Auto-sync: 2026-04-22 16:03

This commit is contained in:
2026-04-22 16:03:25 +08:00
parent b1e6af2458
commit 72f3673978
82 changed files with 3617 additions and 37 deletions

View File

@@ -1,16 +1,20 @@
---
title: "AGENTS.md"
type: concept
tags: [opencode, project-context, agent]
sources: [如何在ubuntu上安装opencode并配置vibe-kanban]
last_updated: 2026-04-22
tags: [opencode, openclaw, project-context, agent]
sources: [如何在ubuntu上安装opencode并配置vibe-kanban, 万字讲透openclaw-workspace深度解析-2026-03-21]
last_updated: 2026-03-21
---
## Definition
**AGENTS.md**OpenCode 为项目自动生成的角色定义文件,位于项目根目录,包含项目结构、编码规范、约定俗成等上下文信息,帮助 AI 理解项目的整体背景。
**AGENTS.md**AI Agent 框架中定义 Agent **工作说明书**的核心文件。存在两种语境:
## Generation
1. **OpenCode 语境**(自动生成):位于项目根目录,由 `/init` 命令自动分析项目结构生成,包含项目结构、编码规范、约定俗成等上下文信息,帮助 AI 理解项目的整体背景。
2. **OpenClaw 语境**(手动配置):位于 `~/.openclaw/workspace/`,是用户手动编写的岗位说明书,定义 Agent 的职责、边界、多 Agent 协作流程。
## OpenCode: 自动生成
运行 `/init` 命令后OpenCode 会自动分析项目结构并生成 `AGENTS.md`
@@ -20,14 +24,29 @@ opencode
/init
```
## Best Practices
最佳实践:
- **纳入版本控制**OpenCode 官方建议将 AGENTS.md 提交到 Git以获得一致的跨团队体验
- **持续维护**:随着项目演进,定期更新 AGENTS.md 以反映最新的架构决策
- **具体示例**:提供代码示例和模式说明,帮助 AI 生成符合项目风格的代码
## OpenClaw: 手动配置
在 OpenClaw 中AGENTS.md 回答的是:
- 这个 Agent 叫什么,主要职责是什么?
- 遇到什么类型的任务该用什么方式处理?
- 有哪些事情是绝对不该做的?
- 当用户说某类话时,该优先走哪套流程?
- 在多 Agent 场景里,该怎么协调其他 Agent
**经验法则**300-500 字的 AGENTS.md比 2000 字的更有效。边界比能力描述更重要——LLM 默认会"发挥创意",需要约束。
**场景触发优于通用指令**:与其写"始终保持专业语气",不如写"当用户问技术问题时,使用专业准确的措辞;当用户随意聊天时,语气可以轻松一些"。
## Related Concepts
- [[OpenCode]] — 生成和使用 AGENTS.md 的核心工具
- [[OpenCode]] — OpenCode 语境下生成和使用 AGENTS.md 的核心工具
- [[OpenClaw]] — OpenClaw 语境下 AGENTS.md 所属的框架
- [[SOUL.md]] — Agent 性格档案,与 AGENTS.md 分工明确
- [[Agent Specialization]] — AGENTS.md 定义多 Agent 协作的核心机制
- [[Plan Mode]] — 利用 AGENTS.md 提供充足上下文以生成精准方案
- [[Vibe Coding]] — AI 辅助编程的工作流理念

View File

@@ -0,0 +1,38 @@
---
title: "ActionItemTracking"
type: concept
tags: []
last_updated: 2026-04-22
---
# ActionItemTracking
从非结构化文本会议记录、邮件、聊天记录中识别行动项并持续追踪其执行状态的方法论。核心要素包括任务描述、负责人Owner、截止日Deadline、状态Status
## Definition
ActionItemTracking 解决的核心问题:团队讨论中产生的行动项往往停留在口头或聊天记录中,缺乏系统化追踪机制导致遗忘和责任不清。该模式通过 AI 自动化实现:
- 从会议转录中提取所有行动项
- 识别每项任务的负责人(通过姓名匹配或说话人归属)
- 提取或推断截止日期(未提及则标记为 TBD
- 自动在项目管理工具中创建任务
- 设置截止日前提醒机制
## Key Attributes
| 属性 | 说明 |
|------|------|
| Task | 需要完成的具体任务描述 |
| Owner | 负责人,通过发言人或@提及识别 |
| Deadline | 截止日,未提及则 TBD |
| Status | 状态Pending / In Progress / Done |
| Source | 来源:会议转录、邮件、聊天等 |
## Implementation
- [[Todoist Task Manager]] — Todoist 中的通用行动项管理
- [[meeting-notes-action-items]] — 从会议转录自动提取行动项
## Related Concepts
- [[MeetingNotes]] — 行动项的主要来源场景
- [[TaskAutomation]] — 行动项的自动化创建

View File

@@ -0,0 +1,49 @@
---
title: "Agent-Memory"
type: concept
tags: [OpenClaw, Agent, Memory, Long-Term]
sources: [万字讲透openclaw-workspace深度解析-2026-03-21]
last_updated: 2026-03-21
---
## Definition
**Agent-Memory** 是 OpenClaw 通过 workspace 文件体系实现的**跨会话长期记忆**机制。核心洞察:对 Agent 来说,真正算数的长期记忆,是 workspace 里那些 Markdown 文件,不是什么看不见摸不着的黑盒数据库。
## 记忆机制
OpenClaw 支持两种记忆方案:
- **builtin**(默认):原始记忆还是 Markdown 文件,系统维护本地索引方便检索
- **qmd**:换了一套更强的检索/索引方式来辅助"想起来"
## 工作流程
```
对话发生
Agent 通过普通文件工具把重要信息写入 `memory/` 或 `MEMORY.md`
下次对话开始
Agent 通过 `memory_search` / `memory_get` 检索相关记忆
相关记忆被注入到当前对话的上下文里
Agent 表现出"我记得你说过……"的能力
```
## 为什么重要
默认情况下LLM 对话是无状态的——每次新开会话,什么都不记得。对持续工作的 Agent 来说很伤:
- 每次都要重新解释项目背景
- Agent 无法在多个会话之间积累对工作的理解
- 花了时间告诉它的偏好和经验,换个会话就白费了
## Related Concepts
- [[MEMORY.md]] — 长期知识总表,与 memory/ 目录共同构成记忆层
- [[Workspace]] — Agent-Memory 的载体
- [[OpenClaw]] — 实现 Agent-Memory 的框架

View File

@@ -0,0 +1,42 @@
---
title: "Agent模式"
type: concept
tags: [cursor, ai, agent, interaction-mode]
sources: []
last_updated: 2026-04-22
---
## Overview
Agent 模式是 Cursor Composer 模块中的一种交互方式,允许 AI 自动执行内嵌命令并处理工具调用,显著减少手动操作步骤,实现命令链路的自动打通。
## Aliases
- Agent Mode
- Composer Agent 模式
- 自动执行模式
## Agent模式 vs Normal模式
| 特性 | Agent 模式 | Normal 模式 |
|------|-----------|-------------|
| 命令执行 | 自动执行 | 用户手动复制执行 |
| 工具调用 | 自动触发和处理 | 需要用户确认 |
| 效率 | 高,适合批量任务 | 低,适合精确控制 |
| 风险 | 可能误操作(建议关闭 Yolo Mode | 安全 |
| 使用门槛 | 低,无需干预 | 高,需用户操作 |
## Key Features
- **自动工具链**:自动调用 MCP 工具并整合结果
- **命令链路打通**:减少用户在不同环境间切换的操作步骤
- **对话标识**Agent 模式下对话界面下方会显示"agent"标识
- **可关闭**:用户可随时切换回 Normal 模式
## Yolo Mode
Agent 模式下的危险选项。开启后会自动无确认执行所有命令,可能造成误操作(如误删文件)。官方默认关闭,建议用户谨慎使用。
## Connections
- [[Cursor]] — Agent 模式所在的模块
- [[MCPModel Context Protocol]] — Agent 模式可调用的协议
- [[Sequential Thinking]] — Agent 模式下可触发的 MCP 工具
- [[Tool Calling]] — Agent 模式自动执行的调用机制
## Sources
- [[mcp在cursor中的集成与应用详解]]

View File

@@ -0,0 +1,35 @@
---
title: "BOOTSTRAP.md"
type: concept
tags: [OpenClaw, Agent, Setup]
sources: [万字讲透openclaw-workspace深度解析-2026-03-21]
last_updated: 2026-03-21
---
## Definition
**BOOTSTRAP.md** 是 OpenClaw workspace 中最特殊的一个文件——它的使命是把一个全新的 workspace 引导到"可正常使用"的状态。这是一份"第一次上岗前的引导词"Agent 读到它后知道自己不是立刻开工,而是先把自己安顿好。
## 引导流程
1. 和用户聊几句,搞清楚 Agent 应该叫什么名字、是什么性格、用什么 emoji
2. 把结果写入 `IDENTITY.md`
3. 记录用户的基本信息到 `USER.md`
4. 一起打开 `SOUL.md`,把真正的性格和边界写进去
5. 可选引导用户接入渠道——WhatsApp、Telegram 等
## 一次性特性
官方模板的最后一句话非常有意思:
> *"Delete this file. You don't need a bootstrap script anymore — you're you now."*
