compaction]]: 全局 compaction 配置的作用范围 +- [[Error-Surface-vs-Root-Cause]]: 分层配置是"错误表象 ≠ 根本原因"的常见原因 + +## Sources +- [[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]] diff --git a/wiki/concepts/Log-Driven-Debugging.md b/wiki/concepts/Log-Driven-Debugging.md new file mode 100644 index 00000000..29e9b41a --- /dev/null +++ b/wiki/concepts/Log-Driven-Debugging.md @@ -0,0 +1,29 @@ +--- +title: "Log-Driven Debugging" +type: concept +last_updated: 2026-04-10 +--- + +## Definition +Log-Driven Debugging 是一种通过系统日志定位问题根因的调试方法，尤其适用于分布式系统和多层配置架构。当错误信息具有误导性时，日志是最直接的系统状态反映。 + +## Key Insight +> **日志真的有用：Gateway 日志把问题写得明明白白，只是我自己没仔细看。** + +## OpenClaw Gateway Log Example +``` +provider=custom-api-deepseek-reasoner/deepseek-reasoner ctx=16000 +estimatedPromptTokens=393 overflowTokens=392 reserveTokens=16384 +``` +这条日志直接揭示了： +1. 当前模型已被切换为 deepseek-reasoner +2. 模型 context window 为 16K +3. Safeguard 预留 16K tokens 导致 overflow + +## Related +- [[Error-Surface-vs-Root-Cause]]: 日志帮助还原真实根因 +- [[Hidden-Failure-Paths]]: 日志是发现隐藏故障路径的唯一可靠手段 +- [[Layered-Configuration]]: 日志帮助识别配置层级问题 + +## Sources +- [[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]] diff --git a/wiki/concepts/Model-Fallback.md b/wiki/concepts/Model-Fallback.md new file mode 100644 index 00000000..d862a054 --- /dev/null +++ b/wiki/concepts/Model-Fallback.md @@ -0,0 +1,17 @@ +--- +title: "Model Fallback" +type: concept +last_updated: 2026-04-10 +--- + +## Definition +Model Fallback 是 OpenClaw 在默认模型不可用时，按优先级自动切换到 fallback 列表中下一个模型的机制。 + +## Triggers +1. **显式 API 不可用**: HTTP 503/502（服务宕机）、429（频率限制）、Connection Timeout +2. **隐性 Token 溢出预判**: 路由权重配置错误导致切换到更小 context 的模型 +3. **配置文件优先级覆盖**: Agent/Channel 级别配置覆盖全局配置 +4. **负载均衡算法**: 随机或轮询分发请求 + +## Sources +- [[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]] diff --git a/wiki/concepts/Self-Improving-Skill.md b/wiki/concepts/Self-Improving-Skill.md new file mode 100644 index 00000000..50a2219d --- /dev/null +++ b/wiki/concepts/Self-Improving-Skill.md @@ -0,0 +1,98 @@ +--- +title: "Self-Improving-Skill" +type: concept +tags: [openclaw, memory, agentic-ai] +sources: [养虾日记2-让agent更懂你-openclaw-self-improving-复盘实战案例分享] +last_updated: 2026-04-17 +--- + +## Aliases +- self-improving skill +- self-improving +- Self-Improving + +## Definition + +Self-Improving Skill 是一个结构化的 Agent 经验记录系统。当 AI Agent 遇到问题、做出决策、或发现值得记住的洞见时，调用 `self_improvement_log` 工具，将内容写入 `LEARNINGS.md` 或 `ERRORS.md`。核心目标：**让同一个错误只犯一次，第二次就知道怎么做对**。 + +## 核心机制 + +### 记录格式（固定结构） + +```markdown +## [LRN-YYYYMMDD-NNN] correction | workflow | config + +**Logged**: YYYY-MM-DDTHH:MM:SS+08:00 +**Priority**: high | medium | low +**Status**: pending | resolved | dismissed +**Area**: config | workflow | memory | cron | telegram | ... + +### Summary +一句话描述学到了什么 + +### Details +具体发生了什么、问题出在哪 + +### Suggested Action +以后遇到类似情况该怎么做（**必须具体到可直接执行**） + +### Metadata +- Pattern-Key: +- Recurrence-Count: 1 +- See Also: LRN-YYYYMMDD-NNN +``` + +### 记录类型 + +| 类型 | 用途 | 示例 | +|------|------|------| +| `correction` | 错误修正 | "Telegram chat ID 不应使用 user: 前缀" | +| `workflow` | 流程改进 | "创建每日复盘 cron job 机制" | +| `config` | 配置发现 | "cron job 的 deliver 默认不推送 Telegram" | + +### 核心字段 + +- **Pattern-Key**：经验记录的分类键，用于识别重复踩坑信号（如 `cron.telegram-delivery`）。**重复出现是系统性问题的警示灯**。 +- **Recurrence-Count**：元数据中的重复次数字段。**最重要的指标之一**——区分一次性偶发错误与需要系统性解决的重复问题。 + +## 使用原则 + +1. **每错必记，但分类要准确**。分类清晰，Pattern-Key 才能真正起作用 +2. **Suggested Action 必须具体到能直接执行**——写 `--to 5038825565`，而非"注意配置格式" +3. **每次复盘检查 Pattern-Key 重复**。同一个 Pattern-Key 出现第二次时，必须追问：上一次解决了吗？为什么又出现？ +4. **Recurrence-Count 是决策依据**：值高意味着需要系统性解决，而非继续记录 + +## 与双层记忆架构的关系 + +Self-Improving-Skill 是[[双层记忆架构]]的第三层（self-improving 层）： + +- **短期记忆层**：每日对话记录文件（`memory/YYYY-MM-DD.md`） +- **长期记忆层**：基于 [[LanceDB]] 的向量数据库（memory-lancedb-pro） +- **self-improving 层**：每日 23:00 定时复盘，将 learnings 写入文件，检查 Pattern-Key 重复 + +三层各司其职：**每日文件管上下文，向量数据库管知识，self-improving 管成长**。 + +## 与每日复盘机制的关系 + +[[每日复盘机制]] 是 self-improving skill 的执行入口。每天 23:00（北京时间）自动执行复盘流程： + +1. 读取当天 memory 文件 +2. 调用 `self_improvement_log` 记录今日学习 +3. 检查是否有 Pattern-Key 与之前重复 +4. 把有价值的经验同步到 memory-lancedb-pro（长期记忆） +5. 通过 Telegram 发送复盘摘要 + +## 效果与价值 + +- **错误只犯一次**：同一个坑第二次就知道怎么修，Recurrence-Count = 2 后再也不会犯 +- **发现静默漏洞**：每日复盘能发现"3月27日没有 memory 文件"这类正常情况下不会主动想到的问题 +- **从单次修正进化到系统性改进**：从"文件保存后要验证"（correction）进化到"建立每日复盘机制"（workflow） +- **区分一次性错误与系统性重复**：Pattern-Key + Recurrence-Count 提供量化决策依据 + +## References +- [[养虾日记2-让agent更懂你-openclaw-self-improving-复盘实战案例分享]] +- [[每日复盘机制]] +- [[双层记忆架构]] +- [[Pattern-Key]] +- [[Recurrence-Count]] +- [[LEARNINGS.md]] diff --git a/wiki/concepts/Two-Way-Voice-Conversation.md b/wiki/concepts/Two-Way-Voice-Conversation.md new file mode 100644 index 00000000..c87f78b0 --- /dev/null +++ b/wiki/concepts/Two-Way-Voice-Conversation.md @@ -0,0 +1,45 @@ +--- +title: "Two-Way Voice Conversation" +type: concept +tags: [voice, conversation, interaction, AI, real-time] +sources: [phone-call-notifications] +last_updated: 2026-04-23 +--- + +## Definition + +Two-Way Voice Conversation 是一种实时双向语音交互模式——AI Agent 主动拨叫用户，用户接听后可随时提问，Agent 实时响应。与传统的单向播报（TTS）或录音通知不同，真正的双向对话意味着用户可以打断、追问、澄清，而不是被动接收广播式信息。 + +## Why It Matters + +传统通知（推送、邮件、SMS）的本质是**单向广播**——Agent 发送信息，用户被动接收，无法即时互动。Two-Way Voice Conversation 打破了这一限制： + +- **即时澄清**：用户可以说"等等，哪封邮件？"或"现在价格多少？"，Agent 立即查询并回答 +- **动态深度**：用户可追问"为什么跌了？"引导 Agent 深入解释 +- **决策支持**：电话中即可做出决策（"帮我取消"、"确认出席"），无需挂断后额外操作 + +## Contrast with One-Way Notification + +| Aspect | One-Way Notification | Two-Way Voice Conversation | +|--------|---------------------|---------------------------| +| Direction | Agent → User | Agent ↔ User | +| User Action | Passive receive | Active query | +| Depth | Fixed message | Dynamic based on questions | +| Decision Making | Post-call action needed | Can decide on-call | +| Latency Tolerance | Low (pre-composed) | Higher (live response) | + +## Design Considerations + +- **模型速度**：通话场景需要低延迟响应，建议使用快速模型（Haiku 级别）减少等待 +- **上下文管理**：Agent 需要在通话中维护对话上下文，切换话题时自然流畅 +- **通话礼仪**：Agent 应简洁明了，不说废话，直接回答用户问题 + +## Related Concepts + +- [[Voice Notification Channel]] — 双向语音是电话通知的核心能力 +- [[Voice Interface]] — 语音交互的更宽泛概念 +- [[Telephony Integration]] — 电话集成的技术实现 + +## Sources + +- [[phone-call-notifications]] diff --git a/wiki/concepts/Voice-Notification-Channel.md b/wiki/concepts/Voice-Notification-Channel.md new file mode 100644 index 00000000..26ab3d7e --- /dev/null +++ b/wiki/concepts/Voice-Notification-Channel.md @@ -0,0 +1,37 @@ +--- +title: "Voice Notification Channel" +type: concept +tags: [notification, voice, alerting, channels] +sources: [phone-call-notifications] +last_updated: 2026-04-23 +--- + +## Definition + +Voice Notification Channel 是一种高优先级通知投递机制，AI Agent 通过主动拨打电话将关键信息触达用户。与推送通知、聊天消息等文字通道不同，电话具有无法被忽视的物理强制力——用户必须主动操作才能关闭铃音。 + +## Core Characteristics + +- **最高触达优先级**：电话是所有通知渠道中唯一能强制中断用户注意力的通道 +- **稀缺性原则**：电话通知必须稀缺，仅用于真正重要的事件；过度使用会导致通知疲劳 +- **主动触达**：Agent 主动拨叫用户，而非等待用户查询 + +## Channel Hierarchy + +| Channel | Priority | Latency | Attention Force | +|---------|----------|---------|-----------------| +| Phone Call | 🔴 最高 | 即时 | 无法忽视 | +| Push Notification | 🟡 中 | 即时 | 可忽略 | +| Chat Message | 🟢 低 | 即时 | 可埋没 | +| Email | ⚪ 低 | 异步 | 易堆积 | + +## Related Concepts + +- [[Alerting]] — 告警生成机制 +- [[Heartbeat-Monitoring]] — 触发告警的监控机制 +- [[Call-Worthy Threshold]] — 判断事件是否触发电话通知的标准 +- [[Two-Way Voice Conversation]] — 电话通知的核心差异化能力 + +## Sources + +- [[phone-call-notifications]] diff --git a/wiki/concepts/上下文刷新.md b/wiki/concepts/上下文刷新.md new file mode 100644 index 00000000..b06c80bc --- /dev/null +++ b/wiki/concepts/上下文刷新.md @@ -0,0 +1,74 @@ +--- +title: "上下文刷新（Memory Flush）" +type: concept +tags: [openclaw, memory, context-window, compaction] +sources: [养龙虾5天血泪史] +last_updated: 2026-04-23 +--- + +## Definition + +上下文刷新是 OpenClaw 的压缩前内存保护机制——在压缩器运行前，自动触发静默回合，提示 Agent 将重要上下文写入磁盘，确保关键信息在压缩后仍然可用。 + +## How It Works + +``` +对话累积 → 接近 Context Window → Memory Flush 触发 → Agent 写入 memory/YYYY-MM-DD.md → 压缩运行 → 摘要丢失但重要内容存活 +``` + +### 配置示例 + +```json +{ + "compaction": { + "memoryFlush": { + "enabled": true, + "softThresholdTokens": 4000 + } + } +} +``` + +### 参数说明 + +| 参数 | 说明 | +|------|------| +| `enabled` | 是否启用内存刷新 | +| `softThresholdTokens` | 触发刷新的 token 阈值 | + +### 阈值设置原则 + +- **小上下文模型**（8K-32K）：4000-8000 合适 +- **大上下文模型**（128K-200K）：需要更高阈值，避免过早触发导致上下文碎片化 +- **公式**：Context Window × 0.2 ~ 0.4 + +## The Gap: Memory Flush Only Runs Once Per Compression Cycle + +> "内存刷新每个压缩周期只触发一次。如果会话足够长，有两三次压缩，只有第一次得到刷新处理。之后的一切都处于风险中。" + +### 补充方案：Context Pruning + +```json +{ + "contextPruning": { + "mode": "cache-ttl", + "ttl": "6h", + "keepLastAssistants": 3 + } +} +``` + +- 在 6 小时后积极修剪旧上下文 +- 同时保留最后 3 个助手响应 +- 与 Memory Flush 结合：早期将重要内容写入磁盘，旧上下文在溢出前被清理 + +## Key Insight + +> "如果在磁盘上，它能在压缩中存活。如果只在对话中，它就有风险。" + +## Connections +- [[上下文压缩]] ← Memory Flush 防止上下文压缩的信息丢失 +- [[Context-Pruning]] ← 与 Memory Flush 协同工作 +- [[写入纪律]] ← Memory Flush 是写入纪律的技术实现 +- [[交接协议]] ← 互补：Memory Flush 处理压缩周期，交接协议处理模型切换 +- [[养龙虾5天血泪史]] ← 主要来源 diff --git a/wiki/concepts/上下文压缩.md b/wiki/concepts/上下文压缩.md new file mode 100644 index 00000000..8d061af7 --- /dev/null +++ b/wiki/concepts/上下文压缩.md @@ -0,0 +1,64 @@ +--- +title: "上下文压缩（Context Compaction）" +type: concept +tags: [openclaw, memory, context-window] +sources: [养龙虾5天血泪史] +last_updated: 2026-04-23 +--- + +## Definition + +上下文压缩是 AI Agent 在对话填满 Context Window 时，将旧消息压缩成摘要为新消息腾出空间的内置机制。是 OpenClaw 管理上下文长度的核心手段。 + +## How It Works + +当对话消息积累到一定量（接近 Context Window 限制）时，OpenClaw 的压缩器运行： +1. 扫描历史消息 +2. 生成摘要（Summary） +3. 丢弃原始消息 +4. 用摘要替代历史 + +## The Problem + +**压缩摘要丢失细节**： +- 姓名、数字、具体决定等关键信息全部消失 +- 摘要抓住了要点，但丢掉了可操作的细节 +- 精心设计的第 3 条消息指令和第 7 条闲聊得到相同处理 + +> "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。" — [[养龙虾5天血泪史]] + +## Solution: Memory Flush + +**在压缩运行前将重要上下文写入磁盘**： + +```json +{ + "compaction": { + "memoryFlush": { + "enabled": true, + "softThresholdTokens": 4000 + } + } +} +``` + +当会话接近上下文限制时： +1. OpenClaw 触发静默回合 +2. Agent 将重要内容写入 `memory/YYYY-MM-DD.md` +3. 压缩器运行 +4. 即使摘要丢失，重要内容仍保留在磁盘上 + +**注意**：4000 这个数值要根据模型上下文窗口大小调整。大模型（32K/128K/200K tokens）应设置更高值，避免过度压缩导致上下文碎片化。 + +## Key Insight + +> "压缩不是敌人。压缩过程中丢失信息才是。" + +**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。** + +## Connections +- [[上下文刷新]] ← 防止上下文压缩的信息丢失 +- [[上下文压缩]] ← 触发 [[上下文刷新]] +- [[Context-Pruning]] ← 与上下文压缩协同工作 +- [[写入纪律]] ← 上下文刷新是写入纪律的技术实现 +- [[养龙虾5天血泪史]] ← 主要来源 diff --git a/wiki/concepts/交接协议.md b/wiki/concepts/交接协议.md new file mode 100644 index 00000000..c33353ca --- /dev/null +++ b/wiki/concepts/交接协议.md @@ -0,0 +1,82 @@ +--- +title: "交接协议（Handoff Protocol）" +type: concept +tags: [openclaw, memory, model-switch, agentic-ai] +sources: [养龙虾5天血泪史] +last_updated: 2026-04-23 +--- + +## Definition + +交接协议是 AI Agent 在模型切换或会话结束时，将当前上下文状态写入每日日志的规程。解决 OpenClaw Agent 切换模型时丢失所有上下文的核心问题。 + +## The Problem + +OpenClaw Agent 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 +- 只看到自动加载的文件 +- 当前会话状态、进行中的任务、待处理决定全部丢失 + +> "切换模型后，Agent 表现得像我们从未交谈过。我提到两天前的讨论决定，它一脸茫然。" + +## Solution + +在任何模型切换或会话结束前执行交接： + +```markdown +# Handoff Protocol + +## Current Session State +- Current task: [task description] +- Progress: [X% complete] +- Pending decisions: [list] +- Next steps: [action items] + +## What Worked +- [insight 1] +- [insight 2] + +## What Didn't Work +- [failed approach 1] +- [failed approach 2] +``` + +## Implementation + +### 在 AGENTS.md 顶部添加交接指令 + +```markdown +# Handoff Protocol (必须执行) +Before any model switch or session end: +1. Write current task state to memory/YYYY-MM-DD.md +2. Include: progress, pending decisions, next steps +3. Note what worked and what didn't +4. This is non-negotiable — DO NOT skip +``` + +### 触发时机 + +- `/model` 命令切换模型 +- `/exit` 或 `/quit` 结束会话 +- 长时间无响应后的新会话 +- 主动要求交接时 + +## Key Insight + +> "交接协议是模型切换的修复" + +没有交接协议，新模型不知道发生了什么。有了交接协议，新模型从每日日志读取当前状态，无缝继续工作。 + +## 与上下文刷新的关系 + +- **上下文刷新**（Memory Flush）：防止单次压缩周期内的信息丢失 +- **交接协议**：防止模型切换时的信息丢失 + +两者互补，共同确保长期会话的信息完整性。 + +## Connections +- [[上下文压缩]] ← 交接协议解决压缩无法覆盖的多次压缩问题 +- [[上下文刷新]] ← 互补机制 +- [[写入纪律]] ← 交接协议是写入纪律的具体场景 +- [[自动加载文件]] ← 新模型只看到自动加载的文件，交接日志弥补缺失 +- [[养龙虾5天血泪史]] ← 主要来源 diff --git a/wiki/concepts/写入纪律.md b/wiki/concepts/写入纪律.md new file mode 100644 index 00000000..93d966b7 --- /dev/null +++ b/wiki/concepts/写入纪律.md @@ -0,0 +1,79 @@ +--- +title: "写入纪律（Write Discipline）" +type: concept +tags: [openclaw, memory, agentic-ai, best-practices] +sources: [养龙虾5天血泪史] +last_updated: 2026-04-23 +--- + +## Definition + +写入纪律是指强制 AI Agent 在任务执行过程中将决定、结果和错误主动记录到磁盘的规范。与"读取纪律"（设置文件供 Agent 读取）相对，是确保 Agent 记忆持久化的关键机制。 + +## Core Principle + +> "写入纪律比读取纪律更重要" + +大多数人设置文件供 Agent 读取，但从不强制执行写回。如果 Agent 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。 + +**写回是临时上下文变成永久记忆的唯一方式。** + +## Three Rules of Write Discipline + +1. **每个任务记录其结果**：任务完成后必须写入 memory/YYYY-MM-DD.md +2. **每个错误变成规则**：Agent 犯的错误必须转化为一行规则写入 LEARNINGS.md +3. **任何值得记住的内容在压缩前写入**：配置 memoryFlush 确保重要信息存活 + +## How to Enforce Write Discipline + +### 1. 启动序列强制指令 + +在 AGENTS.md 顶部明确列出写入时机： +``` +开始任何任务前： +- 搜索 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 +- 完成后立即写入结果 + +任务期间： +- 如果有重要决定或新信息产生，立即写入 memory/YYYY-MM-DD.md +``` + +### 2. 交接协议 + +在任何模型切换或会话结束前，Agent 将当前上下文写入每日日志： +``` +# Handoff Protocol +Before model switch or session end: +1. Write current task state to memory/YYYY-MM-DD.md +2. Note any pending decisions +3. Record what worked and what didn't +``` + +### 3. 禁止直接写入 MEMORY.md + +> "任务期间永远不要直接写入 MEMORY.md" + +- **每日日志**（`memory/YYYY-MM-DD.md`）：原始且仅追加，Agent 可自由写入 +- **MEMORY.md**：策划的长期记忆，在定期审查期间（心跳或定时任务）通过提炼每日日志来更新 + +让 Agent 向 MEMORY.md 转储任何内容，几周内它就会膨胀成 200 行的混乱。 + +## LEARNINGS.md: The Most Underrated File + +> "Agent 犯的每个错误都应该变成一行规则" + +示例： +- "在声称代码已推送前永远不要不检查 git 状态" +- "不要在群聊中读取完整的 MEMORY.md" +- "在安排前始终确认用户的时区" + +这些规则会复合——几周后，Agent 就有了从自己失败中构建的个人操作手册。 + +## Connections +- [[上下文压缩]] ← 写入纪律防止压缩导致信息丢失 +- [[上下文刷新]] ← 技术实现写入纪律的手段 +- [[LEARNINGS.md]] ← 写入纪律的具体存储文件 +- [[交接协议]] ← 写入纪律在模型切换时的应用 +- [[养龙虾5天血泪史]] ← 主要来源 +- [[Self-Improving-Skill]] ← 类似的自改进机制 diff --git a/wiki/concepts/启动序列.md b/wiki/concepts/启动序列.md new file mode 100644 index 00000000..9c703a09 --- /dev/null +++ b/wiki/concepts/启动序列.md @@ -0,0 +1,79 @@ +--- +title: "启动序列（Boot Sequence）" +type: concept +tags: [openclaw, agentic-ai, best-practices] +sources: [养龙虾5天血泪史] +last_updated: 2026-04-23 +--- + +## Definition + +启动序列是 AI Agent 启动时必须执行的操作指令集合，包括读取文件、搜索上下文、检查规则等初始化行为。是 Agent 正常工作的前提保障。 + +## Critical Rule: Put It at the Top of AGENTS.md + +> "启动序列放在 AGENTS.md 顶部。不要在中间。不要在底部。最顶部。" + +**自动加载的文件被注入系统提示词，所以启动指令需要是 Agent 处理的第一件事。** + +## OpenClaw 自动加载的文件 + +OpenClaw 在每个新会话上自动读取这些文件： +1. AGENTS.md ✅ +2. SOUL.md ✅ +3. TOOLS.md ✅ +4. IDENTITY.md ✅ +5. USER.md ✅ +6. HEARTBEAT.md ✅ +7. MEMORY.md ✅ + +**其他一切都需要 AGENTS.md 中的明确读取指令。** + +## Common Pitfall: Files That Don't Auto-Load + +> "我的 BOOT.md 有整个启动序列。但 OpenClaw 不自动加载 BOOT.md。所以指令就坐在那里，未读，什么都不做。我用了好几周。" + +### 不自动加载的文件（需要读取指令） +- BOOT.md ❌ +- BOOTSTRAP.md ❌ +- LEARNINGS.md（需要读取指令） +- 每日日志 memory/YYYY-MM-DD.md（需要读取指令） +- docs/ 文件夹（需要读取指令） + +## Boot Sequence Template + +```markdown +# AGENTS.md + +# 🚀 启动序列（必须首先执行） + +## 1. 读取每日日志 +- 检查 memory/ 目录获取最近 3 天的日志 +- 搜索与当前任务相关的上下文 + +## 2. 检查学习规则 +- 读取 learnings/LEARNINGS.md +- 应用任何相关规则 + +## 3. 确认用户信息 +- 读取 USER.md 确认当前用户身份 +- 检查是否有活跃任务 + +## 4. 开始任务 +[具体任务指令...] +``` + +## Boot Sequence Best Practices + +1. **最顶部**：启动序列必须是 AGENTS.md 的第一件事 +2. **具体**：明确列出文件名和执行顺序 +3. **可执行**：每个指令都是 Agent 可直接执行的动作 +4. **包含写回**：启动序列应包含"完成后写回结果"的指令 +5. **测试验证**：植入标记，跨会话测试 Agent 是否真正执行 + +## Connections +- [[自动加载文件]] ← 只有 7 个文件自动加载 +- [[写入纪律]] ← 启动序列应包含写回指令 +- [[检索触发]] ← 启动序列应强制触发检索 +- [[交接协议]] ← 模型切换时通过启动序列读取交接日志 +- [[养龙虾5天血泪史]] ← 主要来源 diff --git a/wiki/concepts/思维蒸馏（女娲造人术）.md b/wiki/concepts/思维蒸馏（女娲造人术）.md new file mode 100644 index 00000000..df10934c --- /dev/null +++ b/wiki/concepts/思维蒸馏（女娲造人术）.md @@ -0,0 +1,70 @@ +--- +title: "思维蒸馏（女娲造人术）" +type: concept +tags: [AI-Skill, Agent工作流, 认知框架] +sources: [] +last_updated: 2026-04-23 +--- + +# 思维蒸馏（女娲造人术） + +## 描述 +通过深度调研，从一个真实人物（历史人物/伟人/专家）的大量公开信息中，提炼出其核心思维框架，把它变成一个可运行的AI Skill。"女娲造人"这个比喻出自《风俗通》——女娲用泥土捏出了人类，我们的"造人"不是从虚无中创造角色，而是信息蒸馏。 + +## 核心机制 +不是让AI扮演肤浅的NPC，而是捕捉一个人**看世界的方式**： +- 决策逻辑 +- 思维模型 +- 表达DNA（高频用词、自嘲式幽默、方言痕迹） +- 遇逆境时的第一反应 +- 价值观与边界 + +## 工作流（女娲框架） + +``` +用户输入 → 入口分流（人名？模糊需求？） + ↓ + Phase 0.5: 创建技能目录 + ↓ + Phase 1: 6个Agent并行采集（著作/对话/表达DNA/他者视角/决策/时间线） + ↓ + Phase 1.5: 调研Review检查点 + ↓ + Phase 2: 框架提炼（心智模型/决策启发式/表达DNA/价值观/诚实边界） + ↓ + Phase 2.5: 提炼确认检查点 + ↓ + Phase 3: Skill构建 + ↓ + Phase 4: 质量验证（已知测试/边缘测试/风格测试） + ↓ + Phase 5: 双Agent精炼 + ↓ + 交付: [人名]-perspective/SKILL.md +``` + +**关键特点**：整个过程不依赖任何外部文件——技能目录是自包含的，复制到任何地方都能独立运行。 + +## 与"单向输出"的区别 +读《穷查理宝典》学芒格、看曾国藩家书学修身——这些都是**单向输出**：你在读他的话，但他的话不会回答你的具体问题。思维蒸馏的产出是一个可以**对话的导师**——可以针对你的具体问题，用伟人的思维框架给出建议。 + +## 蒸馏案例 +| 人物 | 适用场景 | +|------|---------| +| [[苏东坡]] | 逆境中保持风骨、豁达面对困境 | +| 芒格 | 投资决策、多元思维模型 | +| 费曼 | 物理思维、简化复杂问题 | +| 塔勒布 | 决策质量、风险管理 | +| 乔布斯 | 产品设计、直觉判断 | +| 海明威 | 写作风格 | + +## 与其他认知框架的关联 +- [[数字导师]] — 思维蒸馏的应用目标：让伟人成为日常思维顾问 +- [[AI-Skill]] — 思维蒸馏的产出格式 +- [[Second Brain]] — Second Brain捕获记忆，思维蒸馏蒸馏伟人——都是用AI构建外部认知能力 +- [[Agentic AI]] — 思维蒸馏依赖多Agent并行工作流（6个Agent同时采集） + +## Related Links +- [[女娲]]（Nuwa Skill）：github.com/alchaincyf/nuwa-skill +- [[苏东坡]] — 首个蒸馏实践 +- [[养虾日记5]] — 思维蒸馏的完整记录 diff --git a/wiki/concepts/播客生成.md b/wiki/concepts/播客生成.md new file mode 100644 index 00000000..d042637c --- /dev/null +++ b/wiki/concepts/播客生成.md @@ -0,0 +1,33 @@ +--- +title: "播客生成" +type: concept +tags: [ai, content-generation, tts, llm] +sources: [google-神级生产力工具-所有-github-开源平替都找到了, podcast-production-pipeline] +last_updated: 2026-04-23 +--- + +## Definition +播客生成（Podcast Generation）是将文本内容（文档、网页、PDF 等多模态输入）通过 AI 技术转换为逼真的多人对话音频的流程。核心是 LLM 脚本生成 + TTS 语音合成的组合。 + +## Technical Pipeline +1. **内容输入**：PDF、网页、音频、YouTube 字幕等多模态格式 +2. **文本理解**：LLM 提取核心信息和关键观点 +3. **脚本生成**：LLM 生成双人/多人对话脚本，赋予角色性格 +4. **语音合成（TTS）**：使用 ElevenLabs、Google TTS、Edge TTS 等引擎生成自然语音 +5. **音频编辑**：合并多轨音频，添加过渡效果 + +## Key Parameters +- **角色数量**：NotebookLM 双人对话；OpenNotebook 支持最多 4 位演讲者 +- **内容模式**：短视频风格（Shorts）vs 长篇深度（Longform） +- **语言支持**：多语言（Podcastfy 支持 100+ LLM 脚本生成） +- **TTS 引擎**：OpenAI、Google、ElevenLabs、Microsoft Edge TTS 等 + +## Applications +- 学习消化：通过听来消化复杂资料 +- 内容创作：将长文转化为播客，扩大受众覆盖 +- 知识分享：将文档内容以音频形式分发 + +## Related Concepts +- [[LLM]] — 脚本生成的大脑 +- [[TTS]]（文本转语音）— 语音合成引擎 +- [[文档问答]] — NotebookLM 的另一个核心功能 diff --git a/wiki/concepts/数字导师.md b/wiki/concepts/数字导师.md new file mode 100644 index 00000000..4f39f4b4 --- /dev/null +++ b/wiki/concepts/数字导师.md @@ -0,0 +1,39 @@ +--- +title: "数字导师" +type: concept +tags: [AI-Skill, 认知增强, 历史伟人] +sources: [] +last_updated: 2026-04-23 +--- + +# 数字导师 + +## 描述 +用AI蒸馏历史人物或伟人的思维框架，使其成为可对话的日常思维顾问——不是肤浅的NPC扮演，而是捕捉一个人看世界的方式（决策逻辑、思维模型、表达DNA、遇逆境时的第一反应），在需要时用他的思维镜片看自己的问题。 + +## 核心价值 +- **用别人的脑子思考自己的人生** — 读《穷查理宝典》是单向输出，数字导师可以针对你的具体问题给出建议 +- **每个人的Skill都是一个认知操作系统** — 你不需要同意他的所有观点，但可以在需要时借用他的镜片 +- **AI时代用AI放大人类历史上最强大的脑子** — 让历史伟人成为日常思维顾问 + +## 实现路径 +通过[[思维蒸馏（女娲造人术）]]将真实人物的核心思维框架蒸馏成AI Skill，激活后AI以该人物的视角与用户对话。 + +## 实践案例 +- [[养虾日记5]] — 蒸馏[[苏东坡]]为首位"数字导师"，展示了完整的蒸馏过程和真实对话记录 +- 失业焦虑者与苏东坡对话，苏东坡给出："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" + +## 应用场景 +| 想学什么 | 蒸馏谁 | +|---------|--------| +| 投资 | 芒格 | +| 物理思维 | 费曼 | +| 逆境中保持风骨 | 苏东坡 | +| 提升决策质量 | 塔勒布 | +| 写作 | 海明威 | +| 产品直觉 | 乔布斯 | + +## 相关来源 +- [[养虾日记5]] +- [[思维蒸馏（女娲造人术）]] +- [[苏东坡]] diff --git a/wiki/concepts/文档问答.md b/wiki/concepts/文档问答.md new file mode 100644 index 00000000..e466307f --- /dev/null +++ b/wiki/concepts/文档问答.md @@ -0,0 +1,23 @@ +--- +title: "文档问答" +type: concept +tags: [ai, knowledge-management, rag] +sources: [google-神级生产力工具-所有-github-开源平替都找到了, knowledge-base-rag] +last_updated: 2026-04-23 +--- + +## Definition +文档问答（Document Q&A）是指 AI 系统基于用户上传的文档内容进行问答，并能提供精准的原文引用。它是 RAG（检索增强生成）的一种具体应用形态，强调答案的可验证性和引用准确性。 + +## Core Characteristics +- **严格范围限制**：回答严格基于上传文档，不发散到外部知识 +- **原文引用**：每个答案附带精准的原文出处，支持回溯验证 +- **上下文感知**：理解文档整体结构，答案具有连贯性 + +## Key Distinction from General Q&A +普通 AI 问答（如 ChatGPT）是开放域生成，可能产生幻觉；文档问答强制限定知识范围，从根本上减少幻觉风险，提高回答可信度。 + +## Related Concepts +- [[RAG]] — 检索增强生成，是文档问答的技术基础 +- [[语义搜索]] — 文档问答的检索层技术 +- [[混合搜索]] — 语义 + 全文的组合检索技术 diff --git a/wiki/concepts/本地化部署.md b/wiki/concepts/本地化部署.md new file mode 100644 index 00000000..0855b3db --- /dev/null +++ b/wiki/concepts/本地化部署.md @@ -0,0 +1,33 @@ +--- +title: "本地化部署" +type: concept +tags: [ai, self-hosted, privacy, docker] +sources: [google-神级生产力工具-所有-github-开源平替都找到了] +last_updated: 2026-04-23 +--- + +## Definition +本地化部署（Local Deployment）是指在不依赖云端服务的情况下，在本地机器或私有服务器上运行 AI 应用。通过 Docker 等容器化技术简化部署，同时支持本地模型（Ollama、LM Studio）实现完全离线运行。 + +## Core Benefits +- **数据隐私**：文档和数据不离开本地，无需上传云端 +- **成本可控**：无需支付 API 调用费用 +- **离线可用**：完全离线环境下正常工作 +- **定制灵活**：可自由切换底层 AI 模型 + +## Key Technologies +- **容器化**：`docker run` 一键部署，无需手动配置环境 +- **本地模型**： + - [[Ollama]] — 最流行的本地 LLM 运行平台 + - [[LM Studio]] — 桌面端本地模型运行工具 +- **模型选择**：OpenAI、Anthropic Claude、Google Gemini 等云端 API 按需调用 + +## Use Cases +- 企业内部文档问答（数据不能外传） +- 个人知识管理（隐私优先） +- 网络受限环境（离线场景） + +## Related Entities +- [[OpenNotebook]] — 支持 Ollama/LM Studio 本地部署 +- [[InsightsLM]] — 支持 Ollama/Qwen3 完全离线 +- [[SurfSense]] — 支持本地 LLM 保护隐私 diff --git a/wiki/concepts/每日复盘机制.md b/wiki/concepts/每日复盘机制.md new file mode 100644 index 00000000..95152a98 --- /dev/null +++ b/wiki/concepts/每日复盘机制.md @@ -0,0 +1,58 @@ +--- +title: "每日复盘机制" +type: concept +tags: [openclaw, automation, memory, cron] +sources: [养虾日记2-让agent更懂你-openclaw-self-improving-复盘实战案例分享] +last_updated: 2026-04-17 +--- + +## Definition + +每日复盘机制是 [[OpenClaw]] 多 Agent 系统中的自动经验总结流程。每天固定时间（23:00 北京时间）通过 cron 任务自动触发，Agent 回顾当天工作、记录学习、更新记忆。核心目标：**在不被要求时主动发现问题和改进机会**。 + +## 执行流程 + +每天 23:00（北京时间），每个 Agent 独立运行自己的复盘流程： + +1. **读取当天 memory 文件**（`memory/YYYY-MM-DD.md`） +2. **调用 `self_improvement_log`** 记录今日学习（分类：correction / workflow / config） +3. **检查 Pattern-Key 重复**——如果发现同一个 Pattern-Key 出现多次，说明该问题需要系统性解决 +4. **把有价值的经验同步到长期记忆**（memory-lancedb-pro 向量数据库） +5. **通过 Telegram 发送复盘摘要** + +## 复盘发现静默漏洞的能力 + +复盘机制的价值不仅在于记录已知错误，更在于**主动发现正常情况下不会想到的问题**。例如： + +- **LRN-20260328-001** 发现：3月27日的 memory 文件是空的——原来设计只在"第一次对话时"创建 memory 文件，如果一整天都没有对话，文件就不会被创建 +- 这个静默漏洞导致第二天 Agent 想读取 3/27 的记录，发现什么都没有 +- **没有复盘，这个漏洞可能永远不会被发现** + +## 与其他组件的关系 + +- **触发器**：[[OpenClaw]] cron 任务系统（`every day at 23:00`） +- **执行工具**：`self_improvement_log` 工具 → 写入 [[LEARNINGS.md]] +- **数据源**：每日对话记录文件（`memory/YYYY-MM-DD.md`） +- **输出目标**：长期记忆向量数据库 + Telegram 摘要 +- **上层机制**：[[Self-Improving-Skill]] + +## 与 Self-Improving-Skill 的关系 + +[[每日复盘机制]] 是 [[Self-Improving-Skill]] 的**执行入口**。Self-Improving-Skill 定义了经验记录的格式和原则，每日复盘机制负责**定期激活**这一流程。两者的关系： + +- Self-Improving-Skill = 记录规范（What to log） +- 每日复盘机制 = 触发时机（When to log） + +## 实践建议 + +- 每个 Agent 独立运行自己的复盘流程 +- 复盘摘要通过 Telegram 发送给用户，保持透明 +- Pattern-Key 出现重复时，必须追问"上一次解决了吗？为什么又出现？" +- 有价值的经验同时写入向量数据库，供语义搜索召回 + +## References +- [[养虾日记2-让agent更懂你-openclaw-self-improving-复盘实战案例分享]] +- [[Self-Improving-Skill]] +- [[双层记忆架构]] +- [[Pattern-Key]] +- [[OpenClaw]] diff --git a/wiki/concepts/混合搜索.md b/wiki/concepts/混合搜索.md new file mode 100644 index 00000000..507a7184 --- /dev/null +++ b/wiki/concepts/混合搜索.md @@ -0,0 +1,26 @@ +--- +title: "混合搜索" +type: concept +tags: [ai, search, vector, bm25, rag] +sources: [google-神级生产力工具-所有-github-开源平替都找到了] +last_updated: 2026-04-23 +--- + +## Definition +混合搜索（Hybrid Search）结合语义搜索（向量相似度）和全文搜索（BM25/关键词匹配）两种技术，并通过重排序算法（Re-ranking）整合结果，兼顾语义理解深度和关键词精确度。 + +## Why Hybrid? +- **语义搜索擅长**：理解意图、同义词扩展、语义相关但不含关键词的内容 +- **BM25 擅长**：精确关键词匹配、人名/产品名/技术术语、查询词密集出现的内容 +- **两者结合**：互相补充，提升整体召回率和精确率 + +## Technical Pipeline (SurfSense 方案) +1. **语义搜索**：向量相似度初筛，获取语义相关候选集 +2. **BM25 全文搜索**：关键词精确匹配，补充专有名词召回 +3. **融合排序**：使用 RRF（Reciprocal Rank Fusion）等算法合并两个结果集 +4. **重排序（Re-ranking）**：使用更精准的模型对 top 结果二次排序 + +## Related Concepts +- [[语义搜索]] — 混合搜索的一个组成维度 +- [[重排序]]（Re-ranking）— 对混合结果集进行精排 +- [[RAG]] — 混合搜索常作为 RAG 系统的检索层 diff --git a/wiki/concepts/语义搜索.md b/wiki/concepts/语义搜索.md new file mode 100644 index 00000000..6281d837 --- /dev/null +++ b/wiki/concepts/语义搜索.md @@ -0,0 +1,24 @@ +--- +title: "语义搜索" +type: concept +tags: [ai, search, vector, rag] +sources: [google-神级生产力工具-所有-github-开源平替都找到了, semantic-memory-search] +last_updated: 2026-04-23 +--- + +## Definition +语义搜索（Semantic Search）是通过理解查询意图和文档语义的搜索方式，超越传统关键词匹配，基于向量相似度找到语义相关的内容。 + +## How It Works +1. **向量化**：将文档切分为 chunk，通过 Embedding 模型转换为向量 +2. **语义匹配**：将用户查询也转为向量，计算与文档向量的相似度 +3. **结果排序**：按相似度得分返回最相关的内容 + +## Limitations +- 对专有名词（如人名、产品名、技术术语）召回率低 +- 精确匹配需求场景表现不如 BM25 + +## Related Concepts +- [[混合搜索]] — 语义搜索 + BM25 的组合，互补各自局限 +- [[RAG]] — 语义搜索是 RAG 检索层的核心 +- [[重排序]]（Re-ranking）— 对语义搜索初筛结果进行二次精排 diff --git a/wiki/entities/Canva.md b/wiki/entities/Canva.md new file mode 100644 index 00000000..17f23f16 --- /dev/null +++ b/wiki/entities/Canva.md @@ -0,0 +1,24 @@ +--- +title: "Canva" +type: entity +tags: [AI, 设计, 簡報] +sources: [教學-chatgpt-先做知識整理-再讓-canva-gamma-ai-輸出簡報] +last_updated: 2026-04-23 +--- + +## Overview +Canva 是在线可视化设计平台（canva.com），支持简报、海报、社交媒体图片、logo、名片等多种设计类型。提供海量模板和设计素材，用户可通过拖拽操作快速完成设计。 + +## Key Features +- 海量专业模板库 +- 品牌套件（Logo、色彩、字体） +- AI 辅助设计功能（Magic Design、文本生成图片等） +- 团队协作与共享 +- 支持简报、海报、社交媒体等多种输出格式 + +## Role in AI簡報工作流 +在 AI 簡報工作流中，Canva 担任"设计师"角色——接收 ChatGPT 整理好的结构化内容，快速生成视觉精美的演示文稿。 + +## Related +- [[Gamma AI]]：AI 简报工具的另一个选择，更侧重 AI 驱动的一键生成 +- [[AI簡報工作流]]：Canva 在此工作流中负责视觉呈现 diff --git a/wiki/entities/ClawHub.md b/wiki/entities/ClawHub.md index 6264e9aa..3ddf6344 100644 --- a/wiki/entities/ClawHub.md +++ b/wiki/entities/ClawHub.md @@ -2,8 +2,8 @@ title: "ClawHub" type: entity tags: [ClawHub, OpenClaw, Skill, Marketplace] -sources: [daily-youtube-digest] -last_updated: 2026-04-22 +sources: [daily-youtube-digest, phone-call-notifications] +last_updated: 2026-04-23 --- ## Aliases @@ -17,8 +17,9 @@ ClawHub（clawhub.ai）是 OpenClaw 的官方 Skill 市场，托管 OpenClaw Age ## Key Skills on ClawHub - **youtube-full** — 自动获取 YouTube 频道最新视频、提取字幕并摘要 +- **clawr.ing** — 为 Agent 提供主动拨打电话通知能力，通过 PSTN 电话触达用户（参见 [[phone-call-notifications]]） - 持续扩充中（官网 clawhub.ai 浏览全部） ## Connections -- [[ClawHub]] ← hosts ← [[youtube-full skill]] -- [[OpenClaw]] ← extends via ← [[ClawHub]] skills +- [[clawhub.ai]] ← hosts ← [[youtube-full skill]], [[clawr.ing]] +- [[OpenClaw]] ← extends via ← [[clawhub.ai]] skills diff --git a/wiki/entities/Gamma-AI.md b/wiki/entities/Gamma-AI.md new file mode 100644 index 00000000..23b96891 --- /dev/null +++ b/wiki/entities/Gamma-AI.md @@ -0,0 +1,24 @@ +--- +title: "Gamma AI" +type: entity +tags: [AI, 設計, 簡報] +sources: [教學-chatgpt-先做知識整理-再讓-canva-gamma-ai-輸出簡報] +last_updated: 2026-04-23 +--- + +## Overview +Gamma AI（gamma.app）是一款 AI 驱动的演示文稿生成工具，用户只需输入主题或内容，Gamma AI 即可一键生成完整的演示文稿，支持主题定制和内容编辑。 + +## Key Features +- 一键生成完整演示文稿 +- 支持多种主题和风格选择 +- AI 自动排版和视觉设计 +- 内置编辑功能，可修改 AI 生成的内容 +- 支持网页模式（可作为网页发布） + +## Role in AI簡報工作流 +在 AI 簡報工作流中，Gamma AI 与 Canva 共同担任"设计师"角色。相比 Canva，Gamma AI 更侧重 AI 驱动的一键生成，适合快速从零制作简报的场景。 + +## Related +- [[Canva]]：另一个 AI 简报工具，更侧重模板和手动设计 +- [[AI簡報工作流]]：Gamma AI 在此工作流中负责视觉呈现与排版 diff --git a/wiki/entities/Gitea.md b/wiki/entities/Gitea.md index 394b2da9..9b46cbc9 100644 --- a/wiki/entities/Gitea.md +++ b/wiki/entities/Gitea.md @@ -1,33 +1,25 @@ --- title: "Gitea" type: entity -tags: [git, self-hosted, github-alternative, devops] -sources: [self-healing-home-server] -last_updated: 2026-04-22 +tags: [Git, 版本控制, 自托管] +sources: [] +last_updated: 2026-04-09 --- -## Aliases -- Gitea -- gitea +# Gitea -## Definition -Gitea 是一个开源、轻量级的自托管 Git 服务（GitHub/GitLab 替代方案），使用 Go 语言编写，最低硬件要求极低（512MB RAM）。支持 Git 仓库管理、Issue 追踪、Pull Request、Wiki、CI/CD（Actions）等完整功能。 +## 描述 +轻量级的自托管 Git 服务，托管笔记的版本控制，所有历史版本完整保留。 -## In Home Lab Context -在 [[self-healing-home-server]] 安全架构中，Gitea 作为**本地优先 Git 仓库**： -- 作为私有代码中转站（推送到公共 GitHub 前的 CI 扫描_gate） -- CI pipeline 运行 TruffleHog 等 secrets scanning 工具 -- Human review required before main branch merges -- 防止 Agent 直接暴露 API keys 到公共仓库 +## 与 Obsidian 笔记系统的集成 -## Security Role -Gitea 在 [[Local-first Git]] 工作流中的位置： -``` -Agent → commits → Gitea (private) → CI scan (TruffleHog) → Human review → GitHub (public) -``` +通过 Obsidian Git 插件，笔记每次更新都对应一个 Git commit： +- **任何时候都能回溯** — 三个月前某台服务器上跑的什么服务，一个 `git log` 就能找到 +- **变更有据可查** — "这个端口是什么时候改的？" → commit message 里写得清清楚楚 +- **多人协作预留** — 未来如果想让其他 AI Agent 也参与协作，Gitea 的权限体系天然支持 -## Connections -- [[Local-first Git]] — Gitea 作为私有中转的核心基础设施 -- [[OpenClaw]] — Agent 代码托管和工作流编排平台 -- [[TruffleHog]] — Gitea CI pipeline 中运行的 secrets scanning 工具 -- [[Defense-in-Depth]] — Gitea 是多层安全防御架构的一环 +## 核心价值 +AI 批量改文件的能力越强，越需要版本管理来兜底。自建服务确保私有数据不出内网。 + +## 相关来源 +- [[养虾日记3-用-obsidian-gitea-为-ai-助手构建持久化笔记系统]] diff --git a/wiki/entities/Google.md b/wiki/entities/Google.md new file mode 100644 index 00000000..0771982a --- /dev/null +++ b/wiki/entities/Google.md @@ -0,0 +1,23 @@ +--- +title: "Google" +type: entity +tags: [company, ai, productivity] +sources: [google-神级生产力工具-所有-github-开源平替都找到了] +last_updated: 2026-04-23 +--- + +## Overview +Google（谷歌）是全球领先的科技公司，隶属于 Alphabet 集团。旗下拥有 NotebookLM 等 AI 驱动的生产力工具，在 AI 笔记助手领域具有标杆地位。 + +## Aliases +- Google LLC +- Alphabet Inc.（母公司） +- 谷歌 + +## Key Products +- [[NotebookLM]] — AI 笔记助手，支持文档问答和播客生成 +- Google Gemini — 多模态大语言模型 +- Google Workspace — 办公套件 + +## Role in This Wiki +NotebookLM 是本文档讨论的标杆产品，所有开源平替均以 NotebookLM 为参照系。 diff --git a/wiki/entities/InsightsLM.md b/wiki/entities/InsightsLM.md new file mode 100644 index 00000000..6d63953b --- /dev/null +++ b/wiki/entities/InsightsLM.md @@ -0,0 +1,30 @@ +--- +title: "InsightsLM" +type: entity +tags: [product, open-source, ai, github, low-code] +sources: [google-神级生产力工具-所有-github-开源平替都找到了] +last_updated: 2026-04-23 +--- + +## Overview +InsightsLM 是 NotebookLM 的替代方案，强调低代码/无代码。它采用 [[Supabase]] 作为后端数据库和存储，结合 [[N8N]] 工作流自动化工具，前端基于 React 构建，提供可完全掌控数据的私有化研究工具。 + +## Aliases +- theaiautomators/insights-lm-public + +## Key Capabilities +- **文档对话**：与上传的文档进行聊天 +- **带引用答案**：生成可验证引用的回答 +- **播客生成**：支持播客内容生成 +- **N8N 工作流集成**：利用 N8N 进行后端逻辑处理 +- **本地化部署**：支持 Ollama 和 Qwen3 等本地模型，实现完全离线的 AI 交互 + +## Tech Stack +- **前端**：React +- **后端**：[[Supabase]]（数据库和存储）+ [[N8N]]（工作流自动化） + +## GitHub +https://github.com/theaiautomators/insights-lm-public + +## Role in This Wiki +InsightsLM 是最容易上手的低代码方案，适合不熟悉技术但希望私有化部署的用户。 diff --git a/wiki/entities/NotebookLM.md b/wiki/entities/NotebookLM.md new file mode 100644 index 00000000..43b7f3a8 --- /dev/null +++ b/wiki/entities/NotebookLM.md @@ -0,0 +1,27 @@ +--- +title: "NotebookLM" +type: entity +tags: [product, ai, google, productivity] +sources: [google-神级生产力工具-所有-github-开源平替都找到了] +last_updated: 2026-04-23 +--- + +## Overview +NotebookLM 是 Google 推出的 AI 笔记助手，核心特点是严格基于用户上传的文档范围进行回答，并能提供精准的原文引用。其最出圈的功能是**播客生成**，能将复杂资料一键转换为逼真的双人英语对话播客。 + +## Aliases +- Google NotebookLM +- NotebookLM (Google) + +## Core Capabilities +- **文档问答**：基于上传文档的精准回答，带原文引用 +- **播客生成**：多角色对话音频生成，支持收听学习 +- **多模态输入**：支持 PDF、网页、音频、YouTube 视频 + +## Key Parameters +- 免费使用 +- 支持多语言文档 +- 基于 Google Gemini 模型驱动 + +## Role in This Wiki +作为标杆产品，是本文档中 6 款开源平替（OpenNotebook、SurfSense、Podcastfy、NotebookLlama、PageLM、InsightsLM）的共同参照对象。 diff --git a/wiki/entities/NotebookLlama.md b/wiki/entities/NotebookLlama.md new file mode 100644 index 00000000..6e58a009 --- /dev/null +++ b/wiki/entities/NotebookLlama.md @@ -0,0 +1,27 @@ +--- +title: "NotebookLlama" +type: entity +tags: [product, open-source, ai, github, llamaindex] +sources: [google-神级生产力工具-所有-github-开源平替都找到了] +last_updated: 2026-04-23 +--- + +## Overview +NotebookLlama 是由 [[LlamaIndex]] 官方推出的完全开源项目，当前 1.7k Stars。通过 LlamaCloud 生态系统处理复杂文档解析，并利用开源模型实现从文档到播客的转换流程。 + +## Aliases +- run-llama/notebookllama + +## Key Capabilities +- **完整技术链条展示**：文本提取 → 脚本生成 → 戏剧化改编 → 文本转语音（TTS） +- **LlamaCloud 集成**：处理复杂文档解析 +- **多种模型支持**：OpenAI API、ElevenLabs API，或完全本地化的模型 + +## Learning Value +该开源项目是学习如何利用 AI 大模型技术链条构建文档转播客应用的参考实现。 + +## GitHub +https://github.com/run-llama/notebookllama + +## Role in This Wiki +NotebookLlama 的核心价值在于作为学习参考，展示构建文档转播客应用的完整 AI 技术链条。 diff --git a/wiki/entities/Obsidian.md b/wiki/entities/Obsidian.md new file mode 100644 index 00000000..b4aaa890 --- /dev/null +++ b/wiki/entities/Obsidian.md @@ -0,0 +1,66 @@ +--- +title: "Obsidian" +type: entity +tags: [笔记工具, 知识管理, 双链笔记] +sources: [] +last_updated: 2026-04-09 +--- + +# Obsidian + +## Aliases +- Obsidian.md +- Obsidian 笔记 + +## 描述 +本地优先的笔记和知识管理工具，支持双链笔记、Graph View 图谱视图和丰富的社区插件生态。通过 iCloud Drive 或 Obsidian Git 插件实现多端同步。 + +## 核心特性 + +### 双链笔记 (Bidirectional Links) +通过 `[[wikilinks]]` 语法在页面间建立双向链接，形成知识网络而非孤岛。 + +### Graph View +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： +- **健康检查**：没有任何页面链接指向它 → 孤岛页面，需要补上交叉引用 +- **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 → 灰色幽灵节点 + +### 社区插件 +- **Obsidian Git**：自动 commit + push 到 Git 仓库 +- **Obsidian Web Clipper**：浏览器插件，快速采集网页文章为 Markdown +- **Dataview**：类似数据库的笔记查询 +- **Tasks**：任务管理 +- **Templater**：动态模板 + +## 与 AI Agent 的集成 + +### 目录结构（OpenClaw 用法） +``` +/Users/weishen/Workspace/nexus/ +├── openclaw/ +│ ├── knowledgebase/ ← 经过整理、跨 Agent 共用的知识 +│ ├── xingshu/ ← 星枢专属笔记 +│ ├── xinghui/ ← 星辉专属笔记 +│ ├── xingyao/ ← 星曜专属笔记 +└── …（其他 Obsidian 笔记） +``` + +### OpenClaw obsidian skill +支持的操作： +- `obsidian write` — 创建或覆盖一篇笔记 +- `obsidian append` — 在已有笔记末尾追加内容 +- `obsidian read` — 读取笔记内容 +- `obsidian search` — 在笔记库中搜索关键词 +- `obsidian update` — 修改笔记的特定部分 + +## 图片本地化 +剪藏的网页文章图片通常是外链，几个月后失效。解决方案： +1. 设置 → 文件与链接 → 附件存储路径 → 设为当前文件夹下的 `attachments/` 子目录 +2. 绑定下载快捷键（如 `Ctrl+Shift+D`）→ 剪藏完按一下快捷键，所有图片自动下载到本地 + +## 相关来源 +- [[养虾日记3-用-obsidian-gitea-为-ai-助手构建持久化笔记系统]] +- [[obsidian-高效指南-我常用的插件与实用技巧]] +- [[obsidian最有必要安装的10款插件是这些]] +- [[Obsidian Tasks 插件-这可能是最适合懒人的任务管理方式]] +- [[dataview-让我从笔记黑洞里逃出来的-obsidian-神器-1]] diff --git a/wiki/entities/OpenNotebook.md b/wiki/entities/OpenNotebook.md new file mode 100644 index 00000000..eb7863ea --- /dev/null +++ b/wiki/entities/OpenNotebook.md @@ -0,0 +1,31 @@ +--- +title: "OpenNotebook" +type: entity +tags: [product, open-source, ai, github, local-deployment] +sources: [google-神级生产力工具-所有-github-开源平替都找到了] +last_updated: 2026-04-23 +--- + +## Overview +OpenNotebook 是 GitHub 上 Star 数量最高的 NotebookLM 开源平替项目（14.6k Stars）。作为全功能本地化解决方案，不依赖云端即可进行知识管理和研究，支持 Docker 轻松部署。 + +## Aliases +- Open Notebook +- lfnovo/open-notebook + +## Key Capabilities +- **多 AI 提供商支持**：超过 16 种 AI 提供商，包括 OpenAI、Anthropic、Claude、Gemini 等主流云端模型 +- **本地模型支持**：完美支持通过 [[Ollama]] 或 [[LM Studio]] 运行的本地模型 +- **多模态内容输入**：PDF、网页、音频、YouTube 视频 +- **文档问答**：类似 NotebookLM 的文档问答和引用功能 +- **播客生成**：高级播客生成工具，支持创建多达 4 位演讲者的多角色对话，可对脚本进行精细控制 + +## Deployment +- Docker 容器化部署 +- 完全本地化运行，无需云端依赖 + +## GitHub +https://github.com/lfnovo/open-notebook + +## Role in This Wiki +OpenNotebook 是开源平替中功能最全面、Star 最高的项目，适合需要完全本地化部署且功能完整替代的用户。 diff --git a/wiki/entities/PageLM.md b/wiki/entities/PageLM.md new file mode 100644 index 00000000..3314ea47 --- /dev/null +++ b/wiki/entities/PageLM.md @@ -0,0 +1,27 @@ +--- +title: "PageLM" +type: entity +tags: [product, open-source, ai, github, education] +sources: [google-神级生产力工具-所有-github-开源平替都找到了] +last_updated: 2026-04-23 +--- + +## Overview +PageLM 是一个把学习材料转化为互动式资源的教育平台，通过 AI 技术提升学习效率。该开源项目提供了一系列针对学习场景优化的功能。 + +## Aliases +- CaviraOSS/PageLM + +## Key Capabilities +- **康奈尔笔记（SmartNotes）**：自动生成结构化康奈尔格式笔记 +- **互动测验**：基于文档的自动生成测验 +- **间隔重复闪卡（Flashcards）**：支持科学复习的闪卡系统 +- **模拟考试系统（ExamLab）**：自动化模拟考试生成 +- **播客转换**：将枯燥的学习资料转化为播客，支持读、听、测三种学习方式 +- **多 AI 模型支持**：Google Gemini、OpenAI GPT、Anthropic Claude、本地 Ollama 模型 + +## GitHub +https://github.com/CaviraOSS/PageLM + +## Role in This Wiki +PageLM 是教育场景的垂直工具，适合需要将文档转化为学习资源的教育者和学生。 diff --git a/wiki/entities/Podcastfy.md b/wiki/entities/Podcastfy.md new file mode 100644 index 00000000..ca351008 --- /dev/null +++ b/wiki/entities/Podcastfy.md @@ -0,0 +1,31 @@ +--- +title: "Podcastfy" +type: entity +tags: [product, open-source, ai, github, podcast] +sources: [google-神级生产力工具-所有-github-开源平替都找到了] +last_updated: 2026-04-23 +--- + +## Overview +Podcastfy 专注于播客生成，对标的是 NotebookLM 的播客生成功能。它可以把多模态内容（文本、图像、网站、PDF 等）转化为高质量、多语言的音频对话。 + +## Aliases +- souzatharsis/podcastfy + +## Key Capabilities +- **多模态输入转换**：文本、图像、网站、PDF → 高质量音频对话 +- **高度定制化**：支持短视频风格（Shorts）或长篇深度（Longform）播客内容 +- **100+ LLM 整合**：用于脚本生成 +- **多 TTS 引擎**：OpenAI、Google、ElevenLabs、Microsoft Edge TTS 等多种语音合成引擎 +- **多使用方式**：Python 包、命令行工具、Web 界面 + +## Deployment +- Python 包（pip install） +- 命令行工具 +- Web 界面 + +## GitHub +https://github.com/souzatharsis/podcastfy + +## Role in This Wiki +Podcastfy 是专门做播客生成的开源工具，适合只需要 NotebookLM 播客功能、不需要文档问答的用户。 diff --git a/wiki/entities/SurfSense.md b/wiki/entities/SurfSense.md new file mode 100644 index 00000000..b2d388a5 --- /dev/null +++ b/wiki/entities/SurfSense.md @@ -0,0 +1,31 @@ +--- +title: "SurfSense" +type: entity +tags: [product, open-source, ai, github, research] +sources: [google-神级生产力工具-所有-github-开源平替都找到了] +last_updated: 2026-04-23 +--- + +## Overview +SurfSense 是一个综合型开源 AI 搜索与研究智能体，定位为 NotebookLM、Perplexity 和 Glean 的开源替代品，在 GitHub 上拥有 11.4k 颗 Star。它不仅能处理上传的文件，还能连接广泛的外部数据源，通过整合个人知识库和外部信息流进行深度定制化研究。 + +## Aliases +- MODSetter/SurfSense + +## Key Capabilities +- **外部数据源集成**：Notion、YouTube、GitHub 等多种平台和工具 +- **混合搜索技术**：语义搜索 + 全文搜索，结合重排序算法确保精准引用 +- **自然语言对话**：与保存的内容进行自然语言对话，生成带引用的答案 +- **本地 LLM 支持**：利用本地 LLM 保护隐私 +- **播客生成**：快速播客生成智能体，支持多种文本转语音服务 +- **团队协作**：支持 Docker 部署和基于角色的访问控制（RBAC） + +## Deployment +- Docker 容器化部署 +- 支持 RBAC 团队协作场景 + +## GitHub +https://github.com/MODSetter/SurfSense + +## Role in This Wiki +SurfSense 是最具综合性的平替，适合需要整合外部数据源进行研究的用户。 diff --git a/wiki/entities/clawr.ing.md b/wiki/entities/clawr.ing.md new file mode 100644 index 00000000..a6530102 --- /dev/null +++ b/wiki/entities/clawr.ing.md @@ -0,0 +1,51 @@ +--- +title: "clawr.ing" +type: entity +tags: [clawr.ing, telephony, OpenClaw, notification, voice, PSTN] +sources: [phone-call-notifications] +last_updated: 2026-04-23 +--- + +## Aliases +- clawr.ing +- Clawr.ing +- clawring + +## Definition + +clawr.ing 是一个托管电话服务（Managed Calling Service），为 AI Agent 提供主动向用户拨打电话的能力，无需配置 Twilio 或其他电话 API。用户只需粘贴一段 setup prompt，Agent 即获得电话呼叫能力，支持 100+ 国家的真实 PSTN 电话。音频传输加密，不存储录音或文字记录，通话完成后即时销毁。 + +## Key Capabilities + +- **Agent-Initiated Calls**: Agent 主动拨叫用户真实电话号码，而非用户呼叫 Agent +- **Two-Way Conversation**: 用户接听后可实时提问，Agent 实时响应——真正的双向对话，而非单向广播 +- **Global PSTN Coverage**: 100+ 国家真实公共交换电话网电话，非 VoIP 叠加层 +- **Zero-Config Setup**: 粘贴 setup prompt 即可，无需 Twilio 账号、无需电话号码配置、无需 Webhook +- **Privacy by Design**: 不存储录音、不存储文字记录，音频加密传输后即时销毁 +- **Fast Model Compatible**: 可配合快速模型（Haiku 级别）降低通话延迟 + +## How It Works + +1. 用户从 [clawr.ing dashboard](https://clawr.ing) 获取一段 setup prompt +2. 将 setup prompt 粘贴到 OpenClaw 对话中，Agent 自动读取文档并配置呼叫能力 +3. Agent 通过自然语言触发呼叫（如 "Call me if NVDA drops 5% today"） +4. clawr.ing 执行实际电话呼叫，用户接听即可双向对话 + +## Use Cases + +- 紧急告警：股价暴跌、服务器宕机等关键事件立即电话通知 +- 定时简报：每天早晨 7:30 定时来电播报天气/日历/新闻 +- 重要邮件过滤：老板或标记紧急的邮件立即电话通知 +- 任何需要"无法忽视"触达的场景 + +## Design Principles + +- **控制频率**：电话通知必须稀缺（"这真的很重要才打电话"），否则用户会麻木 +- **配合触发器**：clawr.ing 是投递通道，需要 Heartbeat/Cron Job 作为触发器 +- **快速响应优先**：通话场景使用快速模型减少等待延迟 + +## Connections +- [[clawr.ing]] ← powers ← [[phone-call-notifications]] +- [[clawhub.ai]] ← hosts ← [[clawr.ing]] skill +- [[OpenClaw]] ← extends via ← [[clawr.ing]] skill +- [[phone-based-personal-assistant]] ← related_to ← [[clawr.ing]]（后者侧重 Agent 去电通知，前者侧重用户来电咨询） diff --git a/wiki/entities/苏东坡.md b/wiki/entities/苏东坡.md new file mode 100644 index 00000000..e964e6d5 --- /dev/null +++ b/wiki/entities/苏东坡.md @@ -0,0 +1,43 @@ +--- +title: "苏东坡" +type: entity +tags: [] +--- + +## Overview +苏轼（1037-1101），号东坡居士，北宋文学家、书法家、画家，唐宋八大家之一。一生三起三落：从庙堂翰林到黄州团练副使，再到惠州、儋州南荒，最后病逝于北归途中常州。无论被贬到多荒远的地方，始终躬耕做事——东坡种田、惠州插秧、儋州办学堂。"问汝平生功业，黄州惠州儋州"是自嘲也是骨气。 + +## Type +人物 / 历史人物 / 思维导师 + +## Aliases +- 苏轼 +- 苏东坡 +- 东坡居士 +- 苏子瞻 +- SuDongPo + +## 蒸馏出的六大心智模型 + +1. **进退由时，行藏在我** — 庙堂之高与江湖之远都是正确的人生选项，判断"此刻我能进吗"+"我内心想进吗" +2. **此心安处是吾乡** — 故乡不是地理概念，是心安之处；被贬黄州物质最匮乏的三年反而诞生了《赤壁赋》等一生最重要作品 +3. **辞达而已** — 文章千古事，妙在准确传达，不在辞藻堆砌；回到"我要传达什么"这个根本问题 +4. **以时受力，逆境转化** — 时间和困苦可以转化，逆境是创作的土壤；不是歌颂苦难，而是肯定人在苦难中的主动转化能力 +5. **自出新意，不践古人** — 学习古人是为了超越古人，不是成为古人；传承是底座，超越是目的 +6. **物我相谙，天人合一** — 人与自然不是主客体对立，而是融为一体；从不同尺度、不同角度重新审视问题 + +## 关键语录（被AI蒸馏后） +- "大江东去，浪淘尽，千古风流人物"——但真正风流的人，不是站在浪尖上的人，而是**被浪打下去、还能爬起来的人** +- "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 + +## 蒸馏为AI Skill +- 产出：[[苏东坡Skill]]（ishenwei/openclaw-skills仓库） +- 基于：[[女娲]]（Nuwa Skill）框架 +- 蒸馏方式：6个并行Agent从6维度采集（著作/对话/表达DNA/他者视角/决策/时间线） +- 激活后：AI以苏东坡的视角与用户对话 + +## Related Links +- [[女娲]] — 提供蒸馏框架的开源项目 +- [[苏东坡Skill]] — 蒸馏产出的AI Skill +- [[数字导师]] — 蒸馏苏东坡的动机——成为日常思维顾问 +- [[养虾日记5]] — 蒸馏苏东坡的完整记录 diff --git a/wiki/index.md b/wiki/index.md index 1d2dd984..917a445d 100644 --- a/wiki/index.md +++ b/wiki/index.md @@ -4,6 +4,22 @@ - [Overview](overview.md) — living synthesis ## Sources +- [2026-04-22] [文字生成视频网站推荐](sources/文字生成视频网站推荐.md) +- [2026-04-22] [Google 神级生产力工具，所有 GitHub 开源平替都找到了。](sources/google-神级生产力工具-所有-github-开源平替都找到了.md) +- [2026-04-22] [教學 ChatGPT 先做知識整理，再讓 Canva、 Gamma AI 輸出簡報](sources/教學-chatgpt-先做知識整理-再讓-canva-gamma-ai-輸出簡報.md) +- [2026-04-22] [Designing for Agentic AI](sources/designing-for-agentic-ai.md) +- [2026-04-22] [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-用ai让图片动起来-ai视频教程-ai自动化工作流定制服务-ai培训学习平台-黑喵大叔.md) +- [2026-04-22] [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](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) +- [2026-04-22] [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](sources/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) +- [2026-04-22] [不谈技术：普通人该怎么在AI时代赚钱？](sources/不谈技术-普通人该怎么在ai时代赚钱.md) +- [2026-04-22] [养虾日记3：用 Obsidian + Gitea 为 AI 助手构建持久化笔记系统](sources/养虾日记3-用-obsidian-gitea-为-ai-助手构建持久化笔记系统.md) +- [2026-04-22] [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](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) +- [2026-04-22] [养虾日记1：我用 OpenClaw 管了 28 万张照片：一次真实的多设备照片整理实战](sources/养虾日记1-我用-openclaw-管了-28-万张照片-一次真实的多设备照片整理实战.md) +- [2026-04-22] [养虾日记2：让Agent更懂你：OpenClaw + Self-Improving 复盘实战案例分享](sources/养虾日记2-让agent更懂你-openclaw-self-improving-复盘实战案例分享.md) +- [2026-04-22] [X Account Analysis](sources/x-account-analysis.md) +- [2026-04-22] [Phone Call Notifications](sources/phone-call-notifications.md) +- [2026-04-22] [Autonomous Educational Game Development Pipeline](sources/autonomous-game-dev-pipeline.md) +- [2026-04-22] [arXiv Paper Reader](sources/arxiv-paper-reader.md) - [2026-04-22] [Semantic Memory Search](sources/semantic-memory-search.md) - [2026-04-22] [OpenClaw as Desktop Cowork (AionUi) — Remote Rescue & Multi-Agent Hub](sources/aionui-cowork-desktop.md) - [2026-04-22] [Family Calendar Aggregation & Household Assistant](sources/family-calendar-household-assistant.md) @@ -130,7 +146,6 @@ - [2026-04-21] [marketing-carousel-growth-engine](sources/marketing-carousel-growth-engine.md) — (expected: wiki/sources/marketing-carousel-growth-engine.md — source missing) - [2026-04-21] [codecrafters-iobuild-your-own-x-master-programming-by-recreating-your-favorite-technologies-from-scratch](sources/codecrafters-iobuild-your-own-x-master-programming-by-recreating-your-favorite-technologies-from-scratch.md) — (expected: wiki/sources/codecrafters-iobuild-your-own-x-master-programming-by-recreating-your-favorite-technologies-from-scratch.md — source missing) - [2026-04-21] [marketing-private-domain-operator](sources/marketing-private-domain-operator.md) — (expected: wiki/sources/marketing-private-domain-operator.md — source missing) -- [2026-04-21] [教學-chatgpt-先做知識整理-再讓-canva-gamma-ai-輸出簡報](sources/教學-chatgpt-先做知識整理-再讓-canva-gamma-ai-輸出簡報.md) — (expected: wiki/sources/教學-chatgpt-先做知識整理-再讓-canva-gamma-ai-輸出簡報.md — source missing) - [2026-04-21] [marketing-short-video-editing-coach](sources/marketing-short-video-editing-coach.md) — (expected: wiki/sources/marketing-short-video-editing-coach.md — source missing) - [2026-04-21] [marketing-social-media-strategist](sources/marketing-social-media-strategist.md) — (expected: wiki/sources/marketing-social-media-strategist.md — source missing) - [2026-04-21] [marketing-kuaishou-strategist](sources/marketing-kuaishou-strategist.md) — (expected: wiki/sources/marketing-kuaishou-strategist.md — source missing) @@ -398,22 +413,7 @@ - [2026-04-18] [openai-chatgpt-个性化定义](sources/openai-chatgpt-个性化定义.md) — (expected: wiki/sources/openai-chatgpt-个性化定义.md — source missing) - [2026-04-18] [清华出的deepseek使用手册-104页-真的是太厉害了-免费领取](sources/清华出的deepseek使用手册-104页-真的是太厉害了-免费领取.md) — (expected: wiki/sources/清华出的deepseek使用手册-104页-真的是太厉害了-免费领取.md — source missing) - [2026-04-18] [llms-rag-ai-agent-三个到底什么区别](sources/llms-rag-ai-agent-三个到底什么区别.md) — (expected: wiki/sources/llms-rag-ai-agent-三个到底什么区别.md — source missing) -- [2026-04-18] [a-formalization-of-recursive-self-optimizing-generative-systems](sources/a-formalization-of-recursive-self-optimizing-generative-systems.md) — (expected: wiki/sources/a-formalization-of-recursive-self-optimizing-generative-systems.md — source missing) -- [2026-04-18] [文字生成视频网站推荐](sources/文字生成视频网站推荐.md) — (expected: wiki/sources/文字生成视频网站推荐.md — source missing) -- [2026-04-18] [google-神级生产力工具-所有-github-开源平替都找到了](sources/google-神级生产力工具-所有-github-开源平替都找到了.md) — (expected: wiki/sources/google-神级生产力工具-所有-github-开源平替都找到了.md — source missing) -- [2026-04-18] [designing-for-agentic-ai](sources/designing-for-agentic-ai.md) — (expected: wiki/sources/designing-for-agentic-ai.md — source missing) -- [2026-04-18] [14个免费的ai图生视频工具-用ai让图片动起来-ai视频教程-ai自动化工作流定制服务-ai培训学习平台-黑喵大叔](sources/14个免费的ai图生视频工具-用ai让图片动起来-ai视频教程-ai自动化工作流定制服务-ai培训学习平台-黑喵大叔.md) — (expected: wiki/sources/14个免费的ai图生视频工具-用ai让图片动起来-ai视频教程-ai自动化工作流定制服务-ai培训学习平台-黑喵大叔.md — source missing) -- [2026-04-18] [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](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) — (expected: 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 — source missing) -- [2026-04-18] [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](sources/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) — (expected: wiki/sources/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 — source missing) -- [2026-04-17] [不谈技术-普通人该怎么在ai时代赚钱](sources/不谈技术-普通人该怎么在ai时代赚钱.md) — (expected: wiki/sources/不谈技术-普通人该怎么在ai时代赚钱.md — source missing) -- [2026-04-17] [养虾日记3-用-obsidian-gitea-为-ai-助手构建持久化笔记系统](sources/养虾日记3-用-obsidian-gitea-为-ai-助手构建持久化笔记系统.md) — (expected: wiki/sources/养虾日记3-用-obsidian-gitea-为-ai-助手构建持久化笔记系统.md — source missing) -- [2026-04-17] [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](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) — (expected: 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 — source missing) -- [2026-04-17] [养虾日记1-我用-openclaw-管了-28-万张照片-一次真实的多设备照片整理实战](sources/养虾日记1-我用-openclaw-管了-28-万张照片-一次真实的多设备照片整理实战.md) — (expected: wiki/sources/养虾日记1-我用-openclaw-管了-28-万张照片-一次真实的多设备照片整理实战.md — source missing) -- [2026-04-17] [养虾日记2-让agent更懂你-openclaw-self-improving-复盘实战案例分享](sources/养虾日记2-让agent更懂你-openclaw-self-improving-复盘实战案例分享.md) — (expected: wiki/sources/养虾日记2-让agent更懂你-openclaw-self-improving-复盘实战案例分享.md — source missing) -- [2026-04-17] [x-account-analysis](sources/x-account-analysis.md) — (expected: wiki/sources/x-account-analysis.md — source missing) -- [2026-04-17] [phone-call-notifications](sources/phone-call-notifications.md) — (expected: wiki/sources/phone-call-notifications.md — source missing) -- [2026-04-17] [autonomous-game-dev-pipeline](sources/autonomous-game-dev-pipeline.md) — (expected: wiki/sources/autonomous-game-dev-pipeline.md — source missing) -- [2026-04-17] [arXiv Paper Reader](sources/arxiv-paper-reader.md) — AI Agent 驱动的 arXiv 论文阅读助手，通过 arxiv-reader skill 实现对话式论文浏览、摘要对比和选择性细读，无需离开工作区 +- [2025-12-30] [A Formalization of Recursive Self-Optimizing Generative Systems](sources/a-formalization-of-recursive-self-optimizing-generative-systems.md) — 递归自我优化生成系统的形式化模型，用不动点语义刻画元生成过程 - [Your-AI-Isn-t-Stupid---It-Just-Needs-a-Better-Harness--Lychee-Technology-Engineering-Blog](sources/Your-AI-Isn-t-Stupid---It-Just-Needs-a-Better-Harness--Lychee-Technology-Engineering-Blog.md) — (expected: wiki/sources/Your-AI-Isn-t-Stupid---It-Just-Needs-a-Better-Harness--Lychee-Technology-Engineering-Blog.md — source missing) - [Expose-hermes-agent-as-an-OpenAI-compatible-API-for-any-frontend](sources/Expose-hermes-agent-as-an-OpenAI-compatible-API-for-any-frontend.md) — (expected: wiki/sources/Expose-hermes-agent-as-an-OpenAI-compatible-API-for-any-frontend.md — source missing) - [zk-steward](sources/zk-steward.md) — (expected: wiki/sources/zk-steward.md — source missing) @@ -558,10 +558,12 @@ - [Caddy](entities/Caddy.md) - [cAdvisor](entities/cAdvisor.md) - [Calibre](entities/Calibre.md) +- [Canva](entities/Canva.md) - [Claude-Desktop](entities/Claude-Desktop.md) - [Claude-Pro](entities/Claude-Pro.md) - [ClawdTalk](entities/ClawdTalk.md) - [ClawHub](entities/ClawHub.md) +- [clawr.ing](entities/clawr.ing.md) - [Clonezilla](entities/Clonezilla.md) - [cloud-computing](entities/cloud-computing.md) - [Cloud-Maturity-Model](entities/Cloud-Maturity-Model.md) @@ -582,10 +584,12 @@ - [DORA-Metrics](entities/DORA-Metrics.md) - [DracoVibeCoding](entities/DracoVibeCoding.md) - [frp](entities/frp.md) +- [Gamma-AI](entities/Gamma-AI.md) - [GDPR](entities/GDPR.md) - [Gitea](entities/Gitea.md) - [glances](entities/glances.md) - [gog](entities/gog.md) +- [Google](entities/Google.md) - [Google-Cloud](entities/Google-Cloud.md) - [GoogleCloud](entities/GoogleCloud.md) - [Grafana](entities/Grafana.md) @@ -595,6 +599,7 @@ - [HP-ZBook](entities/HP-ZBook.md) - [htop](entities/htop.md) - [idea-reality-mcp](entities/idea-reality-mcp.md) +- [InsightsLM](entities/InsightsLM.md) - [ISO-27001](entities/ISO-27001.md) - [it-tools](entities/it-tools.md) - [Jellyfin](entities/Jellyfin.md) @@ -621,12 +626,19 @@ - [node-exporter](entities/node-exporter.md) - [Node.js](entities/Node.js.md) - [nodewarden](entities/nodewarden.md) +- [NotebookLlama](entities/NotebookLlama.md) +- [NotebookLM](entities/NotebookLM.md) +- [Obsidian](entities/Obsidian.md) - [Open-Alliance-for-Cloud-Adoption](entities/Open-Alliance-for-Cloud-Adoption.md) - [OpenClaw](entities/OpenClaw.md) - [openclaw-n8n-stack](entities/openclaw-n8n-stack.md) - [OpenCode](entities/OpenCode.md) +- [OpenNotebook](entities/OpenNotebook.md) +- [PageLM](entities/PageLM.md) - [PingMe](entities/PingMe.md) +- [Podcastfy](entities/Podcastfy.md) - [Portainer](entities/Portainer.md) +- [Prismer-AI](entities/Prismer-AI.md) - [Prometheus](entities/Prometheus.md) - [Public-Cloud-Provider](entities/Public-Cloud-Provider.md) - [RackNerd](entities/RackNerd.md) @@ -640,6 +652,7 @@ - [Slack](entities/Slack.md) - [SparkryAI](entities/SparkryAI.md) - [stacer](entities/stacer.md) +- [SurfSense](entities/SurfSense.md) - [Synology-NAS-DS718](entities/Synology-NAS-DS718.md) - [Telnyx](entities/Telnyx.md) - [Terraform](entities/Terraform.md) @@ -662,6 +675,7 @@ - [盖伊亨德里克斯](entities/盖伊亨德里克斯.md) - [矿神源](entities/矿神源.md) - [网件RAX50](entities/网件RAX50.md) +- [苏东坡](entities/苏东坡.md) ## Concepts - [ActionItemTracking](concepts/ActionItemTracking.md) @@ -672,6 +686,7 @@ - [Agent-Memory](concepts/Agent-Memory.md) - [Agent-Mode](concepts/Agent-Mode.md) - [Agent-Personality](concepts/Agent-Personality.md) +- [Agent-Routing-Rules](concepts/Agent-Routing-Rules.md) - [Agent-Specialization](concepts/Agent-Specialization.md) - [AGENTS.md](concepts/AGENTS.md.md) - [AgilePractices](concepts/AgilePractices.md) @@ -681,9 +696,13 @@ - [Ai-Powered-Digest](concepts/Ai-Powered-Digest.md) - [AIOps](concepts/AIOps.md) - [AI代理](concepts/AI代理.md) +- [AI图生视频](concepts/AI图生视频.md) +- [AI文生视频](concepts/AI文生视频.md) +- [AI簡報工作流](concepts/AI簡報工作流.md) - [Alerting](concepts/Alerting.md) - [AmbientMessageMonitoring](concepts/AmbientMessageMonitoring.md) - [APT-仓库配置](concepts/APT-仓库配置.md) +- [arXiv-API](concepts/arXiv-API.md) - [Asset-Management](concepts/Asset-Management.md) - [Attach容器](concepts/Attach容器.md) - [Audit-Trail](concepts/Audit-Trail.md) @@ -702,6 +721,7 @@ - [Business-Impact-Analysis](concepts/Business-Impact-Analysis.md) - [Business-Knowledge-Base](concepts/Business-Knowledge-Base.md) - [caffeinate](concepts/caffeinate.md) +- [Call-Worthy-Threshold](concepts/Call-Worthy-Threshold.md) - [Canary-Release](concepts/Canary-Release.md) - [Centralized-Logging](concepts/Centralized-Logging.md) - [CEOPattern](concepts/CEOPattern.md) @@ -727,12 +747,14 @@ - [Cloud-Service-Delivery](concepts/Cloud-Service-Delivery.md) - [CMDB](concepts/CMDB.md) - [CodeWeaver](concepts/CodeWeaver.md) +- [Compaction](concepts/Compaction.md) - [Competition-Analysis](concepts/Competition-Analysis.md) - [Compliance-Automation](concepts/Compliance-Automation.md) - [Configuration-Management](concepts/Configuration-Management.md) - [Content Automation](concepts/Content Automation.md) - [Content-Hashing](concepts/Content-Hashing.md) - [Content-Ingestion](concepts/Content-Ingestion.md) +- [Context-Window](concepts/Context-Window.md) - [Continuous-Deployment](concepts/Continuous-Deployment.md) - [Continuous-Integration](concepts/Continuous-Integration.md) - [Conversational-Interface](concepts/Conversational-Interface.md) @@ -770,6 +792,7 @@ - [efibootmgr](concepts/efibootmgr.md) - [Email-Triage](concepts/Email-Triage.md) - [Error-Budget](concepts/Error-Budget.md) +- [Error-Surface-vs-Root-Cause](concepts/Error-Surface-vs-Root-Cause.md) - [Event-Correlation](concepts/Event-Correlation.md) - [EventSourcing](concepts/EventSourcing.md) - [Exporter](concepts/Exporter.md) @@ -792,6 +815,7 @@ - [Green-Computing](concepts/Green-Computing.md) - [Headless-服务器](concepts/Headless-服务器.md) - [Heartbeat-Monitoring](concepts/Heartbeat-Monitoring.md) +- [Hidden-Failure-Paths](concepts/Hidden-Failure-Paths.md) - [high-availability](concepts/high-availability.md) - [HouseholdInventoryTracking](concepts/HouseholdInventoryTracking.md) - [HTTPS自动化证书](concepts/HTTPS自动化证书.md) @@ -818,14 +842,20 @@ - [Knowledge-Base-RAG](concepts/Knowledge-Base-RAG.md) - [Language-Detection](concepts/Language-Detection.md) - [Last-30-Days-Method](concepts/Last-30-Days-Method.md) +- [LaTeX-Flattening](concepts/LaTeX-Flattening.md) - [launchd](concepts/launchd.md) +- [Layered-Configuration](concepts/Layered-Configuration.md) - [Lead-Time](concepts/Lead-Time.md) +- [LLM-Wiki](concepts/LLM-Wiki.md) +- [Local-Caching](concepts/Local-Caching.md) - [Local-first-Git](concepts/Local-first-Git.md) - [Lockable-Workflow](concepts/Lockable-Workflow.md) +- [Log-Driven-Debugging](concepts/Log-Driven-Debugging.md) - [MCPOnceAllAgents](concepts/MCPOnceAllAgents.md) - [MeetingNotes](concepts/MeetingNotes.md) - [MEMORY.md](concepts/MEMORY.md.md) - [Micro-Recovery](concepts/Micro-Recovery.md) +- [Model-Fallback](concepts/Model-Fallback.md) - [Morning-Briefing](concepts/Morning-Briefing.md) - [MTTA](concepts/MTTA.md) - [MTTD](concepts/MTTD.md) @@ -843,6 +873,7 @@ - [Obsidian-Tasks](concepts/Obsidian-Tasks.md) - [OWASP-Top-Ten](concepts/OWASP-Top-Ten.md) - [Pain-Point-Mining](concepts/Pain-Point-Mining.md) +- [Paper-Abstract-Batch-Fetching](concepts/Paper-Abstract-Batch-Fetching.md) - [Parallel-Agent-Execution](concepts/Parallel-Agent-Execution.md) - [passkey](concepts/passkey.md) - [Pay-as-you-go](concepts/Pay-as-you-go.md) @@ -898,6 +929,7 @@ - [Security-and-Compliance](concepts/Security-and-Compliance.md) - [Self-Healing-Systems](concepts/Self-Healing-Systems.md) - [self-hosted-password-manager](concepts/self-hosted-password-manager.md) +- [Self-Improving-Skill](concepts/Self-Improving-Skill.md) - [Semantic-Deduplication](concepts/Semantic-Deduplication.md) - [Semantic-Search](concepts/Semantic-Search.md) - [Sequential-Thinking](concepts/Sequential-Thinking.md) @@ -940,6 +972,7 @@ - [Transcript-Based-Summarization](concepts/Transcript-Based-Summarization.md) - [TranscriptProcessing](concepts/TranscriptProcessing.md) - [tui](concepts/tui.md) +- [Two-Way-Voice-Conversation](concepts/Two-Way-Voice-Conversation.md) - [UEFI-Only](concepts/UEFI-Only.md) - [UEFI启动](concepts/UEFI启动.md) - [Unified-Inbox](concepts/Unified-Inbox.md) @@ -949,6 +982,7 @@ - [Vibe-Coding](concepts/Vibe-Coding.md) - [Visual-Debugging](concepts/Visual-Debugging.md) - [Voice-Interface](concepts/Voice-Interface.md) +- [Voice-Notification-Channel](concepts/Voice-Notification-Channel.md) - [Vulnerability-Scanning](concepts/Vulnerability-Scanning.md) - [Wake-on-LAN](concepts/Wake-on-LAN.md) - [Wayland](concepts/Wayland.md) @@ -963,16 +997,21 @@ - [Zero-Friction-Capture](concepts/Zero-Friction-Capture.md) - [Zero-Trust-Architecture](concepts/Zero-Trust-Architecture.md) - [一人公司](concepts/一人公司.md) +- [上下文刷新](concepts/上下文刷新.md) +- [上下文压缩](concepts/上下文压缩.md) - [个人品牌](concepts/个人品牌.md) - [云盘挂载](concepts/云盘挂载.md) +- [交接协议](concepts/交接协议.md) - [产品四层级体系](concepts/产品四层级体系.md) - [价格锚定与诱饵效应](concepts/价格锚定与诱饵效应.md) - [全盘镜像备份](concepts/全盘镜像备份.md) - [内容矩阵](concepts/内容矩阵.md) - [内网穿透](concepts/内网穿透.md) +- [写入纪律](concepts/写入纪律.md) - [单一职责原则](concepts/单一职责原则.md) - [反向代理](concepts/反向代理.md) - [合成监控](concepts/合成监控.md) +- [启动序列](concepts/启动序列.md) - [四个心理陷阱](concepts/四个心理陷阱.md) - [固件刷入](concepts/固件刷入.md) - [图床](concepts/图床.md) @@ -984,16 +1023,23 @@ - [并发编程](concepts/并发编程.md) - [底层能力](concepts/底层能力.md) - [微服务架构](concepts/微服务架构.md) +- [思维蒸馏（女娲造人术）](concepts/思维蒸馏（女娲造人术）.md) - [挂载点检查](concepts/挂载点检查.md) - [指纹浏览器](concepts/指纹浏览器.md) - [接码平台](concepts/接码平台.md) +- [播客生成](concepts/播客生成.md) - [故障转移](concepts/故障转移.md) +- [数字导师](concepts/数字导师.md) - [数据可视化](concepts/数据可视化.md) +- [文档问答](concepts/文档问答.md) - [时序数据库](concepts/时序数据库.md) +- [本地化部署](concepts/本地化部署.md) - [桥接网络](concepts/桥接网络.md) - [模块化编程](concepts/模块化编程.md) +- [每日复盘机制](concepts/每日复盘机制.md) - [永久挂载](concepts/永久挂载.md) - [消息队列](concepts/消息队列.md) +- [混合搜索](concepts/混合搜索.md) - [版本控制](concepts/版本控制.md) - [用户权限](concepts/用户权限.md) - [硬件转码](concepts/硬件转码.md) @@ -1004,6 +1050,7 @@ - [裸机恢复](concepts/裸机恢复.md) - [订阅机制](concepts/订阅机制.md) - [设备直通](concepts/设备直通.md) +- [语义搜索](concepts/语义搜索.md) - [账号隔离](concepts/账号隔离.md) - [跨境支付](concepts/跨境支付.md) - [软链接策略](concepts/软链接策略.md) diff --git a/wiki/log.md b/wiki/log.md index 3627669e..ad2d46f1 100644 --- a/wiki/log.md +++ b/wiki/log.md @@ -1,1102 +1,580 @@ -## [2026-04-22] ingest | Semantic Memory Search -- Source file: Agent/usecases/semantic-memory-search.md +## [2026-04-23] ingest | Google 神级生产力工具，所有 GitHub 开源平替都找到了 +- Source file: AI/Google 神级生产力工具，所有 GitHub 开源平替都找到了。.md - Status: ✅ 成功摄入 -- Summary: 通过 memsearch（基于 Milvus 向量数据库）为 OpenClaw Markdown 记忆添加语义搜索能力——用自然语言提问即可找到相关内容，无需精确措辞。