diff --git a/wiki/concepts/AgenticSystem.md b/wiki/concepts/AgenticSystem.md new file mode 100644 index 00000000..8785ceae --- /dev/null +++ b/wiki/concepts/AgenticSystem.md @@ -0,0 +1,39 @@ +--- +title: "Agentic System" +type: concept +tags: [ai, agent, autonomy, llm] +sources: [] +last_updated: 2025-05-09 +--- + +## Aliases +- Agentic System +- AI Agentic System +- 智能体系统 + +## Definition +由 Agent（智能体）和 Workflow（工作流）组成的混合系统。Agent 利用 LLM 动态判断用户请求需要调用哪些工具并生成响应，而非按预定义路径执行固定的输出序列。与传统工作流的"确定性输出"不同，Agentic System 能根据上下文自适应地选择工具组合。 + +## Core Distinction: Workflow vs. Agent + +| 维度 | Workflow | Agent | +|------|----------|-------| +| 执行逻辑 | 预定义，固定路径 | LLM 驱动，动态选择 | +| 输出 | 一致、可预测 | 随输入变化 | +| 工具选择 | 预设顺序 | 按需调用 | +| 适用场景 | 规则明确的自动化 | 需要推理和判断的任务 | + +## Components +- **Agent**：核心决策单元，接收用户输入、调用 LLM、选择并执行工具 +- **Memory**：保留多轮对话上下文，使 Agent 理解会话历史 +- **Tools**：Agent 可调用的外部能力（API、数据库、计算模块等） +- **Workflow**：将 Agent 嵌入更大的自动化流程中 + +## Relationship to Other Concepts +- [[N8N]]：N8N 的 Advanced AI Agent 节点是构建 Agentic System 的低代码平台 +- [[Memory in AI Agents]]：Agent 保留上下文的关键机制 +- [[Tool Integration]]：Agent 调用外部能力的基础 + +## Sources +- [[n8n-full-tutorial-building-ai-agents-in-2025-for-beginners]] +- [[how-agentic-ai-can-help-for-cloud-devops]] diff --git a/wiki/concepts/AutomatedReminders.md b/wiki/concepts/AutomatedReminders.md new file mode 100644 index 00000000..f042b199 --- /dev/null +++ b/wiki/concepts/AutomatedReminders.md @@ -0,0 +1,32 @@ +--- +title: "AutomatedReminders" +type: concept +tags: [automation, reminders, scheduling] +sources: [multi-channel-assistant] +last_updated: 2026-04-27 +--- + +## Definition +Automated Reminders（自动化提醒）是一种由定时任务（Cron）驱动、由 AI Agent 在预设时间主动向用户发送通知的机制。区别于被动查询——提醒在用户没有主动发起请求的情况下，根据时间或事件自动触发。 + +## Core Pattern +1. **触发条件**：时间驱动（每周一 18:00）或事件驱动（任务截止前 24h） +2. **提醒生成**：AI Agent 根据上下文（个人 CRM、 calendario、项目状态）生成个性化提醒内容 +3. **发送通道**：Telegram / Slack / SMS / Email 等 +4. **记忆上下文**：提醒内容往往依赖 [[Agent-Memory]] 中的个人数据（联系人偏好、日程安排） + +## Example from [[multi-channel-assistant]] +``` +Monday 6 PM: "🗑️ Trash day tomorrow" +Friday 3 PM: "✍️ Time to write the weekly company update" +``` + +## Related Concepts +- [[Scheduled-Task-Flywheel]] — 定时任务的飞轮效应 +- [[Cron定时任务]] — 定时任务的技术实现 +- [[Proactive-Agent-Recommendation]] — 主动式 Agent 的推荐能力 +- [[TopicRouting]] — 提醒通常通过 config/updates 话题发送 + +## Connections +- [[multi-channel-assistant]] ← implements ← [[AutomatedReminders]] +- [[HabitTrackerAccountabilityCoach]] ← uses ← [[AutomatedReminders]]（习惯追踪的主动提醒） diff --git a/wiki/concepts/ClaudeCodePrintMode.md b/wiki/concepts/ClaudeCodePrintMode.md new file mode 100644 index 00000000..29a53440 --- /dev/null +++ b/wiki/concepts/ClaudeCodePrintMode.md @@ -0,0 +1,54 @@ +--- +title: "Claude Code Print Mode" +type: concept +tags: [claude-code, hermes, ai-agent, terminal, non-interactive] +last_updated: 2026-04-27 +--- + +## Aliases +- Print Mode +- claude -p + +## Definition +Claude Code 的非交互单次执行模式。通过 `claude -p print` 命令调用，配合 stdin 传递任务描述文本，适合绝大多数自动化场景和 Hermes Agent 的程序化调用。 + +## How It Works +```bash +cat << 'TASK_END' | claude -p print \ + --dangerously-skip-permissions \ + --add-dir ~/.claude/skills/[技能名] \ + --add-dir [项目源码路径] \ + --add-dir /tmp \ + --max-turns 30 \ + 2>&1 +[具体任务描述] +TASK_END +``` + +## Key Parameters +- `--dangerously-skip-permissions`：跳过交互确认（信任目录、权限提示） +- `--add-dir <路径>`：添加可访问目录，可多次使用 +- `--max-turns N`：最大迭代次数，建议 20-30 +- `--bare`：跳过插件/MCP/CLAUDE.md 加载，最快启动 +- `--model <模型>`：指定模型，如 `sonnet`、`opus` +- `--output-format json`：结构化 JSON 输出 + +## Task Text Structure（stdin 写法规范） +``` +1. 告诉 Claude Code 要做什么 +2. 告诉它用哪个 skill +3. 告诉它目标文件输出到哪里 +4. 如果需要格式转换（如 SVG → PNG），明确写出转换命令 +5. 最后要求它输出 "done: 文件路径" +``` + +## Relationship to TMUX Mode +- Print Mode：适合绝大多数自动化场景，单次执行，无需后续交互 +- TMUX 交互模式：适合超长任务或需要中途干预的场景 + +## Sources +- [[Claude Code 调用方法总结]] + +## Connections +- [[ClaudeCodePrintMode]] ← 推荐使用 ← [[Claude Code]] +- [[ClaudeCodePrintMode]] ← 对比 ← [[ClaudeCodeTerminalIntegration]] diff --git a/wiki/concepts/ClaudeCodeTerminalIntegration.md b/wiki/concepts/ClaudeCodeTerminalIntegration.md new file mode 100644 index 00000000..4c358a9f --- /dev/null +++ b/wiki/concepts/ClaudeCodeTerminalIntegration.md @@ -0,0 +1,62 @@ +--- +title: "Claude Code Terminal Integration" +type: concept +tags: [claude-code, hermes, ai-agent, terminal, tmux, subprocess] +last_updated: 2026-04-27 +--- + +## Aliases +- TMUX 交互模式 +- Claude Code TMUX Mode + +## Definition +Hermes Agent 通过 `terminal` 工具启动 Claude Code 进程的两种集成方式：Print Mode（推荐）和 TMUX 交互模式。这两种模式允许 Hermes 作为编排层调用 Claude Code CLI，实现外部 AI 工具的程序化调用。 + +## Two Integration Modes + +### Mode 1: Print Mode（推荐） +```bash +cat << 'TASK_END' | claude -p print \ + --dangerously-skip-permissions \ + --add-dir ~/.claude/skills/[技能名] \ + --max-turns 30 \ + 2>&1 +[任务描述] +TASK_END +``` +- 非交互单次执行 +- 适合绝大多数自动化场景 +- 优先选用 + +### Mode 2: TMUX 交互模式 +```bash +tmux new-session -d -s -x 140 -y 40 +tmux send-keys -t 'claude --permission-mode bypassPermissions' Enter +sleep 8 && tmux capture-pane -t -p +``` +- 适合超长任务或需要中途干预 +- 任务文本通过 `tmux send-keys` 发送 +- 使用 `--permission-mode bypassPermissions` 跳过确认 + +## Key Parameters + +| 参数 | 作用 | +|------|------| +| `--permission-mode bypassPermissions` | 直接设置 bypass 模式，跳过所有交互确认 | +| `--dangerously-skip-permissions` | 同上，但通过 CLI 内部触发，可能仍需交互确认 | +| `--add-dir <路径>` | 添加可访问目录，可多次使用 | +| `--max-turns N` | 最大迭代次数，建议 20-30 | +| `--bare` | 跳过插件/MCP/CLAUDE.md 加载，最快启动 | + +## Skill Loading +Claude Code 自动扫描 `--add-dir` 目录下的 `SKILL.md` 和 `.claude/skills/` 目录。 +```bash +--add-dir ~/.claude/skills/[技能名] # 加载指定技能 +``` + +## Sources +- [[Claude Code 调用方法总结]] + +## Connections +- [[ClaudeCodeTerminalIntegration]] ← 被 ← [[Hermes Agent]] +- [[ClaudeCodeTerminalIntegration]] ← 对比 ← [[SubagentDelegation]] diff --git a/wiki/concepts/DocumentationTheater.md b/wiki/concepts/DocumentationTheater.md new file mode 100644 index 00000000..6ac620dd --- /dev/null +++ b/wiki/concepts/DocumentationTheater.md @@ -0,0 +1,31 @@ +--- +title: "Documentation Theater" +type: concept +tags: [anti-pattern, productivity, knowledge-management] +sources: [meeting-notes-action-items] +last_updated: 2026-04-27 +--- + +## Definition + +Documentation Theater（文档剧场）是一种反讽概念——形容产出大量文档/记录，但实际上没有任何有意义的行动或追踪跟进的现象。核心批评：形式大于实质，记录本身变成了目的，而非达成目的的手段。 + +## Origin + +本概念来自 [[meeting-notes-action-items]] source 中的一句话： + +> *"Meeting notes that don't become tracked tasks are just documentation theater."* + +## Core Insight + +会议笔记的价值不在于"写得好不好"，而在于"写完之后是否有行动项被追踪"。一个格式完美但无人执行的会议记录，与完全不做记录相比，实际价值几乎为零。 + +## Related Concepts + +- [[MeetingNotes]] — 文档剧场是 MeetingNotes 模式的反面 +- [[AI-Driven Task Extraction]] — 对抗文档剧场的核心手段：让 AI 自动提取并创建可追踪任务 +- [[TaskAutomationPipeline]] — 文档剧场 → 可执行任务的自动化流水线 + +## Related Sources + +- [[meeting-notes-action-items]] diff --git a/wiki/concepts/EventSourcing.md b/wiki/concepts/EventSourcing.md index 2d0b1de4..672195ce 100644 --- a/wiki/concepts/EventSourcing.md +++ b/wiki/concepts/EventSourcing.md @@ -1,50 +1,51 @@ ---- -title: "Event Sourcing" -type: concept -tags: [architecture, data-modeling, patterns] -last_updated: 2026-04-22 ---- - -## Definition - -事件溯源（Event Sourcing）是一种软件架构模式——不直接存储数据的当前状态，而是将所有状态变更作为**不可变事件序列**持久化，通过重放事件来重建任意时间点的状态。源自 Martin Fowler 的经典模式。 - -## Core Principles - -1. **唯一真实来源（Single Source of Truth）**：事件日志是唯一真实来源，当前状态由事件推导得出，而非直接存储 -2. **不可变性（Immutability）**：事件一旦写入，永不修改或删除，只能追加新事件 -3. **全历史可追溯（Audit Trail）**：天然具备完整审计日志，可回溯任何历史变更的"为什么" -4. **时间旅行调试**：任意时刻的状态可精确重建，便于复现 BUG 和分析决策上下文 - -## Event Sourcing vs Traditional State Storage - -| 维度 | 传统状态存储 | 事件溯源 | -|------|------------|---------| -| 存储内容 | 当前状态快照 | 状态变更事件序列 | -| 历史保留 | 通常不保留或有限保留 | 完整保留（无上限）| -| 变更原因 | 通常不记录 | 完整记录每次变更的原因 | -| 回滚能力 | 依赖备份 | 通过反向事件补偿天然支持 | -| 审计合规 | 需额外构建 | 内置，无需额外开发 | - -## Key Event Types - -- **Progress**：任务向前推进的里程碑事件 -- **Blocker**：阻塞/障碍事件，通常触发状态 → "blocked" -- **Decision**：关键决策事件，记录决策理由和背景 -- **Pivot**：转向/重大调整事件，记录原因和备选方案 -- **Completion**：完成事件，触发状态 → "completed" - -## Applications in Project Management - -[[Project State Management]] 是事件溯源在个人/团队项目管理中的具体应用： - -- 用自然语言对话替代手动拖拽看板卡片 -- 每句话（"完成了X"/"被Y阻塞"）作为独立事件持久化 -- 当前状态由事件序列自动推导，无需手动维护 -- 查询"项目为什么这样"等同于"重放这个项目的所有事件" - -## Connections - -- [[Project State Management]] ← uses ← **Event Sourcing** -- [[Centralized Logging]] ← related_to ← **Event Sourcing**（集中日志可视为事件溯源的一种实现） -- [[Kanban]] ← alternative_to ← **Event Sourcing**（冲突：可视化协作 vs 自动追踪+上下文保留） +--- +title: "Event Sourcing" +type: concept +tags: [architecture, data-modeling, patterns] +sources: [project-state-management] +last_updated: 2026-04-27 +--- + +## Definition + +事件溯源（Event Sourcing）是一种软件架构模式——不直接存储数据的当前状态，而是将所有状态变更作为**不可变事件序列**持久化，通过重放事件来重建任意时间点的状态。源自 Martin Fowler 的经典模式。 + +## Core Principles + +1. **唯一真实来源（Single Source of Truth）**：事件日志是唯一真实来源，当前状态由事件推导得出，而非直接存储 +2. **不可变性（Immutability）**：事件一旦写入，永不修改或删除，只能追加新事件 +3. **全历史可追溯（Audit Trail）**：天然具备完整审计日志，可回溯任何历史变更的"为什么" +4. **时间旅行调试**：任意时刻的状态可精确重建，便于复现 BUG 和分析决策上下文 + +## Event Sourcing vs Traditional State Storage + +| 维度 | 传统状态存储 | 事件溯源 | +|------|------------|---------| +| 存储内容 | 当前状态快照 | 状态变更事件序列 | +| 历史保留 | 通常不保留或有限保留 | 完整保留（无上限）| +| 变更原因 | 通常不记录 | 完整记录每次变更的原因 | +| 回滚能力 | 依赖备份 | 通过反向事件补偿天然支持 | +| 审计合规 | 需额外构建 | 内置，无需额外开发 | + +## Key Event Types + +- **Progress**：任务向前推进的里程碑事件 +- **Blocker**：阻塞/障碍事件，通常触发状态 → "blocked" +- **Decision**：关键决策事件，记录决策理由和背景 +- **Pivot**：转向/重大调整事件，记录原因和备选方案 +- **Completion**：完成事件，触发状态 → "completed" + +## Applications in Project Management + +[[Project State Management]] 是事件溯源在个人/团队项目管理中的具体应用： + +- 用自然语言对话替代手动拖拽看板卡片 +- 每句话（"完成了X"/"被Y阻塞"）作为独立事件持久化 +- 当前状态由事件序列自动推导，无需手动维护 +- 查询"项目为什么这样"等同于"重放这个项目的所有事件" + +## Connections + +- [[Project State Management]] ← uses ← **Event Sourcing** +- [[Centralized Logging]] ← related_to ← **Event Sourcing**（集中日志可视为事件溯源的一种实现） +- [[Kanban]] ← alternative_to ← **Event Sourcing**（冲突：可视化协作 vs 自动追踪+上下文保留） diff --git a/wiki/concepts/FullDraftGeneration.md b/wiki/concepts/FullDraftGeneration.md new file mode 100644 index 00000000..5ee0ec6d --- /dev/null +++ b/wiki/concepts/FullDraftGeneration.md @@ -0,0 +1,33 @@ +--- +title: "FullDraftGeneration" +type: concept +tags: [] +--- + +## Definition +AI 生成可直接使用的完整内容（脚本、邮件、商业方案等），而非仅提供标题、想法或大纲摘要的工作模式。 + +## Aliases +- 完整草稿生成 +- End-to-End Drafting +- Ready-to-Use Output + +## Key Characteristics +- **完整性（Completeness）**：输出即成品，可直接消费或微调后使用 +- **可执行性（Actionability）**：草稿可直接用于执行（发送邮件、上传视频、提交方案） +- **时间节省（Time Saving）**：用户醒来面对的是成品，而非"还需要我加工的半成品" + +## Why It Matters +[[custom-morning-brief]] 明确指出："Full drafts (not just ideas) are the key to saving time. Wake up to scripts, not suggestions." + +在晨间简报场景中，"内容创意想法"不如"完整脚本大纲"有价值——想法还需要用户花时间展开，草稿则可直接使用。 + +## Examples +- 完整 YouTube 视频脚本（而非标题列表） +- 完整商业提案框架（而非"可以考虑做 X"） +- 完整邮件草稿（而非邮件主题建议） +- 完整社交媒体帖子（而非帖子主题） + +## Related Concepts +- [[ProactiveAI]]：主动生成草稿背后的驱动理念 +- [[ContentAutomation]]：完整草稿是内容自动化链条的最终产出 diff --git a/wiki/concepts/IntentDrivenRouting.md b/wiki/concepts/IntentDrivenRouting.md new file mode 100644 index 00000000..9e217c6c --- /dev/null +++ b/wiki/concepts/IntentDrivenRouting.md @@ -0,0 +1,35 @@ +--- +title: "IntentDrivenRouting" +type: concept +tags: [routing, intent, AI-agent] +sources: [multi-channel-assistant] +last_updated: 2026-04-27 +--- + +## Definition +Intent-Driven Routing（意图驱动路由）是一种 AI Agent 设计模式：通过 Prompt 层或配置层定义"用户意图 → 工具/动作"的映射规则，AI 根据用户输入中的关键词或语义自动路由到对应的工具或工作流，而无需用户显式指定。 + +## How It Works +1. **意图识别**：AI 解析用户输入，识别核心意图（如"添加任务"、"发邮件"、"创建日程"） +2. **规则匹配**：根据 Prompt 中预定义的规则表，匹配意图到对应工具 +3. **工具执行**：调用对应工具完成任务 +4. **结果返回**：将工具输出以自然语言返回给用户 + +## Example from [[multi-channel-assistant]] +``` +Prompt 规则： +"Add [task] to my todo" → use Todoist +"Create a card for [topic]" → use Asana Video Pipeline project +"Schedule [event]" → use gog calendar +"Email [person] about [topic]" → draft email via gog gmail +"Upload [file] to Drive" → use gog drive +``` + +## Related Concepts +- [[TopicRouting]] — 意图路由与话题路由可组合使用（话题提供上下文，意图决定动作） +- [[Intent-Classification]] — 意图分类是路由的前置步骤 +- [[Agent-Routing-Rules]] — 基于规则的显式路由 + +## Connections +- [[multi-channel-assistant]] ← uses ← [[IntentDrivenRouting]] +- [[ToolOrchestration]] ← enables ← [[IntentDrivenRouting]]（工具编排提供可调用工具集） diff --git a/wiki/concepts/Kanban.md b/wiki/concepts/Kanban.md index 93f8a002..94fe5f39 100644 --- a/wiki/concepts/Kanban.md +++ b/wiki/concepts/Kanban.md @@ -1,33 +1,33 @@ ---- -title: "Kanban" -type: concept -tags: [] -sources: [] -last_updated: 2026-04-24 ---- - -## 定义 -Kanban 是一种敏捷框架，强调持续流动（continuous flow），无固定 Sprint 边界，允许随时调整优先级和需求。 - -## 核心特征 -- **持续交付：** 无需等待 Sprint 结束即可发布 -- **随时变更：** 优先级可在任何时候调整 -- **可视化看板：** 通过列（列名）管理任务状态 -- **限制在制品（WIP）：** 控制同时进行的工作数量 - -## 与 Scrum 的对比 -| 维度 | Scrum | Kanban | -|------|-------|--------| -| 迭代周期 | 固定 Sprint（1-4周） | 无固定周期 | -| 变更时机 | Sprint 期间禁止 | 随时可调整 | -| 发布节奏 | Sprint 结束时批量发布 | 持续交付 | -| 仪式 | Sprint Planning/Review/Retrospective | 可选 ceremonies | - -## 企业实践：混合框架 -云转型团队采用以 Kanban 为主 + 保留 Scrum 仪式（每日站会和回顾会议）的混合方案，兼顾灵活性和反馈循环。 - -## 来源 -- [[ctp-topic-4-using-agile-to-run-the-cloud-transformation-program]] - -## 别名 -- Kanban Framework +--- +title: "Kanban" +type: concept +tags: [project-management, agile] +sources: [project-state-management] +last_updated: 2026-04-27 +--- + +## 定义 +Kanban 是一种敏捷框架，强调持续流动（continuous flow），无固定 Sprint 边界，允许随时调整优先级和需求。 + +## 核心特征 +- **持续交付：** 无需等待 Sprint 结束即可发布 +- **随时变更：** 优先级可在任何时候调整 +- **可视化看板：** 通过列（列名）管理任务状态 +- **限制在制品（WIP）：** 控制同时进行的工作数量 + +## 与 Scrum 的对比 +| 维度 | Scrum | Kanban | +|------|-------|--------| +| 迭代周期 | 固定 Sprint（1-4周） | 无固定周期 | +| 变更时机 | Sprint 期间禁止 | 随时可调整 | +| 发布节奏 | Sprint 结束时批量发布 | 持续交付 | +| 仪式 | Sprint Planning/Review/Retrospective | 可选 ceremonies | + +## 企业实践：混合框架 +云转型团队采用以 Kanban 为主 + 保留 Scrum 仪式（每日站会和回顾会议）的混合方案，兼顾灵活性和反馈循环。 + +## 来源 +- [[ctp-topic-4-using-agile-to-run-the-cloud-transformation-program]] + +## 别名 +- Kanban Framework diff --git a/wiki/concepts/MemoryInAIAgents.md b/wiki/concepts/MemoryInAIAgents.md new file mode 100644 index 00000000..e55a41c6 --- /dev/null +++ b/wiki/concepts/MemoryInAIAgents.md @@ -0,0 +1,40 @@ +--- +title: "Memory in AI Agents" +type: concept +tags: [ai, agent, context, llm, memory] +sources: [] +last_updated: 2025-05-09 +--- + +## Aliases +- AI Agent Memory +- 对话记忆 +- 上下文保留 +- Context Retention + +## Definition +在 AI Agent 中嵌入的上下文保留机制，通过在多轮对话中存储和检索历史信息，使 Agent 能够理解会话的完整语境，从而生成连贯、相关且符合上下文的响应。没有 Memory 的 Agent 每次交互都是孤立的，无法利用前序对话中的关键信息。 + +## Why It Matters +- **连贯性**：用户无需在每轮对话中重复已提供的背景信息 +- **个性化**：Agent 记住用户的偏好、之前的任务状态和关键事实 +- **效率**：避免用户反复解释相同的需求或约束 +- **真实性**：使对话更接近人与人之间的自然交流 + +## Implementation Patterns +- **短期记忆（Short-term）**：单次会话内的上下文窗口管理 +- **长期记忆（Long-term）**：跨会话持久化用户偏好、项目状态等 +- **向量检索**：将历史交互转为 embedding，通过相似度搜索召回相关信息 +- **摘要压缩**：定期将长对话摘要化，减少 token 消耗 + +## Related Concepts +- [[Agentic System]]：Memory 是 Agentic System 的核心组件之一 +- [[Tool Integration]]：Memory 与工具调用结合使 Agent 能够访问持久化状态 + +## Related Entities +- [[OpenClaw]]：强调持久记忆的多 Agent 系统 +- [[n8n]]：通过 Memory 节点支持对话上下文保留 + +## Sources +- [[n8n-full-tutorial-building-ai-agents-in-2025-for-beginners]] +- [[养龙虾5天血泪史-我的ai-agent为什么总失忆-openclaw-记忆调试全记录]] diff --git a/wiki/concepts/Multi-Agent-Team.md b/wiki/concepts/Multi-Agent-Team.md new file mode 100644 index 00000000..697eeb03 --- /dev/null +++ b/wiki/concepts/Multi-Agent-Team.md @@ -0,0 +1,34 @@ +--- +title: "Multi-Agent-Team" +type: concept +tags: [multi-agent, team-structure, coordination] +sources: [multi-agent-team, nexus-spatial-discovery, workflow-startup-mvp] +last_updated: 2026-04-27 +--- + +## Definition + +多 Agent 团队架构——通过多个专业化 Agent 的分工协作实现复杂任务的系统性解决方案。与流水线式链式执行（[[ContentFactory]]）和流水线编排（[[Agents-Orchestrator]]）同属多 Agent 协作模式的不同维度。 + +## Key Design Principles + +- **角色专业化**：每个 Agent 专注单一领域，避免上下文切换成本 +- **共享记忆 + 私有上下文**：共同 ground（目标/决策）+ 各积累领域专长 +- **单一控制平面**：通过统一入口（Telegram / Discord）控制所有 Agent，降低管理复杂度 +- **定时主动任务**：Agent 主动推送洞察，而非被动等待指令 +- **个性驱动交互**：Agent 个性化（名字 + 沟通风格）使"和团队对话"比"使用工具"更自然 +- **从小开始**：lead + 1 specialist，按瓶颈逐步扩展 + +## Related Patterns + +- [[ContentFactory]]：多 Agent 按内容处理阶段链式执行，强调自动化流水线——与本模式互补，可结合使用 +- [[Agents-Orchestrator]]：流水线编排器，自主管理从规格到交付的完整流程——本模式侧重团队协作，后者侧重流程自动化 +- [[SharedMemory]]：多 Agent 团队协调的核心基础设施 +- [[PrivateContext]]：与 SharedMemory 组合使用 + +## Variants + +- **[[multi-agent-team]]**（Solo Founder Setup）：4 个专业 Agent（Milo 战略lead / Josh 商业分析 / Marketing 内容营销 / Dev 开发）+ Telegram + 定时任务 +- **[[nexus-spatial-discovery]]**：8 个 The Agency 专业 Agent 并行协作，完成产品完整规划 +- **[[workflow-startup-mvp]]**：多 Agent 以周为单位的长周期迭代 +- **[[workflow-landing-page]]**：Landing Page 场景下的多 Agent 一天冲刺 diff --git a/wiki/concepts/N8NNodeTypes.md b/wiki/concepts/N8NNodeTypes.md new file mode 100644 index 00000000..918d64b5 --- /dev/null +++ b/wiki/concepts/N8NNodeTypes.md @@ -0,0 +1,56 @@ +--- +title: "N8N Node Types" +type: concept +tags: [n8n, workflow, automation, nodes] +sources: [] +last_updated: 2025-05-09 +--- + +## Aliases +- N8N Node Types +- N8N 节点类型 +- N8N Nodes + +## Definition +N8N 工作流自动化平台中节点（Node）的五大类别，每类节点在自动化流程中承担不同的功能角色。理解节点分类是高效构建 N8N 工作流和 AI Agent 的基础。 + +## The Five Node Categories + +### 1. Trigger Nodes（触发节点） +工作流的入口点，负责启动整个流程。 +- **Webhook Trigger**：接收外部 HTTP 请求触发 +- **Schedule Trigger**：定时启动（如 Cron） +- **Manual Trigger**：手动点击运行 +- **Event Triggers**：邮箱新邮件、GitHub Push 等事件触发 + +### 2. Action Nodes（动作节点） +执行具体的操作动作，是工作流的核心执行单元。 +- **数据库操作**：Read/Write/Update/Delete +- **文件操作**：上传、下载、移动 +- **消息发送**：Email、Telegram、Slack 通知 + +### 3. Utility Nodes（工具节点） +提供辅助功能，不直接操作外部系统，而是转换、格式化或处理数据。 +- **Date & Time**：时间格式转换 +- **Code**：运行 JavaScript/Python 代码片段 +- **Move Binary Data**：二进制数据编码转换 + +### 4. Code Nodes（代码节点） +允许在 N8N 工作流中嵌入自定义逻辑，通过 JavaScript 或 Python 编写。 +- 数据转换与复杂计算 +- 自定义业务逻辑 +- 桥接 N8N 不原生支持的 API + +### 5. Advanced AI Nodes（高级 AI 节点） +专为构建 AI Agent 设计的节点类型。 +- **AI Agent**：核心 Agent 节点，连接 LLM，动态选择工具 +- **AI Chain**：构建 LLM 调用链（Chain） +- **Memory**：对话上下文保留 +- **Sub-Nodes**：为 AI Agent 提供工具的子节点 + +## Relationship to Other Concepts +- [[Agentic System]]：Advanced AI 节点是 N8N 实现 Agentic System 的核心手段 +- [[n8n]]：N8N 的全部能力通过节点系统暴露 + +## Sources +- [[n8n-full-tutorial-building-ai-agents-in-2025-for-beginners]] diff --git a/wiki/concepts/ProactiveAI.md b/wiki/concepts/ProactiveAI.md new file mode 100644 index 00000000..9dca3dfa --- /dev/null +++ b/wiki/concepts/ProactiveAI.md @@ -0,0 +1,26 @@ +--- +title: "ProactiveAI" +type: concept +tags: [] +--- + +## Definition +AI 代理主动预测用户需求、推荐行动方案，而非被动等待用户发起指令的设计模式。核心转变：从"你让我做什么"到"我认为你需要什么"。 + +## Aliases +- 主动式 AI +- Anticipatory AI + +## Key Characteristics +- **需求预测（Demand Forecasting）**：基于上下文（时间、位置、历史行为）预测下一步 +- **自主建议（Autonomous Recommendations）**：AI 主动提出可帮助完成的任务，而非等待指令 +- **零门槛定制（Zero-Threshold Customization）**：用户可通过自然语言随时调整 AI 的主动行为范围 +- **价值飞轮（Value Flywheel）**：AI 越主动 → 用户越依赖 → 数据越多 → AI 越精准 + +## Core Example +[[custom-morning-brief]] 中的"AI 主动推荐可自主完成的任务"——AI 在分析用户待办清单后，主动思考并推荐可代劳的工作，让用户醒来已有产出。 + +## Related Concepts +- [[ScheduledReport]]：主动推送的结构化形式 +- [[AgenticMemory]]：支撑主动预测的长期记忆能力 +- [[FullDraftGeneration]]：主动产出的内容质量标准——不仅建议，做完它 diff --git a/wiki/concepts/ProjectState.md b/wiki/concepts/ProjectState.md index 836c1bdb..e704babc 100644 --- a/wiki/concepts/ProjectState.md +++ b/wiki/concepts/ProjectState.md @@ -1,59 +1,60 @@ ---- -title: "Project State" -type: concept -tags: [project-management, automation, ai] -last_updated: 2026-04-22 ---- - -## Definition - -项目状态（Project State）指一个项目在任意时间点的完整快照——包括当前阶段、活跃阻塞项、最近进展、以及完整的事件历史上下文。与传统项目管理工具中"当前状态"字段不同，项目状态由底层事件自动驱动更新，而非手动维护。 - -## What It Captures - -一个完整项目状态系统通常包含： - -- **基本元数据**：项目名称、当前阶段（phase）、总体状态（active/blocked/completed） -- **时间戳**：最后更新时间，便于判断项目是否"失活" -- **事件日志**：所有 progress/blocker/decision/pivot 事件的完整序列 -- **阻塞清单**：当前所有 open blockers 及创建时间 -- **上下文**：每次变更的决策理由，而非仅记录"变更了什么" - -## State Machine - -典型项目状态流转： - -``` -active → [blocked event] → blocked -blocked → [blocker resolved event] → active -active → [completion event] → completed -any → [pivot event] → active (new phase) -``` - -## Event-Driven vs Kanban - -| 维度 | 事件驱动项目状态 | 传统看板（Kanban）| -|------|---------------|----------------| -| 更新方式 | 自然语言对话自动驱动 | 手动拖拽卡片 | -| 状态来源 | 事件序列推导 | 卡片当前位置 | -| 历史保留 | 完整事件日志，可回溯决策原因 | 通常不保留，状态变更即丢失 | -| 上下文 | 每次变更附带决策理由 | 无，需额外备注 | -| 阻塞追踪 | 独立 blocker 记录 + 自动状态更新 | 卡片标签/泳道，依赖人工识别 | -| 团队协作 | 需要额外机制（如 Discord 多用户）| 原生支持多人实时协作 | -| 适合场景 | 个人/小团队，需要上下文保留 | 中大型团队，强协作需求 | - -## AI Integration - -在 [[Project State Management]] 系统中，AI Agent 承担以下角色： - -- **自然语言解析器**：将用户日常对话转换为结构化事件 -- **状态引擎**：根据事件类型自动更新项目状态 -- **查询接口**：回答"项目X现在什么状态"/"为什么做了Y决策" -- **报告生成器**：自动生成每日站会、每周总结 - -## Connections - -- **Project State** ← derived_from ← [[Event Sourcing]] -- **Project State** ← powered_by ← [[OpenClaw]] -- **Project State Management** ← uses ← **Project State** -- [[Kanban]] ← alternative_to ← **Project State**（冲突：参见 overview.md Conflict Area #1） +--- +title: "Project State" +type: concept +tags: [project-management, automation, ai] +sources: [project-state-management] +last_updated: 2026-04-27 +--- + +## Definition + +项目状态（Project State）指一个项目在任意时间点的完整快照——包括当前阶段、活跃阻塞项、最近进展、以及完整的事件历史上下文。与传统项目管理工具中"当前状态"字段不同，项目状态由底层事件自动驱动更新，而非手动维护。 + +## What It Captures + +一个完整项目状态系统通常包含： + +- **基本元数据**：项目名称、当前阶段（phase）、总体状态（active/blocked/completed） +- **时间戳**：最后更新时间，便于判断项目是否"失活" +- **事件日志**：所有 progress/blocker/decision/pivot 事件的完整序列 +- **阻塞清单**：当前所有 open blockers 及创建时间 +- **上下文**：每次变更的决策理由，而非仅记录"变更了什么" + +## State Machine + +典型项目状态流转： + +``` +active → [blocked event] → blocked +blocked → [blocker resolved event] → active +active → [completion event] → completed +any → [pivot event] → active (new phase) +``` + +## Event-Driven vs Kanban + +| 维度 | 事件驱动项目状态 | 传统看板（Kanban）| +|------|---------------|----------------| +| 更新方式 | 自然语言对话自动驱动 | 手动拖拽卡片 | +| 状态来源 | 事件序列推导 | 卡片当前位置 | +| 历史保留 | 完整事件日志，可回溯决策原因 | 通常不保留，状态变更即丢失 | +| 上下文 | 每次变更附带决策理由 | 无，需额外备注 | +| 阻塞追踪 | 独立 blocker 记录 + 自动状态更新 | 卡片标签/泳道，依赖人工识别 | +| 团队协作 | 需要额外机制（如 Discord 多用户）| 原生支持多人实时协作 | +| 适合场景 | 个人/小团队，需要上下文保留 | 中大型团队，强协作需求 | + +## AI Integration + +在 [[Project State Management]] 系统中，AI Agent 承担以下角色： + +- **自然语言解析器**：将用户日常对话转换为结构化事件 +- **状态引擎**：根据事件类型自动更新项目状态 +- **查询接口**：回答"项目X现在什么状态"/"为什么做了Y决策" +- **报告生成器**：自动生成每日站会、每周总结 + +## Connections + +- **Project State** ← derived_from ← [[Event Sourcing]] +- **Project State** ← powered_by ← [[OpenClaw]] +- **Project State Management** ← uses ← **Project State** +- [[Kanban]] ← alternative_to ← **Project State**（冲突：参见 overview.md Conflict Area #1） diff --git a/wiki/concepts/ScheduledReport.md b/wiki/concepts/ScheduledReport.md new file mode 100644 index 00000000..6c8e344a --- /dev/null +++ b/wiki/concepts/ScheduledReport.md @@ -0,0 +1,31 @@ +--- +title: "ScheduledReport" +type: concept +tags: [] +--- + +## Definition +定时推送结构化报告的工作流模式——AI 代理按预设时间（每日 8AM 等）主动推送包含多类信息的摘要报告，而非等待用户按需查询。 + +## Aliases +- Morning Brief +- Morning Briefing +- Daily Digest +- Scheduled Summary + +## Key Characteristics +- **主动性（Proactive）**：Agent 主动推送，用户无需发起请求 +- **时间触发（Time-Triggered）**：基于 Cron 或调度器在固定时间执行 +- **内容聚合（Content Aggregation）**：整合多个数据源（新闻、任务、日历等）到单一报告 +- **推送通道（Push Channel）**：Telegram / Discord / iMessage / Email + +## Examples +- [[custom-morning-brief]]：每日 8AM 推送新闻+任务+草稿+AI推荐 +- [[self-healing-home-server]] 的 Morning Briefing：天气+日历+系统状态 +- [[family-calendar-household-assistant]]：家庭日程聚合晨报 +- [[daily-reddit-digest]]：每日 Reddit 社区摘要 + +## Related Concepts +- [[ProactiveAI]]：主动推送背后的核心设计理念 +- [[ScheduledReminder]]：简化版定时提醒 +- [[SecondBrain]]：被动查询式知识管理，与主动推送互补 diff --git a/wiki/concepts/SharedMemory.md b/wiki/concepts/SharedMemory.md new file mode 100644 index 00000000..b7e15cd0 --- /dev/null +++ b/wiki/concepts/SharedMemory.md @@ -0,0 +1,50 @@ +--- +title: "SharedMemory" +type: concept +tags: [multi-agent, memory, coordination] +sources: [multi-agent-team, workflow-with-memory, content-factory, multi-channel-assistant] +last_updated: 2026-04-27 +--- + +## Definition + +共享记忆——多 Agent 系统中所有 Agent 可访问的公共知识库，用于存储项目文档、目标、关键决策和上下文信息。消除知识孤岛，确保 Agent 间协调的一致性。 + +## Aliases +- Team Memory +- Common Ground +- Shared Context +- Shared Knowledge Base + +## Core Components + +典型的共享记忆结构： +``` +team/ +├── GOALS.md # 当前 OKR 和优先级（所有 Agent 读取） +├── DECISIONS.md # 关键决策日志（只追加） +├── PROJECT_STATUS.md # 当前项目状态（所有 Agent 更新） +├── agents/ +│ ├── agent-a/ # Agent A 的私有上下文和笔记 +│ └── agent-b/ # Agent B 的私有上下文 +``` + +## Key Characteristics + +- **全局可读**：所有 Agent 均可访问共享记忆，无权限壁垒 +- **结构化组织**：按用途分类（目标/决策/状态），避免信息混乱 +- **Append-only 决策日志**：DECISIONS.md 只追加，保留完整决策历史 +- **状态同步**：PROJECT_STATUS.md 由所有 Agent 共同维护，实时反映项目状态 + +## Related Patterns + +- [[PrivateContext]]：与共享记忆互补——每个 Agent 维护自己的私有上下文，积累领域专长 +- [[SymbolicLink]]：在 OpenClaw 中通过符号链接使隐藏目录对外部工具可见 +- [[MemoryServer]]：记忆服务器作为多 Agent 协作的粘合剂（MCP Memory Server） + +## Usage Contexts + +- **[[multi-agent-team]]**：Milo/Josh/Marketing/Dev Agent 通过 GOALS.md、DECISIONS.md、PROJECT_STATUS.md 实现团队协调 +- **[[workflow-with-memory]]**：Memory Server 作为粘合剂，`remember` 存储交付物、`recall` 召回上下文、`rollback` 回滚检查点 +- **[[ContentFactory]]**：Discord 频道作为共享记忆，Research Agent 输出 → Writing Agent 读取 +- **[[multi-channel-assistant]]**：Google Workspace 共享日历/邮件作为跨渠道记忆 diff --git a/wiki/concepts/SubagentDelegation.md b/wiki/concepts/SubagentDelegation.md new file mode 100644 index 00000000..92b5cd93 --- /dev/null +++ b/wiki/concepts/SubagentDelegation.md @@ -0,0 +1,39 @@ +--- +title: "Subagent Delegation" +type: concept +tags: [hermes, ai-agent, delegation, api, subprocess] +last_updated: 2026-04-27 +--- + +## Aliases +- delegate_task +- 子 agent 委托 + +## Definition +Hermes Agent 的子 agent 委托机制，通过 `delegate_task` 工具启动子 AIAgent 实例，通过 API 调用 LLM。**关键限制**：子 agent 仍然是 Hermes 自身的 agent 实例，只能使用 Hermes 工具集，无法感知 Claude Code 的 SKILL.md 能力。 + +## How It Works +`delegate_task` 工具虽有 `acp_command` 参数，但： +- `acp_command` 仅控制子 AIAgent 的构造参数 +- 子 AIAgent 通过 API 调用 LLM，不是外部 Claude Code 进程 +- **只有当 provider 为 `copilot-acp` 时**，`acp` 参数才会真正建立外部 CLI 通道 + +## Comparison: delegate_task vs terminal 调用 Claude Code + +| | delegate_task | terminal 调用 claude -p | +|--|--------------|------------------------| +| 本质 | Hermes 子 agent（API 调用） | 外部 Claude Code 进程 | +| Skill 感知 | 无 | 能识别 SKILL.md | +| 工具能力 | Hermes 工具集 | Claude Code 自身工具集 | +| 适用场景 | 通用推理任务 | 需要 Claude Code 技能的特定任务 | + +## When to Use Which +- **使用 delegate_task**：通用推理、无需 Claude Code skill 的任务 +- **使用 terminal 调用 `claude -p`**：需要 Claude Code skill（如 fireworks-tech-graph、llm-wiki-sync 等）的任务 + +## Sources +- [[Claude Code 调用方法总结]] + +## Connections +- [[SubagentDelegation]] ← 对比 ← [[Claude Code]] +- [[SubagentDelegation]] ← 替代方案 ← [[Claude Code Print Mode]] diff --git a/wiki/concepts/TaskAutomationPipeline.md b/wiki/concepts/TaskAutomationPipeline.md new file mode 100644 index 00000000..7ddea1ad --- /dev/null +++ b/wiki/concepts/TaskAutomationPipeline.md @@ -0,0 +1,38 @@ +--- +title: "Task Automation Pipeline" +type: concept +tags: [automation, workflow, ai, task-management] +sources: [todoist-task-manager, meeting-notes-action-items] +last_updated: 2026-04-27 +--- + +## Definition + +Task Automation Pipeline（任务自动化流水线）是一种端到端的 AI 工作流——将非结构化的自然语言输入，通过 LLM 解析和 API 调用，转化为结构化任务数据，并完成创建→确认→追踪的完整闭环。 + +## Core Pattern + +``` +自然语言输入 → LLM 结构化解析 → API 创建任务 → 结果确认 → 持续追踪（Cron Job） +``` + +## Variations + +| 输入类型 | 解析目标 | 落地工具 | +|----------|----------|----------| +| 会议转录 | 行动项 + 负责人 + 截止日 | Jira/Linear/Todoist | +| 邮件正文 | 待回复事项 + 优先级 | Todoist/Notion | +| 聊天消息 | 任务请求 + 上下文 | Jira/Todoist | +| 语音转录 | 待确认/待执行事项 | Todoist/SuperCall | + +## Related Concepts + +- [[AI-Driven Task Extraction]] — 流水线中的核心解析环节 +- [[Recurring Tasks]] — 流水线中的持续追踪环节 +- [[Meeting-to-Task Workflow]] — 会议场景下的具体流水线实现 +- [[DocumentationTheater]] — 缺乏流水线的后果：文档剧场 + +## Related Sources + +- [[todoist-task-manager]] — 个人任务管理的流水线实现 +- [[meeting-notes-action-items]] — 会议场景的流水线实现 diff --git a/wiki/concepts/ToolIntegration.md b/wiki/concepts/ToolIntegration.md new file mode 100644 index 00000000..b9710ae8 --- /dev/null +++ b/wiki/concepts/ToolIntegration.md @@ -0,0 +1,39 @@ +--- +title: "Tool Integration" +type: concept +tags: [ai, agent, tools, api, integration] +sources: [] +last_updated: 2025-05-09 +--- + +## Aliases +- Tool Integration +- 工具集成 +- External Tool Integration +- 外部工具集成 + +## Definition +将外部工具（数据库、API、文件系统、第三方服务等）作为可调用资源接入 AI Agent 的过程。