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

wiki/sources/2025-年-11-个-神级-AI-开源平替-GitHub-杀疯了.md

@@ -0,0 +1,70 @@
+---
+title: "2025 年 11 个神级 AI 开源平替，GitHub 杀疯了"
+type: source
+tags: []
+date: 2026-01-01
+---
+
+## Source File
+- [[raw/AI/2025 年 11 个神级 AI 开源平替，GitHub 杀疯了。]]
+
+## Summary
+- 核心主题：2025 年 GitHub 上 8 个 AI 领域的顶尖开源项目盘点
+- 问题域：大语言模型、AI 生图、AI 生视频、AI 智能体、AI 编程、工作流自动化、AI 搜索、AI 知识库
+- 方法/机制：深度推理、开源内卷、Agent 工作流、浏览器自动化
+- 结论/价值：为开发者提供免费开源平替，替代昂贵的闭源商业产品
+
+## Key Claims
+- DeepSeek R1 是首个将 o1 级深度推理拉下神坛的开源破壁者，2025 年春节爆火拉开中国 AI 开源差异化竞争叙事
+- 通义千问（Qwen 3）是开源界最稳、最全、最能打的六边形战士基座模型
+- Flux 是开源界的 Midjourney，出自前 SD 核心团队之手，目前人体解剖学最正确的开源模型
+- HunyuanVideo 是开源界参数量最大的视频生成模型之一，对中文 Prompt 理解达到天花板级别
+- Manus 是定义 AI Agent 元年的里程碑式产品，被 Meta 以几十亿美金收购
+- OpenManus 是 Manus 最强的开源平替，采用规划→执行→循环反馈的核心逻辑
+- Cline 是 VS Code 生态中公认最强大的开源自主编程插件，被誉为 Cursor 最佳开源平替
+- n8n 有恐怖的 16 万 Star，是最强的工作流 Workflow 开源项目
+- Dify 是最拿得出手的 LLM 应用开发平台，提供可视化知识库 AI 机器人搭建
+- Perplexica 是公认的和 Perplexity 长得像、功能像、而且完全开源免费的 AI 搜索引擎
+- NotebookLM 的开源平替已找到七八个，涵盖数字人、音频、具身智能、AI PPT 等细分领域
+
+## Key Quotes
+> "我只是把 GitHub 上同一方向最火的开源项目揪了出来，并不代表开源项目的表现和效果一定能媲美闭源产品。" — 作者免责声明
+
+## Key Concepts
+- [[开源大语言模型]]：以 DeepSeek、Qwen 为代表的开源基座大模型
+- [[AI生图模型]]：以 Flux、Stable Diffusion 为代表的开源图像生成模型
+- [[AI生视频模型]]：以 HunyuanVideo 为代表的开源视频生成模型
+- [[AI智能体]]：以 Manus/OpenManus 为代表的通用 AI 代理
+- [[AI编程工具]]：以 Cline 为代表的 AI 增强代码编辑器插件
+- [[智能体工作流]]：以 n8n、Dify 为代表的工作流自动化平台
+- [[AI搜索引擎]]：以 Perplexica 为代表的 AI 搜索开源项目
+- [[AI知识库]]：以 NotebookLM 开源平替为代表的 AI 知识管理工具
+
+## Key Entities
+- [[DeepSeek]]：中国 AI 公司，开发 R1/V3 等开源大模型
+- [[Qwen]]：阿里云开发的大型语言模型（通义千问）
+- [[Flux]]：开源界的 Midjourney，出自前 SD 核心团队之手
+- [[Stable-Diffusion]]：老牌开源图像生成模型
+- [[HunyuanVideo]]：腾讯混元视频生成模型
+- [[Manus]]：定义 AI Agent 元年的里程碑式产品
+- [[OpenManus]]：Manus 最强开源平替
+- [[Cline]]：VS Code 生态中最强开源编程插件
+- [[n8n]]：最强工作流自动化开源项目（16 万 Star）
+- [[Dify]]：LLM 应用开发平台
+- [[Perplexica]]：Perplexity 开源平替
+
+## Connections
+- [[DeepSeek]] ← 竞品 ← [[OpenAI]]
+- [[DeepSeek]] ← 竞品 ← [[Claude]]
+- [[Qwen]] ← 竞品 ← [[DeepSeek]]
+- [[Flux]] ← 竞品 ← [[Midjourney]]
+- [[Flux]] ← 竞品 ← [[Stable-Diffusion]]
+- [[HunyuanVideo]] ← 竞品 ← [[Veo-3]]
+- [[OpenManus]] ← 平替 ← [[Manus]]
+- [[Cline]] ← 平替 ← [[Cursor]]
+- [[n8n]] ← 平替 ← [[Zapier]]
+- [[Dify]] ← 竞品 ← [[n8n]]
+- [[Perplexica]] ← 平替 ← [[Perplexity]]
+
+## Contradictions
+- （无）

wiki/sources/AI-解决方案专家培训课程.md

@@ -0,0 +1,45 @@
+---
+title: "AI 解决方案专家培训课程"
+type: source
+tags: [ai, coze, 智能体, 培训]
+date: 2025-04-18
+---
+
+## Source File
+- [[raw/AI/AI 解决方案专家培训课程.md]]
+
+## Summary
+- 核心主题：Coze（扣子）平台 AI Agent 开发实战培训
+- 问题域：企业级 AI 智能体在各行业的应用场景与开发方法
+- 方法/机制：通过 Demo 实例展示多行业 AI 解决方案，包含 Workflow、Bot、插件等开发模式
+- 结论/价值：覆盖金融、医疗、教育、电商、泛娱乐、人力资源、在线客服 7 大行业，提供可直接复用的 AI Agent 开发模板
+
+## Key Claims
+- Coze 平台支持国内版（coze.cn）和海外版（coze.com）两个版本
+- AI Agent 开发可覆盖零售、医疗、金融、教育、人力资源、电商、泛娱乐等多个行业场景
+- Workflow 模式支持更复杂的企业级业务流编排
+
+## Key Quotes
+> "Coze 平台是国内领先的 AI Agent 开发平台，支持零代码构建智能体"
+
+## Key Concepts
+- [[Coze（扣子）]]：字节跳动旗下 AI Agent 开发平台
+- [[Workflow]]：工作流模式，支持复杂业务逻辑编排
+- [[Bot]]：对话型 AI 智能体
+- [[Function Call]]：函数调用能力，实现 Agent 与外部系统集成
+
+## Key Entities
+- [[字节跳动]]：Coze 平台母公司
+- [[知乎]]：财报解读 Agent 演示
+- [[滴滴]]：出行行业计费规则解答 Agent 演示
+- [[SONY]]：零售门店店员 Agent 演示
+- [[医疗分诊助手]]：医疗行业 Agent 演示
+
+## Connections
+- [[Coze（扣子）]] ← provides_platform ← [[AI 解决方案专家培训课程]]
+- [[金融行业客户分层营销助手]] ← extends ← [[Coze（扣子）]]
+- [[医疗分诊助手]] ← extends ← [[Coze（扣子）]]
+- [[教育行业知识库问答]] ← extends ← [[Coze（扣子）]]
+
+## Contradictions
+- （暂无）

