整理文件路径：Technical→AI/

wiki/concepts/AI配音.md

@@ -0,0 +1,33 @@
+---
+id: ai-voice
+title: "AI配音"
+type: concept
+tags: [TTS, voice, audio]
+sources:
+  - "[[AI配音与声音克隆工具合集]]"
+last_updated: 2025-03-06
+---
+
+## Definition
+
+AI配音是文本转语音（TTS）技术，将文字内容转化为自然语音。
+
+## Key Technologies
+
+- **TTS**：Text-to-Speech，文字转语音
+- **声音克隆**：用少量样本重建个人声音
+
+## Popular Tools
+
+| 平台 | 特点 | 价格 |
+|------|------|------|
+| ElevenLabs | 国际顶流，30+语言，情感变化 | 付费较贵 |
+| 海螺AI | 小白友好，30秒克隆，中文好 | 免费 |
+| F5-TTS | 开源免费，2秒克隆，技术流 | 免费 |
+| TTSMaker | 每周3万字，50+语言，300+音色 | 免费限额 |
+| 剪映 | 抖音官方，短视频首选 | 部分VIP |
+| AnyVoice | 3秒克隆，中英日韩 | 免费无限 |
+
+## Connections
+- [[二创视频]] ← uses ← [[AI配音]]
+- [[内容创作]] ← uses ← [[AI配音]]

wiki/concepts/Agent.md

@@ -0,0 +1,42 @@
+---
+id: agent
+title: "Agent"
+type: concept
+tags: [AI, autonomous, tool-use]
+sources:
+  - "[[LLM Terms Framework]]"
+last_updated: 2025-12-20
+---
+
+## Definition
+
+Agent（智能体）是LLM+MCP的组合，LLM负责给出步骤，MCP负责实际执行。
+
+## How It Works
+
+1. LLM理解用户意图
+2. LLM规划执行步骤
+3. MCP调用外部工具执行
+4. 结果反馈给LLM
+5. LLM继续下一步或返回结果
+
+## Key Capabilities
+
+- 自主决策
+- 工具调用
+- 任务分解
+- 迭代优化
+
+## vs Vanilla LLM
+
+| 维度 | Vanilla LLM | Agent |
+|------|-------------|-------|
+| 能力 | 仅生成文本 | 执行实际操作 |
+| 工具调用 | 无 | 有 |
+| 自主性 | 低 | 高 |
+| 幻觉风险 | 高 | 低（可验证） |
+
+## Connections
+- [[Agent]] ← combines ← [[LLM]] + [[MCP]]
+- [[Agent]] ← extends ← [[LLM]]
+- [[Agent]] ← uses ← [[工具调用]]

wiki/concepts/AgenticAI.md

@@ -0,0 +1,40 @@
+---
+id: agentic-ai
+title: "Agentic AI"
+type: concept
+tags: [AI, agent, autonomous, proactive]
+sources:
+  - "[[Designing for Agentic AI]]"
+last_updated: 2025-03-02
+---
+
+## Definition
+
+Agentic AI是能够自主行动和决策的AI系统，能够预判用户需求并主动执行任务。
+
+## Key Characteristics
+
+- **主动预判**：不需要用户明确指令，主动分析并行动
+- **实时反馈**：持续向用户展示决策过程
+- **用户控制**：确保用户对AI行为有最终决定权
+- **行动执行**：不仅生成内容，而是执行具体操作
+
+## Five Design Principles
+
+1. **透明性**：让用户理解AI的决策过程
+2. **控制权**：用户始终保持对AI行为的最终决定权
+3. **个性化**：AI适应用户的偏好和习惯
+4. **对话**：通过自然语言进行持续交互
+5. **预判**：AI主动识别并满足用户潜在需求
+
+## vs GenAI
+
+| 维度 | GenAI | Agentic AI |
+|------|-------|------------|
+| 核心能力 | 内容生成 | 行动执行 |
+| 交互模式 | 被动响应 | 主动预判 |
+| 反馈机制 | 单次响应 | 实时反馈 |
+
+## Connections
+- [[Agentic AI]] ← extends ← [[GenAI]]
+- [[AI产品设计]] ← uses ← [[Agentic AI设计原则]]

wiki/concepts/ClaudeSkills.md

@@ -0,0 +1,55 @@
+---
+id: claude-skills
+title: "Claude Skills"
+type: concept
+tags: [Anthropic, Claude, skill, SOP]
+sources:
+  - "[[Claude Skills最值得研究的AI范式]]"
+last_updated: 2026-01-05
+---
+
+## Definition
+
+Claude Skills是Anthropic官方发布的AI技能指南，本质是写给Claude的"说明书"和"SOP"。
+
+## What It Contains
+
+- Prompt结构定义
+- 参数含义说明
+- 容错策略
+- 使用示例
+
+## Official Skills Categories
+
+- 办公自动化四大件（Word/PDF/PPT/Excel）
+- 开发者工具箱
+- 创意类Skill
+
+## Awesome Claude Skills
+
+三大社区仓库：
+- ComposioHQ
+- VoltAgent
+- BehiSecc
+
+## Skills聚合站
+
+- skillsmp.com
+- aitmpl.com/skills
+- claudemarketplaces.com
+
+## Significance
+
+Skills的爆发标志着从**提示词工程**到**流程工程**的关键转变：
+- 将经验沉淀为SOP
+- 交给AI稳定执行
+- 实现可复用的工作流
+
+## Connection to Vibe Coding
+
+Vibe Coding的尽头也是Skills，通过AI编程方式构建的流程最终需要Skills来标准化和复用。
+
+## Connections
+- [[提示词工程]] ← evolves_to ← [[流程工程]]
+- [[Claude Skills]] ← implements ← [[SOP标准化]]
+- [[Vibe Coding]] ← uses ← [[Claude Skills]]

wiki/concepts/Embedding.md

@@ -0,0 +1,32 @@
+---
+id: embedding
+title: "Embedding"
+type: concept
+tags: [LLM, vector, representation]
+sources:
+  - "[[RAG从入门到精通系列1：基础RAG]]"
+  - "[[LLM Terms Framework]]"
+last_updated: 2025-12-18
+---
+
+## Definition
+
+Embedding（向量化）是将文本转换为数值向量的技术，使计算机能够计算词与词之间的距离和语义关系。
+
+## Mechanism
+
+- 将文本映射到高维向量空间
+- 语义相似的文本在向量空间中距离更近
+- 支持相似度搜索和聚类分析
+
+## Use Cases
+
+- RAG系统的文档索引
+- 语义搜索
+- 文本相似度比较
+- 推荐系统
+
+## Connections
+- [[LLM]] ← uses ← [[Embedding]]
+- [[RAG]] ← uses ← [[Embedding]]
+- [[向量数据库]] ← stores ← [[Embedding]]

wiki/concepts/GenAI.md

@@ -0,0 +1,31 @@
+---
+id: genai
+title: "GenAI"
+type: concept
+tags: [AI, generation, content-creation]
+sources:
+  - "[[Designing for Agentic AI]]"
+last_updated: 2025-03-02
+---
+
+## Definition
+
+GenAI（生成式AI）擅长创作内容，如文本、图像、代码、音乐等。
+
+## Key Characteristics
+
+- 内容生成能力强
+- 被动响应用户请求
+- 适合创意类任务
+
+## vs Agentic AI
+
+| 维度 | GenAI | Agentic AI |
+|------|-------|------------|
+| 核心能力 | 内容生成 | 行动执行 |
+| 交互模式 | 被动响应 | 主动预判 |
+| 代表任务 | 写作、绘画 | 自动化工作流 |
+
+## Connections
+- [[Agentic AI]] ← evolves_from ← [[GenAI]]
+- [[AI产品设计]] ← uses ← [[GenAI]]

wiki/concepts/LLM.md

@@ -0,0 +1,41 @@
+---
+id: llm
+title: "LLM"
+type: concept
+tags: [AI, language-model, foundation-model]
+sources:
+  - "[[LLM Terms Framework]]"
+last_updated: 2025-12-20
+---
+
+## Definition
+
+LLM（Large Language Model，大语言模型）是参数规模≥1B的深度学习模型，能够理解和生成人类语言。
+
+## Core Properties
+
+- **参数规模**：通常≥10亿参数
+- **语言理解**：能够理解复杂语义
+- **文本生成**：能够生成连贯、合法的文本
+- **上下文学习**：能从少量示例中学习
+
+## Key Metrics
+
+- **Token**：基本输入单元
+  - 1英文字符 ≈ 0.3 token
+  - 1中文字符 ≈ 0.6 token
+- **Context Window**：模型能接受的上下文长度
+
+## Related Concepts
+
+- [[Token]]：LLM的基本输入单元
+- [[MCP]]：LLM与外部工具的连接协议
+- [[Agent]]：LLM+MCP的智能体
+- [[RAG]]：扩展LLM能力的技术
+- [[Embedding]]：LLM理解文本的基础
+
+## Connections
+- [[LLM]] ← uses ← [[Token]]
+- [[LLM]] ← uses ← [[MCP]]
+- [[Agent]] ← combines ← [[LLM]] + [[MCP]]
+- [[RAG]] ← extends ← [[LLM]]

wiki/concepts/MCP.md

@@ -0,0 +1,43 @@
+---
+id: mcp
+title: "MCP"
+type: concept
+tags: [AI, protocol, tool-integration]
+sources:
+  - "[[LLM Terms Framework]]"
+last_updated: 2025-12-20
+---
+
+## Definition
+
+MCP（Model Context Protocol，模型上下文协议）是一种标准化接口，用于连接大模型与外部数据和工具。
+
+## Purpose
+
+解决LLM无法访问实时数据和外部工具的问题：
+- LLM给出执行步骤
+- 实际执行需要配合MCP
+- 实现智能体（Agent）功能
+
+## Architecture
+
+- **Client**：运行在AI应用端
+- **Server**：运行在外部服务或本地
+
+## Use Cases
+
+- 文件系统访问
+- API调用
+- 数据库查询
+- 代码执行
+
+## Connection to Agent
+
+Agent = LLM + MCP
+- LLM负责理解和规划
+- MCP负责执行具体操作
+
+## Connections
+- [[LLM]] ← uses ← [[MCP]]
+- [[Agent]] ← combines ← [[LLM]] + [[MCP]]
+- [[MCP]] ← enables ← [[工具调用]]

wiki/concepts/Prompt能力.md

@@ -0,0 +1,39 @@
+---
+id: prompt-ability
+title: "Prompt能力"
+type: concept
+tags: [prompt-engineering, communication]
+sources:
+  - "[[如何写出完美的Prompt]]"
+last_updated: 2025-12-02
+---
+
+## Definition
+
+Prompt能力是清晰界定需求+结构化思维表达的能力，本质是需求拆解+结构化表达能力。
+
+## Core Elements
+
+人与AI的协作协议，定义：
+- **做什么**：明确任务目标
+- **为什么**：任务背景和目的
+- **给谁**：目标受众
+- **怎么做**：执行方式和约束
+- **做到什么标准**：质量要求和验收标准
+
+## Four Key Elements
+
+1. **角色**：AI扮演的身份
+2. **受众对齐**：明确目标用户
+3. **场景对齐**：使用环境上下文
+4. **目标对齐**：预期成果定义
+
+## Common Mistakes
+
+- 越复杂越专业
+- 说清做什么就行
+- 一键生成即终点
+
+## Connections
+- [[AI协作]] ← requires ← [[Prompt能力]]
+- [[结构化思维]] ← enables ← [[Prompt能力]]

wiki/concepts/RAG.md

@@ -0,0 +1,41 @@
+---
+id: rag
+title: "RAG"
+type: concept
+tags: [LLM, retrieval, augmentation]
+sources:
+  - "[[RAG从入门到精通系列1：基础RAG]]"
+  - "[[LLM Terms Framework]]"
+last_updated: 2025-12-18
+---
+
+## Definition
+
+RAG（Retrieval Augmented Generation，检索增强生成）是一种结合检索系统和LLM生成的技术，解决LLM缺乏最新和私有数据的问题。
+
+## Three-Step Process
+
+1. **索引（Indexing）**：将文档切分并转换为Embedding向量存入向量数据库
+2. **检索（Retrieval）**：根据问题语义向量检索相关文档块
+3. **生成（Generation）**：将问题和相关文档输入LLM生成答案
+
+## Key Components
+
+- **Embedding**：将文本转换为数值向量
+- **向量数据库**：存储和检索向量表示（如Qdrant）
+- **文档切分**：将长文档分割成符合Embedding窗口的块
+- **Context Window**：模型能接受的上下文长度限制（512-8192 token）
+
+## Why It Matters
+
+解决LLM的幻觉问题，让模型能够：
+- 访问最新信息
+- 利用私有数据
+- 提供可溯源的回答
+
+## Connections
+- [[LLM]] ← uses ← [[RAG]]
+- [[RAG]] ← includes ← [[索引]]
+- [[RAG]] ← includes ← [[检索]]
+- [[RAG]] ← includes ← [[生成]]
+- [[RAG]] ← extends ← [[LLM]]

wiki/concepts/SourceGrounding.md

@@ -0,0 +1,30 @@
+---
+id: source-grounding
+title: "Source-Grounding"
+type: concept
+tags: [NotebookLM, accuracy, grounding]
+sources:
+  - "[[7 ways I use NotebookLM to make my life easier]]"
+last_updated: 2025-11-23
+---
+
+## Definition
+
+Source-Grounding是NotebookLM的核心机制，限制知识库仅包含用户上传的文档，确保AI回答准确且可溯源。
+
+## Mechanism
+
+- 用户上传文档后，NotebookLM只在这个文档范围内回答
+- 避免AI幻觉，确保回答有据可查
+- 每个回答都附带源文档引用
+
+## Why It Matters
+
+解决通用LLM的幻觉问题，特别适用于：
+- 法律文档审查
+- 学术研究
+- 精确信息查询
+
+## Connections
+- [[NotebookLM]] ← uses ← [[Source-Grounding]]
+- [[AI准确性]] ← requires ← [[Source-Grounding]]

