From 8620765530a8567b1bb384b9f96d2d97b1ddc038 Mon Sep 17 00:00:00 2001 From: weishen Date: Tue, 14 Apr 2026 21:21:43 +0800 Subject: [PATCH] feat(wiki): deep ingest batch 1 (10 source pages) --- wiki/sources/AI 解决方案专家培训课程.md | 38 +++++++++------- .../Best 7 news API data feeds - AI News.md | 36 +++++++++------- wiki/sources/Designing for Agentic AI.md | 40 ++++++++++------- ...et the RSS Feed For Any YouTube Channel.md | 35 ++++++++------- .../sources/Multi-Agent System Reliability.md | 43 +++++++++++++------ ...nana Pro Prompting Guide & Strategies 1.md | 37 +++++++++------- wiki/sources/Never write another prompt.md | 37 +++++++++------- 7 files changed, 162 insertions(+), 104 deletions(-) diff --git a/wiki/sources/AI 解决方案专家培训课程.md b/wiki/sources/AI 解决方案专家培训课程.md index 3c07eda6..0d917e15 100644 --- a/wiki/sources/AI 解决方案专家培训课程.md +++ b/wiki/sources/AI 解决方案专家培训课程.md @@ -1,33 +1,41 @@ --- title: "AI 解决方案专家培训课程" type: source -tags: ['AI'] -date: 2025-06-29 +tags: ['Coze', 'AI', 'Agent', '工作流', '行业应用'] +date: 2025-06-20 --- ## Source File -- [[AI/AI 解决方案专家培训课程.md]] +- [[raw/AI/AI 解决方案专家培训课程.md]] ## Summary -- 核心主题：author: shenwei description: tags: [ai, coze] -- 问题域：见原文。 -- 方法/机制：见原文。 -- 结论/价值：见原文。 +- 核心主题：Coze（扣子）平台 Agent 开发实战培训课程资源汇总，覆盖多行业 AI 解决方案 +- 问题域：如何基于 Coze 平台快速构建企业级 Agent 应用（客服、教育、金融、医疗、电商等） +- 方法/机制：Coze Agent + Function Call + Workflow + 知识库，覆盖从 Prompt 设计到插件集成的全链路 +- 结论/价值：Coze 作为国内领先的 Agent 开发平台，通过零代码/低代码方式大幅降低 AI 应用开发门槛 ## Key Claims -- （见原文） - -## Key Quotes -> （见原文） +- Coze 平台支持多场景 Agent 构建：医疗分诊、财报解读、门店销售对练、骑手招聘、表格问答、在线问诊、教育拍图搜题、电商混剪等 +- Workflow（工作流）模式用于复杂业务流程编排，如滴滴计费规则解答、SONY 店员沟通、直播自动回复等 +- 泛娱乐场景覆盖：AI 证件照（FaceFusion）、视频生成（AI 生成视频工作流 1-4）、F5-TTS 声音克隆 +- Coze 国内版（coze.cn）与国际版生态互通，支持企业级私有化部署 ## Key Concepts -- （见原文） +- [[Coze/扣子]]：字节跳动推出的 AI Agent 开发平台，支持零代码/低代码构建 Agent +- [[Function Call]]：Agent 调用外部工具/数据的技术方式，Coze 平台核心能力 +- [[Workflow编排]]：将多个 Agent / 工具节点串联成复杂业务流程 +- [[知识库问答]]：基于 RAG 架构的企业知识检索系统 ## Key Entities -- （见原文） +- [[Coze]]：字节跳动 AI Agent 开发平台，提供 Agent 构建、Workflow、知识库、插件等能力 +- [[GPT-SoVITS]]：开源声音克隆模型，用于 AI 配音 +- [[FaceFusion]]：开源人脸融合/换脸工具 +- [[F5-TTS]]：开源语音克隆模型 ## Connections -- （见原文） +- [[Coze/扣子]] ← enables ← [[AI Agent开发]] +- [[Function Call]] ← is_mechanism_of ← [[Coze/扣子]] +- [[Workflow编排]] ← is_mechanism_of ← [[Coze/扣子]] ## Contradictions -- （见原文） +- （无已知冲突） diff --git a/wiki/sources/Best 7 news API data feeds - AI News.md b/wiki/sources/Best 7 news API data feeds - AI News.md index 4020249f..0abdaee2 100644 --- a/wiki/sources/Best 7 news API data feeds - AI News.md +++ b/wiki/sources/Best 7 news API data feeds - AI News.md @@ -1,33 +1,39 @@ --- -title: "Best 7 news API data feeds - AI News" +title: "Best 7 News API Data Feeds for AI News" type: source -tags: ['AI'] +tags: ['AI', 'API', '新闻', '数据', 'Webz', 'NewsAPI', 'GNews'] date: 2025-03-11 +source: https://www.artificialintelligence-news.com/news/best-7-news-api-data-feeds/ --- ## Source File -- [[AI/Best 7 news API data feeds - AI News.md]] +- [[raw/AI/Best 7 news API data feeds - AI News.md]] ## Summary -- 核心主题：title: Best 7 news API data feeds - AI News source: https://www.artificialintelligence-news.com/news/best-7-news-api-data-feeds/ author: shenwei -- 问题域：见原文。 -- 方法/机制：见原文。 -- 结论/价值：见原文。 +- 核心主题：7 款主流新闻 API 数据服务的功能对比与选型建议 +- 问题域：AI 应用需要实时/历史新闻数据来构建舆情监控、市场分析、个性化推荐等能力 +- 方法/机制：通过 API 聚合、格式化来自全球新闻源的结构化数据（JSON/XML），消除人工采集和整理工作 ## Key Claims -- （见原文） - -## Key Quotes -> （见原文） +- 头部新闻 API：NewsAPI.org（免费额度最大）、Webz.io（实时爬取）、GNews API（轻量级）、 Bing News Search API（微软）、Event Registry（AI优化）、Newsriver（全球覆盖）、Guardian API（权威媒体） +- 新闻 API 核心用途：舆情监控、竞争分析、金融情报、个性化内容推荐、事实核查 ## Key Concepts -- （见原文） +- [[新闻API]]：聚合、整理并以结构化格式（JSON/XML）交付来自多源的新闻数据 +- [[舆情监控]]：新闻 API 的核心应用场景之一 +- [[金融情报]]：新闻 API 的高价值商业应用场景 ## Key Entities -- （见原文） +- [[NewsAPI.org]]：新闻聚合 API，免费层级支持 100 个请求/天 +- [[Webz.io]]：专注实时新闻爬取和结构化，适合 AI 训练数据构建 +- [[GNews API]]：轻量级新闻 API，接口简洁 +- [[Bing News Search]]：微软新闻搜索 API，与 Azure 生态集成 +- [[Event Registry]]：AI 优化的新闻聚合平台 ## Connections -- （见原文） +- [[新闻API]] ← enables ← [[舆情监控]] +- [[新闻API]] ← enables ← [[金融情报]] +- [[Webz.io]] ← is_provider_of ← [[新闻API]] ## Contradictions -- （见原文） +- （无已知冲突） diff --git a/wiki/sources/Designing for Agentic AI.md b/wiki/sources/Designing for Agentic AI.md index d003f49a..a9195de7 100644 --- a/wiki/sources/Designing for Agentic AI.md +++ b/wiki/sources/Designing for Agentic AI.md @@ -1,33 +1,43 @@ --- title: "Designing for Agentic AI" type: source -tags: ['AI'] -date: 2001-02-27 +tags: ['AgenticAI', 'AI产品设计', '交互设计', '透明性', '控制权'] +date: 2025-02-27 +source: https://www.linkedin.com/pulse/designing-agentic-ai-yuri-pessa-ztcmf/ +author: Yuri Pessa --- ## Source File -- [[AI/Designing for Agentic AI.md]] +- [[raw/AI/Designing for Agentic AI.md]] ## Summary -- 核心主题：title: Designing for Agentic AI source: https://www.linkedin.com/pulse/designing-agentic-ai-yuri-pessa-ztcmf/?trackingId=gSoKslBrTP6VWNCDJSd7ZA%3D%3D author: shenwei -- 问题域：见原文。 -- 方法/机制：见原文。 -- 结论/价值：见原文。 +- 核心主题：Agentic AI（能动性 AI）的产品设计原则，对比 GenAI 与 Agentic AI 的核心差异 +- 问题域：传统 UI 范式（点击/滑动）无法满足 Agentic AI 的主动性和自主决策特性，需要全新设计范式 +- 方法/机制：5大设计原则——透明性（Transparency）、控制权（Control）、个性化（Personalization）、对话（Conversation）、预见（Anticipation） +- 结论/价值：Agentic AI 重新定义用户与 AI 的关系，用户从"主动操作者"变为"监督者/评估者"，设计师需要构建实时反馈机制 ## Key Claims -- （见原文） - -## Key Quotes -> （见原文） +- GenAI 擅长生成内容（文本/图像/音乐），Agentic AI 擅长行动（交互环境、决策、预见需求） +- Agentic AI 核心转变：用户界面从"响应用户输入"转向"实时反馈 AI 运作过程" +- 用户观看 AI 决策过程本身即是一种交互形式——观察、理解、评估、干预 +- 5大设计原则：透明性（可视化进展+推理摘要）、控制权（停止/撤销+行为偏好设置）、个性化（行为预测+反馈机制）、对话（自然语言交互+输入理解反馈）、预见（主动建议+自主性层级调节） +- Agentic AI 的自主性需要用户能够调节：低（辅助建议）→ 高（完全自主执行） ## Key Concepts -- （见原文） +- [[AgenticAI]]：AI 不仅生成内容，而是能够主动行动、决策、预见用户需求的 AI 系统 +- [[透明性设计]]：让用户理解 AI 决策过程的设计原则，可视化 AI 进展和推理路径 +- [[控制权设计]]：用户始终保持对 AI 的控制，提供停止、撤销、偏好设置等机制 +- [[AI自主性层级]]：用户可调节 AI 从"仅建议"到"完全自主执行"的连续区间 +- [[主动交互]]：AI 主动预见需求并提供帮助，而非被动等待用户指令 ## Key Entities -- （见原文） +- [[Yuri Pessa]]：LinkedIn 作者，AI 产品设计研究者 ## Connections -- （见原文） +- [[AgenticAI]] ← extends ← [[GenAI]] +- [[透明性设计]] ← is_design_principle_of ← [[AgenticAI]] +- [[控制权设计]] ← is_design_principle_of ← [[AgenticAI]] +- [[AI自主性层级]] ← is_mechanism_of ← [[AgenticAI]] ## Contradictions -- （见原文） +- （无已知冲突） diff --git a/wiki/sources/How to Get the RSS Feed For Any YouTube Channel.md b/wiki/sources/How to Get the RSS Feed For Any YouTube Channel.md index abc0c216..184c67f9 100644 --- a/wiki/sources/How to Get the RSS Feed For Any YouTube Channel.md +++ b/wiki/sources/How to Get the RSS Feed For Any YouTube Channel.md @@ -1,33 +1,38 @@ --- title: "How to Get the RSS Feed For Any YouTube Channel" type: source -tags: [[]] -date: 2025-10-10 +tags: ['YouTube', 'RSS', '工具', '自动化', '内容聚合'] +date: 2024-05-12 +source: https://chuck.is/yt-rss/ +author: Chuck Carroll --- ## Source File -- [[AI/How to Get the RSS Feed For Any YouTube Channel.md]] +- [[raw/AI/How to Get the RSS Feed For Any YouTube Channel.md]] ## Summary -- 核心主题：title: How to Get the RSS Feed For Any YouTube Channel | Chuck Carroll source: https://chuck.is/yt-rss/ author: shenwei -- 问题域：见原文。 -- 方法/机制：见原文。 -- 结论/价值：见原文。 +- 核心主题：无需第三方服务，通过"查看页面源代码"获取任意 YouTube 频道 RSS 订阅地址的方法 +- 问题域：YouTube 出于商业利益移除了页面的 RSS 订阅按钮，导致用户无法在外部 RSS 阅读器中追踪频道更新 +- 方法/机制：打开频道页面 → 右键查看源代码 → 搜索 `channel_id=` → 提取 RSS URL +- 结论/价值：绕过 YouTube 平台限制，实现去中心化的内容订阅追踪 ## Key Claims -- （见原文） - -## Key Quotes -> （见原文） +- YouTube 移除 RSS 按钮是出于商业目的（防止用户不在 YouTube 站内消费内容） +- 方法：访问频道页面（如 `https://www.youtube.com/@CHANNEL_NAME`）→ 右键"查看页面源代码" → 搜索 `channel_id=` → 复制 RSS URL +- RSS 格式：`https://www.youtube.com/feeds/videos.xml?channel_id=UCHkYOD-3fZbuGhwsADBd9ZQ` +- 该方法无需注册任何第三方服务，纯原生操作 ## Key Concepts -- （见原文） +- [[YouTube RSS]]：通过 channel_id 获取的标准化 RSS 订阅地址 +- [[内容聚合]]：将多个频道聚合到单一 RSS 阅读器中统一追踪 +- [[去中心化订阅]]：绕过平台限制，直接订阅内容源 ## Key Entities -- （见原文） +- [[Chuck Carroll]]：科技博主，发布此实用教程 ## Connections -- （见原文） +- [[YouTube RSS]] ← enables ← [[内容聚合]] +- [[内容聚合]] ← is_used_by ← [[RSS阅读器]] ## Contradictions -- （见原文） +- （无已知冲突） diff --git a/wiki/sources/Multi-Agent System Reliability.md b/wiki/sources/Multi-Agent System Reliability.md index 40753a41..47f7c245 100644 --- a/wiki/sources/Multi-Agent System Reliability.md +++ b/wiki/sources/Multi-Agent System Reliability.md @@ -1,33 +1,48 @@ --- title: "Multi-Agent System Reliability" type: source -tags: ['AI'] +tags: ['多Agent', '可靠性', '架构', 'AlexEwerlöf', 'LLM'] date: 2023-01-09 +source: https://blog.alexewerlof.com/p/multi-agent-system-reliability +author: Alex Ewerlöf --- ## Source File -- [[AI/Multi-Agent System Reliability.md]] +- [[raw/AI/Multi-Agent System Reliability.md]] ## Summary -- 核心主题：title: "Multi-Agent System Reliability" source: "https://blog.alexewerlof.com/p/multi-agent-system-reliability" - "[[Alex Ewerlöf]]" -- 问题域：见原文。 -- 方法/机制：见原文。 -- 结论/价值：见原文。 +- 核心主题：4 种多 Agent 系统可靠性架构模式——层级模式、共识模式、对抗辩论模式、淘汰制模式 +- 问题域：LLM 固有的不可靠性（幻觉、逻辑谬误、上下文漂移）在多 Agent 拓扑中会被传播放大，导致系统可用性下降 +- 方法/机制：借鉴人类协作中的可靠性工程思想，将 LLMs 视为分布式系统中的不可靠组件，通过架构设计抑制错误传播 +- 结论/价值：多 Agent 系统的可靠性不是靠提升单个 LLM 能力解决，而是通过拓扑结构设计来实现 ## Key Claims -- （见原文） - -## Key Quotes -> （见原文） +- LLM 不可靠性三大根源：幻觉（hallucination）、逻辑谬误（logical fallacies）、上下文漂移（context drift） +- 4 种架构模式： + 1. **层级模式（Hierarchy）**：一个编排者（orchestrator）分配任务给多个专业 Agent，编排者验证结果后汇总 + 2. **共识模式（Consensus）**：多个同类 Agent 独立处理同一任务，通过投票或多数决得出一致结果 + 3. **对抗辩论模式（Adversarial