wiki/sources/GOG-CLI-安装配置指南.md

@@ -0,0 +1,47 @@
+---
+title: "GOG-CLI 安装配置指南"
+type: source
+tags: [gog, gog-cli, macos, google-workspace, oauth]
+date: 2026-03-15
+---
+
+## Source File
+- [[raw/Skills/GOG-CLI-安装配置指南.md]]
+
+## Summary
+- 核心主题：在 macOS 系统上安装和配置 gog CLI，通过命令行管理 Google Workspace（Gmail、Google Calendar、Google Drive、Google Contacts、Google Docs、Google Sheets）
+- 问题域：Google API 集成、OAuth 认证、CLI 工具配置
+- 方法/机制：Homebrew 安装、OAuth 凭证配置、Google Cloud Console 设置、API 启用
+- 结论/价值：实现 Google 六大服务的命令行化管理，提升自动化效率
+
+## Key Claims
+- gog CLI 是管理 Google Workspace 的命令行工具，支持 Gmail、Calendar、Drive、Contacts、Docs、Sheets 六大服务
+- OAuth 授权需要两层配置：用户身份认证（OAuth）+ API 服务启用
+- Google 未验证应用需要添加测试用户才能授权
+
+## Key Quotes
+> "此应用未经 Google 验证" — 首次授权时 Google 的安全限制提示
+
+> "此应用请求访问您 Google 账号中的敏感信息" — OAuth 权限请求说明
+
+## Key Concepts
+- [[OAuth]]：开放授权协议，用于第三方应用访问用户 Google 账号
+- [[Google-Cloud-Console]]：Google 云平台控制台，管理 API 启用和 OAuth 凭证
+- [[Gmail-API]]：Google 邮件服务编程接口
+- [[Calendar-API]]：Google 日历服务编程接口
+- [[Drive-API]]：Google 云端硬盘服务编程接口
+- [[API-Enablement]]：Google Cloud 中启用特定 API 服务的操作
+- [[测试用户]]：Google OAuth 中允许未经验证的应用进行测试的账号
+
+## Key Entities
+- [[Homebrew]]：macOS 包管理器，用于安装 gog CLI
+- [[Google]]：Google 公司，开发 gog CLI 工具
+- [[steipete-tap-gogcli]]：gog CLI 的 Homebrew 官方仓库
+
+## Connections
+- [[Homebrew]] ← 安装于 ← [[GOG-CLI-安装配置指南]]
+- [[Google-Cloud-Console]] ← 创建凭证于 ← [[GOG-CLI-安装配置指南]]
+- [[OAuth]] ← 授权机制于 ← [[GOG-CLI-安装配置指南]]
+
+## Contradictions
+- （暂无）

wiki/sources/Last30Days-使用指南.md

@@ -0,0 +1,45 @@
+---
+title: "Last30Days 使用指南"
+type: source
+tags: [hackernews, instagram, last30days, polymarket, scrapecreator, tiktok, x, youtube]
+date: 2026-04-18
+---
+
+## Source File
+- [[raw/Skills/Last30Days-使用指南.md]]
+
+## Summary
+- 核心主题：多平台热门内容研究工具的使用指南
+- 问题域：市场调研、竞品分析、趋势发现
+- 方法/机制：通过 Python 脚本聚合 Reddit、X、YouTube、TikTok、Instagram、Hacker News、Polymarket、Web 共 8 个数据源的热门内容，生成结构化研究报告
+- 结论/价值：帮助用户快速获取过去 30 天内的用户痛点、市场趋势和竞品动态，是 AI 辅助创业自动化的核心工具
+
+## Key Claims
+- Last30Days 支持 8 个数据源，权重排序为 Reddit/X > YouTube > TikTok > Polymarket > Web
+- 深度研究需要 2-8 分钟，可通过 --quick（8-12 条/来源）或 --deep（50-70 条 Reddit，40-60 条 X）调整
+- 对比模式（"cursor vs windsurf"）可生成并排对比研究
+- Polymarket 赔率数据是最高置信度的信息来源，因其基于真实货币投注
+
+## Key Quotes
+> "深度研究需要 2-8 分钟，耐心等待" — 使用指南
+> "Polymarket 赔率是最高置信度的数据" — 使用指南
+
+## Key Concepts
+- [[Last-30-Days-Skill]]：Matt Van Horn 开发的 Reddit/X 研究技能，获取过去 30 天用户痛点
+- [[Market-Research]]：通过用户反馈和数据分析识别产品机会的过程
+- [[MVP]]：最小可行产品，用最少的资源验证核心产品假设
+- [[Comparative Mode]]：对比模式，通过 "X vs Y" 格式生成并排对比研究
+
+## Key Entities
+- [Matt Van Horn](entities/Matt-Van-Horn.md)：Last30Days skill 的作者
+- [ScrapeCreators](entities/ScrapeCreators.md)：提供 Reddit、TikTok、Instagram 数据采集的 API 服务（前 100 次免费）
+- [Polymarket](entities/Polymarket.md)：预测市场平台，基于真实货币投注提供高置信度趋势数据
+- [OpenClaw](entities/OpenClaw.md)：运行 Last30Days skill 的 AI Agent 框架
+
+## Connections
+- [[Market Research & Product Factory]] ← uses ← [[Last-30-Days-Skill]]
+- [[Last-30-Days-Skill]] ← requires ← [[ScrapeCreators]]
+- [[Last-30-Days-Skill]] ← supports ← [[Polymarket]]
+
+## Contradictions
+- （暂无）