BOOTSTRAP.md 本质上是一次性引导Agent 在完成初始化后必须把它删掉。
## Related Concepts
- [[IDENTITY.md]] — 初始化时写入身份元数据的目标文件
- [[SOUL.md]] — 初始化时写入性格设定的目标文件
- [[USER.md]] — 初始化时写入用户画像的目标文件
- [[OpenClaw]] — BOOTSTRAP.md 所属的框架

View File

@@ -0,0 +1,67 @@
---
title: "Build in Public"
type: concept
tags: [内容营销, 个人品牌, 创业]
last_updated: 2026-04-22
---
## 定义
Build in Public公开构建是一种创业和个人品牌策略即在项目/产品开发过程中公开分享进展、挑战、失败和学到的东西。
## 核心理念
### 在 AI 泛滥时代,活人感更重要
- AI 生成内容越来越多,同质化严重
- 真实的构建过程、思考和挣扎更能建立信任
- 受众喜欢看到"真人"而不是"完美机器"
### 透明度创造连接
- 分享失败比分享成功更有价值
- 过程比结果更能引发共鸣
- 让受众参与你的成长旅程
## 实践方法
### 内容矩阵
- **观察类**:行业洞察、趋势分析
- **反直觉类**:挑战常规认知的观点
- **操作指南类**:可执行的步骤和教程
- **个人故事类**:真实的创业经历和教训
- **清单类**:可复用的资源和工具
### 反向金字塔内容法
```
一次长形式内容
↓ 拆分
无数微内容
↓ 分发
一次制作,百次分发
```
## 在一人公司中的作用
Build in Public 是[[一人公司]]内容策略的重要组成部分,配合:
- [[产品四层级体系]] 实现引流
- [[销售漏斗]] 实现转化
- [[底层能力]] 确定分享主题
## 相关来源
- [[万字保姆级教程-90天跑通一人公司模式]]
## 相关概念
- [[一人公司]]
- [[内容矩阵]]
- [[个人品牌]]
## Aliases
- 公开构建
- 透明创业
- 公开分享

View File

@@ -0,0 +1,37 @@
---
title: "Chained Agents"
type: concept
tags: [multi-agent, workflow, automation]
sources: [content-factory]
last_updated: 2026-04-22
---
## Definition
Chained Agents链式 Agent是一种多 Agent 协作模式,其中上游 Agent 的输出直接作为下游 Agent 的输入,无需人工逐步干预。核心价值在于将复杂任务拆解为多个专业化子任务,通过流水线式编排实现全自动化执行。
## Key Characteristics
- **顺序依赖**Agent A 输出 → Agent B 输入 → Agent B 输出 → Agent C 输入
- **无需人工中转**:每个环节由 Agent 自动触发和推进
- **可插拔**:可替换任意环节 Agent如将本地模型替换为 API
- **透明可查**:通过 Discord 频道等隔离机制,每个 Agent 的工作独立可审查
## Example: Content Factory
```
Research Agent (#research)
→ 输出Top 5 内容机会(含来源)
Writing Agent (#scripts)
→ 输出:完整脚本/推文串/Newsletter 草稿
Thumbnail Agent (#thumbnails)
→ 输出AI 生成的缩略图/封面
```
## Related Concepts
- [[Multi-Agent Coordination]]:多 Agent 协作的整体框架
- [[Workflow Architecture]]:工作流架构设计原则
- [[Content Automation]]:内容创作自动化

View File

@@ -0,0 +1,30 @@
---
title: "Channel-Based Monitoring"
type: concept
tags: [Channel, Monitoring, YouTube, RSS, Subscription]
sources: [daily-youtube-digest, how-to-get-youtube-channel-id, how-to-get-the-rss-feed-for-any-youtube-channel]
last_updated: 2026-04-22
---
## Definition
Channel-Based Monitoring 是一种以订阅频道为单位跟踪内容更新的策略——用户明确指定感兴趣的频道列表AI Agent 定期检查这些频道的最新上传,而非被动依赖平台推荐算法。
## Why Not Just Use YouTube Notifications?
YouTube 通知系统不可靠订阅频道的新视频经常不会出现在通知或首页推荐中被平台算法压制。Channel-Based Monitoring 通过主动检查RSS Feed / API绕过这一限制。
## Implementation
- **RSS Feed**: `https://www.youtube.com/feeds/videos.xml?channel_id=<ID>`
- **TranscriptAPI**: `channel/latest` API免费0 积分)
- **yt-dlp**: `--flat-playlist` 模式
### Getting Channel ID
参考 [[how-to-get-youtube-channel-id]]:在浏览器地址栏打开 `view-source:https://www.youtube.com/@ChannelName`,搜索 `channel_id` 字符串即可获得 RSS Feed URL。
## Connections
- [[Channel-Based Monitoring]] ← powers ← [[Daily YouTube Digest]]
- [[RSS Feed]] ← feeds ← [[Channel-Based Monitoring]]
- [[Keyword-Based Monitoring]] ← complements ← [[Channel-Based Monitoring]]

View File

@@ -0,0 +1,37 @@
---
title: "Content Automation"
type: concept
tags: [content-creation, automation, multi-agent]
sources: [content-factory, podcast-production-pipeline]
last_updated: 2026-04-22
---
## Definition
Content Automation内容自动化是指利用 AI Agent 流水线实现内容创作全流程(选题研究→内容撰写→视觉设计→分发)的自动化执行,创作者无需逐步人工干预,次日即可收获成品内容。
## Core Phases
1. **Research**:扫描趋势话题、竞品内容、社交媒体数据,识别最佳内容机会
2. **Writing**将研究结果转化为脚本、推文串、Newsletter 草稿或博客文章
3. **Design**:生成缩略图、封面图、社交媒体配图等视觉资产
4. **Distribution**(可选):自动发布到各平台并收集反馈
## Key Technologies
- **多 Agent 编排**`sessions_spawn` / `sessions_send` 实现多 Agent 调度
- **定时调度**:每日 8 AM 自动运行,创作者次日醒来即收获成品
- **本地图像生成**:如 Nano Banana降低 API 调用成本
- **平台集成**Discord 频道隔离各 Agent 输出,便于审查和反馈
## Use Cases
- [[Content Factory]]Discord 频道多 Agent 内容工厂
- [[Podcast Production Pipeline]]AI 全自动播客制作流水线
- [[daily-youtube-digest]]YouTube 频道订阅内容自动摘要
## Related Concepts
- [[Chained Agents]]:内容自动化的核心技术实现
- [[Multi-Agent Coordination]]:多 Agent 系统协调机制
- [[Workflow Architecture]]:工作流架构设计

View File

@@ -0,0 +1,32 @@
---
title: "Credit-Efficient Processing"
type: concept
tags: [Credits, Cost-Optimization, API, AI-Agent, Efficiency]
sources: [daily-youtube-digest]
last_updated: 2026-04-22
---
## Definition
Credit-Efficient Processing 是一种通过策略性地分配 API 积分credits最大化 AI 信息处理价值的优化方法。核心原则:**免费操作做检查,付费操作做摘要**。
## Core Principle
| 操作类型 | 积分消耗 | 说明 |
|---|---|---|
| 新内容检查 | **免费**0 积分) | 判断是否有新内容需要处理 |
| 内容处理/摘要 | **按需付费** | 仅对真正需要的内容花费积分 |
## Example: YouTube Digest
- `channel/latest` / `channel/resolve`**0 积分** → 判断频道是否有新视频
- 字幕提取 + 摘要 → **1 积分/视频** → 仅对感兴趣的视频花费
- `seen-videos.txt`**免费** → 避免重复付费
## Why It Matters
AI API 积分是有成本的即便有免费额度。在高频自动化场景下credit-efficient 策略可以将积分消耗降低 90%+,让免费额度支撑更长时间,或降低付费规模。
## Connections
- [[Credit-Efficient Processing]] ← enables ← [[Daily YouTube Digest]]
- [[Credit-Efficient Processing]] ← applies_to ← [[TranscriptAPI.com]]

View File

@@ -0,0 +1,40 @@
---
title: "Daily-Digest"
type: concept
tags: [Daily-Digest, AI-Agent, Content-Consumption, Information-Management]
sources: [daily-youtube-digest, multi-source-tech-news-digest]
last_updated: 2026-04-22
---
## Definition
Daily-Digest 是一种信息消费模式:由 AI Agent 定时(如每天早上 8 点)将多个信息源的最新内容打包成结构化摘要,统一推送给用户。它替代的是算法推荐的"被动碎片消费"doom-scrolling用主动的系统化摄入提升信息获取效率。
