Auto-sync
This commit is contained in:
23
wiki/concepts/AI搜索.md
Normal file
23
wiki/concepts/AI搜索.md
Normal file
@@ -0,0 +1,23 @@
|
||||
---
|
||||
title: AI搜索
|
||||
type: concept
|
||||
tags: [AI, 搜索, Search]
|
||||
aliases: [AI Search, AI搜索引擎]
|
||||
---
|
||||
|
||||
## 定义
|
||||
结合AI能力理解用户意图、直接提供整理好答案的搜索方式。
|
||||
|
||||
## 核心创新
|
||||
不返回链接列表,而是直接整理总结答案。
|
||||
|
||||
## 开源实现
|
||||
Perplexica:
|
||||
- 完全本地化部署
|
||||
- 接SearXNG避免Google API费用
|
||||
- 支持OpenAI API或本地大模型
|
||||
- 注重隐私保护
|
||||
|
||||
## Connections
|
||||
- [[AI搜索]] ← 基座 ← [[大语言模型]]
|
||||
- [[Perplexica]] ← 开源平替 ← [[Perplexity]]
|
||||
21
wiki/concepts/AI生图.md
Normal file
21
wiki/concepts/AI生图.md
Normal file
@@ -0,0 +1,21 @@
|
||||
---
|
||||
title: AI生图
|
||||
type: concept
|
||||
tags: [AI, 生图, 扩散模型]
|
||||
aliases: [AI Image Generation, AI绘图]
|
||||
---
|
||||
|
||||
## 定义
|
||||
利用扩散模型等AI技术根据文本提示生成图像的技术。
|
||||
|
||||
## 2025年格局
|
||||
- 闭源顶流:Nano Banana、Midjourney V7
|
||||
- 开源主导:Flux、Stable Diffusion 3.5
|
||||
|
||||
## 开源核心能力
|
||||
- Flux:人体解剖学最正确,能精准在图中写单词
|
||||
- Stable Diffusion:LoRA和ControlNet生态最丰富,适合动漫角色和姿势控制
|
||||
|
||||
## Connections
|
||||
- [[AI生图]] ← 依赖 ← [[大语言模型]]
|
||||
- [[Flux]] ← 竞争 ← [[Stable Diffusion]]
|
||||
23
wiki/concepts/AI生视频.md
Normal file
23
wiki/concepts/AI生视频.md
Normal file
@@ -0,0 +1,23 @@
|
||||
---
|
||||
title: AI生视频
|
||||
type: concept
|
||||
tags: [AI, 视频生成]
|
||||
aliases: [AI Video Generation]
|
||||
---
|
||||
|
||||
## 定义
|
||||
根据文本提示生成视频内容的AI技术。
|
||||
|
||||
## 2025年格局
|
||||
- 闭源顶流:Google Veo 3
|
||||
- 国内可灵、海螺、即梦
|
||||
- 开源最强:HunyuanVideo
|
||||
|
||||
## 开源关键指标
|
||||
- 参数量:HunyuanVideo是开源界最大之一
|
||||
- 中文Prompt理解:天花板级别
|
||||
- 动作连贯性:极强,符合物理直觉
|
||||
|
||||
## Connections
|
||||
- [[AI生视频]] ← 依赖 ← [[大语言模型]]
|
||||
- [[HunyuanVideo]] ← 开源平替 ← [[Veo 3]]
|
||||
22
wiki/concepts/AI知识库.md
Normal file
22
wiki/concepts/AI知识库.md
Normal file
@@ -0,0 +1,22 @@
|
||||
---
|
||||
title: AI知识库
|
||||
type: concept
|
||||
tags: [AI, 知识库, 学习]
|
||||
aliases: [AI Knowledge Base, 知识管理]
|
||||
---
|
||||
|
||||
## 定义
|
||||
利用AI技术管理和利用知识文档的系统。
|
||||
|
||||
## 代表产品
|
||||
Google NotebookLM:
|
||||
- 核心创新:双人播客功能
|
||||
- 将文档转为生动播客
|
||||
- 2024年底爆火,2025年封神
|
||||
|
||||
## 开源生态
|
||||
GitHub上有七八个NotebookLM相关开源项目。
|
||||
|
||||
## Connections
|
||||
- [[AI知识库]] ← 基座 ← [[大语言模型]]
|
||||
- [[NotebookLM]] → 开源平替 → [[OpenNotebookLM]]
|
||||
25
wiki/concepts/AI编程.md
Normal file
25
wiki/concepts/AI编程.md
Normal file
@@ -0,0 +1,25 @@
|
||||
---
|
||||
title: AI编程
|
||||
