Auto-sync: 2026-04-22 19:20

wiki/sources/autonomous-project-management.md

@@ -0,0 +1,46 @@
+---
+title: "Autonomous Project Management with Subagents"
+type: source
+tags: [multi-agent, project-management, autonomous-agents, coordination]
+date: 2026-04-22
+---
+
+## Source File
+- [[Agent/usecases/autonomous-project-management]]
+
+## Summary（用中文描述）
+- 核心主题：去中心化的多子 Agent 并行项目管理体系，通过共享 STATE.yaml 文件协调而非中央编排器
+- 问题域：复杂多并行工作流项目管理的上下文切换瓶颈问题——传统编排模式主 Agent 成为交通指挥员
+- 方法/机制：主 Agent 仅做策略（CEO 模式），子 Agent 通过读写共享 STATE.yaml 自主工作；Git 作为审计日志
+- 结论/价值：基于文件的协调比消息传递更具可扩展性；Git 版本控制提供完整历史追溯
+
+## Key Claims（用中文描述）
+- **共享 STATE.yaml > 中心编排器**：文件协调比消息传递模式更具扩展性
+- **CEO 模式**：主会话越薄（0-2 步工具调用），响应速度越快
+- **Git 作为审计日志**：STATE.yaml 变更即提交，获得完整可追溯历史
+- **标签约定至关重要**：使用 `pm-{project}-{scope}` 格式便于追踪
+
+## Key Quotes
+> "Let agents self-organize rather than micromanaging them." — [[Nicholas Carlini]]
+
+> "The less the main agent does, the faster it responds." — 核心洞察
+
+## Key Concepts
+- [[PM Delegation Pattern]]：主会话仅协调，所有执行下沉至子 Agent 的委托模式
+- [[CEO Pattern]]：主 Agent 仅负责策略决策，子 Agent 负责执行的极简主控模式
+- [[Shared State Coordination]]：通过共享文件（而非消息传递）实现多 Agent 协调
+- [[Git-as-Audit-Log]]：将所有状态变更提交至 Git，获得完整决策历史
+
+## Key Entities
+- [[Nicholas Carlini]]：AI 研究者，其自主编码 Agent 方法启发了此模式——让 Agent 自我组织而非微观管理
+
+## Connections
+- [[project-state-management]] ← related_to ← [[autonomous-project-management]]（两者均强调文件化状态管理，但 project-state-management 侧重事件驱动看板）
+- [[content-factory]] ← related_to ← [[autonomous-project-management]]（均使用 sessions_spawn/sessions_send 实现多 Agent 编排）
+- [[multi-agent-team]] ← related_to ← [[autonomous-project-management]]（均涉及多 Agent 专业团队协作）
+
+## Contradictions
+- 与 [[project-state-management]] 冲突：
+  - 冲突点：任务管理范式——动态状态文件 vs 静态看板视图
+  - 当前观点：去中心化文件协调，子 Agent 自主驱动进度
+  - 对方观点：事件驱动看板，用户通过自然语言操作，完整保留决策链上下文

wiki/sources/custom-morning-brief.md

@@ -0,0 +1,44 @@
+---
+title: "Custom Morning Brief"
+type: source
+tags: []
+date: 2026-04-22
+---
+
+## Source File
+- [[Agent/usecases/custom-morning-brief]]
+
+## Summary（用中文描述）
+- 核心主题：AI Agent 驱动的个性化晨间简报系统
+- 问题域：个人生产力 / 信息过载 / 早晨时间利用
+- 方法/机制：定时任务调度（每日固定时间） + AI 研究助理（抓取相关新闻） + 待办列表集成 + 主动任务推荐（AI 自主思考可帮助用户完成的事项）+ 创意内容生成（睡前完成完整稿件/邮件/方案草稿，而非仅提供标题）
+- 结论/价值：将 AI 闲置的夜间时间转化为生产力，用户醒来即可获得结构化简报，把早晨最有价值的注意力用于决策而非信息收集
+
+## Key Claims（用中文描述）
+- AI 主动推荐任务 → 用户从"等指令"变为"收到已完成的成果"，实现真正的自动驾驶式助理
+- 完整草稿（full draft scripts）比标题建议 → 节省用户时间，醒来直接使用
+- 简报个性化 → 发送文字消息即可调整，无需重新配置
+
+## Key Quotes
+> "The AI-recommended tasks section is the most powerful part — it has the agent proactively think of ways to help you, rather than waiting for instructions." — 核心洞察
+> "Full drafts (not just ideas) are the key to saving time. Wake up to scripts, not suggestions." — 与竞品差异化价值
+> "You can customize the brief just by texting. Say 'Add stock prices to my morning brief' and it updates." — 低门槛个性化
+
+## Key Concepts
+- [[Scheduled Task Flywheel]]：定时任务飞轮——利用夜间空闲时间让 AI 完成前置工作，用户醒来直接使用成果
+- [[Proactive Agent Recommendation]]：主动任务推荐——AI 自主思考可帮助用户完成的事项，而非被动等待指令
+- [[Multi-Channel Integration]]：多渠道集成——Telegram / Discord / iMessage 统一消息入口
+
+## Key Entities
+- [[OpenClaw]]：多 Agent 记忆框架，本简报场景的核心执行引擎
+- [[Alex Finn]]：OpenClaw 玩家，YouTube 视频激发了此工作流的流行
+- [[Todoist]]：待办列表集成目标之一（支持 Apple Reminders / Asana）
+- [[x-research-v2]]：ClaHub 上的社交媒体趋势研究工具（可选集成）
+
+## Connections
+- [[phone-based-personal-assistant]] ← shared_user_case ← [[custom-morning-brief]]（两者均强调 AI 在用户无主动操作时提供价值）
+- [[multi-channel-assistant]] ← uses ← [[OpenClaw]]（均依赖 OpenClaw 的多渠道消息集成能力）
+- [[self-healing-home-server]] ← extends ← [[custom-morning-brief]]（Reef 的 Morning Briefing 是 custom-morning-brief 的家庭服务器垂直场景实例）
+
+## Contradictions
+- 无已知冲突

