Auto-sync: 2026-04-18 12:03

wiki/concepts/AI生成技能.md

@@ -0,0 +1,17 @@
+---
+title: "AI生成技能"
+type: concept
+tags: [claude-code, skill-category]
+date: 2026-04-18
+---
+
+## Summary
+AI生成技能是 baoyu-skills 三大技能分类之一，专注于 AI 驱动的生成后端。
+
+## Definition
+AI生成技能包括：baoyu-imagine（图像生成）、baoyu-danger-gemini-web（Gemini Web 交互）。
+
+## Connections
+- [[baoyu-skills-claude-code-技能集]] ← includes → [[内容技能]]
+- [[baoyu-skills-claude-code-技能集]] ← includes → [[AI生成技能]]
+- [[baoyu-skills-claude-code-技能集]] ← includes → [[工具技能]]

wiki/concepts/API-Enablement.md

@@ -0,0 +1,17 @@
+---
+title: "API Enablement"
+type: concept
+tags: [google, api, cloud]
+sources: []
+---
+
+## Definition
+API Enablement（API 启用）是 Google Cloud Console 中的操作，允许项目启用特定的 API 服务以进行编程访问。
+
+## Context
+- gog CLI 调用 Google API 需要两层配置：OAuth 身份认证 + API 启用
+- 常见错误 "403 accessNotConfigured" 表示对应 API 未在项目中启用
+- 启用 API 后需要 30 秒~2 分钟生效，且需要重新授权以获取新权限
+
+## Connections
+- [[GOG-CLI-安装配置指南]] ← API 调用前提于 ← [[API-Enablement]]

wiki/concepts/Bot.md

@@ -0,0 +1,26 @@
+---
+title: "Bot（智能体）"
+type: concept
+tags: [ai, 智能体, 对话]
+---
+
+## Description
+Bot（智能体）在 Coze 平台中指对话型 AI 智能体，是最基础的智能体开发模式。用户通过自然语言与 Bot 对话，Bot 根据预设的提示词和知识库生成回复。Bot 模式适合快速创建轻量级对话应用。
+
+## Key Features
+- **自然语言对话**：用户通过自然语言与 Bot 交互
+- **提示词配置**：通过编写提示词定义 Bot 的行为和角色
+- **知识库集成**：可挂载知识库实现 RAG（检索增强生成）
+- **插件扩展**：支持调用外部插件扩展能力
+- **对话历史**：支持多轮对话上下文记忆
+
+## Use Cases
+- 智能客服
+- 问答助手
+- 内容创作
+- 教育辅导
+
+## Related
+- [[Coze（扣子）]] — Bot 所在的开发平台
+- [[Coze Workflow]] — Coze 的另一种开发模式
+- [[RAG]] — 检索增强生成技术

wiki/concepts/Coze-Workflow.md

@@ -0,0 +1,25 @@
+---
+title: "Coze Workflow"
+type: concept
+tags: [ai, 智能体, 工作流]
+---
+
+## Description
+Coze 平台的工作流模式（Workflow），用于编排复杂的 AI 业务流程。与 Bot（对话型智能体）模式不同，Workflow 支持更复杂的企业级业务逻辑编排，可通过可视化界面串联多个节点，实现自动化业务流程。
+
+## Key Features
+- **可视化编排**：通过拖拽节点构建业务流程
+- **多节点类型**：支持大模型、插件、代码、条件分支等多种节点
+- **变量传递**：节点间可传递变量，实现数据流转
+- **错误处理**：支持异常捕获和重试机制
+- **版本管理**：支持工作流版本回滚
+
+## Use Cases
+- 复杂业务审批流程
+- 数据处理与分析流水线
+- 多系统集成自动化
+- 企业级 AI 应用开发
+
+## Related
+- [[Coze（扣子）]] — 提供 Workflow 的平台
+- [[Bot]] — Coze 的另一种开发模式

wiki/concepts/KPI-卡片.md

@@ -0,0 +1,26 @@
+---
+title: "KPI 卡片"
+type: concept
+tags: [数据可视化, BI, 指标]
+---
+
+## Definition
+关键绩效指标（Key Performance Indicator）可视化展示组件，以卡片形式直观展示核心业务数据。
+
+## Common KPIs for E-commerce
+- 总产品数
+- 热卖产品数（sold > X）
+- 平均评分
+- 平均最终价格
+- 总 GMV
+- 平均折扣比例
+- 好评占比
+
+## Use Cases
+- Dashboard 首页总览，快速了解业务整体状况
+- 实时监控关键指标变化
+- 目标达成率展示
+
+## Related Concepts
+- [[Superset-Dashboard]]：KPI 卡片的展示容器
+- [[Apache-Superset]]：BI 平台