wiki/sources/Multi-Agent-System-Reliability.md

@@ -0,0 +1,52 @@
+---
+title: "多智能体系统可靠性"
+type: source
+tags: [multi-agent, reliability, architecture]
+sources: [raw/AI/Multi-Agent System Reliability.md]
+last_updated: 2026-04-18
+---
+
+## Source File
+- [[raw/AI/Multi-Agent System Reliability.md]]
+
+## Summary
+- 核心主题：多智能体系统的可靠性架构模式
+- 问题域：LLM 不可靠性导致的系统级错误传播
+- 方法/机制：层级结构、共识投票、对抗式辩论、淘汰制四种架构模式
+- 结论/价值：将 LLM 视为不可靠组件，通过架构设计强制正确性而非依赖模型"小心谨慎"
+
+## Key Claims
+- LLM 本质不可靠（幻觉、逻辑谬误、上下文漂移），多智能体拓扑会将错误传播到无法使用的程度
+- 层级结构通过依赖图强制 Worker 协作，验证器捕获作弊
+- 共识投票中 3 个模型同时幻觉相同谎言的概率仅为 0.8%（20%³）
+- 对抗式辩论模拟人类"恐惧"机制，通过外部批评者纠正模型"好好先生"倾向
+- 淘汰制将 LLM 视为"牲畜"而非"宠物"，失败即替换而非修复
+
+## Key Quotes
+> "We don't need AI that 'cares.' We need AI that is constrained, verified, pruned, and challenged." — 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
+- [[多智能体系统可靠性]]：通过架构模式提升 LLM 多智能体系统可靠性的方法论
+- [[层级结构 (Hierarchy)]]：Planner 分解任务 → Worker 执行 → Validator 验证的三层架构
+- [[共识投票 (Consensus)]]：多数票机制抵消单个模型的随机噪声
+- [[对抗式辩论 (Adversarial Debate)]]：生成器+批评者+评委的三角制衡结构
+- [[淘汰制 (Knock-out)]]：适者生存的遗传算法式选择机制
+- [[可靠性工程]]：将 LLM 视为分布式系统中不可靠组件的工程思维
+
+## Key Entities
+- [[Alex Ewerlöf]]：作者，27年经验的资深工程师，KTH 系统工程硕士，专注可靠性工程和弹性架构
+- [[KTH]]：瑞典皇家理工学院（KTH Royal Institute of Technology）
+
+## Connections
+- [[多智能体系统可靠性]] ← extends ← [[Multi-Agent-Team]]
+- [[层级结构 (Hierarchy)]] ← depends_on ← [[依赖图]]
+- [[共识投票 (Consensus)]] ← uses ← [[复合 SLO]]
+- [[淘汰制 (Knock-out)]] ← implements ← [[遗传算法]]
+- [[对抗式辩论 (Adversarial Debate)]] ← avoids ← [[群体思维]]
+- [[可靠性工程]] → applies_to → [[SRE]]
+
+## Contradictions
+- 与 [[Multi-Agent-Team]] 视角不同：Multi-Agent-Team 强调 Agent 个性和协作流程，本文强调将 LLM 视为不可靠组件的工程视角
+- 与 [[Agent Chain]] 区别：Agent Chain 是简单的串联模式，本文强调验证和反馈机制

wiki/sources/RAG从入门到精通系列1-基础RAG.md

@@ -0,0 +1,57 @@
+---
+title: "RAG从入门到精通系列1：基础RAG"
+type: source
+tags: [RAG, LLM, 教程]
+date: 2025-12-18
+---
+
+## Source File
+- [[raw/AI/RAG从入门到精通系列1：基础RAG.md]]
+
+## Summary
+- 核心主题：基础 RAG（检索增强生成）技术介绍
+- 问题域：LLM 如何使用外部数据（私有数据或最新数据）
+- 方法/机制：Indexing（索引）→ Retrieval（检索）→ Generation（生成）
+- 结论/价值：RAG 是连接 LLM 与外部数据源的通用方法，使 LLM 能基于外部知识生成回答
+
+## Key Claims
+- RAG 是一种将 LLM 与外部数据源连接的通用方法，允许 LLM 使用外部数据生成输出
+- 基础 RAG 流程包含三个核心阶段：索引构建、文档检索、答案生成
+- Embedding（向量化）将文本转为固定长度的数值向量，捕获文本语义
+- 文档需要切分成满足 Embedding Model Context Window 的 Split（文档块）
+- Vector Store（向量数据库）存储 Embedding Vector 并实现相似度比较
+- LangChain 和 LlamaIndex 框架简化了 RAG 管道的构建
+
+## Key Quotes
+> "RAG（Retrieval Augmented Generation，检索增强生成）是一种将 LLM 与外部数据源（例如私有数据或最新数据）连接的通用方法。它允许 LLM 使用外部数据来生成其输出。"
+
+## Key Concepts
+- [[RAG]]：检索增强生成，连接 LLM 与外部数据源的技术
+- [[LLM]]：大型语言模型，功能强大但不总是使用最新或相关数据
+- [[向量嵌入]]：将文本转换为数值向量，捕获语义信息
+- [[Token]]：模型处理文本的基本单位，中文约 1 token/汉字，英文约 1 token/3-4 字母
+- [[Vector Store]]：向量数据库，存储 Embedding Vector 并实现相似度检索
+- [[LangChain]]：简化 RAG 管道构建的框架
+- [[Qdrant]]：Rust 编写的开源向量数据库
+
+## Key Entities
+- [[LangChain]]：提供 160+ 文档加载器的 RAG 框架
+- [[Qwen]]：文中使用的 LLM 示例
+- [[BAAI]]：开源 Embedding Model 系列
+- [[PyTorch研习社]]：文章来源公众号
+
+## Connections
+- [[RAG]] ← depends_on ← [[向量嵌入]]
+- [[向量嵌入]] ← depends_on ← [[Token]]
+- [[LangChain]] ← implements ← [[RAG]]
+- [[Qdrant]] ← stores ← [[向量嵌入]]
+- [[Qwen]] ← provides ← [[LLM]]
+
+## Contradictions
+- （暂无）
+
+## 相关技术栈
+- **LLM**: Qwen
+- **Embedding Model**: BAAI 系列
+- **Vector Store**: Qdrant
+- **Framework**: LangChain

wiki/sources/Scrapy-Playwright-抓取TikTok-Shop-Data.md

@@ -0,0 +1,38 @@
+---
+title: "Scrapy + Playwright 抓取TikTok Shop Data"
+type: source
+tags: [playwright, scrapy, tiktok, 跨境电商]
+date: 2026-04-18
+---
+
+## Source File
+- [[raw/跨境电商/Scrapy + Playwright 抓取TikTok Shop Data.md]]
+
+## Summary
+- 核心主题：TikTok Shop 数据抓取环境配置指南
+- 问题域：跨境电商数据采集、Docker 环境配置
+- 方法/机制：Python 虚拟环境 + Scrapy + Playwright 组合爬虫架构
+- 结论/价值：提供 Docker 容器内运行 Python 爬虫的完整配置方案
+
+## Key Claims
+- Scrapy + Playwright 组合是抓取动态网页（TikTok Shop）的最佳方案
+- Docker 容器内运行需要额外配置虚拟环境（venv）才能正常工作
+- 虚拟环境可以隔离依赖，避免全局污染
+
+## Key Concepts
+- [[虚拟环境 (venv)]]：Python 依赖隔离机制，通过 `python3 -m venv venv` 创建
+- [[Scrapy]]：Python 爬虫框架，适合结构化网页抓取
+- [[Playwright]]：Microsoft 浏览器自动化工具，支持 Chromium/Chrome 渲染动态内容
+- [[scrapy-playwright]]：Scrapy 与 Playwright 集成的中间件，支持 JavaScript 渲染页面
+
+## Key Entities
+- [[Docker]]：容器化平台，本场景的部署环境
+- [[TikTok Shop]]：字节跳动旗下电商平台，本文的抓取目标
+
+## Connections
+- [[Scrapy]] ← uses ← [[scrapy-playwright]]
+- [[Playwright]] ← provides ← [[浏览器自动化]]
+- [[Docker]] ← requires ← [[虚拟环境 (venv)]]
+
+## Contradictions
+- （暂无）