## Core Mechanism
1. **Trigger**: 定时cron或阈值达到 N 条未读)
2. **Collection**: 从各来源获取最新条目RSS/API/网页爬取)
3. **Processing**: AI 提取关键信息(摘要、要点、时间戳)
4. **Delivery**: 打包推送Email/Telegram/Slack/Notification
5. **Deduplication**: 避免重复处理seen-videos.txt 或哈希记录)
## Variants in the Wiki
| Digest Type | Source | Trigger |
|---|---|---|
| Daily YouTube Digest | [[daily-youtube-digest]] | 每日 8am |
| Multi-Source Tech News | [[multi-source-tech-news-digest]] | 每小时 |
| Daily Reddit Digest | [[daily-reddit-digest]] | 每日 |
| Custom Morning Brief | [[custom-morning-brief]] | 每日 9am |
## Why It Works
- **注意力聚焦**: 把多次"打开 App 看一眼"变成一次专注的 Digest 阅读
- **去重**: 系统自动追踪已处理内容,不浪费用户时间
- **成本可控**: 免费 API 检查 + 按需付费摘要(如 TranscriptAPI 1积分/视频)
- **个性化**: 用户定义频道列表/关键词,算法无法替代主动选择
## Connections
- [[Daily-Digest]] ← powers ← [[second-brain]] (信息摄入层)
- [[Transcript-Based Summarization]] ← feeds_into ← [[Daily-Digest]]
- [[Credit-Efficient Processing]] ← enables ← [[Daily-Digest]]

View File

@@ -0,0 +1,16 @@
---
title: "Extended Thinking"
type: concept
tags: [claude, reasoning, ai-mode]
last_updated: 2025-12-31
---
## Overview
**Extended Thinking** 是 Claude 的一种运行模式支持更深层次的逻辑推理。当启用此模式后Claude 会在生成响应前进行更长时间、更详细的推理过程,从而提升复杂任务的输出质量,特别是在代码生成和工作流设计场景中效果显著。
## Usage
在 Claude 客户端设置中开启 Extended Thinking 模式,可搭配 OpenSea 模型使用以获得最佳代码生成效果。
## Related
- [[Claude]] — 提供 Extended Thinking 的 AI 助手
- [[工作流自动化]] — Extended Thinking 提升的典型应用场景

View File

@@ -0,0 +1,39 @@
---
title: "Generator"
type: concept
tags: [Agent, Skill, Design Pattern, ADK]
sources: [google-5个agent-skill设计模式-2026-03-19]
last_updated: 2026-03-19
---
## Overview
Generator 是 Google ADK 发布的 5 种 Agent Skill 设计模式之一,通过"填空"流程从模板生成结构化输出,强制一致的输出格式。
## Mechanism
- 利用两个可选目录:
- `assets/`:存放输出模板
- `references/`:存放样式指南
- SKILL.md 扮演项目经理角色
- 流程:加载模板 → 读取样式指南 → 向用户询问缺失变量 → 填充文档
## Use Cases
- 生成统一的 API 文档
- 标准化 commit 信息
- 脚手架项目结构生成
## Implementation
```
SKILL.md: 项目经理角色
assets/template.md: 输出模板
references/style-guide.md: 样式规范
→ 用户填空 → 生成结构化输出
```
## Related Concepts
- [[ToolWrapper]]:应用知识的模式
- [[Reviewer]]:检查生成的输出
- [[Inversion]]:可在 Generator 开头依赖 Inversion 收集必要变量
## Connections
- [[Google5个AgentSkill设计模式]] ← part_of ← [[Generator]]
- [[ADK]] ← published_by ← [[Generator]]

View File

@@ -0,0 +1,34 @@
---
title: "IDENTITY.md"
type: concept
tags: [OpenClaw, Agent, Identity]
sources: [万字讲透openclaw-workspace深度解析-2026-03-21]
last_updated: 2026-03-21
---
## Definition
**IDENTITY.md** 是 OpenClaw workspace 中存储 Agent **结构化身份元数据**的文档。与 SOUL.md 的叙事性性格文档分工明确IDENTITY.md 是名片结构化元数据SOUL.md 是人物小传(叙事性性格)。
## 核心字段
- **Name**Agent 在界面和对话里的显示名
- **Creature**Agent 的存在类型AI assistant / ghost / familiar / robot 等)
- **Vibe**Agent 的感觉描述(直接、毒舌、靠谱等)
- **Emoji**UI 中的标识符
- **Avatar**头像workspace 相对路径 / URL / data URI
## 与 SOUL.md 的分工
| | IDENTITY.md | SOUL.md |
|---|---|---|
| 性质 | 结构化元数据 | 叙事性文档 |
| 内容 | 谁、长什么样、什么感觉 | 怎么思考、怎么行事、有什么执念 |
| 类比 | 名片 | 人物小传 |
## Related Concepts
- [[SOUL.md]] — 叙事性性格文档,与 IDENTITY.md 互补
- [[BOOTSTRAP.md]] — 初始化时写入 IDENTITY.md 的引导流程
- [[OpenClaw]] — IDENTITY.md 所属的框架

View File

@@ -0,0 +1,58 @@
---
title: "Ikigai框架"
type: concept
tags: [个人定位, 职业发展, 商业变现]
last_updated: 2026-04-22
---
## 定义
Ikigai 是一个源自日本的自我定位框架,代表四个核心维度的交集:
```
世界需要的
你热爱的 ───┼─── 你擅长的
你能获得报酬的
```
**四个维度:**
1. **你所热爱的**What you love
2. **你所擅长的**What you're good at
3. **世界所需要的**What the world needs
4. **你能获得报酬的**What you can be paid for
## 三步走方法
1. **反思热情和技能**:做什么会忘记时间?周末下午会主动学什么?
2. **分析市场需求**:人们经常抱怨什么问题?愿意为什么付费?
3. **寻找交集**:热情和市场的重叠处,就是你的 Ikigai
## 在一人公司中的应用
| 步骤 | 内容 |
|------|------|
| 发现天才地带 | 识别产生心流的活动([[天才地带Zone of Genius]] |
| 挖掘底层能力 | 找到隐藏在活动表象下的核心能力([[底层能力]] |
| 找到 Ikigai | 确定热情、擅长、市场、报酬的交汇点 |
| 验证赛道 | 用数据验证定位(搜索意图、支付意愿、预售) |
## 相关来源
- [[万字保姆级教程-90天跑通一人公司模式]]
## 相关概念
- [[一人公司]]
- [[天才地带Zone of Genius]]
- [[底层能力]]
- [[产品四层级体系]]
## Aliases
- Ikigai
- 生命意义
- 人生目标框架

View File

@@ -0,0 +1,42 @@
---
title: "Inversion"
type: concept
tags: [Agent, Skill, Design Pattern, ADK]
sources: [google-5个agent-skill设计模式-2026-03-19]
last_updated: 2026-03-19
---
## Overview
Inversion 是 Google ADK 发布的 5 种 Agent Skill 设计模式之一,让 Agent 先变成面试官问你问题,等你回答完再行动。这是最反直觉但最实用的模式之一。
## Mechanism
- Agent 变成面试官,先问一系列问题
- 等待用户逐个回答
- 明确、不可协商的门控指令("不到所有阶段完成就不开始构建"
- 等用户回答完所有问题后才开始行动
## Use Cases
- 项目规划:收集需求、约束、资源
- PRD 生成:收集产品背景、目标用户、功能需求
- 架构设计:收集技术栈、规模要求、预算限制
## Key Insight
> Agent 天生喜欢直接猜测和生成Inversion 把这个流程完全反过来。
## Implementation
```
SKILL.md: 门控指令("不完成所有阶段不开始构建"
→ Agent 逐阶段提问
→ 用户回答
→ 加载 plan-template.md
→ 生成最终计划
```
## Related Concepts
- [[Generator]]:可以在开头依赖 Inversion 收集必要变量
- [[Pipeline]]:另一种强制流程的模式
- [[渐进式披露]]:类似的按需加载思想
## Connections
- [[Google5个AgentSkill设计模式]] ← part_of ← [[Inversion]]
- [[ADK]] ← published_by ← [[Inversion]]

View File

@@ -0,0 +1,30 @@
---
title: "Keyword-Based Monitoring"
type: concept
tags: [Keyword, Monitoring, YouTube, Search, AI-Agent]
sources: [daily-youtube-digest]
last_updated: 2026-04-22
---
## Definition
Keyword-Based Monitoring 是一种以关键词/主题为触发条件,主动搜索并追踪新内容的方法。与 [[Channel-Based Monitoring]] 的"固定频道列表"不同,它以主题为中心——适合跟踪竞品动态、技术趋势、新闻事件等泛化兴趣。
## How It Works
1. **Define keywords**: "Claude Code", "AI agents", "OpenClaw", etc.
