Auto-sync: 2026-04-27 12:02

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）]]