Debate）**：多个 Agent 互相挑战对方观点，最终由评判者（judge）综合做出决策 + 4. **淘汰制（Knock-out）**：多个 Agent 串联处理，每轮淘汰最低分者，直到留下最优结果 +- 多 Agent 并行性虽能提升效率，但也会放大调试难度（状态空间指数级增长） ## Key Concepts -- （见原文） +- [[多Agent可靠性]]：通过架构设计抑制 LLM 不可靠性的传播 +- [[层级模式]]：编排者-执行者模式，编排者验证并汇总，适合确定性强的工作流 +- [[共识模式]]：多 Agent 独立处理后投票，适用于需要消除单点错误的场景 +- [[对抗辩论模式]]：正反双方辩论+评判者，适合需要多角度分析的高风险决策 +- [[淘汰制]]：串联淘汰机制，适合需要从众多候选中筛选最优结果的场景 +- [[LLM不可靠性]]：幻觉、逻辑谬误、上下文漂移是多 Agent 系统的主要风险来源 ## Key Entities -- （见原文） +- [[Alex Ewerlöf]]：SRE/可靠性工程师，AI 博客作者，此文源自其 SRE 视角 +- [[LLM]]：底层大语言模型，作为多 Agent 系统的不可靠组件 ## Connections -- （见原文） +- [[层级模式]] ← is_pattern_of ← [[多Agent可靠性]] +- [[共识模式]] ← is_pattern_of ← [[多Agent可靠性]] +- [[对抗辩论模式]] ← is_pattern_of ← [[多Agent可靠性]] +- [[淘汰制]] ← is_pattern_of ← [[多Agent可靠性]] +- [[LLM不可靠性]] ← is_problem_of ← [[多Agent可靠性]] ## Contradictions -- （见原文） +- （无已知冲突） diff --git a/wiki/sources/Nano-Banana Pro Prompting Guide & Strategies 1.md b/wiki/sources/Nano-Banana Pro Prompting Guide & Strategies 1.md index 59dd0c23..7d428daa 100644 --- a/wiki/sources/Nano-Banana Pro Prompting Guide & Strategies 1.md +++ b/wiki/sources/Nano-Banana Pro Prompting Guide & Strategies 1.md @@ -1,33 +1,40 @@ --- -title: "Nano-Banana Pro Prompting Guide & Strategies 1" +title: "Nano-Banana Pro Prompting Guide & Strategies" type: source -tags: ['VibeCoding', 'AI'] +tags: ['NanoBanana', '图像生成', 'Prompt', 'AI', 'Gemini', 'Google'] date: 2025-11-28 +source: https://dev.to/googleai/nano-banana-pro-prompting-guide-strategies-1h9n --- ## Source File -- [[AI/Nano-Banana Pro Prompting Guide & Strategies 1.md]] +- [[raw/AI/Nano-Banana Pro Prompting Guide & Strategies 1.md]] ## Summary -- 核心主题：title: Nano-Banana Pro: Prompting Guide & Strategies source: https://dev.to/googleai/nano-banana-pro-prompting-guide-strategies-1h9n author: shenwei -- 问题域：见原文。 -- 方法/机制：见原文。 -- 结论/价值：见原文。 +- 核心主题：Nano-Banana Pro 图像生成模型的进阶 Prompt 策略指南，涵盖 10 大应用场景 +- 问题域：如何有效发挥 Nano-Banana Pro 的专业级图像生成能力（文本渲染、角色一致性、4K 高分辨率等） +- 方法/机制：通过分场景的 Prompt 结构化指导（Infographics、Storyboarding、3D 转化、修复着色等），将模型能力转化为生产力工具 +- 结论/价值：Nano-Banana Pro 从"娱乐图像生成"升级为"专业资产生产"，需要对应的专业 Prompt 工程方法 ## Key Claims -- （见原文） - -## Key Quotes -> （见原文） +- Nano-Banana Pro 核心升级：从"有趣"到"实用"，专业级输出能力覆盖：文本渲染、信息图、角色一致性、视觉合成、世界知识搜索、4K 高分辨率 +- 10大应用场景：文本渲染/信息图、病毒式缩略图、Google Search 增强 grounding、修复着色、2D↔3D 转换、4K 纹理、思维推理、单次 