type: concept
|
||||
tags: [AI, 编程, Coding]
|
||||
aliases: [AI Coding, AI辅助编程]
|
||||
---
|
||||
|
||||
## 定义
|
||||
利用AI辅助或自主完成代码编写、调试、重构的技术。
|
||||
|
||||
## 2025年格局
|
||||
- 终端AI Agent:Claude Code、Codex
|
||||
- IDE集成:Cursor
|
||||
- 开源平替:Cline
|
||||
|
||||
## Cline核心机制
|
||||
- 嵌入VS Code工作流
|
||||
- 深度理解项目上下文
|
||||
- 自动读取/修改文件
|
||||
- 支持MCP扩展
|
||||
- 敏感操作需用户授权
|
||||
|
||||
## Connections
|
||||
- [[AI编程]] ← 基座 ← [[大语言模型]]
|
||||
- [[Cline]] ← 开源平替 ← [[Cursor]]
|
||||
37
wiki/concepts/Agile.md
Normal file
37
wiki/concepts/Agile.md
Normal file
@@ -0,0 +1,37 @@
|
||||
---
|
||||
title: Agile
|
||||
type: concept
|
||||
tags: [敏捷, 软件工程, 方法论, 迭代开发]
|
||||
sources: ["sources/DevOps-Culture-and-Transformation.md"]
|
||||
last_updated: 2026-04-15
|
||||
---
|
||||
|
||||
## 定义
|
||||
Agile(敏捷)是一类迭代式软件开发方法论,强调适应性规划、快速交付、跨职能协作和持续改进。2001 年发布的《敏捷宣言》奠定了其核心理念。
|
||||
|
||||
## 核心价值观
|
||||
- 个体与交互高于流程与工具
|
||||
- 可工作软件高于详尽文档
|
||||
- 客户协作高于合同谈判
|
||||
- 响应变化高于遵循计划
|
||||
|
||||
## 主流框架
|
||||
- **Scrum**:结构化冲刺(sprint)管理,适合固定迭代周期
|
||||
- **Kanban**:可视化持续流管理,适合持续交付场景
|
||||
- **SAFe (Scaled Agile Framework)**:大规模敏捷框架
|
||||
|
||||
## 与 DevOps 的关系
|
||||
- Agile 聚焦于开发侧的迭代管理
|
||||
- [[DevOps]] 将 Agile 的迭代理念延伸至运维全生命周期
|
||||
- [[CI/CD Pipelines]] 是 Agile 实践的自动化加速器
|
||||
- Shift-Left 实践将运营考量前置到开发阶段
|
||||
|
||||
## 关键实践
|
||||
- 迭代式开发与定期演示
|
||||
- 每日站会(Daily Standup)
|
||||
- 回顾会议(Retrospective)
|
||||
- Sprint 规划与回顾
|
||||
|
||||
## Aliases
|
||||
- Agile
|
||||
- 敏捷开发
|
||||
37
wiki/concepts/CI-CD-Pipelines.md
Normal file
37
wiki/concepts/CI-CD-Pipelines.md
Normal file
@@ -0,0 +1,37 @@
|
||||
---
|
||||
title: CI/CD Pipelines
|
||||
type: concept
|
||||
tags: [CI/CD, 自动化, 持续集成, 持续交付]
|
||||
sources: ["sources/DevOps-Culture-and-Transformation.md"]
|
||||
last_updated: 2026-04-15
|
||||
---
|
||||
|
||||
## 定义
|
||||
CI/CD Pipelines(持续集成/持续交付流水线)是一套自动化流程,用于代码从提交到生产部署的全生命周期管理。
|
||||
|
||||
## 核心阶段
|
||||
1. **持续集成(CI)**:代码提交后自动触发构建、测试和集成
|
||||
2. **持续交付(CD)**:通过自动化部署将代码交付至预生产环境
|
||||
3. **持续部署(Continuous Deployment)**:全自动将代码部署至生产环境
|
||||
|
||||
## 关键工具
|
||||
- [[Jenkins]]:开源 CI/CD 自动化服务器
|
||||
- [[GitHub]] Actions:GitHub 内置 CI/CD
|
||||
- [[GitLab]] CI:GitLab 内置 CI/CD
|
||||
- [[Kubernetes]]:容器化应用编排平台
|
||||
- [[Docker]]:容器化 runtime
|
||||
|
||||
## 在 DevOps 中的角色
|
||||
- CI/CD 是 DevOps 自动化的核心引擎,将反馈周期从数周压缩至分钟级
|
||||
- 与 [[Agile]] 框架(Scrum/Kanban)协同,实现迭代式交付
|
||||
- 支撑 [[DevSecOps]]:安全扫描集成至流水线各阶段
|
||||
|
||||
## 关键指标
|
||||
- 部署频率(Deployment Frequency)
|
||||
- 变更前置时间(Lead Time for Changes)