wiki/concepts/Nano-Banana-2.md

@@ -0,0 +1,41 @@
+---
+title: "Nano Banana 2"
+type: concept
+tags: [ai, image-generation]
+sources: [全网最全-Nano-Banana-2-使用指南-2025年12月更新-1.md]
+last_updated: 2025-12-19
+---
+
+## Summary
+Google 发布的推理型图像生成模型（正式代号 Gemini 3 Pro Image），是 Nano Banana 系列的第二代产品。与传统图像模型不同，Nano Banana 2 在生成图像前会进行内部推理，自动补完用户的深层次需求。
+
+## Key Capabilities
+- **推理能力**：生成图像前进行内部推理，思考用户给出的提示词并自动补完深层次需求
+- **更高图像质量**：相比第一代大幅提升
+- **多语言长文本渲染**：支持复杂的中文界面和长文本渲染
+- **高分辨率输出**：支持 1K、2K、4K 分辨率
+- **多图像组合**：最多可将 14 张输入图像组合为 1 张输出图像
+- **最新知识支持**：根据最新知识库进行填充
+- **中文界面生成**：擅长生成复杂的中文界面
+
+## Use Cases
+- 科研配图生成
+- 技术路线图绘制
+- 教学插画制作
+- 儿童绘本创作
+- 电商配图设计
+- 海报生成
+- 漫画生成
+- 游戏界面伪造
+- 监控录像画面模拟
+- 顶刊科研配图
+
+## Connections
+- [[Google]] ← publishes
+- [[Gemini 3 Pro Image]] ← is_also_known_as
+- [[DeepSider]] ← provides_access (国内访问)
+- [[Nano Banana Pro]] ← is_preceded_by
+
+## Aliases
+- Gemini 3 Pro Image
+- Nano2

wiki/concepts/OAuth.md

@@ -0,0 +1,18 @@
+---
+title: "OAuth"
+type: concept
+tags: [authentication, authorization, google]
+sources: []
+---
+
+## Definition
+OAuth（开放授权）是一种授权机制，允许第三方应用在获得用户授权后访问其 Google 账号中的敏感信息，而无需提供密码。
+
+## Context
+- 在 gog CLI 配置中用于授权访问 Google Workspace 六大服务
+- Google OAuth 需要创建 OAuth 客户端 ID 并下载 credentials.json
+- 未验证的 Google 应用需要添加测试用户才能完成授权
+
+## Connections
+- [[GOG-CLI-安装配置指南]] ← 授权机制于 ← [[OAuth]]
+- [[Google-Cloud-Console]] ← 创建凭证于 ← [[OAuth]]

wiki/concepts/SQL-View.md

@@ -0,0 +1,32 @@
+---
+title: "SQL View"
+type: concept
+tags: [数据库, SQL, 数据预处理]
+---
+
+## Definition
+预处理的数据库视图（View），通过 SQL 查询定义，用于解析 JSON 字段、计算派生指标、聚合数据，使 BI 工具能直接使用数值字段。
+
+## Common Use Cases
+- 解析 JSON 字段：如 `JSON_EXTRACT(prodct_rating, '$.rating') AS rating`
+- 计算派生指标：如 `(final_price * sold) AS total_gmv`
+- 数据聚合：如按类目汇总销量、销售额
+
+## Example
+```sql
+CREATE OR REPLACE VIEW view_products_cleaned AS
+SELECT
+    id,
+    title,
+    category,
+    final_price,
+    sold,
+    JSON_EXTRACT(prodct_rating, '$.rating') AS rating,
+    JSON_EXTRACT(prodct_rating, '$.count') AS rating_count,
+    (final_price * sold) AS total_gmv
+FROM products;
+```
+
+## Related Concepts
+- [[Apache-Superset]]：使用 SQL View 作为数据集
+- [[JSON-字段解析]]：从 JSON 数据中提取值

wiki/concepts/Superset-Dashboard.md

@@ -0,0 +1,23 @@
+---
+title: "Superset Dashboard"
+type: concept
+tags: [Apache-Superset, 数据可视化, BI]
+---
+
+## Definition
+Apache Superset 数据可视化仪表盘，包含图表（Chart）、过滤器（Filter）、布局（Layout）的完整组合，用于展示和分析业务数据。
+
+## Core Components
+- **Chart（图表）**：数据可视化单元，如 Bar Chart、Scatter Plot、Heatmap、Table 等
+- **Filter（过滤器）**：交互式筛选器，支持 Category、Store Name、价格范围、时间范围等
+- **Layout（布局）**：仪表盘的页面结构安排，通常按行/列分布
+
+## Use Cases
+- 电商选品分析 Dashboard：展示热销产品、价格带分布、类目机会等
+- 竞争对手监控 Dashboard：展示店铺 GMV、销量排名、上新趋势等
+- 评论质量分析 Dashboard：展示评分趋势、评论数量、好评/差评占比等
+
+## Related Concepts
+- [[KPI-卡片]]：关键绩效指标展示组件
+- [[SQL-View]]：数据预处理视图
+- [[Apache-Superset]]：开源 BI 平台