2. **Periodic search**: AI Agent 定期通过 YouTube Search API 搜索含关键词的新视频
3. **Deduplication**: 已处理视频 ID 存入 seen-videos.txt避免重复
4. **Transcript + Summary**: 对新视频执行 [[Transcript-Based Summarization]]
5. **Delivery**: 合并到 [[Daily-Digest]]
## Use Cases
- **竞品追踪**: 监控竞品官方频道 + 相关 KOL 频道
- **技术跟踪**: "RAG", "Fine-tuning", "vLLM" 等技术关键词
- **行业新闻**: 特定公司/产品的最新视频评论
## Connections
- [[Keyword-Based Monitoring]] ← powers ← [[Daily YouTube Digest]]
- [[Daily-Digest]] ← aggregates ← [[Keyword-Based Monitoring]]
- [[Channel-Based Monitoring]] ← complements ← [[Keyword-Based Monitoring]]

View File

@@ -0,0 +1,25 @@
---
title: "MEMORY.md"
type: concept
tags: [OpenClaw, Agent, Memory]
sources: [万字讲透openclaw-workspace深度解析-2026-03-21]
last_updated: 2026-03-21
---
## Definition
**MEMORY.md** 是 OpenClaw workspace 中用于存储 Agent **长期知识总表**的文档,与 `memory/` 日期滚动目录共同构成 Agent 的持久记忆层。
## 与 memory/ 目录的关系
- **MEMORY.md**:长期知识总表,适合存储需要长期保留的、不随时间变化的知识
- **memory/**:按日期滚动的记忆笔记,适合存储随时间积累的会话片段和临时洞见
两者共同构成 [[Agent-Memory]] 的存储层。
## Related Concepts
- [[Agent-Memory]] — 跨会话长期记忆机制
- [[Workspace]] — MEMORY.md 所在的目录
- [[OpenClaw]] — MEMORY.md 所属的框架

View File

@@ -0,0 +1,32 @@
---
title: "MeetingNotes"
type: concept
tags: []
last_updated: 2026-04-22
---
# MeetingNotes
AI Agent 自动将会议录音/转录文本转换为结构化会议记录的工作流模式。包括摘要提取、关键决策识别、行动项抽取、任务创建和团队通知等环节。
## Definition
MeetingNotes 是一种 AI Agent 工作流,核心目标是消除"会议结束"到"任务追踪"之间的 Gap。传统流程中会议记录需要人工整理耗时 20+ 分钟),行动项容易被遗忘。该模式通过 AI 自动化实现:
1. 监听会议转录文本来源Otter.ai、Google Meet、Zoom
2. 提取关键决策和行动项(包含负责人和截止日)
3. 自动在项目管理工具创建任务Jira/Linear/Todoist/Notion
4. 发送摘要到团队频道Slack/Discord
5. 截止日前自动提醒负责人
## Core Insight
> "Meeting notes that don't become tracked tasks are just documentation theater."
> — 真正有价值的不是摘要本身,而是**自动任务创建**
## Related Concepts
- [[ActionItemTracking]] — 行动项追踪
- [[TaskAutomation]] — 任务自动化
- [[TranscriptProcessing]] — 转录文本处理
## Related Sources
- [[meeting-notes-action-items]]

41
wiki/concepts/Pipeline.md Normal file
View File

@@ -0,0 +1,41 @@
---
title: "Pipeline"
type: concept
tags: [Agent, Skill, Design Pattern, ADK]
sources: [google-5个agent-skill设计模式-2026-03-19]
last_updated: 2026-03-19
---
## Overview
Pipeline 是 Google ADK 发布的 5 种 Agent Skill 设计模式之一通过硬性检查点和明确门控条件强制执行严格的顺序工作流。适用于复杂任务Agent 无法跳过步骤直接给出未验证的最终结果。
## Mechanism
- 指令本身定义了工作流
- 实现明确的门控条件(如"用户在进入下一步之前确认生成的文档字符串"
- 用户必须在进入下一步之前确认
- 每一步都有明确的前置条件
## Use Cases
- 文档流水线:解析和清点 → 生成文档字符串 → 组装文档 → 质量检查
- 复杂业务流程:每步强制验证
- CI/CD 流程:每阶段 gate check
## Example Flow
```
1. 解析和清点 → [Gate: 用户确认]
2. 生成文档字符串 → [Gate: 用户确认]
3. 组装文档 → [Gate: 用户确认]
4. 质量检查 → 完成
```
## Key Insight
> 对于复杂任务你承受不起跳过步骤或者忽略指令的情况。Pipeline 模式强制执行严格的顺序工作流。
## Related Concepts
- [[Reviewer]]Pipeline 可以在最后包含 Reviewer 步骤 double-check 成果
- [[Generator]]Pipeline 的输出可以是 Generator 的输入
- [[Inversion]]Pipeline 可以用 Inversion 作为第一步收集信息
## Connections
- [[Google5个AgentSkill设计模式]] ← part_of ← [[Pipeline]]
- [[ADK]] ← published_by ← [[Pipeline]]

41
wiki/concepts/Reviewer.md Normal file
View File

@@ -0,0 +1,41 @@
---
title: "Reviewer"
type: concept
tags: [Agent, Skill, Design Pattern, ADK]
sources: [google-5个agent-skill设计模式-2026-03-19]
last_updated: 2026-03-19
---
## Overview
Reviewer 是 Google ADK 发布的 5 种 Agent Skill 设计模式之一,将"检查什么"和"怎么检查"完全分离指令保持静态Agent 动态加载特定审查标准。
## Mechanism
- 审查标准存放在 `references/review-checklist.md`
- 可以是 Python 风格检查,也可以是 OWASP 安全检查
- 同样的 Skill 基础设施,换个清单就是完全不同的专项审计
- 强制输出按严重程度分组的结构化结果
## Use Cases
- Python 代码风格审查
- OWASP 安全检查
- 文档质量审计
- 代码安全审计
## Implementation
```
SKILL.md: 静态指令
references/review-checklist.md: 动态审查标准
→ 加载特定标准 → 结构化输出结果
```
## Key Insight
> 传统的代码审查会把所有规则都写进 system prompt结果越写越长。Reviewer 模式完美解决这个问题。
## Related Concepts
- [[ToolWrapper]]:另一个互补的 Skill 设计模式
- [[Generator]]:可以生成待审查的内容
- [[Pipeline]]:可以包含 Reviewer 步骤 double-check 成果
## Connections
- [[Google5个AgentSkill设计模式]] ← part_of ← [[Reviewer]]
- [[ADK]] ← published_by ← [[Reviewer]]

46
wiki/concepts/SOUL.md.md Normal file
View File

@@ -0,0 +1,46 @@
---
title: "SOUL.md"
type: concept
tags: [OpenClaw, Agent, Personality]
sources: [万字讲透openclaw-workspace深度解析-2026-03-21]
last_updated: 2026-03-21
---
## Definition
**SOUL.md** 是 OpenClaw workspace 中定义 Agent **性格档案**的叙事性文档。与 AGENTS.md 的功能性定位做什么、怎么做不同SOUL.md 偏向人格性——这个 Agent 是谁、有什么个性、说话什么风格、面对压力怎么反应。
## 与 AGENTS.md 的区别
| | AGENTS.md | SOUL.md |
|---|---|---|
| 定位 | 岗位说明书 | 性格档案 |
| 性质 | 功能性 | 人格性 |
| 内容 | 职责、边界、优先级 | 性格、沟通风格、价值观 |
| 风格 | 结构化规则 | 叙事性叙述 |
## 应包含的内容
1. **自我叙事**Agent 是什么样存在的描述
2. **沟通风格**:口语化程度、类比习惯、礼貌性废话的处理
3. **价值观和边界**:诚实第一、效率优先、用户主导
4. **有趣的细节(可选)**:建立信任感的彩蛋式信息
## 核心价值
一个没有 SOUL.md 的 Agent每次对话都像第一次见面——说话没有固定风格遇到同样问题今天这么说、明天那么说。有精心设计的 SOUL.md 的 Agent用户会形成"这个 AI 是有个性的"的奇妙感觉。
## 与 IDENTITY.md 的分工
- **IDENTITY.md**:结构化元数据(谁、长什么样、什么感觉)
- **SOUL.md**:叙事性性格文档(怎么思考、怎么行事、有什么执念)
前者是名片,后者是人物小传。
## Related Concepts
- [[AGENTS.md]] — 岗位说明书,与 SOUL.md 互补
- [[IDENTITY.md]] — 结构化身份元数据,与 SOUL.md 叙事分工
- [[USER.md]] — 用户偏好,与 SOUL.md 共同定义人机关系基本共识
- [[OpenClaw]] — SOUL.md 所属的框架

View File

@@ -0,0 +1,43 @@
---
title: "SSEServer-Sent Events"
type: concept
tags: [web, realtime, mcp, protocol]
sources: []
last_updated: 2026-04-22
---
## Overview
SSEServer-Sent Events服务器推送事件是一种服务器向客户端推送实时事件的技术标准。在 MCP 协议中SSE 作为一种接入方式,用于建立 MCP Client 与 MCP Server 之间的实时通信通道。
## Aliases
- Server-Sent Events
- 服务端推送事件
- HTML5 Server-Sent Events
## Key Characteristics
- **单向通信**:服务器主动向客户端推送数据,客户端无需轮询
- **基于 HTTP**:使用标准 HTTP 协议,兼容性好
- **自动重连**:浏览器端自动处理连接断开和重连
- **MCP 接入方式**:作为 MCP Server 的一种连接方式(另一种是 Command 命令行)
## SSE vs WebSocket
| 特性 | SSE | WebSocket |
|------|-----|-----------|
| 通信方向 | 单向Server→Client | 双向 |
| 协议 | HTTP | ws/wss |
| 自动重连 | 原生支持 | 需手动实现 |
| 二进制数据 | 不支持 | 支持 |
| HTTP/2 多路复用 | 支持 | 支持 |
| 复杂度 | 简单 | 较复杂 |
## Usage in MCP Context
- **适用场景**:在线 MCP 服务的远程连接
- **配置方式**:在 Cursor MCP 设置中填写 SSE 服务 URL
- **替代方案**:本地 Command 命令行方式(适合本地 MCP 服务)
## Connections
- [[MCPModel Context Protocol]] — SSE 作为 MCP 的一种接入传输层
- [[Cursor]] — Cursor MCP 设置中支持 SSE 方式配置
## Sources
- [[mcp在cursor中的集成与应用详解]]

View File

@@ -0,0 +1,34 @@
---
title: "Sequential Thinking"
type: concept
tags: [ai, mcp, reasoning, agent]
sources: []
last_updated: 2026-04-22
---
## Overview
Sequential Thinking 是 MCP 工具之一,支持逻辑推理与分步执行任务,通过逐步拆解复杂问题来优化 AI 模型的思考与响应过程,提升 AI 决策质量和沟通效率。
## Aliases
- 序列思考
- 逐步推理
- Step-by-step Reasoning
## Key Characteristics
- **分步拆解**:将复杂任务分解为多个可管理的步骤
- **逻辑链**:每一步都有清晰的推理逻辑和上下文
- **工具协同**:可与其他 MCP 工具(如热点新闻服务)相互调用、协同工作
- **可追溯**:推理过程透明,便于审查和修正
## Usage in MCP Context
- 在 Cursor Composer 的 Agent 模式下通过提示词触发
- 自动执行工具链并返回处理后的精准结果
- 适用于需要多步骤推理的复杂任务场景
## Connections
- [[MCPModel Context Protocol]] — Sequential Thinking 的实现载体