wiki/sources/daily-reddit-digest.md

@@ -0,0 +1,39 @@
+---
+title: "Daily Reddit Digest"
+type: source
+tags: []
+date: 2026-04-22
+---
+
+## Source File
+- [[Agent/usecases/daily-reddit-digest.md]]
+
+## Summary（用中文描述）
+- 核心主题：AI Agent 驱动的 Reddit 每日精选摘要自动化
+- 问题域：如何高效追踪多个 Subreddit 的热门内容
+- 方法/机制：通过 OpenClaw + reddit-readonly skill，每日定时运行，自动抓取 Reddit 热门/最新/最高赞帖子
+- 结论/价值：提供免登录、免发帖、无噪音的纯阅读体验，支持搜索帖子、获取评论上下文，适合人工后续筛选和回复
+
+## Key Claims（用中文描述）
+- OpenClaw Agent ← 每日定时执行 ← Reddit 热门帖子抓取，实现自动化内容订阅
+- reddit-readonly skill ← 无需认证 ← 纯读取模式，安全可靠
+- 记忆系统 ← 学习用户偏好 ← 持续优化精选规则，实现个性化 digest
+
+## Key Quotes
+> "It's read-only. No posting, voting, or commenting." — 核心设计原则，专注阅读不引入干扰
+
+## Key Concepts
+- [[Daily-Digest]]：定时运行的 AI 内容摘要服务，每日自动推送精选内容
+- [[Reddit Read-Only]]：纯读取模式，无需账户认证，专注于内容消费
+- [[Preference Learning]]：通过用户反馈持续学习偏好，优化推荐规则
+
+## Key Entities
+- [[OpenClaw]]：多 Agent 框架，承载 reddit-readonly skill 和每日定时调度
+- [[reddit-readonly]]：ClawHub 上的公开 Skill，专注于 Reddit 内容读取，无需认证
+
+## Connections
+- [[Daily YouTube Digest]] ← shares_pattern ← [[Daily Reddit Digest]]（同为 Cron Job + AI 摘要 + Telegram 投递模式的不同垂直场景）
+- [[Content Factory]] ← extends ← [[Daily Reddit Digest]]（前者扩展为多 Agent 协作内容创作链）
+
+## Contradictions
+- 无已知冲突

wiki/sources/dataview-让我从"笔记黑洞"里逃出来的-obsidian-神器-1.md

@@ -1,5 +1,5 @@
 ---
-title: "Dataview——让我从"笔记黑洞"里逃出来的 Obsidian 神器"
+title: "Dataview——让我从笔记黑洞里逃出来的 Obsidian 神器"
 type: source
 tags: []
 date: 2026-04-22

wiki/sources/earnings-tracker.md

@@ -0,0 +1,42 @@
+---
+title: "AI-Powered Earnings Tracker"
+type: source
+tags: []
+date: 2026-04-22
+---
+
+## Source File
+- [[Agent/usecases/earnings-tracker.md]]
+
+## Summary（用中文描述）
+- 核心主题：AI Agent 自动化追踪科技公司财报
+- 问题域：财报季需要追踪数十家科技公司的财报发布日期和结果，手动操作繁琐
+- 方法/机制：
+  - 每周日 Cron Job 扫描财报日历，过滤关注的科技/AI 公司
+  - 用户选择后，OpenClaw 为每家公司创建一次性 Cron Job
+  - 财报发布后自动搜索结果，生成结构化摘要（beat/miss、营收、EPS、AI 亮点）
+  - 通过 Telegram 话题推送
+- 结论/价值：零手动追踪，财报发布后自动收到个性化摘要
+
+## Key Claims（用中文描述）
+- AI Agent 通过每周日定时扫描财报日历来自动化追踪流程
+- 一次性 Cron Job 在财报发布日期自动触发搜索和摘要生成
+- 结构化摘要包含业绩表现（beat/miss）、财务数据（营收、EPS）和 AI 相关亮点
+
+## Key Quotes
+> "Following earnings season across dozens of tech companies means checking multiple sources and remembering report dates." — 问题陈述：多公司财报追踪的痛点
+
+## Key Concepts
+- [[Cron Job]]：定时任务，用于每周扫描和单次触发
+- [[Telegram Topic]]：Telegram 话题分组，用于分类推送财报通知
+
+## Key Entities
+- [[OpenClaw]]：驱动整个工作流的核心 Agent 框架
+- 科技公司：NVDA、MSFT、GOOGL、META、AMZN、TSLA、AMD 等
+
+## Connections
+- [[earnings-tracker]] ← depends_on ← [[web_search]]
+- [[earnings-tracker]] ← delivers_to ← [[Telegram Topic]]
+
+## Contradictions
+- 无已知冲突

wiki/sources/event-guest-confirmation.md

@@ -0,0 +1,48 @@
+---
+title: "Event Guest Confirmation"
+type: source
+tags: []
+date: 2026-04-22
+---
+
+## Source File
+- [[Agent/usecases/event-guest-confirmation]]
+
+## Summary（用中文描述）
+- 核心主题：AI Agent 通过电话自动确认活动嘉宾出席情况
+- 问题域：活动组织者手动逐一电话确认出席的低效痛点
+- 方法/机制：OpenClaw + SuperCall 插件实现 AI 语音电话批量外呼，确认出席并收集备注
+- 结论/价值：真人电话比短信回复率高，AI persona 保证通话安全隔离和话题专注
+
+## Key Claims（用中文描述）
+- OpenClaw + SuperCall 通过 AI 语音电话自动确认活动嘉宾出席状态（主体 + 机制 + 结果）
+- SuperCall 的沙盒 persona 设计使 AI 只拥有预设上下文，无法访问用户 Agent 或文件（主体 + 机制 + 结果）
+- 沙盒 persona 每通电话独立重置，避免对话间信息混淆（主体 + 机制 + 结果）
+- 通话后汇总生成出席确认、未出席、未接听三分类摘要（主体 + 机制 + 结果）
+
+## Key Quotes
+> "The key difference: SuperCall is a fully standalone voice agent. The AI persona on the call only has access to the context you provide (the persona name, the goal, and the opening line)." — 解释 SuperCall 与内置 voice_call 插件的核心差异
+> "The person on the other end of the call can't manipulate or access your agent through the conversation. There's no risk of prompt injection or data leakage." — 强调安全隔离机制
+> "Real phone calls cost money: Each call uses Twilio minutes." — 提醒实际部署成本考量
+
+## Key Concepts
+- [[SuperCall]]：OpenClaw 的独立语音 Agent 插件，基于 GPT-4o Realtime API，每通电话独立沙盒运行
+- [[Sandboxed Persona]]：SuperCall 的核心设计原则——AI persona 只拥有预设的 persona name、goal、opening line，无法访问外部系统
+- [[AI 电话外呼]]：通过 Twilio 电话网络实现的 AI 批量自动外呼确认流程
+
+## Key Entities
+- [[OpenClaw]]：多 Agent 框架，提供 memory、workflow 编排和 SuperCall 插件集成能力
+- [[SuperCall]]：由 @xonder 开发的 OpenClaw 语音插件（clawhub.ai/xonder/supercall）
+- [[Twilio]]：电话外呼基础设施提供商，提供拨打电话的分钟数计费服务
+- [[ngrok]]：Webhook 隧道工具，用于将本地服务暴露给 Twilio 的回调请求
+
+## Connections
+- [[phone-based-personal-assistant]] ← similar_use_case ← [[event-guest-confirmation]]
+- [[OpenClaw]] ← powers ← [[event-guest-confirmation]]
+- [[SuperCall]] ← enables ← [[event-guest-confirmation]]
+
+## Contradictions
+- 与 [[phone-based-personal-assistant]] 对比：
+  - 冲突点：两者都使用电话外呼，但 [[event-guest-confirmation]] 强调 SuperCall 的独立沙盒特性；[[phone-based-personal-assistant]] 更侧重个人助手的日常任务场景
+  - 当前观点：[[event-guest-confirmation]] 认为 SuperCall 的独立沙盒设计对确认类任务更安全专注
+  - 对方观点：[[phone-based-personal-assistant]] 可能更适合需要访问更多上下文的复杂对话场景