wiki/concepts/TikTok-Shop.md

@@ -0,0 +1,18 @@
+---
+title: "TikTok Shop"
+type: concept
+tags: [跨境电商, 电商平台]
+---
+
+TikTok Shop（也称为 TikTok 电商）是字节跳动旗下的短视频电商平台，集成在 TikTok 应用中，允许创作者和商家通过短视频和直播直接销售商品。
+
+## Core Features
+- 短视频带货：通过 TikTok 视频内容推广商品
+- 直播带货：通过 TikTok Live 实时展示和销售商品
+- 联盟营销：创作者可以推广商家商品获取佣金
+- 物流支持：提供面单系统和物流追踪服务
+
+## Related Concepts
+- [[面单授权]]：物流面单打印的授权配置
+- [[美国本土店]]：TikTok Shop 美国地区的本地商家店铺
+- [[跨境电商]]：涉及跨国境的电子商务活动

wiki/concepts/Token.md

@@ -0,0 +1,18 @@
+---
+title: "Token"
+type: concept
+tags: [llm, token]
+date: 2025-12-20
+---
+
+## Definition
+大模型各种算法的基本输入单元，可以认为是一个单词或者一个短语。
+
+## Token Calculation Rules
+- 1 个英文字符 ≈ 0.3 个 token
+- 1 个中文字符 ≈ 0.6 个 token
+
+## Related Concepts
+- [[LLM]]：使用 Token 作为输入的语言模型
+- [[Embedding]]：将 Token 转化为向量化表示
+- [[vLLM]]：优化 Token 处理效率的推理引擎

wiki/concepts/vLLM.md

@@ -0,0 +1,32 @@
+---
+title: "vLLM"
+type: concept
+tags: [llm, vllm, 推理引擎]
+date: 2025-12-20
+---
+
+## Definition
+vLLM（虚拟大语言模型），由 vLLM 社区维护的开源项目，旨在让大语言模型更高效地大规模执行计算，通过更好地利用 GPU 内存来加快生成式 AI 应用的输出速度。
+
+## Core Technologies
+
+### KV Cache
+- **K 和 V**：每个 token 的向量化后通过线性变换得到的两类向量，用于注意力计算
+- **KV Cache**：将历史 K/V 保存下来，后续步不用重复计算
+- **问题**：KV Cache 随上下文长度、层数、头数、维度线性增长，成为推理中最大的显存开销之一
+
+### PagedAttention（分块 attention）
+- 将每条序列的 KV Cache 切分为固定大小的块（block）
+- 用页表式映射管理它们，像操作系统的虚拟内存一样灵活调度
+- 避免了按序列分配一大块连续内存导致的碎片化和 OOM
+- 支持动态并发与复用
+
+### Continuous Batching（连续批处理）
+- 不是攒满一批再跑，而是在每个解码步骤（按 token 迭代）都把活跃请求组装成一个批
+- 序列长度不同也能高效合批，GPU 基本满负载运转
+- 减少短任务被长任务阻塞的头阻塞，提高并发与公平性
+
+## Related Concepts
+- [[LLM]]：使用 vLLM 进行推理的语言模型
+- [[Token]]：vLLM 处理的基本单元
+- [[PagedAttention]]：vLLM 的核心技术

wiki/concepts/九宫格法.md

@@ -0,0 +1,34 @@
+---
+title: "九宫格法"
+type: concept
+tags: [AI, 图像生成, 视频制作]
+last_updated: 2026-04-18
+---
+
+## Definition
+同时生成 3×3 共九个分镜画面的方法，保证机位与角度不变，画面一致性强。
+
+## Principle
+1. 在同一提示词中一次性描述全部 9 个阶段
+2. 使用相同的机位和角度描述
+3. 仅改变施工进度/状态变化
+4. AI 会保持空间和光影的一致性
+
+## Application
+- 利用 Google AI Studio 生成 3×3 大图
+- 利用工具自动裁切成 9 张竖屏图（9:16）
+- 为首尾针动画制作提供素材
+
+## Advantages
+- 保证画面空间一致
+- 保证光影连贯
+- 减少逐帧生成的不一致问题
+
+## Related Tools
+- [[Nano Banana]] — 图像生成
+- [[Midjourney]] — 图像生成
+- [[Google AI Studio]] — 裁切工具
+
+## Related Concepts
+- [[固定机位]] — 配合使用
+- [[首尾针动画]] — 下游应用

