diff --git a/wiki/sources/3X-UI-Xray-BandwagonVPS.md b/wiki/sources/3X-UI-Xray-BandwagonVPS.md index ff3c4461..9d513f90 100644 --- a/wiki/sources/3X-UI-Xray-BandwagonVPS.md +++ b/wiki/sources/3X-UI-Xray-BandwagonVPS.md @@ -1,38 +1,37 @@ --- title: "3X-UI Xray on BandwagonVPS" type: source -tags: [3X-UI, Xray, VPS, 科学上网] -date: 2026-02-10 +tags: [xray, 3x-ui, vpn, vps, 科学上网] +date: 2025-03-06 --- ## Source File - [[raw/Home Office/3X-UI Xray on BandwagonVPS.md]] ## Summary -- 核心主题：在Bandwagon VPS上安装3X-UI面板管理Xray科学上网服务 -- 问题域：VPS科学上网节点搭建与管理 -- 方法/机制：3X-UI一键安装脚本，VLESS+Reality协议配置 -- 结论/价值：VPS2 (Bandwagon) 已配置3X-UI+VLESS+Reality，Panel运行正常 +- 核心主题：在Bandwagon VPS上安装3X-UI（Xray图形化管理面板） +- 问题域：如何快速在VPS上部署Xray科学上网服务并通过Web UI管理 +- 方法/机制：SSH登录VPS → 一键安装脚本 → Web UI管理 → 导入VLESS URL +- 结论/价值：3X-UI提供了友好的Xray管理界面，降低了科学上网的配置门槛 ## Key Claims - 一键安装命令：bash <(curl -Ls https://raw.githubusercontent.com/mhsanaei/3x-ui/master/install.sh) -- 当前配置：Panel https://kiwi.ishenwei.online:2053/，用户名d96nRBgFUL -- 状态：Panel running，xray running，Autostart enabled -- 使用VLESS+Reality方式配置，需要产生公钥私钥 -- 本地客户端：Windows用v2rayN，Android用v2rayNG +- 管理命令：x-ui，进入交互式菜单管理 +- Web管理界面：https://kiwi.ishenwei.online:2053/ +- 支持多种协议：VLESS、VMess、Trojan等 ## Key Concepts -- [[Xray]]：支持多种代理协议的代理软件 -- [[VLESS]]：无加密状态的轻量代理协议 -- [[Reality]]：TLS混淆协议，深度伪装TLS流量 +- [[3X-UI]]：Xray的图形化管理面板 +- [[Xray]]：支持多种协议的代理软件 +- [[VLESS]]：一种轻量级代理协议 ## Key Entities -- [[Bandwagon]]：VPS服务商（VPS2） -- [[Xray]]：代理软件 -- [[VPS2]]：104.194.92.188，科学上网节点 +- [[Bandwagon]]：VPS提供商 +- [[VPS2]]：104.194.92.188，kiwi.ishenwei.online ## Connections -- [[3X-UI-Xray-BandwagonVPS]] ← documents ← [[科学上网基础设施]] +- [[3X-UI]] ← 管理面板 ← Xray +- [[Xray]] ← 代理软件 ← 科学上网 ## Contradictions -- 无冲突 +- 无明显冲突 diff --git a/wiki/sources/7-ways-notebooklm.md b/wiki/sources/7-ways-notebooklm.md index b520c273..845368a9 100644 --- a/wiki/sources/7-ways-notebooklm.md +++ b/wiki/sources/7-ways-notebooklm.md @@ -1,7 +1,7 @@ --- title: "7 ways I use NotebookLM to make my life easier" type: source -tags: [NotebookLM, AI学习, 工具] +tags: [notebooklm, ai, 学习, 工具] date: 2025-12-19 --- @@ -9,31 +9,33 @@ date: 2025-12-19 - [[raw/AI/7 ways I use NotebookLM to make my life easier.md]] ## Summary -- 核心主题：NotebookLM的7种高价值日常应用场景 -- 问题域：信息过载处理、学习效率提升、项目管理 -- 方法/机制：Source-Grounding（严格限制知识库仅包含上传文档）+ 交互式问答 + 音频概览 -- 结论/价值：NotebookLM通过限制知识库范围保证准确性，是被动学习的最佳工具 +- 核心主题：NotebookLM的7种高价值使用场景 +- 问题域：如何在日常学习、项目管理、内容处理中高效利用NotebookLM +- 方法/机制：利用source-grounding保证准确性 + Audio Overviews被动学习 + 交叉对比版本更新 + 法律文档审查 +- 结论/价值：NotebookLM通过严格限制知识库到上传文档，大幅提升信息处理效率 ## Key Claims -- Source-Grounding保证AI输出只基于上传文档，消除幻觉问题 -- Audio Overviews可将任意文档转化为双人播客，适合通勤等被动学习场景 -- 可作为项目管理和头脑风暴工具，整合分散的研究资料生成路线图 -- 跨版本对比：可同时上传多个版本更新记录，自动对比差异 -- 法律文档审查：结合Source-Grounding提供精确引文，适合租约等长文档 +- NotebookLM的核心是source-grounding，知识库严格限于用户上传文档，保证输出准确且可溯源 +- Audio Overviews功能将文档转化为双人AI播客，适合通勤等被动学习场景 +- 可用于跨版本对比（如App更新日志对比）、法律文档审查、编程学习 +- NotebookLM适合作为"个人项目主管大脑枢纽"，将零散研究和想法集中管理 ## Key Quotes -> "NotebookLM's best quality is that it prioritizes accuracy by strictly limiting its knowledge base to only your trusted documents." — 作者结论 +> "NotebookLM's best quality is that it prioritizes accuracy by strictly limiting its knowledge base to only your trusted documents" — How-To Geek +> "It's so much better than a For Dummies book" — 作者评价NotebookLM学习效果 ## Key Concepts -- [[Source-Grounding]]：NotebookLM将知识库严格限制在用户上传文档内的机制，保证回答准确性 -- [[音频概览]]：将文档转化为双人AI播客格式，适合被动学习 +- [[Source-Grounding]]：NotebookLM的核心机制，限制知识库仅到用户上传文档，确保回答准确性 +- [[Audio Overviews]]：NotebookLM将文档转化为双人AI对话播客的功能 +- [[被动学习]]：通过音频格式在通勤、运动时消费复杂信息 ## Key Entities -- [[NotebookLM]]：Google出品的AI学习工具 +- [[NotebookLM]]：Google的AI学习和研究工具 ## Connections -- [[7-ways-NotebookLM]] ← extends ← [[NotebookLM使用场景]] -- [[Source-Grounding]] ← implemented_by ← [[NotebookLM]] +- [[Source-Grounding]] ← 核心机制 ← [[NotebookLM]] +- [[Audio Overviews]] ← 功能特性 ← [[NotebookLM]] +- [[被动学习]] ← 应用场景 ← [[NotebookLM]] ## Contradictions -- 无冲突 +- 与通用LLM（如ChatGPT/Gemini）对比：通用LLM有幻觉风险，NotebookLM通过source-grounding消除幻觉但受限于文档范围 diff --git a/wiki/sources/AI解决方案专家培训课程.md b/wiki/sources/AI解决方案专家培训课程.md index f05ae1fe..dfaf5280 100644 --- a/wiki/sources/AI解决方案专家培训课程.md +++ b/wiki/sources/AI解决方案专家培训课程.md @@ -1,41 +1,38 @@ --- -title: "Coze平台AI解决方案专家培训课程" +title: "AI解决方案专家培训课程" type: source -tags: [coze, agent, workflow] -date: 2026-03-20 +tags: [coze, ai, agent, 培训] +date: 2025-06-27 --- ## Source File - [[raw/AI/AI 解决方案专家培训课程.md]] ## Summary -- 核心主题：Coze平台（国内版和海外版）的多行业Agent Demo合集 -- 问题域：Coze平台在金融、医疗、教育、电商、在线客服等行业的Agent应用案例 -- 方法/机制：通过Coze Bot和Workflow实现各行业的自动化任务 -- 结论/价值：Coze平台覆盖多行业场景，展示了从问答助手到复杂工作流的完整Agent生态 +- 核心主题：Coze平台（国内版和海外版）的Demo合集，包含多行业Agent应用示例 +- 问题域：Coze平台上各类AI Agent和Workflow的展示与应用场景 +- 方法/机制：通过邀请链接加入团队空间，直接访问或复制Agent进行体验和改造 +- 结论/价值：Coze平台覆盖金融、教育、电商、医疗、人力资源、客服等多个行业的Agent解决方案 ## Key Claims -- Coze国内版和海外版均提供丰富的行业Agent Demo -- 涵盖金融（财报解读、客户分层营销）、医疗（分诊助手、影像识别）、教育（知识库问答、组卷出题）等场景 -- 电商场景包括混剪助手、在线换衣、直播间自动回复等 - -## Key Quotes -> Demo覆盖：知乎财报解读、SONY门店店员、医疗分诊助手、骑手招聘助手、表格问答、金融行业助手等 +- Coze国内版提供知乎财报解读、SONY门店店员、医疗分诊、骑手招聘、表格问答等Agent Demo +- 教育行业Demo包括知识库问答、拍照搜视频、组卷出题、知识点掌握情况评估 +- 电商行业Demo包括混剪助手、在线换衣、AI生成视频工作流 +- 金融行业Demo包括客户分层营销助手和智能客服Agent ## Key Concepts -- [[Coze]]：字节跳动的AI Agent平台，支持国内外版本 -- [[Workflow]]：Coze的工作流编排机制 -- [[Agent]]：Coze平台上的对话型AI应用 +- [[Coze]]：字节跳动的AI Agent平台，支持国内版和国际版 +- [[Workflow]]：Coze上的工作流编排能力 +- [[Agent]]：Coze上可配置的AI智能体 ## Key Entities -- [[Coze]]：字节跳动开发的AI Agent平台 -- [[Coze中国]]：Coze国内版本 -- [[FaceFusion]]：人脸融合技术 -- [[F5-TTS]]：语音克隆项目 +- [[Coze]]：字节跳动出品的AI Agent构建平台 ## Connections -- [[Coze]] ← 平台 ← 多行业Agent -- [[Workflow]] ← 编排机制 ← Coze +- [[Coze国内版]] ← 平台实例 ← [[Coze]] +- [[Coze海外版]] ← 平台实例 ← [[Coze]] +- 金融Agent ← 行业应用 ← [[Coze]] +- 教育Agent ← 行业应用 ← [[Coze]] ## Contradictions -- 无冲突 +- 无明显冲突 diff --git a/wiki/sources/Best-7-News-APIs.md b/wiki/sources/Best-7-News-APIs.md index 6427371a..e103f547 100644 --- a/wiki/sources/Best-7-News-APIs.md +++ b/wiki/sources/Best-7-News-APIs.md @@ -1,7 +1,7 @@ --- title: "Best 7 News API Data Feeds" type: source -tags: [news, api, data, 爬虫] +tags: [news-api, ai, data, 金融, 新闻] date: 2025-03-14 --- @@ -9,34 +9,39 @@ date: 2025-03-14 - [[raw/AI/Best 7 news API data feeds - AI News.md]] ## Summary -- 核心主题：7大新闻API数据服务的功能评测 -- 问题域：企业和开发者获取实时和历史新闻数据的渠道 -- 方法/机制：通过API聚合、格式化来自全球新闻源的内容，以JSON或XML格式交付 -- 结论/价值：不同API在专业性、价格、覆盖范围上有明显差异，需根据业务需求选择 +- 核心主题：7大主流新闻API数据源及其适用场景 +- 问题域：企业、开发者如何获取结构化新闻数据用于应用集成和决策分析 +- 方法/机制：通过API聚合、格式化来自全球新闻源的结构化数据，提供实时/历史覆盖 +- 结论/价值：不同新闻API各有专长——Webz.io适合网络安全金融、GNews适合创业公司、Bloomberg/FT适合专业投研 ## Key Claims -- Webz.io覆盖最全面（含暗网），适合金融和网络安安全领域 -- GNews API轻量低价，适合初创公司和区域性应用 -- Bloomberg和Financial Times API专注金融领域，适合专业投资者 +- Webz.io：最全面的新闻API之一，支持开放网、深网和暗网数据，适合金融风险情报和网络安全 +- GNews API：轻量级，全球覆盖，价格实惠，适合创业公司和区域化应用 +- Guardian API：高质量编辑内容，适合研究和专业内容聚合 +- Bloomberg API：专注金融市场数据，与Bloomberg终端无缝集成 +- Financial Times API：商业和经济深度分析，适合专业投研用户 +- Opoint：实时监控和多语言情感分析，适合PR和品牌监测 +- Mediastack：7,500+来源，免费计划可用，适合各种规模企业 ## Key Quotes -> "APIs help integrate content into applications and workflows, enabling decision-making and scalable solutions." — API价值定义 +> "News API data feeds are platforms that aggregate, organise, and deliver structured news data from multiple sources" — artificialintelligence-news.com ## Key Concepts -- [[News API]]：聚合、组织并交付新闻数据的平台 -- [[舆情分析]]：利用新闻API进行情感分析和品牌监控 +- [[News API]]：聚合、组织并以结构化格式（JSON/XML）交付新闻数据的平台 +- [[情感分析]]：Opoint等API提供的新闻情感标签功能 +- [[风险情报]]：Webz.io等API支持的深层网络数据监控能力 ## Key Entities -- [[Webz.io]]：综合性新闻API，覆盖开放网、深网和暗网 -- [[GNews API]]：轻量级全球新闻聚合服务 -- [[Bloomberg API]]：专注金融数据的专业API -- [[Financial Times API]]：商业和经济新闻API -- [[Opoint]]：新闻监控和情感分析平台 -- [[Mediastack API]]：可扩展的新闻聚合服务 +- [[Webz.io]]：综合新闻API，支持开放网/深网/暗网 +- [[GNews API]]：轻量级新闻API，价格实惠 +- [[Bloomberg API]]：金融市场数据API +- [[Opoint]]：新闻监测和情感分析API +- [[Mediastack]]：可扩展的新闻聚合API ## Connections -- [[Opoint]] ← 情感分析 ← News API -- [[Mediastack API]] ← 实时聚合 ← News API +- [[News API]] ← 数据源基础设施 ← AI金融应用 +- [[情感分析]] ← 能力组件 ← PR品牌监测 +- [[风险情报]] ← 应用场景 ← 网络安全 ## Contradictions -- 无冲突 +- 与通用搜索引擎对比：News API提供结构化、可机读数据；搜索提供非结构化网页结果 diff --git a/wiki/sources/ChatGPT-Canva-Gamma-简报工作流.md b/wiki/sources/ChatGPT-Canva-Gamma-简报工作流.md index cc0dbb9e..bf53e968 100644 --- a/wiki/sources/ChatGPT-Canva-Gamma-简报工作流.md +++ b/wiki/sources/ChatGPT-Canva-Gamma-简报工作流.md @@ -1,7 +1,7 @@ --- title: "ChatGPT+Canva+Gamma简报工作流" type: source -tags: [chatgpt, canva, gamma, 简报, workflow] +tags: [chatgpt, canva, gamma, 简报, workflow, ai] date: 2025-12-18 --- @@ -9,33 +9,37 @@ date: 2025-12-18 - [[raw/AI/教學 ChatGPT 先做知識整理，再讓 Canva、 Gamma AI 輸出簡報.md]] ## Summary -- 核心主题：ChatGPT做知识整理，Canva/Gamma做简报设计的AI简报工作流 -- 问题域：直接在Canva/Gamma让AI做简报常导致内容不深入、出现幻觉 -- 方法/机制：ChatGPT（研究→整理→大纲）→ Canva/Gamma（版面设计）四阶段流程 +- 