feat(wiki): batch ingest 16 source pages from raw/

wiki/sources/Anthropic-Prompt-Library-实用合集.md

@@ -0,0 +1,35 @@
+---
+title: "Anthropic Prompt Library实用合集"
+type: source
+tags: []
+date: 2025-12-19
+---
+
+## Source File
+- [[raw/AI/Useful Prompt Lib.md]]
+
+## Summary
+- 核心主题：Anthropic官方Prompt Library精选，聚焦TikTok跨境电商应用场景
+- 问题域：AI提示词工程、Prompt复用、电商自动化
+- 方法/机制：直接调用Anthropic官方预制Prompt，通过特定提示词实现特定任务
+- 结论/价值：为TikTok跨境电商业务推荐3个核心Prompt：Babel's broadcasts（多语言本地化）、Review classifier（评论分类）、Data organizer（非结构化数据转JSON）
+
+## Key Claims
+- Anthropic Prompt Library包含66+个高质量预制Prompt，覆盖开发、创作、数据处理等领域
+- TikTok跨境电商最值得关注的3个Prompt：Babel's broadcasts（多语言产品发布推文）、Review classifier（评论情感分类）、Data organizer（非结构化数据→JSON）
+- Data organizer可直接对接自动化工作流，将竞品数据或产品信息结构化
+
+## Key Quotes
+> "Babel's broadcasts极其适合用于TikTok视频脚本的多语言本地化改写。" — Anthropic Prompt库应用建议
+> "Review classifier可以帮助你自动化处理和分类TikTok店铺或广告投放的评论。" — 电商评论管理
+
+## Key Concepts
+- [[PromptLibrary]]：Anthropic官方高质量预制提示词集合
+- [[多语言本地化]]：Babel's broadcasts支持10种语言产品发布推文生成
+
+## Key Entities
+- [[Anthropic]]：Claude模型的开发商，运营官方Prompt Library平台
+
+## Connections
+- [[提示词框架]] ← relates_to ← [[PromptLibrary]]
+- [[提示词框架]] ← relates_to ← [[多语言本地化]]

wiki/sources/ChatGPT-Canva-Gamma-简报工作流.md

@@ -0,0 +1,35 @@
+---
+title: "ChatGPT + Canva + Gamma AI 简报工作流"
+type: source
+tags: []
+date: 2025-10-26
+---
+
+## Source File
+- [[raw/AI/教學 ChatGPT 先做知識整理，再讓 Canva、 Gamma AI 輸出簡報.md]]
+
+## Summary
+- 核心主题：利用ChatGPT进行知识整理，再用Canva和Gamma AI输出专业简报的工作流
+- 问题域：AI辅助内容创作、PPT/简报自动化
+- 方法/机制：ChatGPT→知识整理/大纲构建→Canva/Gamma AI→可视化简报
+- 结论/价值：AI辅助简报制作的两阶段工作流，ChatGPT负责内容构建，Canva/Gamma AI负责视觉呈现
+
+## Key Claims
+- 第一阶段：ChatGPT完成知识整理、大纲构建、内容扩写
+- 第二阶段：Canva或Gamma AI将内容转化为可视化简报
+- 工作流优势：内容质量由AI保证，视觉设计交给专业工具
+
+## Key Quotes
+> "ChatGPT负责内容结构和文字，Canva/Gamma AI负责视觉呈现" — 两阶段工作流分工
+
+## Key Concepts
+- [[简报自动化]]：AI辅助简报制作的两阶段分工模式
+- [[AI内容创作]] ← extends ← [[简报自动化]]
+
+## Key Entities
+- [[Canva]]：在线设计平台，支持AI辅助设计
+- [[GammaAI]]：AI简报生成平台
+
+## Connections
+- [[AI配音]] ← relates_to ← [[简报自动化]]
+- [[提示词框架]] ← relates_to ← [[简报自动化]]