wiki/sources/health-symptom-tracker.md

@@ -0,0 +1,44 @@
+---
+title: "Health & Symptom Tracker"
+type: source
+tags: []
+date: 2026-04-22
+---
+
+## Source File
+- [[Agent/usecases/health-symptom-tracker.md]]
+
+## Summary（用中文描述）
+- 核心主题：通过 Telegram 话题 + AI Agent 自动追踪食物与症状，实现食物敏感性识别
+- 问题域：食物敏感性识别需要长期一致的日志记录，人工维护繁琐
+- 方法/机制：
+  - 在 Telegram 创建 "health-tracker" 话题作为记录入口
+  - OpenClaw Agent 解析消息中的食物和症状，自动带时间戳写入 Markdown 日志文件
+  - Cron Job 实现每日三餐定时提醒（8AM/1PM/7PM）
+  - 每周日分析过去一周日志，识别食物-症状关联模式
+- 结论/价值：低技术门槛的自动化健康追踪方案，无需专用 App，适合个人自托管部署
+
+## Key Claims（用中文描述）
+- Telegram 话题 + AI 日志解析 = 无需专用 App 的食物追踪系统
+- 每日三餐提醒确保日志一致性，减少遗漏
+- 周期性模式分析能识别潜在食物触发因素
+
+## Key Quotes
+> "Identifying food sensitivities requires consistent logging over time, which is tedious to maintain." — 问题陈述，解释了为何需要自动化追踪
+
+## Key Concepts
+- [[Food Sensitivity Tracking]]：通过日志追踪食物摄入与症状关联，识别个人食物不耐受
+- [[Automated Health Logging]]：利用 AI 自动解析自然语言消息并写入结构化日志文件
+- [[Cron Job Reminders]]：定时任务驱动的生活方式干预，每日多次提醒形成习惯
+
+## Key Entities
+- [[OpenClaw]]：作为 Agent 引擎，解析 Telegram 消息、写入日志文件、执行定时分析
+
+## Connections
+- [[OpenClaw]] ← powers ← [[health-symptom-tracker]]
+
+## Contradictions
+- 与 [[habit-tracker-accountability-coach]] 对比：
+  - 冲突点：习惯追踪 vs 健康数据追踪的侧重
+  - 当前观点：health-symptom-tracker 专注症状-食物关联分析
+  - 对方观点：habit-tracker 更侧重行为习惯养成和问责机制

wiki/sources/inbox-declutter.md

@@ -0,0 +1,43 @@
+---
+title: "Inbox De-clutter"
+type: source
+tags: []
+date: 2026-04-22
+---
+
+## Source File
+- [[Agent/usecases/inbox-declutter.md]]
+
+## Summary（用中文描述）
+- 核心主题：AI Agent 自动整理邮箱订阅 newsletters
+- 问题域：Newsletter 堆积造成的信息过载
+- 方法/机制：通过定时 Cron Job 让 AI 每日阅读过去 24 小时的新邮件，生成摘要并请求用户反馈，持续学习用户偏好
+- 结论/价值：用 AI 代替人工翻阅 Newsletter，只获取精华内容，减少信息噪音
+
+## Key Claims（用中文描述）
+- AI Agent 通过每日 Cron Job 可主动整理 Newsletter 新邮件，无需用户手动翻阅
+- 用户反馈机制使 AI 能够持续优化摘要质量，越用越懂用户偏好
+
+## Key Quotes
+> "I want you to run a cron job everyday at 8 p.m. to read all the newsletter emails of the past 24 hours and give me a digest of the most important bits along with links to read more." — OpenClaw 配置指令示例
+
+> "Then ask for my feedback on whether you picked good bits, and update your memory based on my preferences for better digests in the future jobs." — 偏好学习机制
+
+## Key Concepts
+- [[Cron Job]]：定时调度任务，本文档中设置为每天 20:00 自动执行邮件摘要
+- [[Email Triage]]：邮件分拣，将 Newsletter 按重要性筛选整理
+- [[Newsletter Digest]]：AI 生成的 Newsletter 内容摘要，突出重点并附原文链接
+- [[Preference Learning]]：通过用户反馈持续优化 AI 摘要质量
+
+## Key Entities
+- [[OpenClaw]]：多 Agent 记忆框架，inbox-declutter 的执行环境，支持 Cron Job 和 Memory 持久化
+- [[Gmail OAuth]]：Gmail API 认证方式，是此技能的前置依赖
+
+## Connections
+- [[custom-morning-brief]] ← similar_pattern ← [[inbox-declutter]]
+  - 两者均基于 [[OpenClaw]] Cron Job + Telegram 投递模式，但垂直场景不同
+- [[email-triage]] ← related_to ← [[inbox-declutter]]
+  - inbox-declutter 是 Email Triage 的 Newsletter 垂直实现
+
+## Contradictions
+- 无已知冲突