wiki/concepts/Token.md

@@ -0,0 +1,37 @@
+---
+id: token
+title: "Token"
+type: concept
+tags: [LLM, tokenization, input-unit]
+sources:
+  - "[[LLM Terms Framework]]"
+last_updated: 2025-12-20
+---
+
+## Definition
+
+Token是大模型的基本输入单元，是文本处理的最小单位。
+
+## Tokenization Rules
+
+- 1英文字符 ≈ 0.3 token
+- 1中文字符 ≈ 0.6 token
+- 标点符号和空格也占用token
+
+## Why It Matters
+
+- 影响API调用成本
+- 决定上下文长度限制
+- 影响生成速度
+
+## Context Window
+
+模型能接受的token数量限制：
+- 较短的模型：4K-8K tokens
+- 中等模型：32K-128K tokens
+- 长上下文模型：1M+ tokens
+
+## Connections
+- [[LLM]] ← uses ← [[Token]]
+- [[Token]] → affects → [[成本计算]]
+- [[Token]] → affects → [[上下文限制]]

wiki/concepts/VibeCoding.md

@@ -0,0 +1,32 @@
+---
+id: vibe-coding
+title: "Vibe Coding"
+type: concept
+tags: [AI, programming, coding]
+sources:
+  - "[[Claude Skills最值得研究的AI范式]]"
+last_updated: 2026-01-05
+---
+
+## Definition
+
+Vibe Coding是一种AI编程方式，通过自然语言与AI协作编写代码。
+
+## Characteristics
+
+- 自然语言为主
+- AI生成代码
+- 人类审核和调整
+- 降低编程门槛
+
+## The End State
+
+Vibe Coding的尽头是Skills：
+- 通过对话构建的代码和流程
+- 需要标准化为Skills以便复用
+- 最终沉淀为可维护的系统
+
+## Connections
+- [[Vibe Coding]] ← uses ← [[Claude Skills]]
+- [[AI编程]] ← extends ← [[Vibe Coding]]
+- [[提示词工程]] ← relates_to ← [[Vibe Coding]]

wiki/concepts/Workspace.md

@@ -0,0 +1,66 @@
+---
+title: "Workspace"
+type: concept
+tags: [openclaw, workspace, configuration]
+last_updated: 2026-04-14
+---
+
+# Workspace
+
+OpenClaw中Agent的工作台目录，决定Agent如何工作。
+
+## 核心文件
+
+### AGENTS.md
+定义Agent的：
+- 岗位职责
+- 行为边界
+- 多Agent协调规则
+
+### SOUL.md
+定义Agent的：
+- 性格叙事
+- 沟通风格
+- 价值观和边界
+
+### USER.md
+固化用户的：
+- 偏好设定
+- 背景知识假设
+- 常见任务
+
+### TOOLS.md
+声明工具的：
+- 可用工具
+- 使用原则
+- 受限工具
+
+### IDENTITY.md
+结构化身份档案：
+- 名字
+- 角色类型
+- Emoji
+- 头像
+
+### BOOTSTRAP.md
+一次性启动引导，完成后应删除。
+
+### memory/
+长期记忆目录：
+- 按日期滚动的记忆笔记
+- 实现跨会话上下文保留
+
+## 配置要点
+
+1. **边界比能力更重要**：明确"不要做什么"
+2. **场景触发优于通用指令**：具体场景下的具体规则
+3. **简洁有效**：300-500字的AGENTS.md比2000字的更有效
+
+## 与openclaw.json的关系
+- Workspace文件：管"Agent平时怎么干活"
+- openclaw.json：管"系统怎么跑Agent"
+
+## 相关概念
+- [[OpenClaw]]
+- [[AGENTS.md]]
+- [[SOUL.md]]

wiki/concepts/vLLM.md

@@ -0,0 +1,36 @@
+---
+id: vllm
+title: "vLLM"
+type: concept
+tags: [LLM, inference, GPU, optimization]
+sources:
+  - "[[LLM Terms Framework]]"
+last_updated: 2025-12-20
+---
+
+## Definition
+
+vLLM是一个高效LLM推理框架，通过KV Cache和连续批处理提升GPU利用率。
+
+## Key Optimizations
+
+### KV Cache
+- 缓存已计算的Key-Value矩阵
+- 避免重复计算
+- 大幅提升推理速度
+
+### Continuous Batching
+- 动态批处理多个请求
+- 提高GPU利用率
+- 降低延迟
+
+## Why It Matters
+
+- 官方HuggingFace推理速度慢
+- vLLM可提升10-24倍速度
+- 支持高并发推理
+
+## Connections
+- [[LLM]] ← uses ← [[vLLM]]
+- [[推理优化]] ← uses ← [[vLLM]]
+- [[GPU利用率]] ← improves ← [[vLLM]]

wiki/concepts/九宫格法.md

@@ -0,0 +1,38 @@
+---
+id: nine-grid
+title: "九宫格法"
+type: concept
+tags: [video, AI, image-generation]
+sources:
+  - "[[固定镜头短视频AI全流程制作]]"
+last_updated: 2025-03-15
+---
+
+## Definition
+
+九宫格法是一次性生成3x3共九个分镜画面的方法，确保多个镜头之间的画面一致性。
+
+## Mechanism
+
+1. 将视频分割为9个分镜
+2. 一次性生成3x3网格图像
+3. 每个格子是一个分镜的关键帧
+4. 确保人物/场景在多个格子中保持一致
+
+## Why It Works
+
+- AI在单张图像内保持一致性更容易
+- 避免逐帧生成导致的人物变形
+- 提高多镜头视频的整体质量
+
+## Five-Step Formula
+
+1. 拆分镜头
+2. 一致性图像生成（九宫格法）
+3. 首尾针动画
+4. 快速剪辑
+5. 声音设计
+
+## Connections
+- [[AI视频制作]] ← uses ← [[九宫格法]]
+- [[分镜设计]] ← uses ← [[九宫格法]]

wiki/concepts/固定机位.md

@@ -0,0 +1,37 @@
+---
+id: fixed-camera
+title: "固定机位"
+type: concept
+tags: [video-production, cinematography]
+sources:
+  - "[[固定镜头短视频AI全流程制作]]"
+last_updated: 2025-03-15
+---
+
+## Definition
+
+固定机位是摄像机位置固定不变的拍摄方式，是固定镜头短视频的核心特征。
+
+## Key Characteristics
+
+- 摄像机位置不变
+- 只有画面内容变化
+- 适合展示时间流逝
+- 便于AI生成一致性画面
+
+## Use Cases
+
+- 家装视频
+- 产品展示
+- 教程演示
+- 时间压缩视频
+
+## Connection to AI Video
+
+固定机位降低AI视频生成的复杂度，通过：
+- 九宫格法保证画面一致性
+- 首尾针动画实现平滑过渡
+
+## Connections
+- [[AI视频制作]] ← uses ← [[固定机位]]
+- [[短视频制作]] ← uses ← [[固定机位]]

wiki/concepts/声音克隆.md

@@ -0,0 +1,32 @@
+---
+id: voice-cloning
+title: "声音克隆"
+type: concept
+tags: [TTS, voice, cloning]
+sources:
+  - "[[AI配音与声音克隆工具合集]]"
+last_updated: 2025-03-06
+---
+
+## Definition
+
+声音克隆是用少量音频样本重建个人声音特征的技术。
+
+## How It Works
+
+1. 收集目标声音的短音频（2-30秒）
+2. 提取声音特征
+3. 生成新的语音内容
+
+## Speed Comparison
+
+| 工具 | 克隆速度 | 技术门槛 |
+|------|----------|----------|
+| F5-TTS | 2秒 | 高（需代码） |
+| 海螺AI | 30秒 | 低 |
+| AnyVoice | 3秒 | 低 |
+| ElevenLabs | 30秒 | 低 |
+
+## Connections
+- [[AI配音]] ← uses ← [[声音克隆]]
+- [[内容创作]] ← uses ← [[声音克隆]]

wiki/concepts/多Agent系统.md

@@ -0,0 +1,64 @@
+---
+title: "多Agent系统"
+type: concept
+tags: [multi-agent, collaboration, agent]
+last_updated: 2026-04-14
+---
+
+# 多Agent系统
+
+多个专业Agent协同工作的架构模式，每个Agent有独特的角色和职责。
+
+## 核心模式
+
+### 分散式协调
+通过共享STATE.yaml文件协调，而非中央orchestrator：
+- Agent读写共享状态文件
+- 多子Agent并行工作
+- 主会话保持精简（CEO模式）
+
+### STATE.yaml
+项目协调文件，作为单一事实来源：
+```yaml
+project: website-redesign
+tasks:
+  - id: homepage-hero
+    status: in_progress
+    owner: pm-frontend
+```
+
+### 团队配置示例
+- [[Milo]]：策略Lead
+- [[Josh]]：商业分析
+- Marketing Agent：营销研究
+- Dev Agent：开发
+
+## 关键优势
+
+1. **专业化分工**：每个Agent专注特定领域
+2. **并行执行**：多任务同时处理
+3. **可扩展性**：新增Agent无需修改主逻辑
+4. **共享记忆**：团队成员共享项目上下文
+
+## 协作机制
+
+- **Telegram路由**：通过标签分配到不同Agent
+- **共享内存**：项目文档、目标、决策
+- **私有上下文**：每个Agent独有会话历史
+- **定时任务**：Agent主动工作
+
+## Race Condition处理
+
+当多个Agent编辑同一文件时：
+1. AUTONOMOUS.md：仅主会话编辑
+2. memory/tasks-log.md：仅追加，子Agent只添加新行
+
+## 使用场景
+
+- [[多Agent专业团队]]
+- [[多Agent内容工厂]]
+- [[自主项目管理]]
+- [[动态仪表板]]
+
+## 相关链接
+- [Anthropic: Building Effective Agents](https://www.anthropic.com/research/building-effective-agents)

wiki/concepts/工作流自动化.md

@@ -0,0 +1,59 @@
+---
+title: "工作流自动化"
+type: concept
+tags: [automation, workflow, n8n]
+last_updated: 2026-04-14
+---
+
+# 工作流自动化
+
+使用工具自动执行重复性任务，减少人工干预。
+
+## 核心概念
+
+### 工作流（Workflow）
+由多个任务节点按一定顺序执行的自动化流程。
+
+### 节点（Node）
+工作流中的单个操作单元：
+- 触发器：启动工作流
+- 动作：执行具体操作
+- 工具：辅助功能
+- 代码：自定义逻辑
+- AI节点：嵌入AI能力
+
+## 与AI Agent的关系
+
+- **Workflow**：预定义自动化，一致输出
+- **Agent**：基于LLM动态决定工具和输出
+- **Agentic系统**：结合两者优势
+
+## 平台
+
+### N8N
+- 可视化拖拽界面
+- 400+预构建集成
+- 支持自托管
+
+### OpenClaw
+- 通过skill扩展能力
+- 自然语言配置
+- 记忆和上下文保留
+
+## 安全集成模式
+
+[[OpenClaw + n8n工作流编排]]：
+- Webhook调用n8n
+- 凭证隔离在n8n
+- 工作流可锁定
+
+## 使用场景
+
+- [[会议纪要自动化]]
+- [[邮件管理自动化]]
+- [[日历聚合]]
+- [[社交媒体自动化]]
+
+## 相关链接
+- [N8N官网](https://n8n.io/)
+- [OpenClaw文档](https://docs.openclaw.ai)

wiki/concepts/思维链引导.md

@@ -0,0 +1,31 @@
+---
+id: chain-of-thought
+title: "思维链引导"
+type: concept
+tags: [prompt-engineering, reasoning]
+sources:
+  - "[[如何写出完美的Prompt]]"
+last_updated: 2025-12-02
+---
+
+## Definition
+
+思维链引导是一种提示词技术，让AI逐步推理而非直接给出答案。
+
+## Mechanism
+
+通过在提示词中要求AI展示推理过程：
+- 先分析问题
+- 再列出步骤
+- 最后给出答案
+
+## Benefits
+
+- 提高AI推理准确性
+- 减少幻觉发生
+- 让用户理解决策过程
+- 便于发现AI思维漏洞
+
+## Connections
+- [[Prompt能力]] ← uses ← [[思维链引导]]
+- [[需求拆解]] ← extends ← [[思维链引导]]

wiki/concepts/技能系统.md

@@ -0,0 +1,62 @@
+---
+title: "技能系统"
+type: concept
+tags: [skill, openclaw, extension]
+last_updated: 2026-04-14
+---
+
+# 技能系统
+
+OpenClaw的扩展机制，通过技能包添加新能力。
+
+## 技能结构
+
+```
+skills/
+├── skill-name/
+│   └── SKILL.md
+```
+
+## 常用技能
+
+### 集成技能
+- [[Telegram]]：消息通道
+- [[Discord]]：协作平台
+- [[Slack]]：团队通讯
+
+### 数据技能
+- [[YouTube]]：视频内容获取
+- [[Reddit]]：社区内容聚合
+- [[GitHub]]：代码和项目数据
+
+### 工具技能
+- [[arxiv-reader]]：学术论文读取
+- [[latex-compiler]]：LaTeX编译
+- [[youtube-full]]：YouTube完整集成
+
+### MCP技能
+- [[n8n-mcp]]：N8N节点访问
+- [[idea-reality-mcp]]：创意验证
+
+## 技能安装
+
+通过ClawHub安装：
+```bash
+npx clawhub@latest install skill-name
+```
+
+或通过OpenClaw：
+```text
+Install the youtube-full skill
+```
+
+## 技能开发
+
+技能是包含SKILL.md的目录，定义：
+- 工具列表
+- 使用方法
+- 配置要求
+
+## 使用场景
+
+详见各use case中的"Skills you Need"部分。