wiki/sources/TK美国面单授权及操作流程.md

@@ -0,0 +1,39 @@
+---
+title: "TK美国面单授权及操作流程"
+type: source
+tags: [跨境电商, TikTok, 物流]
+date: 2025-12-19
+---
+
+## Source File
+- [[raw/跨境电商/TK美国面单授权及操作流程.md]]
+
+## Summary
+- 核心主题：TikTok Shop 美国面单授权及操作流程
+- 问题域：跨境电商物流、TikTok Shop 运营
+- 方法/机制：TikTok 美国本土店的面单授权配置流程
+- 结论/价值：帮助卖家完成 TikTok 美国物流面单系统的配置
+
+## Key Claims
+- TikTok 美国面单需要完成授权配置才能使用
+- 授权流程涉及多个步骤的配置操作
+- 图片教程记录了完整的授权操作步骤
+
+## Key Quotes
+> 原始文档为图片教程，共6张截图展示了完整的 TK 美国面单授权及操作流程
+
+## Key Concepts
+- [[TikTok Shop]]：字节跳动旗下的短视频电商平台
+- [[面单授权]]：跨境电商物流系统的运单打印授权配置
+- [[美国本土店]]：TikTok Shop 美国地区的本地商家店铺
+
+## Key Entities
+- [[字节跳动]]：TikTok 母公司
+- [[TikTok]]：字节跳动旗下的短视频平台
+
+## Connections
+- [[跨境电商]] ← 包含 ← [[TK美国面单授权及操作流程]]
+- [[TikTok Shop]] ← 相关 ← [[TK美国面单授权及操作流程]]
+
+## Contradictions
+- （暂无）

wiki/sources/TikTok-Shop-Apache-Superset-Dashboard设计思路.md

@@ -0,0 +1,45 @@
+---
+title: "TikTok Shop - Apache Superset Dashboard设计思路"
+type: source
+tags: [TikTok-Shops, Apache-Superset, 数据可视化, BI, 电商分析]
+date: 2026-04-18
+---
+
+## Source File
+- [[raw/跨境电商/TikTok Shop - Apache Superset Dashboard设计思路.md]]
+
+## Summary
+- 核心主题：TikTok Shop 电商数据可视化仪表盘设计
+- 问题域：跨境电商选品数据分析与竞争对手监控
+- 方法/机制：基于 Apache Superset 构建多维度数据分析仪表盘，包含 KPI 卡片、热销排行、类目分析、店铺监控等核心模块
+- 结论/价值：提供完整的 SQL View 模板和 Dashboard 布局方案，支持热卖品发现、价格带分析、类目机会识别、店铺监控等核心功能
+
+## Key Claims
+- 通过 SQL View 预处理 JSON 字段（如 rating、rating_count），使 Superset 能直接计算数值指标
+- 推荐 4 Tab Dashboard 结构：爆品雷达、类目机会洞察、店铺监控、评论与用户反馈
+- 选品评分模型公式：score = sold × 0.4 + rating × 12 + rating_count × 0.2 + discount_percent × 0.5
+- 价格 vs 销量气泡图可一眼识别"低价高销量类"和"高客单价爆品"
+
+## Key Quotes
+> "找出热卖产品 + 高评分 + 低竞争 + 高折扣 → 决定选哪些产品卖"
+
+## Key Concepts
+- [[Superset-Dashboard]]：Apache Superset 数据可视化仪表盘，包含图表、过滤器、布局的完整组合
+- [[SQL-View]]：预处理的数据库视图，用于解析 JSON 字段和计算派生指标
+- [[KPI-卡片]]：关键绩效指标可视化展示（总产品数、热卖产品数、平均评分等）
+- [[选品评分模型]]：通过加权公式自动推荐优质产品的算法
+- [[交互过滤器]]：支持 Category、Store Name、价格范围、时间范围等动态筛选
+
+## Key Entities
+- [[TikTok-Shop]]：字节跳动旗下的短视频电商平台
+- [[Apache-Superset]]：Apache 软件基金会旗下的开源 BI 平台
+- [[products]]：核心产品数据表，包含 sold、final_price、initial_price、discount_percent、category、store_name 等字段
+
+## Connections
+- [[TikTok-Shop]] ← 产品数据源 ← [[products]]
+- [[Apache-Superset]] ← 可视化工具 ← [[SQL-View]]
+- [[选品评分模型]] ← 计算依据 ← [[products]]
+- [[Superset-Dashboard]] ← 展示界面 ← [[KPI-卡片]] + [[交互过滤器]]
+
+## Contradictions
+- （暂无冲突记录）

wiki/sources/baoyu-skills-claude-code-技能集.md

@@ -0,0 +1,40 @@
+---
+title: "宝玉 Claude Code 技能集"
+type: source
+tags: [claude-code, baoyu, skills, openclaw, ai-tools]
+date: 2026-04-18
+---
+
+## Source File
+- [[raw/Skills/baoyu-skills-claude-code-技能集.md]]
+
+## Summary
+- 核心主题：Claude Code/AI Agent 技能集成的安装与使用方法
+- 问题域：内容生成、AI 图像生成、工具类自动化
+- 方法/机制：三大类 Skills 通过 npx/Plugin 市场安装，支持自定义扩展
+- 结论/价值：提供一站式 AI 辅助工作效率工具，涵盖图像生成、翻译、内容发布等场景
+
+## Key Claims
+- 技能集包含三大类：内容技能、AI 生成技能、工具技能
+- 支持多种 AI 服务商：OpenAI、Google、Azure、MiniMax、通义万相等
+- 通过 npx/Plugin 市场灵活安装和更新
+
+## Key Concepts
+- [[Claude Skills]]：写给 Claude 的"说明书"和 SOP
+- [[Agent Skill 设计模式]]：Google 发布的 5 种 Agent Skill 设计模式
+- [[Vibe Coding]]：AI 辅助开发方式，自然语言描述需求
+- [[EXTEND.md]]：自定义扩展文件的机制，允许用户覆盖默认设置
+
+## Key Entities
+- [[baoyu]]：技能集作者，维护者
+- [[JimLiu]]：GitHub 仓库作者
+- [[ClawHub]]：技能发布和管理平台
+
+## 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]]
+- [[OpenClaw]] ← uses → [[baoyu-skills-claude-code-技能集]]
+
+## Contradictions
+- （暂无）