工具集成是 Agent 超越语言模型自身能力边界、执行真实世界任务的核心手段。通过工具集成，Agent 可以查询实时数据、操作外部系统、完成端到端的业务流程自动化。 + +## Key Principles +- **可组合性**：多个工具可以按需组合，形成复杂的工作流 +- **权限边界**：工具调用应有明确的权限控制，防止误操作 +- **错误处理**：工具返回错误时 Agent 应有降级策略 +- **上下文感知**：工具选择应基于用户意图和当前对话状态 + +## Examples in N8N +- **Airtable**：库存查询与数据更新 +- **HTTP Request**：调用任意 REST API +- **Database nodes**：PostgreSQL、MySQL 等数据库读写 +- **Webhook**：触发外部事件或接收回调 + +## Relationship to Other Concepts +- [[Agentic System]]：Tool Integration 是 Agent 动态执行能力的基础 +- [[Memory in AI Agents]]：Memory 使工具调用具有持久化上下文 + +## Related Entities +- [[Airtable]]：教程中的工具集成案例 +- [[n8n]]：提供 400+ 预置集成节点的平台 + +## Sources +- [[n8n-full-tutorial-building-ai-agents-in-2025-for-beginners]] diff --git a/wiki/concepts/ToolOrchestration.md b/wiki/concepts/ToolOrchestration.md new file mode 100644 index 00000000..4d93e8a5 --- /dev/null +++ b/wiki/concepts/ToolOrchestration.md @@ -0,0 +1,32 @@ +--- +title: "ToolOrchestration" +type: concept +tags: [tools, integration, orchestration] +sources: [multi-channel-assistant] +last_updated: 2026-04-27 +--- + +## Definition +Tool Orchestration（工具编排）是指通过统一的配置层和接口，集中管理多种外部工具（API、SaaS、CLI）的认证、调用和结果处理，使 AI Agent 能够跨多个工具执行复杂任务，而无需为每个工具单独编写集成代码。 + +## Core Components +1. **配置层**：集中存储所有工具的 API Key、OAuth Token、环境变量（如 [[OpenClaw]] 的 config.yaml） +2. **适配器/包装器**：为每个工具提供统一调用接口（[[ToolWrapper]]） +3. **意图路由**：根据用户请求自动选择对应工具（如 [[IntentDrivenRouting]]） + +## Role in [[multi-channel-assistant]] +OpenClaw 作为配置中心，一次配置 Google OAuth / Slack / Todoist / Asana，AI Agent 通过统一 Prompt 指令调用不同工具： +- "Add [task] to my todo" → Todoist +- "Create a card for [topic]" → Asana +- "Schedule [event]" → gog calendar +- "Email [person] about [topic]" → gog gmail + +## Related Concepts +- [[ToolWrapper]] — 工具的标准化封装接口 +- [[IntentDrivenRouting]] — 基于意图选择工具 +- [[Workflow-Engineering]] — 多工具组合形成工作流 +- [[SubagentDelegation]] — 将工具调用委托给子 Agent + +## Connections +- [[OpenClaw]] ← provides ← [[ToolOrchestration]]（核心实现框架） +- [[multi-channel-assistant]] ← uses ← [[ToolOrchestration]] diff --git a/wiki/concepts/TopicRouting.md b/wiki/concepts/TopicRouting.md new file mode 100644 index 00000000..e86577f8 --- /dev/null +++ b/wiki/concepts/TopicRouting.md @@ -0,0 +1,34 @@ +--- +title: "TopicRouting" +type: concept +tags: [routing, context, multi-channel] +sources: [multi-channel-assistant] +last_updated: 2026-04-27 +--- + +## Definition +Topic Routing（话题路由）是一种通过消息平台的话题/线程（Topic）机制，在单一入口内实现多上下文隔离的设计模式。不同话题对应不同的工作流或知识域，用户无需切换 app 或启动多个 bot，只需要在对应话题中发起请求即可。 + +## Core Mechanism +1. **平台支持**：Telegram Topics、Discord Threads、Slack Channels 等都支持话题隔离 +2. **规则映射**：Prompt 或配置层定义"话题 → 工具/知识库/工作流"的映射规则 +3. **上下文注入**：AI Agent 根据当前所在话题注入对应的 system prompt 和工具集 + +## Example: [[multi-channel-assistant]] +``` +config → 系统设置和调试 +updates → 状态通知和日历提醒 +video-ideas → 内容创意流水线 +personal-crm → 联系人查询和会面准备 +earnings → 财务追踪 +knowledge-base → RAG 知识库查询 +``` + +## Related Concepts +- [[Intent-Classification]] — 路由前先分类用户意图 +- [[Agent-Routing-Rules]] — 基于规则的路由决策 +- [[Context-Passing]] — 话题切换时的上下文传递 + +## Connections +- [[multi-channel-assistant]] ← implements ← [[TopicRouting]]（核心实现模式） +- [[PhoneBasedPersonalAssistant]] ← alternative_to ← [[TopicRouting]]（电话是另一种单入口路由方式） diff --git a/wiki/entities/Airtable.md b/wiki/entities/Airtable.md new file mode 100644 index 00000000..e3541045 --- /dev/null +++ b/wiki/entities/Airtable.md @@ -0,0 +1,31 @@ +--- +title: "Airtable" +type: entity +tags: [database, no-code, inventory, api] +sources: [] +last_updated: 2025-05-09 +--- + +## Aliases +- Airtable +- AirTable + +## Definition +Airtable 是一个在线数据库与项目管理平台，结合了电子表格的易用性和数据库的强大功能。支持视图自定义、API 集成和自动化工作流，常用于库存管理、项目跟踪和内容管理等场景。 + +## Key Characteristics +- **电子表格 + 数据库混合**：灵活的数据结构，支持多种视图（Grid、Calendar、Gallery、Kanban 等） +- **API-first**：提供完整 REST API，可与其他工具集成 +- **Automation**：内置自动化功能，也可通过 N8N、Zapier 等平台触发 +- **Extensions**：支持扩展程序和脚本自定义 + +## Use Cases in AI Agents +- **库存管理**：教程中演示了 AI Agent 连接 Airtable 查询和更新库存数据 +- **项目管理**：作为 Agent 的数据存储后端 +- **内容管理**：结构化存储需要 Agent 处理的内容元数据 + +## Related Entities +- [[N8N]]：通过 N8N AI Agent 节点集成 Airtable + +## Sources +- [[n8n-full-tutorial-building-ai-agents-in-2025-for-beginners]] diff --git a/wiki/entities/Last-30-Days-Skill.md b/wiki/entities/Last-30-Days-Skill.md new file mode 100644 index 00000000..2faf1bea --- /dev/null +++ b/wiki/entities/Last-30-Days-Skill.md @@ -0,0 +1,39 @@ +--- +title: "Last 30 Days Skill" +type: entity +tags: [] +sources: [market-research-product-factory, last30days-使用指南] +last_updated: 2026-04-17 +--- + +# Last 30 Days Skill + +## Overview + +Last 30 Days 是一个 AI Agent skill，由 Matt Van Horne 开发，专门用于挖掘 Reddit 和 X（Twitter）平台上近 30 天内的真实用户讨论，识别痛点、抱怨和功能需求。 + +## Core Functionality + +- **数据来源**：Reddit 社区 + X/Twitter 平台（近 30 天） +- **输出格式**：结构化的痛点排行（按频率排序）、具体投诉/功能请求列表、现有解决方案缺口 +- **适用场景**：市场调研、产品机会发现、竞品分析 + +## Usage in Workflows + +### Market Research & Product Factory +在 [[market-research-product-factory]] 工作流中，Last 30 Days Skill 作为"发现层"： +1. 调研任意主题的用户真实痛点 +2. 识别产品机会 +3. 与 [[OpenClaw]] 联动构建 MVP 原型 + +### Product Trend Researcher +作为 [[product-trend-researcher]] 的数据采集后端，提供实时市场信号。 + +## Aliases +- Last30Days +- last30days-skill + +## Related +- [[Matt-Van-Horne]] — Skill 作者 +- [[market-research-product-factory]] — 主要使用场景 +- [[Agent-Driven-Market-Research]] — 方法论关联 diff --git a/wiki/entities/Matt-Van-Horne.md b/wiki/entities/Matt-Van-Horne.md new file mode 100644 index 00000000..5d165b4c --- /dev/null +++ b/wiki/entities/Matt-Van-Horne.md @@ -0,0 +1,29 @@ +--- +title: "Matt Van Horne" +type: entity +tags: [] +sources: [market-research-product-factory, last30days-使用指南] +last_updated: 2026-04-17 +--- + +# Matt Van Horne + +## Overview + +Matt Van Horne（GitHub: mvanhorn）是 Last 30 Days skill 的开发者，该 skill 被广泛应用于 AI Agent 驱动的市场调研工作流中。 + +## Contributions + +### Last 30 Days Skill +- **GitHub**: https://github.com/mvanhorn/last30days-skill/ +- **功能**：挖掘 Reddit 和 X 近 30 天用户讨论，提取真实痛点 +- **应用**：作为 [[market-research-product-factory]] 等多个 Agent 工作流的数据采集层 + +## Aliases +- Matt Van Horne +- mvanhorn + +## Related +- [[Last-30-Days-Skill]] — 主要作品 +- [[Alex-Finn]] — 视频创作者，曾介绍 Last 30 Days 的创业应用场景 +- [[market-research-product-factory]] — 以 Last 30 Days 为核心组件的工作流 diff --git a/wiki/entities/OpenClaw.md b/wiki/entities/OpenClaw.md index 97205f56..e440345c 100644 --- a/wiki/entities/OpenClaw.md +++ b/wiki/entities/OpenClaw.md @@ -2,7 +2,7 @@ title: "OpenClaw" type: entity tags: [ai-agent, memory, workflow] -sources: [万字讲透openclaw-workspace深度解析-2026-03-21, 养龙虾5天血泪史-我的ai-agent为什么总失忆-openclaw-记忆调试全记录, 养虾日记2-让agent更懂你-openclaw-self-improving-复盘实战案例分享, 养虾日记1-我用-openclaw-管了-28-万张照片-一次真实的多设备照片整理实战, 养虾日记3-用-obsidian-gitea-为-ai-助手构建持久化笔记系统, macos-创建与解除-symbolic-link-openclaw-目录映射] +sources: [万字讲透openclaw-workspace深度解析-2026-03-21, 养龙虾5天血泪史-我的ai-agent为什么总失忆-openclaw-记忆调试全记录, 养虾日记2-让agent更懂你-openclaw-self-improving-复盘实战案例分享, 养虾日记1-我用-openclaw-管了-28-万张照片-一次真实的多设备照片整理实战, 养虾日记3-用-obsidian-gitea-为-ai-助手构建持久化笔记系统, macos-创建与解除-symbolic-link-openclaw-目录映射, multi-channel-assistant] last_updated: --- diff --git a/wiki/entities/Slack.md b/wiki/entities/Slack.md index d8cc4faf..d211b633 100644 --- a/wiki/entities/Slack.md +++ b/wiki/entities/Slack.md @@ -1,34 +1,33 @@ ---- -title: "Slack" -type: entity -tags: [] -last_updated: 2026-04-22 ---- - -# Slack - -企业团队协作和消息平台，支持频道、线程、直接消息。支持 Incoming Webhook 和 Bot 实现自动化消息推送。是 Agent 自动化工作流中发送会议摘要和提醒通知的主要通道。 - -## Overview - -Slack 是 [[meeting-notes-action-items]] 中 AI Agent 发送会议摘要的目标平台。Agent 可通过 Incoming Webhook 将结构化摘要（关键决策+行动项+待解决问题）自动发布到指定频道，确保团队全员知情。 - -## Aliases -- Slack Workspace -- Slack API -- Slack Bot - -## Capabilities -- Incoming Webhook（无代码消息推送） -- Bot 用户和 Interactive Messages -- Slack API（channels.history、chat.postMessage 等） -- 频道管理和权限控制 -- Thread 消息组织 -- 搜索和存档 - -## Related Entities -- [[Discord]] — 类似平台，社区向 -- [[Notion]] — 协作型知识管理 - -## Related Sources -- [[meeting-notes-action-items]] +--- +title: "Slack" +type: entity +tags: [] +sources: [multi-channel-assistant] +last_updated: 2026-04-27 +--- + +企业团队协作和消息平台，支持频道、线程、直接消息。支持 Incoming Webhook 和 Bot 实现自动化消息推送。是 Agent 自动化工作流中发送会议摘要和提醒通知的主要通道。 + +## Overview + +Slack 是 [[meeting-notes-action-items]] 中 AI Agent 发送会议摘要的目标平台。Agent 可通过 Incoming Webhook 将结构化摘要（关键决策+行动项+待解决问题）自动发布到指定频道，确保团队全员知情。 + +## Aliases +- Slack Workspace +- Slack API +- Slack Bot + +## Capabilities +- Incoming Webhook（无代码消息推送） +- Bot 用户和 Interactive Messages +- Slack API（channels.history、chat.postMessage 等） +- 频道管理和权限控制 +- Thread 消息组织 +- 搜索和存档 + +## Related Entities +- [[Discord]] — 类似平台，社区向 +- [[Notion]] — 协作型知识管理 + +## Related Sources +- [[meeting-notes-action-items]] diff --git a/wiki/entities/Telegram.md b/wiki/entities/Telegram.md new file mode 100644 index 00000000..61c7af35 --- /dev/null +++ b/wiki/entities/Telegram.md @@ -0,0 +1,28 @@ +--- +title: "Telegram" +type: entity +tags: [messaging, bot, multi-channel] +sources: [multi-channel-assistant] +last_updated: 2026-04-27 +--- + +## Overview +Telegram 是一款支持端到端加密的跨平台即时通讯应用，以其 Bot API 和 Topic（话题）功能著称。在 AI Agent 工作流中，Telegram 常被用作主交互界面——通过 Bot API 接入 AI 助手，结合 Topic 功能实现单一入口内的多上下文隔离。 + +## Aliases +- Telegram Bot +- TG + +## Key Features for AI Agent Integration +- **Bot API**：通过 HTTP Bot API 与 AI Agent 集成，支持消息收发、命令菜单 +- **Topics**：群组/频道内的虚拟线程，实现上下文隔离（在 [[multi-channel-assistant]] 中用于分隔 config/updates/video-ideas/personal-crm/earnings/knowledge-base 等不同工作流） +- **Channel**：广播型消息推送，适合定期摘要和提醒 +- **Inline Mode**：@ 机器人直接提问 + +## Role in [[multi-channel-assistant]] +Telegram 作为统一入口，通过 Topic 分话题路由不同类型的请求，用户无需切换 app 即可与不同工具交互。 + +## Connections +- [[OpenClaw]] — 通过 OpenClaw 配置层接入 Telegram Bot +- [[multi-channel-assistant]] — Telegram 作为主交互界面 +- [[PhoneBasedPersonalAssistant]] — Telegram 是 Phone 入口之外的文字/语音备选 diff --git a/wiki/entities/Todoist.md b/wiki/entities/Todoist.md index cab2a40a..7c48a03a 100644 --- a/wiki/entities/Todoist.md +++ b/wiki/entities/Todoist.md @@ -2,7 +2,7 @@ title: "Todoist" type: entity tags: [] -sources: [] +sources: [multi-channel-assistant] last_updated: 2026-04-27 --- diff --git a/wiki/entities/n8n.md b/wiki/entities/n8n.md deleted file mode 100644 index 64198af5..00000000 --- a/wiki/entities/n8n.md +++ /dev/null @@ -1,24 +0,0 @@ ---- -title: "N8N" -type: entity -tags: [workflow-automation, open-source, self-hosted] -last_updated: 2025-12-31 ---- - -## Overview -**N8N**（发音 "n-eight-n"）是一款开源的工作流自动化工具，支持通过可视化节点编辑器连接各种服务、API 和数据库，实现业务流程自动化。 - -## Key Features -- 开源免费，可自托管 -- 可视化节点编辑器 -- 支持 400+ 预置集成节点 -- 支持 Webhook 触发 -- 支持条件分支、循环、错误处理 -- 支持代码执行节点（JavaScript / Python） -- 可与 AI 模型集成（Claude、OpenAI、LangChain 等） - -## Related -- [n8n-workflow-orchestration] -- [[n8n-mcp]] — Claude 与 N8N 的连接桥梁 -- [[工作流自动化]] — 相关概念 -- [[Webhook]] — N8N 常用触发方式 diff --git a/wiki/index.md b/wiki/index.md index 360a20f7..65f83475 100644 --- a/wiki/index.md +++ b/wiki/index.md @@ -4,6 +4,21 @@ - [Overview](overview.md) — living synthesis ## Sources +- [2026-04-27] [Market Research & Product Factory](sources/market-research-product-factory.md) +- [2026-04-27] [Phone-Based Personal Assistant](sources/phone-based-personal-assistant.md) +- [2026-04-27] [Event Guest Confirmation](sources/event-guest-confirmation.md) +- [2026-04-27] [Multi-Channel Personal Assistant](sources/multi-channel-assistant.md) +- [2026-04-27] [AI-Powered Earnings Tracker](sources/earnings-tracker.md) +- [2026-04-27] [Multi-Agent Specialized Team (Solo Founder Setup)](sources/multi-agent-team.md) +- [2026-04-27] [Project State Management System: Event-Driven Alternative to Kanban](sources/project-state-management.md) +- [2026-04-27] [Health & Symptom Tracker](sources/health-symptom-tracker.md) +- [2026-04-27] [Self-Healing Home Server & Infrastructure Management](sources/self-healing-home-server.md) +- [2026-04-27] [Multi-Agent Content Factory](sources/content-factory.md) +- [2026-04-27] [Daily YouTube Digest](sources/daily-youtube-digest.md) +- [2026-04-27] [Automated Meeting Notes & Action Items](sources/meeting-notes-action-items.md) +- [2026-04-27] [Podcast Production Pipeline](sources/podcast-production-pipeline.md) +- [2026-04-27] [Claude Code 调用方法总结](sources/claude-code调用方法总结.md) +- [2026-04-27] [N8N Full Tutorial Building AI Agents in 2025 for Beginners!](sources/n8n-full-tutorial-building-ai-agents-in-2025-for-beginners.md) - [2026-04-27] [n8n + Claude：通过自然语言自动化工作流](sources/n8n-claude-通过自然语言自动化工作流.md) - [2026-04-26] [万字保姆级教程，让你90天跑通\"一人公司\"模式（附AI提示词）](sources/万字保姆级教程-90天跑通一人公司模式-2026-03-29.md) - [2026-04-26] [使用Claude自动生成N8N工作流的实操教程](sources/使用claude自动生成n8n工作流的实操教程.md) @@ -220,45 +235,30 @@ - [X Account Analysis](sources/x-account-analysis.md) - [Todoist Task Manager](sources/todoist-task-manager.md) - [Semantic Memory Search](sources/semantic-memory-search.md) -- [Self-Healing Home Server & Infrastructure Management](sources/self-healing-home-server.md) - [Second Brain](sources/second-brain.md) -- [Project State Management System: Event-Driven Alternative to Kanban](sources/project-state-management.md) - [Pre-Build Idea Validator](sources/pre-build-idea-validator.md) - [Polymarket Autopilot](sources/polymarket-autopilot.md) -- [Podcast Production Pipeline](sources/podcast-production-pipeline.md) - [Phone Call Notifications](sources/phone-call-notifications.md) -- [Phone-Based Personal Assistant](sources/phone-based-personal-assistant.md) - [Personal CRM with Automatic Contact Discovery](sources/personal-crm.md) - [Goal-Driven Autonomous Tasks](sources/overnight-mini-app-builder.md) - [OpenClaw + n8n Workflow Orchestration](sources/n8n-workflow-orchestration.md) - [Multi-Source Tech News Digest](sources/multi-source-tech-news-digest.md) - [Multi-Channel AI Customer Service Platform](sources/multi-channel-customer-service.md) -- [Multi-Channel Personal