核心主题：ChatGPT知识整理 + Canva/Gamma AI简报设计的四阶段工作流 +- 问题域：直接在Canva/Gamma让AI做简报容易产生幻觉、内容不够深入 +- 方法/机制：ChatGPT做资料研究→建立知识架构→输出大纲→Canva/Gamma制作版面 - 结论/价值：简报不是从版面设计开始，而是从资料研究开始 ## Key Claims -- 阶段一：5分钟让ChatGPT搜索研究大量资料 -- 阶段二：1分钟让ChatGPT建立知识架构 -- 阶段三：1分钟让ChatGPT输出简报大纲 -- 阶段四：将大纲粘贴到Canva/Gamma生成设计 +- 阶段一（5分钟）：ChatGPT上网搜集10+笔资料，建立素材库 +- 阶段二（1分钟）：建立知识架构，整合资料并建立主客观认识 +- 阶段三（1分钟）：根据理解和分析输出10页简报大纲 +- 阶段四：简报大纲粘贴到Canva或Gamma，用AI生成版面 +- 防弹笔记法作为知识管理底层支撑 ## Key Quotes -> "简报不是从版面设计开始，而是从资料研究开始" +> "简报不是从版面设计开始，而是从资料研究开始" — esor/电脑玩物 ## Key Concepts -- [[工作流自动化]]：ChatGPT→Canva/Gamma的简报自动化流程 -- [[AI简报]]：利用AI工具生成专业简报的方法 +- [[知识整理先行]]：先在ChatGPT完成研究整理，再进行版面设计 +- [[Canva AI]]：Canva内置AI简报设计功能 +- [[Gamma AI]]：专业的AI简报生成工具 +- [[防弹笔记法]]：任务导向、动态演化、简单精准的知识管理系统 ## Key Entities -- [[ChatGPT]]：OpenAI的对话AI -- [[Canva]]：在线设计平台 -- [[Gamma AI]]：AI简报生成工具 +- [[ChatGPT]]：用于前期知识整理和研究 +- [[Canva]]：简报版面设计工具 +- [[Gamma]]：AI简报生成工具 ## Connections -- [[ChatGPT]] ← 知识整理 ← 工作流 -- [[Canva]] ← 版面设计 ← 工作流 -- [[Gamma AI]] ← 替代 ← [[Canva]] +- [[ChatGPT]] ← 知识整理 ← 简报工作流 +- [[Canva]] ← 版面设计 ← 简报工作流 +- [[Gamma]] ← 版面设计 ← 简报工作流 +- [[知识整理先行]] ← 方法论 ← 简报工作流 ## Contradictions -- 无冲突 +- 与直接AI简报对比：直接让Canva/Gamma生成简报容易产生幻觉；分阶段工作流通过ChatGPT深度研究保证内容质量 diff --git a/wiki/sources/Claude-Prompt-Library.md b/wiki/sources/Claude-Prompt-Library.md index 4a8d9f10..b5d5152e 100644 --- a/wiki/sources/Claude-Prompt-Library.md +++ b/wiki/sources/Claude-Prompt-Library.md @@ -1,34 +1,37 @@ --- -title: "Claude Prompt Library 实用合集" +title: "Claude Prompt Library实用合集" type: source -tags: [claude, prompt, 电商] -date: 2026-04-10 +tags: [claude, prompt, ai, 工具] +date: 2025-03-06 --- ## Source File - [[raw/AI/Useful Prompt Lib.md]] ## Summary -- 核心主题：Claude官方Prompt Library的应用场景汇总，针对TikTok跨境电商业务的推荐 -- 问题域：如何利用Claude Prompt Library提升跨境电商运营效率 -- 方法/机制：Babel's broadcasts（多语言本地化）、Review classifier（评论分类）、Data organizer（JSON转换） -- 结论/价值：针对TikTok跨境电商，推荐3个最适用的Prompt模板 +- 核心主题：Anthropic官方Claude Prompt Library的完整分类汇总 +- 问题域：如何快速找到适合特定场景的Claude AI提示词 +- 方法/机制：按功能分类整理59个提示词，覆盖编程、教育、数据、内容创作等场景 +- 结论/价值：Claude Prompt Library是结构化提示词的资源库，每个提示词针对特定任务优化 ## Key Claims -- Babel's broadcasts：多语言产品发布推文生成，适合TikTok多语言本地化 -- Review classifier：评论自动分类，适合店铺评价管理 -- Data organizer：非结构化数据转JSON，适合竞品数据采集 +- Babel's broadcasts：多语言产品发布推文生成（10种语言） +- Review classifier：反馈分类到预设标签 +- Data organizer：将非结构化文本转换为JSON表格 +- SQL sorcerer：自然语言转SQL查询 +- Website wizard：根据用户规范创建单页网站 ## Key Concepts -- [[Prompt能力]]：清晰界定需求+结构化思维表达 -- [[Claude Skills]]：Claude的技能扩展机制 +- [[Prompt Library]]：Claude官方提示词资源库 +- [[提示词模板]]：针对特定任务结构化设计的提示词 ## Key Entities -- [[Anthropic]]：Claude模型和Prompt Library的发布者 +- [[Claude]]：Anthropic的AI模型 +- [[Claude Prompt Library]]：官方提示词库 ## Connections -- [[Claude Skills]] ← 技术基础 ← [[Anthropic]] -- [[Prompt能力]] ← 应用 ← [[Anthropic]] +- [[Claude Prompt Library]] ← 资源 ← Claude +- [[提示词模板]] ← 工具 ← Claude应用 ## Contradictions -- 无冲突 +- 无明显冲突 diff --git a/wiki/sources/Claude-Skills最值得研究的AI范式.md b/wiki/sources/Claude-Skills最值得研究的AI范式.md index 01402378..02384dfa 100644 --- a/wiki/sources/Claude-Skills最值得研究的AI范式.md +++ b/wiki/sources/Claude-Skills最值得研究的AI范式.md @@ -1,7 +1,7 @@ --- title: "Claude Skills最值得研究的AI范式" type: source -tags: [Claude, Skills, AI应用] +tags: [claude, ai, skills, anthropic] date: 2026-01-08 --- @@ -9,36 +9,35 @@ date: 2026-01-08 - [[raw/AI/3.2 万人收藏的 Claude Skills，才是 AI 这条路上最值得研究的一套范式！ 1.md]] ## Summary -- 核心主题：Anthropic官方Claude Skills仓库及第三方Skills生态介绍 -- 问题域：AI技能系统化复用、流程工程 -- 方法/机制：Skills = 写给Claude的说明书和SOP，将反复执行的任务拆解为AI可理解、可复用、可自动执行的流程 -- 结论/价值：从"提示词工程"迈向"流程工程"，Skills是Vibe Coding的尽头 +- 核心主题：Anthropic官方Claude Skills开源项目介绍与技能构建范式 +- 问题域：AI技能（Skills）如何转化为可复用、可自动执行的标准作业程序 +- 方法/机制：Skills = 写给Claude的"说明书" + SOP；Anthropic官方Skills仓库展示生产级能力 +- 结论/价值：从提示词工程迈向流程工程，Skills是AI应用的质变标志 ## Key Claims -- Claude Skills本质是"说明书+SOP"，将固定流程固化为可自动执行的技能 -- Anthropic官方Skills仓库（github.com/anthropics/skills）已获3.2万收藏 -- 官方Skills涵盖四大类：办公自动化（Word/PDF/PPT/Excel）、开发者工具箱（ MCP Server、Web测试、Artifacts构建）、创意类Skill -- Skills爆发标志从"提示词工程"到"流程工程"的质变 -- 未来最有价值的不是Prompt写得花哨，而是把经验沉淀成SOP并交给AI稳定执行 +- Claude Skills是AI技能的"说明书"和SOP（标准作业程序），不是简单提示词 +- Anthropic官方Skills仓库（github.com/anthropics/skills）已获3.2万收藏，涵盖办公自动化、开发者工具、创意类Skills +- Skills本质是官方教你"怎么像我们一样开发AI应用" +- Vibe Coding的尽头也是Skills ## Key Quotes -> "Skills就是一套你写给Claude的'说明书'和'SOP（标准作业程序）'" — 开源星探 +> "Skills就是一套你写给Claude的'说明书'和'SOP（标准作业程序）'" — 痕小子/开源星探 > "这个库本质上是官方在教你，'怎么像我们一样开发AI应用'" — 文章评论 -> "Claude Skills的爆发，标志着我们从提示词工程迈向了流程工程" — 文章结语 +> "Claude Skills的爆发，标志着我们从提示词工程迈向了流程工程" — 文章结论 ## Key Concepts -- [[ClaudeSkills]]：一种将反复执行、有固定流程的任务固化为AI可理解、可复用、可自动执行的技能系统 -- [[流程工程]]：区别于提示词工程，强调将业务流程固化为SOP而非单次优化 +- [[Claude Skills]]：一套写给AI的"说明书"和SOP，使AI能稳定复用和自动执行 +- [[流程工程]]：从优化单个输出转向优化生成输出的机制本身 +- [[Vibe Coding]]：一种编程范式，其尽头是Skills的系统化 ## Key Entities -- [[Anthropic]]：Claude Skills官方仓库的发布方 -- [[OpenClaw]]：支持Skill扩展的AI Agent框架 -- [[VibeCoding]]：Skills的尽头是Vibe Coding的高级形态 +- [[Anthropic]]：发布官方Skills仓库的AI公司 +- [[Claude Code]]：Anthropic的编码助手，内置Skills能力 ## Connections -- [[Claude-Skills最值得研究的AI范式]] ← extends ← [[ClaudeSkills]] -- [[Claude-Skills最值得研究的AI范式]] ← extends ← [[VibeCoding]] -- [[ClaudeSkills]] ← depends_on ← [[AgentSkill设计模式]] +- [[Claude Skills]] ← 应用场景 ← [[Claude Code]] +- [[Vibe Coding]] ← 进化终点 ← [[Claude Skills]] +- [[流程工程]] ← 范式升级 ← [[提示词工程]] ## Contradictions -- 无冲突 +- 与传统提示词工程对比：提示词是一次性指令，Skills是可持续执行的可复用流程 diff --git a/wiki/sources/Clonezilla-Ubuntu全盘镜像备份.md b/wiki/sources/Clonezilla-Ubuntu全盘镜像备份.md new file mode 100644 index 00000000..546a0e69 --- /dev/null +++ b/wiki/sources/Clonezilla-Ubuntu全盘镜像备份.md @@ -0,0 +1,38 @@ +--- +title: "Clonezilla对Ubuntu Server进行全盘镜像备份" +type: source +tags: [clonezilla, backup, ubuntu, nas, 镜像备份] +date: 2025-03-06 +--- + +## Source File +- [[raw/Home Office/Clonezilla对Ubuntu Server进行全盘镜像备份.md]] + +## Summary +- 核心主题：使用Clonezilla（再生龙）对Ubuntu Server进行全盘镜像备份到NAS +- 问题域：如何将运行中的Ubuntu Server完整备份以便灾难恢复 +- 方法/机制：制作Clonezilla启动U盘 → 从U盘启动 → 选择源盘和NAS目标 → 执行镜像备份 +- 结论/价值：Clonezilla提供免费、可靠的全盘镜像备份，支持增量备份和压缩 + +## Key Claims +- 下载Clonezilla ISO（amd64架构，debian发行版） +- 使用Rufus制作启动U盘（注意：会格式化U盘） +- 备份模式：Clonezilla提供两种模式：disk to disk、disk to image +- 存储目标：支持NFS、SMB等网络存储，本例使用NAS +- 恢复时注意选择正确的目标磁盘，避免覆盖错误 + +## Key Concepts +- [[Clonezilla]]：开源磁盘镜像备份工具，再生龙 +- [[全盘镜像]]：将整个磁盘复制为可恢复的镜像文件 +- [[NAS备份]]：通过网络存储实现异地备份 + +## Key Entities +- [[Clonezilla]]：备份工具 +- [[NAS]]：网络附加存储（备份目标） + +## Connections +- [[Clonezilla]] ← 备份工具 ← Ubuntu Server +- [[NAS备份]] ← 存储目标 ← 备份 + +## Contradictions +- 无明显冲突 diff --git a/wiki/sources/Cloud-Service-Delivery.md b/wiki/sources/Cloud-Service-Delivery.md index 6e33088f..0325f9cd 100644 --- a/wiki/sources/Cloud-Service-Delivery.md +++ b/wiki/sources/Cloud-Service-Delivery.md @@ -1,7 +1,7 @@ --- -title: "Cloud Service Delivery云服务交付" +title: "Cloud Service Delivery" type: source -tags: [云服务交付, 云运维, SRE] +tags: [cloud, delivery, iass, paas, saas] date: 2025-03-02 --- @@ -9,28 +9,30 @@ date: 2025-03-02 - [[raw/Cloud & DevOps/What I know about Cloud Service Delivery 1.md]] ## Summary -- 核心主题：云服务交付（Cloud Service Delivery）的完整生命周期管理框架 -- 问题域：如何将云计算IaaS/PaaS/SaaS能力桥接到最终用户可消费的可靠、安全、高性能服务 -- 方法/机制：12个核心领域，从服务配置到灾难恢复的完整覆盖 -- 结论/价值：云服务交付是技术能力到业务价值的桥梁，涉及工程、运营、安全、财务等多维度 +- 核心主题：云服务交付的完整生命周期管理 +- 问题域：如何将云技术能力转化为对用户有价值的服务 +- 方法/机制：云服务交付涵盖从基础设施到最终用户的全链路：IaaS/PaaS/SaaS → 可用、安全、高性能、价值 +- 结论/价值：云服务交付团队是连接云技术能力和业务价值的桥梁 ## Key Claims -- 12个核心领域：服务配置与部署、基础设施管理、平台管理、应用运维、安全合规、监控SLA、事件问题管理、变更配置管理、成本优化、客户支持、服务治理、灾难恢复 -- Cloud DevOps成熟度模型：AIOps是演进方向 -- SLA vs SLO：SLA是合同承诺，SLO是内部目标 -- FinOps：成本可见性、报告、右尺寸资源、预留实例 +- 云服务交付团队角色：Cloud Infrastructure Engineer、Cloud Operator、Cloud Architect、FinOps Engineer +- 交付生命周期：基础设施层（IaaS）→ 平台层（PaaS）→ 软件层（SaaS）→ 对用户可用、安全、高性能、有价值 +- Cloud Service Delivery是云技术和用户实际消费服务之间的桥梁 ## Key Concepts -- [[云服务交付]]：将云技术能力转化为用户可消费服务的完整生命周期 -- [[FinOps]]：云成本管理与优化 -- [[SLA]]：服务等级协议 -- [[SLO]]：服务等级目标 +- [[云服务交付]]：将云能力转化为用户可用服务的完整生命周期 +- [[FinOps]]：云成本优化和财务管理 +- [[云架构师]]：负责云服务设计和交付的角色 ## Key Entities -- [[云服务交付]]：核心研究对象 +- [[Cloud Infrastructure Engineer]]：云基础设施工程师 +- [[Cloud Operator]]：云运维工程师 +- [[Cloud Architect]]：云架构师 +- [[FinOps Engineer]]：云财务工程师 ## Connections -- [[Cloud-Service-Delivery]] ← documents ← [[云服务交付]] +- [[云服务交付]] ← 核心主题 ← 云计算 +- [[FinOps]] ← 能力组件 ← 云服务交付 ## Contradictions -- 无冲突 +- 无明显冲突 diff --git a/wiki/sources/DeepSeek使用手册清华版.md b/wiki/sources/DeepSeek使用手册清华版.md index aab8c702..6f94add8 100644 --- a/wiki/sources/DeepSeek使用手册清华版.md +++ b/wiki/sources/DeepSeek使用手册清华版.md @@ -1,7 +1,7 @@ --- title: "DeepSeek使用手册清华版" type: source -tags: [deepseek, prompt, 教程] +tags: [deepseek, prompting, 提示词, 教程, 清华] date: 2025-12-18 --- @@ -9,31 +9,33 @@ date: 2025-12-18 - [[raw/AI/清华出的DeepSeek使用手册，104页，真的是太厉害了！