wiki/sources/market-research-product-factory.md

@@ -0,0 +1,45 @@
+---
+title: "Market Research & Product Factory"
+type: source
+tags: []
+date: 2026-04-17
+---
+
+## Source File
+- [[Agent/usecases/market-research-product-factory.md]]
+
+## Summary（用中文描述）
+- 核心主题：AI Agent 驱动的"从市场调研到产品构建"全自动化流水线
+- 问题域：创业者/个人开发者的"不知道做什么产品"困境，替代传统手动论坛/社媒浏览式调研
+- 方法/机制：Last 30 Days skill 挖掘 Reddit 和 X 近30天真实用户痛点 → OpenClaw 根据痛点构建 MVP → 完整"发现问题→验证需求→构建方案"闭环
+- 结论/价值：**创业自动驾驶模式**（entrepreneurship on autopilot）—— 发短信即可完成调研到原型的全部流程，无需技术背景
+
+## Key Claims（用中文描述）
+- Last 30 Days skill 提供未经加工的真实用户情绪，区别于经过美化的调查数据
+- OpenClaw 同时承担研究和构建双重角色，用户无需技术背景
+- 定期调度（如每周一）可持续追踪市场痛点演化
+- 该流水线适合任何领域的产品机会发现，不限于特定行业
+
+## Key Quotes
+> "You want to build a product but don't know what to build." — 核心痛点定义
+> "Real world example: OpenClaw identifies three pain points → user asks for an app → OpenClaw ships it → You have a product." — 端到端价值闭环
+> "Entrepreneurship on autopilot: find problems → validate demand → build solutions, all through text messages." — 模式定义
+
+## Key Concepts
+- [[Pain Point Mining]]：通过社媒挖掘真实用户投诉和功能需求
+- [[Startup MVP Pipeline]]：从市场调研到最小可行产品的自动化流程
+- [[Agent-Driven Market Research]]：AI Agent 替代人工进行持续性市场情报收集
+- [[Last 30 Days Method]]：聚焦近期用户讨论以获取时效性洞察的方法论
+
+## Key Entities
+- [[Last 30 Days Skill]]：Matt Van Horne 开发的市场调研 skill，通过 Reddit 和 X 挖掘近30天用户痛点
+- [[OpenClaw]]：多 Agent 框架，同时承担研究和构建职责
+- [[Alex Finn]]：发布"改变人生的 OpenClaw 用法"视频的创作者，本方案的灵感来源
+- [[Matt Van Horne]]：Last 30 Days skill 的作者
+
+## Connections
+- [[content-factory]] ← extends ← [[market-research-product-factory]]：前者侧重内容创作调研，后者侧重产品机会发现
+- [[product-trend-researcher]] ← depends_on ← [[Last 30 Days Skill]]：产品趋势研究员依赖 Last 30 Days skill 获取数据
+
+## Contradictions
+- 暂无已知冲突

wiki/sources/multi-agent-team.md

@@ -0,0 +1,63 @@
+---
+title: "Multi-Agent Specialized Team (Solo Founder Setup)"
+type: source
+tags: []
+date: 2026-04-23
+---
+
+## Source File
+- [[Agent/usecases/multi-agent-team.md]]
+
+## Summary（用中文描述）
+- **核心主题**：用多个专业化 AI Agent 组建团队，解决一人创业者（Solo Founder）身兼数职、上下文切换破坏深度工作的困境
+- **问题域**：一人公司运营、AI Agent 协作架构、个人生产力系统
+- **方法/机制**：4 个专业 Agent（Milo/策略、Josh/商业、Marketing/营销、Dev/开发）通过共享记忆 + 私有上下文 + Telegram 单一控制平面协调运作，定时任务驱动主动工作流，并行执行提升效率
+- **结论/价值**：AI Agent 个性化（名字+人格）比技术本身更重要；共享记忆 + 私有上下文组合是关键；定时任务是价值飞轮；起步从 2 个 Agent 而非 4 个开始
+
+## Key Claims（用中文描述）
+- 单个 Agent 无法精通所有领域：上下文窗口在同时处理策略、代码、营销研究、商业分析时快速填满
+- 泛化提示产生泛化输出：编程 Agent 不应该同时撰写营销文案
+- 一人公司需要团队而非另一个管理工具：Agent 应在后台工作并呈现结果，而非需要持续看护
+- 知识孤岛问题：营销研究的洞察不会自动影响开发优先级，除非手动桥接
+- 个性比想象中更重要：给 Agent 起名字和沟通风格，让人自然地"与团队对话"而非使用通用 AI
+- 共享记忆 + 私有上下文组合是关键：Agent 需要共同基础（目标、决策）也需要积累领域专业知识的独立空间
+- 根据任务复杂度匹配模型能力：不要用昂贵的推理模型做关键词监控
+- 定时任务是价值飞轮：真正的价值来自 Agent 主动呈现洞察，而非仅在被询问时响应
+- 从 2 个 Agent 而非 4 个开始：先用 1 个领导 + 1 个专家的组合，再根据瓶颈逐步添加
+
+## Key Quotes
+> "One agent can't do everything well: A single agent's context window fills up fast when juggling strategy, code, marketing research, and business analysis" — 单一 Agent 上下文溢出的痛点描述
+> "Personality matters more than you'd think: Giving agents distinct names and communication styles makes it natural to 'talk to your team' rather than wrestle with a generic AI" — Agent 个性化设计的核心洞察
+> "Scheduled tasks are the flywheel: The real value emerges when agents proactively surface insights, not just when you ask" — 定时任务作为价值飞轮
+> "Start with 2, not 4: Begin with a lead + one specialist, then add agents as you identify bottlenecks" — 从小规模起步的实践建议
+
+## Key Concepts
+- [[Agent Specialization]]：专业分工，每个 Agent 有独特角色、性格和针对其领域优化的模型
+- [[Agent Personality]]：Agent 个性化设计，赋予名字和沟通风格使协作更自然
+- [[Shared Memory Architecture]]：共享记忆架构，团队通用文件（GOALS.md、DECISIONS.md、PROJECT_STATUS.md）
+- [[Private Context]]：私有上下文，各 Agent 独立维护会话历史和领域特定笔记
+- [[Single Control Plane]]：单一控制平面，所有 Agent 通过 Telegram 分组统一接入
+- [[Scheduled Task Flywheel]]：定时任务飞轮，Agent 主动工作而非被动等待
+- [[Parallel Agent Execution]]：并行执行，多个 Agent 可同时处理独立任务
+
+## Key Entities
+- [[OpenClaw]]：多 Agent 框架，提供 sessions_spawn/sessions_send 能力支撑多 Agent 编排
+- [[Milo]]：策略领导 Agent，Claude Opus 模型，负责战略规划、Agent 协调、OKR 追踪
+- [[Josh]]：商业分析 Agent，Claude Sonnet 模型，负责定价策略、增长指标、KPI 追踪
+- [[Marketing Agent]]：营销研究 Agent，Gemini 模型，负责内容创意、竞品监控、SEO 研究
+- [[Dev Agent]]：开发 Agent，Claude Opus/Codex 模型，负责编码、代码审查、架构决策
+- [[Telegram]]：单一控制平面消息接口，所有 Agent 在同一群组中响应标签指令
+- [[Trebuh]]：X 用户原型，独立创业者，成功实践 4 Agent 团队模式
+- [[OpenClaw Showcase]]：OpenClaw 社区展示，包含 @jdrhyne（15+ Agent/3 机器/1 Discord）、@nateliason（多模型流水线）、@danpeguine（2 实例 WhatsApp 协作）等案例
+
+## Connections
+- [[Content Factory]] ← uses ← [[Multi-Agent Team]]（内容工厂使用多 Agent 团队协作）
+- [[OpenClaw]] ← powers ← [[Multi-Agent Team]]（OpenClaw 提供多 Agent 编排能力）
+- [[Self-Healing Home Server]] ← similar_arch ← [[Multi-Agent Team]]（相似架构：OpenClaw + 定时任务）
+- [[Multi-Agent System Reliability]] ← related_to ← [[Multi-Agent Team]]（多 Agent 系统可靠性是相关概念）
+
+## Contradictions
+- 与 [[Content Factory]] 的团队架构差异：
+  - 冲突点：Content Factory 是链式协作（Research → Writing → Thumbnail），Multi-Agent Team 是并行专业化分工
+  - 当前观点：并行专业化分工更适合一人公司的多领域需求
+  - 对方观点：链式协作更适合内容创作这类有序流程