- [[Agent模式]] — 触发 Sequential Thinking 的交互环境
- [[Tool Calling]] — Sequential Thinking 依赖的工具调用机制
## Sources
- [[mcp在cursor中的集成与应用详解]]

29
wiki/concepts/TOOLS.md.md Normal file
View File

@@ -0,0 +1,29 @@
---
title: "TOOLS.md"
type: concept
tags: [OpenClaw, Agent, Tools]
sources: [万字讲透openclaw-workspace深度解析-2026-03-21]
last_updated: 2026-03-21
---
## Definition
**TOOLS.md** 是 OpenClaw workspace 中声明**工具权限与使用规范**的文档。它的核心价值不在于列出工具名,而在于把"什么时候该用、什么时候不该用"写清楚。
## 核心作用
- **减少工具误用**:明确说明什么情况下不用某个工具,比"什么时候用"更有效
- **降低权限越界风险**:把限制规则固化在 workspace 里,不需要每次在对话里重申
- **与 openclaw.json 互补**:系统层决定"能不能用"TOOLS.md 帮助 Agent 理解"该不该用"
## 应包含的内容
- **可用工具列表**Read/Write/Edit、Bash、Glob/Grep、sessions_spawn、memory_get/memory_search 等
- **使用原则**:文件操作优先用 Read/Write/Edit避免直接用 Bash 的 cat/echo
- **受限工具**:需要用户明确授权才使用的工具(如 browser
## Related Concepts
- [[AGENTS.md]] — 工作说明书,与 TOOLS.md 共同定义 Agent 行为
- [[OpenClaw]] — TOOLS.md 所属的框架

View File

@@ -0,0 +1,48 @@
---
title: "TaskAutomation"
type: concept
tags: []
last_updated: 2026-04-22
---
# TaskAutomation
AI Agent 自动在项目管理工具中创建和管理任务的机制。通过 API 与 Jira/Linear/Todoist/Notion 等工具集成,从各种信息源(会议转录、邮件、聊天)自动生成结构化任务。
## Definition
TaskAutomation 是 AI Agent 工作流中的核心能力之一,核心价值在于:
- 消除人工录入的时间成本(手动创建 Jira ticket 平均耗时 3-5 分钟/项)
- 减少因遗忘导致的行动项丢失
- 确保任务包含足够的上下文(从原始来源自动携带)
## Supported Tools
| 工具 | API 类型 | 典型用途 |
|------|----------|----------|
| Jira | REST API | 企业级项目管理 |
| Linear | GraphQL API | 团队协作(轻量) |
| Todoist | REST API | 个人/轻量团队 |
| Notion | API + Database | 知识管理型任务 |
## Workflow Pattern
```
信息源(会议/邮件/聊天)
AI Agent 提取结构化数据
(任务描述、负责人、截止日、优先级)
API 调用创建任务
(携带原始上下文链接)
发送确认通知
Slack/Discord/Email
```
## Related Concepts
- [[MeetingNotes]] — 会议场景的任务来源
- [[ActionItemTracking]] — 行动项的识别和追踪
## Related Sources
- [[meeting-notes-action-items]]

View File

@@ -0,0 +1,25 @@
---
title: "Telegram Trigger"
type: concept
tags: [n8n, telegram, trigger, automation]
sources: [n8n-configure-telegram-trigger]
last_updated: 2026-04-22
---
## Definition
Telegram Trigger 是 n8n 工作流自动化平台内置的触发器节点,用于接收 Telegram Bot 的消息事件并触发后续工作流。当用户在 Telegram 中向 Bot 发送消息时n8n 通过 Telegram Webhook 机制实时接收消息并执行工作流。
## Configuration Requirements
- n8n 实例必须可通过 **HTTPS** 公开访问Telegram Webhook 的硬性要求)
- Telegram Bot Token通过 BotFather 创建获取)
- `WEBHOOK_URL` 环境变量指向 HTTPS 基础地址
## Common Error
```
Telegram Trigger: Bad Request: bad webhook: An HTTPS URL must be provided for webhook
```
此错误表示 n8n 生成的 Webhook URL 不是 HTTPS 协议。解决方法:在 Docker / Docker Desktop / docker-compose 中设置 `WEBHOOK_URL=https://your-domain.com/`
## Related Concepts
- [[Webhook]] — Telegram Trigger 的底层通信机制
- [[WEBHOOK_URL]] — n8n 环境变量,控制 Telegram Trigger 的 Webhook URL 生成

View File

@@ -0,0 +1,40 @@
---
title: "Tool Calling"
type: concept
tags: [ai, mcp, tools, function-calling]
sources: []
last_updated: 2026-04-22
---
## Overview
Tool Calling工具调用是 MCP 协议中的核心机制之一,类似于 HTTP POST 请求,用于触发外部工具执行具体操作,实现 AI 大模型与外部服务的功能交互。
## Aliases
- 函数调用
- 工具执行
- Function Calling
## Key Characteristics
- **触发机制**:通过 MCP 协议的消息传递触发外部工具
- **参数传递**:支持结构化参数传递给被调用的工具
- **结果返回**:工具执行结果通过 MCP 协议返回给 AI 模型
- **工具链**多个工具可按顺序调用形成工具链MCP Tool Chain
- **自动执行**:在 Cursor Composer Agent 模式下可自动执行,无需手动干预
## MCP 协议中的工具调用接口
- **类型**POST 类接口MCP Server 的三大接口之一)
- **协议层**MCP Client ↔ MCP Server 之间的工具调用通信
- **场景**数据查询、API 调用、命令执行、文件操作等
## Tool Chain Example
```
用户请求 → AI模型推理 → Tool Calling(MCP) → MCP Server 执行 → 结果返回 → AI模型整合响应
```
## Connections
- [[MCPModel Context Protocol]] — Tool Calling 的协议基础
- [[Sequential Thinking]] — 可调用 Tool Calling 实现分步推理
- [[Agent模式]] — Agent 模式下自动执行 Tool Calling
## Sources
- [[mcp在cursor中的集成与应用详解]]

View File

@@ -0,0 +1,37 @@
---
title: "Tool Wrapper"
type: concept
tags: [Agent, Skill, Design Pattern, ADK]
sources: [google-5个agent-skill设计模式-2026-03-19]
last_updated: 2026-03-19
---
## Overview
Tool Wrapper 是 Google ADK 发布的 5 种 Agent Skill 设计模式之一,通过动态加载领域知识让 Agent 快速成为某个领域的专家。
## Mechanism
- 将某个库或框架的规范文档打包成一个 Skill
- SKILL.md 监听特定的库关键词
- 当用户开始使用相关技术时才动态加载 `references/` 目录下的文档
- 把加载的规则当作绝对真理来执行
## Use Cases
- 分发团队内部的编码规范
- 特定框架的最佳实践(如 FastAPI 规范)
- 按需加载团队内部知识库
## Implementation
```
SKILL.md: 监听 "FastAPI" 关键词
references/conventions.md: FastAPI API 约定规范
→ 用户写 FastAPI 代码时才加载
```
## Related Concepts
- [[渐进式披露]]:只在使用时才加载相关知识
- [[Reviewer]]:另一个互补的 Skill 设计模式
- [[Generator]]:另一个互补的 Skill 设计模式
## Connections
- [[Google5个AgentSkill设计模式]] ← part_of ← [[ToolWrapper]]
- [[ADK]] ← published_by ← [[ToolWrapper]]

View File

@@ -0,0 +1,38 @@
---
title: "Transcript-Based Summarization"
type: concept
tags: [Transcript, Summarization, YouTube, Content-Processing, AI]
sources: [daily-youtube-digest]
last_updated: 2026-04-22
---
## Definition
Transcript-Based Summarization 是指从视频/音频内容中提取字幕/ transcript然后通过 AI 压缩为结构化要点摘要的处理流程。它使长视频/播客的消费从"没时间看完"变为"5 分钟掌握精华"。
## Workflow
1. **Transcript Extraction**: 通过 API[[TranscriptAPI.com]])或 CLI 工具yt-dlp获取字幕
2. **AI Summarization**: LLM 处理字幕文本,输出关键点、亮点引用、时间戳
3. **Structured Output**: 生成 bullet points、key quotes、timestamps 等结构化格式
4. **Delivery**: 整合到 [[Daily-Digest]] 或 [[second-brain]]
## TranscriptAPI vs yt-dlp
| Criteria | yt-dlp | TranscriptAPI.com |
|---|---|---|
| Output format | Verbose CLI logs | Clean JSON |
| Cloud compatibility | Fails on GCP/cloud | ✅ Works everywhere |
| Caching | None | ✅ Cached results |
| Rate limiting | Random blocks | ✅ Reliable, millions served |
| Dependencies | Binary required | HTTP API only |
## Applications
- [[Daily YouTube Digest]]: 频道新视频 → 字幕提取 → 要点摘要 → 推送
- [[Podcast Production Pipeline]]: 播客音频 → 字幕 → 时间戳笔记 → 社交媒体片段
- [[youtube-content-pipeline]]: YouTube 视频 → 字幕 → 博客文章/Newsletter
## Connections
- [[Transcript-Based Summarization]] ← uses ← [[TranscriptAPI.com]]
- [[Daily-Digest]] ← incorporates ← [[Transcript-Based Summarization]]

View File

@@ -0,0 +1,39 @@
---
title: "TranscriptProcessing"
type: concept
tags: []
last_updated: 2026-04-22
---
# TranscriptProcessing
AI Agent 处理会议转录文本Transcripts的技术方法包括文本解析、发言人识别、关键内容提取和信息结构化。是 [[MeetingNotes]] 自动化的核心技术环节。
## Definition
TranscriptProcessing 解决的核心问题原始转录文本VTT、SRT、TXT包含大量噪音语气词、重复、停顿需要 AI 理解并提取有价值的信息。该过程包括:
- 格式解析:识别 VTT/SRT 时间戳、说话人标签
- 去噪清理:去除语气词、重复、停顿标记
- 发言人归属:将发言内容归因到具体人员
- 主题分段:识别不同讨论主题的边界
- 关键提取:决策、行动项、问题、待跟进事项
## Recommended Input Formats
| 格式 | 来源 | 优势 |
|------|------|------|
| VTT | Zoom/Google Meet 字幕导出 | 包含时间戳,利于发言人归属 |
| SRT | 视频字幕导出 | 时间戳支持多发言人识别 |
| TXT | Otter.ai 导出 | 已整理的纯文本 |
| JSON | Otter.ai API | 结构化数据speaker, words, timing |
## Key Insight
> "VTT/SRT subtitle files from Zoom or Google Meet work great as input — they include timestamps which help the agent attribute statements to speakers."