wiki/concepts/共识投票-Consensus.md

@@ -0,0 +1,39 @@
+---
+title: "共识投票 (Consensus)"
+type: concept
+tags: [agent-architecture, multi-agent, reliability]
+sources: [raw/AI/Multi-Agent System Reliability.md]
+last_updated: 2026-04-18
+---
+
+## Definition
+共识投票是一种多智能体架构模式，通过多个模型独立处理同一任务，然后通过多数票机制选择最常见的答案，从而抵消单个模型的随机噪声和错误。
+
+## How It Works
+
+### 1. Spawn N LLMs
+生成 N 个 LLM 实例。N 需要通过尝试和错误在成本与可靠性之间找到平衡。
+
+### 2. Fan Out Work
+将完全相同的任务分配给所有模型。
+
+### 3. Fan In Results
+选择最常见的答案作为最终输出。
+
+## Mathematical Basis
+如果一个模型有 20% 的概率出现幻觉，那么 3 个模型出现完全相同的谎言的概率仅为 0.8%（0.2³ = 0.008）。
+
+## Nuances
+- 理想情况下应使用不同模型，以降低思维同质化风险
+- 确保参与者之间无反馈回路，否则群体思维和从众效应会扭曲结果
+- 实验应像盲测一样进行
+- 成本较高，本质上是将同一任务交给多个代理
+
+## Best For
+事实核查和分类任务（例如"这是垃圾邮件吗？"）
+
+## Related Concepts
+- [[多智能体系统可靠性]]
+- [[复合 SLO]]
+- [[群体思维]]
+- [[从众效应]]

wiki/concepts/内容技能.md

@@ -0,0 +1,17 @@
+---
+title: "内容技能"
+type: concept
+tags: [claude-code, skill-category]
+date: 2026-04-18
+---
+
+## Summary
+内容技能是 baoyu-skills 三大技能分类之一，专注于内容生成和发布。
+
+## Definition
+内容技能包括：baoyu-xhs-images、baoyu-infographic、baoyu-cover-image、baoyu-slide-deck、baoyu-comic、baoyu-article-illustrator、baoyu-post-to-x、baoyu-post-to-wechat、baoyu-post-to-weibo。
+
+## Connections
+- [[baoyu-skills-claude-code-技能集]] ← includes → [[内容技能]]
+- [[baoyu-skills-claude-code-技能集]] ← includes → [[AI生成技能]]
+- [[baoyu-skills-claude-code-技能集]] ← includes → [[工具技能]]

wiki/concepts/内容连续变化.md

@@ -0,0 +1,24 @@
+---
+title: "内容连续变化"
+type: concept
+tags: [视频制作, 短视频]
+last_updated: 2026-04-18
+---
+
+## Definition
+视频主体信息随时间持续发生明确阶段性变化。是家装短视频成功的三大关键词之一。
+
+## Characteristics
+- 明确的阶段划分
+- 可视化的进度变化
+- 连续而非跳跃的状态
+
+## Examples
+- 装修进度：毛坯房 → 水电 → 地砖 → 墙面 → 家具
+- 产品使用：使用前 → 使用中 → 使用后
+- 植物生长：种子 → 发芽 → 成长 → 开花
+
+## Related Concepts
+- [[固定机位]] — 配合使用
+- [[时间压缩]] — 配合使用
+- [[九宫格法]] — 实现方法

wiki/concepts/分镜拆解.md

@@ -0,0 +1,29 @@
+---
+title: "分镜拆解"
+type: concept
+tags: [视频制作, AI, 分镜]
+last_updated: 2026-04-18
+---
+
+## Definition
+将视频内容拆分成多个画面阶段描述的过程。是 AI 视频制作流程的起始步骤。
+
+## Process
+1. 输入视频链接或描述至 Google AI Studio
+2. 让模型分析视频逻辑
+3. 自动生成多个分镜描述
+4. 确保机位固定、场景顺序清晰
+
+## Tools
+- [[Google AI Studio]] — 主流工具
+- [[XAR GPT]] — AI 分镜工具
+- [[GEMALA]] — AI 分镜工具
+
+## Output
+- 分镜数量：通常 9 个分镜
+- 描述内容：每个阶段的画面描述
+- 阶段要求：摄像机机位固定、场景顺序清晰、阶段明确
+
+## Related Concepts
+- [[九宫格法]] — 下游步骤
+- [[首尾针动画]] — 后续动画

wiki/concepts/卡点.md

@@ -0,0 +1,23 @@
+---
+title: "卡点"
+type: concept
+tags: [视频剪辑, 音效]
+last_updated: 2026-04-18
+---
+
+## Definition
+画面变化与音乐节奏巧妙同步，提高观看体验的技术。
+
+## Purpose
+- 视觉与听觉的协调统一
+- 增强节奏感和代入感
+- 提升视频整体观感
+
+## Application
+- 画面切换与背景音乐节拍对齐
+- 施工音效（如敲击、电钻、切割）与动作同步
+- 高潮部分与音乐高潮叠加
+
+## Related Concepts
+- [[快节奏剪辑]] — 配合使用
+- [[声音设计]] — 上游设计