wiki/sources/Coze平台Demo合集.md

@@ -0,0 +1,40 @@
+---
+title: "Coze平台Demo合集"
+type: source
+tags: []
+date: 2025-06-20
+---
+
+## Source File
+- [[raw/AI/AI 解决方案专家培训课程.md]]
+
+## Summary
+- 核心主题：Coze（扣子）平台国内版与海外版的多行业Agent Demo合集
+- 问题域：Coze平台的Bot创建、工作流编排、行业解决方案
+- 方法/机制：Bot+工作流组合，支持金融、教育、医疗、电商、客服等场景
+- 结论/价值：Coze作为国内领先的Agent开发平台，覆盖多行业落地案例
+
+## Key Claims
+- Coze国内版（coze.cn）和海外版（coze.com）功能基本同步，支持多行业Agent开发
+- 金融行业：客户分层营销助手、智能客服Agent
+- 教育行业：知识库问答、拍照搜视频、组卷出题、知识点评估
+- 医疗行业：影像图片识别、在线问诊
+- 电商行业：混剪助手、在线换衣、直播回复助手
+- 客服行业：AI销售、AI助教
+
+## Key Quotes
+> "Coze（扣子）是一个国内领先的Agent开发平台，支持Bot创建和工作流编排" — 平台概述
+
+## Key Concepts
+- [[Coze平台]]：字节跳动的AI Agent开发平台，支持国内版和海外版
+- [[Bot编排]]：通过Bot+工作流组合实现复杂业务逻辑
+- [[行业解决方案]]：金融、教育、医疗、电商、客服等多场景落地
+
+## Key Entities
+- [[Coze]]：字节跳动旗下的AI Agent平台（国内版coze.cn，海外版coze.com）
+- [[F5TTS]]：开源语音克隆项目，在泛娱乐Demo中使用
+- [[FaceFusion]]：人脸融合技术，在泛娱乐Demo中使用
+
+## Connections
+- [[N8N]] ← 类似 ← [[Coze平台]]（同为工作流/Agent编排平台）
+- [[Agent模式]] ← 支撑 ← [[Coze平台]]

wiki/sources/DeepSeek使用手册清华版.md

@@ -0,0 +1,32 @@
+---
+title: "DeepSeek使用手册（清华104页版）"
+type: source
+tags: []
+date: 2025-12-19
+---
+
+## Source File
+- [[raw/AI/清华出的DeepSeek使用手册，104页，真的是太厉害了！（免费领取）.md]]
+
+## Summary
+- 核心主题：清华大学发布的DeepSeek使用手册（104页），全面介绍DeepSeek大模型使用方法
+- 问题域：DeepSeek大模型使用、Prompt工程、最佳实践
+- 方法/机制：系统性介绍DeepSeek的能力边界、提示词技巧、应用场景
+- 结论/价值：清华大学的权威资源，系统学习DeepSeek的全面指南
+
+## Key Claims
+- DeepSeek是国产开源大模型，性能对标GPT-4等顶级模型
+- 手册覆盖：基础使用、提示词工程、API调用、垂直场景应用
+- DeepSeek的优势：开源免费、国产可控、长上下文支持
+
+## Key Concepts
+- [[DeepSeek]]：国产开源大模型，由深度求索公司开发
+- [[Prompt工程]] ← relates_to ← [[DeepSeek使用手册]]
+
+## Key Entities
+- [[DeepSeek]]：深度求索公司开发的国产大语言模型
+- [[清华大学]]：手册发布机构
+
+## Connections
+- [[LLM]] ← relates_to ← [[DeepSeek]]
+- [[提示词框架]] ← relates_to ← [[DeepSeek使用手册]]