|
||||
- 平均恢复时间(MTTR)
|
||||
- 变更失败率(Change Failure Rate)
|
||||
|
||||
## Aliases
|
||||
- CI/CD Pipelines
|
||||
- 持续集成/持续交付
|
||||
51
wiki/concepts/DevOps.md
Normal file
51
wiki/concepts/DevOps.md
Normal file
@@ -0,0 +1,51 @@
|
||||
---
|
||||
title: DevOps
|
||||
type: concept
|
||||
tags: [DevOps, 企业文化, 敏捷, 自动化]
|
||||
sources: ["sources/DevOps-Culture-and-Transformation.md"]
|
||||
last_updated: 2026-04-15
|
||||
---
|
||||
|
||||
## 定义
|
||||
DevOps 是一种文化和运营变革方法论,旨在弥合软件开发(Dev)与运维(Ops)团队之间的鸿沟,通过跨职能协作、自动化和持续反馈加速软件交付。
|
||||
|
||||
## 核心原则
|
||||
- **协作优先于孤岛**:打破开发与运维之间的组织壁垒
|
||||
- **自动化赋能**:通过工具链自动化减少人工错误和等待时间
|
||||
- **持续改进(Kaizen)**:通过无责复盘和迭代优化实现渐进式提升
|
||||
- **客户中心**:每个发布都应解决真实用户问题
|
||||
|
||||
## 四大支柱
|
||||
1. 协作优先于孤岛
|
||||
2. 自动化即赋能者
|
||||
3. 持续改进(Kaizen)
|
||||
4. 客户中心
|
||||
|
||||
## 关键实践
|
||||
- [[CI/CD Pipelines]]
|
||||
- [[Infrastructure as Code]]
|
||||
- [[DevSecOps]]
|
||||
- [[GitOps]]
|
||||
- 监控与可观测性([[Prometheus]], [[Grafana]], [[Datadog]])
|
||||
- 混沌工程
|
||||
|
||||
## 工具生态
|
||||
- CI/CD:[[Jenkins]], [[GitHub]] Actions, [[GitLab]] CI
|
||||
- IaC:[[Terraform]], AWS CloudFormation
|
||||
- 容器化:[[Docker]], [[Kubernetes]]
|
||||
- 监控:[[Prometheus]], [[Grafana]], [[Datadog]]
|
||||
- 安全:[[SonarSource]] SonarQube, [[Snyk]]
|
||||
|
||||
## 与 Agile 的关系
|
||||
- Agile 聚焦于迭代开发
|
||||
- DevOps 将 Agile 的迭代理念延伸至运维全生命周期
|
||||
- 两者协同实现端到端的交付速度和质量保障
|
||||
|
||||
## 未来趋势
|
||||
- AI/ML 赋能 DevOps(智能自动化、异常检测、自愈基础设施)
|
||||
- [[GitOps]]:以 Git 为唯一真实源
|
||||
- [[Serverless DevOps]]:FaaS 减少运维开销
|
||||
- [[Edge Computing DevOps]]:边缘节点实时应用优化
|
||||
|
||||
## Aliases
|
||||
- DevOps
|
||||
40
wiki/concepts/DevSecOps.md
Normal file
40
wiki/concepts/DevSecOps.md
Normal file
@@ -0,0 +1,40 @@
|
||||
---
|
||||
title: DevSecOps
|
||||
type: concept
|
||||
tags: [DevSecOps, 安全, CI/CD, 敏捷]
|
||||
sources: ["sources/DevOps-Culture-and-Transformation.md"]
|
||||
last_updated: 2026-04-15
|
||||
---
|
||||
|
||||
## 定义
|
||||
DevSecOps 是在 DevOps 流程中内置安全实践的方法论,通过将安全扫描、合规检查和漏洞修复集成到 CI/CD 流水线的每个阶段,实现"安全左移"(Shift-Left)。
|
||||
|
||||
## 核心原则
|
||||
- **安全左移**:在开发早期阶段引入安全检测,而非等到生产环境
|
||||
- **自动化安全扫描**:在构建、测试、部署各阶段自动执行安全检查
|
||||
- **共享所有权**:安全是开发、运维和安全团队共同责任
|
||||
|
||||
## 关键实践
|
||||
- **静态应用安全测试(SAST)**:代码级别安全分析
|
||||
- **动态应用安全测试(DAST)**:运行时行为安全测试
|
||||
- **软件成分分析(SCA)**:依赖项漏洞扫描
|
||||
- **容器镜像扫描**:检查基础镜像和依赖漏洞
|
||||
|
||||
## 关键工具
|
||||
- [[SonarSource]] SonarQube:代码质量与安全静态分析
|
||||
- [[Snyk]]:开源依赖与容器安全扫描
|
||||
- SonarCloud:云端代码分析
|
||||
|
||||
## 在 DevOps 中的角色
|