wiki/concepts/固定机位.md

@@ -0,0 +1,25 @@
+---
+title: "固定机位"
+type: concept
+tags: [视频制作, 短视频, 摄影]
+last_updated: 2026-04-18
+---
+
+## Definition
+摄像机位置固定不变，是视频画面统一和连贯的基础。是家装短视频成功的三大关键词之一。
+
+## Characteristics
+- 摄像机位置不移动
+- 视角固定
+- 便于 AI 处理时间流逝效果
+
+## Advantages
+- 减少复杂摄像设备需求
+- 画面一致性强
+- AI 对此类时间推移处理表现优异
+- 方便九宫格法生成一致图像
+
+## Related Concepts
+- [[内容连续变化]] — 配合使用
+- [[时间压缩]] — 配合使用
+- [[九宫格法]] — 实现方法

wiki/concepts/图生视频.md

@@ -1,12 +1,19 @@
 ---
 title: 图生视频
 type: concept
-tags: [ai-video]
+tags: [ai-video, ai, prompt]
+date: 2026-04-18
 ---
 
 ## Definition
 图生视频（Image-to-Video，简称 I2V）是一种人工智能技术，能够将静态图片通过 AI 算法转化为动态视频内容。
 
+## E-commerce Application
+TikTok 电商场景应用：
+- 宠物用品/宠物衣服展示视频生成
+- 使用 [[模块化Prompt库]] 降低翻车率
+- 通过 [[防穿帮]] Prompt 避免违和感
+
 ## How It Works
 1. AI 分析图片中的主体、背景和艺术风格
 2. 识别图像中的元素及其可能的运动方向

wiki/concepts/对抗式辩论-Adversarial-Debate.md

@@ -0,0 +1,38 @@
+---
+title: "对抗式辩论 (Adversarial Debate)"
+type: concept
+tags: [agent-architecture, multi-agent, reliability]
+sources: [raw/AI/Multi-Agent System Reliability.md]
+last_updated: 2026-04-18
+---
+
+## Definition
+对抗式辩论是一种多智能体架构模式，模仿法庭审判结构：一方提出方案，另一方作为"魔鬼代言人"反驳，由第三方评判谁是谁非。通过外部批评者模拟人类"恐惧"机制，纠正 LLM"好好先生"的倾向。
+
+## Components
+
+### Generator（生成器）
+提出方案或计划
+
+### Critic（批评者）
+扮演反方角色，列出方案的问题和缺陷
+
+### Judge（评判器）
+作为主持人，判断批评者是否言之有理，要求生成器修正
+
+## Why It Works
+LLM 是"好好先生"，一旦开始写作很少自我纠正。通过指定一个"敌人"来模拟人类对犯错的恐惧，强制模型重新审视自己的输出。
+
+## Nuances
+- 理想情况下 Generator、Critic、Judge 应使用 3 个不同模型
+- 顺序执行且具有循环特性，速度可能非常慢
+- 参与者可能陷入无限争论
+- 可使用 Watchdog Pattern（确定性代码）在超过时间或计数器阈值时打破循环
+
+## Best For
+安全分析、代码审查、高风险内容审核
+
+## Related Concepts
+- [[多智能体系统可靠性]]
+- [[群体思维]]
+- [[SRE]]

wiki/concepts/层级结构-Hierarchy.md

@@ -0,0 +1,44 @@
+---
+title: "层级结构 (Hierarchy)"
+type: concept
+tags: [agent-architecture, multi-agent, reliability]
+sources: [raw/AI/Multi-Agent System Reliability.md]
+last_updated: 2026-04-18
+---
+
+## Definition
+层级结构是一种多智能体架构模式，模仿人类组织的管理层级：Planner（规划器）制定计划并分解任务 → Worker（工作器）执行具体子任务 → Validator（验证器）检查结果并决定是否通过。
+
+## Components
+
+### Planner
+- 通常使用智能模型（如 Claude Opus）
+- 将用户目标分解为可执行的原子步骤
+- 根据 Worker 能力分配任务
+
+### Worker
+- 专门化的智能体，通常使用更小更快的模型
+- 可能经过微调或拥有特殊工具/提示词
+- 专注于单一任务，确保质量
+
+### Validator
+- 检查点，验证 Worker 输出
+- 可使用确定性代码（单元测试、JSON schema 验证）
+- 也可为 LLM 本身
+
+## Why It Works
+依赖图强制协作：Worker 必须等待 Planner 分配任务才能启动，且无法作弊因为会被 Validator 捕获。
+
+## Nuances
+- Planner 与 Validator 可为同一 LLM 会话，执行 PLAN → VALIDATION 循环
+- Validator 最好使用不同模型以提高客观性
+- 可单独验证每个 Worker 或汇总后统一验证
+- 顺序执行导致速度慢、成本高
+
+## Best For
+需要将上下文分开的复杂工作流，例如不让"撰稿人"看到"研究员"的混乱原始日志。
+
+## Related Concepts
+- [[多智能体系统可靠性]]
+- [[依赖图]]
+- [[SRE]]