Assistant](sources/multi-channel-assistant.md) -- [Multi-Agent Specialized Team (Solo Founder Setup)](sources/multi-agent-team.md) -- [Automated Meeting Notes & Action Items](sources/meeting-notes-action-items.md) -- [Market Research & Product Factory](sources/market-research-product-factory.md) - [Local CRM Framework with DenchClaw](sources/local-crm-framework.md) - [LaTeX Paper Writing](sources/latex-paper-writing.md) - [Personal Knowledge Base (RAG)](sources/knowledge-base-rag.md) - [Inbox De-clutter](sources/inbox-declutter.md) -- [Health & Symptom Tracker](sources/health-symptom-tracker.md) - [Habit Tracker & Accountability Coach](sources/habit-tracker-accountability-coach.md) - [Family Calendar Aggregation & Household Assistant](sources/family-calendar-household-assistant.md) -- [Event Guest Confirmation](sources/event-guest-confirmation.md) -- [AI-Powered Earnings Tracker](sources/earnings-tracker.md) - [Dynamic Dashboard with Sub-agent Spawning](sources/dynamic-dashboard.md) -- [Daily YouTube Digest](sources/daily-youtube-digest.md) - [Daily Reddit Digest](sources/daily-reddit-digest.md) -- [Custom Morning Brief](sources/custom-morning-brief.md) -- [Multi-Agent Content Factory](sources/content-factory.md) +- [2026-04-27] [Custom Morning Brief](sources/custom-morning-brief.md) - [Autonomous Project Management with Subagents](sources/autonomous-project-management.md) - [Autonomous Educational Game Development Pipeline](sources/autonomous-game-dev-pipeline.md) - [arXiv Paper Reader](sources/arxiv-paper-reader.md) - [OpenClaw as Desktop Cowork (AionUi) — Remote Rescue & Multi-Agent Hub](sources/aionui-cowork-desktop.md) - [n8n调用hermes-agents的工作流架构](sources/n8n调用hermes-agents的工作流架构.md) — (expected: wiki/sources/n8n调用hermes-agents的工作流架构.md — source missing) - [n8n-调用openclaw-agents的工作流架构](sources/n8n-调用openclaw-agents的工作流架构.md) — (expected: wiki/sources/n8n-调用openclaw-agents的工作流架构.md — source missing) -- [N8N Full Tutorial Building AI Agents in 2025 for Beginners!](sources/n8n-full-tutorial-building-ai-agents-in-2025-for-beginners.md) -- [Claude Code 调用方法总结](sources/claude-code调用方法总结.md) - [Workflow Optimizer Agent Personality](sources/testing-workflow-optimizer.md) - [Tool Evaluator Agent Personality](sources/testing-tool-evaluator.md) - [Test Results Analyzer Agent Personality](sources/testing-test-results-analyzer.md) @@ -542,6 +542,7 @@ - [AdsPower](entities/AdsPower.md) - [Agentic-AI](entities/Agentic-AI.md) - [AionUi](entities/AionUi.md) +- [Airtable](entities/Airtable.md) - [AISC-360](entities/AISC-360.md) - [aitmpl.com](entities/aitmpl.com.md) - [Alertmanager](entities/Alertmanager.md) @@ -697,6 +698,7 @@ - [Kuaishou](entities/Kuaishou.md) - [Kubernetes](entities/Kubernetes.md) - [LangChain](entities/LangChain.md) +- [Last-30-Days-Skill](entities/Last-30-Days-Skill.md) - [LaunchDarkly](entities/LaunchDarkly.md) - [LeonardoDaVinci](entities/LeonardoDaVinci.md) - [Linear](entities/Linear.md) @@ -709,6 +711,7 @@ - [Manus](entities/Manus.md) - [MariaDB](entities/MariaDB.md) - [Martin-Nash](entities/Martin-Nash.md) +- [Matt-Van-Horne](entities/Matt-Van-Horne.md) - [McpServer](entities/McpServer.md) - [MCP（Model Context Protocol）](entities/MCP（Model Context Protocol）.md) - [Mem0](entities/Mem0.md) @@ -723,7 +726,6 @@ - [Milvus](entities/Milvus.md) - [MinIO](entities/MinIO.md) - [mission-center](entities/mission-center.md) -- [n8n](entities/n8n.md) - [n8n-mcp](entities/n8n-mcp.md) - [Nano Banana 2](entities/Nano Banana 2.md) - [Navidrome](entities/Navidrome.md) @@ -805,6 +807,7 @@ - [Synology-DSM](entities/Synology-DSM.md) - [Synology-NAS](entities/Synology-NAS.md) - [Synology-NAS-DS718](entities/Synology-NAS-DS718.md) +- [Telegram](entities/Telegram.md) - [Telnyx](entities/Telnyx.md) - [Terraform](entities/Terraform.md) - [Terragrunt](entities/Terragrunt.md) @@ -894,6 +897,7 @@ - [Agent-Specialization](concepts/Agent-Specialization.md) - [Agent-Template](concepts/Agent-Template.md) - [AgentFileFormat](concepts/AgentFileFormat.md) +- [AgenticSystem](concepts/AgenticSystem.md) - [AGENTS.md](concepts/AGENTS.md.md) - [Agile-Ceremonies](concepts/Agile-Ceremonies.md) - [AgilePractices](concepts/AgilePractices.md) @@ -935,6 +939,7 @@ - [Audit-Trail](concepts/Audit-Trail.md) - [Automated-Health-Logging](concepts/Automated-Health-Logging.md) - [Automated-Security-Audit](concepts/Automated-Security-Audit.md) +- [AutomatedReminders](concepts/AutomatedReminders.md) - [AutomationGovernance](concepts/AutomationGovernance.md) - [Availability](concepts/Availability.md) - [AWS-Secrets-Manager](concepts/AWS-Secrets-Manager.md) @@ -997,6 +1002,8 @@ - [Citation-Rate](concepts/Citation-Rate.md) - [Claude-Code-Templates](concepts/Claude-Code-Templates.md) - [Claude-Skills](concepts/Claude-Skills.md) +- [ClaudeCodePrintMode](concepts/ClaudeCodePrintMode.md) +- [ClaudeCodeTerminalIntegration](concepts/ClaudeCodeTerminalIntegration.md) - [Claudian](concepts/Claudian.md) - [ClientPrediction](concepts/ClientPrediction.md) - [Cloud-Adoption-Strategy](concepts/Cloud-Adoption-Strategy.md) @@ -1105,6 +1112,7 @@ - [Docker堆栈](concepts/Docker堆栈.md) - [Docker容器生命周期管理](concepts/Docker容器生命周期管理.md) - [Docker警告处理](concepts/Docker警告处理.md) +- [DocumentationTheater](concepts/DocumentationTheater.md) - [Domain-Thinking](concepts/Domain-Thinking.md) - [DORA-Metrics](concepts/DORA-Metrics.md) - [DRaaS](concepts/DRaaS.md) @@ -1230,6 +1238,7 @@ - [Innovation-Pipeline](concepts/Innovation-Pipeline.md) - [IntegrationGovernance](concepts/IntegrationGovernance.md) - [Intent-Classification](concepts/Intent-Classification.md) +- [IntentDrivenRouting](concepts/IntentDrivenRouting.md) - [Intentional-Cloud-Strategy](concepts/Intentional-Cloud-Strategy.md) - [Inversion](concepts/Inversion.md) - [Invisible-Exclusion](concepts/Invisible-Exclusion.md) @@ -1295,6 +1304,7 @@ - [Memory-Backend](concepts/Memory-Backend.md) - [Memory-Based-Handoff](concepts/Memory-Based-Handoff.md) - [MEMORY.md](concepts/MEMORY.md.md) +- [MemoryInAIAgents](concepts/MemoryInAIAgents.md) - [Merge-Point](concepts/Merge-Point.md) - [MessageMatch](concepts/MessageMatch.md) - [Micro-Recovery](concepts/Micro-Recovery.md) @@ -1312,6 +1322,7 @@ - [MTTR](concepts/MTTR.md) - [Multi-Account-Deployment](concepts/Multi-Account-Deployment.md) - [Multi-Agent-Orchestration](concepts/Multi-Agent-Orchestration.md) +- [Multi-Agent-Team](concepts/Multi-Agent-Team.md) - [Multi-AgentHub](concepts/Multi-AgentHub.md) - [Multi-AI-Review](concepts/Multi-AI-Review.md) - [Multi-Channel-Delivery](concepts/Multi-Channel-Delivery.md) @@ -1322,6 +1333,7 @@ - [Multi-Tenancy](concepts/Multi-Tenancy.md) - [Multi-Window-Architecture](concepts/Multi-Window-Architecture.md) - [MVP](concepts/MVP.md) +- [N8NNodeTypes](concepts/N8NNodeTypes.md) - [N8nWorkflowStandard](concepts/N8nWorkflowStandard.md) - [Nanite](concepts/Nanite.md) - [Narrative-Debt](concepts/Narrative-Debt.md) @@ -1497,6 +1509,7 @@ - [SHAP](concepts/SHAP.md) - [Shared-Memory-Architecture](concepts/Shared-Memory-Architecture.md) - [Shared-Responsibility-Model](concepts/Shared-Responsibility-Model.md) +- [SharedMemory](concepts/SharedMemory.md) - [SharedStateCoordination](concepts/SharedStateCoordination.md) - [Shift-Left-Security](concepts/Shift-Left-Security.md) - [Shift-Right-Security](concepts/Shift-Right-Security.md) @@ -1539,6 +1552,7 @@ - [StructuredInterview](concepts/StructuredInterview.md) - [StudyVault](concepts/StudyVault.md) - [Sub-Agent-Race-Condition](concepts/Sub-Agent-Race-Condition.md) +- [SubagentDelegation](concepts/SubagentDelegation.md) - [Substrate](concepts/Substrate.md) - [SwiftUI-Volumetric-APIs](concepts/SwiftUI-Volumetric-APIs.md) - [symbolic-link](concepts/symbolic-link.md) @@ -1551,6 +1565,7 @@ - [TagBasedIndexing](concepts/TagBasedIndexing.md) - [Task-Query](concepts/Task-Query.md) - [TaskAutomation](concepts/TaskAutomation.md) +- [TaskAutomationPipeline](concepts/TaskAutomationPipeline.md) - [TaskQuerySyntax](concepts/TaskQuerySyntax.md) - [Taylorism](concepts/Taylorism.md) - [TCP隧道](concepts/TCP隧道.md) @@ -1573,9 +1588,12 @@ - [Todoist-API](concepts/Todoist-API.md) - [Token-Light-Design](concepts/Token-Light-Design.md) - [Tool-Calling](concepts/Tool-Calling.md) +- [ToolIntegration](concepts/ToolIntegration.md) +- [ToolOrchestration](concepts/ToolOrchestration.md) - [TOOLS.md](concepts/TOOLS.md.md) - [ToolWrapper](concepts/ToolWrapper.md) - [Topic-Based-Routing](concepts/Topic-Based-Routing.md) +- [TopicRouting](concepts/TopicRouting.md) - [totp](concepts/totp.md) - [Transactional-Analysis](concepts/Transactional-Analysis.md) - [Transcript-Based-Summarization](concepts/Transcript-Based-Summarization.md) diff --git a/wiki/log.md b/wiki/log.md index e09e6e2f..29defa23 100644 --- a/wiki/log.md +++ b/wiki/log.md @@ -1,3 +1,82 @@ +## [2026-04-27] ingest | Phone-Based Personal Assistant +- Source file: Agent/usecases/phone-based-personal-assistant.md +- Status: ✅ 成功摄入（重新摄取：源文件于 2026-04-26 更新，需同步日期至 2026-04-27） +- Summary: 基于电话的 AI 个人助理——ClawdTalk + Telnyx 将任意手机变成 AI 助理语音入口，支持日历查询/Jira 任务更新/网络搜索，无需智能机 App，覆盖驾驶/步行等双手占用场景；SMS 功能即将上线。 +- Entities: ClawdTalk.md / Telnyx.md 已存在，无需更新 +- Concepts: Voice Interface / Telephony Integration 已存在，无需更新 +- Source page: wiki/sources/phone-based-personal-assistant.md +- Notes: 源文件 2026-04-26 12:35 修改（原摄入日期 2026-04-22）；本次重新摄取仅同步 date 字段至 2026-04-27，content 更新 SMS 即将上线信息，index.md 添加日期前缀；overview.md 第44行章节已包含最新内容，无需更新；冲突检测：与 event-guest-confirmation 为互补关系（通用助手 vs 专用确认），已在 overview.md Conflict #10 记录。 + +## [2026-04-27] ingest | Event Guest Confirmation +- Source file: Agent/usecases/event-guest-confirmation.md +- Status: ✅ 成功摄入 +- Summary: 使用 OpenClaw + SuperCall 插件实现活动嘉宾自动电话确认——AI 以活动协调员人设逐个拨打嘉宾电话，确认出席状态并收集饮食需求/Plus-One 等备注，通话结束后生成出席/拒绝/未接听三分类摘要。核心价值：AI 真电话比短信/手动拨号响应率高；SuperCall 沙箱化设计（每次通话独立重置、无数据泄露风险）确保安全；适合 20+ 嘉宾的大型活动。 +- Concepts created: 无（SuperCall/Sandboxed Persona/Telephony Integration 已在其他 source 中建立，未重复创建） +- Source page: wiki/sources/event-guest-confirmation.md +- Notes: index.md 已有条目，补加日期前缀 [2026-04-27]；overview.md 第517行已有完整 Event Guest Confirmation 章节，第1061行有 SuperCall 沙盒设计对比分析，无需更新；Entity/Concept 均已存在（SuperCall 在 phone-based-personal-assistant 中建立，Sandboxed Persona 在 Sandboxed-Persona.md 中建立），仅在 source page 中引用；冲突检测：与 [[phone-based-personal-assistant]] 为互补关系（通用助手 vs 专用确认），已记录于 source page Contradictions 节。 + +## [2026-04-27] ingest | Multi-Channel Personal Assistant +- Source file: Agent/usecases/multi-channel-assistant.md +- Status: ✅ 成功摄入 +- Summary: 通过 Telegram Topic 路由（Telegram 主入口 + 话题隔离）+ OpenClaw 统一配置层整合 Google Workspace（gog）/Slack/Todoist/Asana，实现"说一句，AI 调动所有工具"。核心价值：消除应用切换疲劳，AI 主动定时推送提醒（如周一 18:00 提醒倒垃圾、周五 15:00 提醒写周报）。 +- Concepts created: [[TopicRouting]], [[ToolOrchestration]], [[IntentDrivenRouting]] +- Entities created: [[Telegram]]（新创建——在本文首次作为主交互界面出现）；[[OpenClaw]]/[[Todoist]]/[[Slack]]/[[Asana]]/[[gog]] 均已存在，仅更新 sources 字段 +- Source page: wiki/sources/multi-channel-assistant.md +- Notes: index.md Sources 条目已添加日期前缀 [2026-04-27]；index.md Entities 新增 Telegram（按字母顺序插入 Todoist 前）；index.md Concepts 新增 TopicRouting/IntentDrivenRouting/ToolOrchestration（按字母顺序插入）；overview.md 第42行已有高度一致的 multi-channel-assistant 章节，无需重复更新；Wikilinks 已按实际页面名称对齐（multi-agent-team/knowledge-base-rag/phone-based-personal-assistant/personal-crm/Scheduled-Reminder/gog）；冲突检测：与 [[personal-crm]] 无实质冲突（前者数据层，后者交互层）；[[Scheduled-Reminder]] 已存在，本 source page Key Concepts 节引用已有概念，未重复创建。 + +## [2026-04-27] ingest | Multi-Agent Specialized Team (Solo Founder Setup) +- Source file: Agent/usecases/multi-agent-team.md +- Status: ✅ 成功摄入 +- Summary: Solo Founder 通过 4 个专业 Agent（Milo 战略lead / Josh 商业分析 / Marketing 内容营销 / Dev 开发）+ 共享记忆 + Telegram 单入口 + 定时任务实现 24/7 团队运作。核心洞察：Agent 个性化使"和团队对话"更自然；共享记忆 + 私有上下文是核心；按任务复杂度匹配模型；定时主动推送形成价值飞轮；从小团队开始。 +- Concepts created: [[SharedMemory]], [[Multi-Agent-Team]] +- Entities created: （Milo/Josh/Trebuh 仅在本文出现 1 次，不满足 ≥2次条件——均未创建独立 Entity 页面） +- Source page: wiki/sources/multi-agent-team.md +- Notes: 已创建 SharedMemory.md（4个 sources 引用）和 Multi-Agent-Team.md（作为 standalone concept 页面，供 overview.md 的 [[Multi-Agent-Team]] wikilink 解析）；overview.md 第16行已添加 multi-agent-team 章节；冲突检测：与 [[ContentFactory]] 为互补关系（前者团队协作架构，后者内容创作流水线），已记录于 source page Contradictions 节 + +## [2026-04-27] ingest | Multi-Agent Content Factory（补录） +- Source file: Agent/usecases/content-factory.md +- Status: ✅ 成功摄入 +- Summary: 基于 Discord 频道的多 Agent 内容工厂，通过链式 Agent（Research Agent → Writing Agent → Thumbnail Agent）实现内容创作全流程自动化。核心洞察：链式 Agent 是核心能力——上游 Agent 输出直接喂给下游，无需人工逐步干预；本地模型（如 Mac Studio 上的 Nano Banana）做图像生成可降低成本。 +- Concepts created: （Chained Agents、Workflow Architecture 在 source page Key Concepts 中引用但尚无独立概念页面；Content Automation.md 已在 2026-04-22 创建） + +## [2026-04-27] ingest | Project State Management System: Event-Driven Alternative to Kanban +- Source file: Agent/usecases/project-state-management.md +- Status: ✅ 成功摄入 +- Summary: 用事件驱动系统替代传统 Kanban 看板，自然语言对话自动记录 progress/blocker/decision/pivot 事件，Git 提交自动关联项目，每日站会摘要自动生成。项目状态由事件序列推导而非手动维护，可随时回答"项目为什么这样"。 +- Concepts updated: EventSourcing（添加 source）、ProjectState（添加 source）、Kanban（添加 source）；EventSourcing.md 和 ProjectState.md 已在 2026-04-22 创建 +- Source page: wiki/sources/project-state-management.md +- Notes: 与 [[Goal-Driven Autonomous Tasks]]（overnight-mini-app-builder）的 overview.md 条目互补，两者存在看板 vs 事件溯源的潜在冲突已在各自 source page 的 Contradictions 节记录；[[Vibe-Kanban]] 已在 entities/ 中存在，本 source page 的 Connections 节与其建立关系 +- Entities created: （Alex-Finn.md 已在 2026-04-22 创建——本次仅确认 sources 引用已包含 content-factory） +- Source page: wiki/sources/content-factory.md +- Notes: 本次为补录——source page（date: 2026-04-22）、index.md 条目、overview.md 章节（第426行）、Content Automation sources、Alex-Finn entities 均已就绪；仅 log.md 记录缺失。冲突检测：与 [[Podcast Production Pipeline]] 为互补关系（前者播客流水线，后者社交媒体短内容），无实质冲突；与 [[Dynamic Dashboard]] 共享子代理并行执行模式。 + +## [2026-04-27] ingest | Automated Meeting Notes & Action Items +- Source file: Agent/usecases/meeting-notes-action-items.md +- Status: ✅ 成功摄入 +- Summary: AI Agent 将会议转录文本（Otter.ai、Google Meet、Zoom）自动转换为结构化摘要，提取行动项并创建 Jira/Linear/Todoist/Notion 任务，发送 Slack/Discord 摘要，支持截止日提醒。核心洞察：自动任务创建比摘要本身更有价值，无法转化为追踪任务的会议记录只是"文档剧场"。 +- Concepts created: DocumentationTheater, TaskAutomationPipeline +- Entities created: （无新 Entity——Otter.ai/Jira/Linear/Todoist/Notion/Slack/Discord 均已存在或不足 2 次出现条件；Jira/Linear/Linear.md 均已存在，本次仅补充 sources 引用） +- Source page: wiki/sources/meeting-notes-action-items.md +- Notes: index.md Sources 条目已更新带日期前缀和一行摘要；index.md Concepts 新增 DocumentationTheater 和 TaskAutomationPipeline（按字母顺序插入）；overview.md 第562行已有高度一致的"会议记录自动化"章节，无需重复更新；冲突检测：与 [[Todoist Task Manager]] 互补而非冲突——前者侧重"随时随地自然语言创建任务"，后者侧重"从会议转录中自动提取和创建任务"，可结合使用实现"会议即任务"闭环；[[AI-Driven Task Extraction]] 已在 sources 中引用 meeting-notes-action-items，无需更新。 + +## [2026-04-30] ingest | Podcast Production Pipeline +- Source file: Agent/usecases/podcast-production-pipeline.md +- Status: ✅ 成功摄入 +- Summary: AI Agent 全自动播客生产流水线，涵盖录制前研究→大纲脚本→Show Notes→多平台社媒推广包→SEO episode description。核心洞察：录制占播客制作仅 30%，其余 70% 可由 Agent 自动化；录制前深度嘉宾研究是价值最高的环节；Social Media Kit 是自动化价值最高的重复性环节。 +- Concepts created: （无新 Concept——Pipeline/ShowNotes/SocialMediaKit 均为具体实例，不满足"可抽象可复用"标准） +- Entities created: （无新 Entity——OpenAI Whisper/Spotify/Apple Podcasts/YouTube/RSSFeed 均仅出现 1 次，不满足≥2次条件；关系已通过 source page Connections 和 Key Entities wikilinks 体现） +- Source page: wiki/sources/podcast-production-pipeline.md +- Notes: index.md 已更新带日期前缀和一行摘要；overview.md 第556行已有高度一致的播客制作自动化章节，无需重复更新；冲突检测：无——[[MultiAgentContentFactory]] 与本流水线为互补关系，非竞争关系；[[OpenAI Whisper]] 在 Related Links 中提及，source page 通过 Connections wikilink 建立关联。 + +## [2026-04-30] ingest | Claude Code 调用方法总结 +- Source file: Agent/claude-code调用方法总结.md +- Status: ✅ 成功摄入 +- Summary: Hermes Agent 通过 terminal 工具调用 Claude Code CLI 的两种模式（Print Mode 和 TMUX 交互模式），包含完整参数说明、Skill 加载方法和常见坑点 +- Concepts created: [[ClaudeCodePrintMode]], [[ClaudeCodeTerminalIntegration]], [[SubagentDelegation]] +- Entities created: （无新 Entity——ClaudeCode 和 Hermes Agent 未满足出现≥2次条件） +- Source page: wiki/sources/claude-code调用方法总结.md +- Notes: 无冲突检测；index.md 中该 source 条目已存在（被动同步） + ## [2026-04-30] ingest | 万字保姆级教程，让你90天跑通"一人公司"模式（附AI提示词） - Source file: Agent/万字保姆级教程-90天跑通一人公司模式-2026-03-29.md - Status: ✅ 成功摄入 @@ -4685,3 +4764,47 @@ - Source page: wiki/sources/google-5个agent-skill设计模式-2026-03-19.md - Notes: source page 新建；index.md 第488行已添加摘要描述；overview.md 已有相关条目（行556/562），无需更新；冲突检测：与 [[Anthropic Claude Code]] 的 Skill 实践不冲突，Anthropic 的"给工具不给指令"理念正是这5种模式的设计哲学基础 +## [2026-05-09] ingest | N8N Full Tutorial Building AI Agents in 2025 for Beginners! +- Source file: Agent/n8n full tutorial building AI agents in 2025 for Beginners!.md +- Status: ✅ 成功摄入 +- Summary: N8N 平台构建 AI Agent 入门教程——核心区分 Workflow（预定义，输出恒定）与 Agent（LLM驱动，动态选择工具）；讲解五类 N8N 节点（触发/动作/工具/代码/高级AI）；集成 Memory 模块保留上下文；演示 Airtable 库存管理集成案例 +- Concepts created: [[AgenticSystem]]、[[MemoryInAIAgents]]、[[ToolIntegration]]、[[N8NNodeTypes]] +- Entities created: [[Airtable]]（N8N Entity 已存在——合并更新了 sources 和 last_updated） +- Source page: wiki/sources/n8n-full-tutorial-building-ai-agents-in-2025-for-beginners.md +- Notes: index.md Sources 条目已添加日期前缀 [2026-05-09] 和一行摘要；index.md Entities 节新增 Airtable；index.md Concepts 节新增 AgenticSystem、MemoryInAIAgents、N8NNodeTypes、ToolIntegration；overview.md Multi-Agent AI Systems 节已补充本教程；冲突检测：与 [[how-agentic-ai-can-help-for-cloud-devops]] 对 Agentic System 定义一致，本教程为入门视角，该篇为应用视角，无冲突 + +## [2026-04-27] ingest | Daily YouTube Digest +- Source file: Agent/usecases/daily-youtube-digest.md +- Status: ✅ 成功摄入 +- Summary: AI Agent 每日自动抓取订阅频道新视频，通过 TranscriptAPI 获取字幕并生成摘要，定时推送个性化简报。核心洞察：YouTube 算法推荐不可靠，订阅频道的新视频经常被埋没；TranscriptAPI 比 yt-dlp 更适合 Agent 环境；channel/latest 免费检查，1 credit/视频生成摘要，成本可控。 +- Concepts created: （无新 Concept——Daily-Digest/TranscriptAPI/ContentCuration 均已存在或过于抽象） +- Entities created: （无新 Entity——TranscriptAPI/Recapio/OpenClaw 均已存在） +- Source page: wiki/sources/daily-youtube-digest.md +- Notes: index.md Sources 条目已添加日期前缀和一行摘要；overview.md 第410行已有详细章节，无需更新；冲突检测：与 [[Multi-Source Tech News Digest]] 互补而非冲突——前者专注 YouTube 视频深度摘要，后者覆盖多来源文字新闻，可并行使用；[[Daily-Digest]]/[[TranscriptAPI]]/[[Recapio]] Entity 和 Concept 页面已存在且 sources 字段已包含 daily-youtube-digest，无需更新。 + +## [2026-04-26] ingest | Self-Healing Home Server & Infrastructure Management（补录+扩充） +- Source file: Agent/usecases/self-healing-home-server.md +- Status: ✅ 成功摄入 +- Summary: AI Agent 作为家庭服务器基础设施的全天候自动驾驶代理，通过 OpenClaw + SSH + Cron Job 系统实现自动化健康监控、故障自愈和基础设施即代码管理。核心洞察：①AI 会硬编码 secrets（TruffleHog pre-push hooks 必需）；②本地优先 Git（私有 Gitea + CI 扫描）防止 Agent 直接推送到公共仓库；③Cron Job 是真正的产品力——定时自动化比偶发命令提供更多日常价值；④知识提取随时间复利增长。来源为 Nathan 的 OpenClaw Agent Reef，拥有 15 个活跃 cron job、24 个自定义脚本。 +- Concepts created: （Self-Healing-Systems/Agentic-AI/Infrastructure-as-Code/Morning-Briefing/Email-Triage/Local-first-Git/Defense-in-Depth 等概念已通过 source page Key Concepts wikilinks 引用，尚无独立 Concept 页面——来源内容均为具体应用场景描述，不满足"可抽象可复用"标准） +- Entities created: （无新 Entity——OpenClaw/K3s/Gitea/TruffleHog/1Password/ArgoCD/Gatus/Loki/n8n 虽在 source 中出现但不足以构成独立 Entity 页面所需的关键影响/≥2次条件；均通过 Key Entities wikilinks 体现） +- Source page: wiki/sources/self-healing-home-server.md +- Notes: 本次为补录+扩充——source page 原有内容已覆盖 Summary/Key Claims/Key Quotes/Key Concepts/Key Entities/Connections/Contradictions，补充新增内容：Skills（8 项）、How to Set It Up（含 Core Agent Configuration/Automated Cron Job System/Security Setup/Morning Briefing Template）、Key Insights 完整版、Inspired By（Nathan 和 georgedagg_）、Related Links（6 个外部链接）；修正了 Summary 中的错别字（CI 扫描_pipeline → CI 扫描 pipeline）；Connections 新增与 dynamic-dashboard 和 custom-morning-brief 的 extends 关系；index.md 条目已补充日期前缀 [2026-04-26] 和一行摘要；overview.md 第183行和第504行已有相关交叉引用，无需更新；冲突检测：与 [[家庭监控方案-prometheus-grafana-node-exporter-cadvisor-blackbox]] 的监控方案对比（自愈 vs 告警+人工介入）已在 source page Contradictions 节详细记录。 + +## [2026-04-27] ingest | AI-Powered Earnings Tracker +- Source file: Agent/usecases/earnings-tracker.md +- Status: ✅ 成功摄入 +- Summary: AI Agent 通过 OpenClaw Cron Job 自动追踪科技公司财报——每周扫描财报日历推送预览，用户选择后为每家公司创建一次性定时任务，财报发布后自动搜索结果生成 Beat/Miss/关键指标/AI亮点摘要，推送至 Telegram "earnings" Topic。核心洞察：Cron Job 定时主动推送比被动查询更有价值；用户偏好记忆实现个性化自动建议；所需技能仅 web_search + Cron Job + Telegram。 +- Concepts created: （Cron-Job/AI-Agent/Telegram-Topic 已通过 source page Key Concepts wikilinks 引用，来源内容为具体应用描述，不满足"可抽象可复用"标准，未创建独立 Concept 页面） +- Entities created: （无新 Entity——OpenClaw/NVDA/MSFT/GOOGL/META/AMZN/TSLA/AMD 虽在 source 中出现，但来源仅为 Prompt 示例，未对其深入展开，不满足关键影响条件；均通过 Key Entities wikilinks 体现） +- Source page: wiki/sources/earnings-tracker.md +- Notes: index.md 第252行已有对应条目（date: 2026-04-27），无需重复添加；冲突检测：无已知冲突；Connections 与 [[Daily-YouTube-Digest]] 和 [[Custom-Morning-Brief]] 建立 similar_pattern 关系（均为 Cron Job + Telegram 推送模式） + +## [2026-04-29] ingest | Market Research & Product Factory +- Source file: Agent/usecases/market-research-product-factory.md +- Status: ✅ 成功摄入（re-ingest：已存在页面内容完整，本次补充创建缺失 Entity 页面） +- Summary: AI Agent 驱动的"从市场调研到产品构建"全自动化流水线——Last 30 Days skill 挖掘 Reddit/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。核心价值：创业自动驾驶模式（entrepreneurship on autopilot），发短信即可完成调研到原型全部流程。 +- Entities created: Last-30-Days-Skill.md（New）、Matt-Van-Horne.md（New）；OpenClaw.md / Alex-Finn.md 已存在 +- Concepts: Pain Point Mining / Startup MVP Pipeline / Agent-Driven Market Research / Last 30 Days Method 已在 source page 引用，均已存在独立页面，无需重复创建 +- Source page: wiki/sources/market-research-product-factory.md +- Notes: source page 已存在且内容完整（date: 2026-04-17）；index.md 已包含该 source 条目（第246行）；overview.md 第523/525行已有 market-research-product-factory 相关覆盖；本次 re-ingest 补充创建 Last-30-Days-Skill.md 和 Matt-Van-Horne.md 两个缺失 Entity 页面并注册至 index.md Entities 节；冲突检测：无新增冲突（与 content-factory/Pre-Build Idea Validator 已在现有 source page 中记录互补关系） diff --git a/wiki/overview.md b/wiki/overview.md index 7140f338..94154016 100644 --- a/wiki/overview.md +++ b/wiki/overview.md @@ -9,10 +9,11 @@ This wiki is a living synthesis of curated sources spanning AI agents, cloud inf **[[chinatextbook-41-53-gb-中国小学-初中-高中-大学-pdf-教材]]**（ChinaTextbook）：中国中小学及大学 PDF 教材开源收集项目——托管于 GitHub，总库大小 41.53 GB，收集了从小学到大学阶段的公开教材 PDF。教材来源为国家中小学智慧教育平台（basic.smartedu.cn），登录后即可浏览，亦可使用第三方工具（如 tchMaterial-parser）下载。覆盖小学（语数英科学等11科）、初中（15科）、高中（16科）及大学（概率论/离散数学/线性代数/高等数学）阶段。属教育资源开源化方向，为 [[教育资源开源]] 和 [[PDF教材数字化]] 提供实践案例。 ### Multi-Agent AI Systems -The wiki covers two major multi-agent frameworks: **The Agency** (agency-agents) and **OpenClaw**. The Agency provides 147 specialized agents across 12 business divisions (Engineering, Design, Finance, Game Dev, Marketing, Paid Media, Product, Project Management, Testing, Support, Spatial Computing, Specialized). OpenClaw focuses on autonomous agents with persistent memory and workflow orchestration via n8n. +The wiki covers two major multi-agent frameworks: **The Agency** (agency-agents) and **OpenClaw**. The Agency provides 147 specialized agents across 12 business divisions (Engineering, Design, Finance, Game Dev, Marketing, Paid Media, Product, Project Management, Testing, Support, Spatial Computing, Specialized). OpenClaw focuses on autonomous agents with persistent memory and workflow orchestration via n8n. A beginner-focused **n8n AI Agent 教程**（[[n8n-full-tutorial-building-ai-agents-in-2025-for-beginners]]）：通过 N8N 平台构建 AI Agent 的入门指南——核心区分 Workflow（预定义自动化，输出恒定）与 Agent（由 LLM 驱动，动态选择工具）；系统讲解五类 N8N 节点（触发节点、动作节点、工具节点、代码节点、AI Agent 节点）；集成 Memory 模块保留对话上下文提升连贯性；演示 Airtable 库存管理工具集成案例。是 [[n8n-workflow-orchestration|OpenClaw+n8n 工作流编排]] 的入门前置知识。 **The Agency 贡献指南**（[[contributing_zh-cn]] + [[contributing]] 英文原版）：The Agency 项目贡献者指南——核心贡献方式：①创建全新智能体（8大分类：engineering/design/marketing/product/project-management/testing/support/spatial-computing/specialized）；②优化现有智能体；③分享成功案例；④反馈问题。智能体设计五原则：**鲜明性格**（拒绝通用人设）、**明确交付物**（真实代码/模板）、**可量化指标**、**经过验证的工作流**、**学习记忆机制**。PR 流程包含提交前检查（真实场景测试、遵循模板、补充示例）、社区评审与迭代优化。属 [[Multi-Agent-System-Reliability]] 的智能体设计规范层，为 [[Multi-Agent-Team]] 提供标准化的智能体创建框架。 +**[[multi-agent-team]]**（Multi-Agent Specialized Team — Solo Founder Setup）：Solo Founder 通过多 Agent 专业化团队实现"一人公司"运作的实战方案——4个专业 Agent（Milo 战略lead / Josh 商业分析 / Marketing 内容营销 / Dev 开发）+ 共享记忆 + Telegram 单入口 + 定时任务自动推送。核心洞察：**Agent 个性化**使"和团队对话"比"使用工具"更自然（Milo 自信有魅力、Josh 务实数据驱动）；**共享记忆 + 私有上下文**组合是核心——共同 ground（目标/决策）+ 各积累领域专长；按任务复杂度匹配模型（Claude Opus 做战略、Gemini 做长文本研究、Codex 做实现）；定时主动推送洞察而非被动响应形成价值飞轮。建议从小团队开始（lead + 1 specialist），按瓶颈逐步扩展。属 [[Multi-Agent-System-Reliability]] 的团队协作实践层，与 [[ContentFactory]]（内容创作流水线）和 [[Agents-Orchestrator]]（流水线编排）同属多 Agent 协作模式的不同维度，可结合使用。 **[[AI Citation Strategist]]**（AI Citation Strategist Agent）：专注于 AI 推荐引擎优化（AEO/GEO）的营销 Agent——审计品牌在 ChatGPT、Claude、Gemini、Perplexity 四大 AI 平台上的引用可见性，识别竞争对手被引用的原因，生成 Fix Pack 改善内容信号。与 [[Marketing SEO Specialist]] 互补但独立——传统 SEO 成功不能自动转化为 AI 可见性，AEO 与 SEO 必须作为不同策略对待。核心方法：多平台 Citation Audit Scorecard → Lost Prompt Analysis → 竞品内容结构映射 → Schema markup + 实体信号优化 → Fix Pack 优先级实施。与 [[Marketing Agentic Search Optimizer]] 同属 AI 驱动的内容可见性优化方向。属 [[Multi-Agent-System-Reliability]] 的营销 Agent 设计层。 **[[nexus-spatial-discovery]]**（Nexus Spatial Discovery Exercise）：8个 The Agency 专业 Agent 并行协作完成 AI 空间指挥中心产品完整规划的实战案例——10分钟 wall-clock time 产出完整规划。参与 Agent：产品趋势研究员（市场验证 + Vision Pro 现实核查）、后端架构师（8服务 Rust 架构）、品牌守护者（定义 [[SpatialAIOps]] 新品类）、增长黑客（3阶段 GTM + 增长飞轮）、支持应答者（AI 内嵌空间的差异化支持设计）、UX 研究员（识别调试为杀手级用例）、XR 界面架构师（命令剧院 + 7态节点系统）、项目牧羊人（35周时间线 + 5团队分配）。跨 Agent 独立共识：2D先行（WebXR分发） > VisionOS、品牌 > 调试 > 战情室协作 > 渐进披露。核心张力：Growth Hacker（$29-59）与 Trend Researcher（$99-249）定价分歧待 A/B 测试。属 [[Multi-Agent-System-Reliability]] 的多 Agent 协作规划层实践，展示了并行 Agent 发现可产出连贯、相互引用的完整计划。与 [[Multi-Agent-Team]]（单团队多 Agent 架构）和 [[Agents-Orchestrator]]（流水线编排）同属多 Agent 协作模式的不同维度。 @@ -523,6 +524,8 @@ Covers Claude Code, Claude Code Templates (npx 一键安装 Skills/Agents/MCP vi **Pre-Build Idea Validator**：基于 [[OpenClaw]] + [[idea-reality-mcp]] 的 AI 项目启动前竞争分析门控——在写代码之前自动扫描 GitHub/Hacker News/npm/PyPI/Product Hunt 五个数据源，返回 `reality_signal` 分数（0-100）评估赛道拥挤度：高分数（>70）触发 STOP（展示竞品+询问是否继续/转向），低分数（<30）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。与 [[market-research-product-factory]] 互补：后者挖痛点找方向，前者在动手前验证赛道的竞争密度。 +**Project State Management System**：基于自然语言对话的事件驱动型项目状态管理系统，是 [[Kanban]] 看板的自动化替代方案。核心机制：用 PostgreSQL/SQLite 存储 projects + events + blockers 三张核心表；AI Agent 解析自然语言命令（"完成了 X"/"被 Y 阻塞"/"决定 Z"）自动生成 progress/blocker/decision/pivot 事件，驱动项目状态自动流转；每日 Cron Job 通过 GitHub CLI（gh）扫描过去 24 小时提交并自动关联到项目；每日站会摘要由 AI 自动生成并推送至 Discord/Telegram；Sprint 规划时并行 Spawn Sub-agent 分析各项目状态提供优先级建议。核心价值：**状态由事件序列推导而非手动维护**，可随时回答"项目 X 为什么这样"——等同于重放该项目的所有历史事件。[[EventSourcing]] 是本系统的技术基础，[[ProjectState]] 是核心抽象。与 [[Vibe-Kanban]] 关系：事件驱动管理是看板的进阶形态，Vibe-Kanban 是本地化实验，本系统是其在多渠道集成 + Git 关联 + 每日摘要方向的完整工程实现。 + **Never Write Another Prompt**：基于 YouTube 视频的工具介绍，展示一款将简单描述自动转化为详细结构化提示词的 AI 工具——用户无需具备提示词工程专业知识，只需输入简单描述即可获得专业级提示词，支持变量插入和自定义编辑。与 [[Claude Prompt Library 汇总表]]（现成提示词库）和 [[Nano Banana 提示词框架]]（结构化模板）同属提示词工程的不同路径——本工具侧重自动化生成，后者侧重模板规范。市场上单个专业提示词售价 $100-$500，本工具大幅降低了使用门槛。 **[[清华出的DeepSeek使用手册]]**：清华大学发布的《DeepSeek从入门到精通2025》官方使用指南（104页），由新闻与传播学院元宇宙文化实验室余梦珑博士后及团队撰写。与其他泛化教程不同，该手册强调"授人以渔"——不仅教用户"怎么问"，更教"为什么这么问"，帮助用户掌握提示词底层逻辑。涵盖 DeepSeek-R1 模型选择、提示语设计技巧、避免 AI 幻觉策略等核心内容。与 [[llms-rag-ai-agent-三个到底什么区别]] 同属 AI 工具方法论，但该手册聚焦 DeepSeek 特定实践。来源：[[清华出的DeepSeek使用手册，104页，真的是太厉害了！