||||
- DevSecOps 是 DevOps 成熟度的重要标志
|
||||
- 与 [[CI/CD Pipelines]] 深度集成,在部署前阻断安全漏洞
|
||||
- 支撑 [[Agile]] 和 [[DevOps]] 的快速迭代同时保障安全合规
|
||||
|
||||
## 未来趋势
|
||||
- AI 驱动的安全漏洞预测
|
||||
- 零信任架构(Zero Trust Architecture)深度集成
|
||||
- 实时威胁检测与响应自动化
|
||||
|
||||
## Aliases
|
||||
- DevSecOps
|
||||
- 安全左移
|
||||
44
wiki/concepts/Edge-Computing-DevOps.md
Normal file
44
wiki/concepts/Edge-Computing-DevOps.md
Normal file
@@ -0,0 +1,44 @@
|
||||
---
|
||||
title: Edge Computing DevOps
|
||||
type: concept
|
||||
tags: [Edge Computing, IoT, DevOps, 分布式]
|
||||
sources: ["sources/DevOps-Culture-and-Transformation.md"]
|
||||
last_updated: 2026-04-15
|
||||
---
|
||||
|
||||
## 定义
|
||||
Edge Computing DevOps 是在边缘节点(Edge Nodes)上进行应用部署、运维和优化的 DevOps 实践模式,通过将计算能力下沉至靠近终端用户的位置,实现低延迟和高实时性。
|
||||
|
||||
## 核心挑战
|
||||
- **分布式运维**:大量边缘节点的统一管理和配置
|
||||
- **网络延迟**:边缘与中心云/数据中心通信受限
|
||||
- **离线自治**:边缘节点需在断网情况下仍能正常运行
|
||||
- **资源受限**:边缘设备通常计算和存储资源有限
|
||||
- **一致性管理**:跨地理分布的节点一致性保证
|
||||
|
||||
## 关键场景
|
||||
- 自动驾驶汽车的实时决策
|
||||
- 工业 IoT 传感器数据处理
|
||||
- 视频流媒体边缘缓存与转码
|
||||
- 智慧城市的实时分析
|
||||
|
||||
## 关键工具
|
||||
- [[Kubernetes]] K3s:轻量级 Kubernetes 发行版,适合边缘
|
||||
- K3d:本地 Kubernetes 开发环境
|
||||
- [[Docker]]:边缘应用容器化 runtime
|
||||
- Weave Net / Flannel:边缘网络插件
|
||||
|
||||
## 在 DevOps 中的角色
|
||||
- Edge Computing DevOps 是 [[DevOps]] 在分布式场景下的扩展
|
||||
- 支撑 [[Serverless DevOps]] 在边缘的落地
|
||||
- 运维模式需支持弱网/断网环境下的自治运行
|
||||
|
||||
## 未来趋势
|
||||
- 6G 网络推动边缘算力进一步下沉
|
||||
- AI 推理能力向边缘迁移(Edge AI)
|
||||
- 零信任安全模型在边缘的深度应用
|
||||
|
||||
## Aliases
|
||||
- Edge DevOps
|
||||
- 边缘计算 DevOps
|
||||
- 边缘原生
|
||||
36
wiki/concepts/GitOps.md
Normal file
36
wiki/concepts/GitOps.md
Normal file
@@ -0,0 +1,36 @@
|
||||
---
|
||||
title: GitOps
|
||||
type: concept
|
||||
tags: [GitOps, DevOps, 基础设施, 声明式]
|
||||
sources: ["sources/DevOps-Culture-and-Transformation.md"]
|
||||
last_updated: 2026-04-15
|
||||
---
|
||||
|
||||
## 定义
|
||||
GitOps 是一种以 Git 为单一真实源(Single Source of Truth)来管理基础设施和应用配置的方法论,所有变更通过 Pull Request 驱动,实现声明式基础设施管理。
|
||||
|
||||
## 核心原则
|
||||
- **声明式配置**:以代码形式声明期望状态
|
||||
- **Git 单一真实源**:所有配置存储在 Git 仓库中
|
||||
- **自动同步**:系统自动检测并纠正与期望状态的偏差
|
||||
- **变更可追溯**:所有变更通过 Pull Request 记录和审查
|
||||
|
||||
## 关键工具
|
||||
- [[GitHub]] Actions + Flux 或 Argo CD:GitOps 核心引擎
|
||||
- [[Kubernetes]]:GitOps 的典型承载平台
|
||||
- Weave GitOps:GitOps 实现工具
|
||||
- Argo CD:Kubernetes 专用 GitOps 工具
|
||||
|
||||
## 在 DevOps 中的角色
|
||||
- GitOps 是 [[DevOps]] 自动化的演进方向
|
||||
- 与 [[CI/CD Pipelines]] 互补:CI/CD 关注应用交付,GitOps 关注基础设施和应用配置的声明式管理