wiki/sources/multi-channel-assistant.md

@@ -0,0 +1,52 @@
+---
+title: "Multi-Channel Personal Assistant"
+type: source
+tags: [Agent, Workflow, OpenClaw, Automation]
+date: 2026-04-22
+---
+
+## Source File
+- [[Agent/usecases/multi-channel-assistant]]
+
+## Summary（用中文描述）
+- 核心主题：构建一个统一入口的 AI 个人助理，通过单一界面（Telegram）整合所有工作工具（Google Workspace、Slack、Todoist、Asana），消除应用切换疲劳。
+- 问题域：个人生产力管理中跨平台任务管理、日程安排、消息发送和工作流程自动化的碎片化问题。
+- 方法/机制：基于 Telegram 话题（Topics）实现上下文路由，Telegram 作为主交互界面，通过 OpenClaw 配置整合 Google OAuth、Slack、Todoist、Asana API，借助 gog CLI 操作 Google Workspace。
+- 结论/价值：将所有工具收敛到一个 AI 入口，用自然语言驱动一切操作，实现"说一句话，AI 完成全套工作"。
+
+## Key Claims（用中文描述）
+- Telegram 话题（Topics）机制能够有效实现多上下文隔离路由，不同话题对应不同工作域（视频创意、CRM、财报、知识库等）。
+- OpenClaw 通过统一的配置体系（Google OAuth、Slack tokens、API keys）连接所有工具，成为事实上的个人 AI 中枢。
+- 定时提醒（Trash day、Weekly letter）这类自动化行为，是 AI Agent 区别于被动问答工具的核心标志——主动推送而非被动响应。
+- 跨工作流交互（如 Slack 链接存入知识库后用于视频研究）展示了多工具集成的复合价值。
+
+## Key Quotes
+> "Context-switching between apps to manage tasks, schedule events, send messages, and track work is exhausting. You want one interface that routes to all your tools." — 痛点陈述
+> "Telegram topics: config → system settings / updates → daily summaries / video-ideas → content pipeline / personal-crm → contact queries / earnings → financial tracking / knowledge-base → save and search" — OpenClaw 路由策略示例
+
+## Key Concepts
+- [[Topic-Based Routing]]：通过 Telegram Topic 标签实现多上下文分发路由，不同 Topic 触发不同工具和记忆上下文
+- [[Multi-Tool Integration]]：整合 Google Workspace、Slack、Todoist、Asana 等多个平台工具的统一架构
+- [[Scheduled Reminder]]：基于定时任务的主动提醒机制，Agent 主动推送而非被动等待用户查询
+
+## Key Entities
+- [[OpenClaw]]：多 Agent 编排框架，通过配置连接所有工具，本方案的"控制平面"
+- [[gog]]：Google Workspace CLI 工具，支持 Gmail、Calendar、Drive 操作，本方案中用于 Google 生态集成
+- [[Telegram]]：主交互界面，通过 Bot + Topics 实现多上下文路由
+- [[Slack]]：团队协作通道（任务分配、知识库存取、视频创意触发）
+- [[Todoist]]：个人快速任务捕获工具
+- [[Asana]]：项目管理工具，对应 Video Pipeline 项目
+
+## Connections
+- [[multi-channel-assistant]] ← uses ← [[OpenClaw]]（控制平面）
+- [[multi-channel-assistant]] ← uses ← [[gog]]（Google Workspace 集成）
+- [[multi-channel-assistant]] ← uses ← [[Telegram]]（主界面 + 话题路由）
+- [[multi-channel-assistant]] ← extends ← [[personal-crm]]（CRM 是 topics 之一）
+- [[multi-channel-assistant]] ← similar_to ← [[knowledge-base-rag]]（知识库是 topics 之一）
+
+## Contradictions
+- 与 [[multi-agent-team]] 冲突：
+  - 冲突点：Multi-Agent Team 强调多个专业化 Agent 并行工作；Multi-Channel Assistant 强调单一 AI 入口路由到多个工具。
+  - 当前观点：Multi-Channel Assistant 更适合个人用户，以 Telegram 为单一界面收敛所有工具。
+  - 对方观点：Multi-Agent Team 适合需要专业化分工的场景（策略/商业/营销/开发 Agent 各司其职）。
+  - 融合思路：两者可以结合——Multi-Agent Team 作为底层实现，Multi-Channel Assistant 作为用户交互层。