（免费领取）.md]] ## Summary -- 核心主题：清华大学发布的DeepSeek使用手册（104页）核心内容解读 -- 问题域：如何科学地使用DeepSeek，包括模型选择、提示词设计和避免常见误区 -- 方法/机制：授人以渔——不仅教怎么提问，更教为什么这么问 -- 结论/价值：手册体现了理论与实践的结合，适合不同层次读者 +- 核心主题：清华大学《DeepSeek从入门到精通2025》——104页全面指南 +- 问题域：如何科学地使用DeepSeek，包括模型选择、提示词设计、避免常见误区 +- 方法/机制：理论+实践结合，不仅告诉你怎么问，更告诉你为什么这么问 +- 结论/价值：这是"授人以渔"的真正指南——揭示提示词的底层逻辑而非表面技巧 ## Key Claims -- DeepSeek-R1是专注于AGI的中国科技公司开源的推理模型 -- 手册核心价值：教原理而非仅教操作 -- 避免AI幻觉的技巧和提示词设计方法 +- DeepSeek是专注AGI的中国科技公司，开源的DeepSeek-R1在复杂任务处理方面表现卓越 +- 手册内容覆盖：DeepSeek技术特点、应用场景、使用方法、如何通过提示语设计提升AI使用效率 +- 核心特点：不是简单将GPT说明书改个名字用于DeepSeek，而是深入讲解原理 +- 实用性高：提供的示例和策略可直接应用于实际工作场景 ## Key Quotes -> "这才是真正的'授人以渔'" — 手册评价 -> "理论与实践结合紧密，适合不同层次的读者" — 手册特点 +> "清华这个手册完全不一样！它先是给你讲清楚原理，然后手把手教你怎么科学地使用。它不只是告诉你怎么提问，还会告诉你为啥要这么问，这不就是教你怎么掌握提示词的底层逻辑嘛" — 文章评论 ## Key Concepts -- [[提示词工程]]：DeepSeek使用手册的核心主题 -- [[DeepSeek]]：专注于AGI的中国AI公司 +- [[DeepSeek]]：专注AGI的中国AI公司 +- [[DeepSeek-R1]]：开源推理模型，处理复杂任务表现出色 +- [[提示词底层逻辑]]：不仅知道怎么问，更理解为什么这么问有效 ## Key Entities -- [[DeepSeek]]：中国AI公司及模型 +- [[DeepSeek]]：AI公司 - [[清华大学]]：手册发布机构 +- [[余梦珑博士后]]：手册作者 ## Connections -- [[DeepSeek]] ← 发布方 ← [[清华大学]]（联合研究） -- [[提示词工程]] ← 核心内容 ← DeepSeek手册 +- [[DeepSeek-R1]] ← 核心模型 ← DeepSeek +- [[提示词底层逻辑]] ← 手册核心价值 ← DeepSeek应用 ## Contradictions -- 无冲突 +- 与其他"说明书"式教程对比：传统教程只改模型名称不改内容；本手册深入讲解原理和底层逻辑 diff --git a/wiki/sources/DevOps文化与转型.md b/wiki/sources/DevOps文化与转型.md new file mode 100644 index 00000000..bdb78212 --- /dev/null +++ b/wiki/sources/DevOps文化与转型.md @@ -0,0 +1,41 @@ +--- +title: "DevOps Culture and Transformation" +type: source +tags: [devops, culture, agile, 运维, 组织] +date: 2001-02-27 +--- + +## Source File +- [[raw/Cloud & DevOps/DevOps Culture and Transformation Fostering Collaboration, Agile Practices, and Innovation LinkedIn.md]] + +## Summary +- 核心主题：DevOps文化与转型——弥合开发和运维之间的鸿沟 +- 问题域：传统组织中开发和运维的分离导致软件交付效率低下 +- 方法/机制：文化转型 + 敏捷实践 + 自动化工具 + 持续集成/持续部署（CI/CD） +- 结论/价值：DevOps不仅是技术变革，更是文化和组织结构的深刻变革 + +## Key Claims +- DevOps核心是弥合Dev（开发）和Ops（运维）之间的文化和沟通鸿沟 +- 传统分离导致：开发追求新功能速度，运维追求系统稳定性，两者天然对立 +- DevOps文化特征：共享责任、协作沟通、持续改进 +- 关键实践：自动化一切、持续集成、持续交付、监控反馈、协作工具 + +## Key Quotes +> "DevOps is a cultural and operational revolution that bridges development (Dev) and operations (Ops)" — Hemant Sawant/LinkedIn + +## Key Concepts +- [[DevOps]]：弥合开发和运维鸿沟的文化和技术实践 +- [[持续集成CI]]：频繁集成代码变更到共享仓库 +- [[持续交付CD]]：代码变更自动经过测试和部署准备 +- [[SRE]]：站点可靠性工程，DevOps的Google实现 + +## Key Entities + +## Connections +- [[DevOps]] ← 核心主题 ← 文化转型 +- [[持续集成CI]] ← 技术实践 ← DevOps +- [[持续交付CD]] ← 技术实践 ← DevOps +- [[SRE]] ← Google实现 ← DevOps + +## Contradictions +- 与传统"手递手"交付对比：传统模式开发和运维分离，DevOps强调共享责任和自动化 diff --git a/wiki/sources/Gemini-3-10个应用.md b/wiki/sources/Gemini-3-10个应用.md index 6375dbfa..c2455f8e 100644 --- a/wiki/sources/Gemini-3-10个应用.md +++ b/wiki/sources/Gemini-3-10个应用.md @@ -1,7 +1,7 @@ --- -title: "Gemini 3一口气做了10个应用" +title: "我用 Gemini 3 一口气做了 10 个应用" type: source -tags: [gemini, 应用开发, ai-studio] +tags: [gemini, 应用构建, 提示词工程, ai] date: 2025-12-18 --- @@ -9,27 +9,34 @@ date: 2025-12-18 - [[raw/AI/我用 Gemini 3 一口气做了 10 个应用，附教程.md]] ## Summary -- 核心主题：通过Gemini AI Studio快速构建10种AI应用 -- 问题域：如何利用Gemini的生成能力快速开发应用 -- 方法/机制：AI Studio Build平台、SVG可视化、提示词约束结构化输出 -- 结论/价值：核心方法论——约束模型思考（提示词+MCP）、设计输出容器（前端代码） +- 核心主题：使用Gemini 3快速构建10种AI应用的实战经验 +- 问题域：如何通过结构化提示词和约束模型思维快速将想法转化为可用的AI应用 +- 方法/机制：思考输入场景 → 约束模型思考（提示词+MCP）→ 设计输出容器（前端SVG/HTML） +- 结论/价值：Gemini的应用构建遵循"输入约束→结构化扩展→可视化容器"三步法 ## Key Claims -- 10个应用涵盖：蝴蝶生命周期卡片、莫奈配色卡片、电影海报、思维导图等 -- 方法论：思考输入场景→约束模型思考→设计输出容器 -- Gemini通过提示词约束实现结构化输出 +- 蝴蝶生命周期SVG可视化卡片：AI输出SVG语言实现数据可视化展示 +- 配色卡片生成：输入"莫奈"获取主题色卡及名称解释 +- 电影海报制作：通过提示词约束大模型结构化输出信息（片名、简介、上映时间、导演） +- 绘画思维导图：AI根据关键词脑暴相关词汇，用户选择后生成图片 +- 核心方法论：①思考输入场景 ②约束模型思考 ③设计输出容器 + +## Key Quotes +> "整体思路：思考输入场景 → 约束模型的思考（利用提示词、MCP）→ 设计输出的容器（使用前端代码，可视化模型输出）" — 空格的键盘 ## Key Concepts -- [[提示词工程]]：约束模型输出格式和内容的技术 -- [[AI应用开发]]：利用AI模型构建应用的方法 +- [[Gemini]]：Google的多模态AI模型 +- [[MCP]]：Modal Context Protocol，用于扩展AI模型能力 +- [[SVG可视化]]：使用前端代码作为AI输出的可视化容器 +- [[结构化输出]]：通过提示词约束模型输出格式 ## Key Entities -- [[Google]]：Gemini和AI Studio的开发商 -- [[Gemini]]：Google的AI模型 +- [[Gemini 3]]：Google AI模型（本文应用构建基础） ## Connections -- [[Gemini]] ← 平台 ← [[Google]] -- [[提示词工程]] ← 核心 ← AI Studio Build +- [[Gemini 3]] ← 模型基础 ← AI应用构建 +- [[MCP]] ← 能力扩展 ← AI应用构建 +- [[结构化输出]] ← 提示词技术 ← AI应用构建 ## Contradictions -- 无冲突 +- 无明显冲突 diff --git a/wiki/sources/Google-5个Agent-Skill设计模式.md b/wiki/sources/Google-5个Agent-Skill设计模式.md index a246342e..d55a269e 100644 --- a/wiki/sources/Google-5个Agent-Skill设计模式.md +++ b/wiki/sources/Google-5个Agent-Skill设计模式.md @@ -1,7 +1,7 @@ --- title: "Google 5个Agent Skill设计模式" type: source -tags: [agent, skill, design-pattern, google] +tags: [agent, skill, 设计模式, google, anthropic] date: 2026-03-19 --- @@ -9,37 +9,42 @@ date: 2026-03-19 - [[raw/Agent/Google-5个Agent-Skill设计模式-2026-03-19.md]] ## Summary -- 核心主题：Google ADK发布的5种经过验证的Agent Skill设计模式 -- 问题域：如何构建可靠、可复用的Agent Skills -- 方法/机制：ToolWrapper、Generator、Reviewer、Inversion、Pipeline五种架构模式 -- 结论/价值：这些模式可组合使用，通过渐进式披露机制降低上下文消耗 +- 核心主题：Google Cloud发布的5种经过验证的Agent Skill设计模式 +- 问题域：SKILL.md格式标准化后，如何设计真正有效的Skill内容而非空有格式的框架 +- 方法/机制：ToolWrapper、Generator、Reviewer、Inversion、Pipeline五种模式 +- 结论/价值：这五种模式可组合使用，ADK的SkillToolset和渐进式披露机制使agent只在需要时才加载相关token ## Key Claims -- ToolWrapper：将库/框架规范打包为skill，运行时动态加载 -- Generator：从模板生成结构化输出，解决每次输出不一致问题 -- Reviewer：检查清单和检查逻辑分离，标准可替换 -- Inversion：Agent先问再做，设置不可协商的门控条件 -- Pipeline：带硬性检查点的严格工作流 +- ToolWrapper：让agent在真正用到某技术时才动态加载规范文档，将规范当作绝对真理执行 +- Generator：从模板生成结构化输出，利用assets/（输出模板）和references/（样式指南）目录 +- Reviewer：把"检查什么"和"怎么检查"完全分开；审查标准存放在references/，可动态切换 +- Inversion：agent先变面试官问你问题，全部回答后才开始行动，有明确不可协商的门控指令 +- Pipeline：带硬性检查点的严格顺序工作流，每步有前置条件，用户必须确认才能进入下一步 +- 五种模式可组合：Pipeline末尾可加Reviewer，Generator开始可依赖Inversion ## Key Quotes -> "把工作流拆分开，应用正确的结构模式，才能构建出真正可靠的agent" +> "别再把所有复杂又脆弱的指令塞进一个system prompt了。把工作流拆分开，应用正确的结构模式，才能构建出真正可靠的agent" — AI工程化公众号 ## Key Concepts -- [[AgentSkill设计模式]]：Google发布的5种Skill设计模式 -- [[ToolWrapper]]：让Agent快速成为某领域专家的包装模式 +- [[AgentSkill设计模式]]：5种经过验证的Skill内容设计模式 +- [[ToolWrapper]]：监听特定关键词动态加载相关规范的模式 - [[Generator]]：从模板生成结构化输出的模式 - [[Reviewer]]：检查清单和检查逻辑分离的模式 -- [[Inversion]]：Agent先问再做的工作流反转模式 -- [[Pipeline]]：带硬性检查点的严格工作流模式 +- [[Inversion]]：agent先问再做，强制收集必要信息的模式 +- [[Pipeline]]：带硬性检查点的严格顺序工作流模式 ## Key Entities -- [[Google]]：ADK和5种设计模式的发布者 -- [[Anthropic]]：Claude Skills的发布者，参考对比 +- [[Google]]：发布此指南的云服务提供商 +- [[Anthropic]]：Claude Skills的先驱，Skill格式标准化的推动者 +- [[ADK]]：Agent Development Kit，Google的Agent开发工具包 ## Connections -- [[AgentSkill设计模式]] ← 包含 ← [[ToolWrapper]], [[Generator]], [[Reviewer]], [[Inversion]], [[Pipeline]] -- [[AgentSkill设计模式]] ← 发布 ← [[Google]] -- [[Anthropic]] ← 对比 ← [[Google]]（同时参考Claude Skills） +- [[AgentSkill设计模式]] ← 核心主题 ← Google Agent工程 +- [[ToolWrapper]] ← 模式1 ← [[AgentSkill设计模式]] +- [[Generator]] ← 模式2 ← [[AgentSkill设计模式]] +- [[Reviewer]] ← 模式3 ← [[AgentSkill设计模式]] +- [[Inversion]] ← 模式4 ← [[AgentSkill设计模式]] +- [[Pipeline]] ← 模式5 ← [[AgentSkill设计模式]] ## Contradictions -- 与[[Claude Skills最值得研究的AI范式.md]]中Claude Skills的分类方法形成互补 +- 与单一庞大system prompt对比：标准化SKILL.md格式后，Skill内容质量差异巨大；需要正确的设计模式而非更多指令 diff --git a/wiki/sources/Linux运维150命令.md b/wiki/sources/Linux运维150命令.md new file mode 100644 index 00000000..f291e9c5 --- /dev/null +++ b/wiki/sources/Linux运维150命令.md @@ -0,0 +1,37 @@ +--- +title: "Linux运维必会的150个命令" +type: source +tags: [linux, 运维, 命令, shell] +date: 2025-09-29 +--- + +## Source File +- [[raw/Home Office/Linux 运维必会的 150 个命令.md]] + +## Summary +- 核心主题：Linux运维最常用的150个命令分类汇总 +- 问题域：Linux系统管理需要掌握哪些核心命令 +- 方法/机制：按功能分类（查询帮助、文件管理、文件编辑、压缩打包、磁盘管理、系统相关等） +- 结论/价值：系统梳理Linux命令是运维技能的基础 + +## Key Claims +- 线上查询及帮助命令：man、--help +- 文件管理命令：ls、cd、pwd、mkdir、rm、cp、mv、touch、cat、more、less、head、tail等 +- 压缩打包命令：gzip、bzip2、tar、zip、unzip +- 磁盘管理命令：df、du、mount、umount、fdisk、mkfs +- 系统相关命令：top、ps、kill、ifconfig、ping、netstat、systemctl、journalctl +- 用户管理命令：useradd、userdel、usermod、passwd、su、sudo + +## Key Concepts +- [[Linux命令]]：Linux系统管理的核心工具 +- [[Shell]]：命令行解释器 +- [[系统管理]]：Linux运维的核心职责 + +## Key Entities + +## Connections +- [[Linux命令]] ← 工具集 ← Linux运维 +- [[Shell]] ← 接口层 ← Linux系统 + +## Contradictions +- 无明显冲突 diff --git a/wiki/sources/Mac-Mini-FRP安装配置.md b/wiki/sources/Mac-Mini-FRP安装配置.md new file mode 100644 index 00000000..fda22dfc --- /dev/null +++ b/wiki/sources/Mac-Mini-FRP安装配置.md @@ -0,0 +1,38 @@ +--- +title: "Mac Mini安装FRP 0.65.0（ARM64）操作笔记" +type: source +tags: [frp, frpc, mac-mini, homelab] +date: 2025-03-06 +--- + +## Source File +- [[raw/Home Office/Mac Mini 安装 FRP 0.65.0（ARM64）操作笔记.md]] + +## Summary +- 核心主题：Mac Mini M4（Apple Silicon）上安装配置FRP内网穿透客户端 +- 问题域：macOS上FRP通过launchd管理，需要处理Gatekeeper签名问题 +- 方法/机制：下载ARM64版本 → 配置frpc.toml → 创建launchd plist → 加载服务 +- 结论/价值：macOS上FRP通过launchd实现开机自启和崩溃自动重启，比systemd更复杂 + +## Key Claims +- FRP版本：0.65.0，CPU架构：Apple Silicon（ARM64），安装路径：/opt/frp/frp_0.65.0_darwin_arm64 +- 配置文件：frpc.toml，macOS Gatekeeper处理：xattr -cr /opt/frp/frp_0.65.0_darwin_arm64/frpc +- launchd plist位置：~/Library/LaunchAgents/com.homebrew.frpc.plist +- 管理命令：launchctl unload/load 控制服务重启 +- 崩溃自动重启：通过launchd的KeepAlive实现 + +## Key Concepts +- [[FRP]]：[TODO] 内网穿透工具 +- [[launchd]]：macOS初始化系统和服务管理 +- [[Gatekeeper]]：macOS应用签名和安全验证 + +## Key Entities +- [[Mac Mini]]：运行FRP客户端的服务器 +- [[FRP]]：内网穿透工具 + +## Connections +- [[FRP]] ← 运行在 ← [[Mac Mini]] +- [[launchd]] ← 服务管理 ← FRP（macOS） + +## Contradictions +- 与Ubuntu systemd管理FRP对比：macOS用launchd，Ubuntu用systemd，配置方式完全不同 diff --git a/wiki/sources/MinIO-Zipline图床安装教程.md b/wiki/sources/MinIO-Zipline图床安装教程.md index b49d1618..0f71c379 100644 --- a/wiki/sources/MinIO-Zipline图床安装教程.md +++ b/wiki/sources/MinIO-Zipline图床安装教程.md @@ -1,36 +1,39 @@ --- -title: "MinIO + Zipline图床安装教程" +title: "MinIO + Zipline自托管图床应用安装教程" type: source -tags: [MinIO, Zipline, 图床, Docker, NAS] -date: 2025-12-29 +tags: [minio, zipline, 图床, synology, nas, docker] +date: 2025-03-06 --- ## Source File - [[raw/Home Office/MinIO + Zipline 自托管图床应用安装教程.md]] ## Summary -- 核心主题：在Synology NAS上通过Docker部署MinIO对象存储+Zipline图床 -- 问题域：自托管图床替代第三方服务，确保数据隐私 -- 方法/机制：Docker Compose编排三容器（MinIO/PostgreSQL/Zipline），n8n集成API上传 -- 结论/价值：完整的自托管图床方案，Zipline通过MinIO存储图片，PostgreSQL管理元数据 +- 核心主题：Synology NAS上通过Docker部署MinIO对象存储 + Zipline图床 +- 问题域：如何自托管一个可用的图床解决方案，替代第三方图床服务 +- 方法/机制：DSM Docker UI创建MinIO/PostgreSQL/Zipline容器 → 配置存储桶和Token → n8n接入 +- 结论/价值：Synology NAS可作为自托管图床的基础设施，成本可控且完全可控 ## Key Claims -- 三容器架构：MinIO(9000/9001) + PostgreSQL + Zipline(3333) -- MinIO Bucket需设置为public才能直接访问图片 -- 使用mc命令行设置匿名访问：mc anonymous set public local/zipline-bucket -- Zipline初始化账号：admin + Abcd_1234 -- n8n通过API Token调用Zipline上传图片 -- 备份方案：pg_dump逻辑备份 + Hyper Backup增量归档 +- 架构：MinIO（9000 API，9001 Console）+ PostgreSQL（Zipline DB）+ Zipline（上传UI，3333端口） +- 文件持久化：/volume1/docker/zipline-stack/minio/minio_data防止NAS重启丢失 +- Zipline初始化需要API Token，配置到n8n实现自动化上传工作流 +- 支持通过Caddy或DSM反向代理实现HTTPS访问 ## Key Concepts -- [[自托管图床]]：MinIO+Zipline替代第三方图床 -- [[S3对象存储]]：MinIO实现S3协议兼容的对象存储 -- [[DockerCompose编排]]：多容器协同部署 +- [[MinIO]]：开源S3兼容对象存储 +- [[Zipline]]：开源图床应用 +- [[Synology Docker]]：群晖NAS的Docker管理界面 ## Key Entities -- [[SynologyNAS]]：192.168.3.17，NAS存储服务器 -- [[MinIO]]：S3兼容对象存储 -- [[Zipline]]：轻量图床应用 -- [[PostgreSQL]]：Zipline元数据库 +- [[Synology NAS]]：群晖NAS，NAS上的Docker主机 +- [[MinIO]]：对象存储服务 +- [[Zipline]]：图床应用 -## \ No newline at end of file +## Connections +- [[MinIO]] ← 对象存储 ← 图床架构 +- [[Zipline]] ← 上传UI ← 图床架构 +- [[Synology Docker]] ← 容器平台 ← 部署 + +## Contradictions +- 无明显冲突 diff --git a/wiki/sources/MySQL-MariaDB数据库信息.md b/wiki/sources/MySQL-MariaDB数据库信息.md new file mode 100644 index 00000000..e51e0db1 --- /dev/null +++ b/wiki/sources/MySQL-MariaDB数据库信息.md @@ -0,0 +1,36 @@ +--- +title: "MySQL MariaDB数据库详细信息" +type: source +tags: [mysql, mariadb, nas, database] +date: 2025-03-06 +--- + +## Source File +- [[raw/Home Office/MySQL MariaDB 数据库详细信息.md]] + +## Summary +- 核心主题：NAS上MySQL/MariaDB数据库的连接信息和管理 +- 问题域：内网和外网如何安全连接NAS上的MySQL数据库 +- 方法/机制：内网直连3307端口；外网通过frp映射到mysql.ishenwei.online:63307 +- 结论/价值：数据库内外网访问分离，安全性与便利性平衡 + +## Key Claims +- 内网访问：192.168.3.17:3307，用户名shenwei/root，密码!Abcde12345 +- 外网访问：mysql.ishenwei.online:63307，同账号密码 +- 同一数据库服务同时监听本地和远程端口 + +## Key Concepts +- [[MySQL]]：关系型数据库 +- [[MariaDB]]：MySQL兼容的分支数据库 +- [[数据库端口映射]]：通过frp实现外网访问内网数据库 + +## Key Entities +- [[NAS]]：192.168.3.17，运行MySQL/MariaDB +- [[MySQL]]：数据库服务 + +## Connections +- [[MySQL]] ← 运行在 ← NAS +- [[数据库端口映射]] ← 访问方式 ← 外网访问 + +## Contradictions +- 无明显冲突 diff --git a/wiki/sources/Nano-Banana-Pro-Prompting-Guide.md b/wiki/sources/Nano-Banana-Pro-Prompting-Guide.md index 716e14ff..c494cc71 100644 --- a/wiki/sources/Nano-Banana-Pro-Prompting-Guide.md +++ b/wiki/sources/Nano-Banana-Pro-Prompting-Guide.md @@ -1,7 +1,7 @@ --- -title: "Nano Banana Pro提示词指南与策略" +title: "Nano-Banana Pro Prompting Guide & Strategies" type: source -tags: [nano-banana, prompt, 图像生成, gemini] +tags: [nanobanana, gemini, prompting, 图像生成, ai] date: 2025-12-19 --- @@ -9,32 +9,34 @@ date: 2025-12-19 - [[raw/AI/Nano-Banana Pro Prompting Guide & Strategies 1.md]] ## Summary -- 核心主题：Google Nano Banana Pro图像生成模型的完整提示词工程指南 -- 问题域：如何有效使用Nano Banana Pro的文本渲染、角色一致性、视觉合成等功能 -- 方法/机制：10大最佳实践，从黄金法则到结构化控制，包含丰富的实战提示词模板 -- 结论/价值：Nano Banana Pro从"趣味性"图像生成转向"功能性"专业资产生产，需像创意总监一样与其对话 +- 核心主题：Nano-Banana Pro（Google图像生成模型）的完整提示词工程指南 +- 问题域：如何有效利用Nano-Banana Pro的文本渲染、角色一致性、视觉合成、世界知识和4K输出能力 +- 方法/机制：四大黄金法则 + 10个应用场景的最佳实践 +- 结论/价值：Nano-Banana Pro是"会思考"的模型，需要创意总监式提示而非标签堆砌 ## Key Claims -- Nano Banana Pro是"会思考"的模型，能理解意图、物理原理和构图 -- 黄金法则：编辑而非重新生成；用自然语言和完整句子；具体且有描述性；提供上下文 -- 支持最多14张参考图像的"身份锁定"功能 +- 黄金法则：①编辑而非重新生成（80%正确则只改20%）②自然语言完整句子 ③具体且有描述性 ④提供"为什么"或"为谁"的上下文 +- 文本渲染/信息图：支持SOTA文本渲染，可将PDF/密集文本压缩为视觉辅助工具 +- 角色一致性：支持14张参考图（6张高保真），实现"身份锁定"——将特定人物放入新场景 +- Google搜索锚定：结合实时数据减少幻觉，可视化天气、股票、新闻等动态信息 +- 2D↔3D转换：可将平面图转换为室内设计展示板，或将Meme转换为3D渲染 ## Key Quotes -> "Stop using 'tag soups' and start acting like a Creative Director." -> "If an image is 80% correct, do not generate a new one from scratch. Instead, simply ask for the specific change you need." +> "Nano-Banana Pro is a 'Thinking' model. It doesn't just match keywords; it understands intent, physics, and composition. To get the best results, stop using 'tag soups' and start acting like a Creative Director" — Google DevRel ## Key Concepts -- [[提示词框架]]：结构化描述图像生成需求的模板（物件描述、人物描述） -- [[身份锁定]]：保持角色面部特征一致性的技术 -- [[九宫格法]]：一次性生成多个分镜保证画面一致性 +- [[身份锁定]]：通过参考图保持人物/角色面部特征一致的能力 +- [[Nano Banana]]：Google的图像生成模型（Pro版本） +- [[文本渲染]]：Nano Banana Pro的SOTA能力之一 +- [[2D↔3D转换]]：平面图到3D可视化的转换能力 ## Key Entities -- [[NanoBanana]]：Google的图像生成模型 -- [[Google]]：开发商 +- [[Nano Banana]]：Google DeepMind图像生成模型 ## Connections -- [[NanoBanana]] ← 技术基础 ← [[Google]] -- [[提示词框架]] ← 应用 ← [[NanoBanana]] +- [[Nano Banana Pro]] ← 产品 ← [[Nano Banana]] +- [[身份锁定]] ← 核心能力 ← [[Nano Banana Pro]] +- [[文本渲染]] ← 核心能力 ← [[Nano Banana Pro]] ## Contradictions -- 无冲突 +- 与传统标签堆砌提示词对比：Nano Banana Pro需要创意总监式的结构化描述，而非关键词罗列 diff --git a/wiki/sources/Nano-Banana-Pro提示词指南-谷歌官方版.md b/wiki/sources/Nano-Banana-Pro提示词指南-谷歌官方版.md index 0679ab5f..cb7c98ae 100644 --- a/wiki/sources/Nano-Banana-Pro提示词指南-谷歌官方版.md +++ b/wiki/sources/Nano-Banana-Pro提示词指南-谷歌官方版.md @@ -1,7 +1,7 @@ --- title: "Nano Banana Pro提示词指南谷歌官方版" type: source -tags: [] +tags: [nanobanana, prompting, 图像生成, google, ai] date: 2025-12-18 --- @@ -9,35 +9,28 @@ date: 2025-12-18 - [[raw/AI/谷歌深夜甩出一份【Nano Banana Pro提示词指南】，手把手教你生产专业级内容，实战案例+提示词模版.md]] ## Summary -- 核心主题：Google 官方 Nano Banana Pro 完整提示词指南，涵盖 10 大应用场景 -- 问题域：如何利用 Nano Banana Pro 从"趣味性"图像生成转向"功能性"专业资产生产 -- 方法/机制：四大黄金法则（编辑而非重生成、自然语言完整句、具体描述、提供上下文）+ 10 大应用场景提示词模板 -- 结论/价值：Nano Banana Pro 是"会思考"的模型，理解意图、物理原理和构图，而非简单关键词匹配 +- 核心主题：Google官方Nano Banana Pro提示词完整指南，10大使用场景详解 +- 问题域：如何有效利用Nano Banana Pro的图像生成能力生产专业级内容 +- 方法/机制：创意总监式提示词方法论 + 分场景最佳实践 +- 结论/价值：Nano Banana Pro是"功能性"专业资产生产工具，需要有策略的提示词设计而非简单标签堆砌 ## Key Claims -- Nano Banana Pro 进化核心：意图理解引擎突破，具备物理规则推演、构图美学理解、语义上下文推理能力 -- 黄金法则一：编辑而非重新生成——图像 80% 正确时只需要求具体修改 -- 黄金法则二：使用自然语言和完整句子，像给人类艺术家做简报一样对话 -- 黄金法则三：具体且具有描述性，定义主体、场景、光线和氛围 -- 黄金法则四：提供上下文（"为什么"或"为谁"），帮助模型做出合乎逻辑的艺术决策 -- 十大应用场景：文本渲染/信息图、角色一致性、搜索锚定图像、高级编辑、2D↔3D 转换、高分辨率纹理、思考推理、一次性故事板、结构控制/布局引导 - -## Key Quotes -> "Nano Banana Pro 是一个'会思考'的模型。它不仅仅是匹配关键词；它能理解意图、物理原理和构图" — 核心定位 -> "要获得最佳效果，请停止使用'标签堆砌'，开始像创意总监一样思考" — 使用方法 +- Nano Banana Pro是思维模型，理解意图、物理原理和构图，而非简单关键词匹配 +- 黄金法则：编辑而非重新生成、使用自然语言完整句子、具体描述、提供上下文 +- 10大场景：文本渲染信息图、角色一致性、Google搜索锚定、高级编辑、2D↔3D转换、高分辨率纹理、思维推理、一次性故事板、结构控制与布局 +- 身份锁定技术：通过参考图保持人物面部特征一致，支持14张参考图 ## Key Concepts -- [[自然语言提示]]：使用完整句子和描述性形容词，而非标签堆砌的提示词方法 -- [[身份锁定]]：通过参考图像保持人物面部特征一致性的 Nano Banana Pro 技术 -- [[思维推理]]：Nano Banana Pro 在生成最终图像前先生成临时思考图像（不收费）的机制 +- [[Nano Banana]]：Google DeepMind图像生成模型 +- [[身份锁定]]：通过参考图保持人物一致性的能力 +- [[思维推理]]：Nano Banana Pro在生成前先进行中间推理图像优化构图 ## Key Entities -- [[NanoBanana]]：Google 官方图像生成模型，支持意图理解和物理规则推演 +- [[Nano Banana Pro]]：Google图像生成模型 ## Connections -- [[自然语言提示]] ← implements ← [[NanoBanana]] -- [[身份锁定]] ← implements ← [[NanoBanana]] -- [[思维推理]] ← implements ← [[NanoBanana]] +- [[Nano Banana Pro]] ← 产品 ← [[Nano Banana]] +- [[身份锁定]] ← 核心能力 ← [[Nano Banana Pro]] ## Contradictions -- 与传统"标签堆砌"式提示词冲突：本文主张自然语言和创意总监式思维 +- 与简单提示词对比：需要"创意总监式"结构化提示，而非标签堆砌 diff --git a/wiki/sources/NodeWarden-Bitwarden-Cloudflare-Workers.md b/wiki/sources/NodeWarden-Bitwarden-Cloudflare-Workers.md new file mode 100644 index 00000000..adcd29cb --- /dev/null +++ b/wiki/sources/NodeWarden-Bitwarden-Cloudflare-Workers.md @@ -0,0 +1,41 @@ +--- +title: "NodeWarden - 把Bitwarden搬上Cloudflare Workers" +type: source +tags: [bitwarden, cloudflare-workers, 无服务器, 密码管理] +date: 2026-02-22 +--- + +## Source File +- [[raw/Home Office/NodeWarden - 把 Bitwarden 