wiki/concepts/工具技能.md

@@ -0,0 +1,17 @@
+---
+title: "工具技能"
+type: concept
+tags: [claude-code, skill-category]
+date: 2026-04-18
+---
+
+## Summary
+工具技能是 baoyu-skills 三大技能分类之一，专注于内容处理工具。
+
+## Definition
+工具技能包括：baoyu-youtube-transcript、baoyu-url-to-markdown、baoyu-danger-x-to-markdown、baoyu-compress-image、baoyu-format-markdown、baoyu-markdown-to-html、baoyu-translate。
+
+## Connections
+- [[baoyu-skills-claude-code-技能集]] ← includes → [[内容技能]]
+- [[baoyu-skills-claude-code-技能集]] ← includes → [[AI生成技能]]
+- [[baoyu-skills-claude-code-技能集]] ← includes → [[工具技能]]

wiki/concepts/快节奏剪辑.md

@@ -0,0 +1,21 @@
+---
+title: "快节奏剪辑"
+type: concept
+tags: [视频剪辑, 短视频]
+last_updated: 2026-04-18
+---
+
+## Definition
+视频使用 2-4 倍速加速播放，结合硬切换手法，强化节奏感与流畅度的剪辑方式。
+
+## Key Points
+- 统一加速：建议 2-4 倍速（示例用 3 倍）
+- 无需复杂转场：首尾针动画自带平滑衔接，硬切效果更干净
+- 画面轻微裁边：如有黑边可稍微放大处理
+
+## Tools
+- [[剪映]] — 主流剪辑工具
+
+## Related Concepts
+- [[首尾针动画]] — 核心技术
+- [[卡点]] — 配合使用

wiki/concepts/数据蒸馏.md

@@ -0,0 +1,23 @@
+---
+title: "数据蒸馏"
+type: concept
+tags: [ai, 数据蒸馏, 模型压缩]
+date: 2025-12-20
+---
+
+## Definition
+数据蒸馏（Data Distillation），利用一个高性能的大模型生成精简但有价值的数据，使得一个小模型可以从中学习并逼近大模型的效果。
+
+## Core Mechanism
+1. **教师模型（Teacher Model）**：高性能的大模型，负责生成高质量数据
+2. **数据生成**：教师模型产出精简但有价值的数据
+3. **学生模型（Student Model）**：小模型从蒸馏数据中学习
+
+## Use Cases
+- 模型压缩：将大模型知识迁移到小模型
+- 领域适应：在特定领域数据上微调
+- 成本优化：推理效率与效果的平衡
+
+## Related Concepts
+- [[LLM]]：教师模型和学生模型的源头
+- [[vLLM]]：高效的模型推理引擎

wiki/concepts/时间压缩.md

@@ -0,0 +1,24 @@
+---
+title: "时间压缩"
+type: concept
+tags: [视频制作, 短视频]
+last_updated: 2026-04-18
+---
+
+## Definition
+将长时间拍摄过程在视频中浓缩表现的手法。是家装短视频成功的三大关键词之一。
+
+## Principle
+- 提取关键阶段
+- 省略中间冗余过程
+- 快速展示结果变化
+
+## Application
+- 装修几个月甚至几年的过程压缩到几秒
+- 植物生长过程压缩到十几秒
+- 产品制作全流程快速展示
+
+## Related Concepts
+- [[固定机位]] — 配合使用
+- [[内容连续变化]] — 配合使用
+- [[首尾针动画]] — 技术实现

wiki/concepts/模块化Prompt库.md

@@ -0,0 +1,31 @@
+---
+title: "模块化Prompt库"
+type: concept
+tags: [ai, prompt, prompt-engineering]
+date: 2026-04-18
+---
+
+## Definition
+将 Prompt 拆分为可独立使用、灵活组合的模块化设计模式。每个模块专注单一功能，通过"积木式"组合满足不同场景需求。
+
+## Core Components
+- **01 产品展示 Prompt**：80% 视频使用，聚焦产品细节、材质、走线、表面细节
+- **02 宠物动作 Prompt**：自然真实的宠物动作（走路、趴着、坐着）
+- **03 衣服对齐 Prompt**：防止衣服穿帮，保持服装贴合宠物身体
+- **04 场景变化 Prompt**：场景模块（室内、户外、冬季感）
+- **05 负向提示**：统一降低翻车率的负面提示
+- **06 卖货文案 Prompt**：TikTok 卖货文案生成
+- **07 全流程示例**：完整流水线示例
+
+## Use Cases
+- TikTok 电商视频生成
+- 宠物用品/宠物衣服展示视频
+- 规模化视频内容生产
+
+## Related Concepts
+- [[图生视频]]：AI 将静态图像转化为动态视频的技术
+- [[提示语设计]]：通过精心设计的提示词提升 AI 输出质量的技术
+- [[Prompt库]]：提示词库，提供现成提示词供用户参考和定制
+
+## Related Entities
+- [[TikTok]]：字节跳动旗下短视频电商平台