wiki/concepts/提示词框架.md

@@ -0,0 +1,33 @@
+---
+id: prompt-framework
+title: "提示词框架"
+type: concept
+tags: [Nano Banana, prompt-engineering, image-generation]
+sources:
+  - "[[Nano Banana提示词框架]]"
+last_updated: 2025-03-15
+---
+
+## Definition
+
+提示词框架是结构化描述图像生成需求的模板，通过标准化字段确保生成质量可控。
+
+## Framework Types
+
+### 物件描述框架
+- shot：镜头类型
+- subject：包含item/materials/details/condition
+- environment：环境描述
+- lighting：光线
+- camera：相机设置
+- color_grade：色彩分级
+- style：风格
+- quality：质量参数
+- negatives：负面提示
+
+### 人物描述框架
+- subject：包含age/appearance/pose等字段
+
+## Connections
+- [[AI图像生成]] ← uses ← [[提示词框架]]
+- [[Nano Banana]] ← supports ← [[提示词框架]]

wiki/concepts/流程工程.md

@@ -0,0 +1,34 @@
+---
+id: workflow-engineering
+title: "流程工程"
+type: concept
+tags: [AI, workflow, SOP, engineering]
+sources:
+  - "[[Claude Skills最值得研究的AI范式]]"
+last_updated: 2026-01-05
+---
+
+## Definition
+
+流程工程是将重复任务拆解为AI能理解、稳定复用的流程，并通过Skills实现标准化的工程化方法。
+
+## vs 提示词工程
+
+| 维度 | 提示词工程 | 流程工程 |
+|------|------------|----------|
+| 核心 | 单次Prompt优化 | 全流程标准化 |
+| 稳定性 | 依赖模型表现 | SOP固化 |
+| 复用性 | 低 | 高 |
+| 目标 | 一次好结果 | 稳定可重复 |
+
+## Key Elements
+
+- **SOP标准化**：将经验沉淀为操作步骤
+- **Skills封装**：AI技能的模块化
+- **自动化执行**：交给AI稳定运行
+- **反馈迭代**：持续优化流程
+
+## Connections
+- [[提示词工程]] ← evolves_to ← [[流程工程]]
+- [[Claude Skills]] ← implements ← [[流程工程]]
+- [[SOP标准化]] ← enables ← [[流程工程]]

wiki/concepts/结构化表达.md

@@ -0,0 +1,31 @@
+---
+id: structured-expression
+title: "结构化表达"
+type: concept
+tags: [prompt-engineering, communication]
+sources:
+  - "[[如何写出完美的Prompt]]"
+last_updated: 2025-12-02
+---
+
+## Definition
+
+结构化表达是用清晰逻辑组织信息的方法，确保AI准确理解人类意图。
+
+## Principles
+
+- 层次分明：按重要性和逻辑顺序组织
+- 格式统一：使用一致的标记和分隔符
+- 信息完整：不遗漏关键上下文
+- 表达精准：避免歧义和模糊表述
+
+## Techniques
+
+- 使用编号列表组织要点
+- 使用标题区分不同部分
+- 使用表格呈现结构化数据
+- 使用引用标记重要信息
+
+## Connections
+- [[Prompt能力]] ← enables ← [[结构化表达]]
+- [[结构化思维]] ← implements ← [[结构化表达]]

wiki/concepts/记忆系统.md

@@ -0,0 +1,63 @@
+---
+title: "记忆系统"
+type: concept
+tags: [memory, openclaw, context]
+last_updated: 2026-04-14
+---
+
+# 记忆系统
+
+AI Agent跨会话保留上下文和知识的能力。
+
+## OpenClaw记忆机制
+
+### 内置方案（builtin）
+原始记忆存储在Markdown文件中，系统维护本地索引方便检索。
+
+### QMD方案
+围绕workspace中的Markdown文件，使用更强的检索/索引方式。
+
+### 记忆流程
+```
+对话发生
+↓
+Agent通过普通文件工具把重要信息写入memory/或MEMORY.md
+↓
+下次对话开始
+↓
+Agent通过memory_search/memory_get检索相关记忆
+↓
+相关记忆被注入到当前对话上下文
+↓
+Agent表现出"我记得你说过……"的能力
+```
+
+## 向量语义搜索
+
+[[Semantic Memory Search]]使用memsearch：
+- 索引Markdown记忆文件到向量数据库
+- 通过含义搜索而非关键词
+- SHA-256内容哈希避免重复嵌入
+
+## Workspace记忆文件
+
+- [[memory/]]：按日期滚动的记忆笔记
+- [[MEMORY.md]]：长期知识总表
+- 与memory/目录兼容
+
+## 关键洞察
+
+- 对Agent来说，真正算数的长期记忆是Markdown文件
+- 向量索引只是派生缓存，可以随时重建
+- 文件永不修改
+
+## 使用场景
+
+- [[第二大脑]]
+- [[个人CRM]]
+- [[健康症状追踪]]
+
+## 相关工具
+
+- [[memsearch]]：向量语义搜索工具
+- [[Milvus]]：向量数据库后端

wiki/concepts/需求拆解.md

@@ -0,0 +1,36 @@
+---
+id: requirement-decomposition
+title: "需求拆解"
+type: concept
+tags: [prompt-engineering, structured-thinking]
+sources:
+  - "[[如何写出完美的Prompt]]"
+last_updated: 2025-12-02
+---
+
+## Definition
+
+需求拆解是将模糊目标转化为具体可执行子任务的过程。
+
+## Methods
+
+### 基础方法
+- **需求拆解法**：将复杂任务分解为简单步骤
+- **上下文补全法**：补充背景信息让AI理解场景
+- **格式定义法**：明确输出格式要求
+- **示例引导法**：提供参考案例
+
+### 进阶策略
+- **思维链引导**：让AI逐步推理
+- **任务拆分**：大任务分解为子任务
+- **角色赋能**：赋予AI特定专业角色
+- **预填回复**：提供初始回答框架
+
+### 高阶技巧
+- **跨模态联动**：结合多种输入输出形式
+- **领域知识注入**：嵌入专业知识
+- **反馈循环嵌入**：建立迭代优化机制
+
+## Connections
+- [[Prompt能力]] ← requires ← [[需求拆解]]
+- [[结构化表达]] ← enables ← [[需求拆解]]

wiki/concepts/音频概览.md

@@ -0,0 +1,29 @@
+---
+id: audio-overview
+title: "音频概览"
+type: concept
+tags: [NotebookLM, learning, podcast]
+sources:
+  - "[[7 ways I use NotebookLM to make my life easier]]"
+last_updated: 2025-11-23
+---
+
+## Definition
+
+音频概览是NotebookLM的功能，将文档转化为AI双人播客格式，适合被动学习。
+
+## Mechanism
+
+- AI分析文档内容
+- 生成两个AI声音的对话
+- 用户可以收听而非阅读
+
+## Use Cases
+
+- 通勤时学习
+- 视觉疲劳时继续学习
+- 将长文档转化为可听的摘要
+
+## Connections
+- [[NotebookLM]] ← implements ← [[音频概览]]
+- [[被动学习]] ← uses ← [[音频概览]]

wiki/concepts/首尾针动画.md

@@ -0,0 +1,37 @@
+---
+id: frame-interpolation
+title: "首尾针动画"
+type: concept
+tags: [video, AI, animation]
+sources:
+  - "[[固定镜头短视频AI全流程制作]]"
+last_updated: 2025-03-15
+---
+
+## Definition
+
+首尾针动画是通过AI自动补齐首尾帧之间中间动作的技术，实现平滑过渡效果。
+
+## Mechanism
+
+1. 确定起始帧和结束帧
+2. AI分析首尾帧的差异
+3. 自动生成中间过渡帧
+4. 输出流畅视频
+
+## Tools
+
+- 海螺AI
+- KAI
+- 其他AI动效工具
+
+## Connection to Fixed-Camera Video
+
+固定机位视频天然适合首尾针动画，因为：
+- 背景固定，减少AI生成负担
+- 只需关注主体变化
+- 更容易保持一致性
+
+## Connections
+- [[AI视频制作]] ← uses ← [[首尾针动画]]
+- [[固定机位]] ← enables ← [[首尾针动画]]

wiki/entities/DeepSider.md

@@ -0,0 +1,29 @@
+---
+id: deepsider
+title: "DeepSider"
+type: entity
+tags: [browser-extension, AI, multi-model]
+sources:
+  - "[[Nano Banana 2使用指南]]"
+last_updated: 2025-12-01
+---
+
+## Overview
+
+DeepSider是浏览器插件，聚合多AI模型供用户使用，国内可直接访问。
+
+## Key Features
+
+- 支持Gemini 3.0、Gemini 3 Pro Image（Nano Banana 2）、GPT-5.1等模型
+- 国内可用，绕过访问限制
+- 浏览器插件形式，便捷集成
+
+## Use Cases
+
+- 访问Gemini系列模型
+- AI图像生成（Nano Banana 2）
+- 多模型对比使用
+
+## Connections
+- [[DeepSider]] → enables → [[Nano Banana 2]]
+- [[AI工具聚合]] ← uses ← [[DeepSider]]

wiki/entities/ElevenLabs.md

@@ -0,0 +1,28 @@
+---
+id: elevenlabs
+title: "ElevenLabs"
+type: entity
+tags: [AI, TTS, voice-cloning, international]
+sources:
+  - "[[AI配音与声音克隆工具合集]]"
+last_updated: 2025-03-06
+---
+
+## Overview
+
+ElevenLabs是国际顶流AI配音和声音克隆平台，支持30+语言和情感变化，付费较高。
+
+## Key Features
+
+- 30+语言支持
+- 情感变化控制
+- 高保真声音克隆
+- 国际顶流品质
+
+## Pricing
+
+付费较贵，适合专业用户
+
+## Connections
+- [[AI配音]] ← uses ← [[ElevenLabs]]
+- [[声音克隆]] ← uses ← [[ElevenLabs]]

wiki/entities/F5TTS.md

@@ -0,0 +1,25 @@
+---
+id: f5-tts
+title: "F5-TTS"
+type: entity
+tags: [AI, TTS, voice-cloning, open-source]
+sources:
+  - "[[AI配音与声音克隆工具合集]]"
+last_updated: 2025-03-06
+---
+
+## Overview
+
+F5-TTS是开源语音克隆项目，2秒即可克隆声音，适合技术流用户，需要代码基础。
+
+## Key Features
+
+- 开源免费
+- 2秒克隆
+- 技术流首选
+- 需代码基础
+
+## Connections
+- [[AI配音]] ← uses ← [[F5-TTS]]
+- [[声音克隆]] ← uses ← [[F5-TTS]]
+- [[开源工具]] ← extends ← [[F5-TTS]]

wiki/entities/LangChain.md

@@ -0,0 +1,24 @@
+---
+id: langchain
+title: "LangChain"
+type: entity
+tags: [LLM, framework, RAG]
+sources:
+  - "[[RAG从入门到精通系列1：基础RAG]]"
+last_updated: 2025-12-18
+---
+
+## Overview
+
+LangChain是RAG实现框架，用于构建基于LLM的应用。
+
+## Key Features
+
+- RAG流程封装
+- 多种数据源连接
+- Chain构建能力
+- Agent支持
+
+## Connections
+- [[RAG]] ← uses ← [[LangChain]]
+- [[LLM应用开发]] ← uses ← [[LangChain]]

wiki/entities/MCP.md

@@ -0,0 +1,45 @@
+---
+title: "MCP"
+type: entity
+tags: [mcp, protocol, integration]
+last_updated: 2026-04-14
+---
+
+# MCP
+
+Modal Context Protocol（模态上下文协议），AI大模型与外围服务集成的协议。
+
+## 基本信息
+- **全称**：Modal Context Protocol
+- **类型**：Client-Server架构协议
+- **用途**：实现大模型与外围工具服务的高效集成
+
+## 核心功能
+
+### 三种接口
+MCP Server提供三种功能接口：
+1. **资源获取**（Resource/GET）：类似HTTP GET请求
+2. **工具调用**（Tool/POST）：类似POST请求
+3. **Promise提示词**：用于多样化交互与扩展
+
+### 客户端
+- [[Cursor]]：AI代码编辑器
+- Claude Desktop
+- 其他支持MCP的客户端
+
+### 服务端
+- 热点新闻MCP Server
+- Sequential Thinking工具
+- [[n8n-mcp]]：N8N的MCP实现
+
+## 接入方式
+1. **SSE服务方式**：通过Server-Sent Events接入
+2. **本地Command方式**：通过本地执行命令接入
+
+## 使用场景
+
+详见：
+- [[MCP在Cursor中的集成与应用]]
+
+## 相关链接
+- [MCP协议文档](https://modelcontextprotocol.io/)

wiki/entities/N8N.md

@@ -0,0 +1,45 @@
+---
+title: "N8N"
+type: entity
+tags: [n8n, automation, workflow]
+last_updated: 2026-04-14
+---
+
+# N8N
+
+开源工作流自动化平台，支持节点连接执行任务。
+
+## 基本信息
+- **类型**：工作流自动化平台
+- **开源协议**：Apache-2.0
+- **部署方式**：Docker、本地安装、云端
+- **特点**：可视化拖拽界面
+
+## 核心概念
+
+### 节点（Node）
+工作流中的单个操作单元，分为五类：
+- 触发器节点（Trigger）
+- 动作节点（Action）
+- 工具节点（Utility）
+- 代码节点（Code）
+- 高级AI节点（Advanced AI）
+
+### 工作流（Workflow）
+由多个节点按一定顺序执行的自动化流程。
+
+### 与AI Agent集成
+- [[n8n-mcp]]：N8N的MCP服务器实现
+- [[OpenClaw + n8n工作流编排]]：通过webhook安全集成
+- [[使用Claude自动生成N8N工作流]]
+
+## 使用场景
+
+详见各use case：
+- [[N8N Telegram Trigger配置]]
+- [[N8N全教程构建AI Agent]]
+- [[N8N工作流编排]]
+
+## 相关链接
+- [N8N官网](https://n8n.io/)
+- [N8N文档](https://docs.n8n.io/)