wiki/sources/phone-based-personal-assistant.md

@@ -0,0 +1,45 @@
+---
+title: "Phone-Based Personal Assistant"
+type: source
+tags: []
+date: 2026-04-22
+---
+
+## Source File
+- [[Agent/usecases/phone-based-personal-assistant.md]]
+
+## Summary（用中文描述）
+- 核心主题：基于电话的 AI 个人助理——通过拨打电话与 AI Agent 语音对话
+- 问题域：用户需要从任何手机（无需智能机 App 或浏览器）访问 AI Agent，在驾驶、步行或双手忙碌时获取免提语音辅助
+- 方法/机制：ClawdTalk + OpenClaw 实现来电/去电能力，通过 Telnyx 提供电话连接服务；支持日历查询、Jira 更新、网络搜索等技能
+- 结论/价值：把任意手机变成 AI 助理网关，覆盖无屏幕/双手占用场景
+
+## Key Claims（用中文描述）
+- ClawdTalk 使 OpenClaw 能够接收和拨打电话，将任何手机变成 AI 助理入口
+- 通过 Telnyx API 提供可靠的电信连接
+- 用户可通过电话查询日历、获取 Jira 任务更新、进行网络搜索
+
+## Key Quotes
+> "Call a phone number to speak with your AI agent via voice" — 核心使用场景
+
+## Key Concepts
+- [[Voice Interface]]：通过电话语音与 AI Agent 交互的接口层
+- [[Telephony Integration]]：电话连接与来电/去电能力集成
+
+## Key Entities
+- [[ClawdTalk]]：Telnyx 出品的电话集成客户端，使 OpenClaw 支持语音通话
+- [[OpenClaw]]：多 Agent 框架，通过 ClawdTalk 实现电话能力
+- [[Telnyx]]：电信 API 提供商，提供可靠的电话连接服务
+
+## Connections
+- [[multi-channel-assistant]] ← related_to ← [[phone-based-personal-assistant]]
+- [[event-guest-confirmation]] ← related_to ← [[phone-based-personal-assistant]]
+- [[ClawdTalk]] ← enables ← [[OpenClaw]]
+- [[Telnyx]] ← powers ← [[ClawdTalk]]
+
+## Contradictions
+- 与 [[event-guest-confirmation]] 冲突（已在 overview.md Conflict Area #10 记录）：
+  - 冲突点：AI 电话外呼的应用场景定位
+  - [[phone-based-personal-assistant]]：侧重通用个人助手场景，需要访问更多上下文（Calendar/Jira/Web Search）
+  - [[event-guest-confirmation]]（SuperCall）：强调独立沙盒设计，适用于确认类单一任务（安全、无注入风险）
+  - 当前观点：通用语音 Agent 适用于跨系统协调的复杂助手场景；Sandboxed Persona 适用于确认类单一任务

wiki/sources/pre-build-idea-validator.md

@@ -0,0 +1,49 @@
+---
+title: "Pre-Build Idea Validator"
+type: source
+tags: []
+date: 2026-04-22
+---
+
+## Source File
+- [[Agent/usecases/pre-build-idea-validator]]
+
+## Summary（用中文描述）
+- 核心主题：AI 项目启动前的竞争分析门控机制——在写代码之前自动扫描 GitHub/Hacker News/npm/PyPI/Product Hunt 五个真实数据源，评估赛道拥挤度并给出转向建议。
+- 问题域：AI Agent 盲目构建已知问题域——开发者告诉 Agent "build me an AI code review tool"，Agent 花 6 小时愉快地写代码，却不知道 GitHub 上已有 143,000+ 相关仓库（最高 53,000 stars）。
+- 方法/机制：[[idea-reality-mcp]] MCP 服务器提供 `idea_check()` 工具，输入项目想法返回 `reality_signal` 分数（0-100）；OpenClaw Agent 在收到构建指令时自动调用此工具作为 pre-build gate。
+- 结论/价值：`reality_signal > 70` 触发 STOP 策略（展示竞品+询问是否继续/转向）；30-70 分展示竞品并建议细分角度；<30 分直接构建。核心价值：**在投入时间前发现已解决的同类问题**，是单兵创业者最重要的决策门控。
+
+## Key Claims（用中文描述）
+- [[OpenClaw]] Agent 通过在构建前调用 `idea_check()` 工具扫描 5 个真实数据源，可将"构建已知问题"的成本前置化。
+- `reality_signal` 分数基于真实数据（仓库数量、Star 分布、HN 讨论量），而非 LLM 主观猜测，保证评估客观性。
+- 高分数不意味着"不要做"，而是意味着"必须差异化，否则别做"。
+- 低分数意味着真正的市场空白——这是单兵构建者胜出概率最高的区域。
+
+## Key Quotes
+> "You tell your agent 'build me an AI code review tool' and it happily spends 6 hours coding. Meanwhile, 143,000+ repos already exist on GitHub — the top one has 53,000 stars." — 痛点描述：Agent 盲目构建的根本原因
+> "This prevents the most expensive mistake in building: solving a problem that's already been solved." — 核心价值：pre-build 检查的ROI
+> "A low score means genuine white space exists. That's where solo builders have the best odds." — 低分数即机会信号
+
+## Key Concepts
+- [[Reality-Signal]]：通过 `idea_check()` 返回 0-100 的拥挤度评分，基于 GitHub 仓库数量、Star 分布、HN 讨论量等真实数据。阈值：>70 高风险，30-70 中等，<30 低风险/白空间。
+- [[Pre-Build-Validation]]：在代码编写之前进行市场/竞争验证的工作流模式，作为 Agent 构建指令的 pre-gate gate，防止在已饱和赛道投入资源。
+- [[Competition-Analysis]]：通过多平台（GitHub/npm/PyPI/HN/Product Hunt）扫描竞品的存在性、成熟度和市场关注度的分析过程。
+- [[Pivot-Strategy]]：当赛道拥挤时，通过语言专一化（Rust-only）、框架专一化（React 组件审查）或行业专一化（金融/医疗合规）实现差异化切入的策略。
+- [[Agent-Build-Gate]]：Agent 执行构建任务前的条件检查机制，只有通过门控条件才允许进入实际代码编写阶段。
+
+## Key Entities
+- [[idea-reality-mcp]]：基于 [[MCP（Model Context Protocol）]] 的竞争分析 MCP 服务器，扫描 GitHub/HN/npm/PyPI/Product Hunt 返回 reality_signal 分数和竞品信息。安装方式：`uvx idea-reality-mcp`。
+- [[mnemox.ai]]：MCP 服务托管平台，提供 idea-reality-mcp 的 Web 体验版（mnemox.ai/check），无需安装即可试用工作流。
+- [[OpenClaw]]：多 Agent 框架，通过在 agent instructions 中嵌入 pre-build 规则实现自动门控——`idea_check()` → `reality_signal` → 构建/暂停/转向决策。
+- [[Product-Hunt]]：产品发布平台，idea-reality-mcp 的 5 个扫描数据源之一，用于发现未正式发布但已有关注度的早期产品。
+- [[Hacker-News]]：Y Combinator 技术新闻社区，idea-reality-mcp 的数据源之一，通过 HN 讨论量评估赛道热度。
+
+## Connections
+- [[pre-build-idea-validator]] ← depends_on ← [[idea-reality-mcp]]
+- [[pre-build-idea-validator]] ← depends_on ← [[OpenClaw]]
+- [[market-research-product-factory]] ← extends ← [[pre-build-idea-validator]]（后者验证想法，前者从想法生成到产品构建）
+- [[Pain-Point-Mining]] ← precedes ← [[pre-build-idea-validator]]（挖痛点 → pre-build 验证 → 构建）
+
+## Contradictions
+- 无已知冲突。