wiki/sources/chao-da-wu-liu-ding-jia.md

@@ -0,0 +1,41 @@
+---
+title: "超达物流定价"
+slug: chao-da-wu-liu-ding-jia
+type: source
+tags: [跨境电商, 物流, 定价]
+date: 2025-12-14
+---
+
+## Source File
+- [[raw/跨境电商/超达物流定价.md]]
+
+## Summary
+- 核心主题：跨境电商物流定价规则与服务说明
+- 问题域：跨境电商物流成本计算、发货时效
+- 方法/机制：UIN 渠道和 TK 平台的面单定价规则和时效说明
+- 结论/价值：帮助卖家了解物流定价结构，避免因规则不明导致额外费用
+
+## Key Claims
+- UIN 渠道提供预上网服务，满足 TK 轨迹上传需求
+- 申报重量与实重/材积取最大值收费
+- 已推送轨迹的订单取消需收取全额挂号费或操作费
+
+## Key Quotes
+> 申报重量和实重/材积差距尽量不要超过 0.1Kg，且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。
+
+> 申报重量、实重、材积取最大值收费，请务必注意。
+
+## Key Concepts
+- [[面单收费]]：物流面单的费用计算规则
+- [[预上网]]：物流轨迹预生成的机制，24-48 小时左右生成
+- [[材积重]]：物流体积折算的重量，用于国际物流计费
+
+## Key Entities
+- [[超达物流]]：跨境电商物流服务商，提供 UIN 渠道和 TK 平台物流服务
+
+## Connections
+- [[跨境电商]] ← 相关 ← [[超达物流定价]]
+- [[TikTok Shop]] ← 相关 ← [[超达物流]]
+
+## Contradictions
+- （暂无）

wiki/sources/nano-banana-pro-prompting-guide-strategies-1.md

@@ -0,0 +1,42 @@
+---
+title: "Nano-Banana Pro 提示词指南与策略"
+type: source
+tags: []
+date: 2025-12-19
+---
+
+## Source File
+- [[raw/AI/Nano-Banana Pro Prompting Guide & Strategies 1.md]]
+
+## Summary
+- 核心主题：Google Nano-Banana Pro 图像生成模型的专业级提示词设计指南
+- 问题域：如何有效使用 Nano-Banana Pro 进行专业级图像内容生产
+- 方法/机制：10大核心能力 + 4条黄金法则
+- 结论/价值：从"fun"图像生成升级到"functional"专业资产生产
+
+## Key Claims
+- Nano-Banana Pro 是从"趣味"图像生成向"功能性"专业资产生产的重大飞跃
+- 模型支持最多14张参考图像（6张高保真度），实现"身份锁定"
+- 模型具备"思考"能力，能理解意图、物理和构图，而非简单匹配关键词
+
+## Key Quotes
+> "Nano-Banana Pro is a 'Thinking' model. It doesn't just match keywords; it understands intent, physics, and composition."
+
+## Key Concepts
+- [[Nano Banana Pro]]：Google 的专业级图像生成模型，具备文本渲染、角色一致性、视觉合成、世界知识搜索和高分辨率（4K）输出能力
+- [[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
+- [[身份锁定 (Identity Locking)]]：通过参考图像保持特定人物或角色在生成新场景时面部特征不变的技术
+- [[思维模式 (Thinking Mode)]]：Nano-Banana Pro 默认生成中间思考图像（不收费）来优化构图后再渲染最终输出
+- [[Google Search Grounding]]：利用 Google 搜索实现实时数据可视化，减少时效性话题的幻觉
+
+## Key Entities
+- [[Google]]：开发 Nano-Banana Pro 的公司
+- [[Google AI Studio]]：Google 的 AI 开发平台，支持 Nano-Banana Pro 图像生成
+
+## Connections
+- [[Nano Banana Pro]] ← extends ← [[图像生成模型]]
+- [[Google AI Studio]] ← provides_interface ← [[Nano Banana Pro]]
+- [[提示语设计]] ← applies_to ← [[Nano Banana Pro]]
+
+## Contradictions
+- （暂无冲突）

wiki/sources/做TK跨境思路不对努力白费.md

@@ -0,0 +1,76 @@
+---
+title: "做TK跨境思路不对努力白费"
+type: source
+tags: [tiktok, 跨境电商]
+date: 2025-04-09
+---
+
+## Source File
+- [[raw/跨境电商/做TK跨境思路不对努力白费.md]]
+
+## Summary
+
+- **核心主题**：TikTok 跨境电商实战策略与步骤
+- **问题域**：跨境电商运营、市场选择、选品策略、流量获取
+- **方法/机制**：从市场选择、账号运营、选品软件使用、短视频营销到团队建设
+- **结论/价值**：为跨境电商从业者提供完整的操作流程和避坑指南
+
+## Key Claims
+
+- 优先选择发达国家市场（美区、英区、日本区），避免东南亚市场
+
+- TikTok 账号运营需先观看直播学习跨境电商流程和政策
+
+- 选品需确定目标市场的法规，并办理相应营业执照
+
+- 选品软件找到合适的类目进行分析和商品上架
+
+- 销售数据跟踪分析是运营的核心，必须持续监控和调整策略
+
+- 短视频和达人营销是获取流量的核心手段
+
+- 海外仓储和海运补货确保供应链稳定
+
+- 团队建设是电商业务持续增长的关键
+
+## Key Quotes
+
+- "在选品上应考虑到行业的发展趋势与消费者需求，而不是盲目跟风" — 视频观点：不盲目跟随市场潮流
+
+- "数据分析能有效反映市场变化，帮助做出快速决策" — 视频观点：数据驱动运营
+
+- "团队的成功需要分工明确才能高效运作" — 视频观点：团队协作的重要性
+
+## Key Concepts
+
+- [[TikTok-Shop]]：TikTok 电商平台，包含美国、英国、日本等市场区域
+
+- [[选品策略]]：跨境电商的核心决策，确定目标市场和产品类目
+
+- [[短视频营销]]：通过 TikTok 短视频内容提升品牌曝光和销量
+
+- [[达人营销]]：与 TikTok 创作者合作推广产品
+
+- [[海外仓]]：跨境电商的仓储解决方案，确保物流时效
+
+## Key Entities
+
+- TikTok：字节跳动旗下的短视频社交平台
+
+- TikTok Shop：TikTok 的电商功能模块
+
+## Connections
+
+- [[TikTok-Shop]] ← is_platform_of ← 跨境电商
+
+- [[选品策略]] ← determines ← 市场选择
+
+- [[短视频营销]] ← improves ← 流量获取
+
+- [[达人营销]] ← improves ← 流量获取
+
+- [[海外仓]] ← supports ← 供应链管理
+
+## Contradictions
+
+- 与 [[Scrapy-Playwright-抓取TikTok-Shop-Data.md]]：该技术文档专注于 TikTok Shop 数据采集，而本文档聚焦于电商运营策略