wiki/sources/Gemini-3-一口气做了10个应用.md

@@ -0,0 +1,30 @@
+---
+title: "我用 Gemini 3 一口气做了 10 个应用，附教程"
+type: source
+tags: []
+date: 2025-12-19
+---
+
+## Source File
+- [[raw/AI/我用 Gemini 3 一口气做了 10 个应用，附教程.md]]
+
+## Summary
+- 核心主题：Google Gemini 3模型一口气构建10个AI应用的实战教程
+- 问题域：Gemini 3多模态应用开发、快速应用原型
+- 方法/机制：Gemini 3作为多模态模型，一站式完成网页应用、工具调用、数据处理等多种任务
+- 结论/价值：Gemini 3展示了新一代多模态AI在应用开发上的强大能力
+
+## Key Claims
+- Gemini 3可一次性完成10个不同类型的应用开发
+- 覆盖类型：网页应用、数据分析工具、自动化脚本等
+- Gemini 3的多模态能力和长上下文窗口是核心优势
+
+## Key Concepts
+- [[Gemini3]]：Google的多模态AI模型，支持文本、图像、视频等多模态输入
+- [[多模态应用]]：利用多模态AI一次性构建多种类型应用
+
+## Key Entities
+- [[Google]]：Gemini模型的开发商
+
+## Connections
+- [[GenAI]] ← extends ← [[Gemini3]]

wiki/sources/Google-5个Agent-Skill设计模式.md

@@ -0,0 +1,30 @@
+---
+title: "Google 5个Agent Skill设计模式"
+type: source
+tags: []
+date: 2026-03-19
+---
+
+## Source File
+- [[raw/Agent/Google-5个Agent-Skill设计模式-2026-03-19.md]]
+
+## Summary
+- 核心主题：Google发布的5个常用Agent Skill设计模式
+- 问题域：Agent Skill开发、最佳实践
+- 方法/机制：5种经过生产验证的Agent Skill设计模式
+- 结论/价值：继Anthropic之后，Google也公布了其内部使用的Agent Skill设计模式
+
+## Key Claims
+- Google公布5个常用的Agent Skill设计模式
+- 模式覆盖：Tool Use、Code Execution、Data Processing等场景
+- 每个模式配有具体实现指导和示例
+
+## Key Concepts
+- [[AgentSkill设计模式]]：经过生产验证的Agent开发模式
+- [[GoogleAgent]] ← 来源 ← [[AgentSkill设计模式]]
+
+## Key Entities
+- [[Google]]：发布Agent Skill设计模式的科技公司
+
+## Connections
+- [[ClaudeSkills]] ← parallel ← [[GoogleAgent]] ← similar ← [[AgentSkill设计模式]]

wiki/sources/Ollama-DeepSeek-OpenWebUI-离线部署大模型.md

@@ -0,0 +1,38 @@
+---
+title: "Ollama+DeepSeek+Open-Webui 离线部署大模型"
+type: source
+tags: []
+date: 2025-03-15
+---
+
+## Source File
+- [[raw/AI/详细！离线部署大模型：ollama+deepseek+open-webui安装使用方法及常见问题解决 1.md]]
+
+## Summary
+- 核心主题：使用Ollama+DeepSeek+Open-Webui搭建本地离线大模型部署环境
+- 问题域：本地大模型部署、隐私敏感场景、AI开发环境
+- 方法/机制：Ollama（运行时）+DeepSeek（模型）+Open-Webui（Web界面）三位一体本地部署
+- 结论/价值：实现完全离线的AI大模型使用，零依赖云服务，适合隐私敏感场景
+
+## Key Claims
+- Ollama：开源本地大模型运行时，简化模型部署和运行
+- DeepSeek：国产开源大模型，性能对标GPT-4，尺寸多样（1B~70B）
+- Open-Webui：类似ChatGPT的Web界面，本地访问Ollama模型
+- 三者结合：完全离线、数据不外传、适合开发测试
+
+## Key Quotes
+> "Ollama+DeepSeek+Open-Webui可以实现完全离线的AI大模型使用" — 本地部署核心价值
+
+## Key Concepts
+- [[本地部署]]：不依赖云服务的本地AI大模型运行环境
+- [[Ollama]]：本地大模型运行平台
+- [[OpenWebui]]：本地大模型的Web界面
+
+## Key Entities
+- [[DeepSeek]]：深度求索公司开发的国产开源大模型
+- [[Ollama]]：本地大模型运行时
+- [[OpenWebui]]：开源本地AI Web界面
+
+## Connections
+- [[LLM]] ← extends ← [[本地部署]]
+- [[提示词框架]] ← relates_to ← [[Ollama]]