混合搜索（稠密向量 + BM25 + RRF）兼顾语义相似性和关键词精确匹配；SHA-256 内容哈希实现增量索引节省成本；文件监视器自动重建索引；支持本地模式无需 API Key。核心理念：Markdown 是唯一真相，向量索引是派生缓存。 -- Concepts created: [[Hybrid Search]], [[Reciprocal Rank Fusion]], [[Content Hashing]], [[File Watcher]] -- Entities created: [[memsearch]], [[Milvus]] -- Source page: wiki/sources/semantic-memory-search.md +- Summary: Google NotebookLM 的 6 款 GitHub 开源平替全景盘点——OpenNotebook（14.6k Stars 全功能）、SurfSense（11.4k Stars 综合研究智能体）、Podcastfy（播客垂直聚焦）、NotebookLlama（LlamaIndex 官方学习参考）、PageLM（教育场景）、InsightsLM（低代码架构）。覆盖从"全功能替代"到"垂直聚焦"的不同需求层次。 +- Concepts created: [[文档问答]], [[播客生成]], [[语义搜索]], [[混合搜索]], [[本地化部署]] +- Entities created: [[Google]], [[NotebookLM]], [[OpenNotebook]], [[SurfSense]], [[Podcastfy]], [[NotebookLlama]], [[PageLM]], [[InsightsLM]] +- Source page: wiki/sources/google-神级生产力工具-所有-github-开源平替都找到了.md - Notes: - - 新增 Sources 条目至 index.md（替换 "source missing" placeholder） - - 更新 overview.md，在 Productivity & Knowledge Management 部分新增 [[semantic-memory-search]] 段落，在 Key Concepts 列表新增 6 个新概念 - - 创建 Entity 页面：Memsearch.md（ZillizTech memsearch CLI/库）、Milvus.md（开源向量数据库） - - 创建 Concept 页面：Hybrid-Search.md（混合搜索策略）、Reciprocal-Rank-Fusion.md（排名融合算法）、Content-Hashing.md（增量索引机制）、File-Watcher.md（自动重建索引） - - 与 [[Knowledge-Base-RAG]] 同属 RAG 技术栈的不同场景——后者侧重 URL 入库，前者侧重现有 Markdown 文件的语义索引 - - 冲突检测：wiki/concepts/Semantic-Search.md 已引用 [[Hybrid Search]]，与本 Source 一致；wiki/concepts/Knowledge-Base-RAG.md 有 Hybrid Search 说明，与本 Source 一致，暂无实质冲突 + - 新增 Sources 条目至 index.md（替换 expected 标记行） + - 新增 Entity 页面：Google、NotebookLM、OpenNotebook、SurfSense、Podcastfy、NotebookLlama、PageLM、InsightsLM（共8个） + - 新增 Concept 页面：文档问答、播客生成、语义搜索、混合搜索、本地化部署（共5个） + - 更新 overview.md，新增"AI Tools & Prompt Engineering"部分的"NotebookLM 开源平替生态"段落 + - 无内容冲突——与现有 RAG、知识管理工具内容互补，未发现矛盾 -## [2026-04-22] ingest | OpenClaw as Desktop Cowork (AionUi) — Remote Rescue & Multi-Agent Hub -- Source file: Agent/usecases/aionui-cowork-desktop.md +## [2026-04-23] ingest | 教學 ChatGPT 先做知識整理，再讓 Canva、 Gamma AI 輸出簡報 +- Source file: AI/教學 ChatGPT 先做知識整理，再讓 Canva、 Gamma AI 輸出簡報.md - Status: ✅ 成功摄入 -- Summary: 通过 AionUi 桌面应用将 OpenClaw 作为可视化 Cowork Agent 运行——提供文件感知工作空间（可见文件读写/命令/网页浏览），内置 OpenClaw 部署专家通过 Telegram/WebUI 远程诊断修复（`openclaw doctor`），统一 MCP 配置全局同步到 12+ Agent，支持 WebUI/Telegram/Lark/DingTalk 多渠道远程访问。 -- Concepts created: [[CoworkWorkspace]], [[RemoteRescuePattern]], [[Multi-AgentHub]], [[MCPOnceAllAgents]] -- Entities created: [[AionUi]] -- Source page: wiki/sources/aionui-cowork-desktop.md +- Summary: AI 简报自动化工作流——先用 ChatGPT 做知识整理，再用 Canva / Gamma AI 输出演示文稿。两阶段工作流（思考者→设计师）比直接用 AI 生成简报效果更好。 +- Concepts created: [[AI簡報工作流]] +- Entities created: [[Canva]], [[Gamma-AI]] +- Source page: wiki/sources/教學-chatgpt-先做知識整理-再讓-canva-gamma-ai-輸出簡報.md - Notes: - - 新增 Sources 条目至 index.md（替换 "source missing" placeholder） - - 更新 overview.md，在 AI Tools & Prompt Engineering 部分新增 [[aionui-cowork-desktop]] 段落，在 Key Entities 部分新增 [[AionUi]]，在 Key Concepts 部分新增 4 个新概念 - - 创建实体页面 wiki/entities/AionUi.md - - 创建概念页面：CoworkWorkspace.md, RemoteRescuePattern.md, Multi-AgentHub.md, MCPOnceAllAgents.md + - 新增 Sources 条目至 index.md（替换 expected 标记行） + - 新增 Entity 条目：[[Canva]], [[Gamma-AI]] + - 新增 Concept 条目：[[AI簡報工作流]] + - 更新 overview.md，新增段落至 AI Tools & Prompt Engineering 部分 + - 无内容冲突 -## [2026-04-22] ingest | Family Calendar Aggregation & Household Assistant -- Source file: Agent/usecases/family-calendar-household-assistant.md +## [2026-04-23] ingest | Designing for Agentic AI +- Source file: AI/Designing for Agentic AI.md - Status: ✅ 成功摄入 -- Summary: AI Agent 作为家庭日程协调中心——聚合 5+ 个分散日历（工作/个人/家庭/学校/课外）生成每日晨间简报；通过环境消息监控（Ambient Message Monitoring）自动从 iMessage 中识别预约并创建日历事件（含行车时间缓冲）；维护家庭库存 JSON，支持照片 OCR 和小票识别更新；生成购物清单。核心洞察：Ambient > Active，Mac Mini 是最优硬件。 -- Concepts created: [[AmbientMessageMonitoring]], [[HouseholdInventoryTracking]] -- Entities created: [[SparkryAI]] -- Source page: wiki/sources/family-calendar-household-assistant.md +- Summary: 阐述 GenAI（创作内容）vs Agentic AI（主动行动）的核心差异，以及为 Agentic AI 设计用户体验的 TCPCA 五原则——透明度、控制感、个性化、对话、主动预判。核心洞察：观察 AI 决策过程本身就是一种参与方式，设计隐喻从"响应用户点击/滑动"转向"AI 运行时的实时反馈"。 +- Concepts updated: [[Agentic AI]]（已存在，仅补充 TCPCA 五原则维度）, [[Transparency]], [[Control]], [[Personalization]], [[Conversation]], [[Anticipation]] +- Entities updated: [[Yuri Pessa]]（已存在，仅补充身份说明） +- Source page: wiki/sources/designing-for-agentic-ai.md - Notes: - - 新增 Sources 条目至 index.md（替换 "source missing" placeholder） - - 更新 overview.md，在 AI Tools & Prompt Engineering 部分新增 [[family-calendar-household-assistant]] 段落 - - 新建 Concept 页面：AmbientMessageMonitoring.md（核心差异化机制）、HouseholdInventoryTracking.md（物资追踪模式） - - 新建 Entity 页面：SparkryAI.md（牙医预约案例的来源） - - 与 [[Custom Morning Brief]] 互补：同一晨间简报模式，个人场景 vs 家庭场景 - - 与 [[Second Brain]] 共享 OpenClaw 持久记忆能力 - - 冲突检测：暂无发现与其他 Wiki 页面的内容冲突 + - 新增 Sources 条目至 index.md（置于 Sources 末尾，因源文件日期 2025-03-02 早于所有现有条目） + - 新增 overview.md 段落至 AI Tools & Prompt Engineering 部分 + - 无需新建 Entity/Concept 页面（Agentic-AI entity 已存在，TCPCA 五原则暂不满足独立 Concept 页面条件） + - 与 [[Google-5个-Agent-Skill-设计模式]] 同属 AI Agent 设计方法论 -## [2026-04-22] ingest | Personal Knowledge Base (RAG) -- Source file: Agent/usecases/knowledge-base-rag.md +## [2026-04-23] ingest | 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 +- Source file: 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 - Status: ✅ 成功摄入 -- Summary: AI Agent 驱动的个人知识库 RAG 系统——通过 Telegram Topic 或 Slack Channel 投递任意 URL（网页/推文/YouTube 字幕/PDF），Agent 自动抓取内容并以 Embedding 向量入库；支持语义搜索，返回排名结果并附带来源；可被其他工作流（如 [[YouTube-Content-Pipeline]]）主动查询。核心理念：**捕获像发短信一样简单，检索像搜索一样容易**。 -- Concepts created: [[Semantic-Search]], [[Content-Ingestion]] -- Source page: wiki/sources/knowledge-base-rag.md +- Summary: 用AI蒸馏历史人物思维框架创建"数字导师"——以苏东坡为首位实践，展示如何将千年古人心智模型（六道：进退由时/此心安处/辞达而已/逆境转化/自出新意/天人合一）转化为可运行的AI Skill。女娲·Skill造人术通过6个并行Agent从6维度采集信息，产出自包含的.skill文件。 +- Concepts created: [[数字导师]], [[思维蒸馏（女娲造人术）]], [[心智模型]], [[AI-Skill]] +- Entities created: [[苏东坡]], [[女娲]] +- Source page: 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 - Notes: - - 新增 Sources 条目至 index.md（替换 "source missing" placeholder） - - 更新 overview.md，在 Productivity & Knowledge Management 部分新增 [[Personal Knowledge Base (RAG)]] 段落 - - 与 [[Second Brain]] 互补：Second Brain 侧重对话记忆，本方案侧重结构化知识检索 - - 与 [[YouTube-Content-Pipeline]] 关联：后者在工作流中主动查询知识库 - - [[Knowledge-Base-RAG]] 概念页已存在（2026-04-22 youtube-content-pipeline ingest 时创建），本次补充 Semantic-Search 和 Content-Ingestion 两个子概念 - - Entity 页面（OpenClaw、ClawHub、Telegram、Slack）均已在 overview.md Key Entities 中覆盖，无需新建 - - Contradiction：暂无发现与其他 Wiki 页面的内容冲突 -- Status: ✅ 成功摄入 -- Summary: AI Agent 驱动的 YouTube 选题发现与选题自动化流水线——每小时 Cron Job 扫描 Web + X/Twitter 突发 AI 新闻，向 Telegram 推送选题；维护 90 天视频目录（播放量 + 主题分析）避免选题重复；通过 SQLite 向量嵌入实现语义去重；在 Slack 分享链接时自动研究主题、搜索 X、查询知识库并创建带大纲的 Asana 任务卡。 -- Concepts created: [[Semantic-Deduplication]], [[Vector-Embedding]], [[Knowledge-Base-RAG]] -- Source page: wiki/sources/youtube-content-pipeline.md -- Notes: - - 新增 Sources 条目至 index.md（替换 "source missing" placeholder） - - 更新 overview.md，在 YouTube Automation 部分新增 [[YouTube-Content-Pipeline]] 段落 - - 与 [[Daily-YouTube-Digest]] 互补：后者侧重订阅频道更新监控，前者侧重全网趋势主动发现 - - 与 [[Content-Factory]] 共享并行子 Agent 执行模式 - - Entity 页面（OpenClaw、Asana、Slack）均已存在，无需新建 - - 新增 3 个 Concept 页面并注册至 index.md Concepts 索引 - - Contradiction：暂无发现与其他 Wiki 页面的内容冲突 -- Source file: Agent/usecases/polymarket-autopilot.md -- Status: ✅ 成功摄入 -- Summary: 基于 AI Agent 的 Polymarket 预测市场自动驾驶交易系统，实现 24/7 市场监控与自动化分析。AI Agent 自动监控 Polymarket 市场数据、智能分析预测概率变化、自动执行交易策略、定时推送市场洞察。 -- Concepts created: [[Prediction Market]], [[Agentic Trading]], [[Market Monitoring]] -- Entities created: [[Polymarket]] -- Source page: wiki/sources/polymarket-autopilot.md -- Notes: - - 新增 Sources 条目至 index.md（替换 placeholder） - - 更新 overview.md，在 Multi-Agent Monitoring 部分的 Dynamic Dashboard 段落中补充 polymarket-autopilot 引用 - - 与 [[Dynamic Dashboard]] 存在关联（监控仪表盘的具体用例） - - 与 [[earnings-tracker]] 属于同类模式（市场数据监控 + 定时推送） - - Polymarket 已在 overview.md Key Entities 中提及，无需重复创建 Entity 页面 - - Contradiction：暂无发现与其他 Wiki 页面的内容冲突 - -## [2026-04-22] ingest | Local CRM Framework with DenchClaw -- Source file: Agent/usecases/local-crm-framework.md -- Status: ✅ 成功摄入 -- Summary: DenchClaw 将 OpenClaw 转化为本地 CRM、销售自动化和生产力平台，通过 `npx denchclaw` 一键安装完整技术栈（DuckDB + Web UI + OpenClaw Profile + 浏览器自动化）。核心创新：所有设置/视图以 YAML/Markdown 文件存储，Agent 可直接修改 UI 而无需 API 抽象层；Chrome Profile 克隆使 Agent 继承用户认证状态，可直接导入 HubSpot 等平台数据。 -- Concepts created: [[File-System-First-UI]], [[DuckDB]] -- Entities created: [[DenchClaw]] -- Source page: wiki/sources/local-crm-framework.md -- Notes: - - 新增 Sources 条目至 index.md（置于首位） - - 更新 overview.md，在 [[personal-crm]] 附近添加 Local CRM Framework 段落 - - 创建 1 个 Entity 页面：DenchClaw.md - - 创建 2 个 Concept 页面：DuckDB.md、File-System-First-UI.md - - 与 [[Second Brain]] 均基于 OpenClaw 的记忆/持久化能力，属同类应用的不同垂直场景 - - 与 [[personal-crm]] 同属个人 CRM 场景的不同实现方案 - - 与 [[multi-channel-assistant]] 共享 Telegram/消息平台作为交互入口 - - 核心设计哲学：文件系统即 Agent 原生 UI + DuckDB 嵌入式数据库 + Chrome Profile 克隆 - - Contradiction：暂无发现与其他 Wiki 页面的内容冲突 - -## [2026-04-22] ingest | Goal-Driven Autonomous Tasks -- Source file: Agent/usecases/overnight-mini-app-builder.md -- Status: ✅ 成功摄入 -- Summary: AI Agent 从被动执行者转变为主动规划者的目标驱动型自主任务系统。通过 Brain Dump 一次性倾倒所有目标，OpenClaw 每日清晨自动生成 4-5 个贴近目标的自主任务（研究/写作/MVP构建），通过 Next.js Kanban 看板实时追踪。核心价值：用户定义目的地，Agent 自动分解并执行每日步骤。还包含过夜惊喜 Mini-App 构建模式。核心工程实践：Git-style append-only 日志解决多 Agent 竞态条件；Token-Light Design 保持 AUTONOMOUS.md 在 50 行以内。 -- Concepts created: [[Sub-Agent-Race-Condition]], [[Token-Light-Design]], [[Brain-Dump]] -- Entities created: （无新增，[[OpenClaw]]/[[Alex Finn]]/[[Next.js]] 均已存在） -- Source page: wiki/sources/overnight-mini-app-builder.md -- Notes: - - 新增 Sources 条目至 index.md（替换 placeholder，原标题为 overnight-mini-app-builder） - - 更新 overview.md，将 Market Research & Product Factory 段落替换为 Goal-Driven Autonomous Tasks 段落，补充 Git-style append-only 模式和 Token-Light Design 洞察 - - 更新 Alex-Finn.md，将 overnight-mini-app-builder 添加至 sources - - 创建 3 个 Concept 页面：Sub-Agent-Race-Condition.md、Token-Light-Design.md、Brain-Dump.md - - 与 [[Project State Management]] 的看板 vs 事件溯源存在潜在冲突（已记录于 Source Page Contradictions） - - 与 [[market-research-product-factory]] 同属 Alex Finn 启发的 OpenClaw 高阶用法，前者侧重任务追踪和持续执行，后者侧重产品机会发现 - -## [2026-04-17] ingest | Habit Tracker & Accountability Coach -- Source file: Agent/usecases/habit-tracker-accountability-coach.md -- Status: ✅ 成功摄入 -- Summary: AI Agent 作为主动问责伙伴，通过 Telegram/SMS 每日定时签到，替代被动习惯追踪 App。核心机制：主动问责 + 连续打卡追踪 + 自适应语气 + 每周模式分析。关键洞察：主动询问比被动记录更能驱动行为改变；保持 3-5 个习惯可避免签到疲劳；[[Adaptive Tone]] 自适应语气是关键差异化因素。 -- Concepts created: [[Adaptive-Tone]], [[Active-Accountability]], [[Streak-Tracking]], [[Check-in-Fatigue]], [[Weekly-Pattern-Analysis]] -- Entities created: （无新增，[[Telegram Bot API]]/[[Twilio]]/[[Google Sheets API]] 各仅出现 1 次，不满足≥2次创建条件；[[OpenClaw]] 已存在） -- Source page: wiki/sources/habit-tracker-accountability-coach.md -- Notes: - - 新增 Sources 条目至 index.md（替换 placeholder） - - 更新 overview.md，添加 Habit Tracker & Accountability Coach 段落，补充 [[Adaptive Tone]], [[Active Accountability]], [[Streak Tracking]], [[Check-in Fatigue]], [[Weekly Pattern Analysis]] 至 Key Concepts - - 创建 5 个 Concept 页面：Adaptive-Tone.md、Active-Accountability.md、Streak-Tracking.md、Check-in-Fatigue.md、Weekly-Pattern-Analysis.md - - 已有相关 Concept：[[Scheduled-Reminder]]（定时签到技术基础）、[[Agent-Personality]]（Adaptive Tone 的上层设计）、[[Morning Briefing]]（同一 Cron + AI 推送模式）、[[Food-Sensitivity-Tracking]]（同一框架的不同垂直场景） - - 已有相关 Entity：[[OpenClaw]]（底层运行平台） - - 与 [[Health & Symptom Tracker]] 属同一框架（OpenClaw + Telegram + Cron Job + 每周分析），但垂直于个人习惯养成 - - Contradiction：与[[Todoist Task Manager]] 同属 OpenClaw 生产力工具集，但 Todoist 侧重任务管理，Habit Tracker 侧重个人行为改变——不冲突，属于互补关系 - - 与传统习惯 App（Streaks/Habitica）的对比：传统 App 强调被动记录和视觉激励；本方案强调主动询问和个性化文字激励 - -## [2026-04-22] ingest | Todoist Task Manager -- Source file: Agent/usecases/todoist-task-manager.md -- Status: ✅ 成功摄入 -- Summary: AI Agent 通过 Todoist API 实现自然语言驱动的任务管理自动化——Agent 解析自然语言指令 → Todoist REST API 创建结构化任务（含截止/项目/标签）→ Cron Job 定时扫描逾期任务主动推送提醒。核心价值：用户只需发一条消息即可完成全套操作，AI 主动追踪逾期任务。 -- Concepts created: [[Todoist API]], [[AI-Driven Task Extraction]], [[Recurring Tasks]] -- Entities created: （无新增，[[Todoist]]/[[OpenClaw]]/[[SuperCall]] 已存在） -- Source page: wiki/sources/todoist-task-manager.md -- Notes: - - 新增 Sources 条目至 index.md（替换 placeholder） - - 更新 overview.md，添加 Todoist Task Manager 段落，补充 [[Morning Briefing]], [[Todoist API]], [[AI-Driven Task Extraction]], [[TaskAutomation]], [[Recurring Tasks]] 至 Key Concepts - - 更新 entities/Todoist.md，添加 todoist-task-manager 至 sources - - 创建 3 个 Concept 页面：Todoist-API.md、AI-Driven-Task-Extraction.md、Recurring-Tasks.md - - [[Project State Management]] 冲突记录：Todoist（结构化字段/API驱动）与 Markdown 事件流（完整上下文/自托管）各有适用场景 - - 与 [[multi-channel-assistant]] 中 Todoist 集成属同一技术栈，侧重不同：前者侧重多渠道统一入口，后者侧重任务管理深度自动化 - -## [2026-04-22] ingest | Dynamic Dashboard with Sub-agent Spawning -- Source file: Agent/usecases/dynamic-dashboard.md -- Status: ✅ 成功摄入 -- Summary: 基于子代理并行执行的多数据源实时监控仪表盘——通过子代理并行抓取 GitHub/Twitter/Polymarket/系统健康等多数据源，定时聚合结果推送 Discord，支持告警阈值和历史趋势存储。用对话式指令替代数周前端开发，立即获得实时洞察。 -- Concepts created: [[Dynamic-Dashboard]], [[Alerting]] -- Entities created: （无新增，[[OpenClaw]] 已存在） -- Source page: wiki/sources/dynamic-dashboard.md -- Notes: - - 新增 Sources 条目至 index.md（插入顶部） - - 更新 overview.md，添加 Multi-Agent Monitoring & Automation 段落，补充 [[Dynamic-Dashboard]] 和 [[Alerting]] 至 Key Concepts - - 创建 2 个 Concept 页面：Dynamic-Dashboard.md、Alerting.md - - 已有相关 Concept：[[Parallel-Agent-Execution]]（子代理并行）、[[Scheduled-Task-Flywheel]]（定时任务） - - 已有相关 Entity：[[OpenClaw]]（多代理框架） - - 冲突：与 [[content-factory]] 存在场景重叠（并行执行模式），但前者侧重数据监控，后者侧重内容创作 - -## [2026-04-22] ingest | Pre-Build Idea Validator -- Source file: Agent/usecases/pre-build-idea-validator.md -- Status: ✅ 成功摄入 -- Summary: AI 项目启动前的竞争分析门控机制——在写代码之前通过 idea-reality-mcp 扫描 GitHub/Hacker News/npm/PyPI/Product Hunt 五个数据源，返回 reality_signal 分数（0-100）评估赛道拥挤度，防止 Agent 在已饱和赛道投入资源。 -- Concepts created: [[Pre-Build Validation]], [[Reality-Signal]], [[Competition-Analysis]], [[Pivot-Strategy]], [[Agent-Build-Gate]] -- Entities created: [[idea-reality-mcp]] -- Source page: wiki/sources/pre-build-idea-validator.md -- Notes: - - 新增 Sources 条目至 index.md（插入顶部） - - 更新 overview.md，添加 pre-build-idea-validator 段落并补充 4 个新概念至 Key Concepts - - 创建 5 个 Concept 页面：Pre-Build-Validation.md、Reality-Signal.md、Competition-Analysis.md、Pivot-Strategy.md、Agent-Build-Gate.md - - 创建 1 个 Entity 页面：idea-reality-mcp.md - - Hacker-News 和 Product-Hunt 仅出现 1 次，不满足 ≥2 次的 Entity 创建阈值，未创建 - - 与 market-research-product-factory 互补：后者挖痛点找方向，前者在动手前验证赛道的竞争密度 - - 冲突：无 - -## [2026-04-22] ingest | Autonomous Project Management with Subagents -- Source file: Agent/usecases/autonomous-project-management.md -- Status: ✅ 成功摄入 -- Summary: 去中心化多 Agent 项目协调模式——通过共享 STATE.yaml 实现并行自主执行，主会话遵循 CEO 模式（仅做策略决策），Git 作为审计日志记录所有状态变更。核心洞察：文件协调优于中心编排器，主会话越薄响应越快。 -- Concepts created: [[PM Delegation Pattern]], [[CEO Pattern]], [[Shared State Coordination]], [[Git-as-Audit-Log]] -- Entities created: [[Nicholas Carlini]] -- Source page: wiki/sources/autonomous-project-management.md -- Notes: - - 新增 Sources 条目至 index.md（插入顶部） - - 更新 overview.md，添加 4 个新概念至 Key Concepts - - 创建 4 个 Concept 页面：PMDelegationPattern.md、CEOPattern.md、SharedStateCoordination.md、GitAsAuditLog.md - - 创建 1 个 Entity 页面：NicholasCarlini.md - - 冲突记录：与 [[project-state-management]] 的任务管理范式冲突（动态文件 vs 静态看板） - - Nicholas Carlini 未在原 Wiki 中出现，作为启发来源创建 Entity 页面 - -- Source file: Agent/usecases/daily-reddit-digest.md -- Status: ✅ 成功摄入 -- Summary: AI Agent 驱动的 Reddit 每日精选摘要自动化——通过 OpenClaw + reddit-readonly skill，每日定时抓取多 Subreddit 热门帖子，AI 记忆偏好持续优化规则，纯读取模式无需认证。 -- Concepts created: [[Daily-Digest]], [[Reddit Read-Only]], [[Preference Learning]] -- Entities created: [[reddit-readonly]] -- Source page: wiki/sources/daily-reddit-digest.md -- Notes: - - 更新 index.md，替换缺失标记为正式条目 - - 更新 overview.md，添加至 YouTube Automation / Daily Digest 章节 - - OpenClaw Entity 页面已存在，无需新建 - - Preference Learning Concept 已在 inbox-declutter 中引用，无需新建 - -## [2026-04-22] ingest | Inbox De-clutter -- Source file: Agent/usecases/inbox-declutter.md -- Status: ✅ 成功摄入 -- Summary: AI Agent 每日自动整理 Newsletter 邮件摘要——通过 Cron Job 每日 20:00 阅读过去 24 小时 Newsletter 新邮件，生成精华摘要并附链接，根据用户反馈持续学习偏好。需前置 Gmail OAuth Setup。 -- Concepts created: [[Email Triage]], [[Newsletter Digest]], [[Preference Learning]] -- Entities created: [[Gmail OAuth]] -- Source page: wiki/sources/inbox-declutter.md -- Notes: - - 新增 Sources 条目至 index.md（插入顶部） - - 更新 overview.md，添加 inbox-declutter 描述段落（作为 [[custom-morning-brief]] 的相似模式） - - 创建 Concept 页面：Email-Triage.md、Newsletter-Digest.md、Preference-Learning.md - - 创建 Entity 页面：Gmail-OAuth.md - - 与 [[custom-morning-brief]] 属同一 Cron Job + AI 摘要模式的不同垂直场景 - - 冲突：无 - -## [2026-04-22] ingest | Market Research & Product Factory -- Source file: Agent/usecases/market-research-product-factory.md -- Status: ✅ 成功摄入 -- Summary: AI Agent 驱动的"从市场调研到产品构建"全自动化流水线——通过 Last 30 Days skill 挖掘 Reddit 和 X 近30天真实用户痛点，OpenClaw 根据痛点构建 Web 应用 MVP。核心价值：发短信即可完成"发现问题→验证需求→构建方案"全流程，无需技术背景。 -- Concepts created: [[Pain Point Mining]], [[Startup MVP Pipeline]], [[Agent-Driven Market Research]], [[Last 30 Days Method]] -- Source page: wiki/sources/market-research-product-factory.md -- Notes: - - 新增 Sources 条目至 index.md - - 更新 overview.md，添加 Market Research & Product Factory 描述段落 - - 添加 Pain Point Mining、Startup MVP Pipeline、Agent-Driven Market Research、Last 30 Days Method 到 Key Concepts - - Alex Finn 出现2次（content-factory + market-research），但按出现频次标准不满足 Entity 创建条件，跳过 - - Matt Van Horne 仅出现1次，跳过 Entity 页面创建 - - 冲突：无已知冲突 - -## [2026-04-22] ingest | Phone-Based Personal Assistant -- Source file: Agent/usecases/phone-based-personal-assistant.md -- Status: ✅ 成功摄入 -- Summary: 通过 ClawdTalk + Telnyx 将任意手机变成 AI 助理语音入口——拨打电话即可与 OpenClaw 对话，支持日历查询、Jira 任务更新、网络搜索，无需智能手机 App 或浏览器，覆盖驾驶、步行等双手占用场景。与 [[multi-channel-assistant]] 互补：文字入口覆盖图文交互，语音入口覆盖无屏场景。 -- Concepts created: [[Voice Interface]], [[Telephony Integration]] -- Entities created: [[ClawdTalk]], [[Telnyx]] -- Source page: wiki/sources/phone-based-personal-assistant.md -- Notes: - - 新增 Sources 条目至 index.md（插入 Multi-Channel Personal Assistant 之后） - - 更新 overview.md，添加 phone-based-personal-assistant 描述段落，添加 Voice Interface、Telephony Integration 到 Key Concepts - - 创建 2 个 Entity 页面：ClawdTalk.md、Telnyx.md - - 创建 2 个 Concept 页面：Voice-Interface.md、Telephony-Integration.md - - 冲突已记录（已在 overview.md Conflict Area #10）：[[phone-based-personal-assistant]] 通用语音 Agent vs [[event-guest-confirmation]] SuperCall 沙盒 Persona - -## [2026-04-22] ingest | Event Guest Confirmation -- Source file: Agent/usecases/event-guest-confirmation.md -- Status: ✅ 成功摄入 -- Summary: 基于 OpenClaw + SuperCall 的活动嘉宾自动确认方案——通过 AI 语音电话批量外呼客人，确认出席状态并收集备注（饮食禁忌、Plus-One、到达时间等），通话完成后生成出席确认/未出席/未接听三分类摘要。核心价值：真人电话比短信回复率高；SuperCall 沙盒 persona 设计确保安全隔离，无 Prompt Injection 风险；每通电话独立重置，无对话间信息混淆。 -- Concepts created: [[Sandboxed Persona]] -- Entities created: （无新实体；OpenClaw 已在其他来源中出现） -- Source page: wiki/sources/event-guest-confirmation.md -- Notes: - - 新增 Sources 条目至 index.md（插入 Multi-Channel Personal Assistant 之后） - - 更新 overview.md，添加 AI Tools & Productivity 小节描述 - - 更新 overview.md Conflict Area #10，添加 SuperCall 沙盒 Persona vs 通用语音 Agent 对比 - - 创建 1 个 Concept 页面：Sandboxed-Persona.md - -## [2026-04-22] ingest | Multi-Channel Personal Assistant -- Source file: Agent/usecases/multi-channel-assistant.md -- Status: ✅ 成功摄入 -- Summary: 基于 Telegram Topic 路由 + OpenClaw 的多渠道个人助理方案——以 Telegram 为统一入口，通过 Topic 隔离不同上下文（config/updates/video-ideas/personal-crm/earnings/knowledge-base），整合 Google Workspace（gog）、Slack、Todoist、Asana，实现"说一句话完成全套工作"。核心价值：消除应用切换疲劳，AI 主动推送定时提醒。 -- Concepts created: [[Topic-Based Routing]], [[Scheduled Reminder]] -- Entities created: [[Asana]], [[gog]] -- Source page: wiki/sources/multi-channel-assistant.md -- Notes: 与 [[multi-agent-team]] 存在互补关系——Multi-Agent Team 为底层专业化分工，Multi-Channel Assistant 为用户交互层。 - -## [2026-04-22] ingest | Project State Management System: Event-Driven Alternative to Kanban -- Source file: Agent/usecases/project-state-management.md -- Status: ✅ 成功摄入 -- Summary: 用事件驱动系统替代传统看板——自然语言对话自动记录项目事件（progress/blocker/decision/pivot），PostgreSQL/SQLite 存储完整事件历史，Git 提交自动关联项目，每日 Cron 生成站会报告。消灭手动拖拽卡片的摩擦，保留完整决策上下文，让项目状态查询和每日站会自动化。 -- Concepts created: [[Event Sourcing]], [[Project State]] -- Entities created: （无新实体；OpenClaw 已存在于多个来源中，无需独立 Entity 页面） -- Source page: wiki/sources/project-state-management.md -- Notes: - - 新增 Sources 条目至 index.md（插入 Sources 首行） - - 更新 overview.md Conflict Area #1，扩展 Kanban vs Event Sourcing 对比描述 - - 创建 2 个 Concept 页面：EventSourcing.md、ProjectState.md - - 冲突已记录：Event Sourcing（自动追踪+上下文保留）vs Kanban（可视化协作+团队同步） -- Source file: Agent/usecases/health-symptom-tracker.md -- Status: ✅ 成功摄入 -- Summary: 通过 Telegram 话题 + OpenClaw AI Agent 自动追踪食物与症状，实现食物敏感性识别。每日三餐定时提醒（8AM/1PM/7PM）确保日志一致性，OpenClaw 自动解析消息并带时间戳写入 Markdown 日志，每周日分析关联模式识别潜在触发因素。无需专用 App，完全自托管。 -- Concepts created: [[Food Sensitivity Tracking]], [[Automated Health Logging]] -- Entities created: （无新实体；OpenClaw 实体已存在） -- Source page: wiki/sources/health-symptom-tracker.md -- Notes: - - 新增 Sources 条目至 index.md（插入首行） - - 新增健康追踪主题至 overview.md - - 冲突记录：与 habit-tracker-accountability-coach 的习惯追踪 vs 健康数据追踪侧重对比 - - -## [2026-04-22] ingest | Second Brain -- Source file: Agent/usecases/second-brain.md -- Status: ✅ 成功摄入 -- Summary: AI Agent 作为个人第二大脑的记忆捕获与检索系统——通过短信/Telegram/Discord 零摩擦捕获任何内容，OpenClaw 永久记忆存储，Next.js 可搜索仪表盘提供全局检索。核心洞见：捕获像发短信一样简单，检索像搜索一样简单。灵感来源：Alex Finn YouTube 视频 + Tiago Forte《Building a Second Brain》。 -- Concepts created: [[Zero-Friction Capture]], [[Cumulative Memory]], [[Conversational Interface]], [[Text-and-Search]] -- Entities created: [[Tiago Forte]] -- Entities updated: [[OpenClaw]]（追加 second-brain 到 sources）, [[Alex Finn]]（追加 second-brain 到 sources） -- Source page: wiki/sources/second-brain.md -- Notes: - - 新增 Sources 条目至 index.md（替换 placeholder） - - 更新 overview.md，添加 Second Brain 段落，补充 4 个新概念至 Key Concepts - - 创建 4 个 Concept 页面：Zero-Friction-Capture.md、Cumulative-Memory.md、Conversational-Interface.md、Text-and-Search.md - - 创建 1 个 Entity 页面：Tiago-Forte.md - - 与 [[dataview-让我从"笔记黑洞"里逃出来的-obsidian-神器-1]] 存在冲突记录：Obsidian + Dataview（结构化查询）vs Second Brain（极简搜索）——互补而非互斥 - - 与 [[custom-morning-brief]] 和 [[self-healing-home-server]] 属相似模式（零摩擦信息捕获 + AI 主动管理），已记录为 Connections - - 与 [[habit-tracker-accountability-coach]] 的互补关系：Second Brain 管理想法/链接/书目，Habit Tracker 管理习惯行为——场景不同但方法论相似 - - 冲突检测：无与其他已摄入来源的实质性内容冲突 - - -- Status: ✅ 成功摄入 -- Summary: AI Agent 作为家庭服务器基础设施的全天候自动驾驶代理——OpenClaw + SSH + Cron Job 系统实现自动健康监控、故障自愈（重启 Pod/扩缩容/修复配置）、邮件分拣、每日 8AM 晨报（天气/日历/系统状态/看板）、知识库录入和安全审计。核心洞察：Cron Job 是真正的产品；知识提取具有复利效应；AI 会硬编码 secrets，TruffleHog pre-push hooks 是必须配置的防线；Local-first Git 是防止 API Key 暴露的架构基础。 -- Concepts created: [[Morning Briefing]], [[Email Triage]], [[Local-first Git]], [[Defense-in-Depth]] -- Entities created: [[K3s]], [[Gitea]], [[TruffleHog]] -- Entities updated: [[OpenClaw]]（追加 self-healing-home-server 到 sources） -- Source page: wiki/sources/self-healing-home-server.md -- Notes: - - 新增 Sources 条目至 index.md（替换缺失条目） - - 更新 overview.md，添加 "Self-Healing Infrastructure Agent" 章节 - - 创建 3 个 Entity 页面：K3s.md、Gitea.md、TruffleHog.md - - 创建 4 个 Concept 页面：Morning-Briefing.md、Email-Triage.md、Local-first-Git.md、Defense-in-Depth.md - - 冲突已记录：Prometheus/Grafana 监控方案（人工介入）vs AI Agent 自愈方案（全自动闭环） - -## [2026-04-22] ingest | AI-Powered Earnings Tracker -- Source file: Agent/usecases/earnings-tracker.md -- Status: ✅ 成功摄入 -- Summary: AI Agent 自动化追踪科技公司财报——每周日 Cron Job 扫描财报日历并通过 Telegram 推送，用户选择后为每家公司创建一次性 Cron Job，财报发布后自动搜索结果并生成结构化摘要（beat/miss、营收、EPS、AI 亮点）。 -- Concepts created: （无新概念；Cron Job 已在其他来源中建立） -- Entities created: （无新实体；OpenClaw 已存在；科技公司 NVDA/MSFT 等无需独立页面） -- Source page: wiki/sources/earnings-tracker.md -- Notes: - - 新增 Sources 条目至 index.md（插入首行） - - 无需更新 overview.md（与现有 OpenClaw + Cron Job 主题一致） - - 无需创建 Entity/Concept 页面 - - 无冲突 - -## [2026-04-23] ingest | Multi-Agent Specialized Team (Solo Founder Setup) -- Source file: Agent/usecases/multi-agent-team.md -- Status: ✅ 成功摄入 -- Summary: 用多个专业化 AI Agent 组建团队，解决一人创业者（Solo Founder）身兼数职的困境——4 个专业 Agent（Milo/策略、Josh/商业、Marketing/营销、Dev/开发）通过共享记忆 + 私有上下文 + Telegram 单一控制平面协调运作，定时任务驱动主动工作流。 -- Concepts created: [[Agent Personality]], [[Agent Specialization]], [[Shared Memory Architecture]], [[Private Context]], [[Single Control Plane]], [[Scheduled Task Flywheel]], [[Parallel Agent Execution]] -- Entities updated: [[OpenClaw]]（追加 multi-agent-team 到 sources） -- Source page: wiki/sources/multi-agent-team.md -- Notes: - - 新增 Sources 条目至 index.md（插入首行） - - 更新 overview.md Key Concepts，添加 5 个新概念 - - 创建 6 个 Concept 页面 - - 更新 OpenClaw.md sources 字段 - - 冲突已记录：Multi-Agent Team（并行专业化分工）vs Content Factory（链式协作） - -## [2026-04-23] ingest | Daily YouTube Digest -- Source file: Agent/usecases/daily-youtube-digest.md -- Status: ✅ 成功摄入 -- Summary: AI Agent 每日 YouTube Digest 全自动流水线——通过 youtube-full skill（ClawHub）监控订阅频道新视频，用 TranscriptAPI.com 提取字幕，AI 生成要点摘要后推送。两种模式：频道列表 + 关键词搜索。`channel/latest` 免费检查，`seen-videos.txt` 避免重复付费。核心洞察：把算法推荐的"被动消费"转变为系统化的"主动学习"。 -- Concepts created: [[Daily-Digest]], [[Transcript-Based Summarization]], [[Channel-Based Monitoring]], [[Keyword-Based Monitoring]], [[Credit-Efficient Processing]] -- Entities updated: [[OpenClaw]]（追加 sources） -- Entities created: [[TranscriptAPI.com]], [[ClawHub]], [[Recapio]] -- Source page: wiki/sources/daily-youtube-digest.md -- Notes: - - 新增 Sources 条目至 index.md（顶部插入） - - 更新 overview.md，补充 AI-Powered Daily Digest 章节到 YouTube Automation - - 更新 OpenClaw.md sources - - 创建 3 个 Entity 页面：TranscriptAPI.com.md、ClawHub.md、Recapio.md - - 创建 5 个 Concept 页面：Daily-Digest.md、Transcript-Based-Summarization.md、Channel-Based-Monitoring.md、Keyword-Based-Monitoring.md、Credit-Efficient-Processing.md - - 与 [[实战笔记-本地部署-rsshub-并获取-youtube-订阅]] 的互补关系已在 Contradictions 节记录（RSSHub 被动监控 vs AI Digest 主动学习） + - 新增 Sources 条目至 index.md（置于养虾日记4之后） + - 新增 Entity 条目：[[苏东坡]] + - 新增 Concept 条目：[[数字导师]], [[思维蒸馏（女娲造人术）]] + - 与 [[养虾日记1/2/3/4]] 和 [[养龙虾5天血泪史]] 属同一「养虾日记」系列 + 1|## [2026-04-23] ingest | 不谈技术：普通人该怎么在AI时代赚钱？ + 2|- Source file: 微信公众号/不谈技术：普通人该怎么在AI时代赚钱？.md + 3|- Status: ✅ 成功摄入 + 4|- Summary: AI时代普通人如何赚钱的思维框架——三大原则：品味值钱（判断力是护城河）、做端到端的事（不当代价）、用死亡过滤器（找到真正热爱的事）。核心洞察：AI不会让普通人变富，AI会让那些知道自己要做什么、并且对品质有执念的人变得极其强大。 + 5|- Concepts created: [[品味]], [[端到端]], [[死亡过滤器]], [[工具民主化]] + 6|- Entities created: [[乔布斯]] + 7|- Source page: wiki/sources/不谈技术-普通人该怎么在ai时代赚钱.md + 8|- Notes: + 9| - 与 [[个人品牌与一人公司]] 属同一主题（AI时代个人定位与杠杆） + 10| - 与 [[Ikigai框架]] 的"热情"维度高度相关 + 11| + 12|## [2026-04-10] ingest | 养虾日记4：一次「Context Limit Exceeded」错误排查 + 13|- Source file: 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 + 14|- Status: ✅ 成功摄入 + 15|- Summary: OpenClaw Telegram Channel「Context Limit Exceeded」错误深度排查——问题表象是 context 耗尽，实际根因是 Telegram channel 的模型被切换为 deepseek-reasoner（仅 16K context），safeguard 模式预留 16K tokens 导致实际可用为 0。解决关键：Agent 级别模型配置优先级高于全局 compaction 配置，需在路由规则层修复。 + 16|- Concepts created: [[Context-Window]], [[Model-Fallback]], [[Compaction]], [[Agent-Routing-Rules]], [[Error-Surface-vs-Root-Cause]], [[Layered-Configuration]], [[Log-Driven-Debugging]], [[Hidden-Failure-Paths]] + 17|- Entities created: （无新增；[[OpenClaw]]/[[星枢]]/[[DeepSeek]]/[[MiniMax]] 均已在现有来源中出现，不满足 ≥2 次创建条件） + 18|- Source page: wiki/sources/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 + 19|- Notes: + 20| - 新增 Sources 条目至 index.md（置于养龙虾5天血泪史之后） + 21| - 更新 overview.md，新增 [[养虾日记4]] 段落至 Multi-Agent AI Systems 部分 + 22| - 创建 8 个 Concept 页面：Context-Window.md、Model-Fallback.md、Compaction.md、Agent-Routing-Rules.md、Error-Surface-vs-Root-Cause.md、Layered-Configuration.md、Log-Driven-Debugging.md、Hidden-Failure-Paths.md + 23| - 更新 index.md Concepts 节，新增 8 个条目（按字母顺序插入） + 24| - 与 [[养龙虾5天血泪史]] 互补（记忆写入/压缩问题 vs 模型配置错误） + 25| - 冲突检测：无与其他 Wiki 页面的实质性内容冲突 + 26| + 27|## [2026-04-23] ingest | 养虾日记3：用 Obsidian + Gitea 为 AI 助手构庺持久化笔记系统 + 28|- Source file: 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 + 29|- Status: ✅ 成功摄入 + 30|- Summary: 用 Obsidian + Gitea 为 AI 助手构建持久化笔记系统——解决"AI 对话结束输出就消失"的核心问题。核心架构：Obsidian 做知识库（iCloud Drive 三端同步）+ Gitea 做版本控制（Git 历史）+ OpenClaw obsidian skill 做写入接口。核心价值：把 AI 变成"会自动整理笔记的实习生"。融合了 Karpathy 的 LLM Wiki 理念：让 AI 增量构建 Wiki，页面间互链，知识越积越厚。 + 31|- Concepts created: [[LLM Wiki]], [[Obsidian Git]], [[Graph View]], [[Obsidian Web Clipper]], [[QMD]], [[版本管理]], [[被动更新]], [[双链笔记]] + 32|- Entities created: [[Obsidian]], [[Gitea]] + 33|- Source page: wiki/sources/养虾日记3-用-obsidian-gitea-为-ai-助手构建持久化笔记系统.md + 34|- Notes: + 35| - 新增 Sources 条目至 index.md（置于最前） + 36| - 更新 overview.md，替换原 [[养虾日记1]] 段落为 [[养虾日记3]] + 37| - 创建 Entity 页面：Obsidian.md, Gitea.md + 38| - 创建 Concept 页面：LLM-Wiki.md + 39| - Gitea 已在 Entity 中存在（无需重复创建，仅更新） + 40| - 冲突：无已知冲突 + 41| + 42|## [2026-04-23] ingest | 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 + 43|- Source file: 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 + 44|- Status: ✅ 成功摄入 + 45|- Summary: AI Agent 记忆失效问题的5天专项调试全记录——发现5类根本原因（上下文压缩、搜索后端、检索触发、压缩协同、系统配置），对应10条黄金法则。核心洞察：写入纪律比读取纪律更重要；压缩不是敌人，未写入的上下文才是；系统提示词从209,652精简到9,349令牌（减少28%）。 + 46|- Concepts created: 上下文压缩、上下文刷新、写入纪律、交接协议、启动序列 + 47|- Entities created: — + 48|- Source page: 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 + 49|- Notes: + 50| - 新增 Sources 条目至 index.md（置于养虾日记1、2之后） + 51| - 更新 overview.md，新增 [[养龙虾5天血泪史]] 段落至养虾日记系列部分 + 52| - 创建 5 个 Concept 页面（上下文压缩/上下文刷新/写入纪律/交接协议/启动序列） + 53| - Hybrid-Search 概念页面已存在（无需重复创建） + 54| - 冲突已记录于 source page Contradictions 部分（与 Second Brain 的 MEMORY.md 定位差异、与 personal-crm 的联系人记录方式差异） + 55| + 56|## [2026-04-23] ingest | 养虾日记1：我用 OpenClaw 管了 28 万张照片 + 57|- Source file: 微信公众号/养虾日记1：我用 OpenClaw 管了 28 万张照片：一次真实的多设备照片整理实战.md + 58|- Status: ✅ 成功摄入 + 59|- Summary: AI Agent 照片整理实战——使用 OpenClaw 成功整理了 NAS 上 28 万张、跨越 20 年的家庭照片。OpenClaw 通过「提问澄清 → 方案制定 → 批次拆分（8 批次）→ Cron 凌晨自动执行 → Telegram Summary 报告」全流程自动化。核心机制：MD5 精确去重 + 小文件清理（<100KB）+ 安全删除策略（To-Be-Deleted 目录）。核心感悟：AI Agent 的价值是思维方式升级。 + 60|- Concepts created: — + 61|- Entities created: — + 62|- Source page: wiki/sources/养虾日记1-我用-openclaw-管了-28-万张照片-一次真实的多设备照片整理实战.md + 63|- Notes: + 64| - 新增 Sources 条目至 index.md（置于最前） + 65| - 更新 overview.md，新增 [[养虾日记1]] 段落至 Self-Improving 部分，新增 [[AI-Agent思维方式]]/[[批次任务拆分]]/[[精确去重]]/[[小文件清理]]/[[安全删除策略]]/[[Telegram通知]] 至 Key Concepts + 66| - Entity 数量不足阈值（OpenClaw/Synology Photos/NAS 均已存在或仅出现 1 次），未创建新 Entity 页面 + 67| - Concept 数量不足阈值（所有概念均为本篇特定实践，不满足可抽象/可复用条件），未创建独立 Concept 页面 + 68| - 冲突已记录于 source page Contradictions 部分（与 Self-Healing-Home-Server 的规划者 vs 修复者角色差异） + 69| + 70|## [2026-04-23] ingest | X Account Analysis + 71|- Source file: Agent/usecases/x-account-analysis.md + 72|- Status: ✅ 成功摄入 + 73|- Summary: 基于 OpenClaw + Bird Skill 的 X 账号定性分析——通过 Cookie 认证读取真实账号推文，AI 分析内容质量模式（为何有时 1000+ 赞有时 <5 赞）、话题偏好与互动差异原因。免费替代 $10-$50/月订阅服务。 + 74|- Concepts created: — + 75|- Entities created: — + 76|- Source page: wiki/sources/x-account-analysis.md + 77|- Notes: + 78| - 新增 Sources 条目至 index.md（置于最前） + 79| - 更新 overview.md，新增 [[x-account-analysis]] 段落至 X/Twitter Automation 部分（补充原 x-twitter-automation 段落的互补关系描述） + 80| - 更新 wiki/sources/x-twitter-automation.md，移除"（尚未摄入）"标注 + 81| - Entity/Concept 数量不足阈值（每项仅在本文中出现 1 次），未创建新实体/概念页面；[[OpenClaw]] 已存在于 Key Entities + 82| - 新增 Key Concepts: [[Social-Media-Analytics]], [[Credential-Isolation]] + 83| + 84|## [2026-04-23] ingest | Phone Call Notifications + 85|- Source file: Agent/usecases/phone-call-notifications.md + 86|- Status: ✅ 成功摄入 + 87|- Summary: AI Agent 通过 clawr.ing 托管电话服务主动向用户拨打电话通知——Agent 评估事件优先级（股价暴跌/紧急邮件/日程提醒），自动拨叫用户真实号码，用户可实时提问，Agent 双向对话响应。与 [[phone-based-personal-assistant]] 互补（Agent 去电通知 vs 用户来电接收）。 + 88|- Concepts created: [[Voice Notification Channel]], [[Two-Way Voice Conversation]], [[Call-Worthy Threshold]] + 89|- Entities created: [[clawr.ing]], [[clawhub.ai]] (updated) + 90|- Source page: wiki/sources/phone-call-notifications.md + 91|- Notes: + 92| - 新增 Sources 条目至 index.md（置于最前） + 93| - 更新 overview.md，新增 [[phone-call-notifications]] 段落至 AI Tools & Prompt Engineering 部分，新增 [[clawr.ing]]/[[clawhub.ai]] 至 Key Entities，新增 [[Voice Notification Channel]]/[[Two-Way Voice Conversation]]/[[Call-Worthy Threshold]]/[[PSTN Calling]] 至 Key Concepts + 94| - 新增 Entity: wiki/entities/clawr.ing.md；更新 wiki/entities/ClawHub.md（添加 clawr.ing 作为托管 skill） + 95| - 新增 Concept: wiki/concepts/Voice-Notification-Channel.md、wiki/concepts/Two-Way-Voice-Conversation.md、wiki/concepts/Call-Worthy-Threshold.md + 96| - 更新 overview.md Conflict Areas，新增"Agent 去电通知 vs Agent 来电接收"冲突点 + 97| + 98|## [2026-04-23] ingest | Autonomous Educational Game Development Pipeline + 99|- Source file: Agent/usecases/autonomous-game-dev-pipeline.md + 100|- Status: ✅ 成功摄入 + 101|- Summary: AI Agent 全自动管理教育游戏开发生命周期——"Bugs First" 优先策略 + Round Robin 轮询 + 纯 HTML5/CSS3/JS 技术栈，单人实现每 7 分钟产出 1 款游戏或 1 个 bugfix，41+ 款游戏维护。 + 102|- Concepts created: [[Bugs First]], [[Round Robin Strategy]], [[Conventional Commits]], [[Feature Branch Workflow]], [[HTML5 Game Development]] + 103|- Entities created: — + 104|- Source page: wiki/sources/autonomous-game-dev-pipeline.md + 105|- Notes: + 106| - 新增 Sources 条目至 index.md（置于最前） + 107| - 更新 overview.md，新增 [[autonomous-game-dev-pipeline]] 段落至 AI Tools & Prompt Engineering 部分 + 108| - Entity/Concept 数量不足阈值，未创建新实体页面；[[OpenClaw]] 实体已存在于 index.md + 109| + 110|## [2026-04-23] ingest | arXiv Paper Reader + 111|- Source file: Agent/usecases/arxiv-paper-reader.md + 112|- Status: ✅ 成功摄入 + 113|- Summary: AI Agent 驱动的 arXiv 论文阅读助手——通过 `arxiv-reader` skill（3 工具：`arxiv_fetch`、`arxiv_sections`、`arxiv_abstract`）直接从 arXiv 下载 LaTeX 源码并自动扁平化展开，消除 PDF 下载后切换论文丢失上下文和 LaTeX 符号难以解析的痛点；支持摘要浏览、多论文对比排序、选择性细读和会话式分析；本地缓存使重复访问秒级响应；纯 Node.js 零依赖部署。 + 114|- Concepts created: [[arXiv-API]], [[LaTeX-Flattening]], [[Local-Caching]], [[Paper-Abstract-Batch-Fetching]] + 115|- Entities created: [[Prismer-AI]] + 116|- Source page: wiki/sources/arxiv-paper-reader.md + 117|- Notes: + 118| - 新增 Sources 条目至 index.md（替换 "source missing" placeholder） + 119| - 更新 overview.md，在 YouTube Automation 部分后新增 [[arXiv-Paper-Reader]] 段落，在 Key Concepts 列表新增 4 个新概念 + 120| - 创建 Entity 页面：Prismer-AI.md（GitHub 组织，`arxiv-reader` skill 维护方） + 121| - 创建 Concept 页面：arXiv-API.md（arXiv 开放 API）、LaTeX-Flattening.md（LaTeX 扁平化技术）、Local-Caching.md（本地缓存模式）、Paper-Abstract-Batch-Fetching.md（批量摘要对比模式） + 122| - 与 [[academic-historian]] 同属学术研究场景互补——前者侧重理工科论文，后者侧重人文社科 + 123| - 与 [[YouTube-Content-Pipeline]] 的 Research Agent 共享研究工作流设计模式 + 124| - 冲突检测：无已知实质冲突 + 125| + 126|## [2026-04-22] ingest | Semantic Memory Search + 127|- Source file: Agent/usecases/semantic-memory-search.md + 128|- Status: ✅ 成功摄入 + 129|- Summary: 通过 memsearch（基于 Milvus 向量数据库）为 OpenClaw Markdown 记忆添加语义搜索能力——用自然语言提问即可找到相关内容，无需精确措辞。混合搜索（稠密向量 + BM25 + RRF）兼顾语义相似性和关键词精确匹配；SHA-256 内容哈希实现增量索引节省成本；文件监视器自动重建索引；支持本地模式无需 API Key。核心理念：Markdown 是唯一真相，向量索引是派生缓存。 + 130|- Concepts created: [[Hybrid Search]], [[Reciprocal Rank Fusion]], [[Content Hashing]], [[File Watcher]] + 131|- Entities created: [[memsearch]], [[Milvus]] + 132|- Source page: wiki/sources/semantic-memory-search.md + 133|- Notes: + 134| - 新增 Sources 条目至 index.md（替换 "source missing" placeholder） + 135| - 更新 overview.md，在 Productivity & Knowledge Management 部分新增 [[semantic-memory-search]] 段落，在 Key Concepts 列表新增 6 个新概念 + 136| - 创建 Entity 页面：Memsearch.md（ZillizTech memsearch CLI/库）、Milvus.md（开源向量数据库） + 137| - 创建 Concept 页面：Hybrid-Search.md（混合搜索策略）、Reciprocal-Rank-Fusion.md（排名融合算法）、Content-Hashing.md（增量索引机制）、File-Watcher.md（自动重建索引） + 138| - 与 [[Knowledge-Base-RAG]] 同属 RAG 技术栈的不同场景——后者侧重 URL 入库，前者侧重现有 Markdown 文件的语义索引 + 139| - 冲突检测：wiki/concepts/Semantic-Search.md 已引用 [[Hybrid Search]]，与本 Source 一致；wiki/concepts/Knowledge-Base-RAG.md 有 Hybrid Search 说明，与本 Source 一致，暂无实质冲突 + 140| + 141|## [2026-04-22] ingest | OpenClaw as Desktop Cowork (AionUi) — Remote Rescue & Multi-Agent Hub + 142|- Source file: Agent/usecases/aionui-cowork-desktop.md + 143|- Status: ✅ 成功摄入 + 144|- Summary: 通过 AionUi 桌面应用将 OpenClaw 作为可视化 Cowork Agent 运行——提供文件感知工作空间（可见文件读写/命令/网页浏览），内置 OpenClaw 部署专家通过 Telegram/WebUI 远程诊断修复（`openclaw doctor`），统一 MCP 配置全局同步到 12+ Agent，支持 WebUI/Telegram/Lark/DingTalk 多渠道远程访问。 + 145|- Concepts created: [[CoworkWorkspace]], [[RemoteRescuePattern]], [[Multi-AgentHub]], [[MCPOnceAllAgents]] + 146|- Entities created: [[AionUi]] + 147|- Source page: wiki/sources/aionui-cowork-desktop.md + 148|- Notes: + 149| - 新增 Sources 条目至 index.md（替换 "source missing" placeholder） + 150| - 更新 overview.md，在 AI Tools & Prompt Engineering 部分新增 [[aionui-cowork-desktop]] 段落，在 Key Entities 部分新增 [[AionUi]]，在 Key Concepts 部分新增 4 个新概念 + 151| - 创建实体页面 wiki/entities/AionUi.md + 152| - 创建概念页面：CoworkWorkspace.md, RemoteRescuePattern.md, Multi-AgentHub.md, MCPOnceAllAgents.md + 153| + 154|## [2026-04-22] ingest | Family Calendar Aggregation & Household Assistant + 155|- Source file: Agent/usecases/family-calendar-household-assistant.md + 156|- Status: ✅ 成功摄入 + 157|- Summary: AI Agent 作为家庭日程协调中心——聚合 5+ 个分散日历（工作/个人/家庭/学校/课外）生成每日晨间简报；通过环境消息监控（Ambient Message Monitoring）自动从 iMessage 中识别预约并创建日历事件（含行车时间缓冲）；维护家庭库存 JSON，支持照片 OCR 和小票识别更新；生成购物清单。核心洞察：Ambient > Active，Mac Mini 是最优硬件。 + 158|- Concepts created: [[AmbientMessageMonitoring]], [[HouseholdInventoryTracking]] + 159|- Entities created: [[SparkryAI]] + 160|- Source page: wiki/sources/family-calendar-household-assistant.md + 161|- Notes: + 162| - 新增 Sources 条目至 index.md（替换 "source missing" placeholder） + 163| - 更新 overview.md，在 AI Tools & Prompt Engineering 部分新增 [[family-calendar-household-assistant]] 段落 + 164| - 新建 Concept 页面：AmbientMessageMonitoring.md（核心差异化机制）、HouseholdInventoryTracking.md（物资追踪模式） + 165| - 新建 Entity 页面：SparkryAI.md（牙医预约案例的来源） + 166| - 与 [[Custom Morning Brief]] 互补：同一晨间简报模式，个人场景 vs 家庭场景 + 167| - 与 [[Second Brain]] 共享 OpenClaw 持久记忆能力 + 168| - 冲突检测：暂无发现与其他 Wiki 页面的内容冲突 + 169| + 170|## [2026-04-22] ingest | Personal Knowledge Base (RAG) + 171|- Source file: Agent/usecases/knowledge-base-rag.md + 172|- Status: ✅ 成功摄入 + 173|- Summary: AI Agent 驱动的个人知识库 RAG 系统——通过 Telegram Topic 或 Slack Channel 投递任意 URL（网页/推文/YouTube 字幕/PDF），Agent 自动抓取内容并以 Embedding 向量入库；支持语义搜索，返回排名结果并附带来源；可被其他工作流（如 [[YouTube-Content-Pipeline]]）主动查询。核心理念：**捕获像发短信一样简单，检索像搜索一样容易**。 + 174|- Concepts created: [[Semantic-Search]], [[Content-Ingestion]] + 175|- Source page: wiki/sources/knowledge-base-rag.md + 176|- Notes: + 177| - 新增 Sources 条目至 index.md（替换 "source missing" placeholder） + 178| - 更新 overview.md，在 Productivity & Knowledge Management 部分新增 [[Personal Knowledge Base (RAG)]] 段落 + 179| - 与 [[Second Brain]] 互补：Second Brain 侧重对话记忆，本方案侧重结构化知识检索 + 180| - 与 [[YouTube-Content-Pipeline]] 关联：后者在工作流中主动查询知识库 + 181| - [[Knowledge-Base-RAG]] 概念页已存在（2026-04-22 youtube-content-pipeline ingest 时创建），本次补充 Semantic-Search 和 Content-Ingestion 两个子概念 + 182| - Entity 页面（OpenClaw、ClawHub、Telegram、Slack）均已在 overview.md Key Entities 中覆盖，无需新建 + 183| - Contradiction：暂无发现与其他 Wiki 页面的内容冲突 + 184|- Status: ✅ 成功摄入 + 185|- Summary: AI Agent 驱动的 YouTube 选题发现与选题自动化流水线——每小时 Cron Job 扫描 Web + X/Twitter 突发 AI 新闻，向 Telegram 推送选题；维护 90 天视频目录（播放量 + 主题分析）避免选题重复；通过 SQLite 向量嵌入实现语义去重；在 Slack 分享链接时自动研究主题、搜索 X、查询知识库并创建带大纲的 Asana 任务卡。 + 186|- Concepts created: [[Semantic-Deduplication]], [[Vector-Embedding]], [[Knowledge-Base-RAG]] + 187|- Source page: wiki/sources/youtube-content-pipeline.md + 188|- Notes: + 189| - 新增 Sources 条目至 index.md（替换 "source missing" placeholder） + 190| - 更新 overview.md，在 YouTube Automation 部分新增 [[YouTube-Content-Pipeline]] 段落 + 191| - 与 [[Daily-YouTube-Digest]] 互补：后者侧重订阅频道更新监控，前者侧重全网趋势主动发现 + 192| - 与 [[Content-Factory]] 共享并行子 Agent 执行模式 + 193| - Entity 页面（OpenClaw、Asana、Slack）均已存在，无需新建 + 194| - 新增 3 个 Concept 页面并注册至 index.md Concepts 索引 + 195| - Contradiction：暂无发现与其他 Wiki 页面的内容冲突 + 196|- Source file: Agent/usecases/polymarket-autopilot.md + 197|- Status: ✅ 成功摄入 + 198|- Summary: 基于 AI Agent 的 Polymarket 预测市场自动驾驶交易系统，实现 24/7 市场监控与自动化分析。AI Agent 自动监控 Polymarket 市场数据、智能分析预测概率变化、自动执行交易策略、定时推送市场洞察。 + 199|- Concepts created: [[Prediction Market]], [[Agentic Trading]], [[Market Monitoring]] + 200|- Entities created: [[Polymarket]] + 201|- Source page: wiki/sources/polymarket-autopilot.md + 202|- Notes: + 203| - 新增 Sources 条目至 index.md（替换 placeholder） + 204| - 更新 overview.md，在 Multi-Agent Monitoring 部分的 Dynamic Dashboard 段落中补充 polymarket-autopilot 引用 + 205| - 与 [[Dynamic Dashboard]] 存在关联（监控仪表盘的具体用例） + 206| - 与 [[earnings-tracker]] 属于同类模式（市场数据监控 + 定时推送） + 207| - Polymarket 已在 overview.md Key Entities 中提及，无需重复创建 Entity 页面 + 208| - Contradiction：暂无发现与其他 Wiki 页面的内容冲突 + 209| + 210|## [2026-04-22] ingest | Local CRM Framework with DenchClaw + 211|- Source file: Agent/usecases/local-crm-framework.md + 212|- Status: ✅ 成功摄入 + 213|- Summary: DenchClaw 将 OpenClaw 转化为本地 CRM、销售自动化和生产力平台，通过 `npx denchclaw` 一键安装完整技术栈（DuckDB + Web UI + OpenClaw Profile + 浏览器自动化）。核心创新：所有设置/视图以 YAML/Markdown 文件存储，Agent 可直接修改 UI 而无需 API 抽象层；Chrome Profile 克隆使 Agent 继承用户认证状态，可直接导入 HubSpot 等平台数据。 + 214|- Concepts created: [[File-System-First-UI]], [[DuckDB]] + 215|- Entities created: [[DenchClaw]] + 216|- Source page: wiki/sources/local-crm-framework.md + 217|- Notes: + 218| - 新增 Sources 条目至 index.md（置于首位） + 219| - 更新 overview.md，在 [[personal-crm]] 附近添加 Local CRM Framework 段落 + 220| - 创建 1 个 Entity 页面：DenchClaw.md + 221| - 创建 2 个 Concept 页面：DuckDB.md、File-System-First-UI.md + 222| - 与 [[Second Brain]] 均基于 OpenClaw 的记忆/持久化能力，属同类应用的不同垂直场景 + 223| - 与 [[personal-crm]] 同属个人 CRM 场景的不同实现方案 + 224| - 与 [[multi-channel-assistant]] 共享 Telegram/消息平台作为交互入口 + 225| - 核心设计哲学：文件系统即 Agent 原生 UI + DuckDB 嵌入式数据库 + Chrome Profile 克隆 + 226| - Contradiction：暂无发现与其他 Wiki 页面的内容冲突 + 227| + 228|## [2026-04-22] ingest | Goal-Driven Autonomous Tasks + 229|- Source file: Agent/usecases/overnight-mini-app-builder.md + 230|- Status: ✅ 成功摄入 + 231|- Summary: AI Agent 从被动执行者转变为主动规划者的目标驱动型自主任务系统。通过 Brain Dump 一次性倾倒所有目标，OpenClaw 每日清晨自动生成 4-5 个贴近目标的自主任务（研究/写作/MVP构建），通过 Next.js Kanban 看板实时追踪。核心价值：用户定义目的地，Agent 自动分解并执行每日步骤。还包含过夜惊喜 Mini-App 构建模式。核心工程实践：Git-style append-only 日志解决多 Agent 竞态条件；Token-Light Design 保持 AUTONOMOUS.md 在 50 行以内。 + 232|- Concepts created: [[Sub-Agent-Race-Condition]], [[Token-Light-Design]], [[Brain-Dump]] + 233|- Entities created: （无新增，[[OpenClaw]]/[[Alex Finn]]/[[Next.js]] 均已存在） + 234|- Source page: wiki/sources/overnight-mini-app-builder.md + 235|- Notes: + 236| - 新增 Sources 条目至 index.md（替换 placeholder，原标题为 overnight-mini-app-builder） + 237| - 更新 overview.md，将 Market Research & Product Factory 段落替换为 Goal-Driven Autonomous Tasks 段落，补充 Git-style append-only 模式和 Token-Light Design 洞察 + 238| - 更新 Alex-Finn.md，将 overnight-mini-app-builder 添加至 sources + 239| - 创建 3 个 Concept 页面：Sub-Agent-Race-Condition.md、Token-Light-Design.md、Brain-Dump.md + 240| - 与 [[Project State Management]] 的看板 vs 事件溯源存在潜在冲突（已记录于 Source Page Contradictions） + 241| - 与 [[market-research-product-factory]] 同属 Alex Finn 启发的 OpenClaw 高阶用法，前者侧重任务追踪和持续执行，后者侧重产品机会发现 + 242| + 243|## [2026-04-17] ingest | Habit Tracker & Accountability Coach + 244|- Source file: Agent/usecases/habit-tracker-accountability-coach.md + 245|- Status: ✅ 成功摄入 + 246|- Summary: AI Agent 作为主动问责伙伴，通过 Telegram/SMS 每日定时签到，替代被动习惯追踪 App。核心机制：主动问责 + 连续打卡追踪 + 自适应语气 + 每周模式分析。关键洞察：主动询问比被动记录更能驱动行为改变；保持 3-5 个习惯可避免签到疲劳；[[Adaptive Tone]] 自适应语气是关键差异化因素。 + 247|- Concepts created: [[Adaptive-Tone]], [[Active-Accountability]], [[Streak-Tracking]], [[Check-in-Fatigue]], [[Weekly-Pattern-Analysis]] + 248|- Entities created: （无新增，[[Telegram Bot API]]/[[Twilio]]/[[Google Sheets API]] 各仅出现 1 次，不满足≥2次创建条件；[[OpenClaw]] 已存在） + 249|- Source page: wiki/sources/habit-tracker-accountability-coach.md + 250|- Notes: + 251| - 新增 Sources 条目至 index.md（替换 placeholder） + 252| - 更新 overview.md，添加 Habit Tracker & Accountability Coach 段落，补充 [[Adaptive Tone]], [[Active Accountability]], [[Streak Tracking]], [[Check-in Fatigue]], [[Weekly Pattern Analysis]] 至 Key Concepts + 253| - 创建 5 个 Concept 页面：Adaptive-Tone.md、Active-Accountability.md、Streak-Tracking.md、Check-in-Fatigue.md、Weekly-Pattern-Analysis.md + 254| - 已有相关 Concept：[[Scheduled-Reminder]]（定时签到技术基础）、[[Agent-Personality]]（Adaptive Tone 的上层设计）、[[Morning Briefing]]（同一 Cron + AI 推送模式）、[[Food-Sensitivity-Tracking]]（同一框架的不同垂直场景） + 255| - 已有相关 Entity：[[OpenClaw]]（底层运行平台） + 256| - 与 [[Health & Symptom Tracker]] 属同一框架（OpenClaw + Telegram + Cron Job + 每周分析），但垂直于个人习惯养成 + 257| - Contradiction：与[[Todoist Task Manager]] 同属 OpenClaw 生产力工具集，但 Todoist 侧重任务管理，Habit Tracker 侧重个人行为改变——不冲突，属于互补关系 + 258| - 与传统习惯 App（Streaks/Habitica）的对比：传统 App 强调被动记录和视觉激励；本方案强调主动询问和个性化文字激励 + 259| + 260|## [2026-04-22] ingest | Todoist Task Manager + 261|- Source file: Agent/usecases/todoist-task-manager.md + 262|- Status: ✅ 成功摄入 + 263|- Summary: AI Agent 通过 Todoist API 实现自然语言驱动的任务管理自动化——Agent 解析自然语言指令 → Todoist REST API 创建结构化任务（含截止/项目/标签）→ Cron Job 定时扫描逾期任务主动推送提醒。核心价值：用户只需发一条消息即可完成全套操作，AI 主动追踪逾期任务。 + 264|- Concepts created: [[Todoist API]], [[AI-Driven Task Extraction]], [[Recurring Tasks]] + 265|- Entities created: （无新增，[[Todoist]]/[[OpenClaw]]/[[SuperCall]] 已存在） + 266|- Source page: wiki/sources/todoist-task-manager.md + 267|- Notes: + 268| - 新增 Sources 条目至 index.md（替换 placeholder） + 269| - 更新 overview.md，添加 Todoist Task Manager 段落，补充 [[Morning Briefing]], [[Todoist API]], [[AI-Driven Task Extraction]], [[TaskAutomation]], [[Recurring Tasks]] 至 Key Concepts + 270| - 更新 entities/Todoist.md，添加 todoist-task-manager 至 sources + 271| - 创建 3 个 Concept 页面：Todoist-API.md、AI-Driven-Task-Extraction.md、Recurring-Tasks.md + 272| - [[Project State Management]] 冲突记录：Todoist（结构化字段/API驱动）与 Markdown 事件流（完整上下文/自托管）各有适用场景 + 273| - 与 [[multi-channel-assistant]] 中 Todoist 集成属同一技术栈，侧重不同：前者侧重多渠道统一入口，后者侧重任务管理深度自动化 + 274| + 275|## [2026-04-22] ingest | Dynamic Dashboard with Sub-agent Spawning + 276|- Source file: Agent/usecases/dynamic-dashboard.md + 277|- Status: ✅ 成功摄入 + 278|- Summary: 基于子代理并行执行的多数据源实时监控仪表盘——通过子代理并行抓取 GitHub/Twitter/Polymarket/系统健康等多数据源，定时聚合结果推送 Discord，支持告警阈值和历史趋势存储。用对话式指令替代数周前端开发，立即获得实时洞察。 + 279|- Concepts created: [[Dynamic-Dashboard]], [[Alerting]] + 280|- Entities created: （无新增，[[OpenClaw]] 已存在） + 281|- Source page: wiki/sources/dynamic-dashboard.md + 282|- Notes: + 283| - 新增 Sources 条目至 index.md（插入顶部） + 284| - 更新 overview.md，添加 Multi-Agent Monitoring & Automation 段落，补充 [[Dynamic-Dashboard]] 和 [[Alerting]] 至 Key Concepts + 285| - 创建 2 个 Concept 页面：Dynamic-Dashboard.md、Alerting.md + 286| - 已有相关 Concept：[[Parallel-Agent-Execution]]（子代理并行）、[[Scheduled-Task-Flywheel]]（定时任务） + 287| - 已有相关 Entity：[[OpenClaw]]（多代理框架） + 288| - 冲突：与 [[content-factory]] 存在场景重叠（并行执行模式），但前者侧重数据监控，后者侧重内容创作 + 289| + 290|## [2026-04-22] ingest | Pre-Build Idea Validator + 291|- Source file: Agent/usecases/pre-build-idea-validator.md + 292|- Status: ✅ 成功摄入 + 293|- Summary: AI 项目启动前的竞争分析门控机制——在写代码之前通过 idea-reality-mcp 扫描 GitHub/Hacker News/npm/PyPI/Product Hunt 五个数据源，返回 reality_signal 分数（0-100）评估赛道拥挤度，防止 Agent 在已饱和赛道投入资源。 + 294|- Concepts created: [[Pre-Build Validation]], [[Reality-Signal]], [[Competition-Analysis]], [[Pivot-Strategy]], [[Agent-Build-Gate]] + 295|- Entities created: [[idea-reality-mcp]] + 296|- Source page: wiki/sources/pre-build-idea-validator.md + 297|- Notes: + 298| - 新增 Sources 条目至 index.md（插入顶部） + 299| - 更新 overview.md，添加 pre-build-idea-validator 段落并补充 4 个新概念至 Key Concepts + 300| - 创建 5 个 Concept 页面：Pre-Build-Validation.md、Reality-Signal.md、Competition-Analysis.md、Pivot-Strategy.md、Agent-Build-Gate.md + 301| - 创建 1 个 Entity 页面：idea-reality-mcp.md + 302| - Hacker-News 和 Product-Hunt 仅出现 1 次，不满足 ≥2 次的 Entity 创建阈值，未创建 + 303| - 与 market-research-product-factory 互补：后者挖痛点找方向，前者在动手前验证赛道的竞争密度 + 304| - 冲突：无 + 305| + 306|## [2026-04-22] ingest | Autonomous Project Management with Subagents + 307|- Source file: Agent/usecases/autonomous-project-management.md + 308|- Status: ✅ 成功摄入 + 309|- Summary: 去中心化多 Agent 项目协调模式——通过共享 STATE.yaml 实现并行自主执行，主会话遵循 CEO 模式（仅做策略决策），Git 作为审计日志记录所有状态变更。核心洞察：文件协调优于中心编排器，主会话越薄响应越快。 + 310|- Concepts created: [[PM Delegation Pattern]], [[CEO Pattern]], [[Shared State Coordination]], [[Git-as-Audit-Log]] + 311|- Entities created: [[Nicholas Carlini]] + 312|- Source page: wiki/sources/autonomous-project-management.md + 313|- Notes: + 314| - 新增 Sources 条目至 index.md（插入顶部） + 315| - 更新 overview.md，添加 4 个新概念至 Key Concepts + 316| - 创建 4 个 Concept 页面：PMDelegationPattern.md、CEOPattern.md、SharedStateCoordination.md、GitAsAuditLog.md + 317| - 创建 1 个 Entity 页面：NicholasCarlini.md + 318| - 冲突记录：与 [[project-state-management]] 的任务管理范式冲突（动态文件 vs 静态看板） + 319| - Nicholas Carlini 未在原 Wiki 中出现，作为启发来源创建 Entity 页面 + 320| + 321|- Source file: Agent/usecases/daily-reddit-digest.md + 322|- Status: ✅ 成功摄入 + 323|- Summary: AI Agent 驱动的 Reddit 每日精选摘要自动化——通过 OpenClaw + reddit-readonly skill，每日定时抓取多 Subreddit 热门帖子，AI 记忆偏好持续优化规则，纯读取模式无需认证。 + 324|- Concepts created: [[Daily-Digest]], [[Reddit Read-Only]], [[Preference Learning]] + 325|- Entities created: [[reddit-readonly]] + 326|- Source page: wiki/sources/daily-reddit-digest.md + 327|- Notes: + 328| - 更新 index.md，替换缺失标记为正式条目 + 329| - 更新 overview.md，添加至 YouTube Automation / Daily Digest 章节 + 330| - OpenClaw Entity 页面已存在，无需新建 + 331| - Preference Learning Concept 已在 inbox-declutter 中引用，无需新建 + 332| + 333|## [2026-04-22] ingest | Inbox De-clutter + 334|- Source file: Agent/usecases/inbox-declutter.md + 335|- Status: ✅ 成功摄入 + 336|- Summary: AI Agent 每日自动整理 Newsletter 邮件摘要——通过 Cron Job 每日 20:00 阅读过去 24 小时 Newsletter 新邮件，生成精华摘要并附链接，根据用户反馈持续学习偏好。需前置 Gmail OAuth Setup。 + 337|- Concepts created: [[Email Triage]], [[Newsletter Digest]], [[Preference Learning]] + 338|- Entities created: [[Gmail OAuth]] + 339|- Source page: wiki/sources/inbox-declutter.md + 340|- Notes: + 341| - 新增 Sources 条目至 index.md（插入顶部） + 342| - 更新 overview.md，添加 inbox-declutter 描述段落（作为 [[custom-morning-brief]] 的相似模式） + 343| - 创建 Concept 页面：Email-Triage.md、Newsletter-Digest.md、Preference-Learning.md + 344| - 创建 Entity 页面：Gmail-OAuth.md + 345| - 与 [[custom-morning-brief]] 属同一 Cron Job + AI 摘要模式的不同垂直场景 + 346| - 冲突：无 + 347| + 348|## [2026-04-22] ingest | Market Research & Product Factory + 349|- Source file: Agent/usecases/market-research-product-factory.md + 350|- Status: ✅ 成功摄入 + 351|- Summary: AI Agent 驱动的"从市场调研到产品构建"全自动化流水线——通过 Last 30 Days skill 挖掘 Reddit 和 X 近30天真实用户痛点，OpenClaw 根据痛点构建 Web 应用 MVP。核心价值：发短信即可完成"发现问题→验证需求→构建方案"全流程，无需技术背景。 + 352|- Concepts created: [[Pain Point Mining]], [[Startup MVP Pipeline]], [[Agent-Driven Market Research]], [[Last 30 Days Method]] + 353|- Source page: wiki/sources/market-research-product-factory.md + 354|- Notes: + 355| - 新增 Sources 条目至 index.md + 356| - 更新 overview.md，添加 Market Research & Product Factory 描述段落 + 357| - 添加 Pain Point Mining、Startup MVP Pipeline、Agent-Driven Market Research、Last 30 Days Method 到 Key Concepts + 358| - Alex Finn 出现2次（content-factory + market-research），但按出现频次标准不满足 Entity 创建条件，跳过 + 359| - Matt Van Horne 仅出现1次，跳过 Entity 页面创建 + 360| - 冲突：无已知冲突 + 361| + 362|## [2026-04-22] ingest | Phone-Based Personal Assistant + 363|- Source file: Agent/usecases/phone-based-personal-assistant.md + 364|- Status: ✅ 成功摄入 + 365|- Summary: 通过 ClawdTalk + Telnyx 将任意手机变成 AI 助理语音入口——拨打电话即可与 OpenClaw 对话，支持日历查询、Jira 任务更新、网络搜索，无需智能手机 App 或浏览器，覆盖驾驶、步行等双手占用场景。与 [[multi-channel-assistant]] 互补：文字入口覆盖图文交互，语音入口覆盖无屏场景。 + 366|- Concepts created: [[Voice Interface]], [[Telephony Integration]] + 367|- Entities created: [[ClawdTalk]], [[Telnyx]] + 368|- Source page: wiki/sources/phone-based-personal-assistant.md + 369|- Notes: + 370| - 新增 Sources 条目至 index.md（插入 Multi-Channel Personal Assistant 之后） + 371| - 更新 overview.md，添加 phone-based-personal-assistant 描述段落，添加 Voice Interface、Telephony Integration 到 Key Concepts + 372| - 创建 2 个 Entity 页面：ClawdTalk.md、Telnyx.md + 373| - 创建 2 个 Concept 页面：Voice-Interface.md、Telephony-Integration.md + 374| - 冲突已记录（已在 overview.md Conflict Area #10）：[[phone-based-personal-assistant]] 通用语音 Agent vs [[event-guest-confirmation]] SuperCall 沙盒 Persona + 375| + 376|## [2026-04-22] ingest | Event Guest Confirmation + 377|- Source file: Agent/usecases/event-guest-confirmation.md + 378|- Status: ✅ 成功摄入 + 379|- Summary: 基于 OpenClaw + SuperCall 的活动嘉宾自动确认方案——通过 AI 语音电话批量外呼客人，确认出席状态并收集备注（饮食禁忌、Plus-One、到达时间等），通话完成后生成出席确认/未出席/未接听三分类摘要。