wiki/sources/全网最全-Nano-Banana-2-使用指南-2025年12月更新-1.md

@@ -0,0 +1,46 @@
+---
+title: "全网最全！Nano Banana 2 使用指南（2025年12月更新）"
+type: source
+tags: []
+date: 2025-12-19
+---
+
+## Source File
+- [[raw/AI/全网最全！Nano Banana 2 使用指南（2025年12月更新） 1.md]]
+
+## Summary
+- 核心主题：Nano Banana 2 图像生成模型的使用指南
+- 问题域：AI 图像生成工具使用
+- 方法/机制：通过 DeepSider 浏览器插件在国内访问 Google Nano Banana 2 模型
+- 结论/价值：国内用户可通过 DeepSider 插件直接使用 Nano Banana 2 进行图像生成
+
+## Key Claims
+- Nano Banana 2 是 Google 发布的推理型图像生成模型（Gemini 3 Pro Image）
+- DeepSider 插件让国内用户无需特殊网络即可访问 Nano Banana 2
+- Nano Banana 2 支持 1K、2K、4K 分辨率输出，最多可组合 14 张输入图像
+
+## Key Quotes
+> "新版本正式代号为Gemini 3 Pro Image，也即大家口中的Nano Banana 2"
+> "直接碾压一众AI绘图模型"
+> "专为中文用户设计，无需特殊网络，无需海外账户"
+
+## Key Concepts
+- [[Nano Banana 2]]：Google 的推理型图像生成模型，具备内部推理能力、高图像质量、多语言长文本渲染
+- [[推理模型]]：在生成图像前会进行内部推理的模型类型
+- [[DeepSider]]：浏览器插件，提供国内访问多款 AI 模型的渠道
+
+## Key Entities
+- [[Google]]：Nano Banana 2 的开发商
+- [[DeepSider]]：浏览器插件开发商
+- [[Appinn]]：来源网站
+- [[shenwei]]：文章作者
+
+## Connections
+- [[Nano Banana 2]] ← extends ← [[Gemini 3 Pro Image]]
+- [[DeepSider]] ← provides_access_to ← [[Nano Banana 2]]
+- [[DeepSider]] ← provides_access_to ← [[GPT-5]]
+- [[DeepSider]] ← provides_access_to ← [[Claude]]
+- [[DeepSider]] ← provides_access_to ← [[Sora-2]]
+
+## Contradictions
+- （暂无）

wiki/sources/固定镜头短视频制作的AI全流程解析.md

@@ -0,0 +1,61 @@
+---
+title: "固定镜头短视频制作的AI全流程解析"
+type: source
+tags: [AI, 短视频, 家装, 视频制作]
+date: 2026-04-18
+---
+
+## Source File
+- [[raw/AI/固定镜头短视频制作的AI全流程解析.md]]
+
+## Summary
+- 核心主题：利用 AI 技术制作高播放量家装短视频的完整流程
+- 问题域：短视频制作效率低、制作周期长
+- 方法/机制：固定机位 + 分镜拆解 + 九宫格图像生成 + 首尾针动画 + 快节奏剪辑 + 声音设计
+- 结论/价值：AI 不到 10 分钟即可完成成片，适用于所有固定机位且状态变化明显的视频类型
+
+## Key Claims
+- 固定机位、内容连续变化、时间压缩是家装短视频成功的三大关键词
+- AI 工具分为大脑类（分镜）、设计师类（图像）、动效类（动画）三类
+- 九宫格法一次性生成 3×3 共九个分镜画面，保证机位与角度不变
+- 首尾针动画通过上传首针和尾针图片，AI 自动补齐中间动作，生成连贯动画
+
+## Key Quotes
+> "固定机位：摄像机位置固定，不移动镜头" — 视频核心原则
+> "内容连续变化：画面主要信息是施工进度变化" — 时间流逝主题
+> "时间压缩：将长时间装修过程浓缩呈现" — 压缩手法
+
+## Key Concepts
+- [[固定机位]]：摄像机位置固定不变，是视频画面统一和连贯的基础
+- [[内容连续变化]]：视频主体信息随时间持续发生明确阶段性变化
+- [[时间压缩]]：将长时间拍摄过程在视频中浓缩表现的手法
+- [[分镜拆解]]：将视频内容拆分成多个画面阶段描述
+- [[九宫格法]]：同时生成 3×3 共九个画面，保证机位与角度不变
+- [[首尾针动画]]：通过两个关键帧（首针和尾针），AI 自动补齐中间动作
+- [[快节奏剪辑]]：视频使用 2-4 倍速加速和硬切手法
+- [[卡点]]：画面变化与音乐节奏巧妙同步
+
+## Key Entities
+- [[XAR GPT]]：大脑类 AI 工具，负责分镜拆解
+- [[GEMALA]]：大脑类 AI 工具，负责视频逻辑分析
+- [[Midjourney]]：设计师类 AI 工具，负责图像生成
+- [[Nano Banana]]：设计师类 AI 工具，Google 专业级图像生成模型
+- [[海螺AI]]：动效类 AI 工具，支持声音克隆
+- [[KAI]]：动效类 AI 工具，专注于视频动画生成
+- [[Google AI Studio]]：用于分镜拆解和图片裁切的在线工具
+- [[剪映]]：抖音官方视频剪辑工具
+
+## Connections
+- [[分镜拆解]] ← depends_on ← [[Google AI Studio]]
+- [[九宫格法]] ← generates ← [[Nano Banana]]/[Midjourney]
+- [[首尾针动画]] ← generates ← [[KAI]]
+- [[快节奏剪辑]] ← depends_on ← [[剪映]]
+
+## Contradictions
+- （暂无）
+
+## 易错点
+- 误区：短视频制作需要复杂移动镜头 → 纠正：固定机位即可
+- 误区：逐帧独立生成图片 → 纠正：九宫格一次性生成保证连贯
+- 误区：转场效果越多越好 → 纠正：首尾针硬切更干净
+- 误区：忽视声音设计 → 纠正：音效和 BGM 不可或缺