## Related Concepts
- [[MeetingNotes]] — 转录处理的主要应用场景
- [[ActionItemTracking]] — 从处理结果中提取行动项
## Related Sources
- [[meeting-notes-action-items]]

30
wiki/concepts/USER.md.md Normal file
View File

@@ -0,0 +1,30 @@
---
title: "USER.md"
type: concept
tags: [OpenClaw, Agent, User-Profile]
sources: [万字讲透openclaw-workspace深度解析-2026-03-21]
last_updated: 2026-03-21
---
## Definition
**USER.md** 是 OpenClaw workspace 中用于固化**用户画像与偏好**的文档。它的核心作用是把反复要交代的信息(职业、使用场景、偏好设定)沉淀成默认背景,避免每次对话都重新说明。
## 应包含的内容
- **基本信息**:职业、主要使用场景、常用语言
- **偏好设定**:回答风格、代码偏好、内容偏好、不喜欢的行为
- **常见任务**:使用频率最高的任务类型
- **背景知识假设**:用户已掌握的技术栈和工具
## 与 SOUL.md 的协同效应
SOUL.md 定义 Agent 的性格USER.md 定义用户的性格。两者放在一起,相当于在 Agent 脑子里预装了一份"人机关系的基本共识"。
类比SOUL.md 是新来助理的个人简历USER.md 是 HR 给助理写的"关于你的上司,你需要提前知道的事"。两者都读完了,第一天上班才不会尴尬。
## Related Concepts
- [[SOUL.md]] — Agent 性格档案,共同定义人机关系
- [[OpenClaw]] — USER.md 所属的框架

View File

@@ -0,0 +1,31 @@
---
title: "WEBHOOK_URL"
type: concept
tags: [n8n, environment-variable, webhook, telegram]
sources: [n8n-configure-telegram-trigger]
last_updated: 2026-04-22
---
## Definition
`WEBHOOK_URL` 是 n8n 工作流自动化平台的环境变量,用于指定 n8n 实例对外暴露的 HTTPS 基础地址。n8n 基于此地址自动生成各个 Trigger 节点的 Webhook URL。
## Why It Matters
Telegram Bot API 要求 Webhook 必须使用 HTTPS 协议。如果 `WEBHOOK_URL` 未设置或指向 HTTP/本地地址Telegram 会拒绝注册 Webhook 并报错:
```
bad webhook: An HTTPS URL must be provided for webhook
```
## Configuration in Docker
在 Docker Compose 或 Docker Desktop 中设置:
```yaml
environment:
- WEBHOOK_URL=https://n8n.cpolar.top
```
## Related Entities
- [[n8n]] — 读取 WEBHOOK_URL 环境变量的工作流平台
- [[Telegram]] — 要求 HTTPS Webhook 的消息平台
## Related Concepts
- [[Webhook]] — WEBHOOK_URL 生成的 HTTPS URL 用于 Webhook 注册
- [[Telegram Trigger]] — 依赖 WEBHOOK_URL 的 n8n 节点

29
wiki/concepts/Webhook.md Normal file
View File

@@ -0,0 +1,29 @@
---
title: "Webhook"
type: concept
tags: [webhook, http, api, real-time]
sources: [n8n-configure-telegram-trigger]
last_updated: 2026-04-22
---
## Definition
Webhook 是一种服务器间实时推送数据的机制,通过 HTTP POST 请求将事件通知从发送方服务器主动推送到接收方服务器。与轮询Polling不同Webhook 是被动接收,无需客户端频繁请求。
## How It Works
1. 接收方服务器向发送方注册一个公开可访问的 HTTPS URL
2. 发送方在特定事件发生时向该 URL 发送 HTTP POST 请求
3. 接收方处理请求并返回响应
## Telegram Webhook
Telegram Bot API 支持两种消息接收模式:
- **Polling 模式**Bot 主动轮询 Telegram 服务器拉取更新
- **Webhook 模式**Telegram 服务器在收到消息时主动 POST 到 Bot 指定的 HTTPS URL
Telegram 要求 Webhook URL 必须是 HTTPS 协议HTTP 或 localhost 无法使用。
## n8n 与 Webhook
n8n Telegram Trigger 节点依赖 Telegram Webhook 机制接收消息。配置时需确保 n8n 实例可通过 HTTPS 访问,否则 Telegram 会拒绝注册 Webhook。
## Related Concepts
- [[Telegram Trigger]] — n8n 中使用 Webhook 接收 Telegram 消息的节点
- [[WEBHOOK_URL]] — n8n 环境变量,指定 Webhook URL 基础地址

View File

@@ -0,0 +1,57 @@
---
title: "Workspace"
type: concept
tags: [OpenClaw, Agent, Configuration]
sources: [万字讲透openclaw-workspace深度解析-2026-03-21]
last_updated: 2026-03-21
---
## Definition
**Workspace** 是 OpenClaw 中 Agent 的**工作台目录**(默认 `~/.openclaw/workspace/`),包含一系列 Markdown 配置文件,决定 Agent 怎么工作、什么性格、记住什么。
## 目录结构
```
~/.openclaw/
├── workspace/ # 默认情况下主 Agent 的工作区
│ ├── AGENTS.md # Agent 的行为规则与多 Agent 协调
│ ├── SOUL.md # Agent 的叙事性格设定
│ ├── USER.md # 用户画像与偏好
│ ├── IDENTITY.md # Agent 身份元数据(名字/emoji/头像)
│ ├── TOOLS.md # 工具权限声明与使用规范
│ ├── HEARTBEAT.md # 会话节奏/状态提示
│ ├── BOOTSTRAP.md # 首次启动引导(完成后应删除)
│ ├── MEMORY.md # 长期知识总表
│ ├── memory/ # 按日期滚动的记忆笔记
│ └── skills/ # 技能包目录
├── agents/<agentId>/ # 各 Agent 的运行态目录
└── openclaw.json # 总控配置
```
## 核心洞察
OpenClaw 使用者存在一条隐形分界线:
- 不会用 workspace 的人每次都要重新交代背景Agent 每次都像陌生人
- 会用 workspace 的人Agent 知道用户是谁、该怎么说话、记得上次积累的东西
**这条分界线,就是 workspace。**
## 与 agentDir / sessions 的区别
| 概念 | 职责 |
|------|------|
| **workspace** | Agent 的工作台,决定"怎么工作" |
| **agentDir** | openclaw.json 里的配置字段,指向运行状态目录 |
| **sessions** | 对话历史日志 |
## Related Concepts
- [[AGENTS.md]] — workspace 核心文件之一
- [[SOUL.md]] — workspace 核心文件之一
- [[USER.md]] — workspace 核心文件之一
- [[IDENTITY.md]] — workspace 核心文件之一
- [[TOOLS.md]] — workspace 核心文件之一
- [[Agent-Memory]] — workspace 中的长期记忆机制
- [[OpenClaw]] — Workspace 所属的框架

View File

@@ -0,0 +1,80 @@
---
title: "一人公司"
type: concept
tags: [创业, 商业模式, 个人品牌]
last_updated: 2026-04-22
---