wiki/concepts/淘汰制-Knock-out.md

@@ -0,0 +1,38 @@
+---
+title: "淘汰制 (Knock-out)"
+type: concept
+tags: [agent-architecture, multi-agent, reliability]
+sources: [raw/AI/Multi-Agent System Reliability.md]
+last_updated: 2026-04-18
+---
+
+## Definition
+淘汰制是一种多智能体架构模式，模仿遗传算法中的"适者生存"机制。多个 Agent 执行同一任务，通过验证器评估并淘汰表现最差的，保留最优者或生成新候选。
+
+## Implementation
+
+### 1. Give Task to N Agents
+将任务分配给 N 个 Agent
+
+### 2. Validator Decides Elimination
+使用验证器决定哪些 Agent 被淘汰
+
+### 3. [Optional] Replace Dead Agent
+可选：用具有获胜者特征的新 Agent 替换被淘汰的 Agent
+
+## SRE Analogy
+在 SRE 中，我们把服务器视为"牲畜"（cattle，可替换），而不是"宠物"（pets，独一无二且备受珍视）。LLM Agent 就像是牲畜：不要给它起名字就指望它能做得很好，启动它，检查它的运行情况，如果失败就将其淘汰。
+
+## Nuances
+- 需要快速验证输出的方法（如单元测试）
+- 如果需要人工检查所有分支，速度太慢且容易出错
+- 更高级的设置可能尝试通过组合通过验证的 Agent 的提示词来创建新 Agent
+
+## Best For
+迭代式智能体工程，通常用于开发或调试现有多智能体系统，而非生产环境和真实用户负载。
+
+## Related Concepts
+- [[多智能体系统可靠性]]
+- [[遗传算法]]
+- [[适应度函数]]
+- [[SRE]]

wiki/concepts/虚拟环境-venv.md

@@ -0,0 +1,30 @@
+---
+title: "虚拟环境 (venv)"
+type: concept
+tags: [python, 环境配置]
+---
+
+## 定义
+Python 虚拟环境（Virtual Environment）是一种依赖隔离机制，通过 `python3 -m venv venv` 命令创建独立的 Python 运行环境，使每个项目拥有独立的依赖包，避免全局污染和版本冲突。
+
+## 核心特性
+- 依赖隔离：每个项目可安装不同版本的同一包
+- 环境激活：`source venv/bin/activate` 激活环境
+- 可移植性：通过 `pip freeze > requirements.txt` 导出依赖列表
+- 轻量级：基于 Python 标准库实现，无需额外安装
+
+## 使用场景
+- Docker 容器内运行 Python 应用
+- 多项目共存且依赖版本不同
+- 隔离系统 Python 环境，避免全局污染
+
+## 相关工具
+- [[venv]]：Python 3.3+ 内置模块
+- [[virtualenv]]：第三方虚拟环境工具，功能更丰富
+- [[pipenv]]：结合 pip 和 venv 的依赖管理工具
+- [[poetry]]：现代化的 Python 依赖管理工具
+
+## 关联概念
+- [[Docker]]：容器化部署环境，venv 常用于隔离容器内 Python 依赖
+- [[Scrapy]]：Python 爬虫框架，可在 venv 中运行
+- [[Playwright]]：浏览器自动化工具，可在 venv 中运行

wiki/concepts/选品评分模型.md

@@ -0,0 +1,31 @@
+---
+title: "选品评分模型"
+type: concept
+tags: [电商, 选品, 算法, 评分模型]
+---
+
+## Definition
+通过加权公式自动评估和推荐优质产品的算法模型，综合考虑销量、评分、评论数量、折扣等多个维度。
+
+## Formula
+```
+score = sold × 0.4 + rating × 12 + rating_count × 0.2 + discount_percent × 0.5
+```
+
+## Parameters
+| 参数 | 权重 | 说明 |
+|------|------|------|
+| sold | 0.4 | 销量，最核心的选品指标 |
+| rating | 12 | 评分，反映产品质量 |
+| rating_count | 0.2 | 评分数量，反映口碑积累 |
+| discount_percent | 0.5 | 折扣力度，反映促销效果 |
+
+## Use Cases
+- 热卖品发现：筛选高评分但销量低的价值洼地
+- 价格带分析：识别最优价格带
+- 类目机会识别：找出"产品少但销量大"的蓝海类目
+
+## Related Concepts
+- [[Superset-Dashboard]]：选品评分模型的展示界面
+- [[TikTok-Shop]]：电商平台数据源
+- [[products]]：产品数据表