wiki/sources/大模型相关术语和框架总结-LLM-MCP-Prompt-RAG-vLLM-Token-数据蒸馏.md

@@ -0,0 +1,56 @@
+---
+title: 大模型相关术语和框架总结｜LLM、MCP、Prompt、RAG、vLLM、Token、数据蒸馏
+type: source
+tags: [llm, mcp, prompt, rag, token, vllm]
+date: 2025-12-20
+---
+
+## Source File
+- [[raw/AI/大模型相关术语和框架总结｜LLM、MCP、Prompt、RAG、vLLM、Token、数据蒸馏.md]]
+
+## Summary
+- 核心主题：大模型领域核心术语和框架科普
+- 问题域：AI 大模型基础知识
+- 方法/机制：术语解释 + 框架介绍
+- 结论/价值：建立对大模型技术栈的系统认知
+
+## Key Claims
+- LLM（Large Language Model）行业以参数规模和训练数据/算力来衡量，通常 ≥1B 参数被称为“大模型”
+- MCP（Model Context Protocol）是为 LLM 提供标准化接口的开放协议，使 LLM 能连接外部数据源和工具
+- Agent 智能体需要将 LLM 整合 MCP 工具才能真正执行步骤，而不仅是给出方法
+- RAG（Retrieval-augmented generation）通过检索增强来解决 LLM 的幻觉问题，提升回答准确率
+- vLLM 通过 PagedAttention 和连续批处理优化 GPU 内存使用，提升推理效率
+
+## Key Quotes
+> "大模型是不会自己去调用外部数据源或者工具的，大模型只会告诉我们需要调用哪些工具，而我们需要自己去实现工具的调用。" — 解释了 LLM 与 Agent 的本质区别
+
+> "LLM 在考试的时候面对陌生的领域，只会写一个解字，然后就准备放飞自我了，而此时 RAG 给了亿些提示，让 LLM 懂了开始往这个提示的方向做，最终考试的正确率从 60% 到了 90%！" — 直观解释 RAG 的作用
+
+## Key Concepts
+- [[LLM]]：大型语言模型，以参数规模衡量
+- [[MCP]]：模型上下文协议，标准化接口
+- [[Agent]]：智能体，整合 LLM + MCP 工具
+- [[RAG]]：检索增强生成，解决幻觉
+- [[Embedding]]：向量化，词转化为浮点数计算语义距离
+- [[LangChain]]：快速实现 Agent 的开发框架
+- [[vLLM]]：虚拟大语言模型，优化 GPU 内存和推理效率
+- [[Token]]：大模型的基本输入单元
+- [[数据蒸馏]]：利用大模型生成精简数据训练小模型
+
+## Key Entities
+- [[ChatGPT]]：OpenAI 开发的大型语言模型示例
+- [[GPT-2]]：1.5B 参数的早期较大语言模型
+- [[GPT-3]]：175B 参数的代表性大模型
+
+## Connections
+- [[LLM]] ← 核心概念 ← [[MCP]]
+- [[LLM]] ← 核心概念 ← [[Agent]]
+- [[LLM]] ← 核心概念 ← [[RAG]]
+- [[LLM]] ← 核心概念 ← [[vLLM]]
+- [[LLM]] ← 核心概念 ← [[数据蒸馏]]
+- [[Agent]] ← 依赖 ← [[MCP]]
+- [[RAG]] ← 技术基础 ← [[Embedding]]
+- [[LangChain]] ← 用于构建 ← [[Agent]]
+
+## Contradictions
+- （暂无）

wiki/sources/如何利用Sora接口实现视频自动化生成工作流.md

@@ -0,0 +1,42 @@
+---
+title: "如何利用Sora接口实现视频自动化生成工作流"
+type: source
+tags: [n8n, sora, workflow, AI视频]
+date: 2026-04-18
+---
+
+## Source File
+- [[raw/AI/如何利用Sora接口实现视频自动化生成工作流.md]]
+
+## Summary
+- 核心主题：利用 Sora 接口实现视频生成的自动化工作流
+- 问题域：AI 视频生成、自动化工作流、视频创作效率提升
+- 方法/机制：亚马逊 AWS Bedrock 平台调用 Sora API，结合 n8n 实现批量视频生成自动化
+- 结论/价值：低成本（仅需 2-3 元人民币）实现视频生成，帮助自媒体创作者提升效率
+
+## Key Claims
+- Sora 接口成本比 OpenAI 官方便宜六倍以上
+- 新用户注册亚马逊账户可获得 200 美元抵扣金和六个月免费试用
+- 使用 Sora 生成无水印视频需要设置特定参数
+- 提示词优化是提升生成质量的关键因素
+
+## Key Quotes
+> "使用'Sora'能显著降低视频生成成本，相较于OpenAI便宜六倍以上"
+
+> "生成一般视频的费用仅需两三元人民币，远低于市场水平"
+
+## Key Concepts
+- [[工作流自动化]]：预定义自动化流程，Sora 视频生成可通过 n8n 自动化
+- [[AI视频生成]]：使用 AI 模型根据文本描述生成视频内容的技术
+- [[API调用]]：通过编程接口调用外部服务，实现自动化集成
+
+## Key Entities
+- [[n8n]]：开源工作流自动化工具，用于构建视频生成自动化流程
+- [[OpenAI]]：开发 Sora 的 AI 公司，亚马逊是 Sora API 的提供平台之一
+
+## Connections
+- [[AI视频生成]] ← enables ← [[工作流自动化]]
+- [[Sora接口]] ← provided_by ← [[OpenAI]]
+
+## Contradictions
+- （暂无）

wiki/sources/如果你有多项兴趣爱好-不要浪费接下来的两三年时间.md

@@ -0,0 +1,57 @@
+---
+title: "如果你有多项兴趣爱好，不要浪费接下来的两三年时间"
+type: source
+tags: [个人发展, 创业, 自我教育]
+date: 2026-04-18
+---
+
+## Source File
+- [[raw/AI/If you have multiple interests, do not waste the next 2-3 years  如果你有多项兴趣爱好，不要浪费接下来的两三年时间。.md]]
+
+## Summary
+- 核心主题：多兴趣人群在AI时代的自我教育与创业策略
+- 问题域：如何将多重兴趣转化为有利可图的事业
+- 方法/机制：三位一体（自学、自利、自给自足）+ 内容创作 + 系统化产品
+- 结论/价值：多兴趣是天生的博学优势，而非弱点
+
+## Key Claims
+- 工业化时代的专业化分工使人变得愚蠢和依赖
+- 多重兴趣能建立更复杂的现实模型，发现更多机会
+- 品牌=内容=故事，内容创作是博学者的超车之道
+- 系统化产品是AI时代的新型产品形态
+- 自我教育+自我利益+自给自足三位一体产生通才
+
+## Key Quotes
+> "The man whose whole life is spent in performing a few simple operations... generally becomes as stupid and ignorant as it is possible for a human creature to become." — Adam Smith
+
+> "If you’ve ever helped someone with your interests, you’re qualified to start a business." — Dan
+
+> "You become a curator of ideas that people wouldn’t even think to ask AI for, and that people would never come across organically."
+
+## Key Concepts
+- [[自学]]：自主学习，因兴趣驱动而非任务驱动
+- [[自利主义]]：关注自身利益，而非无私奉献或纯粹利己
+- [[自给自足]]：拒绝外包判断力、学习能力和自主性
+- [[通才]]：跨领域知识整合者，而非单一专业者
+- [[第二次文艺复兴]]：AI时代每个人可以追求多领域精通
+- [[品牌作为环境]]：品牌是邀请他人进入的小世界，而非头像和简介
+- [[内容即创意密度]]：通过创意博物馆积累高质量想法
+- [[系统化产品]]：通过个人实践验证并系统化的解决方案
+- [[四人公司模式]]：一人公司用个人优势作为创业杠杆
+- [[注意力经济]]：注意力是最后的护城河之一
+
+## Key Entities
+- [[Adam Smith]]：古典经济学之父，指出分工的局限性
+- [[达·芬奇]]：文艺复兴代表人物，跨领域专家典范
+- [[米开朗基罗]]：文艺复兴三杰之一，画家、雕塑家、建筑师、诗人
+- [[Dan Koe]]：本文作者，专注于个人品牌和内容创作
+
+## Connections
+- [[一人公司模式]] ← 依赖于 ← [[自学]]
+- [[内容创作]] ← 是 ← [[注意力经济]] 的解决方案
+- [[通才]] ← 源于 ← [[自学]] + [[自利主义]] + [[自给自足]]
+- [[品牌作为环境]] ← 包含 ← [[创意博物馆]] + [[内容即创意密度]]
+
+## Contradicts
+- 与传统职场观念冲突：传统观念认为专注一项技能是优势，本文认为多兴趣是优势
+- 与传统创业观念冲突：传统观念认为创业需要资本和团队，本文认为只需笔记本和网络