|
||||
- 天然支撑 [[Infrastructure as Code]] 实践
|
||||
|
||||
## 优势
|
||||
- 提高变更可追溯性和安全性
|
||||
- 简化回滚操作(git revert)
|
||||
- 提升部署一致性
|
||||
- 降低人为错误
|
||||
|
||||
## Aliases
|
||||
- GitOps
|
||||
31
wiki/concepts/Infrastructure-as-Code.md
Normal file
31
wiki/concepts/Infrastructure-as-Code.md
Normal file
@@ -0,0 +1,31 @@
|
||||
---
|
||||
title: Infrastructure as Code
|
||||
type: concept
|
||||
tags: [IaC, 基础设施, 自动化, 云原生]
|
||||
sources: ["sources/DevOps-Culture-and-Transformation.md"]
|
||||
last_updated: 2026-04-15
|
||||
---
|
||||
|
||||
## 定义
|
||||
Infrastructure as Code(IaC)是一种通过代码管理基础设施的方式,使用版本控制系统存储环境配置,实现基础设施的自动化 provisioning 和一致性管理。
|
||||
|
||||
## 核心价值
|
||||
- **一致性**:所有环境使用相同配置,消除"在我机器上能跑"问题
|
||||
- **版本控制**:基础设施变更可审查、可回滚
|
||||
- **自动化**:减少人工操作,降低错误率
|
||||
- **可重复性**:同一代码可部署至多个环境
|
||||
|
||||
## 关键工具
|
||||
- [[HashiCorp]] Terraform:声明式 IaC 工具,支持多云
|
||||
- AWS CloudFormation:AWS 原生 IaC 服务
|
||||
- [[Ansible]]:[[Red Hat]] 的配置管理和应用部署工具
|
||||
|
||||
## 在 DevOps 中的角色
|
||||
- IaC 是 [[CI/CD Pipelines]] 的基础设施支撑层
|
||||
- 配合 [[Docker]] 和 [[Kubernetes]] 实现容器化环境的自动化管理
|
||||
- 支撑 [[GitOps]] 工作流:以 Git 为单一真实源管理基础设施
|
||||
|
||||
## Aliases
|
||||
- IaC
|
||||
- Infrastructure as Code
|
||||
- 基础设施即代码
|
||||
36
wiki/concepts/Kaizen.md
Normal file
36
wiki/concepts/Kaizen.md
Normal file
@@ -0,0 +1,36 @@
|
||||
---
|
||||
title: Kaizen
|
||||
type: concept
|
||||
tags: [Kaizen, 持续改进, 精益, DevOps]
|
||||
sources: ["sources/DevOps-Culture-and-Transformation.md"]
|
||||
last_updated: 2026-04-15
|
||||
---
|
||||
|
||||
## 定义
|
||||
Kaizen(改善)是一种源自日本丰田生产系统的持续改进哲学,强调通过小步迭代、全员参与来实现质量和效率的渐进式提升。
|
||||
|
||||
## 核心理念
|
||||
- **持续性**:改进是永无止境的过程
|
||||
- **小步快跑**:通过小幅、频繁的改进避免大规模变革风险
|
||||
- **全员参与**:从一线员工到管理层,每个人都是改进的主体
|
||||
- **无责复盘**:关注系统性问题而非个人失误
|
||||
|
||||
## 在 DevOps 中的应用
|
||||
- **无责复盘(Blameless Post-mortems)**:从失败中学习而非追究责任
|
||||
- **度量驱动改进**:通过部署频率、MTTR 等指标识别瓶颈
|
||||
- **混沌工程**:主动引入故障以发现系统弱点
|
||||
- **迭代式优化**:每个 sprint 周期进行小范围改进
|
||||
|
||||
## 关键实践
|
||||
- **5 Why 分析**:通过连续追问找到问题根本原因
|
||||
- **价值流映射(Value Stream Mapping)**:识别流程中的浪费环节
|
||||
- **5S 管理法**:工作场所组织标准化
|
||||
|
||||
## 与 Agile 的关系
|
||||
- Agile 的迭代式开发与 Kaizen 的小步改进理念高度一致
|
||||
- 两者共同构成 [[DevOps]] 持续改进的文化基础
|
||||
|
||||
## Aliases
|
||||
- Kaizen
|
||||
- 改善
|
||||
- 持续改进
|
||||
38
wiki/concepts/Serverless-DevOps.md
Normal file
38
wiki/concepts/Serverless-DevOps.md
Normal file
@@ -0,0 +1,38 @@
|
||||
---
|
||||
title: Serverless DevOps
|
||||
type: concept
|
||||
tags: [Serverless, FaaS, DevOps, 无服务器]