Storyboarding、结构控制/布局指导 +- AI Studio + API 是主要接入方式，支持通过 Prompt 精细控制生成结果 ## Key Concepts -- （见原文） +- [[NanoBanana]]：Google 推出的专业级 AI 图像生成模型 +- [[文本渲染]]：Nano-Banana Pro 的核心能力之一，在图像中精准渲染文字 +- [[角色一致性]]：多帧/多场景中保持角色形象稳定 +- [[Grounding]]：通过 Google Search 将生成内容与真实世界知识对齐 +- [[Storyboarding]]：单次生成故事板/概念艺术 ## Key Entities -- （见原文） +- [[Google]]：Nano-Banana Pro 开发商 +- [[AI Studio]]：Google AI 开发平台，Nano-Banana Pro 接入入口 ## Connections -- （见原文） +- [[NanoBanana]] ← is_product_of ← [[Google]] +- [[AI Studio]] ← provides_access_to ← [[NanoBanana]] +- [[Grounding]] ← uses ← [[Google]] ## Contradictions -- （见原文） +- （无已知冲突） diff --git a/wiki/sources/Never write another prompt.md b/wiki/sources/Never write another prompt.md index dd76ef8e..5a168a44 100644 --- a/wiki/sources/Never write another prompt.md +++ b/wiki/sources/Never write another prompt.md @@ -1,33 +1,40 @@ --- -title: "Never write another prompt" +title: "Never Write Another Prompt" type: source -tags: ['AI'] +tags: ['Prompt', 'AI', 'Anthropic', '工具', '自动化'] date: 2025-03-06 +source: https://youtu.be/OkaplCDf7Ac --- ## Source File -- [[AI/Never write another prompt.md]] +- [[raw/AI/Never write another prompt.md]] ## Summary -- 核心主题：title: Never write another prompt source: https://youtu.be/OkaplCDf7Ac?si=Fez6aDN0PxfLiM0C author: shenwei -- 问题域：见原文。 -- 方法/机制：见原文。 -- 结论/价值：见原文。 +- 核心主题：通过 Prompt 生成工具（基于 Anthropic Console）将简单描述自动转化为结构化详细 Prompt，降低 Prompt 工程门槛 +- 问题域：高质量 Prompt 编写需要专业知识和时间（单次成本 $100-$500），普通用户难以获得好的 AI 输出 +- 方法/机制：工具接收基础描述 → 输出详细结构化 Prompt（含变量支持）→ 可复用保存 +- 结论/价值：Prompt 工程民主化，普通用户无需成为专家即可获得高质量 AI 响应 ## Key Claims -- （见原文） - -## Key Quotes -> （见原文） +- 高质量 Prompt 单次服务费用 $100-$500，使用自动化工具可无限生成 +- 支持变量（Variables）实现 Prompt 复用和定制化 +- Prompt 库（Prompt Libraries）提供现成模板，减少重复创建时间 +- 生成的 Prompt 结构化程度高、编辑友好，提升 AI 响应质量 +- API Key 使用时需注意安全与隐私保护 ## Key Concepts -- （见原文） +- [[Prompt自动化]]：从简单描述自动生成高质量结构化 Prompt +- [[Prompt库]]：现成 Prompt 模板集合，用于快速复用 +- [[变量机制]]：在 Prompt 中插入变量实现模板化复用 +- [[Prompt工程民主化]]：降低 AI 使用门槛，使非专业用户也能获得高质量输出 ## Key Entities -- （见原文） +- [[Anthropic Console]]：Anthropic 官方控制台，提供 API Key 管理和 Prompt 创建功能 +- [[Claude]]：Anthropic 开发的 AI 模型，通过高质量 Prompt 获得更好效果 ## Connections -- （见原文） +- [[Prompt自动化]] ← enables ← [[Prompt工程民主化]] +- [[Anthropic Console]] ← provides_access_to ← [[Prompt自动化]] ## Contradictions -- （见原文） +- （无已知冲突）