wiki/entities/NanoBanana.md

@@ -0,0 +1,32 @@
+---
+id: nano-banana
+title: "Nano Banana"
+type: entity
+tags: [google, AI, image-generation]
+sources:
+  - "[[Nano Banana提示词框架]]"
+  - "[[Nano Banana Pro提示词指南]]"
+  - "[[Nano Banana 2使用指南]]"
+last_updated: 2025-12-01
+---
+
+## Overview
+
+Nano Banana是Google开发的AI图像生成模型，基于Gemini系列模型的图像生成能力。最新版本为Nano Banana 2（Gemini 3 Pro Image），是推理模型，生成前会进行内部推理。
+
+## Key Features
+
+- **推理模型**：生成前会进行内部推理，提升质量
+- **多分辨率支持**：1K、2K、4K分辨率
+- **多图像组合**：最多14张输入图像组合输出
+- **多语言长文本渲染**：擅长在中英文环境中渲染长文本
+
+## Versions
+
+- **Nano Banana**：基础版本
+- **Nano Banana Pro**：增强版本
+- **Nano Banana 2**：Gemini 3 Pro Image，推理模型
+
+## Connections
+- [[AI图像生成]] ← uses ← [[Nano Banana]]
+- [[Nano Banana]] ← supports ← [[提示词框架]]

wiki/entities/NotebookLM.md

@@ -0,0 +1,36 @@
+---
+id: notebooklm
+title: "NotebookLM"
+type: entity
+tags: [google, AI, learning, productivity]
+sources:
+  - "[[7 ways I use NotebookLM to make my life easier]]"
+  - "[[NotebookLM Open Source Alternatives]]"
+last_updated: 2025-11-23
+---
+
+## Overview
+
+NotebookLM是Google推出的AI学习和工作助手，核心特点是Source-Grounding机制确保回答准确且可溯源。
+
+## Key Features
+
+- **Source-Grounding**：限制知识库仅包含用户上传的文档，避免AI幻觉
+- **音频概览**：将文档转化为AI双人播客格式，适合被动学习
+- **项目中心**：集中管理研究、想法、会议记录的统一空间
+- **精确引用**：法律文档审查时提供精确引用
+
+## Use Cases
+
+- 信息整理和学习笔记
+- 文档问答和摘要
+- 项目研究和知识管理
+- 被动学习（音频概览）
+
+## Aliases
+
+- Google NotebookLM
+
+## Connections
+- [[NotebookLM]] ← uses ← [[Source-Grounding]]
+- [[AI学习工具]] ← extends ← [[NotebookLM]]

wiki/entities/OpenClaw.md

@@ -0,0 +1,56 @@
+---
+title: "OpenClaw"
+type: entity
+tags: [openclaw, agent, framework]
+last_updated: 2026-04-14
+---
+
+# OpenClaw
+
+开源AI Agent框架，支持多Agent协作、记忆系统、技能扩展。
+
+## 基本信息
+- **类型**：AI Agent框架
+- **开源协议**：MIT
+- **平台**：跨平台（支持macOS、Linux、Windows）
+- **连接方式**：CLI、Telegram、Discord、WebUI
+
+## 核心功能
+
+### Workspace文件体系
+OpenClaw使用workspace目录下的文件来配置Agent行为：
+- [[AGENTS.md]]：Agent工作说明书
+- [[SOUL.md]]：Agent性格档案
+- [[USER.md]]：用户偏好
+- [[TOOLS.md]]：工具权限声明
+- [[IDENTITY.md]]：Agent身份元数据
+- [[BOOTSTRAP.md]]：首次启动引导
+- [[memory/]]：长期记忆目录
+
+### 多Agent支持
+- 通过`sessions_spawn`启动子Agent
+- 通过`sessions_send`发送消息
+- 支持多Agent团队协作（如Milo、Josh等）
+
+### 技能系统
+- 技能包目录：`skills/`
+- 支持第三方技能安装
+- MCP协议集成
+
+### 记忆系统
+- 内置Markdown文件记忆
+- 支持向量语义搜索（通过memsearch）
+- 长期上下文保留
+
+## 使用场景
+
+详见各use case：
+- [[多Agent专业团队]]
+- [[自愈家庭服务器]]
+- [[第二大脑]]
+- [[目标驱动自主任务]]
+
+## 相关链接
+- [OpenClaw GitHub](https://github.com/openclaw/openclaw)
+- [OpenClaw文档](https://docs.openclaw.ai)
+- [OpenClaw Showcase](https://openclaw.ai/showcase)

wiki/entities/剪映.md

@@ -0,0 +1,24 @@
+---
+id: jianying
+title: "剪映"
+type: entity
+tags: [video-editing, ByteDance, TikTok]
+sources:
+  - "[[AI配音与声音克隆工具合集]]"
+last_updated: 2025-03-06
+---
+
+## Overview
+
+剪映是字节跳动推出的视频编辑工具，抖音官方，短视频首选，部分音色需VIP。
+
+## Key Features
+
+- 抖音官方工具
+- 短视频首选
+- 部分音色需VIP
+- 内置AI配音功能
+
+## Connections
+- [[AI视频制作]] ← uses ← [[剪映]]
+- [[短视频制作]] ← uses ← [[剪映]]

wiki/entities/海螺AI.md

@@ -0,0 +1,24 @@
+---
+id: hailo-ai
+title: "海螺AI"
+type: entity
+tags: [AI, TTS, voice-cloning, MiniMax]
+sources:
+  - "[[AI配音与声音克隆工具合集]]"
+last_updated: 2025-03-06
+---
+
+## Overview
+
+海螺AI是MiniMax出品的AI工具，主打语音克隆和配音功能，对中文支持好，小白友好。
+
+## Key Features
+
+- 30秒克隆声音
+- 免费使用
+- 中文支持好
+- 小白友好界面
+
+## Connections
+- [[AI配音]] ← uses ← [[海螺AI]]
+- [[声音克隆]] ← uses ← [[海螺AI]]

wiki/index.md

@@ -0,0 +1,123 @@
+# Wiki Index
+
+## Overview
+- [Overview](overview.md)
+
+## Sources
+- [万字讲透OpenClaw-Workspace深度解析](sources/wan-zi-jiang-tou-openclaw-workspace-shen-du-jie-xi.md)
+- [万字保姆级教程-90天跑通一人公司模式](sources/90-tian-pao-tong-yi-ren-gong-si-mo-shi.md)
+- [MCP在Cursor中的集成与应用详解](sources/mcp-zai-cursor-zhong-de-ji-cheng-yu-ying-yong.md)
+- [N8N Full Tutorial Building AI Agents](sources/n8n-full-tutorial-building-ai-agents.md)
+- [N8N Configure Telegram Trigger](sources/n8n-configure-telegram-trigger.md)
+- [使用Claude自动生成N8N工作流的实操教程](sources/shi-yong-claude-zi-dong-sheng-cheng-n8n-gong-zuo-liu.md)
+- [N8N+Claude通过自然语言自动化工作流](sources/n8n-claude-zi-dong-hua-gong-zuo-liu.md)
+- [Podcast Production Pipeline](sources/podcast-production-pipeline.md)
+- [Automated Meeting Notes & Action Items](sources/meeting-notes-action-items.md)
+- [Daily YouTube Digest](sources/daily-youtube-digest.md)
+- [Multi-Agent Content Factory](sources/content-factory.md)
+- [Self-Healing Home Server](sources/self-healing-home-server.md)
+- [Health & Symptom Tracker](sources/health-symptom-tracker.md)
+- [Project State Management System](sources/project-state-management.md)
+- [Multi-Agent Specialized Team](sources/multi-agent-team.md)
+- [AI-Powered Earnings Tracker](sources/earnings-tracker.md)
+- [Multi-Channel Personal Assistant](sources/multi-channel-assistant.md)
+- [Event Guest Confirmation](sources/event-guest-confirmation.md)
+- [Market Research & Product Factory](sources/market-research-product-factory.md)
+- [Custom Morning Brief](sources/custom-morning-brief.md)
+- [Inbox De-clutter](sources/inbox-declutter.md)
+- [Daily Reddit Digest](sources/daily-reddit-digest.md)
+- [Autonomous Project Management with Subagents](sources/autonomous-project-management.md)
+- [Pre-Build Idea Validator](sources/pre-build-idea-validator.md)
+- [Dynamic Dashboard with Sub-agent Spawning](sources/dynamic-dashboard.md)
+- [Todoist Task Manager](sources/todoist-task-manager.md)
+- [Habit Tracker & Accountability Coach](sources/habit-tracker-accountability-coach.md)
+- [LaTeX Paper Writing](sources/latex-paper-writing.md)
+- [Second Brain](sources/second-brain.md)
+- [Multi-Channel Customer Service](sources/multi-channel-customer-service.md)
+- [OpenClaw + n8n Workflow Orchestration](sources/n8n-workflow-orchestration.md)
+- [Local CRM Framework with DenchClaw](sources/local-crm-framework.md)
+- [Overnight Mini App Builder](sources/overnight-mini-app-builder.md)
+- [Polymarket Autopilot](sources/polymarket-autopilot.md)
+- [YouTube Content Pipeline](sources/youtube-content-pipeline.md)
+- [Personal CRM with Automatic Contact Discovery](sources/personal-crm.md)
+- [Knowledge Base RAG](sources/knowledge-base-rag.md)
+- [X/Twitter Automation from Chat](sources/x-twitter-automation.md)
+- [Multi-Source Tech News Digest](sources/multi-source-tech-news-digest.md)
+- [Family Calendar Aggregation & Household Assistant](sources/family-calendar-household-assistant.md)
+- [OpenClaw as Desktop Cowork (AionUi)](sources/aionui-cowork-desktop.md)
+- [Semantic Memory Search](sources/semantic-memory-search.md)
+- [arXiv Paper Reader](sources/arxiv-paper-reader.md)
+- [Autonomous Educational Game Development Pipeline](sources/autonomous-game-dev-pipeline.md)
+- [Phone Call Notifications](sources/phone-call-notifications.md)
+- [X Account Analysis](sources/x-account-analysis.md)
+- [7 ways I use NotebookLM to make my life easier](sources/7-ways-notebooklm.md)
+- [Designing for Agentic AI](sources/designing-for-agentic-ai.md)
+- [Multi-Agent System Reliability](sources/multi-agent-system-reliability.md)
+- [A Formalization of Recursive Self-Optimizing Generative Systems](sources/a-formalization-of-recursive-self-optimizing-generative-systems.md)
+- [14个免费AI图生视频工具](sources/14-ge-mian-fei-de-ai-tu-sheng-shi-ping-gong-ju.md)
+- [2025年11个神级AI开源平替](sources/2025-nian-11-ge-shen-ji-ai-kai-yuan-ping-ti.md)
+- [Claude Skills最值得研究的AI范式](sources/claude-skills.md)
+- [Best 7 News APIs](sources/best-7-news-api.md)
+- [Vibe Coding Guide](sources/vibe-coding-guide.md)
+- [NotebookLM Open Source Alternatives](sources/notebooklm-open-source-alternatives.md)
+- [YouTube RSS Feed](sources/youtube-rss-feed.md)
+- [LLMs RAG AI Agent区别](sources/llms-rag-ai-agent-qu-bie.md)
+- [Nano Banana提示词框架](sources/nano-banana-prompting-guide.md)
+- [Nano Banana Pro提示词指南](sources/nano-banana-pro-prompting-guide.md)
+- [Multiple Interests Guide](sources/multiple-interests-guide.md)
+- [Never Write Another Prompt](sources/never-write-another-prompt.md)
+- [The Picture They Paint of You](sources/the-picture-they-paint-of-you.md)
+- [RAG从入门到精通系列1：基础RAG](sources/rag-cong-ru-men-dao-jing-tong.md)
+- [OpenAI ChatGPT个性化定义](sources/openai-chatgpt-ge-xing-hua-ding-yi.md)
+- [Build Your Own X](sources/build-your-own-x.md)
+- [抑郁典型梦中人](sources/yi-yu-dian-xing-meng-zhong-ren.md)
+- [Gemini Product Manager PRD](sources/gemini-product-manager-prd.md)
+- [AI配音与声音克隆工具合集](sources/ai-pei-yin-sheng-yin-kelong-gong-ju.md)
+- [固定镜头短视频AI全流程制作](sources/gu-ding-jing-tou-duan-shi-pin-ai-sheng-chan.md)
+- [大模型相关术语框架总结](sources/llm-terms-framework.md)
+- [Nano Banana 2使用指南](sources/nano-banana-2-guide.md)
+- [如何写出完美的Prompt](sources/perfect-prompt-guide.md)
+
+## Entities
+- [OpenClaw](entities/OpenClaw.md)
+- [N8N](entities/N8N.md)
+- [MCP](entities/MCP.md)
+- [NotebookLM](entities/NotebookLM.md)
+- [NanoBanana](entities/NanoBanana.md)
+- [DeepSider](entities/DeepSider.md)
+- [ElevenLabs](entities/ElevenLabs.md)
+- [海螺AI](entities/海螺AI.md)
+- [F5-TTS](entities/F5TTS.md)
+- [剪映](entities/剪映.md)
+- [LangChain](entities/LangChain.md)
+
+## Concepts
+- [Workspace](concepts/Workspace.md)
+- [多Agent系统](concepts/多Agent系统.md)
+- [工作流自动化](concepts/工作流自动化.md)
+- [记忆系统](concepts/记忆系统.md)
+- [技能系统](concepts/技能系统.md)
+- [Source-Grounding](concepts/SourceGrounding.md)
+- [音频概览](concepts/音频概览.md)
+- [提示词框架](concepts/提示词框架.md)
+- [GenAI](concepts/GenAI.md)
+- [Agentic AI](concepts/AgenticAI.md)
+- [RAG](concepts/RAG.md)
+- [Embedding](concepts/Embedding.md)
+- [Prompt能力](concepts/Prompt能力.md)
+- [需求拆解](concepts/需求拆解.md)
+- [结构化表达](concepts/结构化表达.md)
+- [思维链引导](concepts/思维链引导.md)
+- [AI配音](concepts/AI配音.md)
+- [声音克隆](concepts/声音克隆.md)
+- [固定机位](concepts/固定机位.md)
+- [首尾针动画](concepts/首尾针动画.md)
+- [九宫格法](concepts/九宫格法.md)
+- [LLM](concepts/LLM.md)
+- [Token](concepts/Token.md)
+- [MCP](concepts/MCP.md)
+- [Agent](concepts/Agent.md)
+- [vLLM](concepts/vLLM.md)
+- [Claude Skills](concepts/ClaudeSkills.md)
+- [流程工程](concepts/流程工程.md)
+- [Vibe Coding](concepts/VibeCoding.md)