|
||||
sources: ["sources/DevOps-Culture-and-Transformation.md"]
|
||||
last_updated: 2026-04-15
|
||||
---
|
||||
|
||||
## 定义
|
||||
Serverless DevOps 是一种利用函数即服务(Function as a Service,FaaS)来减少运维开销的 DevOps 实践模式,开发者专注于业务逻辑,平台自动处理资源分配和扩缩容。
|
||||
|
||||
## 核心特征
|
||||
- **无需服务器管理**:开发者不直接管理底层基础设施
|
||||
- **按需执行**:函数仅在事件触发时运行,按执行时间计费
|
||||
- **自动扩缩容**:平台自动根据负载调整资源
|
||||
- **状态无关**:函数设计为无状态,状态存储于外部服务
|
||||
|
||||
## 关键平台
|
||||
- AWS Lambda:[[Amazon]] 的 FaaS 服务
|
||||
- Azure Functions:微软云函数计算
|
||||
- Google Cloud Functions:谷歌云函数服务
|
||||
|
||||
## 在 DevOps 中的角色
|
||||
- Serverless DevOps 是 [[DevOps]] 的进化方向,理论上"消除"服务器管理
|
||||
- 减少 [[CI/CD Pipelines]] 中的基础设施配置工作
|
||||
- 与 [[GitOps]] 协同,通过 Git 触发函数部署
|
||||
|
||||
## 局限性
|
||||
- 冷启动延迟
|
||||
-厂商锁定(Vendor Lock-in)
|
||||
- 调试和监控复杂性增加
|
||||
- 不适合长时间运行任务
|
||||
|
||||
## Aliases
|
||||
- Serverless
|
||||
- Serverless DevOps
|
||||
- FaaS
|
||||
- 函数即服务
|
||||
30
wiki/concepts/主体一致性.md
Normal file
30
wiki/concepts/主体一致性.md
Normal file
@@ -0,0 +1,30 @@
|
||||
---
|
||||
title: 主体一致性
|
||||
type: concept
|
||||
tags: [AI, 视频生成, 一致性]
|
||||
last_updated: 2026-04-15
|
||||
---
|
||||
|
||||
## 定义
|
||||
主体一致性(Subject Consistency)是在视频生成过程中保持人物/角色外观一致性的技术能力。
|
||||
|
||||
## 核心机制
|
||||
- 参考图像输入:提供一张或多张参考图片定义主体外观
|
||||
- 外观编码:深度学习模型提取并编码主体视觉特征
|
||||
- 时序保持:在视频生成过程中持续应用外观编码,确保主体不变
|
||||
|
||||
## 技术挑战
|
||||
- 面部一致性:面部特征在连续帧中保持不变
|
||||
- 光影一致性:光照和阴影与主体材质匹配
|
||||
- 色调一致性:颜色风格在整个视频中统一
|
||||
- 多主体处理:多个角色同时保持各自一致性
|
||||
|
||||
## 典型实现
|
||||
- [[Vidu]]多主体参考:上传13张图像作为参考,面向任意主体保持一致
|
||||
- [[海螺AI]]主体参考:角色形象自动保持一致,从困惑到恐惧等细腻表情演绎
|
||||
- [[PixVerse]]角色一致性:识别并生成与人物相关的视频,保持角色一致性
|
||||
|
||||
## Connections
|
||||
- [[主体一致性]] ← 属于 ← [[图生视频]]
|
||||
- [[Vidu]] ← 实现 ← [[主体一致性]]
|
||||
- [[海螺AI]] ← 实现 ← [[主体一致性]]
|
||||
38
wiki/concepts/图生视频.md
Normal file
38
wiki/concepts/图生视频.md
Normal file
@@ -0,0 +1,38 @@
|
||||
---
|
||||
title: 图生视频
|
||||
type: concept
|
||||
tags: [AI, 视频生成, 计算机视觉]
|
||||
last_updated: 2026-04-15
|
||||
---
|
||||
|
||||
## 定义
|
||||
图生视频(Image-to-Video)是将静态图片通过AI技术转化为动态视频的核心AI任务。
|
||||
|
||||
## 核心机制
|
||||
- 深度学习图像理解:AI分析静态图片中的内容、元素和艺术风格
|
||||
- 运动生成:AI推断图片中元素在未来时间序列中的运动轨迹
|
||||
- 细节填充:AI填充图片中未直接显示但合理存在的细节
|
||||
- 视频合成:生成连续帧序列,形成平滑动态效果
|
||||
|
||||
## 技术特点
|
||||
- 输入:静态图片(单张或多张)
|
||||
- 输出:动态视频片段(2-6秒为主)
|
||||
- 关键技术:[[主体一致性]]、 [[运动控制]]、 [[运镜控制]]、 [[风格迁移]]
|
||||
|
||||
## 应用场景
|
||||
- 电商营销:商品展示、模特动态化
|
||||
- 内容创作:社交媒体短视频
|
||||
- 广告制作:创意视觉内容生成
|
||||
- 影视特效:场景动态化、物体拟人化
|
||||
|
||||