搬上 Cloudflare Workers，彻底告别服务器.md]] + +## Summary +- 核心主题：NodeWarden——将Bitwarden服务器端运行在Cloudflare Workers上的无服务器方案 +- 问题域：如何彻底摆脱VPS，自托管Bitwarden密码管理 +- 方法/机制：Bitwarden客户端 → Cloudflare Workers（运行Wwarden服务端）→ Cloudflare KV（存储） +- 结论/价值：连VPS都不需要，Cloudflare Workers即可托管Bitwarden服务端 + +## Key Claims +- NodeWarden让你用Cloudflare Workers取代传统VPS来运行Bitwarden服务器端 +- 数据存储在Cloudflare KV（边缘键值存储） +- 支持自动填充、双因素认证等完整Bitwarden功能 +- 零服务器成本（Workers免费额度足够个人使用） + +## Key Quotes +> "部署 NodeWarden 之后的效果，就是在无服务器的情况下，也能在手机、电脑上使用 Bitwarden 客户端来保存密码了" — Appinn + +## Key Concepts +- [[Cloudflare Workers]]：边缘计算平台，可运行无服务器代码 +- [[Bitwarden]]：开源密码管理工具 +- [[无服务器密码管理]]：用边缘计算替代传统VPS托管 + +## Key Entities +- [[NodeWarden]]：将Bitwarden搬到Cloudflare Workers的项目 +- [[Cloudflare Workers]]：无服务器平台 +- [[Cloudflare KV]]：边缘键值存储 + +## Connections +- [[NodeWarden]] ← 实现方案 ← Bitwarden自托管 +- [[Cloudflare Workers]] ← 托管平台 ← Bitwarden服务端 + +## Contradictions +- 与传统VPS自托管Bitwarden对比：无需VPS，成本更低，但功能可能有所限制 diff --git a/wiki/sources/Ollama-DeepSeek-OpenWebUI-离线部署大模型.md b/wiki/sources/Ollama-DeepSeek-OpenWebUI-离线部署大模型.md index ce31453c..9d918414 100644 --- a/wiki/sources/Ollama-DeepSeek-OpenWebUI-离线部署大模型.md +++ b/wiki/sources/Ollama-DeepSeek-OpenWebUI-离线部署大模型.md @@ -1,7 +1,7 @@ --- title: "Ollama+DeepSeek+OpenWebUI离线部署大模型" type: source -tags: [ollama, deepseek, open-webui, 本地部署] +tags: [ollama, deepseek, open-webui, 部署, 本地大模型] date: 2025-03-14 --- @@ -9,30 +9,33 @@ date: 2025-03-14 - [[raw/AI/详细！离线部署大模型：ollama+deepseek+open-webui安装使用方法及常见问题解决 1.md]] ## Summary -- 核心主题：Ollama+DeepSeek+OpenWebUI的本地大模型部署完整指南 -- 问题域：如何在本地环境离线部署大模型，确保数据隐私 -- 方法/机制：Ollama作为推理框架，DeepSeek作为模型，OpenWebUI作为可视化界面 -- 结论/价值：本地部署可实现免费离线使用LLM，同时保障数据隐私 +- 核心主题：使用Ollama + DeepSeek + OpenWebUI在本地/内网部署大模型的完整指南 +- 问题域：如何在离线或内网环境中部署和使用大语言模型 +- 方法/机制：Ollama安装 → DeepSeek模型拉取/导入 → OpenWebUI可视化界面部署 → API配置 +- 结论/价值：Ollama提供极简本地LLM部署方案，OpenWebUI提供友好的Web界面，支持API调用和RAG知识库 ## Key Claims -- Ollama支持多平台（macOS/Windows/Linux/Docker） -- DeepSeek-R1各版本硬件要求：1.5B需4GB RAM，7B需16GB RAM+14GB显存 -- OpenWebUI提供纯浏览器访问的Web界面 +- Ollama硬件要求：1.5B模型需要4GB RAM，7B需要16GB RAM，32B需要64GB RAM；最佳配置为有独立显卡4GB+显存 +- Ollama支持从HF（ HuggingFace）和魔塔社区直接下载第三方模型 +- Ollama支持通过Modelfile从本地GGUF文件导入模型 +- OpenWebUI支持聊天机器人、本地知识库、图像生成等丰富功能 +- Docker部署Ollama可实现便捷的启停管理 ## Key Concepts -- [[本地部署]]：在本地环境运行AI模型 -- [[Ollama]]：本地LLM推理框架 -- [[Open-Webui]]：Ollama的可视化Web界面 +- [[Ollama]]：开源本地大语言模型运行框架 +- [[OpenWebUI]]：开源Web UI for LLM，支持Ollama等后端 +- [[离线部署]]：在内网/无外网环境下部署LLM的方案 +- [[Modelfile]]：Ollama的模型定义文件格式 ## Key Entities -- [[Ollama]]：本地大模型运行框架 -- [[DeepSeek]]：开源推理模型 -- [[Open-Webui]]：开源Web UI +- [[Ollama]]：本地LLM运行框架 +- [[DeepSeek]]：可本地运行的模型 +- [[OpenWebUI]]：Web UI界面 ## Connections -- [[Ollama]] ← 推理框架 ← [[DeepSeek]] -- [[Open-Webui]] ← 可视化 ← [[Ollama]] -- [[DeepSeek]] ← 模型 ← Ollama集成 +- [[Ollama]] ← 运行时 ← 本地LLM部署 +- [[OpenWebUI]] ← 界面层 ← 本地LLM部署 +- [[离线部署]] ← 部署方式 ← [[Ollama]] ## Contradictions -- 无冲突 +- 无明显冲突 diff --git a/wiki/sources/RAX50-Merlin-Clash订阅更新.md b/wiki/sources/RAX50-Merlin-Clash订阅更新.md new file mode 100644 index 00000000..5eeb300b --- /dev/null +++ b/wiki/sources/RAX50-Merlin-Clash订阅更新.md @@ -0,0 +1,36 @@ +--- +title: "RAX50路由器更新Merlin Clash订阅" +type: source +tags: [rax50, merlin-clash, 路由器, clash, 科学上网] +date: 2026-03-04 +--- + +## Source File +- [[raw/Home Office/RAX50 路由器 更新Merlin Clash订阅.md]] + +## Summary +- 核心主题：在RAX50路由器（刷Merlin Clash固件）上更新科学上网订阅 +- 问题域：如何将VLESS URL订阅链接更新到路由器实现全局科学上网 +- 方法/机制：复制VLESS URL → 粘贴到小白一键订阅助手 → 保存并启动配置 +- 结论/价值：路由器层面实现科学上网，设备无需单独配置代理 + +## Key Claims +- RAX50刷Merlin Clash固件后，通过Web界面管理科学上网 +- VLESS URL复制到订阅助手，重命名配置文件（如kiwi3） +- 选择新建配置文件 → 保存&启动 → 快速重启（如有必要） + +## Key Concepts +- [[Merlin Clash]]：梅林固件上的Clash代理客户端 +- [[VLESS]]：轻量级代理协议 +- [[路由器科学上网]]：在路由器层面实现全局代理 + +## Key Entities +- [[RAX50]]：Netgear路由器型号 +- [[Merlin Clash]]：路由器固件上的代理客户端 + +## Connections +- [[Merlin Clash]] ← 运行在 ← RAX50 +- [[路由器科学上网]] ← 实现方式 ← Merlin Clash + +## Contradictions +- 无明显冲突 diff --git a/wiki/sources/Sora视频自动化生成工作流.md b/wiki/sources/Sora视频自动化生成工作流.md index 0348e343..4806b094 100644 --- a/wiki/sources/Sora视频自动化生成工作流.md +++ b/wiki/sources/Sora视频自动化生成工作流.md @@ -1,8 +1,8 @@ --- title: "Sora视频自动化生成工作流" type: source -tags: [sora, 视频生成, n8n, workflow] -date: 2026-01-20 +tags: [sora, 视频生成, n8n, workflow, ai] +date: 2025-03-06 --- ## Source File @@ -10,26 +10,29 @@ date: 2026-01-20 ## Summary - 核心主题：通过Sora API实现视频生成的全自动化工作流 -- 问题域：如何低成本、高效率地批量生成SR（声视频）内容 -- 方法/机制：使用n8n工作流串联Sora API，实现从文本到视频的自动化 -- 结论/价值：Sora API成本低于OpenAI，适合自媒体内容创作 +- 问题域：如何低成本、高效率地批量生成SR（声视频）内容用于自媒体创作 +- 方法/机制：亚马逊云注册 → API密钥创建 → Sora API调用 → n8n工作流编排 +- 结论/价值：Sora生成视频成本仅2-3元人民币，远低于市场价六分之一 ## Key Claims -- Sora API成本约为OpenAI的1/6 -- 新用户注册可获200美元抵扣金 -- 提示词优化是提升生成质量的关键 +- 亚马逊云新用户注册可获200美元抵扣金和六个月免费试用 +- Sora API支持无水印视频生成，费用仅2-3元人民币/条 +- 故事板功能支持创建分镜脚本和场景效果 +- 使用n8n编排自动化工作流 +- 肖像权使用需获得对方同意并遵守法规 ## Key Concepts -- [[工作流自动化]]：使用n8n串联多个服务实现自动化 -- [[视频生成]]：AI根据文本描述生成视频内容 - -## Key Entities - [[Sora]]：OpenAI的视频生成模型 - [[n8n]]：开源工作流自动化平台 +- [[视频生成工作流]]：文本转视频的自动化编排 + +## Key Entities +- [[Sora]]：OpenAI视频生成工具 +- [[n8n]]：工作流自动化平台 ## Connections -- [[工作流自动化]] ← 工具 ← [[n8n]] -- [[视频生成]] ← 技术 ← [[Sora]] +- [[Sora]] ← 视频源 ← 视频生成工作流 +- [[n8n]] ← 编排层 ← 视频生成工作流 ## Contradictions -- 无冲突 +- 无明显冲突 diff --git a/wiki/sources/Synology-NAS媒体平台搭建.md b/wiki/sources/Synology-NAS媒体平台搭建.md index fc238ab6..32a6b883 100644 --- a/wiki/sources/Synology-NAS媒体平台搭建.md +++ b/wiki/sources/Synology-NAS媒体平台搭建.md @@ -1,42 +1,41 @@ --- -title: "Synology NAS媒体平台搭建" +title: "Synology NAS + Xiaoya + Alist + CloudDrive2 + Plex 媒体平台" type: source -tags: [Synology, Plex, Xiaoya, Alist, CloudDrive2] -date: 2025-02-23 +tags: [synology, nas, plex, alist, xiaoya, 媒体] +date: 2025-03-06 --- ## Source File - [[raw/Home Office/Synology NAS + Xiaoya Alist + CloudDrvie2+ Plex to Build Media Platform.md]] ## Summary -- 核心主题：Synology NAS搭建完整家庭媒体平台（Plex + Xiaoya Alist + CloudDrive2） -- 问题域：整合阿里云盘资源与本地NAS存储，通过Plex统一播放 -- 方法/机制：Plex媒体服务器 + Xiaoya阿里云盘资源列表 + CloudDrive2挂载 + Plex视频刮削 -- 结论/价值：完整的家庭影视解决方案，支持客厅/卧室多设备播放 +- 核心主题：Synology NAS上搭建完整媒体平台（Xiaoya + Alist + CloudDrive2 + Plex） +- 问题域：如何整合多个云存储和本地NAS构建统一媒体播放平台 +- 方法/机制：Plex安装 → Xiaoya（阿里云盘挂载）→ Alist（聚合云盘）→ CloudDrive2（网盘同步） +- 结论/价值：本地Plex + 云端存储 = 无限容量的私人媒体库 ## Key Claims -- Plex安装：群晖套件中心直接安装，账号ishenwei@hotmail.com -- 客户端：当贝盒子安装最新Plex APK，华为老盒子(Android 5.0)用v10.5.0 -- Xiaoya安装：NAS的Container Manager无法直接pull镜像，通过其他机器docker save再load导入 -- CloudDrive2安装：矿神源安装，DSM 7+需执行sudo sed -i 's/package/root/g' /var/packages/CloudDrive2/conf/privilege -- 阿里云盘授权：仅授权资源目录，不授权备份目录 -- 媒体策略：Xiaoya选择视频 → 移动到aliyun-movie/aliyun-tvshows目录 → Plex刮削 +- Plex Media Server：群晖套件中心直接安装，支持多设备客户端 +- Xiaoya：阿里云盘TV版应用，支持直接播放阿里云盘内容 +- Alist：聚合多个云存储在一个Web界面 +- CloudDrive2：将网盘内容同步/挂载到本地文件系统 +- Plex账号：ishenwei@hotmail.com（Apple ID登录） ## Key Concepts -- [[家庭媒体平台]]：Plex+Xiaoya+CloudDrive2整合方案 -- [[Docker镜像迁移]]：通过tar文件在NAS间迁移镜像 -- [[视频刮削]]：Plex自动识别整理视频元数据 +- [[Plex]]：媒体服务器软件 +- [[Xiaoya]]：阿里云盘TV版 +- [[Alist]]：云存储聚合工具 +- [[CloudDrive2]]：网盘挂载工具 ## Key Entities -- [[SynologyNAS]]：192.168.3.17，媒体平台宿主 +- [[Synology NAS]]：群晖NAS，媒体平台宿主 - [[Plex]]：媒体服务器 -- [[Xiaoya]]：阿里云盘资源列表工具 -- [[CloudDrive2]]：阿里云盘挂载工具 -- [[Alist]]：网盘聚合工具 +- [[Xiaoya]]：阿里云盘应用 ## Connections -- [[Synology-NAS媒体平台搭建]] ← implements ← [[家庭媒体平台]] -- [[家庭媒体平台]] ← depends_on ← [[Plex]], [[Xiaoya]], [[CloudDrive2]] +- [[Plex]] ← 媒体服务 ← 媒体平台 +- [[Alist]] ← 存储聚合 ← 媒体平台 +- [[CloudDrive2]] ← 网盘挂载 ← 媒体平台 ## Contradictions -- 无冲突 +- 无明显冲突 diff --git a/wiki/sources/Ubuntu-24-enable-SSH.md b/wiki/sources/Ubuntu-24-enable-SSH.md new file mode 100644 index 00000000..0777a98b --- /dev/null +++ b/wiki/sources/Ubuntu-24-enable-SSH.md @@ -0,0 +1,37 @@ +--- +title: "Ubuntu 24.04 enable SSH" +type: source +tags: [ubuntu, ssh, 运维] +date: 2025-03-06 +--- + +## Source File +- [[raw/Home Office/Ubuntu 24.04 enable SSH.md]] + +## Summary +- 核心主题：Ubuntu 24.04中启用SSH服务的步骤 +- 问题域：Ubuntu 24.04默认使用ssh.socket激活机制，与旧版本不同 +- 方法/机制：安装openssh-server → systemctl start ssh → systemctl enable ssh +- 结论/价值：Ubuntu 24.04的SSH启用方式与旧版本略有不同，需注意socket activation机制 + +## Key Claims +- Ubuntu 24.04默认使用ssh.socket（按需启动），非传统sshd守护进程 +- 安装命令：sudo apt update && sudo apt install openssh-server -y +- 启动命令：sudo systemctl start ssh +- 开机自启：sudo systemctl enable ssh +- 若status显示inactive别慌，这是socket activation的正常表现 + +## Key Concepts +- [[SSH]]：[TODO] 安全外壳协议 +- [[socket activation]]：Ubuntu 24.04的按需启动机制 +- [[openssh-server]]：SSH服务端软件 + +## Key Entities +- [[Ubuntu]]：24.04 Server操作系统 + +## Connections +- [[SSH]] ← 远程访问协议 ← Ubuntu +- [[socket activation]] ← 启动机制 ← Ubuntu 24.04 SSH + +## Contradictions +- 与旧版Ubuntu SSH管理对比：旧版直接启动sshd，24.04默认使用socket activation按需启动 diff --git a/wiki/sources/Ubuntu-FRP安装配置.md b/wiki/sources/Ubuntu-FRP安装配置.md