核心价值：真人电话比短信回复率高；SuperCall 沙盒 persona 设计确保安全隔离，无 Prompt Injection 风险；每通电话独立重置，无对话间信息混淆。 + 380|- Concepts created: [[Sandboxed Persona]] + 381|- Entities created: （无新实体；OpenClaw 已在其他来源中出现） + 382|- Source page: wiki/sources/event-guest-confirmation.md + 383|- Notes: + 384| - 新增 Sources 条目至 index.md（插入 Multi-Channel Personal Assistant 之后） + 385| - 更新 overview.md，添加 AI Tools & Productivity 小节描述 + 386| - 更新 overview.md Conflict Area #10，添加 SuperCall 沙盒 Persona vs 通用语音 Agent 对比 + 387| - 创建 1 个 Concept 页面：Sandboxed-Persona.md + 388| + 389|## [2026-04-22] ingest | Multi-Channel Personal Assistant + 390|- Source file: Agent/usecases/multi-channel-assistant.md + 391|- Status: ✅ 成功摄入 + 392|- Summary: 基于 Telegram Topic 路由 + OpenClaw 的多渠道个人助理方案——以 Telegram 为统一入口，通过 Topic 隔离不同上下文（config/updates/video-ideas/personal-crm/earnings/knowledge-base），整合 Google Workspace（gog）、Slack、Todoist、Asana，实现"说一句话完成全套工作"。核心价值：消除应用切换疲劳，AI 主动推送定时提醒。 + 393|- Concepts created: [[Topic-Based Routing]], [[Scheduled Reminder]] + 394|- Entities created: [[Asana]], [[gog]] + 395|- Source page: wiki/sources/multi-channel-assistant.md + 396|- Notes: 与 [[multi-agent-team]] 存在互补关系——Multi-Agent Team 为底层专业化分工，Multi-Channel Assistant 为用户交互层。 + 397| + 398|## [2026-04-22] ingest | Project State Management System: Event-Driven Alternative to Kanban + 399|- Source file: Agent/usecases/project-state-management.md + 400|- Status: ✅ 成功摄入 + 401|- Summary: 用事件驱动系统替代传统看板——自然语言对话自动记录项目事件（progress/blocker/decision/pivot），PostgreSQL/SQLite 存储完整事件历史，Git 提交自动关联项目，每日 Cron 生成站会报告。消灭手动拖拽卡片的摩擦，保留完整决策上下文，让项目状态查询和每日站会自动化。 + 402|- Concepts created: [[Event Sourcing]], [[Project State]] + 403|- Entities created: （无新实体；OpenClaw 已存在于多个来源中，无需独立 Entity 页面） + 404|- Source page: wiki/sources/project-state-management.md + 405|- Notes: + 406| - 新增 Sources 条目至 index.md（插入 Sources 首行） + 407| - 更新 overview.md Conflict Area #1，扩展 Kanban vs Event Sourcing 对比描述 + 408| - 创建 2 个 Concept 页面：EventSourcing.md、ProjectState.md + 409| - 冲突已记录：Event Sourcing（自动追踪+上下文保留）vs Kanban（可视化协作+团队同步） + 410|- Source file: Agent/usecases/health-symptom-tracker.md + 411|- Status: ✅ 成功摄入 + 412|- Summary: 通过 Telegram 话题 + OpenClaw AI Agent 自动追踪食物与症状，实现食物敏感性识别。每日三餐定时提醒（8AM/1PM/7PM）确保日志一致性，OpenClaw 自动解析消息并带时间戳写入 Markdown 日志，每周日分析关联模式识别潜在触发因素。无需专用 App，完全自托管。 + 413|- Concepts created: [[Food Sensitivity Tracking]], [[Automated Health Logging]] + 414|- Entities created: （无新实体；OpenClaw 实体已存在） + 415|- Source page: wiki/sources/health-symptom-tracker.md + 416|- Notes: + 417| - 新增 Sources 条目至 index.md（插入首行） + 418| - 新增健康追踪主题至 overview.md + 419| - 冲突记录：与 habit-tracker-accountability-coach 的习惯追踪 vs 健康数据追踪侧重对比 + 420| + 421| + 422|## [2026-04-22] ingest | Second Brain + 423|- Source file: Agent/usecases/second-brain.md + 424|- Status: ✅ 成功摄入 + 425|- Summary: AI Agent 作为个人第二大脑的记忆捕获与检索系统——通过短信/Telegram/Discord 零摩擦捕获任何内容，OpenClaw 永久记忆存储，Next.js 可搜索仪表盘提供全局检索。核心洞见：捕获像发短信一样简单，检索像搜索一样简单。灵感来源：Alex Finn YouTube 视频 + Tiago Forte《Building a Second Brain》。 + 426|- Concepts created: [[Zero-Friction Capture]], [[Cumulative Memory]], [[Conversational Interface]], [[Text-and-Search]] + 427|- Entities created: [[Tiago Forte]] + 428|- Entities updated: [[OpenClaw]]（追加 second-brain 到 sources）, [[Alex Finn]]（追加 second-brain 到 sources） + 429|- Source page: wiki/sources/second-brain.md + 430|- Notes: + 431| - 新增 Sources 条目至 index.md（替换 placeholder） + 432| - 更新 overview.md，添加 Second Brain 段落，补充 4 个新概念至 Key Concepts + 433| - 创建 4 个 Concept 页面：Zero-Friction-Capture.md、Cumulative-Memory.md、Conversational-Interface.md、Text-and-Search.md + 434| - 创建 1 个 Entity 页面：Tiago-Forte.md + 435| - 与 [[dataview-让我从"笔记黑洞"里逃出来的-obsidian-神器-1]] 存在冲突记录：Obsidian + Dataview（结构化查询）vs Second Brain（极简搜索）——互补而非互斥 + 436| - 与 [[custom-morning-brief]] 和 [[self-healing-home-server]] 属相似模式（零摩擦信息捕获 + AI 主动管理），已记录为 Connections + 437| - 与 [[habit-tracker-accountability-coach]] 的互补关系：Second Brain 管理想法/链接/书目，Habit Tracker 管理习惯行为——场景不同但方法论相似 + 438| - 冲突检测：无与其他已摄入来源的实质性内容冲突 + 439| + 440| + 441|- Status: ✅ 成功摄入 + 442|- Summary: AI Agent 作为家庭服务器基础设施的全天候自动驾驶代理——OpenClaw + SSH + Cron Job 系统实现自动健康监控、故障自愈（重启 Pod/扩缩容/修复配置）、邮件分拣、每日 8AM 晨报（天气/日历/系统状态/看板）、知识库录入和安全审计。核心洞察：Cron Job 是真正的产品；知识提取具有复利效应；AI 会硬编码 secrets，TruffleHog pre-push hooks 是必须配置的防线；Local-first Git 是防止 API Key 暴露的架构基础。 + 443|- Concepts created: [[Morning Briefing]], [[Email Triage]], [[Local-first Git]], [[Defense-in-Depth]] + 444|- Entities created: [[K3s]], [[Gitea]], [[TruffleHog]] + 445|- Entities updated: [[OpenClaw]]（追加 self-healing-home-server 到 sources） + 446|- Source page: wiki/sources/self-healing-home-server.md + 447|- Notes: + 448| - 新增 Sources 条目至 index.md（替换缺失条目） + 449| - 更新 overview.md，添加 "Self-Healing Infrastructure Agent" 章节 + 450| - 创建 3 个 Entity 页面：K3s.md、Gitea.md、TruffleHog.md + 451| - 创建 4 个 Concept 页面：Morning-Briefing.md、Email-Triage.md、Local-first-Git.md、Defense-in-Depth.md + 452| - 冲突已记录：Prometheus/Grafana 监控方案（人工介入）vs AI Agent 自愈方案（全自动闭环） + 453| + 454|## [2026-04-22] ingest | AI-Powered Earnings Tracker + 455|- Source file: Agent/usecases/earnings-tracker.md + 456|- Status: ✅ 成功摄入 + 457|- Summary: AI Agent 自动化追踪科技公司财报——每周日 Cron Job 扫描财报日历并通过 Telegram 推送，用户选择后为每家公司创建一次性 Cron Job，财报发布后自动搜索结果并生成结构化摘要（beat/miss、营收、EPS、AI 亮点）。 + 458|- Concepts created: （无新概念；Cron Job 已在其他来源中建立） + 459|- Entities created: （无新实体；OpenClaw 已存在；科技公司 NVDA/MSFT 等无需独立页面） + 460|- Source page: wiki/sources/earnings-tracker.md + 461|- Notes: + 462| - 新增 Sources 条目至 index.md（插入首行） + 463| - 无需更新 overview.md（与现有 OpenClaw + Cron Job 主题一致） + 464| - 无需创建 Entity/Concept 页面 + 465| - 无冲突 + 466| + 467|## [2026-04-23] ingest | Multi-Agent Specialized Team (Solo Founder Setup) + 468|- Source file: Agent/usecases/multi-agent-team.md + 469|- Status: ✅ 成功摄入 + 470|- Summary: 用多个专业化 AI Agent 组建团队，解决一人创业者（Solo Founder）身兼数职的困境——4 个专业 Agent（Milo/策略、Josh/商业、Marketing/营销、Dev/开发）通过共享记忆 + 私有上下文 + Telegram 单一控制平面协调运作，定时任务驱动主动工作流。 + 471|- Concepts created: [[Agent Personality]], [[Agent Specialization]], [[Shared Memory Architecture]], [[Private Context]], [[Single Control Plane]], [[Scheduled Task Flywheel]], [[Parallel Agent Execution]] + 472|- Entities updated: [[OpenClaw]]（追加 multi-agent-team 到 sources） + 473|- Source page: wiki/sources/multi-agent-team.md + 474|- Notes: + 475| - 新增 Sources 条目至 index.md（插入首行） + 476| - 更新 overview.md Key Concepts，添加 5 个新概念 + 477| - 创建 6 个 Concept 页面 + 478| - 更新 OpenClaw.md sources 字段 + 479| - 冲突已记录：Multi-Agent Team（并行专业化分工）vs Content Factory（链式协作） + 480| + 481|## [2026-04-23] ingest | Daily YouTube Digest + 482|- Source file: Agent/usecases/daily-youtube-digest.md + 483|- Status: ✅ 成功摄入 + 484|- Summary: AI Agent 每日 YouTube Digest 全自动流水线——通过 youtube-full skill（ClawHub）监控订阅频道新视频，用 TranscriptAPI.com 提取字幕，AI 生成要点摘要后推送。两种模式：频道列表 + 关键词搜索。`channel/latest` 免费检查，`seen-videos.txt` 避免重复付费。核心洞察：把算法推荐的"被动消费"转变为系统化的"主动学习"。 + 485|- Concepts created: [[Daily-Digest]], [[Transcript-Based Summarization]], [[Channel-Based Monitoring]], [[Keyword-Based Monitoring]], [[Credit-Efficient Processing]] + 486|- Entities updated: [[OpenClaw]]（追加 sources） + 487|- Entities created: [[TranscriptAPI.com]], [[ClawHub]], [[Recapio]] + 488|- Source page: wiki/sources/daily-youtube-digest.md + 489|- Notes: + 490| - 新增 Sources 条目至 index.md（顶部插入） + 491| - 更新 overview.md，补充 AI-Powered Daily Digest 章节到 YouTube Automation + 492| - 更新 OpenClaw.md sources + 493| - 创建 3 个 Entity 页面：TranscriptAPI.com.md、ClawHub.md、Recapio.md + 494| - 创建 5 个 Concept 页面：Daily-Digest.md、Transcript-Based-Summarization.md、Channel-Based-Monitoring.md、Keyword-Based-Monitoring.md、Credit-Efficient-Processing.md + 495| - 与 [[实战笔记-本地部署-rsshub-并获取-youtube-订阅]] 的互补关系已在 Contradictions 节记录（RSSHub 被动监控 vs AI Digest 主动学习） + 496| - Source file: Agent/usecases/meeting-notes-action-items.md - Status: ✅ 成功摄入 - Summary: AI Agent 将会议转录文本（Otter.ai、Google Meet、Zoom）自动转换为结构化摘要，提取行动项并创建 Jira/Linear/Todoist/Notion 任务，发送 Slack/Discord 摘要，支持截止日提醒。核心洞察：自动任务创建比摘要本身更有价值，无法转化为追踪任务的会议记录只是"文档剧场"。 - Concepts created: [[MeetingNotes]], [[ActionItemTracking]], [[TaskAutomation]], [[TranscriptProcessing]] -- Entities created: [[Jira]], [[Linear]], [[Todoist]], [[Slack]] -- Source page: wiki/sources/meeting-notes-action-items.md -- Notes: - - 新增 Sources 条目至 index.md（顶部插入） - - 更新 overview.md，补充"会议记录自动化"章节 - - 创建 4 个 Entity 页面：Jira.md、Linear.md、Todoist.md、Slack.md - - 创建 4 个 Concept 页面：MeetingNotes.md、ActionItemTracking.md、TaskAutomation.md、TranscriptProcessing.md - - 与 [[todoist-task-manager]] 的潜在重叠已在 Contradictions 节记录 -## [2026-04-22] ingest | Claude Code 调用方法总结 -- Source file: Agent/claude-code调用方法总结.md +## [2026-04-23] ingest | 14个免费的AI图生视频工具，用AI让图片动起来 +- Source file: AI/14个免费的AI图生视频工具，用AI让图片动起来 - AI视频教程 AI自动化工作流定制服务 AI培训学习平台 黑喵大叔.md - Status: ✅ 成功摄入 -- Summary: Hermes Agent 通过 terminal 工具调用 Claude Code 的两种模式与最佳实践。Print Mode（`claude -p`，适合绝大多数任务）和 TMUX 交互模式（适合超长任务）。核心参数：`--permission-mode bypassPermissions`、`--add-dir`、`--max-turns`。关键结论：任务需要 Claude Code Skill 时应使用 `terminal` 调用 `claude -p` 而非 `delegate_task`。 -- Concepts referenced: [[Print Mode]], [[TMUX 交互模式]], [[bypassPermissions]], [[Skill 加载]], [[delegate_task vs claude -p]] -- Entities referenced: [[Claude Code]]（已在 overview 存在）、[[Hermes]]（已在 overview 存在）、[[TMUX]] -- Source page: wiki/sources/claude-code调用方法总结.md +- Summary: 14个免费AI图生视频工具盘点——覆盖阿里巴巴（绘蛙、通义万相、万相营造）、字节跳动（即梦AI）、快手（可灵AI）、智谱AI（智谱清影）、MiniMax（海螺AI）、生数科技（Vidu）、爱诗科技（PixVerse）、潞晨科技（Video Ocean）、智象未来（Viva）、MewXAI（艺映AI）、Stability AI（Stable Video）等厂商。核心能力：文本提示词控制、动作模板、运镜参数、首尾帧控制、主体一致性、音效自动生成。电商/视频创作/广告三大应用场景。 +- Concepts created: [[AI图生视频]], [[AI文生视频]], [[主体一致性]], [[运镜控制]], [[首尾帧控制]], [[提示词控制]] +- Entities created: 14个工具均作为 Key Entities 记录于 Source 页面 +- Source page: wiki/sources/14个免费的ai图生视频工具-用ai让图片动起来-ai视频教程-ai自动化工作流定制服务-ai培训学习平台-黑喵大叔.md - Notes: - - 新增 Sources 条目至 index.md（顶部插入） - - 更新 overview.md，补充 AI Tools & Prompt Engineering 章节的 Claude Code 调用方法 - - 与 [[llm-wiki]] 的 delegate_task/acp_command 路径冲突已在 Contradictions 节记录 + - 更新 index.md，修正条目日期为 2025-12-05 并补充摘要描述 + - 更新 overview.md，新增 AI图生视频工具盘点章节 + - 创建 Concept 页面：AI图生视频.md、AI文生视频.md + - 所有14个工具作为 Key Entities 记录于 Source 页面，未创建独立 Entity 页面（每个工具仅出现1次，未达≥2阈值） + - Contradictions：无冲突 -## [2026-04-23] ingest | N8N Full Tutorial Building AI Agents in 2025 for Beginners! -- Source file: Agent/n8n full tutorial building AI agents in 2025 for Beginners!.md +## [2026-04-23] ingest | 文字生成视频网站推荐 +- Source file: AI/文字生成视频网站推荐.md - Status: ✅ 成功摄入 -- Summary: 使用 N8N 平台构建 AI Agent 的完整入门教程，涵盖五类节点系统（Trigger/Action/Utility/Code/Advanced AI）、Agent 记忆机制、与 Airtable 外部工具集成。核心概念：Agentic System = Workflow 可预测性 + Agent 动态工具选择。 -- Concepts referenced: [[Agentic AI]]（已在 overview 存在）, [[Workflow Architecture]], [[AI Agent Memory]] -- Source page: wiki/sources/n8n-full-tutorial-building-ai-agents-in-2025-for-beginners.md +- Summary: 5款文字生成视频AI工具推荐——万彩AI（完全免费，适合新手）、百度AI开放平台（大厂多模态技术）、Zeemo（多语言字幕，$79+）、Vizard（长视频自动剪辑）、快影（腾讯系模板剪辑）。总结推荐：最实惠选万彩AI，技术型选百度，多语言选Zeemo，长视频选Vizard。 +- Concepts created: [[文字生成视频]], [[AI视频生成工具]], [[数字人]] +- Source page: wiki/sources/文字生成视频网站推荐.md - Notes: - - 新增 Sources 条目至 index.md（顶部插入） - - 更新 overview.md，补充 n8n Workflow Automation 章节的入门教程内容 - - 与 [[n8n + Claude：通过自然语言自动化工作流]] 的潜在差异已在 Contradictions 节记录 - -## [2026-04-22] ingest | 万字保姆级教程，让你90天跑通"一人公司"模式（附AI提示词） -- Source file: Agent/万字保姆级教程-90天跑通一人公司模式-2026-03-29.md -- Status: ✅ 成功摄入 -- Summary: 90天内建立一人公司的系统性方法论：天才地带自检 → 底层能力挖掘 → 心理陷阱识别 → Ikigai 框架定位 → 赛道验证 → 产品体系设计 → 内容矩阵构建 → 销售漏斗搭建。核心观点：一人公司的关键不是更努力工作，而是更聪明地定位，用 AI 杠杆放大个人优势。 -- Concepts created: [[一人公司]], [[个人品牌]], [[天才地带]], [[底层能力]], [[Ikigai框架]], [[四个心理陷阱]], [[产品四层级体系]], [[内容矩阵]], [[Build in Public]], [[销售漏斗]], [[价格锚定与诱饵效应]] -- Entities created: [[盖伊·亨德里克斯]] -- Source page: wiki/sources/万字保姆级教程-90天跑通一人公司模式-2026-03-29.md -- Notes: - - 更新了 overview.md，添加"个人品牌与一人公司"新主题章节 - - 更新了 index.md，在 Sources 节更新现有条目为正常状态，添加新 Entity 和 Concepts 条目 - - 创建了 wiki/entities/盖伊亨德里克斯.md 实体页面 - - 创建了 11 个 Concept 页面：一人公司、个人品牌、天才地带、底层能力、Ikigai框架、四个心理陷阱、产品四层级体系、内容矩阵、BuildInPublic、销售漏斗、价格锚定与诱饵效应 - - 冲突检测：无已知冲突 - -## [2026-04-22] ingest | 使用Claude自动生成N8N工作流的实操教程 -- Source file: Agent/使用Claude自动生成N8N工作流的实操教程.md -- Status: ✅ 成功摄入 -- Summary: 通过安装 n8n-mcp（Model Context Protocol 多功能控制面板），Claude 可理解并调用 543 个 N8N 节点，使用 OpenSea 模型 + Extended Thinking 模式，通过自然语言自动生成 N8N 工作流，完成度约 80%-90%，显著降低新手入门门槛。 -- Concepts created: [[工作流自动化]], [[Extended Thinking]] -- Entities created: [[N8N]]（新增）, [[n8n-mcp]]（新增） -- Source page: wiki/sources/使用claude自动生成n8n工作流的实操教程.md -- Notes: - - 更新了 overview.md，在 n8n Workflow Automation 章节添加 Claude + N8N MCP 自动化工作流说明 - - 更新了 index.md，在 Sources 顶部插入新条目，在 Entities 添加 N8N 和 n8n-mcp，在 Concepts 添加 工作流自动化 和 Extended Thinking - - 创建了 wiki/entities/N8N.md、N8N.md 实体页面 - - 创建了 wiki/entities/n8n-mcp.md 实体页面（czlonkowski/n8n-mcp MCP 服务器详细说明） - - 创建了 wiki/concepts/工作流自动化.md、Extended Thinking.md 两个 Concept 页面 - - 冲突检测：无已知冲突 - - 相关来源：[[MCP在Cursor中的集成与应用详解]]（MCP 协议详解）可与此来源互补 - -## [2026-04-22] ingest | MCP在Cursor中的集成与应用详解 -- Source file: Agent/MCP在Cursor中的集成与应用详解.md -- Status: ✅ 成功摄入 -- Summary: MCP（Model Context Protocol）在 Cursor 中的集成方法：基于 Client-Server 架构，通过三种接口（GET 资源获取、POST 工具调用、Promise 提示词）实现 AI 大模型与外部工具集成。两种接入方式：SSE 服务端模式和本地 Command 命令行方式。Composer Agent 模式自动执行 MCP 工具链，典型应用包括热点新闻服务（smisery 9个新闻来源）和 Sequential Thinking 逻辑推理工具。Yolo Mode 风险警告。 -- Concepts created: [[Sequential Thinking]], [[Tool Calling]], [[SSE（Server-Sent Events）]], [[Agent模式]] -- Entities created: [[Cursor]]（已更新）, [[MCP（Model Context Protocol）]]（已更新） -- Source page: wiki/sources/mcp在cursor中的集成与应用详解.md -- Notes: - - 更新了 overview.md，在 AI Tools & Prompt Engineering 章节添加 MCP 在 Cursor 中集成的详细说明 - - 更新了 index.md，在 Sources 顶部插入新条目 - - 更新了 Cursor.md entity 页面，新增 MCP 集成相关 insights - - 更新了 MCP（Model Context Protocol）.md entity 页面，新增协议架构详细说明 - - 创建了 Sequential Thinking.md、Tool Calling.md、SSE（Server-Sent Events）.md、Agent模式.md 四个 Concept 页面 - - 冲突检测：无已知冲突 - - 新增来源 [[鱼凤老师]]（视频教程作者）、[[smisery]]（热点新闻 MCP Server 提供方）可在后续补充 Entity 页面 - -## [2026-03-19] ingest | Google 5个 Agent Skill 设计模式 -- Source file: Agent/Google-5个Agent-Skill设计模式-2026-03-19.md -- Status: ✅ 成功摄入 -- Summary: Google Cloud 发布的 5 种 Agent Skill 设计模式：Tool Wrapper（按需加载领域知识）、Generator（模板填空生成）、Reviewer（检查逻辑分离）、Inversion（先收集再行动）、Pipeline（硬性检查点工作流）。每种都有完整的 ADK 代码示例。 -- Concepts created: [[ToolWrapper]], [[Generator]], [[Reviewer]], [[Inversion]], [[Pipeline]], [[渐进式披露]], [[SkillToolset]] -- Entities created: [[GoogleCloud]], [[Anthropic]], [[ADK]] -- Concept pages: wiki/concepts/ToolWrapper.md, wiki/concepts/Generator.md, wiki/concepts/Reviewer.md, wiki/concepts/Inversion.md, wiki/concepts/Pipeline.md -- Entity pages: wiki/entities/GoogleCloud.md, wiki/entities/Anthropic.md, wiki/entities/ADK.md -- Source page: wiki/sources/google-5个agent-skill设计模式-2026-03-19.md -- Notes: - - 更新了 overview.md，在 AI Tools & Prompt Engineering 章节添加 Google ADK Skill 设计模式说明和 Anthropic 3 条铁律 - - 更新了 index.md，在 Sources 顶部插入新条目 - - Key Concepts: [[ToolWrapper]], [[Generator]], [[Reviewer]], [[Inversion]], [[Pipeline]], [[渐进式披露]], [[SkillToolset]] - - Key Entities: [[GoogleCloud]], [[Anthropic]], [[ADK]], [[SabooShubham]], [[lavinigam]] - - 冲突检测：与 [[ClaudeSkill设计指南9种类型]] 存在互补关系——Google 强调 5 种结构模式，Anthropic 强调 9 类分类，两者可互补使用 - -## [2026-04-22] ingest | Custom Morning Brief -- Source file: Agent/usecases/custom-morning-brief.md -- Status: ✅ 成功摄入 -- Summary: AI Agent 驱动的个性化晨间简报系统——定时推送（8AM）新闻研究/待办事项/主动任务推荐/睡前完整草稿，通过 Telegram/Discord/iMessage 送达。核心洞察：主动任务推荐是最有价值部分；完整草稿比标题节省时间；发消息即可个性化调整。 -- Concepts created: [[Scheduled Task Flywheel]], [[Proactive Agent Recommendation]], [[Full Draft Generation]] -- Concepts referenced: [[Morning Briefing]], [[Multi-Channel Integration]] -- Entities created: [[Todoist]], [[Asana]], [[Alex Finn]] -- Entities updated: [[OpenClaw]]（追加 custom-morning-brief 到 sources） -- Source page: wiki/sources/custom-morning-brief.md -- Notes: - - 新增 Sources 条目至 index.md（Sources 首行） - - 更新 overview.md，添加 Custom Morning Brief 段落 - - 创建 3 个 Entity 页面：Todoist.md、Asana.md、Alex-Finn.md - - 创建 3 个 Concept 页面：Scheduled-Task-Flywheel.md、Proactive-Agent-Recommendation.md、Full-Draft-Generation.md - - 与 [[self-healing-home-server]] 的 Morning Briefing 属同一模式的不同垂直场景（个人生产力 vs 家庭服务器），已记录为 Connections - - 冲突检测：无内容冲突 - - 与 [[phone-based-personal-assistant]] 均强调"AI 在用户无主动操作时提供价值"，互补而非冲突 - -## [2026-04-25] ingest | n8n configure telegram trigger -- Source file: Agent/n8n configure telegram trigger.md -- Status: ✅ 成功摄入 -- Summary: n8n Telegram Trigger 节点的 HTTPS Webhook 配置与故障排查文档。问题：配置 Telegram Trigger 时报错 "bad webhook: An HTTPS URL must be provided for webhook"。解决方法：在 Docker Desktop 中设置 `WEBHOOK_URL=https://n8n.cpolar.top` 环境变量，使 n8n 生成 HTTPS Webhook URL，从而通过 Telegram 的 HTTPS 要求。 -- Concepts created: [[Webhook]], [[Telegram Trigger]], [[WEBHOOK_URL]] -- Entities created: [[n8n]], [[Docker Desktop]] -- Concept pages: wiki/concepts/Webhook.md, wiki/concepts/Telegram-Trigger.md, wiki/concepts/WEBHOOK_URL.md -- Entity pages: wiki/entities/n8n.md, wiki/entities/Docker-Desktop.md -- Source page: wiki/sources/n8n-configure-telegram-trigger.md -- Notes: - - 更新了 overview.md，添加 "n8n Workflow Automation" 章节，补充 Telegram 集成和 WEBHOOK_URL 配置说明 - - 更新了 index.md entry，从 "(expected: source missing)" 更新为完整描述 - - Key Concepts: [[Webhook]], [[WEBHOOK_URL]], [[Telegram Trigger]], [[n8n Workflow]] - - Key Entities: [[n8n]], [[Docker Desktop]], [[Telegram]], [[Cpolar]] - - 与 [[n8n Docker 安装与更新]] 存在依赖关系：本文为 n8n Docker 部署的 Telegram 集成补充 - - 冲突检测：无冲突 - -## [2026-04-24] ingest | n8n Docker 安装与更新 -- Source file: Agent/n8n docker install & update.md -- Status: ✅ 成功摄入 -- Summary: n8n 工作流自动化平台的 Docker 容器化部署与配置，包含自定义 Dockerfile（安装 curl/wget）、Docker Compose YAML（HTTPS、反向代理环境变量）、SOCKS5 网络代理配置（容器内访问国外 API）和版本更新流程 -- Concepts created: 无（相关概念均已在 overview 中存在） -- Source page: wiki/sources/n8n-docker-install-update.md -- Notes: - - n8n、Docker、SOCKS5代理、Docker网络网关IP、环境变量代理等概念均已在 overview.md 中存在，未创建独立页面 - - 更新了 index.md - - Key Entities: [[n8n]], [[Docker]], [[V2Ray/Tuic]] - - Key Concepts: [[Docker网络网关IP]], [[SOCKS5代理]], [[环境变量代理]], [[Caddy反向代理]], [[Docker卷]], [[Docker Compose]] - -## [2026-04-23] ingest | TikTok PM - Python Django 项目 -- Source file: Others/TikTok PM - Python Django Project.md -- Status: ✅ 成功摄入 -- Summary: TikTok Shop 产品数据管理系统的完整 Django Web 应用开发教程，含 Admin 后台定制（富文本、内联模型、图片预览）、REST API（Django REST Framework）、Docker + Gunicorn + Nginx 生产部署、Django-Q 异步任务队列、Bright Data API 数据抓取、自定义 Management Command -- Concepts created: 无（Entity 均已在 overview 中提及，不符合独立创建条件） -- Source page: wiki/sources/tiktok-pm-python-django-project.md -- Notes: - - 更新了 overview.md，添加 TikTok E-commerce Product Management 章节 - - 更新了 index.md，在 Sources 顶部插入新条目 - - Key Entities: [[Django]], [[Docker]], [[MySQL / MariaDB]], [[Gunicorn]], [[Nginx]], [[TikTok Shop]], [[Bright Data]], [[n8n]] - - Key Concepts: [[Django ORM]], [[Django REST Framework]], [[Django Admin 定制]], [[Docker 容器化部署]], [[Django-Q 异步任务]], [[Bright Data API]], [[自定义管理命令]] - -## [2025-12-19] ingest | ChinaTextbook - 41.53 GB，中国小学、初中、高中、大学 PDF 教材 -- Source file: Others/ChinaTextbook - 41.53 GB，中国小学、初中、高中、大学 PDF 教材.md -- Status: ✅ 成功摄入 -- Summary: ChinaTextbook 开源项目收集中国小学、初中、高中、大学 PDF 教材，GitHub 托管，总库 41.53GB，来源为国家中小学智慧教育平台 -- Concepts created: 无（实体均不符合创建条件：出现次数 < 2 或非抽象概念） -- Source page: wiki/sources/chinatextbook-41-53-gb-中国小学-初中-高中-大学-pdf-教材.md -- Notes: - - 更新了 overview.md，添加 Educational Resources 章节 - - 更新了 index.md，在 Sources 顶部插入新条目 - - 新增 Entities: [[Appinn]], [[TapXWorld/ChinaTextbook]], [[国家中小学智慧教育平台]], [[tchMaterial-parser]]（在 source page 中引用） - - 未创建独立 Entity/Concept 页面（不符合"出现 ≥ 2 次"或"抽象可复用"条件） - -## [2025-12-30] ingest | 开发经验与项目规范整理文档 -- Source file: Vibe Coding/开发经验与项目规范整理文档.md -- Status: ✅ 成功摄入 -- Summary: Vibe Coding 环境下的开发经验与项目规范文档，涵盖变量名维护方案、文件结构与命名规范、编码规范（单一职责、DRY、模块化）、系统架构原则、程序设计核心思想、微服务、Redis、消息队列 -- Concepts created: [[单一职责原则]], [[DRY原则]], [[模块化编程]], [[微服务架构]], [[Redis缓存]], [[消息队列]], [[输入-处理-输出模型]], [[并发编程]] -- Concept pages: wiki/concepts/单一职责原则.md, wiki/concepts/DRY原则.md, wiki/concepts/模块化编程.md, wiki/concepts/微服务架构.md, wiki/concepts/Redis缓存.md, wiki/concepts/消息队列.md, wiki/concepts/输入-处理-输出模型.md, wiki/concepts/并发编程.md -- Source page: wiki/sources/开发经验与项目规范整理文档.md -- Notes: - - 更新了 overview.md AI Tools 部分，添加 8 个新概念引用 - - 更新了 Vibe Coding 概念页，添加新来源引用 - - 与传统软件工程方法存在冲突：传统强调"理解代码再修改"，本文强调"从问题出发而非代码出发" - -## [2025-12-30] ingest | Vibe Coding 经验收集 -- Source file: Vibe Coding/vibe coding经验收集.md -- Status: ✅ 成功摄入 -- Summary: Vibe Coding 实战经验精选合集，涵盖设计文档→伪代码→代码递进工作流、多 AI 协作 review、系统 prompt 优化效果（Gemini 3 Pro 提升 5%）、文件注释标准化、CodeWeaver 代码库导航化、验证优先工程哲学 -- Concepts created: [[Design-to-Code Workflow]], [[Multi-AI Review]], [[CodeWeaver]] -- Concept pages: wiki/concepts/Design-to-Code-Workflow.md, wiki/concepts/Multi-AI-Review.md, wiki/concepts/CodeWeaver.md -- Entity pages: wiki/entities/CodeWeaver.md -- Source page: wiki/sources/vibe-coding经验收集.md -- Notes: - - 更新了 overview.md AI Tools 部分，添加 Design-to-Code Workflow、Multi-AI Review、CodeWeaver 概念 - - 更新了 existing concepts/Vibe-Coding.md，添加新来源引用和关联概念 - - 与传统软件工程方法存在冲突：传统强调"理解代码再修改"，新观点强调"验证而非理解" - -## [2026-04-22] ingest | 如何在项目里安装Claude Code Templates Skills -- Source file: Vibe Coding/如何在项目里安装Claude-Code-Templates Skills.md -- Status: ✅ 成功摄入 -- Summary: 介绍如何通过 npx 命令在项目目录中安装 Claude Code Templates 的 Skills/Agents/MCP 模板，来源网站为 aitmpl.com，安装命令为 `npx claude-code-templates@latest --skill= --yes` -- Concepts created: [[Claude Code Templates]] -- Entities created: [[aitmpl.com]] -- Concept pages: wiki/concepts/Claude-Code-Templates.md -- Entity pages: wiki/entities/aitmpl.com.md -- Source page: wiki/sources/如何在项目里安装claude-code-templates-skills.md -- Notes: - - 更新了 overview.md AI Tools 部分，添加 Claude Code Templates 描述和引用 - - 无冲突内容 - -## [2026-04-23] ingest | Trae远程开发部署指南 (补全执行) -- Source file: Vibe Coding/Trae远程开发部署指南.md -- Status: ✅ 成功摄入（补全之前缺失的源页面和实体/概念页） -- Summary: Trae IDE Remote-SSH + Docker 远程开发配置完整指南，涵盖 SSH 免密登录、Docker 用户组配置、两种 Docker 开发模式（Attach 容器 / 宿主机文件）、Bind Mount 代码挂载、内网穿透方案 -- Concepts created: [[Remote Development]], [[Bind Mount]] -- Entities created: [[Trae]] -- Concept pages: wiki/concepts/RemoteDevelopment.md, wiki/concepts/BindMount.md -- Entity pages: wiki/entities/Trae.md -- Source page: wiki/sources/trae远程开发部署指南.md -- Notes: - - 之前 2026-04-22 的记录为首次执行但未完整创建所有页面 - - 本次补全了 Source Page、Remote Development 概念页、Bind Mount 概念页、Trae 实体页 - - 更新了 overview.md 添加 Remote Development 和 Trae 概念引用 - - 无冲突 - -## [2026-04-22] ingest | Trae远程开发部署指南 -- Source file: Vibe Coding/Trae远程开发部署指南.md -- Status: ✅ 成功摄入 -- Summary: Trae IDE Remote-SSH + Docker 远程开发配置完整指南，涵盖 SSH 免密登录、Docker 用户组配置、两种 Docker 开发模式（Attach 容器 / 宿主机文件）、内网穿透方案 -- Concepts created: Remote-SSH, Attach 容器, Bind Mount, Docker 用户组, SSH Config, SSH 免密登录 -- Entities created: Trae, Ubuntu 2, Ubuntu 1, ThinkBook, Tailscale -- Concept pages: wiki/concepts/Remote-SSH.md, wiki/concepts/Attach容器.md -- Entity pages: wiki/entities/Trae.md -- Source page: wiki/sources/trae远程开发部署指南.md -- Notes: - - 与 [[Cursor 2.0初学者使用指南]] 和 [[如何在Ubuntu上安装OpenCode并配置Vibe-Kanban]] 同属 Vibe Coding 工具系列 - - Trae 与 Cursor 都是 AI IDE，Remote-SSH 能力相似，但 Trae 面向国内用户 - - 两种 Docker 开发模式各有适用场景：Attach 容器适合调试，宿主机文件模式适合编排 - - 无冲突 - -## [2026-04-25] ingest | Multi-Channel AI Customer Service Platform -- Source file: Agent/usecases/multi-channel-customer-service.md -- Status: ✅ 成功摄入 -- Summary: AI 驱动的企业级多渠道客服统一收件箱——整合 WhatsApp Business、Instagram DMs、Gmail、Google Reviews，AI Intent Classification 自动处理 FAQ/预约/投诉/评价，餐厅案例响应时间从 4h 降至 2min 以内，80% 咨询自动处理。支持多语言（EN/ES/UA）和 Test Mode 演示。 -- Concepts created: [[Unified-Inbox]], [[Intent-Classification]], [[Human-Handoff]], [[Test-Mode]], [[Business-Knowledge-Base]], [[Language-Detection]], [[AI-Auto-Response]], [[Heartbeat-Monitoring]] -- Entities created: （无新实体；WhatsApp Business API/Instagram Graph API/Gmail/Google Business Profile API/OpenClaw 均已存在或不符合≥2次创建条件） -- Source page: wiki/sources/multi-channel-customer-service.md -- Notes: - - 新增 Sources 条目至 index.md（替换 placeholder） - - 更新 overview.md，添加 multi-channel-customer-service 描述段落，添加 8 个新概念至 Key Concepts - - 创建 8 个 Concept 页面：Unified-Inbox.md、Intent-Classification.md、Human-Handoff.md、Test-Mode.md、Business-Knowledge-Base.md、Language-Detection.md、AI-Auto-Response.md、Heartbeat-Monitoring.md - - 冲突检测：无内容冲突 - - 与 [[multi-channel-assistant]] 互补：前者面向企业客服场景，后者面向个人助理多渠道入口 - - 与 [[phone-based-personal-assistant]] 均涉及多渠道消息路由，已在 Connections 中记录 - - Heartbeat Monitoring 与 [[self-healing-home-server]] 的 Morning Briefing 属同一机制的不同应用场景 - -## [2025-12-30] ingest | Cursor 2.0初学者使用指南 -- Source file: Vibe Coding/Cursor 2.0初学者使用指南.md -- Status: ✅ 成功摄入 -- Summary: Cursor 2.0 AI代码编辑器系统入门教程，涵盖安装配置、AI代理操作、代码审查与版本控制，通过Tetris游戏和网页开发案例帮助初学者快速上手 -- Concepts created: AI代理, 版本控制 -- Entities created: Cursor, MCP（Model Context Protocol） -- Concept pages: wiki/concepts/AI代理.md, wiki/concepts/版本控制.md -- Entity pages: wiki/entities/Cursor.md, wiki/entities/MCP（Model Context Protocol）.md -- Source page: wiki/sources/cursor-2-0初学者使用指南.md -- Notes: - - 与 [[如何在ubuntu上安装opencode并配置vibe-kanban]] 属于Vibe Coding工具系列 - - Cursor与OpenCode都是AI代码编辑工具，可作为对比参考 - - AI代理三种模式（Plan/Agent/Ask）是核心概念，已创建独立概念页 - - MCP扩展协议是新引入的概念，增强了AI代理的集成能力 - - 无冲突 - -## [2026-04-22] ingest | 如何在Ubuntu上安装OpenCode并配置Vibe-Kanban -- Source file: Vibe Coding/如何在Ubuntu上安装opencode并配置Vibe-Kanban.md -- Status: ✅ 成功摄入 -- Summary: OpenCode AI 编程代理的安装、配置与使用完整指南，涵盖 API Key 配置、/init 项目初始化、Plan/Build 模式切换、撤销重做等核心功能 -- Concepts created: Plan Mode, Build Mode, AGENTS.md, Vibe Coding -- Entities created: OpenCode, Vibe-Kanban -- Concept pages: wiki/concepts/Plan-Mode.md, wiki/concepts/Build-Mode.md, wiki/concepts/AGENTS.md.md, wiki/concepts/Vibe-Coding.md -- Entity pages: wiki/entities/OpenCode.md, wiki/entities/Vibe-Kanban.md -- Source page: wiki/sources/如何在ubuntu上安装opencode并配置vibe-kanban.md -- Notes: - - index.md entry 已从 "(expected: source missing)" 更新为完整描述 - - overview.md AI Tools & Prompt Engineering 章节已扩充：添加 Plan Mode、Build Mode、AGENTS.md 到 Key Concepts - - 与 [[github-上-5000-人收藏的-vibe-coding-神级指南]] 存在互补关系：本文聚焦 OpenCode 单一工具，对方为多工具综合对比 - - Vibe-Kanban Entity 与未来待摄入的 vibe-kanban.md 存在依赖关系 - - 无冲突 - -## [2026-04-22] ingest | 如何传输Docker images 并且在另一个Docker安装 -- Source file: raw/Home Office/如何传输Docker images 并且在另一个Docker安装.md -- Status: ✅ 成功摄入 -- Summary: 介绍 Docker 镜像在多台机器之间的离线传输方法，包括 docker save/load（tar 包方案）、Registry push/pull（镜像仓库方案）、ctr images import（containerd 原生命令方案）三种实现路径，适用于内网隔离环境或无 Registry 场景下的镜像迁移。 -- Concepts created: Docker-Image, Docker-Save, Docker-Load, Docker Registry -- Entities created: Docker -- Source page: wiki/sources/如何传输docker-images-并且在另一个docker安装.md -- Notes: - - index.md entry 已从 "(expected: source missing)" 更新为完整描述 - - overview.md Docker 相关概念已涵盖 Docker-Image/Docker-Save/Docker-Load，无需额外扩充 - - 与 [[如何在Ubuntu Server安装 Docker & Docker Compose]] 存在依赖关系：本篇为该文的扩展补充，讲解镜像迁移 - - 无冲突 - - - -## [2026-04-22] ingest | 用Docker安装Homarr -- Source file: raw/Home Office/用Docker安装Homarr.md -- Status: ✅ 成功摄入 -- Summary: 通过 Docker Compose 在 Home Server 上部署 Homarr 个人导航仪表盘，提供统一的 Web UI 入口管理和展示 Jellyfin、n8n、Prometheus 等多个自托管服务状态。官方镜像来自 ghcr.io/homarr-labs/homarr，默认端口 7575，支持挂载 Docker Socket 获取容器状态，通过环境变量 SECRET_ENCRYPTION_KEY 加密数据，ALL_PROXY 环境变量走 SOCKS5 代理。 -- Concepts created: Homarr, Docker卷, 环境变量代理, SOCKS5代理 -- Entities created: Homarr -- Source page: wiki/sources/用docker安装homarr.md -- Notes: - - index.md entry 已从 "(expected: source missing)" 更新为完整描述 - - overview.md 已包含 Homarr 在 Home Server Automation 服务列表中，无需额外扩充 - - 与 [[用docker安装portainer]] 存在功能重叠冲突：Homarr=服务导航仪表盘，Portainer=Docker 运维管理 UI，两者互补而非替代 - - 与 [[用docker安装jellyfin]]、[[用docker安装n8n]] 同属 Home Server Docker 部署系列，构成 Homarr 导航入口可聚合展示的服务 - -## [2026-04-22] ingest | 用Docker安装Apache Superset -- Source file: raw/Home Office/用Docker安装Apache Superset.md -- Status: ✅ 成功摄入 -- Summary: 通过 Docker 容器快速部署 Apache Superset BI 平台，包含镜像拉取、容器启动、管理员账户创建、数据库迁移、示例数据加载等完整 6 步初始化流程。GHA 构建版本 `apache/superset:GHA-*`，端口映射 8777:8088。 -- Concepts created: BI平台, 数据可视化 -- Entities created: Apache Superset -- Source page: wiki/sources/用docker安装apache-superset.md -- Entity page: wiki/entities/Apache-Superset.md -- Concept pages: wiki/concepts/BI平台.md, wiki/concepts/数据可视化.md -- Notes: - - index.md entry 已从 "(expected: source missing)" 更新为完整描述 - - overview.md Apache Superset 条目已扩充：补充 GHA 镜像版本、6 步初始化流程、端口映射、SQLite/MySQL 等细节 - - 与 [[Grafana]] 同属可视化工具：Superset 偏 BI/SQL/Gallery，Grafana 偏监控/告警，两者互补 - - 与 [[Jellyfin]] 同属 Home Server Docker 部署系列（Jellyfin=视频可视化，Superset=数据可视化） - - 无冲突 - -## [2026-04-22] ingest | 家庭网络环境概览_2026-04-03 -- Source file: raw/Home Office/家庭网络环境概览_2026-04-03.md -- Status: ✅ 成功摄入 -- Summary: 星曜家庭网络基础设施完整架构图谱，涵盖5大节点（公网VPS + Mac Mini + Synology NAS + 2个Ubuntu Server）和近50个Docker应用的部署、FRP端口映射和Caddy域名映射。核心架构：FRP反向隧道 + Caddy自动HTTPS + Cloudflare DNS，实现零静态IP依赖的统一公网访问。 -- Concepts created: SOCKS5代理, HTTPS自动化证书, DNS托管 -- Entities created: RackNerd, Synology NAS DS718, Calibre -- Concept pages: wiki/concepts/SOCKS5代理.md, wiki/concepts/HTTPS自动化证书.md, wiki/concepts/DNS托管.md -- Entity pages: wiki/entities/RackNerd.md, wiki/entities/Synology-NAS-DS718.md, wiki/entities/Calibre.md -- Source page: wiki/sources/家庭网络环境概览_2026-04-03.md -- Notes: - - Mac Mini M4 Entity 已更新：补充 STQ 全套服务（nginx/frontend/web/mariadb/n8n）、vaultwarden、Portainer（已废弃）状态；添加 n8n 已迁移至 Ubuntu2 的重要提示 - - overview.md 已更新 Home Server Automation 章节：扩充架构描述，涵盖5节点、FRP v0.65.0、Caddy 自动HTTPS、Cloudflare DNS、近50个服务、Caddy 域名映射表（20+子域名） - - overview.md Key Entities 已更新：RackNerd、Synology NAS DS718 替代群晖 NAS - - 冲突检测：v2rayA SOCKS5（NAS端口20170）仅本机监听 → 与 [[ubuntu-server科学上网]] 中的显式 Docker Daemon Proxy 配置形成互补，非直接冲突 - - 无其他冲突 - -## [2026-04-22] ingest | 用Docker安装Jellyfin -- Source file: raw/Home Office/用Docker安装Jellyfin.md -- Status: ✅ 成功摄入 -- Summary: 通过 Docker Compose 在群晖 NAS 上部署 Jellyfin 视频媒体服务器，使用 nyanmisaka/jellyfin 镜像，启用 Intel QuickSync 硬件转码（/dev/dri 设备直通），配置多目录媒体挂载、群晖 UID/GID 权限映射、自定义字体、时区和外网发布 URL，构建"Transmission 下载 → Jellyfin 播放"家庭媒体工作流 -- Concepts created: 硬件转码, 设备直通 -- Entities created: Jellyfin -- Source page: wiki/sources/用docker安装jellyfin.md -- Entity page: wiki/entities/Jellyfin.md -- Concept pages: wiki/concepts/硬件转码.md, wiki/concepts/设备直通.md -- Notes: - - Jellyfin Entity 页面已创建，关联 Jellyfin 镜像、QuickSync、群晖 NAS、Transmission - - 硬件转码 Concept：涵盖 Intel QuickSync / NVIDIA NVENC / VA-API / VCE 等方案 - - 设备直通 Concept：涵盖 /dev/dri 直通原理、权限问题、nvidia-container-toolkit - - 与 [[用docker安装transmission]] 形成互补（下载 vs 播放），共同服务家庭媒体中心 - - 与 [[用docker中安装navidrome]] 对标（Jellyfin=视频 vs Navidrome=音乐） - - nyanmisaka/jellyfin 镜像区别于 linuxserver/jellyfin：预装优化 FFmpeg，开箱即用硬件转码 - - 无冲突 -- Source file: raw/Home Office/Ubuntu Server科学上网.md -- Status: ✅ 成功摄入 -- Summary: Ubuntu Server 终端场景科学上网完整指南，覆盖 ProxyChains 终端命令劫持、Git 全局代理配置、Docker Daemon systemd 注入代理、Docker 容器环境变量代理四种方案 -- Concepts created: ProxyChains, Git 全局代理, Docker Daemon Proxy, Docker 网络网关 IP, SOCKS5h 代理, 环境变量代理 -- Entities: v2rayN, SOCKS5 协议, Docker -- Source page: wiki/sources/ubuntu-server科学上网.md -- Notes: - - ProxyChains 通过 LD_PRELOAD 劫持 socket，适用于任意动态链接程序 - - Git 必须通过 git config --global 设置代理，不读环境变量 - - Docker Daemon 必须通过 systemd drop-in 文件注入代理 - - Docker 容器内 127.0.0.1 指向容器自身，需用 Docker 网关 IP（如 172.24.0.1） - - ProxyChains Concept 页面已创建：wiki/concepts/proxychains.md - - 冲突检测：与群晖 NAS 科学上网互补，非冲突 - -## [2026-04-22] ingest | 用Docker安装Portainer -- Source file: raw/Home Office/用Docker安装Portainer.md -- Status: ✅ 成功摄入 -- Summary: 通过 Docker Compose 在 Home Server 部署 Portainer 可视化管理工具，使用 portainer/portainer-ce:lts 镜像，通过 Docker socket 挂载实现宿主机容器的 Web UI 管理，包含 9443 HTTPS API 端口和 8000 Edge Agent 端口配置 -- Concepts created: Docker可视化管理工具, Docker Socket, Docker卷 -- Entities created: Portainer, Portainer CE LTS -- Source page: wiki/sources/用docker安装portainer.md -- Notes: - - Docker Socket (`/var/run/docker.sock`) 挂载是 Portainer 访问宿主机 Docker 守护进程的关键机制 - - Portainer 不替代 Prometheus 等监控工具，而是提供运维层面的可视化操作界面 - - 与 [[用docker安装transmission]] / [[用docker安装jellyfin]] 同属 Home Office Docker 部署系列 - - 无冲突 - -## [2026-04-22] ingest | Ubuntu禁用合盖休眠 -- Source file: raw/Home Office/Ubuntu禁用合盖休眠.md -- Status: ✅ 成功摄入 -- Summary: Ubuntu Server 24.04 合盖休眠禁用完整指南，通过修改 systemd-logind 的 logind.conf 配置（HandleLidSwitch=ignore）让笔记本合盖后继续运行，进阶方案通过 systemctl mask 彻底禁用内核级休眠目标 -- Concepts created: systemd-logind, HandleLidSwitch, 休眠目标 -- Entities: Ubuntu Server, systemd -- Source page: wiki/sources/ubuntu禁用合盖休眠.md -- Notes: - - 基础方案：修改 /etc/systemd/logind.conf 的 HandleLidSwitch 系列参数 - - 进阶方案：systemctl mask sleep/suspend/hibernate/hybrid-sleep.target - - 冲突检测：无冲突 - -## [2026-04-22] ingest | 如何删除旧的废弃的Docker Container + Volume -- Source file: raw/Home Office/如何删除旧的废弃的docker container +volume.md -- Status: ✅ 成功摄入 -- Summary: Docker 容器生命周期管理指南，涵盖 Portainer 容器/Volume/Network 的停止、删除、重装完整流程，以及两类 WARN 警告的根因分析和 external:true 复用方案 -- Concepts created: Docker容器生命周期管理, Docker警告处理, external配置 -- Entities created: Portainer, Docker-Network -- Concept pages updated: Docker-Compose.md (新增 External Mode 章节), Docker堆栈.md -- Entity pages updated: Docker卷.md (新增 Related Entities: Portainer) -- Source page: wiki/sources/如何删除旧的废弃的docker-container-volume.md -- Notes: overview.md 已补充 Portainer、Docker Compose、Docker卷、Docker Network 到 Key Entities；与已存在的 Docker卷.md、Docker-Compose.md、Docker堆栈.md 进行关联 - -## [2026-04-22] ingest | Mac Mini 服务器配置：防止自动锁屏与睡眠 -- Source file: raw/Home Office/Mac-Mini-服务器配置-防止自动锁屏与睡眠.md -- Status: ✅ 成功摄入 -- Summary: Mac Mini 作为无显示器 Home Server 时，防止 macOS 自动锁屏、睡眠、待机和休眠的完整解决方案。永久方案通过 pmset 命令关闭所有睡眠机制；临时方案通过 caffeinate 工具；验证通过 pmset -g 系列命令。 -- Concepts created: pmset, caffeinate, Wake-on-LAN, Headless 服务器, 系统睡眠管理 -- Entities updated: Mac Mini M4 Entity 已添加"Power & Sleep Configuration"章节，包含完整的 pmset 配置命令 -- Concept pages created: - - wiki/concepts/pmset.md — macOS 电源管理命令行工具，含与 Linux systemd-logind 的参数对照表 - - wiki/concepts/caffeinate.md — macOS 临时防止睡眠工具，不修改系统设置 - - wiki/concepts/Wake-on-LAN.md — 网络唤醒协议，与 womp 参数配合 - - wiki/concepts/Headless-服务器.md — 无显示器服务器模式，涵盖 macOS/Linux 电源管理最佳实践 - - wiki/concepts/系统睡眠管理.md — 跨平台睡眠层级对比框架（macOS/Linux/Windows） -- Source page: wiki/sources/mac-mini-服务器配置-防止自动锁屏与睡眠.md -- Notes: - - index.md 已更新 entry（日期修正为 2026-03-15） - - overview.md Key concepts 已添加 pmset/caffeinate/Wake-on-LAN/Headless 服务器/系统睡眠管理 - - overview.md Conflict Areas 新增 #8：macOS vs Linux 睡眠管理对比（pmset vs systemd-logind HandleLidSwitch） - - Mac Mini M4 Entity 已添加"Power & Sleep Configuration"章节，含完整 pmset 命令 -- 冲突检测： - - 与 [[ubuntu禁用合盖休眠]] 存在平台差异（macOS vs Linux），已在 Source Page 和 Conflict Areas 中记录为"非冲突、互补方案" - - 无其他冲突 - -## [2026-04-22] ingest | 如何在Ubuntu Server上通过NFS挂载Synology NAS上的共享文件夹 -- Source file: raw/Home Office/如何在Ubuntu Server上通过NFS挂载Synology NAS上的共享文件夹.md -- Status: ✅ 成功摄入 -- Summary: 在 Ubuntu Server 上通过 NFS 协议挂载 Synology NAS 共享文件夹的完整实操指南，涵盖 Synology DSM NFS 权限配置（Squash 映射为 admin）、Ubuntu nfs-common 安装、/etc/fstab 永久挂载（含 _netdev/timeo/retrans 关键参数）、sudo mount -a 验证流程、备份脚本挂载点检查及 remote-fs.target 故障排查。NFS 相比 Samba 的核心优势：原生保留 Linux 文件所有权，避免 Docker 卷恢复时的权限报错。 -- Concepts: NFS, 永久挂载, 挂载点检查, NFS网络备份（已有 Concept，无需新建） -- Entities created: rsync（Entity 页面新建） -- Source page: wiki/sources/如何在ubuntu-server上通过nfs挂载synology-nas上的共享文件夹.md -- Entity pages: wiki/entities/rsync.md -- Concept pages: N/A（NFS/永久挂载/挂载点检查/NFS网络备份 均已存在，无需新建） -- Notes: - - index.md entry 已从 "(expected: source missing)" 更新为完整描述，日期修正为 2025-12-29 - - overview.md Home Server Automation 章节已扩充：补充 Synology DSM NFS 配置细节、NFS 永久挂载参数、rsync 备份架构 - - Synology NAS DS718 Entity 已更新：新增"存储与备份"章节 NFS 服务端条目 - - Ubuntu Server Entity 已更新：Home Server Applications 章节新增 NFS 客户端和 rsync 自动化条目 - - NFS网络备份 Concept 已更新：添加 rsync Entity 链接 - - 永久挂载 Concept 已更新：添加 rsync Entity 链接 - - rsync Entity 新建：包含常见用法、参数说明、自动化备份脚本模板、NFS 备份工作流 - - 冲突检测：无冲突 - -## [2026-04-22] ingest | Ubuntu用RustDesk远程登录出现不能使用Wayland登录的错误 -- Source file: raw/Home Office/Ubuntu用RustDesk远程登录出现不能使用Wayland登录的错误.md -- Status: ✅ 成功摄入 -- Summary: Ubuntu 24.04 下 RustDesk 无法使用 Wayland 登录的解决方案，通过修改 GDM3 配置文件 `/etc/gdm3/custom.conf`，将 `WaylandEnable=false` 取消注释，强制 Ubuntu 使用 X11 协议，从而使 RustDesk 能够在系统登录前（Login Screen）和登录后正常工作。 -- Concepts created: [[Wayland]], [[X11]], [[GDM3]] -- Entities created: [[RustDesk]] -- Source page: wiki/sources/ubuntu用rustdesk远程登录出现不能使用wayland登录的错误.md -- Entity page: wiki/entities/RustDesk.md -- Concept pages: wiki/concepts/Wayland.md, wiki/concepts/X11.md, wiki/concepts/GDM3.md -- Notes: - - index.md entry 已从 "(expected: source missing)" 更新为完整描述 - - overview.md 已添加 Wayland/X11/GDM3 到 Key Concepts，RustDesk 到 Key Entities - - 冲突检测：与 Ubuntu Wayland 趋势存在务实 vs 理想的张力（Wayland 是未来方向，但 X11 兼容性更好），已在 source 页面 Contradictions 节记录 - - 无其他冲突 - -## [2026-04-14] ingest | 在Ubuntu上通过VPS+内网反向代理实现域名访问内网穿透 -- Source file: raw/Home Office/在Ubuntu上通过VPS+内网反向代理实现域名访问内网穿透.md -- Status: ✅ 成功摄入 -- Summary: 通过 VPS + frp + Caddy 实现内网服务的公网域名访问完整方案。Cloudflare DNS A 记录指向 VPS 公网 IP → VPS 运行 frps 和 Caddy → 内网主机运行 frpc 将本地端口映射到 VPS → Caddy 反向代理到 frp 映射端口自动申请 Let's Encrypt 证书。涵盖 NAS/n8n/Grafana/Transmission/SSH 等多服务子域名访问配置，以及 7 步系统化故障排查（端口监听/进程配置/token 验证/防火墙/telnet 诊断等）。 -- Concepts created: [[SSH穿透]], [[自动HTTPS]], [[DNS A记录]] -- Source page: wiki/sources/在ubuntu上通过vps-内网反向代理实现域名访问内网穿透.md -- Notes: - - overview.md Home Server Automation 章节已扩充：补充内网穿透方案（VPS + frp + Caddy）架构详解，包含 DNS → frps → frpc → Caddy 全链路流程 - - 冲突检测：与 [[家庭监控方案-prometheus-grafana-node-exporter-cadvisor-blackbox]] 存在潜在视角差异（监控方案侧重 Prometheus/Grafana 部署，未展开公网访问），已在 source 页面 Contradictions 节记录 - - frp、Caddy、VPS、RackNerd、Synology NAS 等实体已在 overview.md 记录，无需新建 - -## [2026-04-17] ingest | Vibe-Kanban + OpenCode 在 Ubuntu Server 上安装与管理指南 -- Source file: Vibe Coding/Vibe-Kanban + OpenCode 在 Ubuntu Server 上安装与管理指南.md -- Status: ✅ 成功摄入 -- Summary: Ubuntu Server 非 root 用户（shenwei）安装 Node 20、Vibe-Kanban、OpenCode 的完整指南，覆盖 nvm 安装、权限配置、pm2 进程管理、9 步验证流程和故障排查 -- Concepts created: [[nvm]], [[pm2]] -- Entity pages: wiki/entities/Vibe-Kanban.md -- Source page: wiki/sources/vibe-kanban-opencode-在-ubuntu-server-上安装与管理指南.md -- Notes: - - 更新了 overview.md AI Tools 章节，添加 Vibe-Kanban、OpenCode、nvm、pm2 概念 - - 与 [[如何在ubuntu上安装opencode并配置vibe-kanban]] 存在内容重叠，已在 source 页面 Contradictions 节记录（本文更详细，含完整流程和 pm2 管理） - - OpenCode、Claude Code 实体已在 overview.md，无需新建 - -## [2026-04-22] ingest | 在Ubuntu上安装Vibe-Kanban -- Source file: Vibe Coding/在Ubuntu上安装Vibe-Kanban.md -- Status: ✅ 成功摄入 -- Summary: Vibe-Kanban 在 Ubuntu 上的安装、配置与 PM2 进程管理完整指南，涵盖前置条件（Node.js、coding agent 认证）、安全机制说明（--dangerously-skip-permissions 模式）、npx 启动方式、PM2 后台守护配置，以及管理命令（list/logs/stop/restart/delete） -- Concepts created: [[Git Worktree]] -- Source page: wiki/sources/在ubuntu上安装vibe-kanban.md -- Notes: - - [[Vibe Coding]]、[[Vibe-Kanban]]、[[PM2]]、[[Git Worktree]] 概念均已存在于 overview.md，无需新建 - - [[BloopAI]] 仅被提及 1 次，不满足 ≥2 次条件，未创建 Entity 页面 - - 无内容冲突 - -## [2026-04-22] ingest | Obsidian Tasks 插件：这可能是最适合懒人的任务管理方式 -- Source file: Others/Obsidian Tasks 插件：这可能是最适合懒人的任务管理方式.md -- Status: ✅ 成功摄入（补充 last_updated + 规范化 frontmatter） -- Summary: Obsidian Tasks 插件将任务管理与笔记系统深度融合，通过 Markdown 原生语法（`- [ ]`）创建任务、灵活的任务查询语言（嵌入任意笔记中按条件筛选）、重复任务计划（`every week/month` 自动创建）实现"笔记+任务一体化"，适合 Obsidian 深度用户放弃 Todoist 的个人任务管理场景。 -- Concepts created: 无（任务查询语法、重复任务计划均为单次提及，不满足"抽象可复用"条件） -- Entities created: 无（Obsidian Tasks、Notion、Todoist、Trello、Things 均单次提及，不满足"出现 ≥ 2 次"条件） -- Source page: wiki/sources/obsidian-tasks-插件-这可能是最适合懒人的任务管理方式.md -- Notes: - - 源页面已存在于 wiki/sources/（早期摄入遗留），本次补充 last_updated: 2026-04-22 - - overview.md Productivity & Knowledge Management 章节已包含 [[Obsidian Tasks]] 引用，无需额外扩充 - - 冲突检测：与 Todoist 存在跨工具取舍——Todoist 强调跨平台移动端体验；Tasks 插件强调笔记上下文一体化，两者各有所长，无直接内容冲突 - - -## [2026-04-22] ingest | Obsidian Tasks 插件：这可能是最适合懒人的任务管理方式 -- Source file: Others/Obsidian Tasks 插件：这可能是最适合懒人的任务管理方式.md -- Status: ✅ 成功摄入 -- Summary: Obsidian Tasks 插件将任务管理与笔记深度融合，支持 Markdown 原生任务语法、灵活的任务查询语言（可嵌入任意笔记）和重复任务自动创建，适合 Obsidian 深度用户替代 Todoist/Trello/Things 等独立任务管理工具 -- Concepts created: 无（任务查询语法、重复任务计划仅在本来源出现，不满足"抽象可复用"或"跨页出现 ≥ 2 次"条件） -- Entities created: 无（Notion/Todoist/Trello/Things 仅在本来源提及，不满足"出现 ≥ 2 次"条件） -- Source page: wiki/sources/obsidian-tasks-插件-这可能是最适合懒人的任务管理方式.md -- Notes: - - [[Obsidian Tasks]] 已在 overview.md 的 Productivity 章节存在，无需新建 - - 内容冲突：无（仅与 Todoist 作为任务管理工具的替代关系，预期内） -## [2026-04-22] ingest | Obsidian最有必要安装的10款插件是这些 -- Source file: raw/Others/Obsidian最有必要安装的10款插件是这些.md -- Status: ✅ 成功摄入 -- Summary: Obsidian 最核心的 10 款插件推荐，涵盖 Templater、Dataview、Spaced Repetition、Kanban、Projects、Outliner、Calendar、DB Folder、Homepage、File Explorer Note Count，按功能分为核心生产力、效率增强、信息可视化、便利性四组，提供了知识管理流、任务管理流、学习研究流三种典型组合方案 -- Concepts created: 无（插件名称为具体产品，非抽象概念；间隔重复/看板/动态模板已在 overview.md Key Concepts 中引用） -- Entities created: 无（所有插件均仅在本文中出现 1 次，不满足"出现 ≥ 2 次"条件） -- Source page: wiki/sources/obsidian最有必要安装的10款插件是这些.md -- Notes: - - 更新了 overview.md Productivity & Knowledge Management 章节，添加 Templater、Spaced Repetition、Kanban、Projects、Outliner、Calendar、DB Folder、Homepage 等插件 wikilink - - 更新了 index.md entry，从 "(expected: source missing)" 更新为完整描述 - - 冲突检测：与 [[obsidian-高效指南-我常用的插件与实用技巧]] 存在"插件数量/选择策略"视角差异，已在 source 页面 Contradictions 节记录 - - 无其他冲突 - -## [2026-04-22] ingest | Obsidian 高效指南：我常用的插件与实用技巧 -- Source file: Others/Obsidian 高效指南：我常用的插件与实用技巧.md -- Status: ✅ 成功摄入 -- Summary: Obsidian Tasks/Dataview/Templater/QuickAdd 四款核心插件组合与双向链接/每日笔记/折叠大纲/定期复盘四种使用技巧的个人经验分享 -- Concepts created: 无（QuickAdd/双向链接/Daily Notes/折叠与大纲 仅在本来源出现，不满足"跨页出现 ≥ 2 次"或"抽象可复用"条件） -- Entities created: 无（shenwei 仅在本来源出现 1 次，不满足"出现 ≥ 2 次"条件） -- Source page: wiki/sources/obsidian-高效指南-我常用的插件与实用技巧.md -- Notes: - - 更新了 overview.md Productivity 章节：补充 QuickAdd 描述，并将双向链接/Daily Notes 添加到 Key Concepts - - 更新了 index.md，在 Sources 顶部插入新条目 - - 冲突检测：与 [[Obsidian最有必要安装的10款插件是这些]] 存在"少而精 vs 多而全"视角差异，已在 source 页面 Contradictions 节记录 - - 无其他冲突 - -## [2026-04-22] ingest | Dataview——让我从"笔记黑洞"里逃出来的 Obsidian 神器 1 -- Source file: Others/Dataview——让我从"笔记黑洞"里逃出来的 Obsidian 神器 1.md -- Status: ✅ 成功摄入 -- Summary: Dataview 将 Obsidian 变成"笔记数据库"，通过类 SQL 查询语法（DQL）自动聚合待办事项、整理标签笔记、统计写作量，解决笔记越记越乱的"笔记黑洞"问题 -- Concepts created: 无（Dataview 已在 overview.md Key Concepts 存在；"笔记黑洞"仅本来源出现 1 次，不满足"抽象可复用"条件） -- Entities created: 无（赫点茶/shenwei 仅本来源出现 1 次，不满足"出现 ≥ 2 次"条件） -- Source page: wiki/sources/dataview-让我从"笔记黑洞"里逃出来的-obsidian-神器-1.md -- Notes: - - 更新了 index.md，将 entry 从 "(expected: source missing)" 更新为完整描述 - - overview.md Productivity & Knowledge Management 章节已包含 [[Dataview]] 引用，无需额外扩充 - - Dataview Concept [[Dataview]] 已在 [[Obsidian高效指南]] 和 [[Obsidian最有必要安装的10款插件是这些]] 两篇来源中出现，本来源作为第三篇印证来源 - - 冲突检测：无直接内容冲突，与其他 Obsidian 插件文章互补 - -- Source file: raw/Others/Obsidian Tasks 插件：这可能是最适合懒人的任务管理方式.md -- Status: ✅ 成功摄入 -- Summary: 介绍 Obsidian Tasks 插件如何将任务管理无缝整合进 Obsidian 笔记工作流，核心价值：Markdown 任务语法、灵活查询、重复任务自动化；适合 Obsidian 深度用户，不适合需要视觉化/协作/移动端快速添加的场景 -- Concepts created: Obsidian Tasks, Task Query, Recurring Task -- Source page: wiki/sources/obsidian-tasks-插件-这可能是最适合懒人的任务管理方式.md -- Notes: - - [[Obsidian Tasks]] 已在 overview.md Productivity 章节存在wikilink，本次创建 Concept 页面并更新 index.md - - [[Todoist]] Entity 页面新建（被多次提及，对比关系明确） - - [[shenwei]] Entity 已存在，无需新建 - - 内容冲突：与 Todoist 的任务管理整合度对比，记录于 Contradictions 节 - -## [2026-04-22] ingest | How to get Youtube Channel ID -- Source file: Others/How to get Youtube Channel ID.md -- Status: ✅ 成功摄入 -- Summary: 通过浏览器 view-source 方法获取 YouTube 频道 Channel ID 的简明教程，在频道页面源码中搜索 `channel_id` 字符串提取 RSS Feed URL 中的频道 ID，可用于 n8n 工作流自动化 -- Concepts created: 无（Channel ID / RSS Feed 为单一来源具体方法，不满足"抽象可复用"条件） -- Entities created: 无（YouTube / n8n 已存在于 overview.md） -- Source page: wiki/sources/how-to-get-youtube-channel-id.md -- Notes: - - 更新了 overview.md，添加 YouTube Automation 章节 - - 更新了 index.md entry，从 "(expected: source missing)" 更新为完整描述 - - 无内容冲突 - - -## [2026-04-23] ingest | 万字讲透OpenClaw Workspace深度解析 -- Source file: Agent/万字讲透OpenClaw-Workspace深度解析-2026-03-21.md -- Status: ✅ 成功摄入 -- Summary: OpenClaw workspace 文件体系深度解析，涵盖 AGENTS.md（职责说明书）、SOUL.md（性格档案）、USER.md（用户偏好）、IDENTITY.md（身份元数据）、TOOLS.md（工具规范）、BOOTSTRAP.md（出厂引导）、memory/（长期记忆）等核心文件的作用、分工和最佳实践 -- Concepts created: [[Workspace]], [[SOUL.md]], [[USER.md]], [[IDENTITY.md]], [[TOOLS.md]], [[BOOTSTRAP.md]], [[MEMORY.md]], [[Agent-Memory]] -- Entities created: [[OpenClaw]], [[DracoVibeCoding]] -- Concepts updated: [[AGENTS.md]]（扩展了 OpenClaw 语境描述） -- Source page: wiki/sources/万字讲透openclaw-workspace深度解析-2026-03-21.md -- Notes: - - 更新了 overview.md，添加 Workspace 相关 Key Concepts 和 DracoVibeCoding 实体 - - 更新了 index.md，替换"source missing"占位条目为正式条目 - - Key Concepts 新增：[[Workspace]], [[SOUL.md]], [[USER.md]], [[IDENTITY.md]], [[TOOLS.md]], [[BOOTSTRAP.md]], [[HEARTBEAT.md]], [[MEMORY.md]], [[Agent-Memory]] - - Entity 新增：[[OpenClaw]], [[DracoVibeCoding]] - - 冲突检测：无已知冲突 - -## [2026-04-22] ingest | n8n + Claude：通过自然语言自动化工作流 -- Source file: Agent/n8n+Claude 通过自然语言自动化工作流.md -- Status: ✅ 成功摄入 -- Summary: 通过在 Claude Desktop 中配置 n8n-mcp MCP 服务器，使 Claude 能够通过自然语言指令直接调用 n8n 的 543 个节点，自动生成和执行工作流，实现"用嘴做自动化"。核心流程：安装 Claude Desktop → 安装 Node.js → 安装 n8n-mcp → 配置 MCP 连接 → 用自然语言描述需求 → Claude 生成工作流。 -- Concepts created: 无新 Concept（[[工作流自动化]] 已存在，[[Extended Thinking]] 已存在，[[MCP（Model Context Protocol）]] 已存在） -- Entities created: [[Claude Desktop]]（新增）, [[Node.js]]（新增） -- Source page: wiki/sources/n8n-claude-通过自然语言自动化工作流.md -- Notes: - - 更新了 overview.md，在 n8n Workflow Automation 章节补充 Claude Desktop 端侧方案与 Claude API 云端方案的对比说明，添加 [[Claude Desktop]] 和 [[Node.js]] 到 Key Entities 和 Key Concepts - - 冲突检测：与 [[Content Factory]] 进行对比分析，记录两种 Claude+n8n 接入路径差异（桌面客户端 vs API） - - 创建了 wiki/entities/Claude-Desktop.md（Claude Desktop 桌面客户端 MCP 集成说明） - - 创建了 wiki/entities/Node.js.md（Node.js 运行时环境及在 n8n/n8n-mcp 栈中的角色） - -## [2026-04-22] ingest | Podcast Production Pipeline -- Source file: Agent/usecases/podcast-production-pipeline.md -- Status: ✅ 成功摄入 -- Summary: AI Agent 全自动播客制作流水线，覆盖「录前研究→大纲脚本→录制→时间戳笔记→社媒推广包→SEO描述」全链路。Solo Podcaster 在制作上花费的时间远超录制时间，创意对话仅占总工作量的约 30%。社媒推广包（每集必做的重复性工作）是节省时间最多的环节。 -- Concepts created: 无新 Concept（[[Multi-Agent Coordination]] 已存在，[[Pre-Recording Research]]、[[Podcast Show Notes]] 等未达到创建条件） -- Source page: wiki/sources/podcast-production-pipeline.md -- Notes: - - 更新了 overview.md，在 AI Tools & Prompt Engineering 章节补充播客制作自动化说明，关联 [[Content Factory]] - - 更新了 index.md，在 Sources 节添加新条目 - - 冲突检测：与 [[Content Factory]] 存在互补关系，记录在 source 页面的 Contradictions 节 - - Entities（Whisper、Spotify、Apple Podcasts、YouTube）和 Concepts 均未达到出现 ≥2 次的创建条件，跳过独立页面创建 - -## [2026-04-22] ingest | Multi-Agent Content Factory -- Source file: Agent/usecases/content-factory.md -- Status: ✅ 成功摄入 -- Summary: 基于 Discord 频道的多 Agent 内容工厂，链式 Agent（Research Agent → Writing Agent → Thumbnail Agent）实现内容创作全流程自动化（研究→写作→设计）。每天定时运行，创作者次日醒来即可收获成品内容。核心洞察：链式 Agent 是内容工厂的核心，上游输出直接喂给下游，无需逐步人工干预。 -- Concepts created: [[Chained Agents]], [[Content Automation]] -- Concepts linked: [[Workflow Architecture]], [[Multi-Agent Coordination]] -- Entities checked: [[OpenClaw]]（已存在于 wiki 根目录，无需更新） -- Source page: wiki/sources/content-factory.md -- Notes: - - 更新了 overview.md，在 AI Tools & Prompt Engineering 章节补充 Content Factory 说明 - - 更新了 index.md，在 Sources 节添加新条目（顶部插入） - - 更新了 [[Podcast Production Pipeline]] 的 Contradictions 节，补充互补关系说明 - - Alex Finn 仅出现 1 次且无关键影响，跳过 Entity 页面创建 - - wiki/entities/ 和 wiki/concepts/ 目录存在但为空，所有 Concept 页面直接写入 wiki/concepts/ - -## [2026-04-22] ingest | AI-Powered Earnings Tracker -- Source file: Agent/usecases/earnings-tracker.md -- Status: ✅ 成功摄入 -- Summary: OpenClaw + Cron Job 自动化财报追踪——每周日 6PM 扫描财报日历过滤关注公司，Telegram 投递预览；用户确认后调度一次性 Cron Job，财报发布后自动搜索、格式化摘要（beat/miss、营收、EPS、AI 亮点、指引）并投递。消灭手动追踪摩擦，用户醒来即可获得成品摘要。 -- Concepts created: [[Earnings-Calendar]], [[Earnings-Beat-Miss]], [[AI-Powered Digest]] -- Concepts linked: [[Cron Job]], [[Daily-Digest]], [[Telegram Topic]] -- Entities checked: NVDA/MSFT/GOOGL/META/AMZN/TSLA/AMD（公开公司，仅作示例引用，跳过 Entity 页面创建；[[OpenClaw]] 已存在，无需更新） -- Source page: wiki/sources/earnings-tracker.md -- Notes: - - 更新了 overview.md，在 AI Tools & Prompt Engineering 章节补充 Earnings Tracker 说明 - - 更新了 index.md，在 Sources 节和 Concepts 节添加新条目 - - 创建 3 个 Concept 页面：Earnings-Calendar.md、Earnings-Beat-Miss.md、Ai-Powered-Digest.md - - 冲突已记录：Earnings Tracker vs Daily YouTube Digest（架构高度相似，可视为同一 Digest 模式的不同实例） - - 与 Daily YouTube Digest 的时间粒度差异已在 Contradictions 节记录（财报事件触发 vs 频道更新检测） - -## [2026-04-22] ingest | LaTeX Paper Writing -- Source file: Agent/usecases/latex-paper-writing.md -- Status: ✅ 成功摄入 -- Summary: 基于 AI Agent 的 LaTeX 论文写作助手，通过云端 TeX 环境实现无需本地安装的即时编译。Prismer Docker 容器提供云端 LaTeX 编译服务 + latex-compiler skill（4 个工具）+ AI 对话生成 LaTeX 代码 + 内联 PDF 预览。支持 pdflatex/xelatex/lualatex 三种编译器、BibTeX/BibLaTeX 文献管理、四种启动模板（article/IEEE/beamer/Chinese article）。 -- Concepts created: [[latex-compiler]], [[Prismer]], [[BibTeX]] -- Entities created: （无新增，[[Prismer]] 未达到 ≥2次出现条件，暂不创建独立 Entity 页面） -- Source page: wiki/sources/latex-paper-writing.md -- Notes: - - index.md 中条目已存在（placeholder），无需更新 - - overview.md 无需更新（本内容属于垂直场景，无跨主题综合价值） - - 已有相关 Concept：[[Docker]]（容器化部署底座）、[[OpenClaw]]（如在 OpenClaw 环境中使用） - - 无已知内容冲突 - -## [2026-04-17] ingest | OpenClaw + n8n Workflow Orchestration -- Source file: Agent/usecases/n8n-workflow-orchestration.md -- Status: ✅ 成功摄入 -- Summary: 通过 Webhook 代理模式将 OpenClaw Agent 的外部 API 交互委托给 n8n 工作流，实现凭证隔离、可视化调试和流程锁定。一次实现三大收益：可观测性（n8n UI）、安全性（凭证隔离）、性能（确定性任务不消耗 LLM token）。核心机制：构建 → 测试 → 锁定循环。 -- Concepts created: [[Webhook-Proxy-Pattern]], [[Credential-Isolation]], [[Lockable-Workflow]], [[Visual-Debugging]], [[Safeguard-Steps]], [[Audit-Trail]] -- Entities created: [[Simon-Hoiberg]], [[openclaw-n8n-stack]] -- Source page: wiki/sources/n8n-workflow-orchestration.md -- Notes: - - 更新 index.md，替换 placeholder 为完整条目 - - 更新 overview.md n8n Workflow Automation 章节，补充新段落和 6 个新概念 - - 更新 OpenClaw.md sources 字段，追加 n8n-workflow-orchestration - - 更新 n8n.md Related 字段，追加 n8n-workflow-orchestration - - 创建 2 个 Entity 页面：Simon-Hoiberg.md、openclaw-n8n-stack.md - - 创建 6 个 Concept 页面：Webhook-Proxy-Pattern.md、Credential-Isolation.md、Lockable-Workflow.md、Visual-Debugging.md、Safeguard-Steps.md、Audit-Trail.md - - 与 [[workflow-automation]] 的 n8n 独立使用方式互补：不冲突 - - 与 [[使用Claude自动生成n8n工作流的实操教程]] 互补：Claude + n8n-mcp 解决工作流生成问题，本模式解决 Agent 安全集成问题，两者可叠加 - - 冲突检测：无内容冲突 - -## [2026-04-22] ingest | Personal CRM with Automatic Contact Discovery -- Source file: Agent/usecases/personal-crm.md -- Status: ✅ 成功摄入 -- Summary: 基于 OpenClaw 的个人 CRM 自动联系人发现系统——每日 Cron Job 扫描 Gmail 和日历，自动提取新联系人并更新 SQLite 数据库；通过 Telegram personal-crm topic 提供自然语言查询接口；每日 7AM 会议前简报自动研究外部参会者并推送背景资料。核心价值：零手动录入，AI 自动维护联系人关系记忆。 -- Concepts created: [[Personal-CRM]] -- Source page: wiki/sources/personal-crm.md -- Notes: - - 新增 Sources 条目至 index.md（替换 "source missing" placeholder） - - 更新 overview.md，新增 [[personal-crm]] 段落 - - Personal CRM 作为新 Concept 页面已创建并注册至 index.md Concepts 索引 - - gog CLI 作为 Entity 已存在于 [[Email-Triage]] 页面，无需新建 - - Contradiction：与 [[Second Brain]] 可能存在功能重叠，已在 source page Contradictions 部分记录 - - [[personal-crm]] 与 [[local-crm-framework]]（DenchClaw）同属 OpenClaw 持久化记忆能力的不同应用场景，已在 overview.md 中体现关联 - -## [2026-04-22] ingest | X/Twitter Automation from Chat -- Source file: Agent/usecases/x-twitter-automation.md -- Status: ✅ 成功摄入 -- Summary: 通过 TweetClaw（OpenClaw 插件）实现 X/Twitter 全功能自动化——自然语言驱动发帖、回复、点赞、转发、关注、DM、搜索、数据提取、抽奖选人、账号监控。所有操作通过托管 API 完成，无 Cookie、无爬虫、无凭证暴露。 -- Concepts created: [[X/Twitter-API-Automation]], [[Social-Media-Giveaway]], [[Account-Monitoring]] -- Entities created: [[TweetClaw]] -- Source page: wiki/sources/x-twitter-automation.md -- Notes: - - 新增 Sources 条目至 index.md（替换 "source missing" placeholder） - - 更新 overview.md，在 "Multi-Agent Content Factory" 段落后新增 [[x-twitter-automation]] 段落，更新 Key Concepts 列表 - - Entity 页面 [[TweetClaw]] 已创建并注册至 index.md Entities 索引 - - Concept 页面：[[X/Twitter-API-Automation]]、[[Social-Media-Giveaway]]、[[Account-Monitoring]] 三个概念因抽象度/复用性不足，相关知识已体现在 Entity 和 Source 页面中，未独立创建 - - [[x-account-analysis]] 尚未摄入（raw 文件不存在），已在 Contradictions 部分记录为"尚未摄入" - - 冲突检测：无内容冲突 - -## [2026-04-22] ingest | Multi-Source Tech News Digest -- Source file: Agent/usecases/multi-source-tech-news-digest.md -- Status: ✅ 成功摄入 -- Summary: 多源科技新闻自动聚合与投递系统——四层数据管道整合 RSS（46源）+ Twitter/X KOL（44账号）+ GitHub Releases（19仓库）+ Brave Search 网页搜索（4主题），覆盖 109+ 信息源；质量评分算法（priority source +3, multi-source +5, recency +2, engagement +1）筛选内容；Discord/Email/Telegram 三通道投递；自然语言添加自定义来源。 -- Concepts created: [[RSS-Aggregation]], [[Social-Media-Monitoring]], [[GitHub-Release-Monitoring]], [[Web-Search-Aggregation]], [[Quality-Scoring-Algorithm]], [[Multi-Channel-Delivery]] -- Source page: wiki/sources/multi-source-tech-news-digest.md -- Notes: - - 新增 Sources 条目至 index.md（替换 "source missing" placeholder） - - 更新 overview.md，在 "Multi-Agent Monitoring & Automation" 部分新增 [[multi-source-tech-news-digest]] 段落 - - Entity 页面 [[DracoVibeCoding]] 新建（公众号作者）；ClawHub 已在先前的 wiki/overview.md Key Entities 中覆盖，无需重复创建 - - [[RSSHub]] 已在 overview.md Key Concepts 中覆盖（Home Server Automation 部分），Brave Search 仅作为工具提及，均未新建独立 Entity - - Semantic-Deduplication 概念页已存在（2026-04-22 youtube-content-pipeline ingest 时创建），本次复用而非重建 - - 冲突检测：与 [[YouTube-Content-Pipeline]] 属互补关系（前者视频，后者文字新闻），无冲突 \ No newline at end of file + - 新增 Sources 条目至 index.md（替换 expected 标记行） + - overview.md 中已存在与 [[AI图生视频工具盘点]] 的互补关系说明，无需更新 + - 所有工具作为 Key Entities 记录于 Source 页面，未创建独立 Entity 页面（每个工具仅出现1次，未达≥2阈值） + - Contradictions：无冲突 diff --git a/wiki/overview.md b/wiki/overview.md index 7c35c3bf..502920a3 100644 --- a/wiki/overview.md +++ b/wiki/overview.md @@ -11,13 +11,25 @@ The wiki covers two major multi-agent frameworks: **The Agency** (agency-agents) **[[phone-based-personal-assistant]]**：通过 ClawdTalk + Telnyx 将任意手机变成 AI 助理语音入口——拨打电话即可与 [[OpenClaw]] 对话，支持日历查询、Jira 任务更新、网络搜索等技能，无需智能手机 App 或浏览器，覆盖驾驶、步行等双手占用场景。与 [[multi-channel-assistant]] 互补：文字入口覆盖图文交互，语音入口覆盖无屏场景。 +**[[phone-call-notifications]]**：AI Agent 通过 [[clawr.ing]] 托管电话服务主动向用户拨打电话通知——Agent 评估事件优先级（股价暴跌/紧急邮件/日程提醒），自动拨叫用户真实号码，用户接听后可实时提问，Agent 双向对话响应。与 [[phone-based-personal-assistant]] 互补：后者为用户→Agent 的来电接收（用户主动呼叫），前者为 Agent→用户的去电通知（Agent 主动呼叫），共同构成完整语音双向通信能力。覆盖 100+ 国家 PSTN 电话，不存储录音，加密传输后即时销毁。 + **[[multi-channel-customer-service]]**：基于 [[OpenClaw]] 的企业级多渠道 AI 客服统一收件箱——整合 WhatsApp Business、Instagram DMs、Gmail 和 Google Reviews 至单一 AI 驱动的收件箱，AI 自动识别消息意图（FAQ/Appointment/Complaint/Review）并匹配对应处理策略，语言自动检测匹配客户语言（ES/EN/UA），支持 Test Mode 演示而不影响真实客户。餐厅实测响应时间从 4+ 小时降至 2 分钟以内，80% 咨询自动处理。与 [[multi-channel-assistant]] 互补——后者面向个人助理多渠道入口，前者面向企业客服场景。 **Inbox De-clutter**：基于 [[OpenClaw]] 的 Newsletter 自动整理方案——每天 20:00 通过 Cron Job 阅读过去 24 小时的新邮件，生成精华摘要并附原文链接，根据用户反馈持续学习偏好。需前置 Gmail OAuth Setup。与 [[custom-morning-brief]] 属同一 Cron Job + AI 摘要模式的 Newsletter 垂直场景。与 [[email-triage]] 属同一方法论的不同实现。 -**[[Second Brain]]**：基于 [[OpenClaw]] 的个人第二大脑记忆捕获系统——通过短信/Telegram/Discord 零摩擦捕获任何内容（\"Remind me to read a book...\"），OpenClaw 永久记忆存储所有对话，Next.js 可搜索仪表盘提供全局检索，Cmd+K 跨所有记忆/文档/任务全局搜索。