wiki/sources/Sora视频自动化生成工作流.md

@@ -0,0 +1,30 @@
+---
+title: "如何利用Sora接口实现视频自动化生成工作流"
+type: source
+tags: []
+date: 2025-03-14
+---
+
+## Source File
+- [[raw/AI/如何利用Sora接口实现视频自动化生成工作流.md]]
+
+## Summary
+- 核心主题：利用Sora视频生成API构建自动化视频生成工作流
+- 问题域：AI视频生成、自动化内容创作
+- 方法/机制：Sora API接口调用，结合自动化脚本实现批量视频生成
+- 结论/价值：Sora作为OpenAI的视频生成模型，可通过API集成到自动化流程中
+
+## Key Claims
+- Sora支持通过API接口调用，实现视频生成能力
+- 可结合自动化脚本实现批量视频内容生产
+- 工作流整合：素材准备→API调用→后处理→分发
+
+## Key Concepts
+- [[Sora]]：OpenAI开发的视频生成模型，支持文本到视频转换
+- [[视频自动化]]：通过API集成实现批量视频内容生产
+
+## Key Entities
+- [[OpenAI]]：Sora模型的开发商
+
+## Connections
+- [[AI视频生成]] ← relates_to ← [[Sora]]

wiki/sources/a-formalization-of-recursive-self-optimizing-generative-systems.md

@@ -1,36 +0,0 @@
----
-title: "A Formalization of Recursive Self-Optimizing Generative Systems"
-type: source
-tags: [recursive-optimization, formal-model, meta-learning, prompt-engineering]
-date: 2025-12-30
----
-
-## Source File
-- [[raw/AI/A Formalization of Recursive Self-Optimizing Generative Systems.md]]
-
-## Summary
-- 核心主题：递归自优化生成系统的形式化模型
-- 问题域：如何形式化描述AI系统通过迭代自我修改构建稳定生成能力
-- 方法/机制：自映射、固定点结构、λ演算表述
-- 结论/价值：递归自优化自然引导到固定点结构而非终端输出
-
-## Key Claims
-- 系统目标不是直接产生最优输出，而是通过迭代自修改构建稳定生成能力
-- 稳定生成能力定义为生成器空间上自映射的固定点
-- 递归结构可使用无类型λ演算表达
--  bootstrapping元生成过程由固定点语义控制
-
-## Key Concepts
-- [[递归自优化]]：通过迭代生成-优化-更新循环自我完善
-- [[固定点]]：生成器在自映射下的不变状态
-- [[自映射]]：生成器空间到自身的映射
-- [[元生成]]：生成器更新生成器本身的过程
-- [[Bootstrap]]：从初始版本启动递归优化的起点
-
-## Key Entities
-
-## Connections
-- [[自优化AI]] ← formalizes ← [[递归自优化系统]]
-- [[固定点语义]] ← governs ← [[Bootstrap]]
-
-## Contradictions

wiki/sources/n8n-Telegram-Trigger-HTTPS错误修复.md

@@ -0,0 +1,34 @@
+---
+title: "n8n Telegram Trigger HTTPS webhook错误修复"
+type: source
+tags: []
+date: 2026-04-14
+---
+
+## Source File
+- [[raw/Agent/n8n configure telegram trigger.md]]
+
+## Summary
+- 核心主题：n8n配置Telegram Trigger时遇到"Telegram Trigger: Bad Request: bad webhook: An HTTPS URL must be provided for webhook"错误的解决方案
+- 问题域：n8n Telegram集成、Telegram Webhook配置
+- 方法/机制：设置WEBHOOK_URL环境变量为HTTPS URL
+- 结论/价值：n8n+Telegram联动需要公网HTTPS访问，本地开发需使用内网穿透
+
+## Key Claims
+- Telegram要求Webhook必须使用HTTPS URL
+- 解决方案：在Docker Desktop中设置WEBHOOK_URL环境变量
+- 示例：WEBHOOK_URL=https://n8n.cpolar.top（使用cpolar内网穿透）
+
+## Key Quotes
+> "When I configure Telegram Trigger, I got an error: Telegram Trigger: Bad Request: bad webhook: An HTTPS URL must be provided for webhook" — Telegram Trigger配置错误
+
+## Key Concepts
+- [[Webhook HTTPS]]：Telegram Webhook必须使用HTTPS URL的要求
+- [[内网穿透]] ← relates_to ← [[Webhook HTTPS]]
+
+## Key Entities
+- [[N8N]] ← 使用 ← [[Webhook HTTPS]]
+- [[Telegram]] ← via ← [[N8N]]
+
+## Connections
+- [[N8N]] ← relates_to ← [[n8n Telegram Trigger HTTPS错误修复]]