new file mode 100644 index 00000000..155cba78 --- /dev/null +++ b/wiki/sources/Ubuntu-FRP安装配置.md @@ -0,0 +1,38 @@ +--- +title: "Ubuntu安装FRP 0.65.0（x86_64）操作笔记" +type: source +tags: [frp, frpc, ubuntu, 内网穿透] +date: 2025-03-06 +--- + +## Source File +- [[raw/Home Office/Ubuntu 安装 FRP 0.65.0（x86_64）操作笔记.md]] + +## Summary +- 核心主题：Ubuntu Server 24.04上安装配置FRP内网穿透客户端 +- 问题域：Ubuntu上FRP通过systemd --user管理，需要linger授权实现用户级服务 +- 方法/机制：下载amd64版本 → 配置frpc.toml → systemd --user管理 → loginctl enable-linger +- 结论/价值：Ubuntu上FRP通过systemd --user实现开机自启，比直接nohup更可靠 + +## Key Claims +- FRP版本：0.65.0，CPU架构：x86_64 (amd64)，安装路径：/opt/frp/frp_0.65.0_linux_amd64 +- systemd --user服务文件：~/.config/systemd/user/frpc.service +- 必须执行loginctl enable-linger让用户级服务在登录前也能运行 +- 重启命令：systemctl --user restart frpc +- 查看状态：systemctl --user status frpc + +## Key Concepts +- [[FRP]]：[TODO] 内网穿透工具 +- [[systemd --user]]：用户级systemd服务管理 +- [[linger]]：让用户级服务在非登录状态下也能运行的机制 + +## Key Entities +- [[Ubuntu]]：24.04 Server操作系统 +- [[FRP]]：内网穿透工具 + +## Connections +- [[FRP]] ← 运行在 ← Ubuntu +- [[systemd --user]] ← 服务管理 ← FRP（Ubuntu） + +## Contradictions +- 与macOS launchd管理FRP对比：Ubuntu用systemd --user，macOS用launchd diff --git a/wiki/sources/Ubuntu-Server科学上网配置.md b/wiki/sources/Ubuntu-Server科学上网配置.md index 0660109f..d6233599 100644 --- a/wiki/sources/Ubuntu-Server科学上网配置.md +++ b/wiki/sources/Ubuntu-Server科学上网配置.md @@ -1,39 +1,37 @@ --- -title: "Ubuntu Server科学上网配置" +title: "Ubuntu Server科学上网" type: source -tags: [Ubuntu, 科学上网, Docker, Proxychains] -date: 2025-03-14 +tags: [ubuntu, v2rayn, proxychains, 科学上网, docker] +date: 2025-12-29 --- ## Source File - [[raw/Home Office/Ubuntu Server科学上网.md]] ## Summary -- 核心主题：Ubuntu Server配置V2RayN代理及各类工具代理 -- 问题域：终端命令/Docker/Git在Ubuntu上的科学上网配置 -- 方法/机制：ProxyChains终端代理 + Git全局配置 + Docker Daemon代理 + 容器内代理 -- 结论/价值：完整的Ubuntu科学上网配置方案 +- 核心主题：Ubuntu Server上配置V2RayN代理实现科学上网 +- 问题域：如何在无图形界面的服务器上通过代理访问外网 +- 方法/机制：安装V2RayN → 配置proxychains → curl测试 → Docker代理配置 +- 结论/价值：服务器端代理配置比桌面端更复杂，需要注意DNS和代理协议配置 ## Key Claims -- 代理测试：curl -x socks5h://127.0.0.1:10808 -v https://www.google.com -- ProxyChains：/etc/proxychains4.conf添加socks5 127.0.0.1 10808 -- Git代理：git config --global http.proxy 'socks5://127.0.0.1:10808' -- Docker Daemon代理：/etc/systemd/system/docker.service.d/http-proxy.conf -- 容器内代理：docker-compose.yml加environment: ALL_PROXY=socks5://172.24.0.1:10808 -- Docker网桥网关：ip route | awk '/default/ { print $3 }' -- ~/.docker/config.json配置：所有容器自动继承代理 +- V2RayN在服务器上通过命令行运行，参考3X-UI Xray安装 +- curl测试代理：curl -x socks5h://127.0.0.1:10808 -v https://www.google.com +- -x socks5h://的h表示让代理服务器解析域名，防止DNS污染 +- Docker代理配置：/etc/systemd/system/pkg-ContainerManager-dockerd.service.d/http-proxy.conf ## Key Concepts -- [[科学上网配置]]：多层次代理配置（终端/Git/Docker/容器） -- [[ProxyChains]]：让不支持代理的命令走SOCKS5 -- [[Docker容器代理]]：Daemon级和容器级代理配置 +- [[V2RayN]]：[TODO] 代理客户端 +- [[proxychains]]：强制特定程序走代理的工具 +- [[SOCKS5代理]]：一种代理协议 ## Key Entities -- [[Ubuntu]]：Linux服务器 -- [[V2RayN]]：SOCKS5代理服务（端口10808） +- [[V2RayN]]：代理客户端 +- [[Ubuntu]]：服务器操作系统 ## Connections -- [[Ubuntu-Server科学上网配置]] ← documents ← [[科学上网配置]] +- [[V2RayN]] ← 代理客户端 ← 科学上网 +- [[proxychains]] ← 代理强制工具 ← Ubuntu ## Contradictions -- 无冲突 +- 无明显冲突 diff --git a/wiki/sources/build-your-own-x.md b/wiki/sources/build-your-own-x.md index 04c8338c..22679d74 100644 --- a/wiki/sources/build-your-own-x.md +++ b/wiki/sources/build-your-own-x.md @@ -1,7 +1,7 @@ --- title: "Build Your Own X" type: source -tags: [编程, 学习, github, 教程] +tags: [github, 学习, 编程, 教程, codecrafters] date: 2026-01-01 --- @@ -9,29 +9,30 @@ date: 2026-01-01 - [[raw/AI/codecrafters-iobuild-your-own-x Master programming by recreating your favorite technologies from scratch.md]] ## Summary -- 核心主题：Build Your Own X——通过从零重建喜爱的技术来精通编程 -- 问题域：如何通过动手实现而非仅仅使用来深入理解技术原理 -- 方法/机制：提供分步骤指南，涵盖3D渲染器、区块链、数据库、Docker、操作系统等25+领域 -- 结论/价值：实践出真知——"我不能创造的，我就不理解" +- 核心主题：Build Your Own X项目——通过从零重建喜爱技术来精通编程 +- 问题域：如何通过动手重建而非被动学习来深入理解技术原理 +- 方法/机制：汇集300+优质分步指南，覆盖3D渲染、区块链、数据库、Docker、操作系统等26个领域 +- 结论/价值：Feynman原则——"我不能创造的东西，我不理解"；重建是最佳学习方式 ## Key Claims -- 涵盖25+领域：3D Renderer、区块链、Bot、数据库、Docker、游戏、Git、神经网络、操作系统、编程语言等 -- 每个领域提供多语言实现版本 -- codecrafters.io提供交互式编程挑战 +- 项目涵盖26个技术领域：3D Renderer、Augmented Reality、BitTorrent Client、区块链、Bot、CLI工具、数据库、Docker、模拟器/虚拟机、前端框架、游戏、Git、网络栈、神经网络、操作系统、物理引擎、编程语言、Regex引擎、搜索引擎、Shell、模板引擎、文本编辑器、视觉识别、Voxel引擎、Web浏览器、Web服务器 +- Codecrafters提供"边做边学"平台，通过重建真实技术来掌握编程 +- 涵盖多种编程语言（C++、Python、JavaScript、Go、Rust等） ## Key Quotes -> "What I cannot create, I do not understand." — Richard Feynman +> "What I cannot create, I do not understand — Richard Feynman" — 项目引言 ## Key Concepts -- [[BYOX]]：Build Your Own X的学习方法论 -- [[从零实现]]：通过重建技术来深入理解原理 +- [[BYOX]]：Build Your Own X，通过重建技术来学习的范式 +- [[主动学习]]：通过创造而非消费来理解原理 ## Key Entities -- [[codecrafters]]：提供编程挑战的教育平台 -- [[Richard Feynman]]：名言来源 +- [[Codecrafters]]：提供"边做边学"编程练习的平台 +- [[Build-Your-Own-X]]：GitHub项目，汇集300+重建技术教程 ## Connections -- [[BYOX]] ← 方法论 ← [[codecrafters]] +- [[BYOX]] ← 学习范式 ← 软件工程 +- [[Codecrafters]] ← 平台 ← 编程学习 ## Contradictions -- 无冲突 +- 无明显冲突 diff --git a/wiki/sources/designing-for-agentic-ai.md b/wiki/sources/designing-for-agentic-ai.md index 779fe517..d0de6239 100644 --- a/wiki/sources/designing-for-agentic-ai.md +++ b/wiki/sources/designing-for-agentic-ai.md @@ -1,7 +1,7 @@ --- title: "Designing for Agentic AI" type: source -tags: [agentic-ai, design, product] +tags: [agentic-ai, 设计, 产品, ai] date: 2025-03-02 --- @@ -9,32 +9,35 @@ date: 2025-03-02 - [[raw/AI/Designing for Agentic AI.md]] ## Summary -- 核心主题：Agentic AI的产品设计最佳实践 -- 问题域：如何设计能主动行动、预测需求、实时反馈的AI产品 -- 方法/机制：5大设计原则（透明度、控制权、个性化、对话、预判）构建用户信任 -- 结论/价值：Agentic AI从"响应用户"转向"主动服务"，但需保持用户控制感和理解权 +- 核心主题：Agentic AI（主动式AI）的产品设计原则与最佳实践 +- 问题域：如何设计能主动决策、预测需求并自主行动的AI系统用户体验 +- 方法/机制：五大设计原则——透明度、控制权、个性化、对话、预判 +- 结论/价值：Agentic AI需要全新的设计范式，从"响应式界面"转向"实时反馈式体验" ## Key Claims -- GenAI擅长创作内容，Agentic AI擅长执行行动、做出决策 -- Agentic AI引入"主动代理"维度，需提供实时反馈机制而非仅响应点击 -- 5大设计原则：透明度、控制权、个性化、对话、预判 +- GenAI（生成式AI）vs Agentic AI：GenAI是创意助手，Agentic AI是能主动行动的个人代理 +- Agentic AI引入了新维度：主动型AI能预测需求并自主行动 +- 五大设计原则：透明度（可视化AI决策过程）、控制权（允许停止/撤销）、个性化（适应用户偏好）、对话（自然语言交互）、预判（主动提供帮助） +- 用户通过观察AI决策过程实现"被动参与"——评估和潜在干预都是交互形式 ## Key Quotes -> "Instead of just reacting to user actions, we're crafting experiences that provide live feedback as the AI operates." — 设计范式转移 -> "Users should always feel in control of the AI." — 核心设计原则 +> "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/LinkedIn ## Key Concepts -- [[Agentic AI]]：能主动行动、预测需求、与环境交互的AI系统 -- [[GenAI]]：擅长生成内容的生成式AI -- [[人机协作]]：用户通过观察AI决策过程进行交互 +- [[Agentic AI]]：能主动决策、预测需求并自主行动的AI系统 +- [[透明度原则]]：用户应能理解AI如何做决策 +- [[控制权原则]]：用户应能随时停止AI任务或撤销操作 +- [[预判设计]]：AI应能预测用户需求并主动提供帮助 ## Key Entities -- [[GenAI]]：生成式AI -- [[Agentic AI]]：主动式AI +- [[GenAI]]：生成式AI（用于对比） +- [[Agentic AI]]：主动式AI（本文主题） ## Connections -- [[Agentic AI]] ← 扩展 ← [[GenAI]] -- [[Agentic AI]] ← 需要 ← 透明度、控制权、个性化、对话、预判 +- [[Agentic AI]] ← 设计对象 ← 产品设计 +- [[透明度原则]] ← 设计原则 ← [[Agentic AI]] +- [[控制权原则]] ← 设计原则 ← [[Agentic AI]] +- [[预判设计]] ← 设计原则 ← [[Agentic AI]] ## Contradictions -- 无冲突 +- 与传统UI设计对比：传统UI响应用户输入，Agentic AI需要实时反馈式体验设计 diff --git a/wiki/sources/macOS-Symbolic-Link创建.md b/wiki/sources/macOS-Symbolic-Link创建.md new file mode 100644 index 00000000..1bb491f5 --- /dev/null +++ b/wiki/sources/macOS-Symbolic-Link创建.md @@ -0,0 +1,33 @@ +--- +title: "macOS创建与解除Symbolic Link" +type: source +tags: [symbolic-link, macos, obsidian, openclaw] +date: 2025-03-06 +--- + +## Source File +- [[raw/Home Office/macOS 创建与解除 Symbolic Link（OpenClaw 目录映射）.md]] + +## Summary +- 核心主题：macOS上创建符号链接将OpenClaw隐藏目录映射为普通目录 +- 问题域：OpenClaw使用~/.openclaw隐藏目录，无法在Finder或Obsidian中直接访问 +- 方法/机制：ln -s创建符号链接 ~/openclaw → ~/.openclaw的双向映射 +- 结论/价值：符号链接让OpenClaw和Obsidian访问同一份数据，各取所需 + +## Key Claims +- OpenClaw默认目录：~/.openclaw（隐藏） +- 符号链接：ln -s /Users/weishen/.openclaw /Users/weishen/openclaw +- 创建后OpenClaw继续使用~/.openclaw，Obsidian使用~/openclaw访问同一份数据 +- 解除命令：unlink ~/openclaw + +## Key Concepts +- [[Symbolic Link]]：符号链接/软链接，Unix系统的目录映射机制 +- [[隐藏目录映射]]：将隐藏目录暴露为普通可见目录 + +## Key Entities + +## Connections +- [[Symbolic Link]] ← 技术手段 ← OpenClaw目录映射 + +## Contradictions +- 无明显冲突 diff --git a/wiki/sources/multi-agent-system-reliability.md b/wiki/sources/multi-agent-system-reliability.md index d2cd93a8..ab455b5d 100644 --- a/wiki/sources/multi-agent-system-reliability.md +++ b/wiki/sources/multi-agent-system-reliability.md @@ -1,7 +1,7 @@ --- title: "Multi-Agent System Reliability" type: source -tags: [multi-agent, reliability, architecture] +tags: [multi-agent, 可靠性, llm, architecture] date: 2026-04-13 --- @@ -9,38 +9,40 @@ date: 2026-04-13 - [[raw/AI/Multi-Agent System Reliability.md]] ## Summary -- 核心主题：提高多智能体系统可靠性的4种架构模式 -- 