（免费领取）]] diff --git a/wiki/sources/claude-code调用方法总结.md b/wiki/sources/claude-code调用方法总结.md index 5f5fcb03..d14aaae4 100644 --- a/wiki/sources/claude-code调用方法总结.md +++ b/wiki/sources/claude-code调用方法总结.md @@ -1,50 +1,42 @@ ---- -title: "Claude Code 调用方法总结" -type: source -tags: [] -date: 2026-04-22 ---- - -## Source File -- [[raw/Agent/claude-code调用方法总结]] - -## Summary（用中文描述） -- 核心主题：Hermes Agent 通过 terminal 工具调用 Claude Code 的两种模式及最佳实践 -- 问题域：如何从外部 Agent（如 Hermes）可靠地触发并控制 Claude Code 执行任务 -- 方法/机制：Print Mode（stdin 单次执行）与 TMUX 交互模式两种调用路径；关键参数包括 `--permission-mode bypassPermissions`、`--dangerously-skip-permissions`、`--add-dir`、`--max-turns` -- 结论/价值：明确了何时使用 `claude -p` 而非 `delegate_task`，以及如何正确传递任务、配置 Skill 加载、规避常见坑点 - -## Key Claims（用中文描述） -- Hermes Agent 使用 `terminal` 工具调用 `claude -p` 是调用 Claude Code 的推荐方式 -- `--permission-mode bypassPermissions` 直接设置 bypass 模式，跳过所有交互确认 -- 任务文本通过 stdin（heredoc）传入比命令行参数更可靠，可避免特殊字符转义问题 -- `delegate_task` 调用的是 Hermes 子 Agent（API 调用），无法识别 SKILL.md；当任务需要 Claude Code 技能时应使用 `terminal` 调用 `claude -p` -- Skill 加载只需 `--add-dir <技能目录>`，Claude Code 会自动扫描 SKILL.md 和 `.claude/skills/` 目录 - -## Key Quotes -> "用 `--permission-mode bypassPermissions` 可直接跳过信任目录 + bypass 权限确认两步，不需要额外的 sleep + send-keys 模拟交互。" — 核心参数说明 -> "不写 bypass 参数 → 文件写入被阻塞，任务卡住（优先用 `--permission-mode bypassPermissions`）" — 常见坑点 -> "当任务需要调用 Claude Code 的 skill（如 fireworks-tech-graph）时，应使用 `terminal` 调用 `claude -p`，而非 `delegate_task`" — 结论 - -## Key Concepts -- [[Print Mode]]：通过 `claude -p print` 非交互单次执行模式，适合绝大多数任务 -- [[TMUX 交互模式]]：通过 TMUX 创建持久会话并附加交互，适合超长任务 -- [[bypassPermissions]]：`--permission-mode bypassPermissions` 参数，直接跳过所有权限确认 -- [[Skill 加载]]：`--add-dir` 加载技能目录，自动识别 SKILL.md -- [[delegate_task vs claude -p]]：子 Agent vs 外部 CLI 的本质区别与适用场景 - -## Key Entities -- [[Claude Code]]：Anthropic CLI agent，被调用方 -- [[Hermes]]：主 Agent，通过 terminal 工具调用 Claude Code -- [[TMUX]]：终端多路复用器，用于持久化 Claude Code 交互会话 - -## Connections -- [[Claude Code]] ← 调用方 ← [[Hermes]] -- [[claude-code调用方法总结]] ← 补充 ← [[如何在项目里安装Claude Code Templates Skills]] -- [[claude-code调用方法总结]] ← 对比 ← [[delegate_task vs claude -p]] - -## Contradictions -- 与 [[llm-wiki]] 冲突： - - 冲突点：llm-wiki 中描述的 `delegate_task + acp_command='claude'` 调用 Claude Code 路径 - - 当前观点：AGENTS.md 中说明只有 `provider=copilot-acp` 时 acp 参数才真正建立外部 CLI 通道；普通 `delegate_task` 调用的是 Hermes 子 Agent - - 对方观点：llm-wiki 描述了通过 ACP 协议调用 Claude Code 的方式，可能在特定配置下有效 +--- +title: "Claude Code 调用方法总结" +type: source +tags: [claude-code, hermes, ai-agent, terminal, skill] +date: 2026-04-27 +--- + +## Source File +- [[Agent/claude-code调用方法总结]] + +## Summary（用中文描述） +- 核心主题：Hermes Agent 如何通过 terminal 工具调用 Claude Code CLI，包含两种调用模式和完整的参数说明 +- 问题域：AI Agent 集成与外部工具调用、Claude Code 的程序化调用方式 +- 方法/机制：Print Mode（推荐）和 TMUX 交互模式两种 CLI 调用路径，通过 stdin 传递任务文本，支持 `--permission-mode bypassPermissions` 跳过交互确认 +- 结论/价值：为 Hermes Agent 与 Claude Code 的深度集成提供了标准化调用模板，是使用 Claude Code skill（如 fireworks-tech-graph）的前置知识 + +## Key Claims（用中文描述） +- Hermes 通过 `terminal` 工具调用 Claude Code，有 Print Mode 和 TMUX 交互模式两种方式 +- `--permission-mode bypassPermissions` 可直接跳过信任目录和权限确认两步，比 `--dangerously-skip-permissions` 更可靠 +- Skill 加载只需 `--add-dir <技能所在目录>`，Claude Code 自动扫描 SKILL.md +- `delegate_task` 调用的是 Hermes 子 agent（API），无法使用 Claude Code 的 SKILL.md 能力；当任务需要 Claude Code skill 时必须用 `terminal` 调用 `claude -p` + +## Key Quotes +> "用 `--permission-mode bypassPermissions` 可直接跳过信任目录 + bypass 权限确认两步，不需要额外的 sleep + send-keys 模拟交互" — bypass 模式最简写法 +> "当任务需要调用 Claude Code 的 skill（如 fireworks-tech-graph）时，应使用 `terminal` 调用 `claude -p`，而非 `delegate_task`" — delegate_task 与 terminal 调用的本质区别 + +## Key Concepts +- [[ClaudeCodePrintMode]]：Claude Code 的非交互单次执行模式，通过 `claude -p print` 配合 stdin 传递任务文本，适合绝大多数自动化场景 +- [[ClaudeCodeTerminalIntegration]]：Hermes Agent 通过 terminal 工具调用 Claude Code 的两种集成方式（Print Mode 和 TMUX 交互模式） +- [[SubagentDelegation]]：Hermes Agent 的子 agent 委托机制，通过 API 调用 LLM，无法使用 Claude Code SKILL.md + +## Key Entities +- [[ClaudeCode]]：（Anthropic 官方 CLI 工具）——注意：尚未创建独立 Entity 页面，此处仅作概念标注 + +## Connections +- [[ClaudeCodeTerminalIntegration]] ← 包含 ← [[ClaudeCodePrintMode]] +- [[ClaudeCodeTerminalIntegration]] ← 包含 ← [[TMUX 交互模式]] +- [[ClaudeCodeTerminalIntegration]] ← 依赖 ← [[bypassPermissions]] +- [[SubagentDelegation]] ← 对比 ← [[ClaudeCodePrintMode]] + +## Contradictions +- 无已知冲突 diff --git a/wiki/sources/custom-morning-brief.md b/wiki/sources/custom-morning-brief.md index 3013d193..3b7a6b7d 100644 --- a/wiki/sources/custom-morning-brief.md +++ b/wiki/sources/custom-morning-brief.md @@ -1,44 +1,50 @@ ---- -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 +--- +title: "Custom Morning Brief" +type: source +tags: [] +date: 2026-04-27 +--- + +## Source File +- [[Agent/usecases/custom-morning-brief.md]] + +## Summary（用中文描述） +- 核心主题：OpenClaw AI 代理的"个性化早间简报"工作流——每天定时发送包含新闻、任务、创意内容草稿和 AI 主动建议的完整报告。 +- 问题域：用户最宝贵的时间（早晨）被低效的信息获取消耗；AI 代理夜间闲置造成资源浪费。 +- 方法/机制：定时任务（每日 8:00 AM）+ 消息推送（Telegram/Discord/iMessage）+ 任务管理器集成（Todoist/Apple Reminders/Asana）+ 网络新闻研究 + AI 主动推荐可自主完成的任务。 +- 结论/价值：将夜间空闲时间转化为高效准备时间；完整草稿（非仅标题/想法）才是节省时间的关键；通过自然语言随时定制简报内容。 + +## Key Claims（用中文描述） +- AI 代理夜间主动完成任务（生成草稿、研究新闻），用户醒来即可看到成品——把空闲时间转化为生产力。 +- 完整内容草稿（脚本、邮件、方案）比单纯的想法/标题节省更多时间，醒来就能用。 +- AI 推荐可自主完成的任务是最强大的功能——让 AI 主动思考如何帮助你，而非被动等待指令。 +- 通过发消息给 Bot 自然语言定制简报，无需重新配置——"Add stock prices to my morning brief" 即时生效。 + +## Key Quotes +> "You wake up and spend the first 30 minutes of your day catching up — scrolling news, checking your calendar, reviewing your to-do list, trying to figure out what matters today. What if all of that was already done and waiting for you as a text message?" — 核心愿景描述 +> "Full drafts (not just ideas) are the key to saving time. Wake up to scripts, not suggestions." — 核心价值主张 +> "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." — 最强功能洞察 + +## Key Concepts +- [[ScheduledReport]]：定时推送结构化报告的工作流，区别于按需查询——主动性是核心差异 +- [[ProactiveAI]]：AI 代理主动预测需求、推荐行动，而非被动响应用户指令 +- [[FullDraftGeneration]]：生成可直接使用的完整内容（脚本、邮件、方案），而非仅提供标题/想法 + +## Key Entities +- [[OpenClaw]]：本工作流的承载平台——调度任务、整合工具、生成报告的 AI Agent 框架 +- [[AlexFinn]]：OpenClaw 生活改变级用例视频的创作者，本工作流灵感来源 +- [[Telegram]]：主要消息推送通道之一 +- [[Todoist]]：任务管理器集成选项之一 + +## Connections +- [[MultiChannelAssistant]] ← extends ← [[CustomMorningBrief]] + - 多渠道助理已包含定时提醒能力，本工作流是其"定时主动推送"的具体应用场景 +- [[TodoistTaskManager]] ← depends_on ← [[CustomMorningBrief]] + - 从 Todoist 拉取今日任务列表是简报的任务模块数据源 +- [[SecondBrain]] ← similar_to ← [[CustomMorningBrief]] + - 都是将外部信息聚合后呈现给用户；区别在于 Second Brain 是被动查询，本工作流是主动推送 +- [[ScheduledReminder]] ← similar_to ← [[CustomMorningBrief]] + - 均为定时触发的 AI 推送，但本工作流内容更丰富（新闻+任务+草稿+建议） + +## Contradictions +- 无已知冲突。本工作流与其他定时/推送类工作流为互补或层级扩展关系。 diff --git a/wiki/sources/daily-youtube-digest.md b/wiki/sources/daily-youtube-digest.md index 6b31e918..8f894396 100644 --- a/wiki/sources/daily-youtube-digest.md +++ b/wiki/sources/daily-youtube-digest.md @@ -1,58 +1,47 @@ ---- -title: "Daily YouTube Digest" -type: source -tags: [] -date: 2026-04-22 ---- - -## Source File -- [[Agent/usecases/daily-youtube-digest]] - -## Summary（用中文描述） -- 核心主题：AI Agent 每日 YouTube 频道视频摘要推送——自动获取订阅频道最新视频、提取字幕、生成要点摘要，以 Digest 形式定时送达用户 -- 问题域：YouTube 通知不可靠（算法压制）、刷推荐内容浪费时间、难以系统性追踪感兴趣的创作者更新 -- 方法/机制： - - 通过 [[OpenClaw]] 的 `youtube-full` skill 安装并配置 TranscriptAPI.com API（100 免费积分，无需信用卡） - - AI Agent 定期检查频道最新上传 → 提取字幕 → 摘要 → 发送 Digest - - 支持两种模式：频道列表模式（指定 @TED/@Fireship 等）+ 关键词模式（搜索 "Claude Code"/"AI agents" 等） - - seen-videos.txt 机制避免重复处理 - - `channel/latest` 和 `channel/resolve` API 免费（0 积分），仅字幕抓取收费（1 积分/视频） -- 结论/价值：把算法推荐的被动消费（doom-scrolling）转变为系统化的主动学习，用 AI 把"没时间看视频"变成"每天花 10 分钟获取精华" - -## Key Claims（用中文描述） -- YouTube 通知不可靠：订阅频道的新视频不会出现在通知或首页推荐中，被算法压制 -- 每日 Digest 是对抗信息过载的有效策略：不是每条视频都值得看，但值得知道它们的存在 -- TranscriptAPI.com 优于 yt-dlp：纯 HTTP API、无二进制依赖、跨平台可靠、支持缓存、不易被 YouTube 封禁 -- 频道检查（channel/latest）完全免费，只需在有字幕的感兴趣视频上花费积分 -- 已存在商业产品：Recapio - Daily YouTube Recap（recapio.com） - -## Key Quotes -> "You subscribe to channels, but their new videos never show up in your home feed. They're not in notifications. They just... disappear." — 痛点描述 -> "It's fun to start the day with curated content insights instead of doom-scrolling a recommendation feed." — 价值主张 -> "This way you never waste credits re-fetching videos you've already seen." — 避免重复处理 - -## Key Concepts -- [[Daily-Digest]]：定时将多个信息源的最新内容打包推送给用户的模式，替代实时通知的碎片化消费 -- [[Transcript-Based Summarization]]：通过视频字幕提取 + AI 摘要实现视频内容的结构化处理，绕过长视频消费的"没时间"困境 -- [[Channel-Based Monitoring]]：以订阅频道为单位跟踪新内容，而非依赖平台推荐算法 -- [[Keyword-Based Monitoring]]：以关键词为触发条件搜索新内容，适合跟踪特定主题或竞品动态 -- [[Credit-Efficient Processing]]：优化 API 调用策略（免费检查优先、按需付费摘要），降低 AI 消费成本 - -## Key Entities -- [[OpenClaw]]：多 Agent 框架，支持持久记忆和工作流编排，运行 youtube-full skill -- [[ClawHub]]（clawhub.ai）：OpenClaw skill 市场，托管 youtube-full 等 Agent 技能包 -- [[TranscriptAPI.com]]：YouTube 字幕 API 服务商（YouTubeToTranscript.com 的背后技术），提供 HTTP API 替代 CLI 工具，100 免费积分 -- [[Recapio]]：商业竞品产品，提供 Daily YouTube Recap 功能（recapio.com） - -## Connections -- [[OpenClaw]] ← runs ← [[youtube-full skill]] -- [[youtube-full skill]] ← uses ← [[TranscriptAPI.com]] -- [[Daily YouTube Digest]] ← similar_to ← [[multi-source-tech-news-digest]] -- [[Daily YouTube Digest]] ← extends ← [[second-brain]] (信息摄入层) - -## Contradictions -- 与 [[实战笔记-本地部署-rsshub-并获取-youtube-订阅]] 可能存在重叠： - - 冲突点：两者都提供 YouTube 订阅内容追踪 - - 当前观点（Daily YouTube Digest）：AI Agent 自动抓字幕 + 摘要，主动推送 Digest - - 对方观点（RSSHub）：通过 RSS 标准协议追踪更新，适合工作流集成（n8n），无 AI 摘要 - - 补充：RSSHub 方案适合被动监控；AI Digest 方案适合主动学习，两者互补 +--- +title: "Daily YouTube Digest" +type: source +tags: [] +date: 2026-04-27 +--- + +## Source File +- [[Agent/usecases/daily-youtube-digest.md]] + +## Summary（用中文描述） +- 核心主题：AI Agent 每日自动抓取订阅频道新视频，通过 TranscriptAPI 获取字幕并生成摘要，定时推送个性化简报 +- 问题域：YouTube 算法推送不靠谱，订阅频道的新视频经常被淹没；用户想每天用精选内容洞察开启新的一天，而不是刷推荐流浪费时间 +- 方法/机制：youtube-full skill → channel/latest 检查新视频（免费）→ TranscriptAPI 获取字幕（1 credit/条）→ AI 摘要生成 → 定时/按需推送 +- 结论/价值：TranscriptAPI 比 yt-dlp 更适合 Agent 环境（无日志洪水、跨平台兼容、防封禁）；仅检查新上传免费，生成摘要才消耗积分 + +## Key Claims（用中文描述） +- YouTube 通知系统不可靠，订阅频道的新视频经常被算法埋没，用户实际上想看但看不到 +- 每日用精选内容洞察开启一天，比刷推荐信息流更有价值 +- channel/latest 和 channel/resolve 完全免费（0 credit），仅生成摘要才消耗积分 +- TranscriptAPI 相比 yt-dlp 在 Agent 场景下优势明显：无日志洪水、支持云端/本地、支持全部平台、防封禁 + +## Key Quotes +> "You subscribe to channels, but their new videos never show up in your home feed. They're not in notifications. They just... disappear." — YouTube 通知系统的核心痛点 +> "That's it. The agent handles the rest — including account creation and API key setup." — OpenClaw 自动化安装的承诺 + +## Key Concepts +- [[DailyDigest]]：定时推送的个性化内容摘要，本文档的核心概念 +- [[ContentCuration]]：内容策展，从海量信息中精选符合用户兴趣的高价值内容 + +## Key Entities +- [[OpenClaw]]：运行 AI Agent 的平台，youtube-full skill 的宿主 +- [[TranscriptAPI]]：字幕获取 API，比 yt-dlp 更适合 Agent 环境，提供干净 JSON 响应和全球缓存服务 +- [[YouTube]]：视频内容来源，支持通过频道 handle 或关键词搜索 +- [[Recapio]]：商业竞品产品，提供每日 YouTube 摘要功能 + +## Connections +- [[YouTube Content Pipeline]] ← extends ← [[Daily YouTube Digest]] +- [[Multi-Source Tech News Digest]] ← similar_to ← [[Daily YouTube Digest]] +- [[YouTube Content Pipeline]] ← uses ← [[TranscriptAPI]] + +## Contradictions +- 与 [[Multi-Source Tech News Digest]] 功能重叠但互补： + - 冲突点：两者都提供每日内容摘要 + - 当前观点：Daily YouTube Digest 专注 YouTube 视频内容，通过 TranscriptAPI 获取深度字幕摘要 + - 对方观点：Multi-Source Tech News Digest 覆盖多来源（RSS/博客/新闻），范围更广但深度较浅 + - 共存建议：两者可并行使用，YouTube 视频适合深度学习场景，多来源摘要适合快速扫读 diff --git a/wiki/sources/earnings-tracker.md b/wiki/sources/earnings-tracker.md index aaf113a9..e2d39125 100644 --- a/wiki/sources/earnings-tracker.md +++ b/wiki/sources/earnings-tracker.md @@ -1,42 +1,46 @@ ---- -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 +--- +title: "AI-Powered Earnings Tracker" +type: source +tags: [] +date: 2026-04-27 +--- + +## Source File +- [[Agent/usecases/earnings-tracker.md]] + +## Summary（用中文描述） +- 核心主题：AI Agent 自动追踪科技公司财报并生成摘要推送至 Telegram +- 问题域：财报季人工查阅多个来源、记忆财报日期的繁琐工作 +- 方法/机制：OpenClaw Cron Job 定时扫描财报日历 → 用户筛选 → 单次定时任务在财报发布后自动搜索结果并生成摘要 → Telegram 推送 +- 结论/价值：把被动查财报变成主动推送，解放人工重复劳动 + +## Key Claims（用中文描述） +- OpenClaw 通过 Cron Job 实现每周自动扫描财报日历并推送预览 +- 用户选择要追踪的公司后，OpenClaw 为每家公司创建一次性定时任务 +- 财报发布后，OpenClaw 自动搜索结果并生成包含 Beat/Miss、关键指标、AI亮点的结构化摘要 +- 定时任务保留用户追踪偏好记忆，下次自动建议 + +## Key Quotes +> "Every Sunday at 6 PM, run a cron job to: 1. Search for the upcoming week's earnings calendar for tech and AI companies 2. Filter for companies I care about (NVDA, MSFT, GOOGL, META, AMZN, TSLA, AMD, etc.) 3. Post the list to my Telegram 'earnings' topic" — OpenClaw 每周预览 Prompt 示例 + +## Key Concepts +- [[Cron-Job]]：定时任务机制，用于定期扫描财报日历和单次执行财报结果搜索 +- [[AI-Agent]]：OpenClaw 作为 AI Agent 驱动整个追踪流程——搜索、筛选、格式化、推送 +- [[Telegram-Topic]]：Telegram Topic 作为财报更新专用的信息隔离通道 + +## Key Entities +- [[OpenClaw]]：AI Agent 平台，提供 Cron Job 支持和 Telegram 集成，是本工作流的核心引擎 +- [[NVDA]]（英伟达）：用户通常追踪的科技公司之一，AI/芯片行业代表 +- [[MSFT]]（微软）：用户通常追踪的科技公司之一 +- [[GOOGL]]（谷歌）：用户通常追踪的科技公司之一 +- [[META]]（Meta）：用户通常追踪的科技公司之一 +- [[AMZN]]（亚马逊）：用户通常追踪的科技公司之一 +- [[TSLA]]（特斯拉）：用户通常追踪的科技公司之一 +- [[AMD]]（超威半导体）：用户通常追踪的科技公司之一 + +## Connections +- [[Daily-YouTube-Digest]] ← similar_pattern ← [[Earnings-Tracker]]（同为 Cron Job + Telegram 推送模式） +- [[Custom-Morning-Brief]] ← similar_pattern ← [[Earnings-Tracker]]（同为定时主动推送 + 用户确认模式） + +## Contradictions +- 无已知冲突 diff --git a/wiki/sources/event-guest-confirmation.md b/wiki/sources/event-guest-confirmation.md index 2e056214..4f761cd4 100644 --- a/wiki/sources/event-guest-confirmation.md +++ b/wiki/sources/event-guest-confirmation.md @@ -1,48 +1,49 @@ ---- -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 +--- +title: "Event Guest Confirmation" +type: source +tags: [] +date: 2026-04-27 +--- + +## Source File +- [[Agent/usecases/event-guest-confirmation]] + +## Summary（用中文描述） +- 核心主题：使用 OpenClaw + SuperCall 插件实现活动嘉宾自动电话确认 +- 问题域：活动筹备、嘉宾管理、电话外呼自动化 +- 方法/机制：通过 SuperCall（独立语音 Agent）逐个拨打嘉宾电话，AI 以活动协调员人设与嘉宾对话，确认出席、收集饮食需求、Plus-One 等信息，通话结束后汇总报告 +- 结论/价值：相比短信/手动拨号，AI 电话显著提升响应率；沙箱化设计保障隐私安全 + +## Key Claims（用中文描述） +- SuperCall 相比内置 voice_call 插件更安全：通话另一端无法操控或访问用户 Agent，无提示注入或数据泄露风险 +- 沙箱化语音 Agent 每次通话独立重置，不会产生对话间的上下文污染，适合批量拨打 +- AI 电话比短信/手动拨号响应率高，适合 20+ 嘉宾的大型活动确认 +- 通话产生 Twilio 费用，大规模嘉宾列表需在 Twilio 账户设置用量限制 + +## Key Quotes +> "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). It cannot access your gateway agent, your files, your other tools, or anything else." — 强调 SuperCall 的沙箱隔离特性 + +> "Because the AI is scoped to a single focused task (confirm attendance), it stays on-topic and handles the call more naturally than a general-purpose voice agent would." — 专用 vs 通用语音 Agent 的对比 + +## Key Concepts +- [[SuperCall]]：OpenClaw 的独立语音 Agent 插件，通过 Twilio + OpenAI GPT-4o Realtime API 实现来电外呼；每次通话沙箱隔离，不访问用户主 Agent +- [[Sandboxed Persona]]：SuperCall 中 AI 通话人设的概念；仅持有提供的上下文（人设名、目标、开场白），与主 