wiki/sources/我的工具集.md

@@ -0,0 +1,25 @@
+---
+title: "我的工具集"
+type: source
+tags: []
+date: 2025-12-19
+---
+
+## Source File
+- [[raw/AI/我的工具集.md]]
+
+## Summary
+- 核心主题：个人AI工具集的整理与推荐
+- 问题域：AI工具选型、个人效率工具
+- 方法/机制：收录各类AI工具的使用心得和推荐场景
+- 结论/价值：帮助快速找到适合不同场景的AI工具
+
+## Key Claims
+- 工具集覆盖AI开发、内容创作、自动化等多个领域
+- 每个工具配有使用场景说明和推荐理由
+
+## Key Concepts
+- [[AI工具集]]：个人使用的AI工具集合，按场景分类
+
+## Connections
+- [[提示词框架]] ← relates_to ← [[AI工具集]]

wiki/sources/文字生成视频网站推荐.md

@@ -0,0 +1,34 @@
+---
+title: "文字生成视频网站推荐"
+type: source
+tags: []
+date: 2025-10-10
+---
+
+## Source File
+- [[raw/AI/文字生成视频网站推荐.md]]
+
+## Summary
+- 核心主题：主流文字转视频（Text-to-Video）AI平台汇总与推荐
+- 问题域：AI视频生成工具选型
+- 方法/机制：汇总各平台的优劣、适用场景和价格
+- 结论/价值：为选择文字转视频工具提供参考依据
+
+## Key Claims
+- 主流平台包括：Sora（OpenAI）、Runway、Pika、Luma Dream Machine、可灵（快手）等
+- 各平台在视频质量、生成速度、价格上各有优劣
+- 选择依据：需求类型（写实/动画）、时长要求、预算
+
+## Key Concepts
+- [[文字转视频]]：Text-to-Video AI技术，将文字描述转换为视频内容
+- [[AI视频生成]]：利用AI技术自动生成视频的工作流程
+
+## Key Entities
+- [[Sora]]：OpenAI文字转视频模型
+- [[Runway]]：AI视频生成平台
+- [[Pika]]：AI视频生成平台
+- [[可灵]]：快手旗下的文字转视频平台
+
+## Connections
+- [[固定机位]] ← relates_to ← [[文字转视频]]
+- [[九宫格法]] ← relates_to ← [[文字转视频]]

wiki/sources/系统提示词构建原则.md

@@ -0,0 +1,28 @@
+---
+title: "系统提示词构建原则"
+type: source
+tags: []
+date: 2025-03-14
+---
+
+## Source File
+- [[raw/AI/系统提示词构建原则.md]]
+
+## Summary
+- 核心主题：系统级提示词（System Prompt）的构建原则与最佳实践
+- 问题域：Prompt工程、系统提示词设计
+- 方法/机制：结构化设计系统提示词的各组成部分
+- 结论/价值：高质量系统提示词是AI应用稳定输出的基础
+
+## Key Claims
+- 系统提示词应包含：角色定义、任务范围、输出格式、约束条件
+- 好的系统提示词需要清晰、无歧义、可执行
+- 需要持续迭代优化，根据实际输出效果调整
+
+## Key Concepts
+- [[系统提示词]]：定义AI角色身份和行为规范的最高层Prompt
+- [[提示词工程]] ← extends ← [[系统提示词]]
+
+## Connections
+- [[提示词框架]] ← relates_to ← [[系统提示词]]
+- [[Prompt能力]] ← relates_to ← [[系统提示词]]