问题域：LLM的随机性、幻觉、上下文漂移导致多Agent系统可靠性下降 -- 方法/机制：Hierarchy（规划-执行-验证）、Consensus（投票）、Adversarial Debate（对抗辩论）、Knock-out（淘汰制） -- 结论/价值：停止要求模型"小心"，开始强制模型"正确"——将LLM视为不可靠组件而非智能体 +- 核心主题：提高多智能体系统可靠性的四大架构模式 +- 问题域：LLM固有的不可靠性（幻觉、逻辑谬误、上下文漂移）如何在多智能体拓扑中传播并被控制 +- 方法/机制：等级制度（Hierarchy）、共识投票（Consensus）、对抗性辩论（Adversarial Debate）、淘汰制（Knock-out） +- 结论/价值：从"AI原型"到"企业级AI"的关键转变：停止将LLM当魔法聊天机器人，开始将其视为分布式系统中不可靠的组件 ## Key Claims -- LLMs是随机性的，单一答案只是概率分布 -- 3个模型同时出现相同幻觉的概率为0.8%（0.2³） -- 4种模式：Hierarchy（规划→执行→验证）、Consensus（多数投票）、Adversarial（生成器vs批评者）、Knock-out（最差者淘汰） -- 不要拟人化LLM——LLM不会死亡或挨饿，无法真正受到威胁 +- 等级制度（Hierarchy）：Planner分解任务，Worker执行，Validator验证，通过依赖图强制协作 +- 共识投票（Consensus）：N个LLM独立执行同一任务，选多数票；3个模型同时产生相同幻觉概率仅0.8% +- 对抗性辩论（Adversarial Debate）：Generator提方案，Critic攻击，Judge裁决；用外部批评者模拟"恐惧" +- 淘汰制（Knock-out）：N个Agent竞争，验证器决定淘汰谁；LLM Agent是"cattle not pets" +- 核心原则：构建稳健系统需停止要求模型"小心"，开始强制它"正确" ## Key Quotes -> "Don't anthropomorphize LLMs! Find a way to piggy back on their human-corpus training while being aware of their non-biological differences." -> "We don't need AI that 'cares.' We need AI that is constrained, verified, pruned, and challenged." +> "To build robust systems, we need to stop asking the model to 'be careful' and start forcing it to be correct" — Alex Ewerlöf +> "Don't anthropomorphize LLMs! Find a way to piggy back on their human-corpus training while being aware of their non-biological differences" — Alex Ewerlöf ## Key Concepts -- [[多Agent可靠性模式]]：Hierarchy、Consensus、Adversarial Debate、Knock-out四大架构 -- [[共识投票]]：利用多数投票抵消单一模型的随机噪声 -- [[对抗式辩论]]：生成器提出方案，批评者攻击，裁判评判 -- [[淘汰制]]：最差Agent被淘汰，适者生存 -- [[层级结构]]：规划器分配任务，工作器执行，验证器检查 +- [[多Agent可靠性模式]]：等级制度、共识投票、对抗性辩论、淘汰制四种架构模式 +- [[共识投票]]：多数票机制降低LLM幻觉概率 +- [[对抗性辩论]]：用外部批评者模拟恐惧感，避免模型自我中心 +- [[淘汰制]]：对待LLM Agent如"cattle"（可替换）而非"pets"（独特珍贵） +- [[依赖图强制协作]]：Planner→Worker→Validator顺序执行，Worker必须等待Planner输入 ## Key Entities -- [[Alex Ewerlöf]]：作者，资深工程师 -- [[Anthropic]]：Claude模型的发布者 +- [[Alex Ewerlöf]]：作者，27年经验的资深工程师，可靠性工程专家 +- [[LLM]]：多智能体系统的底层不可靠组件 ## Connections -- [[多Agent可靠性模式]] ← 架构基础 ← [[Alex Ewerlöf]] -- [[共识投票]] ← 模式 ← [[多Agent可靠性模式]] -- [[对抗式辩论]] ← 模式 ← [[多Agent可靠性模式]] -- [[淘汰制]] ← 模式 ← [[多Agent可靠性模式]] -- [[层级结构]] ← 模式 ← [[多Agent可靠性模式]] +- [[多Agent可靠性模式]] ← 核心主题 ← 可靠性工程 +- [[等级制度]] ← 模式1 ← [[多Agent可靠性模式]] +- [[共识投票]] ← 模式2 ← [[多Agent可靠性模式]] +- [[对抗性辩论]] ← 模式3 ← [[多Agent可靠性模式]] +- [[淘汰制]] ← 模式4 ← [[多Agent可靠性模式]] ## Contradictions -- 无冲突 +- 与传统单LLM使用对比：单LLM依赖模型自身可靠性；多智能体通过架构模式引入冗余和验证机制 +- 与拟人化LLM谬误对比：不应将LLM视为有情感和恐惧的实体，而应视为不可靠但可优化的组件 diff --git a/wiki/sources/n8n-AI-Agent完整教程2025.md b/wiki/sources/n8n-AI-Agent完整教程2025.md new file mode 100644 index 00000000..76f16bb9 --- /dev/null +++ b/wiki/sources/n8n-AI-Agent完整教程2025.md @@ -0,0 +1,40 @@ +--- +title: "n8n Full Tutorial Building AI Agents in 2025" +type: source +tags: [n8n, ai-agent, tutorial, 2025] +date: 2025-03-06 +--- + +## Source File +- [[raw/Agent/n8n full tutorial building AI agents in 2025 for Beginners!.md]] + +## Summary +- 核心主题：2025年n8n构建AI Agent的完整教程，面向零基础学员 +- 问题域：n8n平台如何构建可自动执行任务的AI Agent +- 方法/机制：从定义目标、收集信息、决策逻辑到执行动作的完整Agent循环 +- 结论/价值：n8n降低了AI Agent的门槛，无需编程背景也能构建自动化AI工作流 + +## Key Claims +- Workflow（工作流）是预定义自动化，Agent是能自主决策的系统 +- AI Agent循环：定义目标 → 收集信息 → 做决策 → 执行动作 → 评估结果 +- n8n的AI Agent支持与多种工具集成（邮件、日历、数据库、Slack等） +- Claude等LLM作为Agent的"大脑"，n8n提供工具调用和执行框架 + +## Key Quotes +> "Workflows follow predefined paths; agents make decisions autonomously" — 教程定义 + +## Key Concepts +- [[AI Agent]]：能自主决策并执行动作的系统 +- [[Workflow]]：预定义路径的自动化 +- [[n8n AI Agent]]：n8n平台上的AI Agent构建框架 + +## Key Entities +- [[n8n]]：工作流自动化平台 +- [[Claude]]：作为Agent大脑的LLM + +## Connections +- [[AI Agent]] ← 核心概念 ← n8n教程 +- [[n8n AI Agent]] ← 产品 ← n8n + +## Contradictions +- 与传统工作流自动化对比：工作流是预定义路径，Agent是自主决策系统 diff --git a/wiki/sources/n8n-Claude自然语言自动化.md b/wiki/sources/n8n-Claude自然语言自动化.md new file mode 100644 index 00000000..36e2bc93 --- /dev/null +++ b/wiki/sources/n8n-Claude自然语言自动化.md @@ -0,0 +1,35 @@ +--- +title: "n8n+Claude通过自然语言自动化工作流" +type: source +tags: [n8n, claude, 自动化, workflow] +date: 2025-03-06 +--- + +## Source File +- [[raw/Agent/n8n+Claude 通过自然语言自动化工作流.md]] + +## Summary +- 核心主题：通过自然语言让Claude帮助创建n8n工作流的技术方案 +- 问题域：如何让非技术用户也能创建复杂的n8n自动化工作流 +- 方法/机制：Claude理解自然语言描述 → 生成n8n工作流JSON配置 → 导入n8n +- 结论/价值：自然语言驱动的n8n工作流创建降低了自动化门槛 + +## Key Claims +- Claude能够理解用户的自动化需求描述 +- 通过API调用生成n8n兼容的工作流JSON配置 +- 用户可直接导入JSON到n8n，无需手动配置节点 + +## Key Concepts +- [[自然语言工作流]]：用自然语言描述需求，自动生成工作流配置 +- [[n8n]]：工作流自动化平台 + +## Key Entities +- [[n8n]]：工作流自动化平台 +- [[Claude]]：自然语言理解LLM + +## Connections +- [[自然语言工作流]] ← 方法 ← n8n+Claude +- [[Claude]] ← 自然语言理解 ← n8n + +## Contradictions +- 无明显冲突 diff --git a/wiki/sources/n8n-Docker安装更新.md b/wiki/sources/n8n-Docker安装更新.md new file mode 100644 index 00000000..e5b30838 --- /dev/null +++ b/wiki/sources/n8n-Docker安装更新.md @@ -0,0 +1,37 @@ +--- +title: "n8n Docker Install & Update" +type: source +tags: [n8n, docker, 部署] +date: 2025-03-06 +--- + +## Source File +- [[raw/Agent/n8n docker install & update.md]] + +## Summary +- 核心主题：n8n Docker 部署的 docker-compose.yml 配置详解 +- 问题域：如何在服务器上通过 Docker 部署 n8n 并配置 HTTPS、反向代理、环境变量 +- 方法/机制：使用 docker-compose 管理容器，配置环境变量 N8N_PROTOCOL、HTTPS、WEBHOOK_URL，通过 Caddy 处理 HTTPS +- 结论/价值：n8n Docker 部署需要正确的网络配置和环境变量才能实现 HTTPS 访问和 Telegram webhook 功能 + +## Key Claims +- docker-compose.yml 中配置 N8N_PROTOCOL=https、N8N_HOST=n8n.ishenwei.online、WEBHOOK_URL=https://n8n.ishenwei.online/ +- N8N_TRUST_PROXY=true 和 N8N_SECURE_COOKIE=true 确保 HTTPS 下 cookie 安全 +- 端口绑定到本地 127.0.0.1:5678，通过 Caddy 反向代理对外提供 HTTPS +- 数据持久化到 n8n_data volume + +## Key Concepts +- [[n8n Docker]]：通过 Docker 容器部署 n8n +- [[Caddy]]：自动 HTTPS 的反向代理服务器 +- [[Webhook URL]]：n8n 外部访问的 URL 配置 + +## Key Entities +- [[n8n]]：工作流自动化平台 +- [[Caddy]]：反向代理/HTTPS 处理 + +## Connections +- [[n8n Docker]] ← 部署方式 ← n8n +- [[Caddy]] ← HTTPS代理 ← n8n + +## Contradictions +- 无明显冲突 diff --git a/wiki/sources/n8n-telegram-trigger配置.md b/wiki/sources/n8n-telegram-trigger配置.md new file mode 100644 index 00000000..f09aaaa6 --- /dev/null +++ b/wiki/sources/n8n-telegram-trigger配置.md @@ -0,0 +1,34 @@ +--- +title: "n8n configure telegram trigger" +type: source +tags: [n8n, telegram, webhook] +date: 2025-03-06 +--- + +## Source File +- [[raw/Agent/n8n configure telegram trigger.md]] + +## Summary +- 核心主题：n8n Telegram Trigger 配置问题的解决方案 +- 问题域：Telegram Trigger 报错 "Bad Request: bad webhook: An HTTPS URL must be provided for webhook" +- 方法/机制：确保 n8n 实例可通过 HTTPS 访问，配置环境变量 N8N_PROTOCOL 和 WEBHOOK_URL +- 结论/价值：n8n 的 Telegram 集成需要正确的 HTTPS 配置才能建立 webhook + +## Key Claims +- Telegram 要求 webhook 必须是 HTTPS URL，本地或无 HTTPS 配置会导致 webhook 设置失败 +- 解决方案包括：配置 N8N_PROTOCOL=https、N8N_HOST、WEBHOOK_URL 环境变量 +- 使用反向代理（如 Caddy/Nginx）处理 HTTPS，然后在代理层转发到 n8n 的 HTTP 端口 + +## Key Concepts +- [[n8n]]：开源工作流自动化平台 +- [[Telegram Trigger]]：n8n 中触发工作流的 Telegram 组件 +- [[Webhook HTTPS]]：Telegram 要求 webhook 必须使用 HTTPS 协议 + +## Key Entities + +## Connections +- [[n8n]] ← 平台 ← Telegram Trigger +- [[Webhook HTTPS]] ← 协议要求 ← Telegram Trigger + +## Contradictions +- 无明显冲突 diff --git a/wiki/sources/never-write-another-prompt.md b/wiki/sources/never-write-another-prompt.md index c36d19ec..a97cef85 100644 --- a/wiki/sources/never-write-another-prompt.md +++ b/wiki/sources/never-write-another-prompt.md @@ -1,7 +1,7 @@ --- title: "Never Write Another Prompt" type: source -tags: [prompt, ai, 工具] +tags: [prompt, ai, 工具, 自动化] date: 2025-03-06 --- @@ -9,29 +9,30 @@ date: 2025-03-06 - [[raw/AI/Never write another prompt.md]] ## Summary -- 核心主题：AI提示词自动生成工具的使用教程 -- 问题域：用户难以编写高质量提示词，导致AI输出不理想 -- 方法/机制：通过工具将简单描述转换为详细结构化提示词，支持变量和自定义 -- 结论/价值：提示词工程民主化，降低使用AI的门槛 +- 核心主题：AI提示词自动生成工具介绍，实现从简单描述到详细结构化提示的转换 +- 问题域：用户难以编写高质量提示词，导致AI输出质量不稳定 +- 方法/机制：通过API工具自动将基础描述转换为专业级提示词，支持变量定制 +- 结论/价值：提示词工程民主化，非专家也能获得专业级提示词，成本远低于付费定制 ## Key Claims -- 详细提示词比模糊提示词产生更好的AI响应 -- 工具可生成结构化提示词，成本远低于专业定制（$100-500/个） -- 提示词库可复用，长期提高效率 +- 提示词工程简化：工具从简单描述生成详细提示词，消除传统提示词工程复杂性 +- 成本效益：专业提示词定制费用$100-$500/条，工具可无限生成 +- 变量支持：提示词中使用变量实现高度定制，无需重写 +- 提示词库：各平台提供提示词库供参考和二次改造 ## Key Quotes -> "Detailed prompts often yield better responses from AI models." — 核心原则 +> "Prompt engineering is the art of crafting prompts that elicit specific responses from AI. With the introduction of this tool, users no longer need to be experts in this field" — video summary ## Key Concepts -- [[Prompt能力]]：清晰界定需求+结构化思维表达 -- [[提示词工程]]：自动化生成高质量提示词的技术 +- [[提示词工程]]：制作能引导AI产生特定响应的提示词的艺术 +- [[提示词自动化]]：使用工具自动生成高质量提示词 ## Key Entities -- [[Anthropic]]：Claude模型提供商 +- [[Claude]]：Anthropic的AI模型，Console提供提示词构建入口 ## Connections -- [[Prompt能力]] ← 核心 ← [[提示词工程]] -- [[Anthropic]] ← 提供 ← Claude API +- [[提示词工程]] ← 核心主题 ← AI应用 +- [[提示词自动化]] ← 技术手段 ← [[提示词工程]] ## Contradictions -- 无冲突 +- 无明显冲突 diff --git a/wiki/sources/the-picture-they-paint-of-you.md