核心洞见：**捕获像发短信一样简单，检索像搜索一样简单**。无需文件夹、无需标签、无需复杂组织——文本加搜索足矣。OpenClaw 的累积记忆系统使 AI 随时间变得越来越强大，用户从手机发消息就能在电脑端构建内容。灵感来源：Alex Finn 的 YouTube 视频、Tiago Forte 的《Building a Second Brain》。 +**[[Second Brain]]**：基于 [[OpenClaw]] 的个人第二大脑记忆捕获系统——通过短信/Telegram/Discord 零摩擦捕获任何内容（\"Remind me to read a book...\"），OpenClaw 永久记忆存储所有对话，Next.js 可搜索仪表盘提供全局检索，Cmd+K 跨所有记忆/文档/任务全局搜索。核心价值：**捕获像发短信一样简单，检索像搜索一样简单**。无需文件夹、无需标签、无需复杂组织——文本加搜索足矣。OpenClaw 的累积记忆系统使 AI 随时间变得越来越强大，用户从手机发消息就能在电脑端构建内容。灵感来源：Alex Finn 的 YouTube 视频、Tiago Forte 的《Building a Second Brain》。 -Key concepts: [[Email Triage]], [[Newsletter Digest]], [[Preference Learning]], [[Cron Job]], [[Multi-Agent Coordination]], [[Multi-Tool Integration]], [[MCP Tool Interface Design]], [[Workflow Architecture]], [[Shared Memory Architecture]], [[Private Context]], [[Single Control Plane]], [[Scheduled Task Flywheel]], [[Parallel Agent Execution]], [[Topic-Based Routing]], [[Voice Interface]], [[Telephony Integration]], [[PM Delegation Pattern]], [[CEO Pattern]], [[Shared State Coordination]], [[Git-as-Audit-Log]], [[Dynamic-Dashboard]], [[Alerting]], [[Zero-Friction Capture]], [[Cumulative Memory]], [[Conversational Interface]], [[Text-and-Search]], [[Unified-Inbox]], [[Intent-Classification]], [[Human-Handoff]], [[Test-Mode]], [[Business-Knowledge-Base]], [[Language-Detection]], [[AI-Auto-Response]], [[Heartbeat-Monitoring]] +**Self-Improving 自改进系统**（[[养虾日记2]]）：解决 AI Agent"每次对话都是白纸"的核心问题——三层记忆架构（短期文件 + 长期向量数据库 + self-improving 复盘）配合每日 23:00 定时复盘，实现"错误只犯一次"的 Agent 学习闭环。Pattern-Key 重复是系统性问题的信号；Recurrence-Count 是区分一次性错误与重复问题的关键指标。[[Self-Improving-Skill]] 的 Suggested Action 必须具体到可直接执行（如 `--to 5038825565`），而非泛泛建议。 + +**[[养虾日记3]]**：用 Obsidian + Gitea 为 AI 助手构建持久化笔记系统——解决"AI 对话结束输出就消失"的核心问题。核心架构：**Obsidian 做知识库**（iCloud Drive 三端同步）、**Gitea 做版本控制**（完整保留所有历史版本）、**OpenClaw obsidian skill 做写入接口**。三个 Agent（星枢/星辉/星曜）分别向各自 Obsidian 目录写入，knowledgebase/ 存放跨 Agent 共用知识，/ 存放单一 Agent 私有笔记。核心价值：把 AI 变成"会自动整理笔记的实习生"——做完事顺手更新记录。与 [[Second Brain]]（对话记忆）、[[Personal Knowledge Base (RAG)]]（知识检索）同属持久化记忆能力的不同实现。与 [[self-healing-home-server]] 的 Morning Briefing 共享同一笔记更新机制。融合了 Karpathy 的 LLM Wiki 理念：让 AI 增量构建 Wiki，页面间互链，知识越积越厚。与 [[养虾日记1]]（照片整理）、[[养虾日记2]]（Self-Improving）、**[[养龙虾5天血泪史]]**（记忆调试）属同一「养虾日记」系列。 + +**[[养龙虾5天血泪史]]**：AI Agent 记忆失效问题的专项调试全记录——作者（比利哥）花费 5 天时间系统修复 OpenClaw 助理"星辉"的失忆问题。发现 5 类根本原因：①上下文压缩导致细节丢失（姓名/数字/决定）→ 配置 `memoryFlush` 在压缩前写入磁盘；②纯语义搜索在专有名词上失败 → 切换到 QMD 混合搜索（BM25+向量+重排）；③Agent 找到但不自动使用信息 → 启动序列强制触发检索；④多次压缩后上下文仍丢失 → 配置 `contextPruning` 协同工作；⑤系统提示词膨胀 28% → 全面清理未使用技能和无效文件。**10 条黄金法则**：只有 7 个自动加载文件（AGENTS/SOUL/TOOLS/IDENTITY/USER/HEARTBEAT/MEMORY）；启动序列必须放在 AGENTS.md 最顶部；**写入纪律比读取纪律更重要**；交接协议是模型切换修复的关键；定期运行 `/context detail` 检测 token 消耗。核心洞察：**压缩不是敌人，未写入的上下文才是**；系统提示词中每个令牌都是代理携带的开销。最终将系统提示词从 209,652 精简到 9,349 令牌，减少 28%。与 [[养虾日记1]]（照片整理）、[[养虾日记2]]（Self-Improving）属同一「养虾日记」系列，从不同角度解决 OpenClaw 的记忆与持久化问题。 + +**[[养虾日记5]]**：用AI蒸馏历史人物思维框架创建"数字导师"——以苏东坡为首位实践，展示如何将千年前古人的心智模型（六道：进退由时/此心安处/辞达而已/逆境转化/自出新意/天人合一）转化为可运行的AI Skill。女娲·Skill造人术通过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，提炼心智模型、决策启发式和表达DNA，产出自包含的.skill文件。核心洞察：AI时代用AI放大人类历史上最强大的脑子——学投资蒸馏芒格，学物理思维蒸馏费曼，逆境中保持风骨蒸馏苏东坡。与 [[养虾日记1/2/3/4]] 和 [[养龙虾5天血泪史]] 属同一「养虾日记」系列，从"AI数字导师"新角度扩展了 OpenClaw 的使用场景。与 [[Second Brain]]（对话记忆捕获）、[[思维蒸馏（女娲造人术）]] 同属用AI构建外部认知能力的不同路径。 + +**Recursive Self-Optimizing Generative Systems**（[[a-formalization-of-recursive-self-optimizing-generative-systems]]）：递归自我优化生成系统的形式化理论模型——将 [[养虾日记2]] 中 Self-Improving 的实践经验抽象为严格数学框架：系统目标不是直接产出最优输出，而是通过迭代自我修改构建稳定的生成能力 $G^*$。定义生成器空间 $\mathcal{G}$ → 优化算子 $O$ → 元生成算子 $M$ → 自映射 $\Phi$ → 稳定不动点 $G^*$，最终用 λ-calculus Y 组合子表达自引用结构 $G^* \equiv Y\;\text{STEP}$。核心发现：**递归自我优化自然涌现不动点结构**——当 $\Phi$ 满足收缩性条件时，$G^* = \lim_{n \to \infty} \Phi^n(G_0)$。该框架为 [[Self-Improving-Skill]] 和所有自我改进 AI 架构提供了原则性理论基础。 + +Key concepts: [[Email Triage]], [[Newsletter Digest]], [[Preference Learning]], [[Cron Job]], [[Multi-Agent Coordination]], [[Multi-Tool Integration]], [[MCP Tool Interface Design]], [[Workflow Architecture]], [[Shared Memory Architecture]], [[Private Context]], [[Single Control Plane]], [[Scheduled Task Flywheel]], [[Parallel Agent Execution]], [[Topic-Based Routing]], [[Voice Interface]], [[Telephony Integration]], [[Voice Notification Channel]], [[Two-Way Voice Conversation]], [[Call-Worthy Threshold]], [[PSTN Calling]], [[PM Delegation Pattern]], [[CEO Pattern]], [[Shared State Coordination]], [[Git-as-Audit-Log]], [[Dynamic-Dashboard]], [[Alerting]], [[Zero-Friction Capture]], [[Cumulative Memory]], [[Conversational Interface]], [[Text-and-Search]], [[Unified-Inbox]], [[Intent-Classification]], [[Human-Handoff]], [[Test-Mode]], [[Business-Knowledge-Base]], [[Language-Detection]], [[AI-Auto-Response]], [[Heartbeat-Monitoring]], [[Self-Improving-Skill]], [[双层记忆架构]], [[每日复盘机制]], [[Pattern-Key]], [[Recurrence-Count]], [[Self-Improvement-Log]], [[AI-Agent思维方式]], [[批次任务拆分]], [[精确去重]], [[小文件清理]], [[安全删除策略]], [[Telegram通知]], [[Context-Window]], [[Model-Fallback]], [[Compaction]], [[Agent-Routing-Rules]], [[Error-Surface-vs-Root-Cause]], [[Layered-Configuration]], [[Log-Driven-Debugging]], [[Hidden-Failure-Paths]] ### Multi-Agent Monitoring & Automation **Dynamic Dashboard**：基于 [[OpenClaw]] 的多数据源实时监控仪表盘——通过子代理并行抓取 GitHub/Twitter/Polymarket/系统健康等多数据源，定时聚合结果推送 Discord，支持告警阈值和历史趋势存储。用对话式指令替代数周前端开发，立即获得实时洞察。[[polymarket-autopilot]] 是 Polymarket 市场监控的具体实现——AI Agent 24/7 自动监控预测市场、分析概率变化、自动执行交易策略。与 [[self-healing-home-server]] 的系统监控场景关联，[[earnings-tracker]] 的市场数据监控场景扩展，[[content-factory]] 共享子代理并行执行模式。 @@ -51,6 +63,8 @@ A practical tip for extracting YouTube Channel IDs: use `view-source:` prefix in **X/Twitter Automation**: [[x-twitter-automation]] 是基于 [[OpenClaw]] 的 X/Twitter 全功能自动化方案——通过 TweetClaw 插件（`@xquik/tweetclaw`）连接 X/Twitter 托管 API，实现自然语言驱动的发帖、回复、点赞、转发、关注、DM、搜索、数据提取、抽奖选人和账号监控。支持可配置的抽奖筛选条件（最低粉丝数/账号年龄/关键词），账号监控可追踪指定用户的新推文或粉丝变化并推送通知。所有操作通过托管 API 完成，无 Cookie、无爬虫、无凭证暴露。与 [[x-account-analysis]] 互补（分析 vs 操作），可与 [[content-factory]] 配合扩展社交媒体内容发布能力。 +**[[x-account-analysis]]**：基于 [[OpenClaw]] + [[Bird Skill]] 的 X 账号定性分析方案——通过 Cookie 认证（auth-token / ct0）读取真实账号推文，AI 深入分析内容模式（为何有时 1000+ 赞有时 <5 赞）、话题偏好与互动差异原因。定性分析聚焦"质量"而非"数字"，揭示帖子病毒式传播的规律。免费替代 $10-$50/月 的第三方订阅分析服务。核心安全建议：为 OpenClaw 单独创建 [[ClawdBot]] 专用账号而非直接使用真实账号。与 [[x-twitter-automation]] 互补——前者侧重内容质量分析，后者侧重账号操作自动化。 + Key concepts: [[Channel ID]], [[RSS Feed]], [[X/Twitter-API-Automation]], [[Social-Media-Giveaway]], [[Account-Monitoring]], [[Daily-Digest]], [[Transcript-Based Summarization]], [[TranscriptAPI.com]], [[Chained Agents]], [[Content Automation]], [[Semantic-Deduplication]], [[Vector-Embedding]], [[Knowledge-Base-RAG]], [[arXiv-API]], [[LaTeX-扁平化]], [[本地缓存]], [[论文摘要批量获取]] ### n8n Workflow Automation @@ -80,6 +94,10 @@ Key concepts: [[国家中小学智慧教育平台]], [[tchMaterial-parser]], [[C ### AI Tools & Prompt Engineering Covers Claude Code, Claude Code Templates (npx 一键安装 Skills/Agents/MCP via `npx claude-code-templates@latest --skill= --yes` from aitmpl.com), OpenCode, [[Cursor]], [[Trae]], Gemini CLI, Vibe Coding, RAG, multi-agent workflows, NotebookLM, Nano Banana prompting, and video generation tools. +**[[AI图生视频工具盘点]]**：基于 [[14个免费的AI图生视频工具-用ai让图片动起来]] 的综合分析，介绍了14个免费AI图生视频工具，覆盖阿里巴巴（绘蛙、通义万相、万相营造）、字节跳动（即梦AI）、快手（可灵AI）、智谱AI（智谱清影）、MiniMax（海螺AI）、生数科技（Vidu）、爱诗科技（PixVerse）、潞晨科技（Video Ocean）、智象未来（Viva）、MewXAI（艺映AI）、Stability AI（Stable Video）等厂商。核心能力包括：文本提示词控制运动、动作模板选择、运镜参数调节、首尾帧精准控制、主体一致性保持、音效自动生成等。电商场景（模特图动态化、商品展示）、视频创作（创意短片）、广告制作是三大主要应用方向。与 [[文字生成视频网站推荐]] 属同类AI视频生成工具的不同角度——前者侧重点图生视频，后者侧重文生视频。 + +**NotebookLM 开源平替生态**：基于 [[google-神级生产力工具-所有-github-开源平替都找到了]] 的系统梳理，Google [[NotebookLM]] 作为 AI 笔记助手标杆，支持文档问答和播客生成两大核心能力，GitHub 上已形成完整的开源替代生态：[[OpenNotebook]]（14.6k Stars，全功能本地化，支持 16+ AI 提供商和本地模型）是 Star 最高的平替；[[SurfSense]]（11.4k Stars）定位为 NotebookLM + Perplexity + Glean 的综合替代，支持语义+全文混合搜索和团队 RBAC；[[Podcastfy]] 专注播客生成，整合 100+ LLM 和多种 TTS 引擎；[[NotebookLlama]]（LlamaIndex 官方项目）展示文档转播客的完整技术链条；[[PageLM]] 聚焦教育场景，提供康奈尔笔记和间隔重复闪卡；[[InsightsLM]] 采用 Supabase + N8N 低代码架构，支持完全离线部署。该生态覆盖从"全功能替代"到"垂直聚焦"的不同需求层次。与 [[Personal Knowledge Base (RAG)]]（文档检索知识库）同属 AI 驱动的知识管理工具，但 NotebookLM 生态侧重"文档→对话/音频"的交互形态。 + **[[custom-morning-brief]]**：基于 [[OpenClaw]] 的晨间简报自动化——每天定时（例 8AM）通过 Telegram/Discord/iMessage 推送结构化报告，内容涵盖：新闻研究（AI/创业/科技方向）、当日待办事项（集成 Todoist/Apple Reminders/Asana）、主动任务推荐（AI 自主思考可帮助完成的事项）、睡前完成的完整草稿（脚本/邮件/商业方案，而非仅标题）。核心洞察：**主动任务推荐**是整个系统最有价值的部分——AI 主动思考如何帮助用户，而非被动等待指令；完整草稿（full draft）比标题建议节省大量时间；用户只需发消息即可调整简报内容，无门槛个性化。与 [[self-healing-home-server]] 的 Morning Briefing 属同一模式的不同垂直场景。 **[[family-calendar-household-assistant]]**：基于 [[OpenClaw]] 的家庭日程协调与物资管理方案——聚合 5+ 个分散日历（工作/个人/家庭/学校/课外）生成每日晨间简报；通过环境消息监控（Ambient Message Monitoring）自动从 iMessage 中识别预约并创建日历事件（含行车时间缓冲）；维护家庭库存 JSON（冰箱/储藏室），支持照片 OCR 和小票识别更新；生成购物清单。核心洞察：**Ambient > Active**——Agent 在不被要求时主动行动才是最大突破；Mac Mini 是该场景的最优硬件（iMessage 集成 + 始终在线）。与 [[Custom Morning Brief]] 属同一晨间简报模式的不同场景（个人 vs 家庭）。 @@ -104,6 +122,8 @@ Covers Claude Code, Claude Code Templates (npx 一键安装 Skills/Agents/MCP vi **Claude Code 调用方法**：[[claude-code调用方法总结]] 详细记录了 Hermes Agent 通过 `terminal` 工具调用 Claude Code 的两种模式——Print Mode（`claude -p`，适合绝大多数任务）和 TMUX 交互模式（适合超长任务）。核心参数包括 `--permission-mode bypassPermissions`（跳过所有权限确认）和 `--add-dir`（加载 SKILL.md）。关键结论：当任务需要 Claude Code 的 Skill 时，应使用 `terminal` 调用 `claude -p` 而非 `delegate_task`。 +**[[autonomous-game-dev-pipeline]]**：基于 [[OpenClaw]] 的 AI Agent 全自动教育游戏开发流水线——每小时轮询队列产出 1 款儿童 HTML5 游戏，通过 "Bugs First" 优先策略（先修 bug 再做新功能）、Round Robin 年龄组均衡分配、纯 HTML5/CSS3/JS 无框架技术栈，实现单人维护 41+ 款游戏。核心工程纪律：同步 master → feature branch → conventional commits → PR merge，每次交付自动更新 CHANGELOG 和队列状态。核心价值：**每 7 分钟产出 1 款游戏或 1 个 bugfix**，单人可管理完整产品线。与 [[content-factory]] 同属 Agent 自动化内容生产，但前者侧重多 Agent 协作链，本方案侧重单人 Agent 的高纪律性流水线。 + **[[aionui-cowork-desktop]]**：基于 [[AionUi]] 的 OpenClaw 桌面可视化 + 远程救援方案——通过 AionUi 的 Cowork 工作空间，用户可直接看到 OpenClaw 读写文件、运行命令、浏览网页，而非仅终端日志；内置 OpenClaw 部署专家，通过 Telegram/WebUI 远程诊断修复（`openclaw doctor`），解决"OpenClaw 挂了且不在机器旁"的困境；统一 MCP 配置一次，全局同步到 OpenClaw + 12+ 其他 Agent。与 [[Self-Healing-Home-Server]] 的远程修复场景关联，[[Multi-AgentHub]] 共享同一多 Agent 并行管理理念。 **播客制作自动化**：[[podcast-production-pipeline]] 提供 AI Agent 全自动播客制作流水线，覆盖「录前研究→大纲脚本→录制→时间戳笔记→社媒推广包→SEO描述」全链路。与 [[Content Factory]] 配合可将播客内容复用为博客、Newsletter、视频片段等多格式资产。 @@ -114,7 +134,11 @@ Covers Claude Code, Claude Code Templates (npx 一键安装 Skills/Agents/MCP vi **会议记录自动化**：[[meeting-notes-action-items]] 提供 AI Agent 自动将会议转录文本（Otter.ai、Google Meet、Zoom）转换为结构化摘要，自动从会议中提取行动项并创建 Jira/Linear/Todoist/Notion 任务，同时发送 Slack/Discord 摘要，支持截止日提醒。核心洞察：**自动任务创建**比摘要本身更有价值，无法转化为追踪任务的会议记录只是"文档剧场"。 -Key concepts: [[Morning Briefing]], [[Todoist API]], [[AI-Driven Task Extraction]], [[TaskAutomation]], [[Recurring Tasks]], [[MeetingNotes]], [[ActionItemTracking]], [[TranscriptProcessing]], [[RAG从入门到精通系列]], [[Agent Personality Design]], [[Vibe Coding]], [[Design-to-Code Workflow]], [[Multi-AI Review]], [[CodeWeaver]], [[LLM Wiki]], [[多智能体系统可靠性]], [[Plan Mode]], [[Build Mode]], [[Workspace]], [[AGENTS.md]], [[SOUL.md]], [[USER.md]], [[IDENTITY.md]], [[TOOLS.md]], [[BOOTSTRAP.md]], [[HEARTBEAT.md]], [[MEMORY.md]], [[Agent-Memory]], [[Claude Code Templates]], [[MCP（Model Context Protocol）]], [[Remote-SSH]], [[Bind Mount]], [[Attach 容器]], [[Docker 用户组]], [[SSH Config]], [[SSH 免密登录]], [[Vibe-Kanban]], [[OpenCode]], [[nvm]], [[pm2]], [[单一职责原则]], [[DRY原则]], [[模块化编程]], [[微服务架构]], [[Redis缓存]], [[消息队列]], [[输入-处理-输出模型]], [[并发编程]], [[Pain Point Mining]], [[Startup MVP Pipeline]], [[Agent-Driven Market Research]], [[Last 30 Days Method]], [[Pre-Build Validation]], [[Reality-Signal]], [[Competition-Analysis]], [[Pivot-Strategy]], [[Agent-Build-Gate]], [[CoworkWorkspace]], [[RemoteRescuePattern]], [[Multi-AgentHub]], [[MCPOnceAllAgents]] +**Designing for Agentic AI**：[[designing-for-agentic-ai]] 阐述 GenAI（创作内容）vs Agentic AI（主动行动）的核心差异，以及为 Agentic AI 设计用户体验的 TCPCA 五原则——**透明度**（可视化 AI 决策进度与推理摘要）、**控制感**（停止/撤销/偏好设置机制）、**个性化**（基于历史行为预测未来需求）、**对话式交互**（自然语言界面 + 输入解读反馈）、**主动预判**（AI 预判需求并主动提供帮助，同时允许用户控制 AI 自主权级别）。核心洞察：**观察 AI 决策过程本身就是一种参与方式**，用户不再是被动旁观者；设计隐喻从"响应用户点击/滑动"转向"AI 运行时的实时反馈"。与 [[Google-5个-Agent-Skill-设计模式]]（ToolWrapper/Generator/Reviewer/Inversion/Pipeline）同属 AI Agent 设计方法论——后者侧重 Skill 架构模式，前者侧重终端用户体验设计。 + +**AI 簡報自動化工作流**：用 ChatGPT 先做知識整理，再交給 Canva / Gamma AI 输出演示文稿。两阶段工作流比直接用 AI 生成简报效果更好——ChatGPT 负责深度思考与内容组织，Canva/Gamma AI 负责视觉呈现与排版。核心洞察：让 AI 扮演不同角色（思考者 vs 设计师），充分发挥各工具的优势。与 [[YouTube-Content-Pipeline]] 共享同一"AI 整理 → AI 输出"两阶段模式。与 [[AI图生视频工具盘点]] 同属 AI 内容创作工具应用的不同垂直场景。 + +Key concepts: [[AI簡報工作流]], [[AI圖生視頻工具]], [[文字生成視頻]], [[電商場景]], [[AI工具整合]], [[ChatGPT]], [[Canva]], [[Gamma AI]], [[Morning Briefing]], [[Todoist API]], [[AI-Driven Task Extraction]], [[TaskAutomation]], [[Recurring Tasks]], [[MeetingNotes]], [[ActionItemTracking]], [[TranscriptProcessing]], [[RAG从入门到精通系列]], [[Agent Personality Design]], [[Vibe Coding]], [[Design-to-Code Workflow]], [[Multi-AI Review]], [[CodeWeaver]], [[LLM Wiki]], [[多智能体系统可靠性]], [[Plan Mode]], [[Build Mode]], [[Workspace]], [[AGENTS.md]], [[SOUL.md]], [[USER.md]], [[IDENTITY.md]], [[TOOLS.md]], [[BOOTSTRAP.md]], [[HEARTBEAT.md]], [[MEMORY.md]], [[Agent-Memory]], [[Claude Code Templates]], [[MCP（Model Context Protocol）]], [[Remote-SSH]], [[Bind Mount]], [[Attach 容器]], [[Docker 用户组]], [[SSH Config]], [[SSH 免密登录]], [[Vibe-Kanban]], [[OpenCode]], [[nvm]], [[pm2]], [[单一职责原则]], [[DRY原则]], [[模块化编程]], [[微服务架构]], [[Redis缓存]], [[消息队列]], [[输入-处理-输出模型]], [[并发编程]], [[Pain Point Mining]], [[Startup MVP Pipeline]], [[Agent-Driven Market Research]], [[Last 30 Days Method]], [[Pre-Build Validation]], [[Reality-Signal]], [[Competition-Analysis]], [[Pivot-Strategy]], [[Agent-Build-Gate]], [[CoworkWorkspace]], [[RemoteRescuePattern]], [[Multi-AgentHub]], [[MCPOnceAllAgents]] ### Productivity & Knowledge Management Obsidian plugins, blogwatcher RSS monitoring, Quartz static site generation, project management systems, and personal CRM frameworks. QuickAdd plugin enables quick note capture via hotkeys for rapid idea recording. @@ -149,6 +173,8 @@ Key concepts: [[一人公司]], [[个人品牌]], [[Ikigai框架]], [[天才地 - [[agency-agents]] — GitHub repository - [[DracoVibeCoding]] — 公众号"Draco正在VibeCoding"作者，专注 Vibe Coding 与 AI Agent 实战分享 - [[OpenClaw]] — multi-agent framework with memory +- [[clawr.ing]] — 托管电话服务提供商，消除 Twilio 等传统电话 API 配置复杂度，为 Agent 提供主动拨打电话通知能力，覆盖 100+ 国家 PSTN 电话，不存储录音 +- [[clawhub.ai]] — OpenClaw Skill 市场，托管 clawr.ing 等 Skill 安装包 - [[AionUi]] — 桌面多 Agent Hub（macOS/Windows/Linux），将 OpenClaw 作为可视化 Cowork Agent 运行，支持内置远程救援专家和统一 MCP 配置 - [[n8n]] — workflow automation - [[Node.js]] — JavaScript 运行时环境，n8n-mcp 的运行依赖，也是 [[n8n]] 工作流引擎的后端运行环境 @@ -301,3 +327,5 @@ Key concepts: [[Django ORM]], [[Django REST Framework]], [[Django Admin 定制]] 9. **数据库备份方案**：pg_dump 逻辑备份 vs rsync 文件级备份。pg_dump 是热备份标准（零停机、跨平台迁移能力强），但不能备份运行中数据库的物理文件目录；rsync 适合 Docker 卷备份但需确保数据库一致状态。[[MinIO + Zipline 图床安装]] 使用 pg_dump 逻辑备份 PostgreSQL + Hyper Backup 文件备份 MinIO 目录，两者互补。 10. **SuperCall 沙盒 Persona vs 通用语音 Agent**：[[event-guest-confirmation]] 中使用的 [[SuperCall]] 强调独立沙盒设计——AI persona 只持有预设的 persona name、goal、opening line，无法访问外部系统；[[phone-based-personal-assistant]] 侧重通用个人助手场景，需要访问更多上下文。**[[Sandboxed Persona]]** 适用于确认类单一任务（安全、无注入风险）；通用语音 Agent 适用于需要跨系统协调的复杂助手场景。 + +11. **Agent 去电通知 vs Agent 来电接收**：[[phone-call-notifications]] 中 Agent 主动向用户拨打电话通知（Agent → User），通话由 Agent 触发，用户是被动接收方；[[phone-based-personal-assistant]] 中用户主动呼叫 Agent（User → Agent），Agent 接听并提供助理服务。两者方向相反但互补——前者用于紧急告警、定时简报、重要事件通知，后者用于随时咨询、查询、执行任务。共同构成完整语音双向通信能力。 diff --git a/wiki/sources/14个免费的ai图生视频工具-用ai让图片动起来-ai视频教程-ai自动化工作流定制服务-ai培训学习平台-黑喵大叔.md b/wiki/sources/14个免费的ai图生视频工具-用ai让图片动起来-ai视频教程-ai自动化工作流定制服务-ai培训学习平台-黑喵大叔.md new file mode 100644 index 00000000..eea7542a --- /dev/null +++ b/wiki/sources/14个免费的ai图生视频工具-用ai让图片动起来-ai视频教程-ai自动化工作流定制服务-ai培训学习平台-黑喵大叔.md @@ -0,0 +1,67 @@ +--- +title: "14个免费的AI图生视频工具，用AI让图片动起来" +type: source +tags: [ai, image-to-video, 视频生成] +date: 2025-12-05 +--- + +## Source File +- [[AI/14个免费的AI图生视频工具，用AI让图片动起来 - AI视频教程 AI自动化工作流定制服务 AI培训学习平台 黑喵大叔]] + +## Summary（用中文描述） +- 核心主题：14个免费AI图生视频工具盘点——用户上传静态图片，AI自动生成动态视频，降低视频创作门槛 +- 问题域：视频制作需要专业设备、技术和时间投入的痛点；普通创作者如何零门槛制作动态视频内容 +- 方法/机制：AI图生视频技术——通过上传静态图片，结合可选的文本提示词、运动模板、运镜参数等输入，由AI模型自动分析图像内容并生成连贯的动态视频片段 +- 结论/价值：2025年免费AI图生视频工具已高度成熟，涵盖中国厂商（阿里巴巴、智谱AI、快手MiniMax、字节跳动等）和国际厂商（Stability AI等），支持电商模特图、视频创作、广告制作等多种场景 + +## Key Claims（用中文描述） +- 14个免费AI图生视频工具覆盖从2秒到6秒的短视频生成，平均生成时间30秒至数分钟 +- 阿里巴巴（绘蛙、通义万相）、字节跳动（即梦AI）、快手（可灵AI）、智谱AI均已推出免费图生视频功能，国产工具在电商场景深度优化 +- 图生视频技术已支持多种运动控制方式：文本提示词、动作模板、运镜参数、尾帧参考，运动幅度可调节 +- 主体一致性（人物/物体在多段视频中保持一致）成为差异化竞争焦点，Vidu和海螺AI在此能力上领先 +- 部分工具（Viva、海螺AI）支持音效/背景音乐自动生成，实现声画同步的完整视频输出 + +## Key Quotes +> "只需几张图片，借助AI的力量，轻松生成富有动感和创意的视频作品，实现惊人的创造力和便捷性，为视频创作带来全新的变革与机遇。" — 文章引言 +> "在当今这个信息爆炸、视觉内容为王的时代，视频已成为人们传递信息、表达创意、娱乐消遣的首选方式之一。" — 文章背景 + +## Key Concepts +- [[AI图生视频]]：将静态图片通过AI模型自动转化为动态视频的技术，核心任务包括运动估计、时序生成、内容填充 +- [[主体一致性]]：多段视频中保持人物或物体视觉特征（面部、衣着、颜色）高度一致的技术能力，Vidu的"多主体参考"和海螺AI的"主体参考"均属此类 +- [[运镜控制]]：通过参数调整视频中摄像机的运动方式（如推进、拉远、倾斜、轨道等），决定视频的视觉动态感 +- [[首尾帧控制]]：以首帧图片和尾帧图片作为视频生成约束，AI自动填充中间帧，确保视频首尾画面符合预期 +- [[提示词控制]]：通过自然语言描述控制视频中主体的运动方式和场景变化，实现"所想即所见" + +## Key Entities +- [[绘蛙AI视频]]：阿里巴巴集团推出的AI图生视频工具，专注电商模特图动态化，支持动作模板，图片要求600×800以上 +- [[智谱清影]]：智谱AI推出的视频生成工具，图生视频功能30秒生成6秒1440×960高清视频，自带CogSound音效生成 +- [[通义万相]]：阿里巴巴AI视频生成工具，支持文本提示词控制运动、任意比例裁剪、旋转和国风内容优化 +- [[Vidu]]：生数科技联合清华大学发布的中国首个长时长高一致性视频大模型，全球首个"多主体参考"功能 +- [[可灵AI]]：快手推出的AI图生视频平台，生成1080p高清视频，3D时空联合注意力机制实现逼真物理动作 +- [[海螺AI]]：MiniMax公司推出的AI视频生成工具，MiniMax视频模型确保形象光影高度一致，支持超出图片内容的文本指令 +- [[即梦AI]]：字节跳动一站式AI创意创作平台，首尾帧精准控制、运镜参数自定义、多参数组合设置 +- [[PixVerse]]：爱诗科技开发的AI视频生成工具，支持真实/动漫/3D动画多风格，角色一致性功能 +- [[Video Ocean]]：潞晨科技AI视频生成平台，指令响应式图片动态化，V2.0在画质和风格多样性上有显著提升 +- [[Stable Video]]：Stability AI推出的视频生成平台，LoRA精细摄像机控制、帧插值技术、3D场景生成 +- [[万相营造]]：阿里妈妈AI电商营销工具，高度还原原图、精准理解复杂提示词，专注电商商品视频化 +- [[Viva]]：智象未来免费AI创意视觉平台，6种运镜方式，运动强度可调节，免费工具中质量最高 +- [[Haiper]]：AI视频生成工具，支持2秒/4秒视频，1280×720分辨率，官网和Discord无限免费使用 +- [[艺映AI]]：MewXAI团队推出的AI视频创作工具，运动笔刷局部动态化，支持手机电脑多平台同步 + +## Connections +- [[Vidu]] ← 技术基础 ← [[清华大学]]（联合发布） +- [[可灵AI]] ← 所属公司 ← [[快手]]（发布方） +- [[海螺AI]] ← 所属公司 ← [[MiniMax]]（发布方） +- [[即梦AI]] ← 所属公司 ← [[字节跳动]]（发布方） +- [[智谱清影]] ← 所属公司 ← [[智谱AI]]（发布方） +- [[绘蛙AI视频]] ← 所属公司 ← [[阿里巴巴]]（发布方） +- [[通义万相]] ← 所属公司 ← [[阿里巴巴]]（发布方） +- [[万相营造]] ← 所属公司 ← [[阿里巴巴]]（发布方） +- [[Stable Video]] ← 所属公司 ← [[Stability AI]]（发布方） +- [[Video Ocean]] ← 所属公司 ← [[潞晨科技]]（发布方） +- [[PixVerse]] ← 所属公司 ← [[爱诗科技]]（发布方） +- [[Viva]] ← 所属公司 ← [[智象未来]]（发布方） +- [[艺映AI]] ← 所属公司 ← [[MewXAI]]（发布方） + +## Contradictions +- 无明显内容冲突。本文为盘点性质，不同工具的功能描述可互补而非互斥。 diff --git a/wiki/sources/a-formalization-of-recursive-self-optimizing-generative-systems.md b/wiki/sources/a-formalization-of-recursive-self-optimizing-generative-systems.md new file mode 100644 index 00000000..c2a3bf05 --- /dev/null +++ b/wiki/sources/a-formalization-of-recursive-self-optimizing-generative-systems.md @@ -0,0 +1,50 @@ +--- +title: "A Formalization of Recursive Self-Optimizing Generative Systems" +type: source +tags: [] +date: 2025-12-30 +--- + +## Source File +- [[AI/A Formalization of Recursive Self-Optimizing Generative Systems.md]] + +## Summary（用中文描述） +- 核心主题：递归自我优化的生成系统形式化模型——系统的目标不是直接产出最优输出，而是通过迭代自我修改构建稳定的生成能力 +- 问题域：自动提示工程、元学习、自我改进 AI 系统的理论基础——计算对象从"解"转变为"解的生成器" +- 方法/机制：定义生成器空间 $\mathcal{G}$ → 优化算子 $O$ → 元生成算子 $M$ → 自映射 $\Phi$ → 不动点 $G^*$ → λ-calculus Y组合子表达 +- 结论/价值：递归自我优化系统自然涌现不动点结构，而非终止输出；稳定生成能力 = 元生成算子的不动点 + +## Key Claims（用中文描述） +- 生成器（Generator）作为计算对象优于单个输出：系统优化的是"生成解决方案的机制"，而非单个解决方案 +- 稳定生成能力 = 自映射 $\Phi$ 的不动点 $G^*$：即在自身的"生成-优化-更新"循环下保持不变的生成器 +- 不动点可通过迭代收敛获得：当 $\Phi$ 满足连续性或收缩性条件时，$G^* = \lim_{n \to \infty} \Phi^n(G_0)$ +- 自引用结构可形式化为 λ-calculus 的 Y 组合子：$G^* \equiv Y\;\text{STEP}$ 满足 $G^* = \text{STEP}\;G^*$ +- 该框架为自我改进 AI 架构和自动化元提示系统提供了原则性理论依据 + +## Key Quotes +> "We study a class of recursive self-optimizing generative systems whose objective is not the direct production of optimal outputs, but the construction of a stable generative capability through iterative self-modification." — 论文 Abstract，核心研究动机 + +> "A stable generative capability is defined as a fixed point of $\Phi$: $G^{*} \in \mathcal{G},\ \Phi(G^{*}) = G^{*}$." — 论文 Section 2，稳定生成能力的数学定义 + +> "The analysis reveals that such systems naturally instantiate a bootstrapping meta-generative process governed by fixed-point semantics." — 论文 Abstract，核心发现 + +## Key Concepts +- [[Recursive Self-Optimization]]：通过迭代自我修改构建稳定生成能力的递归优化框架 +- [[Generator Space]]：生成器空间 $\mathcal{G} \subseteq \mathcal{P}^{\mathcal{I}}$，每个生成器是从意图空间到程序/提示空间的函数 +- [[Self-Referential Computation]]：生成器被定义为使用自身输出的函数的不动点，体现自引用计算本质 +- [[Fixed-Point Semantics]]：自映射 $\Phi$ 的不动点语义——系统在不终止输出的情况下实现收敛 +- [[Y-Combinator]]：λ-calculus 不动点组合子，用于表达自引用生成器的递归结构 + +## Key Entities +- [[tukuai]]：独立研究者，GitHub @tukuai，本文理论框架的提出者 + +## Connections +- [[Recursive Self-Optimization]] ← is_theoretical_basis_for ← [[Meta-Learning]] +- [[Generator Space]] ← uses_mathematical_framework ← [[Self-Referential Computation]] +- [[Fixed-Point Semantics]] ← formalizes ← [[Recursive Self-Optimization]] +- [[Y-Combinator]] ← implements ← [[Self-Referential Computation]] +- [[Self-Improving AI]] ← is_applied_domain ← [[Recursive Self-Optimization]] +- [[Automated Prompt Engineering]] ← is_applied_domain ← [[Recursive Self-Optimization]] + +## Contradictions +- （暂无发现与其他 Wiki 页面的内容冲突——本文为纯理论形式化，与 Wiki 中其他 Agent 应用案例属不同层次） diff --git a/wiki/sources/autonomous-game-dev-pipeline.md b/wiki/sources/autonomous-game-dev-pipeline.md new file mode 100644 index 00000000..2d14fdbb --- /dev/null +++ b/wiki/sources/autonomous-game-dev-pipeline.md @@ -0,0 +1,56 @@ +--- +title: "Autonomous Educational Game Development Pipeline" +type: source +tags: [] +date: 2026-04-23 +--- + +## Source File +- [[Agent/usecases/autonomous-game-dev-pipeline.md]] + +## Summary（用中文描述） +- 核心主题：AI Agent 全自动管理教育游戏的完整开发生命周期 +- 问题域：单人开发者如何在无团队情况下快速生产 40+ 款儿童教育游戏 +- 方法/机制： + - "Bugs First" 优先策略：Agent 必须先修复 bugs 文件夹中的第一个 bug，再处理新游戏 + - Round Robin 轮询策略：从队列中按年龄组均衡选取下一款游戏 + - 完整 Git 工作流：feature branch → conventional commits → PR → merge + - 技术栈：纯 HTML5/CSS3/JS，无框架，移动优先，支持离线 +- 结论/价值：**每 7 分钟产出 1 款游戏或 1 个 bugfix**，单人可维护 41+ 款游戏的知识库 + +## Key Claims（用中文描述） +- Agent 在检测到 bugs/ 文件夹有内容时，必须优先修复字母序第一个 bug，不能同时处理多个 bug +- Pipeline 效率达到每 7 分钟完成 1 个新游戏或 1 个 bugfix +- 游戏需注册到 `games-list.json` 才能在首页显示，这是关键集成步骤 +- 使用 conventional commits 规范（feat: add [game-id]）确保提交历史可读 +- 系统指令使用西班牙语（es-419）编写，适配拉丁美洲儿童及其潜在贡献者 + +## Key Quotes +> "Act as an Expert in Web Game Development and Child UX. Your goal is to develop the next game in the production queue." — Agent 系统指令核心 +> "BUGS FIRST!: If the bugs/ folder has content, your only priority is to fix the first bug in alphabetical order. Do not attempt to fix multiple bugs at once." — 关键工程纪律 +> "Register the game in 'games-list.json' (CRITICAL)" — 核心集成步骤 +> "CRITICAL: git fetch && git pull origin master before starting" — 同步纪律 + +## Key Concepts +- [[Bugs First]]：优先级策略——Agent 检测到 bug 时必须停止新功能开发，先修 bug，且一次只修一个 +- [[Round Robin Strategy]]：轮询策略——按年龄组均衡分配，平衡内容多样性 +- [[Conventional Commits]]：规范化提交格式（如 `feat: add game-id`），保证项目历史可读 +- [[Feature Branch Workflow]]：Git feature branch → commit → PR → merge 的完整分支管理流程 +- [[HTML5 Game Development]]：无框架、移动优先、离线可用的轻量游戏开发规范 + +## Key Entities +- [[duberblockito]]：El Bebe Games 项目作者，GitHub 仓库维护者，"LANero of the old school" 爸爸开发者 +- [[El Bebe Games]]：面向拉丁美洲儿童的在线教育游戏平台，无广告、无垃圾信息，官网 elbebe.co +- [[Susana & Julieta]]：开发者女儿（3岁和即将出生），项目的灵感来源和目标用户 +- [[OpenClaw]]：（关联）本 pipeline 与 OpenClaw 的 autonomous agent 能力相关，是该技术的实际应用场景 + +## Connections +- [[Multi-Agent Content Factory]] ← related_to ← [[autonomous-game-dev-pipeline]] + - 两者均涉及 Agent 自动化生产内容，但前者侧重多 Agent 协作链（Research → Writing → Design），后者侧重单人 Agent 的独立流水线 +- [[Goal-Driven Autonomous Tasks]] ← extends ← [[autonomous-game-dev-pipeline]] + - Overnight Mini-App Builder 同样采用 Agent 自主执行 + Git 状态追踪的工程纪律，是本 pipeline 方法论的延伸 +- [[Project State Management]] ← related_to ← [[autonomous-game-dev-pipeline]] + - 两者都使用 append-only 日志模式（CHANGELOG.md / master-game-plan.md）作为状态管理机制 + +## Contradictions +- 无明显内容冲突 diff --git a/wiki/sources/designing-for-agentic-ai.md b/wiki/sources/designing-for-agentic-ai.md new file mode 100644 index 00000000..59a39092 --- /dev/null +++ b/wiki/sources/designing-for-agentic-ai.md @@ -0,0 +1,48 @@ +--- +title: "Designing for Agentic AI" +type: source +tags: [AI, Agentic AI, Product Design, UX Design] +date: 2025-03-02 +--- + +## Source File +- [[AI/Designing for Agentic AI]] + +## Summary（用中文描述） +- 核心主题：Agentic AI（智能体AI）与 GenAI（生成式AI）的区别，以及如何为 Agentic AI 设计用户体验 +- 问题域：传统 UI 设计范式（响应用户直接输入）无法满足 Agentic AI 的主动式、反馈驱动型交互需求 +- 方法/机制：提出 5 条最佳实践设计原则：透明度（Transparency）、控制感（Control）、个性化（Personalization）、对话式交互（Conversation）、主动预判（Anticipation） +- 结论/价值：设计 Agentic AI 体验需要全新的设计隐喻，从"响应用户操作"转向"提供实时反馈"，让用户始终理解 AI 正在做什么并保持控制权 + +## Key Claims（用中文描述） +- GenAI 擅长创作新内容（文本/图片/音乐），Agentic AI 擅长行动——与环境交互、做决策、预判需求 +- Agentic AI 使用户不再是被动参与者：观察 AI 决策过程、理解 AI"思考"本身就是一种交互形式 +- 设计 Agentic AI 需要新隐喻：不仅是响应用户点击/滑动，而是 AI 运行时提供实时反馈 +- 5 条最佳实践原则（TCPCA）：透明度、控制感、个性化、对话、主动预判 + +## Key Quotes +> "Agentic AI is pushing us to reimagine product design. For years, we've focused on interfaces that react to direct user input—clicks, swipes, and edits. But agentic AI introduces a new dimension: proactive agents that anticipate needs and act autonomously." +> — Yuri Pessa，阐述从响应式 UI 到主动式 Agent UI 的设计范式转变 + +> "This doesn't mean users become passive. Observing the AI's decision-making process, understanding its 'thinking,' is a form of interaction in itself." +> — Yuri Pessa，用户观察 AI 决策过程本身就是参与方式 + +## Key Concepts +- [[Agentic AI]]：能够与环境交互、做决策、预判用户需求的主动式 AI 系统，而非被动响应用户指令 +- [[GenAI]]：生成式 AI，擅长创作新内容（文本/图片/音乐），与 Agentic AI 的行动导向形成对比 +- [[Transparency]]：透明度原则——用户应能理解 AI 如何做决策，通过可视化 AI 进度和推理过程摘要实现 +- [[Control]]：控制感原则——用户始终应感到掌控 AI，通过停止/撤销/偏好设置等机制实现 +- [[Personalization]]：个性化原则——Agentic AI 应适应个人用户需求和偏好，基于历史行为预测未来需求 +- [[Conversation]]：对话原则——通过自然语言界面设计与 AI 交互，并提供 AI 如何解读输入的反馈 +- [[Anticipation]]：主动预判原则——Agentic AI 应能预判用户需求并主动提供帮助，同时允许用户控制 AI 自主权级别 + +## Key Entities +- [[Yuri Pessa]]：LinkedIn 文章作者，专注于 AI 产品设计领域 + +## Connections +- [[Agentic AI]] ← 核心概念 ← [[Designing-for-Agentic-AI]]（本文档） +- [[Designing-for-Agentic-AI]] ← 应用场景 ← [[Google-5个-Agent-Skill-设计模式]]（Skill 设计模式中的设计原则） +- [[Designing-for-Agentic-AI]] ← 对比参照 ← [[llms-rag-ai-agent-三个到底什么区别]]（LLM vs RAG vs AI Agent 的概念辨析） + +## Contradictions +- 暂无已知冲突 diff --git a/wiki/sources/google-神级生产力工具-所有-github-开源平替都找到了.md b/wiki/sources/google-神级生产力工具-所有-github-开源平替都找到了.md new file mode 100644 index 00000000..9fc96728 --- /dev/null +++ b/wiki/sources/google-神级生产力工具-所有-github-开源平替都找到了.md @@ -0,0 +1,65 @@ +--- +title: "Google 神级生产力工具，所有 GitHub 开源平替都找到了。" +type: source +tags: [] +date: 2026-01-01 +--- + +## Source File +- [[AI/Google 神级生产力工具，所有 GitHub 开源平替都找到了。.md]] + +## Summary（用中文描述） +- 核心主题：Google NotebookLM 的 GitHub 开源替代品生态全景盘点 +- 问题域：AI 笔记助手、文档问答、播客生成工具的选择与本地化部署 +- 方法/机制：系统梳理 6 款开源项目（Open Notebook、SurfSense、Podcastfy、NotebookLlama、PageLM、InsightsLM），从功能完整性、模型支持、部署方式、差异化特性等维度对比分析 +- 结论/价值：开源平替覆盖从"全功能替代"到"垂直聚焦"的不同需求层次，用户可根据隐私需求、预算、技术能力选择最适合的工具 + +## Key Claims（用中文描述） +- Open Notebook 是 GitHub 上 Star 最高的 NotebookLM 开源平替（14.6k Stars），支持 16+ AI 提供商、本地模型、多模态输入和多角色播客生成 +- SurfSense（11.4k Stars）是综合型 AI 搜索与研究智能体，整合语义搜索+全文搜索+重排序，支持 Notion/GitHub/YouTube 等外部数据源，具备团队协作 RBAC +- Podcastfy 专注播客生成，整合 100+ LLM 和多种 TTS 引擎，支持多语言和短视频/长篇双模式 +- NotebookLlama（LlamaIndex 官方项目）展示如何利用 AI 技术链条构建文档转播客应用 +- PageLM 专注于教育场景，提供康奈尔笔记、互动测验、间隔重复闪卡和模拟考试系统 +- InsightsLM 强调低代码/无代码，采用 Supabase + N8N 架构，支持完全离线本地部署 + +## Key Quotes +> "NotebookLM 是谷歌推出的一款 AI 笔记助手。