wiki/sources/project-state-management.md

@@ -0,0 +1,45 @@
+---
+title: "Project State Management System: Event-Driven Alternative to Kanban"
+type: source
+tags: [project-state]
+date: 2026-04-22
+---
+
+## Source File
+- [[Agent/usecases/project-state-management.md]]
+
+## Summary（用中文描述）
+- 核心主题：用事件驱动系统替代传统看板管理项目状态
+- 问题域：传统看板（Kanban）静态、需手动更新、容易遗忘、上下文丢失、无法追踪变更原因
+- 方法/机制：自然语言对话式输入 → 事件日志 → 状态自动更新 → 自然语言查询；支持 Git 提交自动关联项目，每日 Cron 汇总报告
+- 结论/价值：消灭"更新卡片"的摩擦，保留决策上下文，让项目状态查询和每日站会自动化
+
+## Key Claims（用中文描述）
+- 自然语言对话替代拖拽看板卡片的机制：用户说"完成了X"/"被Y阻塞" → 系统自动记录事件并更新项目状态
+- 全历史保留机制：每次状态变更均记录事件类型、描述、上下文、时间戳，而非仅存储当前状态
+- Git 提交自动关联机制：Cron Job 扫描过去 24 小时提交，按分支名或提交信息匹配项目
+- 每日站会自动化机制：9 AM 自动汇总"昨日进展 + 今日计划 + 当前阻塞"
+
+## Key Quotes
+> "Traditional Kanban boards are static and require manual updates. You forget to move cards, lose context between sessions, and can't track the 'why' behind state changes." — 看板痛点描述
+> "Instead of dragging cards, you chat with your assistant: 'Finished the auth flow, starting on the dashboard.'" — 事件驱动交互模式
+
+## Key Concepts
+- [[Event Sourcing]]：将项目状态变更存储为事件序列，而非仅记录当前状态，每次变更（progress/blocker/decision/pivot）均作为独立事件持久化，保留完整上下文
+- [[Project State]]：项目的当前状态元数据（status/phase/last_update），由事件自动驱动更新，而非手动维护
+
+## Key Entities
+- [[OpenClaw]]：项目状态管理系统的核心平台，提供多 Agent 编排和 Telegram/Discord 通知集成能力
+- PostgreSQL / SQLite：项目状态数据库的持久化存储引擎
+
+## Connections
+- [[Event Sourcing]] ← uses ← [[Project State Management]]
+- [[OpenClaw]] ← powers ← [[Project State Management]]
+- [[GitHub]] ← provides commit data to ← [[Project State Management]]
+- [[Project State Management]] ← alternative_to ← [[Kanban]]
+
+## Contradictions
+- 与 [[Kanban]]（看板）存在方法论冲突：
+  - 冲突点：手动卡片拖拽 vs 事件驱动自动更新；静态快照 vs 全历史保留
+  - 当前观点（Event Sourcing）：事件驱动记录保留完整决策上下文，避免手动维护的摩擦和遗忘
+  - 对方观点（Kanban）：可视化面板提供直觉化状态概览，适合团队协作场景

wiki/sources/self-healing-home-server.md

@@ -0,0 +1,60 @@
+---
+title: "Self-Healing Home Server & Infrastructure Management"
+type: source
+tags: [openclaw, self-healing, home-server, infrastructure, agentic-ai, cron, ssh, iac, security]
+date: 2026-04-22
+---
+
+## Source File
+- [[Agent/usecases/self-healing-home-server]]
+
+## Summary（用中文描述）
+- 核心主题：AI Agent 作为家庭服务器基础设施的全天候自动驾驶代理
+- 问题域：家庭服务器 24/7 运维负担（凌晨故障、证书过期、磁盘爆满、Pod崩溃）
+- 方法/机制：OpenClaw + SSH + Cron Job 系统 + 自动化健康监控 + 故障自愈 + 基础设施即代码（Terraform/Ansible/Kubernetes）
+- 结论/价值：Cron Job 是真正的产品力——定时自动化（健康检查、邮件分拣、晨报）比偶发命令提供更多日常价值；知识提取随时间复利增长
+
+## Key Claims（用中文描述）
+- **AI 会硬编码 secrets**：AI Agent 会在代码中直接写入 API Key，这是 #1 安全风险。必须强制推行 pre-push hooks 和 secrets scanning（TruffleHog）
+- **本地优先 Git 是必须的**：绝不能让 Agent 直接推送到公共仓库。使用私有 Gitea 实例作为中转，配合 CI 扫描_pipeline
+- **Cron Job 是真正的产品**：定时自动化（健康检查、邮件分拣、晨报）比偶发命令提供更多日常价值
+- **知识提取具有复利效应**：将笔记、对话导出和邮件处理成结构化知识库，时间越久价值越大——一位用户从 ChatGPT 历史中提取了 49,079 条原子事实
+
+## Key Quotes
+> "I can't believe I have a self-healing server now" — 代理可以在你不知情的情况下通过 SSH、Terraform、Ansible 和 kubectl 修复基础设施问题
+> "AI assistants will happily hardcode secrets. They sometimes don't have the same instincts humans do." — Nathan 的惨痛教训（第1天即发生 API Key 泄露）
+> "The scheduled automation (health checks, email triage, briefings) provides more daily value than ad-hoc commands." — Cron Job 才是真正的产品
+
+## Key Concepts
+- [[Self-Healing-Systems]]：通过健康检查检测问题并自动执行修复（重启 Pod、扩缩容、修复配置）
+- [[Agentic AI]]：具有自主决策和任务执行能力的 AI 系统——驱动整个自愈管道的核心
+- [[Infrastructure-as-Code]]（IaC）：Agent 编写并应用 Terraform、Ansible、Kubernetes manifests 管理基础设施
+- [[Morning Briefing]]：每日 8 AM 自动生成天气/日历/系统状态/任务看板晨报的自动化流程
+- [[Email Triage]]：AI 自动扫描收件箱，标记待办项，归档噪音邮件
+- [[Local-first Git]]：通过私有 Gitea + CI 扫描_pipeline 防止 Agent 直接推送到公共仓库
+- [[Defense-in-Depth]]（纵深防御）：AI 安全多层策略——TruffleHog pre-push hooks + 1Password 专用保管库 + 网络分段 + 每日安全审计
+
+## Key Entities
+- [[OpenClaw]]：multi-agent framework，驱动 Reef 基础设施代理的核心平台
+- [[K3s]]：轻量级 Kubernetes 发行版，Reef 管理的家庭 K8s 集群
+- [[Gitea]]：自托管 Git 服务，用于私有代码中转（推送到公共 GitHub 前的 CI 扫描）
+- [[TruffleHog]]：Git secrets scanning 工具，pre-push hooks 必需组件
+- [[1Password]]：密码保管库，Agent 专用 AI vault（只读凭证访问）
+- [[ArgoCD]]：GitOps 持续交付工具，Reef 监控部署状态的组件
+- [[Gatus]]：自托管健康检查工具，与 ArgoCD/服务端点共同构成本地监控层
+- [[Loki]]：日志聚合系统，配合监控栈进行日志分析
+- [[n8n]]：工作流自动化平台，与 OpenClaw 共同编排复杂工作流
+
+## Connections
+- [[Self-Healing-Systems]] ← extends ← [[Agentic AI]]
+- [[Morning Briefing]] ← depends_on ← [[OpenClaw]]
+- [[Local-first Git]] ← required_by ← [[OpenClaw]]
+- [[TruffleHog]] ← part_of ← [[Defense-in-Depth]]
+- [[K3s]] ← managed_by ← [[OpenClaw]]
+- [[Infrastructure-as-Code]] ← implements ← [[Self-Healing-Systems]]
+
+## Contradictions
+- 与 [[家庭监控方案-prometheus-grafana-node-exporter-cadvisor-blackbox]] 的监控方案对比：
+  - 冲突点：自愈能力 —— Prometheus/Grafana 方案专注于"监控+告警"，需要人工介入；本文档方案通过 OpenClaw Agent 实现"检测+诊断+修复"全自动闭环
+  - 当前观点：AI Agent 驱动的自愈系统可以做到"在你知道问题前就修复它"
+  - 对方观点：Prometheus + Alertmanager + 人工 runbook 是更可控的运维模式