b/wiki/sources/the-picture-they-paint-of-you.md index 613669dd..d25c09e8 100644 --- a/wiki/sources/the-picture-they-paint-of-you.md +++ b/wiki/sources/the-picture-they-paint-of-you.md @@ -1,7 +1,7 @@ --- title: "The Picture They Paint of You" type: source -tags: [ai, agent, 社会学, anthropomorphism] +tags: [ai, agentic, 设计, 社会学, anthropomorphism] date: 2026-04-13 --- @@ -9,36 +9,39 @@ date: 2026-04-13 - [[raw/AI/The Picture They Paint of You.md]] ## Summary -- 核心主题：AI产品的命名和框架揭示了对人类工作的不同价值判断 -- 问题域：AI SRE被视为"替代者"，编码助手被视为"合作者"——这种差异反映了对工作价值的认知偏见 -- 方法/机制：通过表格对比多家公司的AI产品命名和营销框架 -- 结论/价值：拟人化和命名暴露了技术产品构建者对某些工作的贬低态度；应寻求更好的类比 +- 核心主题：AI产品的命名和营销方式揭示了社会对不同职业角色的价值判断 +- 问题域：AI SRE（Site Reliability Engineering）vs 编码助手，两类AI工具的定位差异及其折射的职业歧视 +- 方法/机制：系统性梳理市场中各类AI产品的命名、框架和营销话语 +- 结论/价值：AI SRE产品被框架为"替代性工具"，编码助手被框架为"增强性伙伴"——这种差异反映并强化了组织内部对SRE工作的贬低 ## Key Claims -- AI SRE产品多命名为"AI SRE"或超级英雄名称，框架为"替代人类" -- 编码助手多给予人名，框架为"增强工程师能力" -- 软件工程被视为有价值的工作；SRE被视为障碍 -- 泰勒主义软件工厂框架正在兴起，将开发者定位为高级控制器而非创造者 +- 编码助手（如Claude Code、Copilot）被赋予人类名字、定位为工程师的合作者/伙伴，强调赋能和增强 +- AI SRE产品直接以角色命名（AI SRE），定位为消除"低效工作"的替代工具，强调克服人类局限（睡眠需求） +- SRE工作的内在价值（从事件中学习、结构性反思）被AI SRE营销话语所否定——事件被视为一次性的"例外"而非系统性后果 +- 产品框架的接受在社会层面赋予这些刻板印象合法性，排斥了替代设计方案 +- AI拟人化是一种谬误：LLM不会死亡、饥饿或恐惧，其"情感模拟"源于训练数据中的涌现特性 ## Key Quotes -> "Don't anthropomorphize LLMs! Find a way to piggy back on their human-corpus training while being aware of their non-biological differences." — 双重警告 -> "We keep being told it has never been cheaper, easier, or more accessible to create new stuff. This should give everyone involved more time to explore the problem space and learn. Yet here we are." — 讽刺 +> "Software Engineering work is perceived as valuable work; the engineer is in control and deserves more power, more control, more productivity. The AI exists to be a partner, a teammate, or an assistant" — Ferd.ca +> "Software Reliability Engineering work is a hindrance; teams need to be distracted less by these tasks and instead focus on more valuable work" — Ferd.ca +> "Don't anthropomorphize LLMs!" — Alex Ewerlöf (引用于文中) ## Key Concepts -- [[AI拟人化谬误]]：将AI产品拟人化并赋予特定角色定位的认知偏见 -- [[泰勒主义软件工厂]]：将开发者定位为AI代理的监督者而非创造者的模式 -- [[替代vs增强]]：AI产品对人类工作的两种定位框架 +- [[AI拟人化谬误]]：将LLM视为有情感、恐惧的实体是一种设计谬误 +- [[职业角色框架]]：AI产品的命名和定位反映并强化了社会对不同职业的价值判断 +- [[泰勒主义软件工厂]]：将软件工程视为可替代的手工劳动，与将SRE视为重复性苦差事一致 +- [[剩余原则]]：部分工作自动化后，剩余的难自动化部分被堆积到更少的人身上 ## Key Entities -- [[Ferdinand]]：作者（Ferd的博客） -- [[AWS DevOps Agent]]：AWS的AI SRE产品 -- [[Claude Code]]：Anthropic的编码助手 +- [[Claude Code]]：Anthropic编码助手，被框架为增强工程师能力的伙伴 +- [[AI SRE]]：被框架为替代SRE工作的工具 +- [[Ferdinand]]：博客作者，本文来源 ## Connections -- [[AI拟人化谬误]] ← 核心概念 ← [[The Picture They Paint of You]] -- [[泰勒主义软件工厂]] ← 趋势 ← 软件工程 -- [[Claude Code]] ← 合作框架 ← [[Ferdinand]]的观点 +- [[AI拟人化谬误]] ← 核心论点 ← [[The Picture They Paint of You]] +- [[职业角色框架]] ← 核心论点 ← [[The Picture They Paint of You]] +- [[泰勒主义软件工厂]] ← 社会影响 ← 职业框架 ## Contradictions -- 与[[Claude Code Templates]]的"增强工程师"定位一致 -- 与[[Multi-Agent System Reliability]]的"将LLM视为不可靠组件"观点形成理论互补 +- 与编码助手营销话语对比：编码助手被定位为"伙伴"，AI SRE被定位为"替代者"——但两者背后的LLM本质相同 +- 与SRE职业自我认知对比：SRE从业者认为从事件中学习是核心价值，但AI SRE产品将其视为可消除的"干扰" diff --git a/wiki/sources/youtube-rss-feed.md b/wiki/sources/youtube-rss-feed.md index 1481a4a4..fe689fcd 100644 --- a/wiki/sources/youtube-rss-feed.md +++ b/wiki/sources/youtube-rss-feed.md @@ -1,7 +1,7 @@ --- title: "How to Get the RSS Feed For Any YouTube Channel" type: source -tags: [] +tags: [youtube, rss, 工具] date: 2025-10-10 --- @@ -9,27 +9,28 @@ date: 2025-10-10 - [[raw/AI/How to Get the RSS Feed For Any YouTube Channel.md]] ## Summary -- 核心主题：获取任意 YouTube 频道 RSS 订阅源的方法 -- 问题域：YouTube 关闭官方 RSS 订阅按钮后如何继续通过 RSS 阅读器获取频道更新 -- 方法/机制：通过"查看页面源码"（View Page Source）找到 channel_id，拼接 RSS Feed URL -- 结论/价值：无需注册任何第三方服务，直接利用 YouTube 页面源码获取真实 RSS 链接 +- 核心主题：获取任意YouTube频道RSS订阅源的方法 +- 问题域：YouTube已移除页面上的RSS订阅按钮，用户如何获取频道RSS +- 方法/机制：通过查看页面源代码，搜索channel_id，拼接RSS Feed URL +- 结论/价值：无需注册第三方服务，直接通过浏览器原生功能获取YouTube频道RSS ## Key Claims -- YouTube 已移除频道页面的 RSS 订阅按钮，用户无法直接获取 RSS 链接 -- 获取方法：访问频道页面 → 右键查看页面源码 → 搜索 "channel_id=" → 拼接完整 RSS URL -- RSS Feed URL 格式：https://www.youtube.com/feeds/videos.xml?channel_id= -- 此方法无需注册任何第三方服务，纯原生操作 +- YouTube移除了页面RSS按钮，因RSS使用户可不访问网站直接消费内容，影响YouTube收益 +- 正确方法：访问频道页面 → 右键查看页面源代码 → 搜索"channel_id=" → 复制RSS Feed URL +- RSS Feed URL格式：https://www.youtube.com/feeds/videos.xml?channel_id={ID} ## Key Quotes -> "Back in the day, the RSS subscribe button was prominently displayed on every YouTube account. But that meant users could access YouTube content without visiting the website which negatively effects YouTube's bottom line, so it was removed" — RSS 按钮被移除的原因 +> "Back in the day, the RSS subscribe button was prominently displayed on every YouTube account. But that meant users could access YouTube content without visiting the website which negatively effects YouTube's bottom line, so it was removed" — Chuck Carroll ## Key Concepts -- [[YouTube RSS]]：通过 channel_id 拼接的 YouTube 视频 Atom/RSS 订阅格式 +- [[YouTubeRSS]]：YouTube频道的RSS订阅源格式 +- [[Channel ID]]：YouTube频道的唯一标识符，用于构建RSS Feed URL ## Key Entities ## Connections -- [[YouTube RSS]] ← obtained_by ← [[View Page Source]] +- [[YouTubeRSS]] ← 技术方法 ← YouTube频道订阅 +- [[Channel ID]] ← 关键参数 ← YouTubeRSS ## Contradictions -- 无已知冲突 +- 无明显冲突 diff --git a/wiki/sources/云计算的误解与澄清.md b/wiki/sources/云计算的误解与澄清.md new file mode 100644 index 00000000..2e0e22b6 --- /dev/null +++ b/wiki/sources/云计算的误解与澄清.md @@ -0,0 +1,41 @@ +--- +title: "The Myths and Misconceptions About Cloud Computing" +type: source +tags: [cloud, myths, iaas, paas, saas] +date: 2001-02-25 +--- + +## Source File +- [[raw/Cloud & DevOps/The Myths and Misconceptions About Cloud Computing LinkedIn.md]] + +## Summary +- 核心主题：云计算的常见误解和误区澄清 +- 问题域：云计算虽有广泛应用，但许多误解阻碍了正确决策 +- 方法/机制：系统性驳斥关于云计算的主要迷思 +- 结论/价值：正确理解云计算的能力和局限性是数字化转型的基础 + +## Key Claims +- 误区1：云计算总是更便宜——实际情况是对于长期稳定工作负载，本地部署可能更经济 +- 误区2：云计算不安全——主流云提供商的安全投入远超一般企业自建 +- 误区3：云迁移很简单——遗留系统的迁移往往复杂且耗时 +- 误区4：云就是租用服务器——云计算远不止基础设施，还包括平台和软件服务 + +## Key Quotes +> "Cloud computing has revolutionized the way businesses and individuals manage data, applications, and IT infrastructure. However, despite its widespread adoption, many myths and misconceptions persist" — Raj Vardhan Singh/LinkedIn + +## Key Concepts +- [[云计算]]：通过互联网提供计算资源的服务模式 +- [[IaaS]]：基础设施即服务 +- [[PaaS]]：平台即服务 +- [[SaaS]]：软件即服务 + +## Key Entities + +## Connections +- [[云计算]] ← 核心主题 ← 误解澄清 +- [[IaaS]] ← 服务层次 ← 云计算 +- [[PaaS]] ← 服务层次 ← 云计算 +- [[SaaS]] ← 服务层次 ← 云计算 + +## Contradictions +- 与"云万能论"对比：云不是万能药，正确评估工作负载特性才能做出合适决策 diff --git a/wiki/sources/递归自我优化生成系统.md b/wiki/sources/递归自我优化生成系统.md index ccbaf9d8..2b7e9b6c 100644 --- a/wiki/sources/递归自我优化生成系统.md +++ b/wiki/sources/递归自我优化生成系统.md @@ -1,7 +1,7 @@ --- -title: "递归自我优化生成系统形式化" +title: "A Formalization of Recursive Self-Optimizing Generative Systems" type: source -tags: [ai, 理论, 递归, 自举] +tags: [ai, 自举, 递归, 生成系统, 论文] date: 2025-12-30 --- @@ -9,31 +9,34 @@ date: 2025-12-30 - [[raw/AI/A Formalization of Recursive Self-Optimizing Generative Systems.md]] ## Summary -- 核心主题：递归自我优化生成系统的数学形式化 -- 问题域：AI系统如何通过迭代自我修改构建稳定的生成能力 -- 方法/机制：引入生成器空间、优化算子、元生成算子，通过不动点语义实现自举 -- 结论/价值：递归自我优化自然导致不动点结构，稳定的生成能力对应元生成算子的不动点 +- 核心主题：递归自我优化生成系统的形式化模型 +- 问题域：如何用数学和λ-演算严格描述AI系统通过迭代自我修改实现稳定生成能力的过程 +- 方法/机制：定义生成器空间、优化算子、元生成算子，迭代应用自映射Φ收敛到不动点 +- 结论/价值：递归自我优化自然导致不动点结构而非终端输出；稳定生成能力对应于元生成算子的不动点 ## Key Claims -- 系统目标不是直接生成最优输出，而是通过迭代自我修改构建稳定的生成能力 -- 稳定的生成能力定义为元生成算子的不动点 -- 系统可用λ-calculus的不动点组合子Y表达为自引用形式 +- 系统目标不是生成某个最优输出P*，而是生成器序列{G_n}的收敛行为 +- 稳定生成能力定义为Φ的不动点G*，即在自身生成-优化-更新循环下不变 +- 在适当的连续性或收缩性条件下，G*可通过迭代获得：G* = lim_{n→∞} Φ^n(G_0) +- 可用λ-演算不动点组合子Y表达：G* ≡ Y STEP，满足G* = STEP G* ## Key Quotes -> "What I cannot create, I do not understand." — Feynman，引用于仓库 -> "The generator becomes both the subject and object of computation, and improvement is achieved through convergence in generator space rather than optimization in output space." — 核心洞察 +> "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" +> "Such systems naturally instantiate a bootstrapping meta-generative process governed by fixed-point semantics" — tukuai论文摘要 ## Key Concepts -- [[自举Meta生成]]：通过α-提示词（生成器）和Ω-提示词（优化器）的递归循环实现自我超越 -- [[固定点语义]]：稳定生成能力对应元生成算子的不动点 -- [[递归自我优化]]：永不停止的递归优化循环，无限逼近理想状态 +- [[固定点语义]]：递归自我优化系统的收敛行为由不动点决定 +- [[自举Meta生成]]：通过α-提示词（生成器）和Ω-提示词（优化器）实现递归自我进化 +- [[生成器空间]]：G ⊆ P^I，生成器是将意图映射为提示词/程序/技能的函数 +- [[λ-演算递归]]：用Y组合子表达自引用生成器 G* ≡ Y STEP ## Key Entities -- [[Anthropic]]：相关技术背景 +- [[tukuai]]：独立研究者，论文作者 ## Connections -- [[自举Meta生成]] ← 理论框架 ← 递归自我优化生成系统 -- [[固定点语义]] ← 数学基础 ← 递归自我优化 +- [[固定点语义]] ← 核心数学基础 ← 递归自我优化生成系统 +- [[自举Meta生成]] ← 应用框架 ← 递归自我优化生成系统 +- [[生成器空间]] ← 数学形式化 ← 递归自我优化生成系统 ## Contradictions -- 无冲突 +- 与传统单次优化对比：传统优化目标是单个输出的质量，递归自我优化目标是生成器本身的收敛行为