## 定义
一人公司One-Person Business是一种用最小杠杆撬动最大价值的商业模式核心是通过 AI 和自动化工具放大个人优势,实现规模化收入而不需要大量雇员。
## 核心原则
### 定位比努力更重要
> "一人公司的关键,和你更努力地工作一点关系没有,是更聪明地定位。"
关键洞察:在你觉得太简单所以不值钱的事情里,在朋友们总是找你帮忙的那个领域里,隐藏着你的商业机会。
### AI 杠杆
利用 AI 工具实现:
- 内容批量生产
- 客户服务自动化
- 工作流编排
- 技能放大
## 建立流程
### 90天系统化方法论
```
第1步自我体检
↓ 发现天才地带
第2步挖掘底层能力
↓ 找到核心元技能
第3步识别心理陷阱
↓ 突破自我限制
第4步团队协作
↓ 不一个人扛
第5步找到 Ikigai
↓ 确定商业方向
第6步赛道验证
↓ 数据验证定位
第7步产品体系设计
↓ 建立收入层级
第8步内容矩阵
↓ 持续获客
第9步销售漏斗
↓ 完成变现
```
## 关键指标
| 指标 | 目标 |
|------|------|
| 首次付费时间 | 越快越好 |
| 客户终身价值 | 通过产品层级提升 |
| 内容投入产出比 | 一次制作,百次分发 |
## 相关来源
- [[万字保姆级教程-90天跑通一人公司模式]]
## 相关概念
- [[个人品牌]]
- [[Ikigai框架]]
- [[天才地带]]
- [[底层能力]]
- [[产品四层级体系]]
- [[内容矩阵]]
- [[销售漏斗]]
## Aliases
- One-Person Business
- Solo Business
- Solopreneur
- 个人创业

View File

@@ -0,0 +1,74 @@
---
title: "个人品牌"
type: concept
tags: [个人品牌, 内容营销, 社交媒体]
last_updated: 2026-04-22
---
## 定义
个人品牌是通过持续输出内容、建立专业形象和真实人设,在目标受众心中形成的独特认知和信任关系。
## 与一人公司的关系
个人品牌是[[一人公司]]的获客基础设施:
- 品牌 = 信任
- 信任 = 转化
- 转化 = 收入
## 核心策略
### Build in Public
在[[一人公司]]构建过程中公开分享:
- 进展与挑战
- 成功与失败
- 学习与成长
**核心价值**AI 泛滥时代,活人感更稀缺、更珍贵
### 内容矩阵
围绕核心主题,构建多形式内容:
- 观察类(行业洞察)
- 反直觉类(挑战常规)
- 操作指南类(可执行步骤)
- 个人故事类(真实经历)
- 清单类(资源汇总)
### 反向金字塔内容法
一次深度内容 → 拆分为多个微内容 → 一次制作,百次分发
## 建立步骤
1. **明确定位**:基于[[Ikigai框架]]确定 niche
2. **持续输出**:通过[[内容矩阵]]保持曝光
3. **真实互动**Build in Public 增加亲和力
4. **产品转化**:通过[[销售漏斗]]完成商业闭环
## 关键指标
| 指标 | 意义 |
|------|------|
| 受众信任度 | 比粉丝数更重要 |
| 内容一致性 | 长期积累的品牌资产 |
| 转化率 | 品牌 → 客户的成功率 |
## 相关来源
- [[万字保姆级教程-90天跑通一人公司模式]]
## 相关概念
- [[一人公司]]
- [[Build in Public]]
- [[内容矩阵]]
- [[销售漏斗]]
- [[天才地带]]
## Aliases
- Personal Branding
- 个人 IP
- 个人影响力

View File

@@ -0,0 +1,57 @@
---
title: "产品四层级体系"
type: concept
tags: [商业模式, 产品策略, 商业变现]
last_updated: 2026-04-22
---
## 定义
一人公司或知识产品创作者的标准化产品分层架构,从免费引流到高价服务逐层递进。
## 四层产品结构
| 层级 | 产品形态 | 定价 | 用户心理 |
|------|----------|------|----------|
| **引流层** | 行业趋势报告 PDF | 免费(换联系方式) | 看看无妨,或许有用 |
| **入门层** | 写作自动流工具 | ¥199 | 这价格买个工具很划算 |
| **核心层** | 6周实战特训营 | ¥4999 | 我要彻底解决这个问题 |
| **高价层** | 企业陪跑咨询 1对1 | ¥20,000/月 | 我需要专家直接帮我做 |
## 设计原则
### 客户信任需要逐步建立
- 没有人一开始就买最贵的
- 每一层都在筛选和教育客户
- 低价产品是高价产品的"信任桥梁"
### 定价心理
- **价格锚定**:把高价咨询放顶部,让低价显得便宜
- **诱饵效应**:三个选项(基础/标准/旗舰),引导用户选择中间选项
## 在一人公司中的应用
产品体系是[[一人公司]]商业变现的核心组件,配合:
- [[内容矩阵]] 进行获客
- [[销售漏斗]] 实现转化
- [[Ikigai框架]] 确定产品方向
## 相关来源
- [[万字保姆级教程-90天跑通一人公司模式]]
## 相关概念
- [[一人公司]]
- [[销售漏斗]]
- [[价格锚定]]
- [[诱饵效应]]
## Aliases
- 产品层级
- 收入漏斗
- 产品矩阵
- 定价层级

View File

@@ -0,0 +1,74 @@
---
title: "价格锚定与诱饵效应"
type: concept
tags: [定价策略, 心理学, 商业变现]
last_updated: 2026-04-22
---
## 定义
两种基于消费者心理学的定价策略,常用于[[销售漏斗]]和[[产品四层级体系]]中。
## 价格锚定Price Anchoring
### 原理
消费者在做购买决策时会参考第一个看到的价格作为"锚点"。
### 应用方法
- 把高价产品/服务放在最显眼的位置
- 让用户首先感知"高价值"
- 中低价产品因此显得更划算
### 示例
```
¥20,000/月 企业咨询 ← 锚点(让人感知"贵"
¥4,999 6周特训营 ← 主推(相对便宜)
¥199 工具会员 ← 入门(几乎免费)
```
## 诱饵效应Decoy Effect
### 原理
当引入一个明显较差的第三个选项时,用户更倾向于选择中间价位。
### 三选项设计
| 选项 | 配置 | 定位 |
|------|------|------|
| 基础版 | 核心功能 | 诱饵(让人觉得太简陋) |
| **标准版** | 完整功能 | **推荐(被设计为最佳选择)** |
| 旗舰版 | 全功能+增值服务 | 锚点(让人感觉太贵) |
### 关键洞察
- 标准版被设计为"明显更好但价格合理"
- 基础版和旗舰版都衬托出标准版的价值
- 用户感到自己在做理性选择,实际上被引导
## 组合使用
在一人公司产品体系中同时应用:
1. **价格锚定**:高价服务在顶部建立价值感知
2. **诱饵效应**:中层产品通过三选项设计优化转化
## 相关来源
- [[万字保姆级教程-90天跑通一人公司模式]]
## 相关概念
- [[销售漏斗]]
- [[产品四层级体系]]
- [[一人公司]]
## Aliases
- Pricing Anchoring
- Decoy Pricing
- 定价心理学
- 相对价值感知

View File

@@ -0,0 +1,74 @@
---
title: "内容矩阵"
type: concept
tags: [内容营销, 数字营销, 个人品牌]
last_updated: 2026-04-22
---
## 定义
围绕核心主题和多种内容形式构建的二维内容策略框架,是[[一人公司]]和[[Build in Public]]策略的核心工具。
## 矩阵结构
```
│ 观察类 │ 反直觉类 │ 操作指南类 │ 个人故事类 │ 清单类
───────────────┼────────┼──────────┼────────────┼───────────┼──────
核心主题 A │ 📊 │ 💡 │ 📝 │ 📖 │ ✅
核心主题 B │ 📊 │ 💡 │ 📝 │ 📖 │ ✅
核心主题 C │ 📊 │ 💡 │ 📝 │ 📖 │ ✅
```
### 纵轴:内容形式
| 类型 | 特点 | 示例 |
|------|------|------|
| **观察类** | 行业趋势、数据分析 | "Q1 AI工具市场趋势" |
| **反直觉类** | 挑战常规认知 | "为什么努力工作反而害了你" |
| **操作指南类** | 可执行步骤 | "5步建立你的内容矩阵" |
| **个人故事类** | 真实经历分享 | "我是如何找到我的天才地带的" |
| **清单类** | 可复用资源 | "2026年必备10个AI工具" |
### 横轴:核心主题
围绕[[Ikigai框架]]确定的商业方向展开,通常 2-3 个核心主题足够。
## 反向金字塔内容法
```
一次长形式内容(深度文章/视频/播客)
↓ 拆分
多个微内容
├── 社交媒体帖子 × 5
├── 电子邮件摘要 × 1
├── 短视频片段 × 3
└── 图片/信息图 × 2
↓ 分发
一次制作,百次分发
```
## 在一人公司中的作用
内容矩阵是[[销售漏斗]]获客阶段的核心策略:
1. 通过高质量内容建立专业形象