wiki/log.md

@@ -0,0 +1,40 @@
+# Wiki Log
+
+## [2026-04-14] ingest | AI目录批量摄取（26个文件）
+
+### 摄取统计
+- Source页面：26个
+- Entity页面：11个（NotebookLM、NanoBanana、DeepSider、ElevenLabs、海螺AI、F5-TTS、剪映、LangChain等）
+- Concept页面：21个（Source-Grounding、音频概览、提示词框架、GenAI、Agentic AI、RAG、Embedding、Prompt能力、AI配音、声音克隆、固定机位、首尾针动画、九宫格法、LLM、Token、MCP、Agent、vLLM、Claude Skills、流程工程、Vibe Coding等）
+
+### 主要主题
+- AI图像生成：Nano Banana提示词工程
+- AI配音与声音克隆：ElevenLabs、海螺AI、F5-TTS
+- 视频制作：固定镜头、九宫格法、首尾针动画
+- RAG检索增强生成
+- 大模型术语体系：LLM、MCP、Agent、vLLM、Token
+- Claude Skills与流程工程
+- Prompt能力与提示词工程
+
+### 冲突检测
+- 无重大冲突发现
+
+## [2026-04-14] ingest | Agent目录批量摄取（45个文件）
+
+### 摄取统计
+- Source页面：45个
+- Entity页面：3个（OpenClaw、N8N、MCP）
+- Concept页面：5个（Workspace、多Agent系统、工作流自动化、记忆系统、技能系统）
+
+### 来源文件
+- 主目录：8个文件
+- usecases子目录：37个文件
+
+### 主要主题
+- OpenClaw配置与使用
+- N8N工作流自动化
+- MCP协议集成
+- 多Agent协作系统
+- 个人效率工具
+- 内容创作自动化
+- 商业应用（CRM、市场研究）

wiki/overview.md

@@ -0,0 +1,114 @@
+# Overview
+
+本Wiki涵盖两大核心领域：**Agent（智能体）系统**和**AI应用**。Agent系统以OpenClaw、N8N、MCP为核心；AI应用涵盖图像生成、配音克隆、视频制作、RAG检索等场景。
+
+## 核心主题
+
+### Agent系统
+- **OpenClaw**：开源AI Agent框架，支持多Agent协作、记忆系统、技能扩展
+- **N8N**：开源工作流自动化平台，可与AI Agent结合实现复杂自动化
+- **MCP (Modal Context Protocol)**：AI大模型与外围服务集成的协议
+- **多Agent系统**：多个专业Agent协同工作的架构模式
+
+### AI应用
+- **图像生成**：Nano Banana、Midjourney等模型的提示词工程
+- **AI配音与声音克隆**：ElevenLabs、海螺AI、F5-TTS等工具
+- **视频制作**：固定镜头短视频AI全流程、九宫格法、首尾针动画
+- **RAG检索**：检索增强生成解决LLM幻觉问题
+
+## 问题域
+
+### Agent系统
+- Agent开发与配置（Workspace文件体系）
+- 工作流自动化（N8N节点和工作流）
+- 跨平台集成（Telegram、Discord、Slack等）
+- 个人效率提升（习惯追踪、日历管理、邮件处理）
+- 内容创作自动化（YouTube、Twitter、播客等）
+- 商业应用（CRM、市场研究、财报追踪）
+
+### AI应用
+- 提示词工程：角色-需求-场景-目标四要素结构
+- 图像生成质量控制：物件描述框架、人物描述框架
+- 声音克隆与配音：多语言TTS、各平台特点
+- 视频内容创作：分镜拆解、一致性保证
+- 大模型知识体系：LLM、MCP、Agent、RAG、vLLM、Token
+
+## 方法/机制
+
+### Agent系统
+- **Workspace文件体系**（AGENTS.md、SOUL.md、USER.md等）：定义Agent行为
+- **Sub-agent多Agent协作**：分散式协调通过共享状态文件
+- **Cron定时任务与心跳机制**：自动化定期执行
+- **MCP协议工具调用**：Client-Server架构的服务集成
+- **Webhook安全集成**：OpenClaw与N8N的安全集成模式
+- **向量语义搜索**：memsearch实现记忆的语义检索
+
+### AI应用
+- **提示词框架**：物件描述、人物描述的JSON标准化结构
+- **Source-Grounding**：NotebookLM限制知识库确保回答准确性
+- **九宫格法**：一次性生成多个分镜保证画面一致性
+- **首尾针动画**：AI补齐中间帧实现平滑过渡
+- **RAG三步流程**：索引→检索→生成
+
+## 关键实体
+
+### Agent系统
+- [[OpenClaw]]：开源AI Agent框架
+- [[N8N]]：工作流自动化平台
+- [[MCP]]：模态上下文协议
+- [[DenchClaw]]：本地CRM框架
+- [[AionUi]]：桌面Cowork应用
+
+### AI应用
+- [[NotebookLM]]：Google AI学习工具
+- [[Nano Banana]]：Google AI图像生成模型
+- [[DeepSider]]：多AI模型聚合浏览器插件
+- [[ElevenLabs]]：国际AI配音平台
+- [[海螺AI]]：MiniMax出品的AI工具
+- [[F5-TTS]]：开源语音克隆项目
+- [[剪映]]：字节跳动视频编辑工具
+
+## 关键概念
+
+### Agent系统
+- [[Workspace]]：Agent的工作台目录配置体系
+- [[多Agent系统]]：多个专业Agent协同工作的架构
+- [[工作流自动化]]：使用工具自动执行重复性任务
+- [[记忆系统]]：Agent跨会话保留上下文的能力
+- [[技能系统]]：OpenClaw的扩展机制
+- [[n8n-mcp]]：N8N的MCP服务器实现
+- [[idea-reality-mcp]]：预构建创意验证MCP
+
+### AI应用
+- [[Prompt能力]]：清晰界定需求+结构化思维表达
+- [[需求拆解]]：将模糊目标转化为具体可执行子任务
+- [[结构化表达]]：用清晰逻辑组织信息
+- [[思维链引导]]：让AI逐步推理
+- [[Source-Grounding]]：限制知识库确保AI回答准确性
+- [[音频概览]]：将文档转化为AI双人播客格式
+- [[提示词框架]]：结构化描述图像生成需求的模板
+- [[AI配音]]：文本转语音技术
+- [[声音克隆]]：用少量样本重建个人声音
+- [[固定机位]]：摄像机位置固定不变的拍摄方式
+- [[首尾针动画]]：通过首尾帧AI自动补齐中间动作
+- [[九宫格法]]：一次性生成3x3共九个分镜画面
+- [[RAG]]：检索增强生成
+- [[Embedding]]：将文本转换为数值向量的技术
+- [[LLM]]：大语言模型
+- [[Agent]]：智能体
+- [[vLLM]]：高效LLM推理框架
+- [[Token]]：大模型基本输入单元
+
+## Source分类
+
+### Agent系统（45个）
+涵盖：OpenClaw Workspace、N8N工作流、MCP协议、多Agent协作、记忆系统、技能扩展等
+
+### AI应用（26个）
+涵盖：NotebookLM、Claude Skills、Nano Banana提示词、RAG基础、AI配音工具、视频制作流程、大模型术语等
+
+## 来源分布
+- 微信公众号：Agent系统相关内容
+- YouTube视频：部分AI工具教程
+- OpenClaw Use Cases：37个
+- 技术文档：AI图像生成、RAG、提示词工程等

wiki/sources/14-ge-mian-fei-de-ai-tu-sheng-shi-ping-gong-ju.md

@@ -0,0 +1,47 @@
+---
+title: "14个免费的AI图生视频工具"
+type: source
+tags: [AI, image-to-video, tools]
+date: 2025-12-05
+---
+
+## Source File
+- [[raw/AI/14个免费的AI图生视频工具，用AI让图片动起来 - AI视频教程  AI自动化工作流定制服务  AI培训学习平台  黑喵大叔.md]]
+
+## Summary
+- 核心主题：14个免费AI图生视频工具评测
+- 问题域：视频制作需要专业设备和技能，门槛高
+- 方法/机制：上传静态图片，AI分析内容并生成动态视频
+- 结论/价值：AI图生视频工具降低视频创作门槛，实现便捷创作
+
+## Key Claims
+- 绘蛙AI视频（阿里）：模特图转视频，支持多格式高分辨率
+- 智谱清影：30秒生成6秒高清视频，支持音效匹配
+- 通义万相（阿里）：支持提示词控制运动，匹配音效
+- Vidu（清华）：全球首个"多主体参考"功能，10秒生成视频
+- 可灵AI（快手）：1080p分辨率，真实物理规律表现
+- 海螺AI（MiniMax）：主体一致性优秀，支持多种艺术风格
+
+## Key Concepts
+- [[图生视频]]：将静态图片转化为动态视频的AI技术
+- [[主体一致性]]：视频中角色/物体保持一致的能力
+- [[运动控制]]：通过文本提示词控制视频中主体的运动方式
+
+## Key Entities
+- [[绘蛙AI视频]]：阿里巴巴AI图生视频工具
+- [[智谱清影]]：智谱AI视频生成工具
+- [[通义万相]]：阿里巴巴AI视频生成工具
+- [[Vidu]]：生数科技与清华大学发布的视频大模型
+- [[可灵AI]]：快手AI创作平台
+- [[海螺AI]]：MiniMax推出的AI视频工具
+- [[即梦AI]]：字节跳动一站式AI创意创作平台
+- [[PixVerse]]：爱诗科技AI视频工具
+- [[Stable Video]]：Stability AI视频生成平台
+
+## Connections
+- [[AI视频生成]] ← includes ← [[图生视频]]
+- [[阿里巴巴]] ← provides ← [[绘蛙AI视频]]
+- [[阿里巴巴]] ← provides ← [[通义万相]]
+- [[快手]] ← provides ← [[可灵AI]]
+
+## Contradictions

wiki/sources/2025-nian-11-ge-shen-ji-ai-kai-yuan-ping-ti.md

@@ -0,0 +1,48 @@
+---
+title: "2025年11个神级AI开源平替"
+type: source
+tags: [open-source, AI, GitHub]
+date: 2026-01-01
+---
+
+## Source File
+- [[raw/AI/2025 年 11 个神级 AI 开源平替，GitHub 杀疯了。.md]]
+
+## Summary
+- 核心主题：2025年GitHub热门AI开源项目盘点
+- 问题域：闭源AI产品价格昂贵，开源替代品需求旺盛
+- 方法/机制：按类别梳理各领域最火热的开源项目
+- 结论/价值：国产AI模型（DeepSeek、Qwen）在开源界表现亮眼
+
+## Key Claims
+- 大语言模型：DeepSeek R1、Qwen 3为开源界标杆
+- AI生图：Flux（开源Midjourney）、Stable Diffusion（LoRA/ControlNet生态最丰富）
+- AI生视频：HunyuanVideo（腾讯）参数量最大，中文理解最强
+- 通用智能体：OpenManus（5万Star）为核心开源平替
+- AI Coding：Cline为Cursor最佳开源平替
+- 智能体工作流：n8n（16万Star）、Dify为最强开源项目
+
+## Key Concepts
+- [[开源平替]]：开源替代闭源产品的方案
+- [[AI生图]]：开源模型Flux、Stable Diffusion
+- [[AI生视频]]：HunyuanVideo、Veo 3
+- [[AI智能体]]：Manus、OpenManus
+- [[AI编程]]：Cline、Claude Code
+
+## Key Entities
+- [[DeepSeek]]：国产开源大模型
+- [[Qwen]]：通义千问开源模型
+- [[Flux]]：前SD团队开发的AI生图模型
+- [[HunyuanVideo]]：腾讯混元视频生成模型
+- [[OpenManus]]：通用智能体开源项目
+- [[Cline]]：VS Code AI编程插件
+- [[n8n]]：工作流自动化开源平台
+- [[Dify]]：LLM应用开发平台
+
+## Connections
+- [[开源AI]] ← includes ← [[大语言模型]]
+- [[开源AI]] ← includes ← [[AI生图]]
+- [[开源AI]] ← includes ← [[AI生视频]]
+- [[GitHub]] ← hosts ← [[开源AI项目]]
+
+## Contradictions

wiki/sources/7-ways-notebooklm.md

@@ -0,0 +1,35 @@
+---
+title: "7 ways I use NotebookLM to make my life easier"
+type: source
+tags: [notebooklm, google, learning, productivity]
+date: 2025-11-23
+---
+
+## Source File
+- [[raw/AI/7 ways I use NotebookLM to make my life easier.md]]
+
+## Summary
+- 核心主题：NotebookLM使用技巧
+- 问题域：信息过载、文档处理、学习效率
+- 方法/机制：source-grounding文档问答、音频概览、项目管理
+- 结论/价值：NotebookLM通过严格限制知识库范围保证准确性，是个人学习和项目管理的强大助手
+
+## Key Claims
+- NotebookLM的source-grounding机制确保回答准确且可溯源
+- 音频概览功能将文档转化为双人播客，适合被动学习
+- 可作为个性化项目管理中心，集中管理分散的研究和想法
+- 法律文档审查时提供精确引用，避免AI幻觉
+
+## Key Concepts
+- [[Source-Grounding]]：NotebookLM的核心机制，限制知识库仅包含用户上传的文档
+- [[音频概览]]：将文档转化为AI双人播客格式
+- [[项目中心]]：集中管理研究、想法、会议记录的统一空间
+
+## Key Entities
+- [[NotebookLM]]：Google推出的AI学习工具
+
+## Connections
+- [[NotebookLM]] ← uses ← [[Source-Grounding]]
+- [[AI学习工具]] ← extends ← [[NotebookLM]]
+
+## Contradictions