## 典型工具
|
||||
- [[智谱清影]]:30秒生成6秒高清视频,支持风格选择
|
||||
- [[Vidu]]:多主体参考功能,突破一致性难题
|
||||
- [[可灵AI]]:物理逻辑动作生成,1080p输出
|
||||
- [[StableVideo]]:LoRA摄像机精细控制
|
||||
|
||||
## Connections
|
||||
- [[主体一致性]] ← 关键能力 ← [[图生视频]]
|
||||
- [[运动控制]] ← 关键能力 ← [[图生视频]]
|
||||
- [[运镜控制]] ← 关键能力 ← [[图生视频]]
|
||||
- [[风格迁移]] ← 关键能力 ← [[图生视频]]
|
||||
24
wiki/concepts/大语言模型.md
Normal file
24
wiki/concepts/大语言模型.md
Normal file
@@ -0,0 +1,24 @@
|
||||
---
|
||||
title: 大语言模型
|
||||
type: concept
|
||||
tags: [AI, LLM, 深度学习]
|
||||
aliases: [LLM, Large Language Model]
|
||||
---
|
||||
|
||||
## 定义
|
||||
以Transformer为基础架构、通过海量文本训练具备自然语言理解和生成能力的深度学习模型。
|
||||
|
||||
## 2025年关键进展
|
||||
- 深度推理让AI学会"慢思考"
|
||||
- 开源内卷将价格打成了白菜
|
||||
- 从会聊天的玩具进化成能干活的队友
|
||||
|
||||
## 代表产品
|
||||
- 国外:OpenAI、Claude、Gemini
|
||||
- 国内开源:DeepSeek R1、Qwen 3、GLM、Kimi K2、MiniMax
|
||||
|
||||
## Connections
|
||||
- [[大语言模型]] ← 基座 ← [[AI生图]]
|
||||
- [[大语言模型]] ← 基座 ← [[AI生视频]]
|
||||
- [[大语言模型]] ← 基座 ← [[AI智能体]]
|
||||
- [[大语言模型]] ← 基座 ← [[AI搜索]]
|
||||
24
wiki/concepts/智能体工作流.md
Normal file
24
wiki/concepts/智能体工作流.md
Normal file
@@ -0,0 +1,24 @@
|
||||
---
|
||||
title: 智能体工作流
|
||||
type: concept
|
||||
tags: [AI, 工作流, Automation]
|
||||
aliases: [Agent Workflow, 工作流编排]
|
||||
---
|
||||
|
||||
## 定义
|
||||
通过可视化方式编排AI智能体执行步骤和流程的技术。
|
||||
|
||||
## 代表工具
|
||||
- n8n:拖拽式工作流自动化,16万Star,开源版Zapier
|
||||
- Dify:LLM应用开发平台,可视化提示词编排
|
||||
|
||||
## 核心能力
|
||||
- 拖拽节点串联App
|
||||
- 集成LangChain等AI能力
|
||||
- 将大模型嵌入业务流程
|
||||
- 可视化搭建智能体
|
||||
|
||||
## Connections
|
||||
- [[智能体工作流]] ← 依赖 ← [[大语言模型]]
|
||||
- [[n8n]] ← 竞争 ← [[Zapier]]
|
||||
- [[Dify]] ← 竞争 ← [[LangChain]]
|
||||
31
wiki/concepts/运动控制.md
Normal file
31
wiki/concepts/运动控制.md
Normal file
@@ -0,0 +1,31 @@
|
||||
---
|
||||
title: 运动控制
|
||||
type: concept
|
||||
tags: [AI, 视频生成, 运动]
|
||||
last_updated: 2026-04-15
|
||||
---
|
||||
|
||||
## 定义
|
||||
运动控制(Motion Control)是通过文本提示词控制视频中主体运动方向和动作的技术能力。
|
||||
|
||||
## 核心机制
|
||||
- 提示词解析:理解用户输入的文本指令(如"快速转身微笑")
|
||||
- 运动推断:基于图片内容和提示词推断合理的运动轨迹
|
||||
- 物理约束:遵循真实世界物理规律(如重力、碰撞)
|
||||
|
||||
## 技术特点
|
||||
- 主体+运动+背景:典型提示词结构
|
||||
- 复杂动作生成:如切西红柿、倒茶等符合物理逻辑的动作
|
||||
- 情绪动作:皱眉、叹气、翻白眼等复杂情绪表现
|
||||
- 细节填充:为元素添加合理的运动细节
|
||||
|
||||
## 典型实现
|
||||
- [[通义万相]]:通过提示词精准控制运动,实现大幅度主体运动
|
||||
- [[可灵AI]]:3D时空联合注意力机制,生成符合物理逻辑的复杂动作
|
||||
- [[VideoOcean]]:根据用户指令让图片中主体做出特定动作或表情
|
||||
- [[海螺AI]]:理解超出图片内容的文本指令,实现"所写即所见"
|
||||
|
||||
## Connections
|
||||
- [[运动控制]] ← 属于 ← [[图生视频]]
|
||||
- [[可灵AI]] ← 实现 ← [[运动控制]]
|
||||
- [[通义万相]] ← 实现 ← [[运动控制]]