wiki/sources/万字保姆级教程-90天跑通一人公司模式-2026-03-29.md

@@ -1,5 +1,5 @@
 ---
-title: "万字保姆级教程，让你90天跑通"一人公司"模式（附AI提示词）"
+title: "万字保姆级教程，让你90天跑通一人公司模式（附AI提示词）"
 type: source
 tags: [一人公司, 个人品牌, 商业变现, AI提示词, 产品体系, 内容营销]
 date: 2026-02-11

wiki/sources/家庭网络环境概览_2026-04-03.md

@@ -49,7 +49,7 @@ date: 2026-04-03
 - [[Synology NAS DS718]]：群晖NAS设备（192.168.3.17），运行DSM管理界面及Calibre/MinIO/Zipline/Navidrome/Jellyfin等Docker应用。
 - [[Ubuntu Server]]：两个内网Ubuntu服务器节点（Ubuntu1: 192.168.3.47, Ubuntu2: 192.168.3.45），承担监控/导航/下载/工作流/Git等服务。
 - [[Caddy]]：公网VPS上的自动HTTPS反向代理服务器，绑定*.ishenwei.online域名。
-- [[FRP]]：内网穿透工具（frps/frpc v0.65.0），实现内网端口到公网端口的TCP隧道映射。
+- [[frp]]：内网穿透工具（frps/frpc v0.65.0），实现内网端口到公网端口的TCP隧道映射。
 - [[Prometheus]]：时序数据库监控系统，在NAS和Ubuntu1上运行，采集node_exporter/cAdvisor/blackbox_exporter指标。
 - [[Grafana]]：监控可视化平台（Ubuntu1:13000），通过Dashboard ID导入官方模板。
 - [[vaultwarden]]：轻量级Bitwarden密码管理器服务端，在Mac Mini和NAS上均有部署。
@@ -77,7 +77,7 @@ date: 2026-04-03
 - [[it-tools]]：开源开发者工具集合，在Ubuntu1和Ubuntu2上运行（端口8999），提供URL编解码、UUID生成、哈希计算等100+工具。
 
 ## Connections
-- [[Caddy]] ← 反向代理 ← [[FRP]]（Caddy将HTTPS请求代理到FRP映射端口）
+- [[Caddy]] ← 反向代理 ← [[frp]]（Caddy将HTTPS请求代理到FRP映射端口）
 - [[Cloudflare]] ← DNS托管 ← [[Caddy]]（DNS A记录指向VPS公网IP）
 - [[Prometheus]] ← 指标采集 ← [[node_exporter]] + [[cAdvisor]] + [[blackbox_exporter]]
 - [[Grafana]] ← 数据源 ← [[Prometheus]]（Grafana消费Prometheus指标）
@@ -89,8 +89,8 @@ date: 2026-04-03
 - [[OpenClaw]] ← 运行平台 ← [[Mac Mini M4]]（OpenClaw的主要运行环境）
 - [[n8n]] ← 数据存储 ← [[PostgreSQL]]（Ubuntu2上n8n_postgres容器）
 - [[Cloudflare]] ← DNS ← [[RackNerd]]（VPS IP: 192.227.222.142）
-- [[FRP]] ← 客户端节点 ← [[Mac Mini M4]] + [[Synology NAS DS718]] + [[Ubuntu Server 1]] + [[Ubuntu Server 2]]（4个frpc客户端）
-- [[FRP]] ← 服务端 ← [[RackNerd]]（VPS运行frps服务端）
+- [[frp]] ← 客户端节点 ← [[Mac Mini M4]] + [[Synology NAS DS718]] + [[Ubuntu Server 1]] + [[Ubuntu Server 2]]（4个frpc客户端）
+- [[frp]] ← 服务端 ← [[RackNerd]]（VPS运行frps服务端）
 - [[Docker Compose]] ← 部署载体 ← [[Prometheus]] + [[Grafana]] + [[Jellyfin]] + [[Navidrome]] + [[n8n]] + [[Zipline]] + [[MinIO]] + [[v2rayA]] + [[vaultwarden]] + [[Portainer]] + [[Homarr]] + [[Apache Superset]] + [[Gitea]] + [[it-tools]]（所有Docker应用均通过Docker Compose部署）
 
 ## Contradictions