wiki/sources/90-tian-pao-tong-yi-ren-gong-si-mo-shi.md

@@ -0,0 +1,36 @@
+---
+title: "万字保姆级教程-90天跑通一人公司模式"
+type: source
+tags: [一人公司, 个人品牌, ikigai, 商业变现]
+date: 2026-03-29
+---
+
+## Source File
+- [[raw/Agent/万字保姆级教程-90天跑通一人公司模式-2026-03-29.md]]
+
+## Summary
+- 核心主题：用AI提示词和工具在90天内跑通一人公司模式
+- 问题域：个人如何找到自己的优势并实现商业变现
+- 方法/机制：Ikigai模型（热爱、擅长、市场需求、报酬四圈交集）、AI辅助内容生产、产品体系搭建
+- 结论/价值：一人公司的关键在于更聪明地定位，而非更努力工作
+
+## Key Claims
+- 天才地带理论：找到能产生心流的活动区域
+- 底层能力三问：追溯童年、毫不费力、底层通用
+- 四个心理陷阱：愧疚陷阱、效率陷阱、卓越陷阱、努力陷阱
+- Ikigai是热情、天职、使命、职业的交汇点
+- 产品体系四层：引流产品、入门产品、核心产品、高价产品
+
+## Key Concepts
+- [[Ikigai]]：日本概念，指生命的意义，四个圆圈的交集
+- [[一人公司]]：用最小杠杆撬动最大价值的商业模式
+- [[底层能力]]：藏在冰山下的通用能力
+- [[产品体系]]：从引流到高价的完整产品矩阵
+
+## Key Entities
+- 盖伊·亨德里克斯：心理学家，提出天才地带概念
+- 张飞宇：营销人，公众号作者
+
+## Connections
+- [[一人公司]] ← uses ← [[Ikigai]]
+- [[一人公司]] ← uses ← [[产品体系]]

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

@@ -0,0 +1,36 @@
+---
+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/ai-pei-yin-sheng-yin-kelong-gong-ju.md

@@ -0,0 +1,41 @@
+---
+title: "AI配音与声音克隆工具合集"
+type: source
+tags: [AI配音, 声音克隆, TTS]
+date: 2025-03-06
+---
+
+## Source File
+- [[raw/AI/二创视频必不可少！2025年最热门AI工具推荐合集-AI配音、声音克隆.md]]
+
+## Summary
+- 核心主题：AI配音和声音克隆工具评测
+- 问题域：二创视频需要高效配音解决方案
+- 方法/机制：评测主流AI配音工具的功能和价格
+- 结论/价值：不同场景有不同最优选择
+
+## Key Claims
+- ElevenLabs：国际顶流，30+语言，支持情感变化，付费较贵
+- 海螺AI（MiniMax）：小白友好，30秒克隆，免费，中文支持好
+- F5-TTS：开源免费，2秒克隆，技术流首选，需代码基础
+- TTSMaker：每周免费3万字，50+语言，300+音色
+- 剪映：抖音官方，短视频首选，部分音色需VIP
+- 魔音工坊：500+音色，企业首选
+- AnyVoice：3秒克隆，中英日韩，免费无限
+
+## Key Concepts
+- [[AI配音]]：文本转语音技术
+- [[声音克隆]]：用少量样本重建个人声音
+- [[TTS]]：Text-to-Speech文字转语音
+
+## Key Entities
+- [[ElevenLabs]]：国际AI配音平台
+- [[海螺AI]]：MiniMax出品的AI工具
+- [[F5-TTS]]：开源语音克隆项目
+- [[剪映]]：字节跳动视频编辑工具
+
+## Connections
+- [[二创视频]] ← uses ← [[AI配音]]
+- [[内容创作]] ← uses ← [[声音克隆]]
+
+## Contradictions

wiki/sources/aionui-cowork-desktop.md

@@ -0,0 +1,34 @@
+---
+title: "OpenClaw as Desktop Cowork (AionUi)"
+type: source
+tags: [openclaw, aionui, desktop, remote]
+date: 2026-03-06
+---
+
+## Source File
+- [[raw/Agent/usecases/aionui-cowork-desktop.md]]
+
+## Summary
+- 核心主题：使用AionUi桌面Cowork UI运行OpenClaw
+- 问题域：希望看到Agent正在做什么而非仅从日志推断
+- 方法/机制：AionUi提供桌面Cowork空间，远程通过Telegram或WebUI访问
+- 结论/价值：在桌面UI中使用OpenClaw，同时获得远程救援能力
+
+## Key Claims
+- 真实桌面UI：看到OpenClaw读写文件、运行命令、浏览网页
+- 远程OpenClaw救援：当OpenClaw损坏或无法连接时，使用内置OpenClaw部署专家
+- 多Agent应用：一个应用中运行OpenClaw、内置Agent、Claude Code、Codex等
+- MCP一次配置，所有Agent同步：MCP服务器在AionUi中配置一次，sync到OpenClaw和其他Agent
+
+## Key Insights
+- 当OpenClaw无法连接且你不在机器旁时：打开AionUi通过Telegram或WebUI，使用内置OpenClaw部署专家
+- 多Agent工作区：运行OpenClaw以及内置Agent（Gemini/OpenAI/Anthropic/Ollama）、Claude Code、Codex等
+
+## Key Concepts
+- [[AionUi]]：支持OpenClaw和其他Agent的桌面应用
+- [[远程救援]]：远程修复OpenClaw的能力
+- [[Cowork空间]]：Agent的桌面工作区界面
+
+## Connections
+- [[AionUi]] ← hosts ← [[OpenClaw]]
+- [[AionUi]] ← provides ← [[远程救援]]

wiki/sources/arxiv-paper-reader.md

@@ -0,0 +1,30 @@
+---
+title: "arXiv Paper Reader"
+type: source
+tags: [openclaw, arxiv, research, automation]
+date: 2026-03-06
+---
+
+## Source File
+- [[raw/Agent/usecases/arxiv-paper-reader.md]]
+
+## Summary
+- 核心主题：对话式arXiv论文阅读助手
+- 问题域：阅读arXiv论文意味着下载PDF，在论文间切换丢失上下文
+- 方法/机制：安装arxiv-reader skill，获取干净可读的文本，自动扁平化LaTeX
+- 结论/价值：在工作区内对话式阅读、分析和比较论文
+
+## Key Claims
+- 通过ID获取任何arXiv论文，获得干净可读的文本（LaTeX自动扁平化）
+- 先浏览论文结构——列出章节以决定在提交全文前读什么
+- 快速扫描多篇论文摘要以分类阅读列表
+- 要求Agent总结、比较或批评特定章节
+- 结果在本地缓存——重新访问论文是即时的
+
+## Key Concepts
+- [[arXiv论文阅读]]：学术论文自动化阅读
+- [[LaTeX扁平化]]：将LaTeX源文件转换为可读文本
+- [[arxiv-reader]]：读取arXiv论文的skill
+
+## Connections
+- [[arxiv-reader]] ← fetches ← [[arXiv]]

wiki/sources/autonomous-game-dev-pipeline.md

@@ -0,0 +1,29 @@
+---
+title: "Autonomous Educational Game Development Pipeline"
+type: source
+tags: [openclaw, autonomous, game-dev, education]
+date: 2026-03-06
+---
+
+## Source File
+- [[raw/Agent/usecases/autonomous-game-dev-pipeline.md]]
+
+## Summary
+- 核心主题：自主教育游戏开发管道
+- 问题域：独立开发者需要为孩子创建40+教育游戏
+- 方法/机制：Game Developer Agent自主管理游戏创建和维护的完整生命周期
+- 结论/价值：每7分钟生产1个新游戏或错误修复
+
+## Key Claims
+- 管道能够每7分钟生产1个新游戏或错误修复
+- 实施严格遵循game-design-rules.md（无框架、移动优先、离线支持）
+- "错误优先"政策：Agent必须先检查并解决报告的错误，然后才能实施新功能
+
+## Key Insights
+- 游戏开发者Agent将LLM变成尊重项目 rigid structure的纪律开发者
+- 开发队列管理：循环策略平衡跨年龄组的内容
+- 自动化部署：处理Git工作流程：获取master、创建feature分支、提交更改、合并
+
+## Key Concepts
+- [[自主开发管道]]：自动化游戏开发和部署
+- [[游戏设计规则]]：游戏

wiki/sources/autonomous-project-management.md

@@ -0,0 +1,35 @@
+---
+title: "Autonomous Project Management with Subagents"
+type: source
+tags: [openclaw, subagent, project-management, state]
+date: 2026-03-06
+---
+
+## Source File
+- [[raw/Agent/usecases/autonomous-project-management.md]]
+
+## Summary
+- 核心主题：使用子Agent的分散式项目管理
+- 问题域：传统orchestrator模式造成瓶颈，主Agent成为交通警察
+- 方法/机制：Agent通过共享STATE.yaml文件协调，多个子Agent并行工作
+- 结论/价值：无orchestrator开销，主会话保持精简
+
+## Key Claims
+- 分散式协调：Agent读写共享STATE.yaml文件
+- 并行执行：多个子Agent同时处理独立任务
+- 无orchestrator开销：主会话仅策略执行
+- 自文档化：所有任务状态持久化在版本控制文件中
+
+## Key Insights
+- STATE.yaml > orchestrator：基于文件的协调比消息传递更具可扩展性
+- Git作为审计日志：提交STATE.yaml更改以获取完整历史
+- 标签约定很重要：使用pm-{project}-{scope}便于追踪
+
+## Key Concepts
+- [[分散式协调]]：通过共享文件而非中央协调器进行协调
+- [[STATE.yaml]]：项目协调文件，作为单一事实来源
+- [[子Agent]]：独立执行任务的Agent
+
+## Connections
+- [[子Agent]] ← read_write ← [[STATE.yaml]]
+- [[主Agent]] ← spawns ← [[子Agent]]

wiki/sources/best-7-news-api.md

@@ -0,0 +1,37 @@
+---
+title: "Best 7 News API Data Feeds"
+type: source
+tags: [news-api, data-feed, API]
+date: 2025-03-11
+---
+
+## Source File
+- [[raw/AI/Best 7 news API data feeds - AI News.md]]
+
+## Summary
+- 核心主题：7大新闻API数据源评测
+- 问题域：获取实时和历史新闻数据
+- 方法/机制：聚合、整理多来源结构化新闻数据
+- 结论/价值：不同API适合不同场景，金融、媒体、风险评估各有最佳选择
+
+## Key Claims
+- Webz.io：最全面，支持开放网、深网、暗网数据
+- GNews API：轻量级，适合初创企业和小型应用
+- The Guardian API：高质量编辑内容
+- Bloomberg API：专注金融市场和投资专业数据
+- Financial Times API：全球金融和市场深度洞察
+- Opoint：媒体监测和情感分析
+- Mediastack：可扩展性强，支持7500+来源
+
+## Key Concepts
+- [[新闻API]]：聚合、组织、传递结构化新闻数据的平台
+- [[实时数据]]：新闻API提供的即时新闻覆盖
+- [[情感分析]]：通过API数据进行品牌声誉监测
+
+## Key Entities
+
+## Connections
+- [[数据聚合]] ← uses ← [[新闻API]]
+- [[金融情报]] ← uses ← [[Bloomberg API]]
+
+## Contradictions

wiki/sources/build-your-own-x.md

@@ -0,0 +1,33 @@
+---
+title: "Build Your Own X"
+type: source
+tags: [build-your-own-x, learning, programming, tutorials]
+date: 2026-01-01
+---
+
+## Source File
+- [[raw/AI/codecrafters-iobuild-your-own-x Master programming by recreating your favorite technologies from scratch.md]]
+
+## Summary
+- 核心主题：Build Your Own X编程学习资源合集
+- 问题域：学习编程需要通过实践重建技术来深入理解
+- 方法/机制：提供分步骤指南，从零开始重建流行技术
+- 结论/价值：费曼的名言"我不能创造的东西，我就不理解"
+
+## Key Claims
+- 涵盖23个技术类别：3D渲染器、AR、BitTorrent、区块链、Bot、CLI工具、数据库、Docker、模拟器、前端框架、游戏、Git、网络栈、神经网络、操作系统、物理引擎、编程语言、正则引擎、搜索引擎、Shell、模板引擎、文本编辑器、视觉识别系统、体素引擎、网页浏览器、网页服务器
+- 每种技术都提供多种编程语言的教程
+- 著名引用：Richard Feynman的"我不能创造的东西，我就不理解"
+
+## Key Concepts
+- [[Build Your Own X]]：通过重建技术来学习的编程学习法
+- [[CodeCrafters]]：提供编程挑战的平台
+
+## Key Entities
+- [[CodeCrafters]]：编程学习平台
+- [[Richard Feynman]]：物理学家名言出处
+
+## Connections
+- [[编程学习]] ← uses ← [[Build Your Own X]]
+
+## Contradictions