|
||||
31
wiki/concepts/运镜控制.md
Normal file
31
wiki/concepts/运镜控制.md
Normal file
@@ -0,0 +1,31 @@
|
||||
---
|
||||
title: 运镜控制
|
||||
type: concept
|
||||
tags: [AI, 视频生成, 摄像机控制]
|
||||
last_updated: 2026-04-15
|
||||
---
|
||||
|
||||
## 定义
|
||||
运镜控制(Camera Motion Control)是模拟摄像机运动(推拉、轨道、旋转等)来控制视频画面视角的技术能力。
|
||||
|
||||
## 核心机制
|
||||
- 相机路径定义:预设或自定义摄像机运动轨迹
|
||||
- 视角变换:调整视频画面中的视角和透视关系
|
||||
- 3D场景理解:对输入图像进行深度估计,构建3D空间理解
|
||||
|
||||
## 技术特点
|
||||
- 多样化相机动作:推拉、轨道、旋转、平移、倾斜等
|
||||
- LoRA控制:通过LoRA技术精细控制摄像机位置和角度
|
||||
- 3D场景生成:沿指定相机路径创建3D视频
|
||||
- 多比例支持:16:9、9:16、1:1等多种画幅
|
||||
|
||||
## 典型实现
|
||||
- [[StableVideo]]:LoRA摄像机精细控制,多种相机动作选项
|
||||
- [[即梦AI]]:运镜控制、运动速度、视频比例等多参数自定义
|
||||
- [[Viva]]:6种运镜方式,运动强度范围大
|
||||
- [[PixVerse]]:摄像头运镜参数调整,改变视角和运动轨迹
|
||||
|
||||
## Connections
|
||||
- [[运镜控制]] ← 属于 ← [[图生视频]]
|
||||
- [[StableVideo]] ← 实现 ← [[运镜控制]]
|
||||
- [[即梦AI]] ← 实现 ← [[运镜控制]]
|
||||
25
wiki/concepts/通用智能体.md
Normal file
25
wiki/concepts/通用智能体.md
Normal file
@@ -0,0 +1,25 @@
|
||||
---
|
||||
title: 通用智能体
|
||||
type: concept
|
||||
tags: [AI, Agent, 智能体]
|
||||
aliases: [AI Agent, General AI Agent]
|
||||
---
|
||||
|
||||
## 定义
|
||||
能够自主执行复杂任务、调用多种工具的AI系统。
|
||||
|
||||
## 2025年里程碑
|
||||
- Manus的出现定义AI Agent元年
|
||||
- 被Meta以几十亿美金收购
|
||||
|
||||
## 开源实现
|
||||
OpenManus核心逻辑:规划(Planning) -> 执行(Execution) -> 循环反馈
|
||||
|
||||
## 关键能力
|
||||
- 控制浏览器(browser-use/Playwright)
|
||||
- 编写运行Python代码
|
||||
- 拆解模糊指令逐步执行
|
||||
|
||||
## Connections
|
||||
- [[通用智能体]] ← 基座 ← [[大语言模型]]
|
||||
- [[OpenManus]] ← 开源平替 ← [[Manus]]
|
||||
32
wiki/concepts/风格迁移.md
Normal file
32
wiki/concepts/风格迁移.md
Normal file
@@ -0,0 +1,32 @@
|
||||
---
|
||||
title: 风格迁移
|
||||
type: concept
|
||||
tags: [AI, 视频生成, 风格]
|
||||
last_updated: 2026-04-15
|
||||
---
|
||||
|
||||
## 定义
|
||||
风格迁移(Style Transfer)是将图像/视频内容转换为不同艺术风格(卡通、油画、电影感等)的技术能力。
|
||||
|
||||
## 核心机制
|
||||
- 风格编码:提取不同艺术风格的视觉特征
|
||||
- 内容保留:在风格转换过程中保持原始内容结构
|
||||
- 跨域生成:将写实内容转换为动漫、油画等艺术形式
|
||||
|
||||
## 风格类型
|
||||
- 卡通/动漫风格:3D卡通、2D动画
|
||||
- 艺术风格:油画、水彩、古典
|
||||
- 电影风格:电影感、色调调整
|
||||
- 数字艺术:赛博朋克、数字艺术等
|
||||
|
||||
## 典型实现
|
||||
- [[智谱清影]]:卡通3D、黑白、油画、电影感等风格选择
|
||||
- [[通义万相]]:卡通、电影色、3D风格、油画、古典,适配中国传统文化
|
||||
- [[海螺AI]]:CG合成,多种艺术风格适配(卡通、漫画等)
|
||||
- [[StableVideo]]:3D模型、胶片电影、动漫、电影化、漫画书、数字艺术
|
||||
- [[PixVerse]]:真实风格、动漫风格、3D动画风格
|
||||
|
||||
## Connections
|
||||
- [[风格迁移]] ← 属于 ← [[图生视频]]
|
||||
- [[智谱清影]] ← 实现 ← [[风格迁移]]
|
||||
- [[通义万相]] ← 实现 ← [[风格迁移]]
|
||||
Reference in New Issue
Block a user