wiki/sources/我用-Gemini-3-一口气做了-10-个应用-附教程.md

@@ -0,0 +1,75 @@
+---
+title: "我用 Gemini 3 一口气做了 10 个应用，附教程"
+type: source
+tags: [AI应用, Gemini, 提示语设计]
+sources:
+- raw/AI/我用 Gemini 3 一口气做了 10 个应用，附教程.md
+last_updated: 2026-04-18
+---
+
+## Source File
+- [[raw/AI/我用 Gemini 3 一口气做了 10 个应用，附教程.md]]
+
+## Summary
+- 核心主题：使用 Google Gemini 3 模型开发 10 个创意应用的方法论与实战案例
+- 问题域：AI 应用开发、创意灵感激发
+- 方法/机制：三步开发法（输入场景→约束模型→设计输出容器）
+- 结论/价值：提供普通人可复制的 AI 应用开发范式
+
+## Key Claims
+- Gemini 3 可通过提示词设计实现多样化的创意应用生成
+- 三步开发法是构建 AI 应用的核心方法论
+- 前端代码（SVG/HTML）是可视化 AI 输出的容器
+
+## Key Quotes
+> "制作原理，就是让 AI 输出 SVG 的语言，可视化展示整个信息" — 作者阐述应用制作的核心机制
+
+> "如果你感兴趣的话，我下期再来详细分享一下做这些应用的具体对话内容" — 作者承诺后续教程
+
+## Key Concepts
+- [[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
+- [[Vibe-Coding]]：AI 辅助开发方式，自然语言描述需求，AI 负责代码实现
+
+## Key Entities
+- [[Gemini]]：Google 开发的大型语言模型，支持图像和文本生成
+- [[Google]]：全球科技公司，开发 Gemini 系列模型
+- [[空格]]：微信公众号作者，专注于 AI 应用开发分享
+
+## Connections
+- [[提示语设计]] ← 是开发方法的核心 ← [[Vibe-Coding]]
+- [[Gemini]] ← 通过 [[提示语设计]] 生成 → 各种创意应用
+
+## Contradictions
+- （暂无记录）
+
+## 方法论详情
+
+### 三步开发法
+
+**第一步：思考输入的场景**
+- 局限输入词汇在垂直场景（如诗词、小说、电影等）
+- 聚焦特定领域可提高输出质量和相关性
+
+**第二步：约束模型的思考**
+- 利用提示词、MCP（Model Context Protocol）
+- 将输入词汇扩展为结构化内容
+- 例如：电影名扩展为电影海报制作，提取海报元素
+
+**第三步：设计输出的容器**
+- 使用前端代码可视化模型输出
+- 可搜索参考图，让模型模仿制作 SVG 或 HTML
+- 将第二步生成的文字替换到前端模板中
+
+## 10 个应用案例
+
+| 应用 | 说明 | 体验地址 |
+|------|------|----------|
+| 配色卡片 | 莫奈主题颜色生成，包含渐变色和纯色卡片 | ai.studio |
+| 电影海报 | 电影海报生成，含简介、上映时间、导演 | ai.studio |
+| 绘画思维导图 | 关键词头脑风暴，生成思维导图后选词生成图片 | ai.studio |
+| ... | ... | ... |
+
+## Shells
+- AI应用开发
+- 提示语工程
+- 前端可视化

wiki/sources/电商视频Prompt.md

@@ -0,0 +1,44 @@
+---
+title: "电商视频Prompt"
+type: source
+tags: [ai, prompt, text-to-video, image-to-video, tiktok, 电商]
+date: 2026-04-18
+---
+
+## Source File
+- [[raw/跨境电商/电商视频Prompt.md]]
+
+## Summary
+- 核心主题：宠物用品/宠物衣服的 AI 图生视频 Prompt 库，低翻车率 + 高真实感 + 为 TikTok 带货服务
+- 问题域：AI 视频生成在电商场景的应用，如何避免翻车、提升真实感
+- 方法/机制：模块化 Prompt 设计（产品展示 + 宠物动作 + 衣服对齐 + 场景变化 + 负向提示 + 卖货文案 + 全流程示例）
+- 结论/价值：可复用的 Prompt 积木式组合，一次制作可规模化使用
+
+## Key Claims
+- 模块化 Prompt 库设计可降低 AI 视频翻车率
+- 宠物衣服类视频必须添加"防穿帮"专用 Prompt，否则容易穿帮
+- 一个产品可生成 3 条视频模板（细节展示版、宠物日常版、情绪共鸣版）
+
+## Key Quotes
+> "低翻车率 + 高真实感 + 为 TikTok 带货服务" — Prompt 库设计目标
+
+> "场景一定是加法模块，不要一开始就写死" — 场景模块使用原则
+
+## Key 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
+- [[防穿帮]]：防止 AI 生成视频中出现违和感的专用提示
+- [[九宫格法]]：同时生成 3×3 共九个分镜画面
+- [[首尾针动画]]：通过两个关键帧 AI 自动补齐中间动作
+
+## Key Entities
+- [[TikTok]]：字节跳动旗下短视频电商平台
+- [[Nano-Banana]]：Google 的图像生成模型
+- [[HunyuanVideo]]：腾讯的开源视频生成模型
+
+## Connections
+- [[图生视频]] ← uses ← [[模块化Prompt库]]
+- [[电商视频]] ← serves ← [[TikTok]]
+- [[九宫格法]] ← generates ← [[首尾针动画]]
+
+## Contradictions