wiki/sources/claude-skills.md

@@ -0,0 +1,39 @@
+---
+title: "Claude Skills最值得研究的AI范式"
+type: source
+tags: [claude-skills, prompt-engineering, workflow, vibe-coding]
+date: 2026-01-05
+---
+
+## Source File
+- [[raw/AI/3.2 万人收藏的 Claude Skills，才是 AI 这条路上最值得研究的一套范式！.md]]
+
+## Summary
+- 核心主题：Claude Skills范式深度解析
+- 问题域：提示词工程向流程工程的转变需求
+- 方法/机制：Skills作为AI的"说明书"和"SOP"，实现稳定复用和自动执行
+- 结论/价值：Skills的爆发标志着从提示词工程迈向流程工程
+
+## Key Claims
+- Skills是Anthropic官方发布的AI技能指南，本质是写给Claude的"说明书"和"SOP"
+- 官方Skills仓库展示：办公自动化四大件（Word/PDF/PPT/Excel）、开发者工具箱、创意类Skill
+- 三大Awesome-Claude-Skills仓库：ComposioHQ、VoltAgent、BehiSecc
+- Skills聚合站：skillsmp.com、aitmpl.com/skills、claudemarketplaces.com
+- Skills爆发标志从提示词工程到流程工程的关键转变
+
+## Key Concepts
+- [[Claude Skills]]：AI技能的系统化封装，包含Prompt结构、参数含义、容错策略
+- [[流程工程]]：Skills将经验沉淀为SOP，交给AI稳定执行
+- [[Vibe Coding]]：AI编程方式，其尽头也是Skills
+- [[SOP标准化]]：将重复任务拆解为AI能理解、稳定复用的流程
+
+## Key Entities
+- [[Anthropic]]：Claude Skills官方仓库发布者
+- [[Claude]]：AI助手
+
+## Connections
+- [[提示词工程]] ← evolves_to ← [[流程工程]]
+- [[Claude Skills]] ← implements ← [[SOP标准化]]
+- [[Vibe Coding]] ← uses ← [[Claude Skills]]
+
+## Contradictions

wiki/sources/content-factory.md

@@ -0,0 +1,25 @@
+---
+title: "Multi-Agent Content Factory"
+type: source
+tags: [openclaw, multi-agent, content, discord]
+date: 2026-03-06
+---
+
+## Source File
+- [[raw/Agent/usecases/content-factory.md]]
+
+## Summary
+- 核心主题：Discord中的多Agent内容工厂
+- 问题域：内容创作者需要在研究、写作、设计之间切换，耗时巨大
+- 方法/机制：研究Agent扫描趋势，写作Agent生成内容，缩略图Agent生成图片
+- 结论/价值：Agent链式协作实现完全无人值守的内容生产
+
+## Key Claims
+- 研究Agent feeds写作Agent，写作Agent feeds缩略图Agent
+- Discord频道便于分别审查每个Agent的工作
+- 可适配任何内容格式：推文、新闻通讯、LinkedIn帖子等
+
+## Key Concepts
+- [[多Agent协作]]：多个专业Agent链式工作
+- [[内容工厂]]：自动化内容生产流水线
+- [[Discord集成]]：通过Discord协调多

wiki/sources/custom-morning-brief.md

@@ -0,0 +1,25 @@
+---
+title: "Custom Morning Brief"
+type: source
+tags: [openclaw, automation, morning, telegram]
+date: 2026-03-06
+---
+
+## Source File
+- [[raw/Agent/usecases/custom-morning-brief.md]]
+
+## Summary
+- 核心主题：每日定时发送个性化早间简报
+- 问题域：早晨花费30分钟获取当天动态，而非工作
+- 方法/机制：Agent在夜间生成内容，早晨发送结构化简报
+- 结论/价值：AI推荐任务部分是蕞强大的，让Agent主动思考如何帮助
+
+## Key Claims
+- AI推荐任务部分蕞强大：让Agent主动思考如何帮助，而非等待指令
+- 全量draft（而非仅仅想法）是节省时间的关键
+- 通过短信自定义简报：说"添加到早间简报"即可
+
+## Key Insights
+- 夜间生成内容，早晨醒来即可工作
+- AI推荐任务让Agent主动思考如何帮助用户
+- 完全draft而非

wiki/sources/daily-reddit-digest.md

@@ -0,0 +1,26 @@
+---
+title: "Daily Reddit Digest"
+type: source
+tags: [openclaw, reddit, content, automation]
+date: 2026-03-06
+---
+
+## Source File
+- [[raw/Agent/usecases/daily-reddit-digest.md]]
+
+## Summary
+- 核心主题：每日Reddit内容摘要
+- 问题域：想浏览Reddit但时间有限
+- 方法/机制：reddit-readonly skill获取子版块热门帖子，每日定时摘要
+- 结论/价值：按需获取Reddit热门内容，无需手动浏览
+
+## Key Claims
+- reddit-readonly skill不需要认证
+- 每日下午5点运行此流程并给出摘要
+- 创建单独记忆追踪用户偏好
+
+## Key Concepts
+- [[Reddit聚合]]：收集Reddit热门内容
+- [[内容过滤]]：根据用户偏好过滤内容
+
+## Connections

wiki/sources/daily-youtube-digest.md

@@ -0,0 +1,28 @@
+---
+title: "Daily YouTube Digest"
+type: source
+tags: [openclaw, youtube, content, automation]
+date: 2026-03-06
+---
+
+## Source File
+- [[raw/Agent/usecases/daily-youtube-digest.md]]
+
+## Summary
+- 核心主题：每日自动获取YouTube频道更新并生成摘要
+- 问题域：YouTube通知不可靠，优质内容容易被错过
+- 方法/机制：安装youtube-full skill，自动获取频道最新视频并生成摘要
+- 结论/价值：每天早晨收到个性化内容摘要，避免算法推荐的信息茧房
+
+## Key Claims
+- YouTube通知不可靠，订阅的频道新视频不会出现在通知中
+- youtube-full skill支持100个免费积分注册
+- channel/latest和channel/resolve免费（0积分）
+- 仅转录才需要积分
+
+## Key Concepts
+- [[内容聚合]]：从多个来源收集内容
+- [[视频摘要]]：将视频内容压缩为关键点
+
+## Connections
+- [[youtube-full]] ← fetches ← [[YouTube]]

wiki/sources/designing-for-agentic-ai.md

@@ -0,0 +1,35 @@
+---
+title: "Designing for Agentic AI"
+type: source
+tags: [agentic-ai, product-design, UX]
+date: 2025-03-02
+---
+
+## Source File
+- [[raw/AI/Designing for Agentic AI.md]]
+
+## Summary
+- 核心主题：Agentic AI产品设计原则
+- 问题域：AI从被动响应到主动行动的转变
+- 方法/机制：透明性、控制权、个性化、对话、预判五大设计原则
+- 结论/价值：Agentic AI需要新的设计范式，强调实时反馈和用户控制
+
+## Key Claims
+- GenAI擅长内容生成，Agentic AI擅长行动执行
+- Agentic AI引入新维度：主动 agent 预判需求并自主行动
+- 用户通过观察AI决策过程进行交互，而非传统点击输入
+- 五大设计原则：透明性、控制权、个性化、对话、预判
+
+## Key Concepts
+- [[GenAI]]：生成式AI，擅长创作内容
+- [[Agentic AI]]：智能体AI，能够自主行动和决策
+- [[实时反馈]]：Agentic AI设计中的核心用户体验要素
+- [[用户控制]]：确保用户对AI行为有最终决定权
+
+## Key Entities
+
+## Connections
+- [[Agentic AI]] ← extends ← [[GenAI]]
+- [[AI产品设计]] ← uses ← [[Agentic AI设计原则]]
+
+## Contradictions

wiki/sources/dynamic-dashboard.md

@@ -0,0 +1,28 @@
+---
+title: "Dynamic Dashboard with Sub-agent Spawning"
+type: source
+tags: [openclaw, dashboard, subagent, monitoring]
+date: 2026-03-06
+---
+
+## Source File
+- [[raw/Agent/usecases/dynamic-dashboard.md]]
+
+## Summary
+- 核心主题：动态仪表板通过子Agent并行获取数据
+- 问题域：静态仪表板显示过时数据，需要手动更新
+- 方法/机制：对话式定义监控目标，子Agent并行获取每个数据源
+- 结论/价值：实时可视化多个数据源，无需构建自定义前端
+
+## Key Claims
+- 并行获取数据避免阻塞和分配API负载
+- 聚合结果到统一仪表板（文本、HTML或Canvas）
+- 指标存储在数据库中用于历史分析
+- 指标跨阈值时发送警报
+
+## Key Concepts
+- [[动态仪表板]]：实时更新的可视化面板
+- [[并行处理]]：同时获取多个数据源
+- [[子Agent]]：用于并行执行任务的Agent
+
+## Connections

wiki/sources/earnings-tracker.md

@@ -0,0 +1,27 @@
+---
+title: "AI-Powered Earnings Tracker"
+type: source
+tags: [openclaw, finance, tracking, telegram]
+date: 2026-03-06
+---
+
+## Source File
+- [[raw/Agent/usecases/earnings-tracker.md]]
+
+## Summary
+- 核心主题：自动化追踪科技公司财报
+- 问题域：跟踪数十家科技公司财报需要多来源检查
+- 方法/机制：每周扫描财报日历，定时任务获取结果并发送摘要
+- 结论/价值：自动化财报追踪和传递
+
+## Key Claims
+- 每周日预览：扫描即将到来周的财报日历
+- 用户选择要追踪的公司，Agent为每个财报日期安排一次性cron任务
+- 报告发布后自动搜索结果，格式化摘要并发送
+
+## Key Concepts
+- [[财报追踪]]：监控公司财务报告
+- [[定时任务]]：按计划执行自动化任务
+
+## Connections
+- [[财报追踪]] ← uses ← [[定时任务]]

wiki/sources/event-guest-confirmation.md

@@ -0,0 +1,33 @@
+---
+title: "Event Guest Confirmation"
+type: source
+tags: [openclaw, phone, automation, supercall]
+date: 2026-03-06
+---
+
+## Source File
+- [[raw/Agent/usecases/event-guest-confirmation.md]]
+
+## Summary
+- 核心主题：使用SuperCall自动确认活动嘉宾出席
+- 问题域：手动电话确认20+客人繁琐且容易遗漏
+- 方法/机制：AI逐个呼叫客人，确认出席并收集备注，编译摘要
+- 结论/价值：真人电话获得更高响应率
+
+## Key Claims
+- 真人电话获得比短信更高的响应率
+- SuperCall是完全独立的语音Agent，只能访问提供的上下文
+- 每次通话后AI persona重置，避免对话间交叉污染
+
+## Key Insights
+- 从小规模测试开始：用2-3个客人测试persona和开场白
+- 注意拨打电话时间：不要在太早或太晚打电话
+- 审核转录：首次批量通话后浏览对话进展
+
+## Key Concepts
+- [[电话确认]]：通过电话确认出席
+- [[SuperCall]]：独立语音Agent工具
+- [[批量呼叫]]：自动逐个呼叫列表中的联系人
+
+## Connections
+- [[SuperCall]] ← used_for ← [[电话确认]]

wiki/sources/family-calendar-household-assistant.md

@@ -0,0 +1,33 @@
+---
+title: "Family Calendar Aggregation & Household Assistant"
+type: source
+tags: [openclaw, family, calendar, automation]
+date: 2026-03-06
+---
+
+## Source File
+- [[raw/Agent/usecases/family-calendar-household-assistant.md]]
+
+## Summary
+- 核心主题：家庭日历聚合和家务助理
+- 问题域：现代家庭跨越多个平台和格式处理五个或更多日历
+- 方法/机制：OpenClaw作为常开的家务协调员，聚合日历并监控消息
+- 结论/价值：早上简报包含所有家庭日历的单一视图
+
+## Key Claims
+- 日历聚合：从所有家庭日历来源编译成单一每日简报
+- 环境消息监控：被动监控并在检测到约会时创建日历事件
+- 驾驶时间缓冲：添加旅行时间块在检测到的约会前后
+- 家庭库存：维护 pantry/冰箱物品的运行库存
+
+## Key Insights
+- 环境 > 主动：蕞大的突破是Agent无需询问即可行动
+- Mac Mini是甜区：家庭Mac Mini运行受益最大——iMessage集成、Apple Calendar、常开可用性
+- 从只读开始：在启用写操作之前从日历读取和消息监控开始
+
+## Key Concepts
+- [[日历聚合]]：整合多个日历来源
+- [[环境监控]]：被动监控和自动操作
+- [[家庭协调]]：管理家庭物流和沟通
+
+## Connections

wiki/sources/gemini-product-manager-prd.md

@@ -0,0 +1,37 @@
+---
+title: "不会Gemini的产品经理真的要被淘汰了"
+type: source
+tags: [gemini, 产品经理, PRD, AI工作流]
+date: 2025-11-19
+---
+
+## Source File
+- [[raw/AI/不会Gemini的产品经理真的要被淘汰了  附保姆级PRD生成指南.md]]
+
+## Summary
+- 核心主题：AI时代产品经理的工作方式变革
+- 问题域：产品经理如何利用Gemini提效90%以上
+- 方法/机制：FeatureList构思→逻辑图→PRD文档→HTML原型
+- 结论/价值：AI是工具，关键在于产品经理的市场洞察能力
+
+## Key Claims
+- Gemini 2.5/3可将产品经理文本工作时间缩短90%以上
+- 核心方法：LLM负责"写"而非"想"，人类负责"想"
+- FeatureList分层级展开功能点：模块分类→功能点全面性→优先级
+- 用mermaid生成ER图、时序图、甘特图等逻辑图
+- Gemini可以生成HTML替代原型图
+
+## Key Concepts
+- [[FeatureList]]：分层级需求表
+- [[PRD]]：产品需求文档
+- [[mermaid]]：图表描述语言
+- [[AI工作流]]：人类思考+AI执行的协作模式
+
+## Key Entities
+- [[Gemini]]：Google AI模型
+
+## Connections
+- [[产品经理]] ← uses ← [[Gemini]]
+- [[PRD生成]] ← uses ← [[AI工作流]]
+
+## Contradictions