2. 通过[[Build in Public]]增加"活人感"
3. 通过反向金字塔最大化内容价值
4. 引导用户进入产品体系
## 相关来源
- [[万字保姆级教程-90天跑通一人公司模式]]
## 相关概念
- [[Build in Public]]
- [[一人公司]]
- [[销售漏斗]]
- [[产品四层级体系]]
## Aliases
- Content Strategy
- 内容策略
- 内容规划
- 内容框架

View File

@@ -0,0 +1,67 @@
---
title: "四个心理陷阱"
type: concept
tags: [心理学, 职业发展, 个人成长]
last_updated: 2026-04-22
---
## 定义
阻碍个人发现和发挥天才地带的四个常见心理障碍。
## 四个陷阱详解
### 1. 愧疚陷阱
| 项目 | 内容 |
|------|------|
| 核心问题 | "我不喜欢,所以别人肯定也不喜欢" |
| 表现 | 忽视自己的真实喜好,认为自己的偏好不重要 |
| 解决方法 | 允许组建支持团队,把不适合你的活动交给别人 |
### 2. 效率陷阱
| 项目 | 内容 |
|------|------|
| 核心问题 | "只要我在忙,就是在创造价值" |
| 表现 | 忙于低价值任务,逃避高价值但可能不舒服的工作 |
| 解决方法 | 学会说不,学会委派 |
### 3. 卓越陷阱
| 项目 | 内容 |
|------|------|
| 核心问题 | "我是最厉害的,这事儿必须亲自干" |
| 表现 | 无法放权,成为团队瓶颈 |
| 解决方法 | 把方法论教给别人,精力留给真正重要的事 |
### 4. 努力陷阱
| 项目 | 内容 |
|------|------|
| 核心问题 | "做起来太轻松,感觉没什么价值" |
| 表现 | 低估自己的天赋,追求困难的事情 |
| 解决方法 | 重新定义价值——价值取决于解决了什么问题,而非花了多少力气 |
## 为什么这些陷阱危险
这些陷阱让人:
- 停留在[[卓越区]]而非[[天才地带]]
- 消耗精力在不产生心流的活动中
- 错失发挥真正优势的机会
## 相关来源
- [[万字保姆级教程-90天跑通一人公司模式]]
## 相关概念
- [[天才地带Zone of Genius]]
- [[底层能力]]
- [[一人公司]]
## Aliases
- 心理障碍
- 认知偏见
- 自我限制信念

View File

@@ -0,0 +1,53 @@
---
title: "天才地带Zone of Genius"
type: concept
tags: [职业发展, 自我认知, 心理学]
last_updated: 2026-04-22
---
## 定义
由心理学家[[盖伊·亨德里克斯]]提出的概念,指人类活动划分的四个区域中,能产生心流、时间飞逝、精力充沛的区域。
## 四个活动区域
| 区域 | 特征 | 问题 |
|------|------|------|
| **不胜任区** | 既不擅长也不喜欢 | 做起来压力山大 |
| **胜任区** | 能做但平平无奇 | 别人也能做,缺乏竞争力 |
| **卓越区**(最危险)| 比多数人做得好但不喜欢 | 长期产生职业倦怠 |
| **天才区** | 能产生心流 | 时间飞逝,精力充沛 ✅ |
## 如何识别天才地带
**活动自检三问:**
1. **追溯童年** —— 这件事你小时候就喜欢吗?
2. **毫不费力** —— 你是不是觉得太简单,甚至不理解别人为什么觉得难?
3. **底层通用** —— 这个能力能串起好几件你擅长的事吗?
**外部反馈:**
- 问身边最亲近的人:"你觉得我有什么特别的地方?"
## 为什么卓越区最危险
卓越区的人往往因为外界的认可和报酬而停滞在不喜欢的事情上,最终导致:
- 职业倦怠
- 动力丧失
- 创造力和热情耗尽
## 相关来源
- [[万字保姆级教程-90天跑通一人公司模式]]
## 相关概念
- [[底层能力]]
- [[四个心理陷阱]]
- [[Ikigai框架]]
## Aliases
- Zone of Genius
- 天才区
- 心流区
- 高绩效区域

View File

@@ -0,0 +1,29 @@
---
title: "工作流自动化"
type: concept
tags: [workflow, automation, ai]
last_updated: 2025-12-31
---
## Overview
**工作流自动化Workflow Automation** 是通过软件工具将重复性、手动执行的任务和业务流程转变为自动执行的流程的技术方法。通过自然语言指令驱动 AI 助手自动设计和搭建工作流,是近年来工作流自动化领域的重要发展方向。
## Key Characteristics
- **自然语言驱动**用户通过描述性文本Prompt告知 AI 需要完成的自动化任务
- **节点编排**AI 自动选择和连接适当的节点/工具来完成流程
- **代码生成**AI 自动编写脚本逻辑,减少人工编码工作量
- **低门槛**:非技术用户也能通过自然语言创建复杂自动化流程
## Claude + N8N 自动化案例
通过 [[n8n-mcp]] 将 [[Claude]] 与 [[N8N]] 连接:
1. 用户输入自然语言需求(如"每小时爬取最新新闻,更新至 Google 表格"
2. Claude 通过 n8n-mcp 理解 N8N 节点能力
3. Claude 自动查找节点、设置触发器、编写代码
4. 生成的工作流完成度约 80%-90%,需人工二次修正
## Related
- [[N8N]] — 工作流自动化平台
- [[n8n-mcp]] — Claude 与 N8N 的连接桥梁
- [[Claude]] — 提供自然语言理解的 AI 助手
- [[Extended Thinking]] — Claude 的深层推理模式,提升生成质量
- [[MCPModel Context Protocol]] — 使 AI 能调用外部工具的协议

View File

@@ -0,0 +1,55 @@
---
title: "底层能力"
type: concept
tags: [职业发展, 自我认知, 能力挖掘]
last_updated: 2026-04-22
---
## 定义
隐藏在各种活动表象下的核心能力,是可跨领域迁移和复用的元技能。
## 自检三问
找到底层能力的三个关键问题:
1. **追溯童年**
- 这件事你小时候就喜欢吗?
- 是否具有跨时间的持久性?
2. **毫不费力**
- 你是不是觉得太简单?
- 甚至不理解别人为什么觉得难?
- 这是否是他人会付费请你做的事?
3. **底层通用**
- 这个能力能串起好几件你擅长的事吗?
- 是否可以迁移到不同领域?
## 外部验证
问身边最亲近的人:
> "你觉得我有什么特别的地方?"
## 与天才地带的关系
- [[天才地带Zone of Genius]]描述的是**活动区域**
- 底层能力解释的是**为什么**某些活动会落在天才地带
- 底层能力是天才地带活动的**内在驱动力**
## 应用场景
- 个人职业定位
- [[Ikigai框架]] 中的"你所擅长的"维度
- [[一人公司]] 的核心竞争力识别
## 相关来源
- [[万字保姆级教程-90天跑通一人公司模式]]
## Aliases
- 核心能力
- 元技能
- 可迁移技能
- 天赋能力

View File

@@ -0,0 +1,85 @@
---
title: "销售漏斗"
type: concept
tags: [商业变现, 营销策略, 转化]
last_updated: 2026-04-22
---
## 定义
将潜在客户从认知逐步转化为付费客户的线性流程,也称为"营销漏斗"或"转化漏斗"。
## 三阶段模型
### 1. 获客阶段
```
社交媒体 → 落地页
```
- **渠道**社交媒体、内容营销、SEO、广告
- **目标**:吸引注意力,建立初步认知
- **关键指标**:曝光量、点击率
### 2. 激活阶段
```
免费资源换取联系方式 → 系列转化内容
```
- **策略**:提供免费资源(如 PDF、模板、工具
- **目标**:获取联系方式,建立信任
- **关键指标**:转化率、邮件打开率
### 3. 转化阶段
```
低价产品直接支付页面
高价服务引导预约咨询
```
- **策略**
- 低价产品:直接支付页面
- 高价服务:一对一咨询
- **目标**:完成首次购买
- **关键指标**:转化率、客单价
## 定价技巧
### 价格锚定
- 把高价咨询放顶部
- 让低价显得便宜
- 利用相对价格感知
### 诱饵效应
- 提供三个选项:基础/标准/旗舰
- 中间选项被设计为"最佳选择"
- 用户倾向于选择不会太便宜也不会太贵的中间项
## 在一人公司中的应用
销售漏斗配合[[产品四层级体系]]
1. 顶层免费资源引流
2. 中层产品建立信任
3. 底层高价服务完成变现
## 相关来源
- [[万字保姆级教程-90天跑通一人公司模式]]
## 相关概念
- [[一人公司]]
- [[产品四层级体系]]
- [[价格锚定]]
- [[诱饵效应]]
- [[Build in Public]]
## Aliases
- 营销漏斗
- 转化漏斗
- 客户旅程
- 转化路径