与普通 AI 不一样，它严格限制在你上传的文档范围里进行回答，并能提供精准的原文引用。" — NotebookLM 的核心价值定位 +> "Open Notebook 支持超过 16 种 AI 提供商，包括 OpenAI、Anthropic、Gemini 等主流云端模型，同时也完美支持通过 Ollama 或 LM Studio 运行的本地模型。" — 模型选择灵活性 +> "SurfSense 采用语义搜索 + 全文搜索混合搜索技术，并结合重排序算法，确保在海量数据中能快速精准地找到并引用答案。" — 搜索技术栈 +> "Podcastfy 整合了超过 100 种 LLM 用于脚本生成，并支持 OpenAI、Google、ElevenLabs 以及 Microsoft Edge TTS 等多种语音合成引擎。" — 播客生成引擎 + +## Key Concepts +- [[文档问答]]：基于上传文档进行 AI 问答，并提供精准原文引用 +- [[播客生成]]：将文本/文档内容转换为逼真的双人/多人英语对话播客 +- [[语义搜索]]：结合向量相似度与全文关键词匹配，提升检索精度 +- [[混合搜索]]：语义搜索 + BM25 全文搜索 + RRF 重排序的组合检索技术 +- [[多模态输入]]：支持 PDF、网页、音频、YouTube 视频等多种格式的文档输入 +- [[本地化部署]]：不依赖云端，通过 Docker 等方式在本地运行 AI 应用 +- [[RBAC]]（基于角色的访问控制）：支持团队协作和知识共享的权限管理机制 + +## Key Entities +- [[NotebookLM]]：Google 推出的 AI 笔记助手，核心标杆产品，支持文档问答和播客生成 +- [[OpenNotebook]]：GitHub Star 最高的开源平替（14.6k），全功能本地化方案，支持多 AI 提供商 +- [[SurfSense]]：综合型 AI 搜索与研究智能体（11.4k Stars），定位为 NotebookLM/Perplexity/Glean 的开源替代 +- [[Podcastfy]]：专注播客生成的开源工具，整合 100+ LLM 和多种 TTS 引擎 +- [[NotebookLlama]]：LlamaIndex 官方开源项目，展示文档转播客的完整技术链条 +- [[PageLM]]：教育场景垂直工具，提供康奈尔笔记、互动测验、间隔重复闪卡、模拟考试 +- [[InsightsLM]]：低代码/无代码方案，Supabase + N8N 架构，支持 Ollama/Qwen3 本地模型 +- [[Google]]：NotebookLM 开发商，AI 生产力工具领域的重要推动者 +- [[LlamaIndex]]：NotebookLlama 的背后组织，开源 LLM 应用开发框架 +- [[Supabase]]：InsightsLM 的后端数据库和存储提供商 +- [[N8N]]：InsightsLM 的工作流自动化工具后端 +- [[Ollama]]：本地模型运行平台，多个开源平替均支持 +- [[ElevenLabs]]：高质量语音合成引擎，Podcastfy 和 NotebookLlama 均支持 + +## Connections +- [[OpenNotebook]] ← 功能对标 ← [[NotebookLM]] +- [[SurfSense]] ← 定位重叠 ← [[NotebookLM]]、[[Perplexity]]、[[Glean]] +- [[Podcastfy]] ← 功能聚焦 ← [[NotebookLM]]（播客生成子功能） +- [[NotebookLlama]] ← 技术参考 ← [[NotebookLM]]（文档转播客流程） +- [[PageLM]] ← 场景扩展 ← [[NotebookLM]]（教育垂直领域） +- [[InsightsLM]] ← 架构借鉴 ← [[NotebookLM]]（文档问答+播客生成核心） +- [[OpenNotebook]] ← 技术集成 ← [[Ollama]]、[[LM-Studio]] + +## Contradictions +- 无已知内容冲突 diff --git a/wiki/sources/phone-call-notifications.md b/wiki/sources/phone-call-notifications.md new file mode 100644 index 00000000..e38d9e17 --- /dev/null +++ b/wiki/sources/phone-call-notifications.md @@ -0,0 +1,61 @@ +--- +title: "Phone Call Notifications" +type: source +tags: [] +date: 2026-04-22 +--- + +## Source File +- [[Agent/usecases/phone-call-notifications.md]] + +## Summary（用中文描述） +- 核心主题：AI Agent 通过真实电话呼叫（而非推送通知）向用户发送紧急提醒，实现 Agent → 用户双向语音通话 +- 问题域：推送通知容易被忽视，聊天消息容易被埋没，紧急信息无法可靠触达用户 +- 方法/机制：通过 clawr.ing 托管电话服务（无需 Twilio/API Key 配置），Agent 评估事件优先级，决定是否值得打电话，主动拨叫用户真实号码；通话中用户可实时提问，Agent 实时响应，实现真正的双向对话 +- 结论/价值：电话是唯一可靠绕过注意力屏障的触达方式；Agent 主动判断"是否值得打电话"而非被动响应；clawr.ing 消除电话集成的技术门槛 + +## Key Claims（用中文描述） +- Agent 主动拨叫用户，而非用户呼叫 Agent——这是注意力触达效率的关键差异 +- clawr.ing 消除了电话 API 配置门槛，一段 setup prompt 即完成集成，覆盖 100+ 国家真实 PSTN 电话 +- 电话通知需与 Heartbeat/Cron Job 配合作为触发器，clawr.ing 本身仅是投递通道 +- 通话场景下应使用快速模型（Haiku 级别）以降低延迟 +- clawr.ing 不存储录音或文字记录，音频传输加密后即时销毁 + +## Key Quotes +> "Phone call means 'this actually matters.' If your agent calls you 10 times a day, you'll start ignoring it." +> — 核心设计原则：控制电话通知频率，保持其作为最高优先级触达通道的价值 + +> "Unlike a push notification, you can ask follow-up questions on the call." +> — 双向对话是电话通知区别于所有其他通知渠道的本质差异 + +## Key Concepts +- [[Voice Notification Channel]]：Agent 通过主动拨打电话作为高优先级通知投递通道，与推送通知/聊天消息并列 +- [[Two-Way Voice Conversation]]：Agent 主动拨叫用户，用户可实时提问，Agent 实时响应，而非单向广播 +- [[Call-Worthy Threshold]]：仅当事件足够重要时才触发电话，避免通知疲劳 +- [[PSTN Calling]]：真实公共交换电话网电话（非 VoIP 叠加层），确保全球覆盖和可靠接通 + +## Key Entities +- [[clawr.ing]]：托管电话服务提供商，消除了 Twilio 等传统电话 API 的配置复杂度，为 Agent 提供一键电话呼叫能力 +- [[OpenClaw]]：Agent 框架，通过 clawr.ing skill 实现主动电话通知功能 +- [[clawhub.ai]]：OpenClaw Skill 市场，托管 clawr.ing skill 安装包 + +## Connections +- [[Phone-Based-Personal-Assistant]] ← extends ← [[phone-call-notifications]] + - Phone-Based Personal Assistant 侧重 Agent 接收用户来电并进行语音交互（用户 → Agent） + - Phone Call Notifications 侧重 Agent 主动向外拨叫通知用户（Agent → 用户） + - 两者互为补充，构成完整的语音双向通信能力 +- [[multi-channel-assistant]] ← shares_channel ← [[phone-call-notifications]] + - 同属 OpenClaw 多渠道个人助理体系，但 Phone Call Notifications 补充了最高优先级的语音触达通道 +- [[Custom Morning Brief]] ← delivery_channel ← [[phone-call-notifications]] + - 晨间简报可通过电话通道投递，实现"每天 7:30 准时来电"场景 +- [[Self-Healing-Home-Server]] ← delivery_channel ← [[phone-call-notifications]] + - 家庭服务器关键告警可通过电话第一时间触达用户 +- [[earnings-tracker]] ← delivery_channel ← [[phone-call-notifications]] + - 股价暴跌等紧急事件可通过电话立即通知 + +## Contradictions +- 与 [[phone-based-personal-assistant]] 存在方向差异： + - 冲突点：谁来发起通话 + - 当前观点（phone-call-notifications）：Agent 主动拨叫用户，拨叫门槛高（仅紧急事件） + - 对方观点（phone-based-personal-assistant）：用户主动呼叫 Agent，Agent 接听并提供助理服务 + - 协调说明：两者不冲突——前者用于紧急通知（Agent → 用户），后者用于主动查询（用户 → Agent），共同构成双向语音通信体系 diff --git a/wiki/sources/x-account-analysis.md b/wiki/sources/x-account-analysis.md new file mode 100644 index 00000000..fa811d6f --- /dev/null +++ b/wiki/sources/x-account-analysis.md @@ -0,0 +1,42 @@ +--- +title: "X Account Analysis" +type: source +tags: ["openclaw", "social-media", "analytics", "x-twitter"] +date: 2026-04-23 +--- + +## Source File +- [[Agent/usecases/x-account-analysis]] + +## Summary（用中文描述） +- 核心主题：X（Twitter）账号定性分析——超越数字指标，洞悉内容质量 +- 问题域：现有 X 分析工具（X Analytics / 第三方订阅服务）只展示统计数据，无法回答"为什么"的问题 +- 方法/机制：OpenClaw + Bird Skill，通过 Cookie 认证（auth-token / ct0）读取真实账号推文，AI 定性分析内容模式、话题偏好与互动差异原因 +- 结论/价值：免费替代 $10-$50/月 订阅服务，自然语言问答式交互，无需专用 App + +## Key Claims（用中文描述） +- OpenClaw + Bird Skill 可对 X 账号进行定性分析，揭示使帖子病毒式传播的模式 +- AI 能回答"为何有时帖子 1000+ 赞，有时 <5 赞"——分析内容质量而非数字 +- Bird Skill 预装在 OpenClaw 中（`clawhub install bird`） +- 为安全隔离建议创建专用 ClawdBot 账号，而非直接使用真实账号 + +## Key Quotes +> "There are many websites designed to give you X analytics, but they focus on the statistics. There are probably 1-2 websites that let you talk with an AI to understand your performance." — 现有分析工具痛点 +> "Now you can use OpenClaw to do this analysis for you, without needing to pay $10-$50 for subscriptions on these websites." — OpenClaw 免费替代方案 + +## Key Concepts +- [[X/Twitter-API-Automation]]：通过 Cookie 认证实现 API 访问 +- [[Social-Media-Analytics]]：定性分析 vs 定量分析 +- [[Credential-Isolation]]：为机器人创建独立账号实现安全隔离 + +## Key Entities +- [[OpenClaw]]：多 Agent 框架，提供记忆持久化和 Skill 扩展能力 +- [[Bird Skill]]：OpenClaw X/Twitter 操作 Skill，预装或通过 `clawhub install bird` 安装 +- [[ClawdBot]]：OpenClaw 的机器人实例，建议创建独立账号用于 X 操作 + +## Connections +- [[x-twitter-automation]] ← extends ← [[x-account-analysis]]（操作 vs 分析，互补关系） +- [[content-factory]] ← can_use ← [[x-account-analysis]]（社交媒体内容策略分析） + +## Contradictions +无已知冲突 diff --git a/wiki/sources/x-twitter-automation.md b/wiki/sources/x-twitter-automation.md index 8a360732..7f5914ea 100644 --- a/wiki/sources/x-twitter-automation.md +++ b/wiki/sources/x-twitter-automation.md @@ -41,4 +41,4 @@ date: 2026-04-17 - [[n8n-workflow-orchestration]] ← complementary ← [[x-twitter-automation]]（n8n Webhook 模式可作为 TweetClaw API 的安全凭证托管层） ## Contradictions -- 无已知冲突。与 [[x-account-analysis]]（尚未摄入）互补——分析 vs 操作，共同构成 X/Twitter 场景的完整能力覆盖 +- 无已知冲突。与 [[x-account-analysis]] 互补——分析 vs 操作，共同构成 X/Twitter 场景的完整能力覆盖 diff --git a/wiki/sources/不谈技术-普通人该怎么在ai时代赚钱.md b/wiki/sources/不谈技术-普通人该怎么在ai时代赚钱.md new file mode 100644 index 00000000..aeec1fab --- /dev/null +++ b/wiki/sources/不谈技术-普通人该怎么在ai时代赚钱.md @@ -0,0 +1,46 @@ +--- +title: "不谈技术：普通人该怎么在AI时代赚钱？" +type: source +tags: [] +date: 2026-04-23 +--- + +## Source File +- [[微信公众号/不谈技术：普通人该怎么 在AI时代赚钱？]] + +## Summary（用中文描述） +- 核心主题：AI时代普通人如何赚钱的思维框架，核心观点是"AI不会让普通人变富，但会让有品味、知道自己要做什么的人变得极其强大" +- 问题域：普通人在AI浪潮中的自我定位与生存策略 +- 方法/机制：三大思维原则——品味值钱、做端到端的事、用死亡过滤器 +- 结论/价值：转变问题框架，从"怎么不被AI淘汰"到"AI能帮我做什么以前做不到的事" + +## Key Claims（用中文描述） +- AI让工具民主化，但品味没有民主化——90%的人用AI生成的东西是shit，因为他们不知道什么是好的 +- 做端到端的事（做一个完整的产品/服务），远比在一个AI流水线里当"螺丝钉"更有价值且更抗替代 +- 用死亡过滤器追问：对什么有genuine的热爱和curiosity？把那一件事做到insanely great +- "普通人"和"不普通的人"的区别不在天赋/资源/运气，而在于愿不愿意对一千件事说No，只对一件事说Yes +- AI不会让普通人变富；AI会让那些知道自己要做什么、并且对品质有执念的人变得极其强大 + +## Key Quotes +> "正确的问题是：AI让我能做到什么以前做不到的事？" — 重新框架问题本身 +> "工具民主化了，但品味没有民主化。" — 为什么90%的AI输出是shit +> "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。" — 端到端的价值 +> "他们愿不愿意对一千件事说No，只对一件事说Yes，然后把那一件事做到insanely great。" — 普通与不普通的分水岭 + +## Key Concepts +- [[品味（审美）]]: 判断AI方案中哪个是insanely great的能力，是AI时代真正的护城河 +- [[端到端（End-to-End）]]: 从头到尾做一个完整的产品/服务/解决方案，而非成为AI流水线上的零件 +- [[死亡过滤器（Death Filter）]]: 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？"用于过滤真正值得投入的事 +- [[工具民主化]]: AI降低了做事的门槛，但判断力/品味依然是稀缺能力 + +## Key Entities +- [[乔布斯]]: 文章借乔布斯之口阐述三大原则，Mac桌面出版的类比说明品味比工具更重要 + +## Connections +- [[个人品牌与一人公司]] ← 相关 ← [[不谈技术-普通人该怎么在ai时代赚钱]] + - 两者都强调整个人定位：找到真正热爱的事，用AI杠杆放大优势 +- [[Ikigai框架]] ← 关联 ← [[不谈技术-普通人该怎么在ai时代赚钱]] + - 死亡过滤器与Ikigai的"热情（Passion）"维度高度一致：对自己真正在乎的事说Yes + +## Contradictions +- 无明显冲突 diff --git a/wiki/sources/养虾日记1-我用-openclaw-管了-28-万张照片-一次真实的多设备照片整理实战.md b/wiki/sources/养虾日记1-我用-openclaw-管了-28-万张照片-一次真实的多设备照片整理实战.md new file mode 100644 index 00000000..59bd2eda --- /dev/null +++ b/wiki/sources/养虾日记1-我用-openclaw-管了-28-万张照片-一次真实的多设备照片整理实战.md @@ -0,0 +1,55 @@ +--- +title: "养虾日记1：我用 OpenClaw 管了 28 万张照片：一次真实的多设备照片整理实战" +type: source +tags: [] +date: 2026-03-31 +--- + +## Source File +- [[微信公众号/养虾日记1：我用 OpenClaw 管了 28 万张照片：一次真实的多设备照片整理实战.md]] + +## Summary（用中文描述） +- 核心主题：作者比利哥使用 OpenClaw AI Agent 成功整理了存储在 NAS 上的 28 万张、跨越 20 年的家庭照片。 +- 问题域：多设备（68 个设备目录）照片备份混乱、重复文件泛滥、人工整理不现实。 +- 方法/机制：OpenClaw 通过「提问澄清 → 方案制定 → 批次拆分 → Cron 自动执行 → Telegram 报告」流程，完成全自动化照片整理。 +- 结论/价值：AI Agent 的核心价值不是单点能力提升，而是思维方式的升级——把模糊需求转化为可执行方案。 + +## Key Claims（用中文描述） +- OpenClaw 通过先问关键问题（照片格式、重复定义、低质量判断标准、删除策略），帮助用户从「没想清楚」到「方案清晰」。 +- OpenClaw 将 68 个目录、28 万个文件拆分为 8 个批次，每天凌晨 0 点自动执行，全程无需人工介入。 +- AI Agent 的安全策略：待删文件移入 `To-Be-Deleted` 目录而非直接删除，用户可随时检查确认。 +- 精确去重机制：MD5 哈希比对，只删除完全相同的文件。 +- 小文件清理：低于 100KB 的图片大概率是截图或微信压缩图，直接移走。 +- AI Agent 的核心价值是「思维方式升级」而非单点能力提升。 + +## Key Quotes +> "我有个目录，里面照片很多，来源很杂，我想整理一下，有什么方案？" — 用户对 OpenClaw 的初始指令 +> "68 个目录，28 万个文件，一次跑完不现实" — OpenClaw 主动识别到的规模挑战 +> "它帮我把模糊的想法变成了清晰的结构，把大任务拆成了可执行的批次，把风险控制在了可接受的范围内" — 作者对 OpenClaw 思维方式的评价 +> "这大概就是 AI Agent 对我来说真正的价值：**不是某个单点能力的提升，而是思维方式的升级**" — 结论 + +## Key Concepts +- [[AI-Agent思维方式]]：AI Agent 不直接推荐工具，而是先通过提问澄清需求，将模糊想法转化为可执行方案 +- [[批次任务拆分]]：将大规模任务拆分为可管理的批次，降低单次执行风险 +- [[精确去重]]：通过 MD5 哈希比对，只删除内容完全相同的文件 +- [[小文件清理]]：低于 100KB 的图片大概率是截图或微信压缩图 +- [[安全删除策略]]：待删文件移入临时目录而非直接删除，保留人工检查确认环节 +- [[Cron-Job自动化]]：定时任务自动化执行，无需人工介入 +- [[Telegram通知]]：任务完成后通过 Telegram 推送 Summary 报告 + +## Key Entities +- [[OpenClaw]]：AI Agent 操作系统，是本次照片整理任务的执行主体 +- [[Synology Photos]]：群晖 NAS 自带照片管理工具，作者曾尝试使用但效果一般 +- [[NAS]]：网络附加存储，28 万张照片的存储位置 + +## Connections +- [[养虾日记2]] ← follow_up ← [[养虾日记1]] +- [[养虾日记1]] ← extends ← [[Self-Healing-Self-Improving]] +- [[养虾日记3]] ← follow_up ← [[养虾日记1]] + +## Contradictions +- 与 [[Self-Healing-Home-Server]] 冲突： + - 冲突点：Self-Healing 侧重「修复已知问题」，本文侧重「主动规划未知任务」 + - 当前观点：OpenClaw 在照片整理场景中是「规划者」而非「修复者」，通过提问将模糊需求具体化 + - 对方观点：Self-Healing 场景中 OpenClaw 主要执行监控和修复命令 + - 说明：两者并不真正冲突，只是同一工具在不同场景下的角色差异——规划 vs 修复 diff --git a/wiki/sources/养虾日记2-让agent更懂你-openclaw-self-improving-复盘实战案例分享.md b/wiki/sources/养虾日记2-让agent更懂你-openclaw-self-improving-复盘实战案例分享.md new file mode 100644 index 00000000..780f0755 --- /dev/null +++ b/wiki/sources/养虾日记2-让agent更懂你-openclaw-self-improving-复盘实战案例分享.md @@ -0,0 +1,53 @@ +--- +title: "养虾日记2：让Agent更懂你：OpenClaw + Self-Improving 复盘实战案例分享" +type: source +tags: [] +date: 2026-04-17 +--- + +## Source File +- [[微信公众号/养虾日记2：让Agent更懂你：OpenClaw + Self-Improving 复盘实战案例分享]] + +## Summary（用中文描述） +- 核心主题：AI Agent 的记忆问题与 self-improving 自改进机制 +- 问题域：多 Agent 协作中的知识遗忘与错误重复 +- 方法/机制：self-improving skill（结构化经验记录）+ 每日复盘 cron job + 双层记忆架构 +- 结论/价值：建立"错误只犯一次"的 Agent 学习闭环，区分一次性错误与系统性重复 + +## Key Claims（用中文描述） +- AI Agent 没有记忆，只有上下文窗口，导致每次对话都是"一张白纸" +- self-improving 机制让 Agent 在同一错误第二次出现时能直接应用修复，Recurrence-Count 是关键指标 +- 双层记忆架构（短期文件 + 长期向量数据库） + self-improving 复盘三层各司其职 +- Pattern-Key 重复本身是信号——第一次记了，第二次就该解决了 +- 每日 23:00 定时复盘能发现静默漏洞（如无对话日的记忆断层） + +## Key Quotes +> "错误只犯一次，第二次就知道怎么做对" — self-improving 核心价值 +> "每错必记，但分类要准确。错误用 correction，流程改进用 workflow，配置发现用 config" +> "Suggested Action 要具体到能直接执行。不要写'注意配置'这种废话，写 `--to 5038825565` 这种具体写法" +> "没有 self-improving 复盘，这个漏洞可能永远不会被发现——因为没有人会主动去想'3月27日有没有生成 memory 文件'这种问题" + +## Key Concepts +- [[Self-Improving-Skill]]：结构化经验记录系统，Agent 遇问题时调用 `self_improvement_log` 写入 `LEARNINGS.md` 或 `ERRORS.md`，格式包含 Summary/Details/Suggested Action/Metadata，含 Pattern-Key 和 Recurrence-Count +- [[双层记忆架构]]：短期记忆层（每日对话记录文件 memory/YYYY-MM-DD.md）+ 长期记忆层（memory-lancedb-pro 向量数据库）+ self-improving 层（定时复盘） +- [[每日复盘机制]]：每天 23:00（北京时间）自动执行的复盘流程，包含读取当天 memory → self_improvement_log → Pattern-Key 重复检查 → 有价值经验同步长期记忆 → Telegram 摘要推送 +- [[Pattern-Key]]：经验记录的分类键，用于识别重复踩坑信号（如 cron.telegram-delivery）；重复出现是系统性问题的警示 +- [[Recurrence-Count]]：元数据中的重复次数字段，区分一次性错误与系统性重复，是最重要的指标之一 +- [[Self-Improvement-Log]]：`self_improvement_log` 工具调用格式，固定格式：LRN-[日期]-[序号] + Priority + Status + Area + Summary + Details + Suggested Action + Metadata + +## Key Entities +- [[OpenClaw]]：多 Agent 框架，通过 cron 任务系统实现定时复盘，支持 Telegram 通知 +- [[LanceDB]]：向量数据库，memory-lancedb-pro 的底层引擎，提供语义搜索能力 +- [[LEARNINGS.md]]：结构化经验记录文件，存放 correction/workflow/config 三类 learning + +## Connections +- [[Self-Improving-Skill]] ← 依赖 ← [[OpenClaw]]（通过 cron job 定时触发） +- [[双层记忆架构]] ← 依赖 ← [[LanceDB]]（长期记忆向量存储） +- [[每日复盘机制]] ← 依赖 ← [[Self-Improving-Skill]] +- [[养虾日记1-我用-openclaw-管了-28-万张照片]] ← 前篇 ← [[养虾日记2]] + +## Contradictions +- 无已知冲突 + +## Notes +- 来源：微信公众号 shenwei（2026-04-17），系列文章"养虾日记"第2篇 diff --git a/wiki/sources/养虾日记3-用-obsidian-gitea-为-ai-助手构建持久化笔记系统.md b/wiki/sources/养虾日记3-用-obsidian-gitea-为-ai-助手构建持久化笔记系统.md new file mode 100644 index 00000000..c6d9254d --- /dev/null +++ b/wiki/sources/养虾日记3-用-obsidian-gitea-为-ai-助手构建持久化笔记系统.md @@ -0,0 +1,59 @@ +--- +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: [AI-Agent, Obsidian, Gitea, 知识管理, LLM-Wiki] +date: 2026-04-09 +--- + +## Source File +- [[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]] + +## Summary（用中文描述） +- 核心主题：如何用 Obsidian + Gitea 为 AI 助手构建持久化笔记系统，解决 AI 对话结束后输出丢失的核心问题 +- 问题域：AI Agent 的输出持久化、版本控制、多端同步 +- 方法/机制：用 Obsidian 做知识库（多端同步）、Gitea 做版本控制（Git 历史）、OpenClaw 做写入接口（obsidian skill） +- 结论/价值：把 AI 变成"会自动整理笔记的实习生"——做完事顺手更新记录 + +## Key Claims（用中文描述） +- OpenClaw Agent 通过 obsidian skill 将输出直接写入 Obsidian 笔记，实现持久化存储 +- Gitea 托管笔记的 Git 版本管理，任何时候都能回溯历史变更 +- iCloud Drive 保证手机、笔记本和 Mac mini 三端笔记永远同步 +- 笔记目录采用分层结构：knowledgebase/ 存放跨 Agent 共用知识，/ 存放单一 Agent 私有笔记 +- Karpathy 的 LLM Wiki 思路：让 AI 增量构建和维护持久化 Wiki，页面间互相链接，知识越积越厚 +- Obsidian Graph View 可以发现"孤岛页面"和"幽灵节点"（被多处引用但没有独立页面的概念） + +## Key Quotes +> "用 Obsidian 做知识库，用 Gitea 做版本控制，用 OpenClaw 做写入接口。" — 核心架构概括 +> "AI 批量改文件的能力越强，你越需要版本管理来兜底。" — 版本管理的重要性 +> "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。" — 系统价值定位 +> "RAG 模式是'每次从零检索'，知识不积累；而 LLM Wiki 是让 AI 增量构建和维护一个持久化的 Wiki，页面之间互相链接，知识越积越厚。" — Karpathy LLM Wiki 核心理念 + +## Key Concepts +- [[LLM Wiki]]：让 AI 增量构建和维护持久化的 Wiki，页面间互相链接，知识越积越厚（区别于 RAG 的"每次从零检索"） +- [[Obsidian Git]]：Obsidian 社区插件，支持 Auto commit-and-sync interval，自动 commit + push 到 Git 仓库 +- [[Graph View]]：Obsidian 内置图谱视图，将所有 Wiki 页面以节点展示，双链关系自动连线，用于发现孤岛页面和知识盲区 +- [[Obsidian Web Clipper]]：浏览器插件，用于快速采集外部网页文章为 Markdown 到 Obsidian，配合图片本地化 +- [[QMD]]：完全本地运行的 Markdown 搜索引擎，适合 Wiki 规模变大后的精准搜索 +- [[版本管理]]：Git 历史记录每一次变更的来源和内容，支持回溯和多协作 +- [[被动更新]]：AI 在执行任务过程中顺手维护链接、更新摘要、添加 Tag、标记新旧矛盾，而非被动等着被查询 +- [[双链笔记]]：Obsidian 的核心特性，页面间通过 [[wikilinks]] 互相链接形成知识网络 + +## Key Entities +- [[Gitea]]：自建 Git 服务，托管笔记的版本控制，所有历史版本完整保留 +- [[Obsidian]]：笔记管理工具，支持多端同步（iCloud Drive）和双链笔记 +- [[OpenClaw]]：AI Agent 框架，提供 obsidian skill 作为写入接口 +- [[Karpathy]]：LLM Wiki 理念的提出者（2026-03 分享） +- [[iCloud Drive]]：Apple 云同步服务，确保笔记在 Mac mini、笔记本和 iPhone 三端同步 + +## Connections +- [[养虾日记1]] ← 同一系列 ← [[养虾日记2]] +- [[养虾日记1]] ← 同一系列 ← [[养虾日记3]] +- [[养虾日记2]] ← 同一系列 ← [[养虾日记3]] +- [[养虾日记4]] ← 同一系列 ← [[养虾日记5]] +- [[Second Brain]] ← 类似的持久化记忆理念 ← [[养虾日记3]] +- [[Personal Knowledge Base (RAG)]] ← 相关的知识管理方案 ← [[养虾日记3]] +- [[LLM Wiki]] ← 核心理论支撑 ← [[养虾日记3]] +- [[self-healing-home-server]] ← 使用同款笔记系统 ← [[养虾日记3]] + +## Contradictions +- 无已知冲突 diff --git a/wiki/sources/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 b/wiki/sources/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 new file mode 100644 index 00000000..3dd61c8c --- /dev/null +++ b/wiki/sources/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 @@ -0,0 +1,57 @@ +--- +title: "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" +type: source +tags: [OpenClaw, 错误排查, Context-Window, Telegram, 日志调试] +date: 2026-04-10 +--- + +## Source File +- [[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（用中文描述） +- 核心主题：OpenClaw Agent 系统的 Context Limit 错误深度排查——从表象修复（调整 compaction 配置）到找到根本原因（Telegram channel 绑定了只有 16K context 的 DeepSeek 模型） +- 问题域：OpenClaw Telegram Channel 配置、模型 Fallback 机制、Context Window 管理 +- 方法/机制：通过 Gateway 日志定位到模型被切换为 deepseek-reasoner（16K context），safeguard 模式预留 16K tokens 导致实际可用空间为 0；问题根源在 Agent 路由规则而非全局配置 +- 结论/价值：错误信息 ≠ 问题根因；分层配置需要分层排查；日志是系统状态的最直接反映 + +## Key Claims（用中文描述） +- 星枢 Telegram Channel 触发「Context limit exceeded」，直接原因并非对话历史过长，而是当前使用的模型（deepseek-reasoner）context window 仅 16K +- OpenClaw safeguard 模式在 compaction 时预留 16K tokens，与 16K context 模型叠加，导致实际可用 context 为 0 +- 全局 compaction 配置（openclaw.json）与 Agent 级别模型配置是两套独立层级，修改全局配置无法解决 Agent 级别的模型问题 +- 解决根本方案是将星枢 Telegram channel 的路由改回 MiniMax-M2.7（200K context），而非继续调低 compaction 阈值 +- 日志分析是定位此类"隐藏配置路径"问题的唯一可靠手段 + +## Key Quotes +> `provider=custom-api-deepseek-reasoner/deepseek-reasoner ctx=16000 / estimatedPromptTokens=393 overflowTokens=392 reserveTokens=16384` — Gateway 日志直接揭示了模型切换和 token 耗尽问题 +> `「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` — 核心教训：错误表象 ≠ 根本原因 +> `不要默认认为错误信息就是表面意思。先问一句：到底哪儿出问题了？` — 最终方法论总结 + +## Key Concepts +- [[Context-Window]]: 模型单次请求能处理的最大 token 数量；deepseek-reasoner 仅 16K，MiniMax-M2.7 为 200K +- [[Model-Fallback]]: 当默认模型不可用时，OpenClaw 按优先级切换到 fallback 列表中的下一个模型；触发原因包括 API 503/429/Timeout、路由权重错误、或配置覆盖 +- [[Compaction]]: OpenClaw 的上下文压缩机制，在 safeguard 模式下会预留 16K tokens 用于执行压缩操作 +- [[Agent-Routing-Rules]]: 绑定 Telegram channel 到特定模型的路由规则，优先级高于全局配置 +- [[Error-Surface-vs-Root-Cause]]: 不要被错误信息的字面意思误导；表象修复 ≠ 根本解决 +- [[Layered-Configuration]]: OpenClaw 配置分全局配置（openclaw.json）和 Agent/Channel 级别配置；问题可能藏在不同层级 +- [[Log-Driven-Debugging]]: Gateway 日志直接揭示了模型切换事件和 token 分配详情，是定位问题的唯一可靠手段 +- [[Hidden-Failure-Paths]]: 复杂分布式系统中，故障可能藏在 session、memory、model config、routing rules、compaction 策略等多个地方 + +## Key Entities +- [[OpenClaw]]: 运行星枢的 AI Agent 框架；本文核心调试对象 +- [[星枢]]: 用户的 AI 助手（xingshu/main agent）；通过 Telegram 与用户交互 +- [[DeepSeek]]: deepseek-reasoner 模型提供方；context window 仅 16K，是本次问题的直接触发者 +- [[MiniMax]]: MiniMax-M2.7 模型提供方；context window 为 200K，是正确的配置目标 + +## Connections +- [[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]] ← related_to ← [[养虾日记4]]（同属 OpenClaw 调试系列，互补关系） +- [[养虾日记1-我用-openclaw-管了-28-万张照片-一次真实的多设备照片整理实战]] ← related_to ← [[养虾日记4]]（同属"养虾日记"系列） +- [[养虾日记2-让agent更懂你-openclaw-self-improving-复盘实战案例分享]] ← related_to ← [[养虾日记4]]（同属"养虾日记"系列） +- [[养虾日记3-用-obsidian-gitea-为-ai-助手构建持久化笔记系统]] ← related_to ← [[养虾日记4]]（同属"养虾日记"系列） +- [[n8n调用hermes-agents的工作流架构]] ← related_to ← [[养虾日记4]]（OpenClaw 配置层级问题在此亦有体现） + +## Contradictions +- 与 [[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]] 的互补关系： + - 冲突点：养龙虾系列重点在记忆写入/检索失效（semantic memory、context compression），本文重点在模型配置错误导致 context 立即耗尽 + - 当前观点：两者均为 OpenClaw "记忆失效"症状的不同根因；养龙虾系列归因于记忆插件和压缩机制，本文归因于模型配置本身 + - 对方观点：养龙虾系列认为写入纪律和压缩协同是主要挑战 + - 说明：互补而非冲突，两类问题可同时存在 diff --git a/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 b/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 new file mode 100644 index 00000000..1dda9683 --- /dev/null +++ b/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 @@ -0,0 +1,78 @@ +--- +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: [] +date: 2026-04-23 +--- + +## Source File +- [[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]] + +## Summary（用中文描述） +- 核心主题：用AI蒸馏历史人物思维框架，创建"数字导师"——以苏东坡为首位实践对象，展示如何将千年前古人的心智模型转化为可运行的AI Skill +- 问题域：如何让AI不仅"替人做事"，还能"帮人思考"；如何蒸馏一个人的思维框架并AI化 +- 方法/机制：女娲·Skill造人术——6个并行Agent从6个维度采集信息（著作/对话/表达DNA/他者视角/决策/时间线），提炼出6个核心心智模型、8条决策启发式和一套表达DNA +- 结论/价值：每个人的Skill都是一个认知操作系统，可以随时用历史伟人的思维镜片看自己的困境 + +## Key Claims（用中文描述） +- 作者提出"数字导师"概念：不是肤浅的NPC扮演，而是捕捉一个人看世界的方式——决策逻辑、思维模型、表达DNA、遇逆境时的第一反应 +- "女娲造人"本质是信息蒸馏：从大量公开信息中提炼核心心智模型、决策启发式、表达DNA和价值观边界，产出自包含的.skill文件 +- 苏东坡一生三起三落，从庙堂翰林到黄州团练副使到惠州、儋州南荒，无论被贬到哪里都在做事——"问汝平生功业，黄州惠州儋州"是自嘲也是骨气 +- 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 +- AI时代用AI放大人类历史上最强大的脑子，让它们成为日常思维顾问——学投资蒸馏芒格，学物理思维蒸馏费曼，逆境中保持风骨蒸馏苏东坡 + +## Key Quotes +> "大江东去，浪淘尽，千古风流人物"——但真正风流的人，不是站在浪尖上的人，而是被浪打下去、还能爬起来的人。— 苏东坡（AI模拟）对作者说的话 +> "人生到处知何似，应似飞鸿踏雪泥。"— 苏东坡原诗，文章结尾引用 +> "此心安处是吾乡"——故乡不是地理概念，是心安之处。被贬黄州物质最匮乏的三年，反而诞生了《赤壁赋》等一生最重要的作品。— 苏东坡的心智模型之一 +> 通过深度调研，提炼一个真实人物的核心思维框架，把它变成一个可运行的AI Skill。— 女娲造人术的定义 + +## Key Concepts +- [[数字导师]]：用AI蒸馏历史/伟人思维框架，使其成为可对话的日常思维顾问，而非单向输出的书/课程 +- [[思维蒸馏（女娲造人术）]]：通过6维度并行Agent采集信息，提炼心智模型、决策启发式和表达DNA，产出自包含的.skill文件 +- [[心智模型]]（SuDongPo）：进退由时/此心安处是吾乡/辞达而已/逆境转化/自出新意不践古人/物我相谙天人合一 +- [[AI-Skill]]：AI Agent的可复用技能模块，激活后以特定人物视角与用户对话 + +## Key Entities +- [[苏东坡]]（苏轼，1037-1101）：北宋文学家，蒸馏的首位历史人物，一生三起三落，三大贬谪地黄州/惠州/儋州，"东坡居士"名号象征在泥土里活出人样 +- [[比利哥]]：本文作者，自称OpenClaw"养虾人"，被裁员后通过AI学习重新出发，与苏东坡进行真实对话 +- [[女娲]]（Nuwa Skill）：开源AI造人Skill项目，github.com/alchaincyf/nuwa-skill，提供蒸馏历史人物的框架 +- [[OpenClaw]]：多Agent框架，本文的技术底座，支撑Skill激活和多Agent并行采集 +- [[苏东坡Skill]]：ishenwei/openclaw-skills仓库中的perspective skill，基于女娲框架蒸馏完成 + +## Connections +- [[养虾日记3]] ← extends ← [[养虾日记5]]：同属「养虾日记」系列，前者讲持久化笔记系统，后者讲AI数字导师——都是让AI从工具升级为"顾问" +- [[养虾日记1]] ← extends ← [[养虾日记5]]：同属「养虾日记」系列 +- [[养虾日记2]] ← extends ← [[养虾日记5]]：同属「养虾日记」系列 +- [[养龙虾5天血泪史]] ← extends ← [[养虾日记5]]：同属「养虾日记」系列 +- [[Second Brain]] ← relates_to ← [[数字导师]]：Second Brain捕获记忆，数字导师蒸馏伟人思维——都是用AI构建外部认知能力 +- [[思维蒸馏（女娲造人术）]] ← implements ← [[数字导师]] + +## Contradictions +- （无明显冲突） + +## 技术细节：女娲工作流 + +``` +用户输入 → 入口分流 + ↓ + Phase 0.5: 创建技能目录 + ↓ + Phase 1: 6个Agent并行采集（著作/对话/表达DNA/他者视角/决策/时间线） + ↓ + Phase 1.5: 调研Review检查点 + ↓ + Phase 2: 框架提炼（心智模型/决策启发式/表达DNA/价值观/诚实边界） + ↓ + Phase 2.5: 提炼确认检查点 + ↓ + Phase 3: Skill构建 + ↓ + Phase 4: 质量验证（已知测试/边缘测试/风格测试） + ↓ + Phase 5: 双Agent精炼 + ↓ + 交付: [人名]-perspective/SKILL.md +``` + +整个过程不依赖任何外部文件——技能目录是自包含的，复制到任何地方都能独立运行。 diff --git a/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 b/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 new file mode 100644 index 00000000..2b41c960 --- /dev/null +++ b/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 @@ -0,0 +1,71 @@ +--- +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, Memory, Memory-Management] +sources: [] +last_updated: 2026-04-23 +--- + +## Source File +- [[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]] + +## Summary（用中文描述） +- 核心主题：OpenClaw AI Agent 记忆失效问题的诊断与修复 +- 问题域：AI Agent 长期记忆缺失、上下文压缩丢失信息、搜索不准确、检索不自动、系统臃肿 +- 方法/机制：通过5天专项调试，发现5类根本原因（压缩机制、搜索后端、检索触发、压缩协同、系统配置），对应10条黄金法则 +- 结论/价值：**写入纪律比读取纪律更重要**；系统提示词中每个令牌都是开销；压缩不是敌人，未写入的上下文才是 + +## Key Claims（用中文描述） +- 当对话填满 Context Window 时，OpenClaw 将旧消息压缩成摘要，姓名、数字、具体决定等细节全部丢失 +- 纯语义搜索在专有名词、具体数字和确切短语上失败，BM25+向量+重新排序的混合搜索明显更好 +- "信息存在"和"Agent 使用信息"之间有区别——必须通过启动指令强制触发检索 +- OpenClaw 仅自动加载 AGENTS.md、SOUL.md、TOOLS.md、IDENTITY.md、USER.md、HEARTBEAT.md、MEMORY.md，其他文件需要明确读取指令 +- 模型切换时丢失所有上下文，新模型只看到自动加载的文件，需要交接协议将状态写入每日日志 +- 系统提示词从 209,652 精简到 9,349 令牌，轻了 28% + +## Key Quotes +> "压缩不是敌人。压缩过程中丢失信息才是。修复方法是确保任何值得记住的内容在压缩器触及前写入文件。" — Day 1 核心洞察 + +> "纯语义搜索理论上听起来不错，但在专有名词、具体数字和确切短语上失败。混合搜索对现实世界代理内存明显更好。" — Day 2 核心洞察 + +> "'信息存在'和'Agent 使用信息'之间有区别。你需要两者。" — Day 3 核心洞察 + +> "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。" — Day 5 核心洞察 + +## Key Concepts +- [[上下文压缩]]：OpenClaw 将旧消息压缩成摘要为新消息腾空间的机制，摘要丢失细节（姓名、数字、决定） +- [[上下文刷新]]（Memory Flush）：压缩前将重要上下文写入磁盘的配置，`softThresholdTokens: 4000` 触发刷新 +- [[混合搜索]]（Hybrid Search）：BM25（关键词）+向量嵌入+重新排序器组合，兼顾精确匹配和语义相似性 +- [[Context Pruning]]：上下文修剪机制，与压缩协同工作，`cache-ttl` 模式 6 小时后清理旧上下文，保留最后 3 个助手响应 +- [[系统提示词膨胀]]（System Prompt Bloat）：未使用技能、臃肿内存文件、不自动读取的文件默默累积 token 开销 +- [[交接协议]]（Handoff Protocol）：模型切换前将当前上下文写入每日日志的规程，防止新模型丢失状态 +- [[启动序列]]：Agent 启动时必须执行的操作指令，必须放在 AGENTS.md 最顶部 +- [[写入纪律]]（Write Discipline）：强制 Agent 将决定、结果和错误记录到磁盘，比读取纪律更关键 +- [[自动加载文件]]：OpenClaw 在每个新会话自动读取的 7 个核心文件（AGENTS/SOUL/TOOLS/IDENTITY/USER/HEARTBEAT/MEMORY） +- [[检索触发]]（Retrieval Trigger）：Agent 必须被明确告知何时搜索，不能依赖隐式线索 + +## Key Entities +- [[OpenClaw]]：multi-agent framework，本文调试的核心框架，内存管理机制的关键系统 +- [[比利哥]]（shenwei）：本文作者，正在研究 AI 提高工作效率的个人用户，OpenClaw AI 助理"星辉"的所有者 + +## Connections +- [[上下文压缩]] ← depends_on ← [[上下文刷新]] +- [[上下文刷新]] ← prevents ← [[上下文压缩]]的信息丢失 +- [[混合搜索]] ← extends ← [[QMD搜索后端]] +- [[Context Pruning]] ← coordinates_with ← [[上下文压缩]] +- [[交接协议]] ← solves ← [[上下文刷新]]无法覆盖多次压缩的问题 +- [[养虾日记1]] ← related_to ← [[养虾日记2]] ← related_to ← [[养虾日记3]] +- [[养龙虾5天血泪史]] ← related_to ← [[养虾日记1]]（同一系列） + +## Contradictions +- 与 [[Second Brain]] 冲突： + - 冲突点：MEMORY.md 的定位 + - 当前观点（本文）：任务期间永远不要直接写入 MEMORY.md，每日日志是原始且仅追加的，MEMORY.md 应在定期审查期间策划 + - 对方观点（Second Brain）：通过对话零摩擦捕获任何内容，OpenClaw 永久记忆存储所有对话 + - 说明：两者不矛盾，Second Brain 侧重捕获策略，本文侧重策划和写入纪律 + +- 与 [[personal-crm]] 冲突： + - 冲突点：联系人信息的记录方式 + - 当前观点（本文）：每日日志仅追加，由定时任务（如心跳或定时任务）期间审查并提炼 + - 对方观点（personal-crm）：每日 Cron Job 扫描 Gmail 和日历，自动提取新联系人并更新 SQLite 数据库 + - 说明：personal-crm 针对结构化联系人数据有专门处理流程，与本文的通用内存写入纪律互补 diff --git a/wiki/sources/教學-chatgpt-先做知識整理-再讓-canva-gamma-ai-輸出簡報.md b/wiki/sources/教學-chatgpt-先做知識整理-再讓-canva-gamma-ai-輸出簡報.md new file mode 100644 index 00000000..bd46cb48 --- /dev/null +++ b/wiki/sources/教學-chatgpt-先做知識整理-再讓-canva-gamma-ai-輸出簡報.md @@ -0,0 +1,44 @@ +--- +title: "教學 ChatGPT 先做知識整理，再讓 Canva、 Gamma AI 輸出簡報" +type: source +tags: [] +date: 2026-04-21 +--- + +## Source File +- [[AI/教學 ChatGPT 先做知識整理，再讓 Canva、 Gamma AI 輸出簡報.md]] + +## Summary（用中文描述） +- 核心主題：AI 簡報自動化工作流——先用 ChatGPT 做知識整理，再用 Canva / Gamma AI 輸出演示文稿 +- 問題域：如何高效制作演示文稿，如何将 AI 应用于内容创作流程 +- 方法/機制：两阶段工作流——知识整理 → 簡報生成 +- 結論/價值：提升简报制作效率，保证内容质量，ChatGPT 负责深度思考与内容组织，Canva/Gamma AI 负责视觉呈现与排版 + +## Key Claims（用中文描述） +- ChatGPT 擅长知识整理和信息提取，可将分散资料结构化 +- Canva / Gamma AI 能将整理好的内容快速转化为精美演示文稿 +- 两阶段工作流比直接用 AI 生成简报效果更好——先让 AI 做"思考者"，再做"设计师" +- Gamma AI 支持一键生成完整演示文稿，支持主题定制和内容编辑 + +## Key Quotes +> "ChatGPT 的优势在于理解、总结、重组信息，让它先整理好资料再做简报，能大幅提升内容质量。" — 教程核心观点 + +## Key Concepts +- [[AI簡報工作流]]：两阶段简报制作流程，先用 LLM 做知识整理，再用 AI 设计工具输出 +- [[知識結構化]]：将非结构化信息转化为清晰、有逻辑的内容框架 +- [[AI設計工具]]：Canva、Gamma AI 等将内容自动转化为视觉呈现的工具 + +## Key Entities +- [[ChatGPT]]：OpenAI 开发的大语言模型，在此教程中担任"知识整理者"角色 +- [[Canva]]：在线可视化设计平台，支持简报、海报、社交媒体图片等多种设计 +- [[Gamma AI]]：AI 驱动的演示文稿生成工具，通过 AI 将文本内容一键转换为精美简报 + +## Connections +- [[AI圖生視頻工具盤點]] ← 同一主题 ← [[AI簡報工作流]]（均属 AI 内容创作工具应用） +- [[YouTube-Content-Pipeline]] ← 流程相似 ← [[AI簡報工作流]]（均为"AI 整理 → AI 输出"两阶段模式） + +## Contradictions +- 与直接用 AI 生成简报的方法（如某些"一键生成 PPT"的工具）： + - 冲突点：是否需要人工介入内容整理环节 + - 当前观点：先用 ChatGPT 整理知识，确保内容逻辑清晰再交给设计工具 + - 对方观点：直接让 AI 生成完整简报，节省中间步骤 diff --git a/wiki/sources/文字生成视频网站推荐.md b/wiki/sources/文字生成视频网站推荐.md new file mode 100644 index 00000000..e2e9a5e0 --- /dev/null +++ b/wiki/sources/文字生成视频网站推荐.md @@ -0,0 +1,42 @@ +--- +title: "文字生成视频网站推荐" +type: source +tags: [AI, 视频生成, AI工具] +date: 2026-04-18 +--- + +## Source File +- [[AI/文字生成视频网站推荐.md]] + +## Summary（用中文描述） +- 核心主题：推荐适合中国用户的文字生成视频 AI 工具 +- 问题域：AI 视频生成工具选型与性价比评估 +- 方法/机制：通过搜索结果综合评估工具功能、价格、适用人群 +- 结论/价值：为不同需求的用户提供工具选型建议（免费/技术型/多语言/长视频处理） + +## Key Claims（用中文描述） +- 万彩AI 通过完全免费且功能全面的方案，适合预算有限的新手小白、自媒体创作者 +- 百度AI开放平台 基于多模态技术提供智能化视频生成，大厂技术背书 +- Zeemo 通过高精度字幕生成（95种语言，98%准确率）满足多语言内容创作者需求 +- Vizard 通过智能剪辑长视频高光片段，适合需要批量处理视频的用户 + +## Key Quotes +> "建议优先试用免费工具（如万彩AI或百度AI），再根据实际需求选择付费服务。" — 综合选型建议 + +## Key Concepts +- [[文字生成视频]]：通过文本描述自动生成视频内容的技术 +- [[AI视频生成工具]]：集成文字处理、配音合成、素材匹配的自动化视频制作工具 +- [[数字人]]：AI 生成的虚拟人物形象，用于视频内容创作 + +## Key Entities +- [[万彩AI]]：提供免费文字生成视频的工具，支持数字人、模板库 +- [[百度AI开放平台]]：提供 AI 成片功能的大厂平台 +- [[Zeemo]]：蓝色脉动公司产品，专注多语言字幕生成 +- [[Vizard]]：蓝色脉动公司产品，专注长视频自动剪辑 +- [[快影]]：腾讯系短视频剪辑工具 + +## Connections +- [[AI图生视频工具盘点]] ← 互补 ← [[文字生成视频网站推荐]] + +## Contradictions +- 无已知冲突