wiki/concepts/通才.md

@@ -0,0 +1,27 @@
+---
+title: "通才"
+type: concept
+tags: [个人发展]
+---
+
+## Summary
+- 定义：跨领域知识整合者，拥有广泛兴趣和多元能力的人才
+- 区别：与单一专业者（专才）相对，强调跨领域知识整合与创新
+- 价值：AI 时代，多兴趣能建立更复杂的现实模型，发现更多机会
+
+## Background
+Adam Smith 指出，专业化分工使工人变得愚蠢和依赖。达·芬奇、米开朗基罗等文艺复兴人物都是通才。AI 时代，任何人都可以追求多领域精通。
+
+## Three Ingredients
+1. **Self-education（自学）**：因兴趣驱动而非任务驱动
+2. **Self-interest（自利）**：关注自身利益
+3. **Self-sufficiency（自给自足）**：拒绝外包判断力和自主性
+
+## Key Claims
+- 你的优势更多在于跨领域知识，而非专业知识
+- 想法跨领域互补，创造独特的世界观
+- 能捕捉新颖想法并转化为市场价值
+
+## Connections
+- [[一人公司模式]] ← 依赖于 ← 通才
+- [[第二次文艺复兴]] → 产生 → 通才

wiki/concepts/防穿帮.md

@@ -0,0 +1,31 @@
+---
+title: "防穿帮"
+type: concept
+tags: [ai, prompt, video-generation]
+date: 2026-04-18
+---
+
+## Definition
+AI 视频生成中的专业术语，指防止生成的视频中出现违和感（如物体穿模、飘动、不贴合等）。通过专用 Prompt 约束 AI 输出，减少视觉上的不自然感。
+
+## Problem Domain
+- 宠物衣服类视频最易穿帮：衣服不贴合身体、飘动、滑落
+- 物体悬浮：产品未接触地面或表面
+- 穿模：产品与宠物/场景边界模糊
+- 尺寸变化：运动过程中产品大小改变
+
+## Solution
+添加专用"防穿帮" Prompt：
+```
+The clothing must stay perfectly fitted to the pet's body.
+
+Rules:
+- the clothing follows body movement naturally
+- fabric moves subtly with motion
+- no slipping, floating, or clipping
+- no size change during movement
+```
+
+## Related Concepts
+- [[模块化Prompt库]]：将 Prompt 拆分为可复用的独立模块
+- [[图生视频]]：AI 将静态图像转化为动态视频的技术

wiki/concepts/面单授权.md

@@ -0,0 +1,16 @@
+---
+title: "面单授权"
+type: concept
+tags: [物流, 电商]
+---
+
+面单授权是指在跨境电商物流系统中，授权物流服务提供商打印和使用运单面单的过程。卖家需要完成授权配置后才能使用物流面单系统进行运单打印和发货。
+
+## Application Scenarios
+- TikTok Shop 物流配置
+- 亚马逊 FBA 库存配送
+- 其他跨境电商平台物流对接
+
+## Related Concepts
+- [[TikTok Shop]]：面单授权的应用平台之一
+- [[跨境电商]]：面单授权的主要应用领域

wiki/concepts/面单收费.md

@@ -0,0 +1,16 @@
+---
+title: "面单收费"
+type: concept
+tags: [跨境电商, 物流]
+---
+
+## Definition
+物流面单的费用计算规则，通常按实际重量和材积重取最大值收费。
+
+## Rules
+- 申报重量与实重/材积差距尽量不要超过 0.1Kg
+- 申报重量要低于收费重量，以免由于申报重量过高导致多支付运费
+
+## Related
+- [[预上网]]：已推送轨迹后取消需收取费用
+- [[材积重]]：体积折算的计费重量

wiki/concepts/预上网.md

@@ -0,0 +1,15 @@
+---
+title: "预上网"
+type: concept
+tags: [物流, 物流追踪]
+---
+
+## Definition
+物流轨迹预生成的机制，物流商在收到货物后提前生成物流轨迹信息，24-48 小时左右可查询到上网信息。
+
+## Related
+- [[UIN渠道]]：提供预上网服务的物流渠道
+- [[物流轨迹]]：货物运输过程的追踪信息
+
+## Usage
+申请单号后 24-48 小时左右会有轨迹上网，请控制好申请单号的时间。

wiki/concepts/首尾针动画.md

@@ -0,0 +1,29 @@
+---
+title: "首尾针动画"
+type: concept
+tags: [AI, 动画, 视频制作]
+last_updated: 2026-04-18
+---
+
+## Definition
+通过上传两个关键帧图片（首针和尾针），AI 自动补齐中间变化动作，生成连贯动画的技术。
+
+## Principle
+1. 上传"首针图"（起始状态）
+2. 上传"尾针图"（结束状态）
+3. AI 自动分析两张图的差异
+4. AI 补齐中间过渡帧
+5. 生成平滑过渡的动画视频
+
+## Related Tools
+- [[KAI]] — 主流生成工具
+- [[海螺AI]] — 竞品
+
+## Related Concepts
+- [[九宫格法]] — 上游步骤
+- [[快节奏剪辑]] — 下游应用
+
+## Application
+- 家装视频从毛坯到精装的变化
+- 产品展示从使用前到使用后
+- 任何有时间流逝主题的场景