Agent 完全隔离 +- [[Batch Phone Call]]：批量外呼模式；SuperCall 逐个拨打嘉宾列表，通话结束后汇总出席/拒绝/未接状态 +- [[Twilio]]：电话外呼基础设施；提供电话号码和通话分钟数，是 SuperCall 的底层通信依赖 + +## Key Entities +- [[OpenClaw]]：主 Agent 平台，SuperCall 插件的宿主；通过对话指令触发批量电话拨打 +- [[xonder]]（SuperCall 开发者）：SuperCall 插件的作者，插件托管于 ClawHub + +## Connections +- [[Phone Call Notifications]] ← related_to ← [[Event Guest Confirmation]] +- [[Phone-Based Personal Assistant]] ← related_to ← [[Event Guest Confirmation]] +- [[OpenClaw]] ← uses ← [[SuperCall]] +- [[SuperCall]] ← depends_on ← [[Twilio]] +- [[SuperCall]] ← depends_on ← [[OpenAI Realtime API]] + +## Contradictions +- 与 [[Phone Call Notifications]] 可能的冲突： + - 冲突点：两者都涉及电话功能，但 Phone Call Notifications 更偏向通知提醒，本文档偏向主动外呼确认 + - 当前观点：Event Guest Confirmation 专注于活动嘉宾确认场景，强调 SuperCall 的沙箱安全设计 + - 对方观点：Phone Call Notifications 可能使用通用 voice_call 插件，缺乏沙箱隔离机制 diff --git a/wiki/sources/meeting-notes-action-items.md b/wiki/sources/meeting-notes-action-items.md index 06447be1..761f02fb 100644 --- a/wiki/sources/meeting-notes-action-items.md +++ b/wiki/sources/meeting-notes-action-items.md @@ -1,55 +1,59 @@ ---- -title: "Automated Meeting Notes & Action Items" -type: source -tags: [] -date: 2026-04-22 ---- - -## Source File -- [[Agent/usecases/meeting-notes-action-items.md]] - -## Summary（用中文描述） -- 核心主题：AI Agent 自动将会议录音转录文本转换为结构化会议记录，并自动在项目管理工具中创建待办任务 -- 问题域：会议记录人工整理耗时（20+分钟）、行动项容易遗忘、任务分配缺乏追踪机制 -- 方法/机制：监听会议转录文本来源 → 提取关键决策和行动项 → 自动创建 Jira/Linear/Todoist/Notion 任务 → 发送 Slack/Discord 摘要 → 截止日前自动提醒 -- 结论/价值：**自动创建任务**比摘要本身更有价值，无法转化为追踪任务的会议记录只是"文档剧场" - -## Key Claims（用中文描述） -- AI Agent 通过消除"已讨论"到"已追踪"之间的Gap，提升团队协作效率 -- 转录文本来源可以是 Otter.ai 导出、Google Meet 转录、Zoom 录制摘要或直接粘贴文本 -- 真正的价值不在摘要，而在于**自动任务创建**——会议记录如果不变成可追踪的任务，只是"文档剧场" -- VTT/SRT 字幕文件（Zoom/Google Meet 导出）因包含时间戳而更适合作为输入，可帮助 Agent 区分发言人 -- 应采用渐进式自动化：先从"粘贴转录文本 → 获取摘要"开始，逐步扩展到文件夹监听和 API 集成 - -## Key Quotes -> "Meeting notes that don't become tracked tasks are just documentation theater." — 核心洞察 -> "Start simple (paste transcript, get summary) and automate incrementally. Don't over-engineer the pipeline before validating the output quality." — 实施建议 -> "VTT/SRT subtitle files from Zoom or Google Meet work great as input — they include timestamps which help the agent attribute statements to speakers." — 输入格式建议 - -## Key Concepts -- [[MeetingNotes]]：会议记录的 AI 自动化生成，包括摘要提取、关键决策识别、行动项抽取 -- [[ActionItemTracking]]：从会议记录中识别并追踪分配给特定人员的待办事项 -- [[TaskAutomation]]：通过 AI Agent 自动在项目管理工具（Jira/Linear/Todoist/Notion）中创建任务 -- [[TranscriptProcessing]]：处理会议转录文本，包括 VTT/SRT 格式解析和发言人识别 - -## Key Entities -- [[Jira]]：Atlassian 项目管理工具，支持通过 REST API 创建任务，Agent 将会议行动项自动同步到 Jira -- [[Linear]]：现代项目管理工具，提供 GraphQL API，Agent 将行动项自动同步到 Linear 项目 -- [[Todoist]]：个人/团队任务管理工具，Agent 将个人会议行动项自动添加到 Todoist -- [[Notion]]：多功能协作工具，支持数据库操作，Agent 将会议摘要和行动项写入 Notion 页面 -- [[Otter.ai]]：AI 会议转录服务，提供 API 导出转录文本，作为 Agent 的会议输入来源 -- [[Fireflies.ai]]：AI 会议助手，自动记录和转录会议，作为 Agent 的会议输入来源 -- [[Slack]]：团队沟通平台，Agent 通过 Incoming Webhook 将会议摘要发布到指定频道 -- [[Discord]]：社区/团队沟通平台，Agent 将会议摘要发送到服务器频道 - -## Connections -- [[MeetingNotes]] ← depends_on ← [[TranscriptProcessing]] -- [[ActionItemTracking]] ← extends ← [[Todoist Task Manager]] -- [[TaskAutomation]] ← uses ← [[Jira]], [[Linear]], [[Todoist]], [[Notion]] -- [[MeetingNotes]] ← uses ← [[Otter.ai]], [[Fireflies.ai]] - -## Contradictions -- 与 [[todoist-task-manager]] 可能存在重叠： - - 冲突点：两者都涉及 Todoist 任务管理，但侧重不同 - - 当前观点：[[MeetingNotes]] 专注于从会议转录自动提取行动项后创建任务 - - 对方观点：[[todoist-task-manager]] 侧重于通用的 Todoist 任务管理和提醒设置 +--- +title: "Automated Meeting Notes & Action Items" +type: source +tags: [agent-use-case, productivity, automation, task-management] +date: 2026-04-27 +--- + +## Source File +- [[Agent/usecases/meeting-notes-action-items.md]] + +## Summary（用中文描述） +- 核心主题：AI Agent 将会议转录文本自动转换为结构化笔记，并自动在项目管理系统中创建任务 +- 问题域：会议笔记繁琐耗时（20+ 分钟），行动项常被遗忘或埋没在聊天记录中，导致"讨论了但未追踪" +- 方法/机制：监控转录来源 → LLM 提取关键决策和行动项 → Jira/Linear/Todoist API 创建任务 → Slack/Discord 发布摘要 → Cron Job 截止日前提醒 +- 结论/价值：真正的价值不在摘要，而在于**自动任务创建**——不转化为可追踪任务的会议笔记只是"文档表演" + +## Key Claims（用中文描述） +- AI Agent 消除"讨论了"到"已追踪"之间的鸿沟——会议结束的瞬间，任务已分配给责任人 +- 自动任务创建是会议笔记 Agent 的核心价值——会议笔记若不转化为可追踪任务，只是"文档表演" +- 会议记录的价值不在摘要本身，而在于将行动项自动录入项目管理系统 +- Zoom/Google Meet 的 VTT/SRT 字幕文件是理想输入格式——自带时间戳，可帮助 Agent 准确归属发言内容 +- 从简单开始（粘贴转录文本→获取摘要），逐步自动化，不要在验证输出质量前过度工程化 + +## Key Quotes +> "Meeting notes that don't become tracked tasks are just documentation theater." — 会议笔记 Agent 的核心价值主张 + +> "The real value isn't in the summary — it's in the automatic task creation." — 自动任务创建是核心，摘要是副产品 + +> "Start simple (paste transcript, get summary) and automate incrementally. Don't over-engineer the pipeline before validating the output quality." — 推荐实施路径 + +## Key Concepts +- [[AI-Driven Task Extraction]]：从非结构化文本（会议转录）中自动提取任务要素（做什么/谁负责/截止日期）并创建结构化任务 +- [[Task Automation Pipeline]]：自然语言输入 → 结构化解析 → API 调用 → 结果确认 → 持续追踪的完整流水线 +- [[Meeting-to-Task Workflow]]：会议结束 → 自动提取行动项 → 在项目管理系统中创建任务 → 分配责任人 → 截止日提醒 +- [[Recurring Tasks]]：截止日提醒机制——在截止日前通过 Slack 主动 ping assignee +- [[DocumentationTheater]]：（隐含反讽概念）仅产出文档但无实际追踪效果的会议笔记 + +## Key Entities +- [[Otter.ai]]：会议转录服务，提供自动语音转文字和导出功能，是本 Agent 的转录来源之一 +- [[Jira]]：Atlassian 项目管理工具，Agent 可通过 REST API 为每个行动项创建 ticket 并分配责任人 +- [[Linear]]：现代项目管理系统，提供 GraphQL API，Agent 可直接创建 Issue 并关联团队成员 +- [[Todoist]]：跨平台任务管理工具，支持自然语言截止日期设置 +- [[Notion]]：文档+数据库平台，Agent 可在 Notion Database 中创建任务页面 +- [[Slack]]：团队协作工具，Agent 发布会议摘要到指定频道，让全团队有记录 +- [[Discord]]：团队沟通平台（可替代 Slack），Agent 发布会议摘要到指定频道 + +## Connections +- [[Todoist Task Manager]] ← extends ← [[Meeting Notes Action Items]]：会议场景下的任务管理扩展，两者共享 AI 驱动的任务提取能力 +- [[Meeting Notes Action Items]] ← uses ← [[Otter.ai]]：Otter.ai 的会议转录作为 Agent 的输入数据源 +- [[Meeting Notes Action Items]] ← creates_tasks_in ← [[Jira]]：会议行动项 → Jira ticket → 分配责任人 +- [[Meeting Notes Action Items]] ← creates_tasks_in ← [[Linear]]：会议行动项 → Linear Issue → 分配责任人 +- [[Meeting Notes Action Items]] ← posts_summary_to ← [[Slack]]：会议摘要 → Slack 频道 → 全团队可见 +- [[AI-Driven Task Extraction]] ← feeds ← [[Meeting Notes Action Items]]：会议场景下的具体任务提取实现 + +## Contradictions +- 与 [[Todoist Task Manager]] 互补而非冲突： + - 冲突点：无实质性冲突，两者关注点不同 + - 当前观点：[[Todoist Task Manager]] 侧重于"随时随地通过自然语言创建任务"；[[Meeting Notes Action Items]] 侧重于"从会议转录中自动提取和创建任务" + - 对方观点：两者可以结合使用——会议行动项自动录入 Todoist，实现"会议即任务"闭环 diff --git a/wiki/sources/multi-agent-team.md b/wiki/sources/multi-agent-team.md index 64c75aca..bcfd3e85 100644 --- a/wiki/sources/multi-agent-team.md +++ b/wiki/sources/multi-agent-team.md @@ -1,63 +1,59 @@ ---- -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 +--- +title: "Multi-Agent Specialized Team (Solo Founder Setup)" +type: source +tags: [multi-agent, solo-founder, telegram, openclaw, team-automation] +date: 2026-04-27 +--- + +## Source File +- [[Agent/usecases/multi-agent-team.md]] + +## Summary（用中文描述） +- 核心主题：Solo Founder 如何通过多 Agent 专业化团队实现"一人公司"运作 +- 问题域：单人创业者的角色切换成本、知识孤岛、无法专注深度工作 +- 方法/机制：4 个专业化 Agent（Milo 战略lead、Josh 商业分析、Marketing 内容营销、Dev 开发）+ 共享记忆 + Telegram 单入口 + 定时任务 +- 结论/价值：Agent 个性化比想象中更重要；共享记忆 + 私有上下文组合是关键；按任务复杂度选模型；定时任务形成飞轮；从小团队开始（lead + 1 specialist） + +## Key Claims（用中文描述） +- 单个 Agent 无法同时处理战略、代码、营销、商业分析而不导致上下文耗尽：上下文切换摧毁深度工作 +- 通用 prompt 产生通用输出：编码 Agent 不应同时负责营销文案 +- Agent 个性化（名字 + 沟通风格）使"和团队对话"比"使用工具"更自然 +- 共享记忆 + 私有上下文组合是核心：共同ground（目标/决策） + 各自积累领域专业 +- 按任务复杂度匹配模型能力：不要用贵的推理模型做关键词监控 +- 定时主动推送洞察而非被动响应是价值飞轮：真正的价值在 Agent 主动浮现洞察 +- 从 2 个 Agent 而非 4 个开始：lead + 一个 specialist，然后按瓶颈扩展 + +## Key Quotes +> "A real small team available 24/7." — Trebuh，描述他用 4 个 OpenClaw Agent 组成的团队 + +> "Personality matters more than you'd think." — OpenClaw Showcase，用户反馈 Agent 个性化使交互更自然 + +> "Right model for the right job." — OpenClaw Showcase，不要用昂贵推理模型做简单任务 + +## Key Concepts +- [[SharedMemory]]：团队共享的项目文档、目标、关键决策，所有 Agent 均可访问 +- [[PrivateContext]]：每个 Agent 维护自己的对话历史和领域特定笔记 +- [[SingleControlPlane]]：通过单一 Telegram 群组控制所有 Agent，按 @tag 分发 +- [[ScheduledTask]]：Agent 主动在后台执行定时任务（每日 standup、内容推送、监控） +- [[ChainedAgents]]：（相关——多 Agent 流水线与本场景的链式执行模式类似） + +## Key Entities +- [[OpenClaw]]：本方案的技术基础框架，支持多 Agent 管理和 Telegram 集成 +- [[Telegram]]：单一控制平面的消息通道 +- [[Milo]]：战略 Lead Agent，由 Trebuh 创建，个性自信、有大局观、有魅力 +- [[Josh]]：商业分析 Agent，个性务实、直击要点、数据驱动 +- [[Trebuh]]：Solo Founder，OpenClaw 多 Agent 团队的首创实践者 +- [[Claude]]：Agent 所使用的模型之一（Milo/Dev Agent） +- [[Gemini]]：Agent 所使用的模型之一（Marketing Agent） + +## Connections +- [[ContentFactory]] ← extends ← [[Multi-AgentTeam]] +- [[n8n]] ← integrates ← [[Multi-AgentTeam]]（n8n 做工作流编排） +- [[Telegram]] ← controls ← [[Multi-AgentTeam]] + +## Contradictions +- 与 [[ContentFactory]]（Multi-Agent Content Factory）： + - 冲突点：是否需要流水线式链式处理 + - 当前观点（本页面）：多 Agent 按角色分工，通过共享记忆协调，强调 Agent 独立性和主动性 + - 对方观点：多 Agent 按内容处理阶段链式执行，强调自动化流水线 + - 说明：两者实为互补——ContentFactory 是内容创作流水线，本页面是团队管理架构，可以结合使用 diff --git a/wiki/sources/multi-channel-assistant.md b/wiki/sources/multi-channel-assistant.md index 64c10d4c..d3bc7697 100644 --- a/wiki/sources/multi-channel-assistant.md +++ b/wiki/sources/multi-channel-assistant.md @@ -1,52 +1,47 @@ ---- -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。 +--- +title: "Multi-Channel Personal Assistant" +type: source +tags: [] +date: 2026-04-27 +--- + +## Source File +- [[Agent/usecases/multi-channel-assistant.md]] + +## Summary（用中文描述） +- 核心主题：通过单一 AI 助手统一管理多平台工具（Telegram / Slack / Google Workspace / Todoist / Asana），消除应用间切换损耗 +- 问题域：个人效率工具碎片化——任务、日历、邮件、团队协作分布在多个独立应用中 +- 方法/机制：Telegram Topic 分话题路由（config / updates / video-ideas / personal-crm / earnings / knowledge-base）+ OpenClaw 配置层统一连接所有工具 + Prompt 指令层做意图分发 +- 结论/价值：用单入口 + 上下文路由替代多 app 切换，实现"说一句，AI 调动所有工具" + +## Key Claims（用中文描述） +- Telegram Topic 路由：单一 Telegram bot 通过话题（topic）隔离不同上下文，实现"同一入口，不同工作流" +- 工具统一配置：OpenClaw 作为配置中心，一次配置 Google OAuth / Slack / Todoist / Asana，后续通过 Prompt 指令统一调用 +- 意图分发层：Prompt 定义规则——"添加任务 → Todoist"、"创建卡片 → Asana"、"发邮件 → gog gmail"、"上传文件 → gog drive" +- 定时自动化：Cron 驱动的主动提醒（如周一 18:00 提醒倒垃圾、周五 15:00 提醒写周报） + +## 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 + +## Key Concepts +- [[TopicRouting]]：通过 Telegram topic（或类似的消息频道分区）实现单一入口内的上下文隔离，避免多 bot 混乱 +- [[ToolOrchestration]]：通过统一配置层（OpenClaw）集中管理多工具认证和 API，将工具调用逻辑从业务逻辑中解耦 +- [[IntentDrivenRouting]]：Prompt 层定义"意图 → 工具"的映射规则，AI 根据用户输入自动路由到对应工具 +- [[Scheduled-Reminder]]：定时触发的主动提醒机制，在预设时间由 AI Agent 主动推送通知（如周一 18:00 提醒倒垃圾），区别于被动查询 + +## Key Entities +- [[OpenClaw]]：多工具统一配置和编排层（本文档的主要实现框架） +- [[Telegram]]：作为主交互界面，支持 Topic 分话题路由 +- [[Slack]]：团队协作集成（任务分配、知识库保存、视频创意触发） +- [[Todoist]]：快速任务捕获工具 +- [[Asana]]：项目管理工具 +- Google Workspace（Gmail / Calendar / Drive）：通过 [[gog]] CLI 统一集成，由 OpenClaw Prompt 指令层调用 +- [[gog]]：Google Workspace CLI 工具，用于日历/邮件/云端硬盘操作（gog.md 实体页面） + +## Connections +- [[multi-agent-team]] ← shares_pattern ← [[multi-channel-assistant]]（后者是单入口多工具路由的实践案例，可作为前者的基础设施层参考） +- [[knowledge-base-rag]] ← enabled_by ← [[multi-channel-assistant]]（knowledge-base topic 作为 RAG 知识库的入口） +- [[phone-based-personal-assistant]] ← extends ← [[multi-channel-assistant]]（前者是手机语音扩展，后者是桌面聊天入口） + +## Contradictions +- 与 [[personal-crm]]：两者都涉及联系人管理，但 [[personal-crm]] 侧重联系人发现和关系维护，[[multi-channel-assistant]] 侧重通过 personal-crm topic 路由联系人查询请求——前者是数据层，后者是交互层，无实质冲突 diff --git a/wiki/sources/n8n-full-tutorial-building-ai-agents-in-2025-for-beginners.md b/wiki/sources/n8n-full-tutorial-building-ai-agents-in-2025-for-beginners.md index d9c1701e..91865b5d 100644 --- a/wiki/sources/n8n-full-tutorial-building-ai-agents-in-2025-for-beginners.md +++ b/wiki/sources/n8n-full-tutorial-building-ai-agents-in-2025-for-beginners.md @@ -1,53 +1,50 @@ ---- -title: "N8N Full Tutorial Building AI Agents in 2025 for Beginners!" -type: source -tags: [ai, ai-agent, n8n, tutorial] -date: 2025-03-06 -sources: [] -last_updated: 2026-04-23 ---- - -## Source File -- [[Agent/n8n full tutorial building AI agents in 2025 for Beginners!.md]] - -## Summary（用中文描述） -- 核心主题：使用 N8N 平台构建 AI Agent 的完整入门教程 -- 问题域：AI Agent 开发平台、工作流自动化、AI 与数据库集成 -- 方法/机制：N8N 五类节点系统（Trigger/Action/Utility/Code/Advanced AI）、Agent 记忆机制、外部工具集成（Airtable）、Workflow 与 Agent 的区别 -- 结论/价值：N8N 提供低门槛可视化界面，使初学者能够通过动态工具选择和上下文记忆构建有状态的 AI Agent 系统 - -## Key Claims（用中文描述） -- N8N 平台通过五类节点（触发节点、动作节点、工具节点、代码节点、高级 AI 节点）的组合，使构建 AI Agent 变得直观可控 -- Agentic System（智能体系统）将 Workflow 的可预测性与 Agent 的动态工具选择能力结合，实现能根据用户输入自适应响应的 AI 应用 -- 记忆（Memory）机制是 AI Agent 与传统自动化 Workflow 的关键区别，使 Agent 能够保留对话上下文 -- 外部工具集成（如 Airtable）扩展了 AI Agent 的能力边界，使其能够读写真实业务数据 - -## Key Quotes -> "Agentic systems consist of agents and workflows, where agents dynamically select tools for user requests." — 教程核心定义 - -> "By retaining context from previous interactions, agents can provide more coherent and relevant responses." — 记忆机制的价值 - -## Key Concepts -- [[Agentic System]]：由 Agent 和 Workflow 组成的智能系统，Agent 能根据用户请求动态选择工具 -- [[AI Agent Memory]]：AI Agent 的上下文保持机制，使对话具有连续性 -- [[N8N Node Types]]：N8N 平台的五类节点（Trigger、Action、Utility、Code、Advanced AI） -- [[Workflow vs Agent]]：传统自动化 Workflow（预定义输出）vs AI Agent（动态决策）的本质区别 - -## Key Entities -- [[n8n]]：开源工作流自动化平台，支持 AI Agent 构建，提供可视化节点编辑界面 -- [[AI Foundations]]：AI 学习和协作社区，提供本教程及后续进阶资源 -- [[Airtable]]：云端数据库平台，教程中作为 Agent 的外部工具集成示例 - -## Connections -- [[n8n + Claude：通过自然语言自动化工作流]] ← extends ← [[本教程]] -- [[使用Claude自动生成N8N工作流的实操教程]] ← related_to ← [[本教程]] -- [[n8n-workflow-orchestration]] ← related_to ← [[本教程]] -- [[n8n调用hermes-agents的工作流架构]] ← related_to ← [[本教程]] -- [[n8n-调用openclaw-agents的工作流架构]] ← related_to ← [[本教程]] - -## Contradictions -- 与 [[n8n + Claude：通过自然语言自动化工作流]] 的潜在差异： - - 冲突点：Claude 生成 N8N 工作流的自动化程度 - - 当前观点（本教程）：N8N 适合作为独立 AI Agent 平台，通过记忆机制和工具集成实现复杂自动化 - - 对方观点：Claude 可通过 n8n-mcp 理解 543 个 N8N 节点并自动生成工作流，完成度约 80%-90% - - 说明：两者互补——教程提供手动构建基础，Claude 工具提供自动化加速 +--- +title: "N8N Full Tutorial Building AI Agents in 2025 for Beginners!" +type: source +tags: [ai, ai-agent, n8n, tutorial] +date: 2025-03-06 +--- + +## Source File +- [[Agent/n8n full tutorial building AI agents in 2025 for Beginners!.md]] + +## Summary（用中文描述） +- 核心主题：使用 N8N 平台构建 AI Agent 的入门教程 +- 问题域：AI Agent 开发与工作流自动化 +- 方法/机制：通过 N8N 的可视化节点编辑器和 LLM 驱动的 Agent 节点，构建可动态选择工具的智能体系统；教程涵盖节点分类、工具集成、记忆管理和数据库交互 +- 结论/价值：N8N 将传统工作流的确定性与 AI Agent 的灵活性结合，是零代码/低代码构建 AI 自动化应用的理想平台，适合初学者快速上手 + +## Key Claims（用中文描述） +- N8N 通过可视化界面降低了 AI Agent 构建门槛，无需深厚编程背景 +- Agentic System（智能体系统）将工作流（Workflow）与 Agent 结合，实现动态工具选择与适应性响应 +- 五类节点（触发节点、动作节点、工具节点、代码节点、AI Agent 节点）是构建有效 AI 自动化的基础 +- 记忆模块（Memory）使 Agent 能够保留上下文，显著提升对话连贯性和用户体验 +- 集成 Airtable 等外部工具后，Agent 可实现库存查询和实时数据更新等真实业务场景 + +## Key Quotes +> "Agentic systems consist of agents and workflows, where agents dynamically select tools for user requests." — 核心定义 +> "N8N is designed for ease of use, offering a visual interface that simplifies the workflow creation process." — 平台特点 +> "Implementing memory within AI agents is a game-changer for user interaction. By retaining context from previous interactions, agents can provide more coherent and relevant responses." — 记忆的价值 +> "Integrating external tools like Airtable into the N8N workflows vastly expands the capabilities of AI agents." — 工具集成的重要性 + +## Key Concepts +- [[Agentic System]]：由 Agent 和工作流组成的智能体系统，Agent 能根据用户输入动态选择工具并生成输出，区别于预定义、输出恒定的工作流 +- [[Workflow]]：预定义的自动化流程，按照固定逻辑执行，产生一致的输出 +- [[N8N Node Types]]：N8N 中节点的五大类别——触发节点（Trigger）、动作节点（Action）、工具节点（Utility）、代码节点（Code）、高级 AI Agent 节点（Advanced AI） +- [[Memory in AI Agents]]：在 AI Agent 中嵌入的记忆模块，用于保留多轮对话上下文，使交互更连贯自然 +- [[Tool Integration]]：将外部工具（如 Airtable）集成到工作流中，扩展 Agent 的数据获取和操作能力 + +## Key Entities +- [[N8N]]：开源工作流自动化平台，提供可视化节点编辑器，支持构建 AI Agent 和传统工作流 +- [[Airtable]]：在线数据库工具，在教程中作为 Agent 的库存管理工具被集成 +- [[AI Foundations]]：教程提及的 AI 社区，提供学习资源、课程和协作机会 + +## Connections +- [[N8N]] ← uses ← [[N8N Node Types]] +- [[Agentic System]] ← built_with ← [[N8N]] +- [[Agentic System]] ← includes ← [[Memory in AI Agents]] +- [[Agentic System]] ← integrates ← [[Tool Integration]] +- [[Airtable]] ← used_by ← [[Agentic System]] + +## Contradictions +- 与 [[how-agentic-ai-can-help-for-cloud-devops]] 一致：两者对 Agentic System 的核心定义一致（Agent + LLM 动态工具选择），本教程为入门视角，Cloud DevOps 篇为应用视角，无冲突 diff --git a/wiki/sources/phone-based-personal-assistant.md b/wiki/sources/phone-based-personal-assistant.md index a1ec69ba..31401483 100644 --- a/wiki/sources/phone-based-personal-assistant.md +++ b/wiki/sources/phone-based-personal-assistant.md @@ -1,45 +1,48 @@ ---- -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 +--- +title: "Phone-Based Personal Assistant" +type: source +tags: [] +date: 2026-04-27 +--- + +## 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；SMS 支持即将上线 +- 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（Jira 任务、网络搜索结果） +- SMS 支持即将上线 + +## Key Quotes +> "Call a phone number to speak with your AI agent via voice" — 核心使用场景：通过电话号直接与 AI Agent 语音对话 +> "SMS support is coming soon" — SMS 功能路线图说明 + +## 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（GitHub: team-telnyx/clawdtalk-client） +- [[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 +- [[OpenClaw Skills]]：AI Agent 可调用的技能集合（日历/Jira/Web Search 等） + +## 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 diff --git a/wiki/sources/podcast-production-pipeline.md b/wiki/sources/podcast-production-pipeline.md index cd697f03..40e0a193 100644 --- a/wiki/sources/podcast-production-pipeline.md +++ b/wiki/sources/podcast-production-pipeline.md @@ -1,51 +1,47 @@ ---- -title: "Podcast Production Pipeline" -type: source -tags: ["agent", "podcast", "automation", "content-production"] -date: 2026-04-22 ---- - -## Source File -- [[Agent/usecases/podcast-production-pipeline.md]] - -## Summary（用中文描述） -- 核心主题：AI Agent 全自动播客制作流水线，从选题到发布资产的完整工作流 -- 问题域：个人播客创作者和小型团队的生产效率问题——录制本身只占总工作量的30%，其余70%都是繁琐的准备工作 -- 方法/机制：通过 Chain Agents 串联完成「录前研究→大纲脚本→录制→时间戳笔记→社媒推广包→SEO描述」的全链路自动化 -- 结论/价值：AI 承担生产侧的 70% 工作，创作者专注核心的对话录制，大幅降低播客制作门槛 - -## Key Claims（用中文描述） -- Solo Podcaster 在制作上花费的时间远超录制时间，创意对话部分仅占总工作量的约 30% -- 录制前的深度嘉宾研究是整个流水线中价值最高的环节，直接提升访谈质量 -- 带时间戳的节目笔记（Show Notes）是重要的听众留存工具，大多数播客主因繁琐而跳过 -- 社媒推广包（Social Media Kit）是节省重复性时间最多的环节——每集必做，结构固定，非常适合自动化 -- 与 [[Multi-Agent Content Factory]] 配合使用时，可将播客内容复用为博客文章、Newsletter 或视频片段 - -## Key Quotes -> "Walking into an interview with deep guest research makes the conversation dramatically better — and that's something you can't fake in post-production." — Key insight on pre-recording research value - -> "The social media kit saves the most *recurring* time. You need promo for every single episode, and it's always the same structure — perfect for automation." — On recurring automation ROI - -## Key Concepts -- [[Pre-Recording Research]]：嘉宾背景调研 + 话题趋势研究 + 采访问题生成，是流水线中价值最高的环节 -- [[Podcast Show Notes]]：录制后处理录音文本，生成带时间戳的节目笔记，每一话题转换点配一句话摘要并附链接 -- [[Social Media Kit]]：为每集生成 X/Twitter（3条推文）、LinkedIn（1篇专业帖）、Instagram（1条配图文案+hashtag）的推广内容包 -- [[SEO Episode Description]]：为 Spotify、Apple Podcasts、YouTube 优化的 200 词以内节目描述，自然嵌入 3-5 个关键词 -- [[Episode Outline]]：结构化节目大纲，含寒暄开场钩子（1-2句抓注意力）、30秒开场语、5-7个递进式采访问题、2-3个备用问题、结尾行动号召 -- [[RSS Feed Monitoring]]：通过 RSS 订阅监控竞品播客，新集发布时自动推送 Telegram 提醒 - -## Key Entities -- [[Whisper (OpenAI)]]：本地转录工具，用于录音生成文本，为 Show Notes 生成提供原始素材 -- [[Spotify for Podcasters]]：播客分发平台，Episode Description 的目标发布渠道之一 -- [[Apple Podcasts]]：播客分发平台，Episode Description 的目标发布渠道之一 -- [[YouTube]]：视频播客平台，Episode Description 的目标发布渠道之一，同时支持 RSS 订阅 - -## Connections -- [[Content Factory]] ← extends ← [[Podcast Production Pipeline]]：内容工厂将播客内容复用为博客、Newsletter、视频片段等 -- [[Multi-Agent Coordination]] ← uses ← [[Podcast Production Pipeline]]：多 Agent 协调模式实现流水线并行处理 - -## Contradictions -- 与 [[Content Factory]]（内容工厂）： - - 冲突点：内容工厂强调内容的批量生产与多格式复用；播客流水线强调录制前后的端到端自动化 - - 当前观点：两者高度互补，播客流水线生产的内容直接输入内容工厂进行多格式复用 - - 对方观点：内容工厂可独立运作，不依赖播客作为输入源 +--- +title: "Podcast Production Pipeline" +type: source +tags: [agent-use-case, content-production, automation] +date: 2026-04-30 +--- + +## Source File +- [[Agent/usecases/podcast-production-pipeline.md]] + +## Summary（用中文描述） +- 核心主题：AI Agent 全自动播客生产流水线——从主题到发布资产的完整工作流 +- 问题域：独立播客主理人和小型团队，制作环节（研究、脚本、笔记、推广）占用 70% 时间，录制本身仅占 30% +- 方法/机制：通过 Chain of Agents 实现：录制前研究→大纲生成→录制后字幕处理→Show Notes 生成→多平台社交媒体推广包创建 +- 结论/价值：AI 接管播客制作 70% 的非创意环节，让主理人专注于对话本身；Social Media Kit 每次录制均可复用，是自动化价值最高的部分 + +## Key Claims（用中文描述） +- 独立播客主理人花费在制作上的时间远超录制——录制仅占总工作量的 30%，其余 70% 均可由 Agent 自动化 +- 录制前的深度嘉宾研究是整个流程中价值最高的环节——充分准备使对话质量显著提升，无法靠后期制作弥补 +- 带时间戳的 Show Notes 是提升听众留存率的关键工具，大多数播客主理人因繁琐而跳过，Agent 使其变得轻松 +- Social Media Kit 是自动化价值最高的重复性环节——每期节目都需要结构一致的推广内容 + +## Key Quotes +> "The creative part — the conversation — is maybe 30% of the total effort. This agent handles the other 70%." — 播客生产痛点的核心洞察 +> "The pre-recording research is where most value is. Walking into an interview with deep guest research makes the conversation dramatically better — and that's something you can't fake in post-production." — 录制前研究的核心价值 + +## Key Concepts +- [[PodcastProductionPipeline]]：AI Agent 驱动的端到端播客生产流水线，覆盖研究→大纲→录制后处理→推广的全流程 +- [[PodcastShowNotes]]：时间戳化节目笔记，包含每期节目的主题跳转摘要及相关资源链接，用于提升听众体验和留存率 +- [[SocialMediaKit]]：多平台推广内容包，针对 X/Twitter、LinkedIn、Instagram 等平台生成结构化的宣传素材 +- [[MultiAgentContentFactory]]：多 Agent 内容工厂——可与播客生产流水线配对，将播客内容再利用为博客文章、Newsletter 或视频片段 + +## Key Entities +- [[OpenAI Whisper]]：本地化的语音转文字工具，用于播客录音的自动字幕生成 +- [[Spotify]]：播客分发平台之一，episode description 需要针对其搜索算法优化 +- [[Apple Podcasts]]：主流播客平台，需要特定格式的 episode description +- [[YouTube]]：播客内容再分发平台，同时用于 episode description 的 SEO 优化 +- [[RSSFeed]]：播客订阅分发协议，用于竞品监控和内容选题追踪 + +## Connections +- [[MultiAgentContentFactory]] ← extends ← [[PodcastProductionPipeline]] +- [[PodcastProductionPipeline]] ← uses ← [[OpenAI Whisper]] +- [[PodcastProductionPipeline]] ← delivers_to ← [[Spotify]], [[Apple Podcasts]], [[YouTube]] +- [[RSSFeed]] ← monitors ← [[PodcastProductionPipeline]] (竞品监控环节) + +## Contradictions +- 无已知冲突。[[MultiAgentContentFactory]] 与本流水线为互补关系而非竞争关系——前者将播客内容再利用，后者负责原始播客生产。 diff --git a/wiki/sources/project-state-management.md b/wiki/sources/project-state-management.md index ed26d7a4..a3a50f3d 100644 --- a/wiki/sources/project-state-management.md +++ b/wiki/sources/project-state-management.md @@ -1,45 +1,63 @@ ---- -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 +--- +title: "Project State Management System: Event-Driven Alternative to Kanban" +type: source +tags: [project-state, automation, ai, workflow] +date: 2026-04-27 +--- + +## Source File +- [[raw/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 Kanban 看板，实现项目状态的自动化追踪与上下文保留 +- 问题域：Kanban 看板易失效（忘记移动卡片）、上下文丢失（无法追溯决策原因）、无代码变更与项目进度的自动关联 +- 方法/机制： + - PostgreSQL/SQLite 存储项目状态（projects 表 + events 表 + blockers 表） + - AI Agent 解析自然语言命令，自动生成 progress/blocker/decision/pivot 事件 + - 每日 Cron 任务扫描 Git 提交（gh CLI），将 commit 链接到项目事件 + - Discord/Telegram 频道接收更新通知和响应查询 + - 每日站会摘要自动生成 +- 结论/价值：用自然对话替代手动看板维护，保留完整决策历史，实现"项目为什么这样"的即时查询能力 + +## Key Claims（用中文描述） +- 自然语言对话（"完成了X，被Y阻塞"）→ 自动触发项目状态转换，无需手动拖拽看板 +- 项目状态由事件序列自动推导，而非手动维护的快照 +- Git 提交自动扫描并关联到项目事件，实现代码变更与进度的可追溯链接 +- 每日站会摘要由 AI Agent 根据过去 24 小时事件和提交自动生成 +- Sub-agent 并行分析各项目状态，在 Sprint 规划时提供优先级建议 + +## Key Quotes +> "Kanban boards become stale. You waste time updating cards instead of doing work. Context gets lost—three months later, you can't remember why you made a key decision." — 痛点描述 + +> "Instead of dragging cards, you chat with your assistant: 'Finished the auth flow, starting on the dashboard.' The system logs the event, updates project state, and preserves context." — 核心交互模式 + +> "Git commits are automatically scanned and linked to projects. Your daily standup summary writes itself." — 自动化价值总结 + +## Key Concepts +- [[EventSourcing]]：本系统的底层架构模式 —— 所有状态变更作为不可变事件序列持久化，通过重放事件重建任意时间点状态 +- [[Kanban]]：本系统要替代的传统方案 —— 静态看板需手动更新，无法保留决策上下文 +- [[ProjectState]]：本系统的核心抽象 —— 项目任意时间点的完整快照，由事件序列自动驱动更新 +- 事件类型（progress / blocker / decision / pivot）：与 [[EventSourcing]] 中的事件类型定义完全一致 + +## Key Entities +- Discord：项目状态频道（#project-state）—— 接收事件更新通知、响应状态查询、发布每日站会摘要 +- Telegram：备选消息平台 —— 同样用于更新推送和自然语言查询接口 +- GitHub CLI（gh）：每日 Cron 扫描 Git 提交 —— 根据分支名或提交信息将 commit 关联到项目 +- PostgreSQL / SQLite：项目状态数据库 —— 存储 projects、events、blockers 三张核心表 +- Cron：定时任务调度器 —— 每日 9 AM 触发站会摘要生成 +- Sub-agents：并行项目分析器 —— Sprint 规划时并行分析各项目状态并提供优先级建议 + +## Connections +- [[ProjectState]] ← derived_from ← **EventSourcing**（[[ProjectState]] 由事件溯源模式驱动） +- **Project State Management** ← uses ← [[EventSourcing]]（事件溯源是本系统的技术基础） +- [[ProjectState]] ← uses ← **Discord**（Discord 承载事件通知和查询接口） +- [[ProjectState]] ← uses ← **gh CLI**（GitHub CLI 实现提交与项目的自动关联） +- **Project State Management** ← extends ← [[Vibe-Kanban]]（事件驱动管理是 Vibe-Kanban 的进阶形态） +- [[Kanban]] ← alternative_to ← **Project State Management**（冲突：Kanban 静态可视化 vs 事件驱动自动追踪） + +## Contradictions +- 与 [[Kanban]] 冲突： + - 冲突点：状态更新机制 —— Kanban 依赖手动拖拽卡片，事件驱动系统依赖自然语言对话自动记录 + - 当前观点：手动看板易失效、丢失上下文；事件驱动自动追踪且保留完整历史 + - 对方观点：Kanban 提供实时可视化，多人协作场景下状态一目了然，无需依赖 AI 解析准确性 +- 与 [[Vibe-Kanban]] 关系：Vibe-Kanban 是本地化的事件驱动看板实验，本系统是其在 Discord/Telegram 多渠道 + Git 集成 + 每日摘要方向的完整工程实现 diff --git a/wiki/sources/self-healing-home-server.md b/wiki/sources/self-healing-home-server.md index 6f7c8686..7b7345ca 100644 --- a/wiki/sources/self-healing-home-server.md +++ b/wiki/sources/self-healing-home-server.md @@ -1,60 +1,118 @@ ---- -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 +--- +title: "Self-Healing Home Server & Infrastructure Management" +type: source +tags: [openclaw, self-healing, home-server, infrastructure, agentic-ai, cron, ssh, iac, security] +date: 2026-04-26 +--- + +## 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 + +## Skills +- `ssh` — 访问家庭网络机器（192.168.1.0/24） +- `kubectl` — K3s 集群管理 +- `terraform` / `ansible` — 基础设施即代码 +- `1password` CLI — secrets 管理（Agent 专用只读 vault） +- `gog` CLI — Gmail 邮件访问 +- Calendar API — 日历（本人 + 伴侣） +- Obsidian vault — 知识库（5000+ 笔记） +- `openclaw doctor` — 自我诊断 + +## How to Set It Up + +### Core Agent Configuration +在 AGENTS.md 中定义 Agent 名称和访问范围，例如名为 **Reef** 的基础设施 Agent： +- SSH 到家庭网络所有机器 +- kubectl 操作 K3s 集群 +- 1Password vault（只读凭证，专用 AI vault） +- Gmail via gog CLI +- 日历（本人 + 伴侣） +- Obsidian vault at ~/Documents/Obsidian/ +规则：永远不用硬编码 secrets；永远通过 PR 而非直接推送 main；每次自检运行 `openclaw doctor`；所有基础设施变更记录到 ~/logs/infra-changes.md + +### Automated Cron Job System +配置 HEARTBEAT.md 调度系统： +- 每 15 分钟：看板任务续做 +- 每小时：健康检查（Gatus/ArgoCD）、邮件分拣、告警检查 +- 每 6 小时：知识库录入、自检（openclaw doctor/磁盘/内存/日志） +- 每 12 小时：代码质量审计、日志分析（Loki） +- 每日 4:00 AM：夜间头脑风暴；8:00 AM：晨报（天气/日历/系统/看板）；1:00 AM：速率评估 +- 每周：知识库 QA、安全审计 + +### Security Setup（关键） +- Pre-push hooks：所有仓库安装 TruffleHog，阻止含 API Key/Token/Password 的提交 +- 本地优先 Git：用私有 Gitea 实例作为中转，CI 扫描后才推公共 GitHub，主分支合并需人工审核 +- 纵深防御：AI Agent 专用 1Password vault（受限范围）、网络分段、每日自动化安全审计（特权容器/硬编码 secrets/权限过宽/已知漏洞） +- Agent 约束：PR 保护主分支、只读访问优先、所有变更可审计 + +### Morning Briefing Template +每日 8:00 AM 自动生成并投递： +- 天气：当前位置当前状况和预报 +- 日历：本人和伴侣今日事件，冲突标记 +- 系统健康：所有机器 CPU/RAM/存储，服务 UP/DOWN，最近部署（ArgoCD），过去 24h 告警 +- 任务看板：昨日完成/进行中/阻塞项 +- 要点：昨夜头脑风暴亮点、待操作邮件、本周截止 + +## 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]] +- [[self-healing-home-server]] ← extends ← [[dynamic-dashboard]]（系统健康监控场景） +- [[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 +- 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 + +## Inspired By +本文档基于 Nathan 的详细文章 [\"Everything I've Done with OpenClaw (So Far)\"](https://madebynathan.com/2026/02/03/everything-ive-done-with-openclaw-so-far/)，描述了他的 OpenClaw Agent **Reef** 运行在家庭服务器上，通过 SSH 访问所有机器、管理 K3s 集群、集成 1Password 和 Obsidian vault（5000+ 笔记）。Reef 运行 15 个活跃 cron job、24 个自定义脚本，自主构建并部署了包括任务管理 UI 在内的多个应用。Nathan 第 1 天 API Key 泄露的惨痛教训："AI assistants will happily hardcode secrets." 他的纵深防御安全方案（TruffleHog pre-push hooks、私有 Gitea、CI 扫描、每日审计）是任何尝试此模式者的必读内容。亦参考 [OpenClaw Showcase](https://openclaw.ai/showcase) 上 `@georgedagg_` 的类似模式：部署监控、日志审查、配置修复和 PR 提交——遛狗时完成。 + +## Related Links +- [Nathan's Full Writeup](https://madebynathan.com/2026/02/03/everything-ive-done-with-openclaw-so-far/) +- [OpenClaw Documentation](https://github.com/openclaw/openclaw) +- [TruffleHog (Secret Scanning)](https://github.com/trufflesecurity/trufflehog) +- [K3s (Lightweight Kubernetes)](https://k3s.io/) +- [Gitea (Self-hosted Git)](https://gitea.io/) +- [n8n (Workflow Automation)](https://n8n.io/)