wiki/sources/gu-ding-jing-tou-duan-shi-pin-ai-sheng-chan.md

@@ -0,0 +1,36 @@
+---
+title: "固定镜头短视频AI全流程制作"
+type: source
+tags: [AI视频, 短视频制作, 家装视频]
+date: 2025-03-15
+---
+
+## Source File
+- [[raw/AI/固定镜头短视频制作的AI全流程解析.md]]
+
+## Summary
+- 核心主题：固定镜头短视频AI制作全流程
+- 问题域：家装类短视频制作效率低
+- 方法/机制：分镜拆解→九宫格图片生成→首尾针动画→剪辑配音
+- 结论/价值：AI可将10分钟制作周期缩短至极限
+
+## Key Claims
+- 三大关键词：固定机位、内容连续变化、时间压缩
+- AI工具分类：大脑类（XAR GPT）、设计师类（Midjourney/Nano Banana）、动效类（海螺AI/KAI）
+- 九宫格法保证画面一致性
+- 首尾针动画实现平滑过渡
+- 五步公式：拆分镜头→一致性图像→首尾针动画→快速剪辑→声音设计
+
+## Key Concepts
+- [[固定机位]]：摄像机位置固定不变
+- [[首尾针动画]]：通过首尾帧AI自动补齐中间动作
+- [[九宫格法]]：一次性生成3x3共九个分镜画面
+- [[时间压缩]]：将长时间过程浓缩呈现
+
+## Key Entities
+
+## Connections
+- [[AI视频制作]] ← uses ← [[首尾针动画]]
+- [[AI视频制作]] ← uses ← [[九宫格法]]
+
+## Contradictions

wiki/sources/habit-tracker-accountability-coach.md

@@ -0,0 +1,34 @@
+---
+title: "Habit Tracker & Accountability Coach"
+type: source
+tags: [openclaw, habit, tracking, telegram]
+date: 2026-03-06
+---
+
+## Source File
+- [[raw/Agent/usecases/habit-tracker-accountability-coach.md]]
+
+## Summary
+- 核心主题：主动问责Partner追踪习惯
+- 问题域：习惯追踪App依赖用户记得打开，被动
+- 方法/机制：Agent通过Telegram或SMS主动联系，根据表现调整语气
+- 结论/价值：主动问责比被动追踪更有效
+
+## Key Claims
+- 真正有效的是主动问责
+- 每日签到根据选择的时间通过Telegram或SMS发送
+- 追踪用户定义的习惯
+- 连续追踪：知道每个习惯的当前连续天数并在消息中提及
+
+## Key Insights
+- 适应性语气让这不同于cron job
+- 保持追踪的习惯数量少（3-5个）
+- 每周模式分析出奇地有用
+
+## Key Concepts
+- [[习惯追踪]]：长期追踪行为习惯
+- [[主动问责]]：Agent主动联系用户进行检查
+- [[适应性语气]]：根据表现调整沟通风格
+
+## Connections
+- [[习惯追踪]] ← uses ← [[Telegram]]

wiki/sources/health-symptom-tracker.md

@@ -0,0 +1,28 @@
+---
+title: "Health & Symptom Tracker"
+type: source
+tags: [openclaw, health, tracking, telegram]
+date: 2026-03-06
+---
+
+## Source File
+- [[raw/Agent/usecases/health-symptom-tracker.md]]
+
+## Summary
+- 核心主题：追踪食物和症状以识别敏感源
+- 问题域：识别食物敏感性需要长期持续记录
+- 方法/机制：通过Telegram主题记录，3次每日提醒，每周分析模式
+- 结论/价值：自动化追踪和分析帮助识别潜在诱因
+
+## Key Claims
+- 识别食物敏感性需要跨时间的持续记录
+- 每日3次提醒促使记录保持
+- 每周分析识别与症状相关的食物模式
+
+## Key Concepts
+- [[健康追踪]]：长期记录健康数据
+- [[模式识别]]：从数据中发现规律
+- [[Telegram集成]]：通过Telegram进行交互
+
+## Connections
+- [[健康追踪]] ← uses ← [[Telegram集成]]

wiki/sources/inbox-declutter.md

@@ -0,0 +1,24 @@
+---
+title: "Inbox De-clutter"
+type: source
+tags: [openclaw, email, automation, gmail]
+date: 2026-03-06
+---
+
+## Source File
+- [[raw/Agent/usecases/inbox-declutter.md]]
+
+## Summary
+- 核心主题：自动化新闻邮件分类和摘要
+- 问题域：新闻邮件堆积如山，从未打开
+- 方法/机制：创建专用OpenClaw邮件，订阅新闻，cron job每日摘要
+- 结论/价值：自动化邮件管理，减少收件箱混乱
+
+## Key Claims
+- 为OpenClaw创建专用邮件解决新闻邮件堆积问题
+- 每日cron job读取过去24小时新闻邮件，生成摘要
+- 根据反馈更新记忆以更好选择内容
+
+## Key Concepts
+- [[邮件管理]]：自动化邮件处理
+- [[新闻聚合]]：收集和汇总新闻内容

wiki/sources/knowledge-base-rag.md

@@ -0,0 +1,22 @@
+---
+title: "Knowledge Base RAG"
+type: source
+tags: [openclaw, rag, knowledge, automation]
+date: 2026-03-06
+---
+
+## Source File
+- [[raw/Agent/usecases/knowledge-base-rag.md]]
+
+## Summary
+- 核心主题：基于RAG的知识库系统
+- 问题域：分散的知识难以搜索和利用
+- 方法/机制：RAG（检索增强生成）系统从知识库中检索相关信息
+- 结论/价值：让Agent能够基于自有知识库回答问题
+
+## Key Claims
+- RAG系统从自有知识库中检索相关信息
+- 向量数据库支持语义搜索
+- 定期更新知识库内容
+
+## Key Concepts

wiki/sources/latex-paper-writing.md

@@ -0,0 +1,28 @@
+---
+title: "LaTeX Paper Writing"
+type: source
+tags: [openclaw, latex, writing, research]
+date: 2026-03-06
+---
+
+## Source File
+- [[raw/Agent/usecases/latex-paper-writing.md]]
+
+## Summary
+- 核心主题：对话式LaTeX论文写作
+- 问题域：本地LaTeX环境配置痛苦，调试耗时
+- 方法/机制：Prismer工作区容器运行LaTeX服务器，对话式生成和编译
+- 结论/价值：无需本地安装即可进行LaTeX写作
+
+## Key Claims
+- 协作编写LaTeX：描述需求Agent生成源码
+- 即时编译到PDF：使用pdflatex、xelatex或lualatex
+- 内联预览PDF：无需切换到其他应用
+- 使用起始模板：article、IEEE、beamer、中文文章
+
+## Key Concepts
+- [[LaTeX写作]]：学术论文排版系统
+- [[Prismer]]：包含LaTeX服务器的工作区容器
+
+## Connections
+- [[Prismer]] ← provides ← [[LaTeX服务器]]

wiki/sources/llm-terms-framework.md

@@ -0,0 +1,44 @@
+---
+title: "大模型相关术语框架总结"
+type: source
+tags: [LLM, MCP, Prompt, RAG, vLLM, Token]
+date: 2025-12-20
+---
+
+## Source File
+- [[raw/AI/大模型相关术语和框架总结｜LLM、MCP、Prompt、RAG、vLLM、Token、数据蒸馏.md]]
+
+## Summary
+- 核心主题：大模型核心术语和技术框架
+- 问题域：大模型领域术语众多难以系统理解
+- 方法/机制：图解化梳理各术语关系
+- 结论/价值：构建完整的大模型技术知识体系
+
+## Key Claims
+- LLM：Large Language Model大模型，≥1B参数
+- Prompt：输入给大模型的语句
+- MCP：Model Context Protocol，标准化接口连接外部数据和工具
+- Agent：LLM+MCP=智能体，大模型给出步骤，实际执行需配合MCP
+- RAG：Retrieval Augmented Generation检索增强生成，解决幻觉问题
+- Embedding：向量化，计算词与词之间的距离
+- vLLM：高效推理框架，KV Cache+连续批处理提升GPU利用率
+- Token：基本输入单元，1英文字符≈0.3 token，1中文字符≈0.6 token
+
+## Key Concepts
+- [[LLM]]：大语言模型
+- [[MCP]]：模型上下文协议
+- [[Agent]]：智能体
+- [[RAG]]：检索增强生成
+- [[Embedding]]：向量化
+- [[vLLM]]：高效LLM推理框架
+- [[Token]]：大模型基本输入单元
+
+## Key Entities
+
+## Connections
+- [[LLM]] ← uses ← [[Token]]
+- [[LLM]] ← uses ← [[MCP]]
+- [[Agent]] ← combines ← [[LLM]] + [[MCP]]
+- [[RAG]] ← extends ← [[LLM]]
+
+## Contradictions

wiki/sources/llms-rag-ai-agent-qu-bie.md

@@ -0,0 +1,37 @@
+---
+title: "LLMs、RAG、AI Agent三个到底什么区别"
+type: source
+tags: [llm, rag, ai-agent]
+date: 2025-11-19
+---
+
+## Source File
+- [[raw/AI/LLMs、RAG、AI Agent 三个到底什么区别？.md]]
+
+## Summary
+- 核心主题：LLM、RAG、AI Agent三者区别
+- 问题域：AI应用开发初学者容易混淆这三个概念
+- 方法/机制：分层定位，LLM思考、RAG认知、Agent执行
+- 结论/价值：三者不是竞争技术，而是在不同层面满足不同场景的能力展示
+
+## Key Claims
+- LLM是"天才大脑"，擅长思考但对当前情况一无所知
+- RAG是"随身图书馆助理"，提供实时信息消除幻觉
+- AI Agent是智能体，围绕LLM构建循环控制系统，能感知、规划、执行、反思
+- 未来架构设计在于将三者结合：LLM推理、RAG准确性、Agent自主性
+
+## Key Concepts
+- [[LLM]]：大语言模型，AI应用的"天才大脑"
+- [[RAG]]：检索增强生成，AI的"随身图书馆助理"
+- [[AI Agent]]：智能体，具备感知-规划-执行-反思的循环控制
+- [[幻觉]]：LLM生成错误信息的问题
+
+## Key Entities
+
+## Connections
+- [[LLM]] ← provides ← [[思考能力]]
+- [[RAG]] ← extends ← [[LLM]]
+- [[AI Agent]] ← uses ← [[LLM]]
+- [[AI Agent]] ← uses ← [[RAG]]
+
+## Contradictions

wiki/sources/local-crm-framework.md

@@ -0,0 +1,35 @@
+---
+title: "Local CRM Framework with DenchClaw"
+type: source
+tags: [openclaw, crm, local, automation]
+date: 2026-03-06
+---
+
+## Source File
+- [[raw/Agent/usecases/local-crm-framework.md]]
+
+## Summary
+- 核心主题：使用DenchClaw构建本地CRM
+- 问题域：设置真正能与OpenClaw配合的CRM痛苦
+- 方法/机制：DenchClaw单命令安装，在本地机器运行完整CRM
+- 结论/价值：Cursor级别的用户体验用于业务运营
+
+## Key Claims
+- 单命令设置：npx denchclaw安装一切并在localhost:3100打开
+- 自然语言CRM：问"显示超过5名员工的公司"实时更新视图
+- 完整浏览器自动化：复制Chrome配置文件使Agent获得相同认证状态
+- 多种视图：表格看板日历时间线画廊和列表视图
+
+## Key Insights
+- 文件系统=Agent原生UI：每个设置、过滤器和视图都是文件，OpenClaw可以像编辑代码一样自然地修改UI
+- DuckDB是甜区：最小、最轻量的嵌入式数据库，仍支持完整SQL
+- Chrome配置文件克隆是超能力：Agent看到你看到的，做你做的
+
+## Key Concepts
+- [[本地CRM]]：在本地运行客户关系管理系统
+- [[DenchClaw]]：将OpenClaw变为本地CRM的开源框架
+- [[浏览器自动化]]：使用现有浏览器认证状态进行自动化
+
+## Connections
+- [[DenchClaw]] ← provides ← [[本地CRM]]
+- [[DenchClaw]] ← uses ← [[DuckDB]]

wiki/sources/market-research-product-factory.md

@@ -0,0 +1,33 @@
+---
+title: "Market Research & Product Factory"
+type: source
+tags: [openclaw, market-research, product, automation]
+date: 2026-03-06
+---
+
+## Source File
+- [[raw/Agent/usecases/market-research-product-factory.md]]
+
+## Summary
+- 核心主题：使用Last 30 Days skill挖掘Reddit和X上的真实痛点
+- 问题域：创业者面临"建造什么"的问题
+- 方法/机制：研究过去30天的真实投诉和功能请求，识别产品机会
+- 结论/价值：从发现问题到构建原型的完整自动化管道
+
+## Key Claims
+- 创业自动化：发现问题→验证需求→构建解决方案，全部通过短信
+- Last 30 Days skill提供真实、未经过滤的用户情感
+- Schedule定期研究以跟踪市场痛点演变
+
+## Key Insights
+- 创业自动化实现：发现问题→验证需求→构建解决方案
+- Last 30 Days skill提供真实用户情感而非经过整理的调查数据
+- 不需要技术背景，OpenClaw做研究和构建
+
+## Key Concepts
+- [[市场研究]]：收集和分析市场信息
+- [[产品发现]]：从用户痛点中识别产品机会
+- [[Last 30 Days]]：挖掘过去30天社交媒体内容的skill
+
+## Connections
+- [[Last 30 Days]] ← provides

wiki/sources/mcp-zai-cursor-zhong-de-ji-cheng-yu-ying-yong.md

@@ -0,0 +1,40 @@
+---
+title: "MCP在Cursor中的集成与应用详解"
+type: source
+tags: [mcp, cursor, ai-agent]
+date: 2026-03-06
+---
+
+## Source File
+- [[raw/Agent/MCP在Cursor中的集成与应用详解.md]]
+
+## Summary
+- 核心主题：在Cursor中集成和使用MCP协议
+- 问题域：实现大模型与外围工具服务无缝集成
+- 方法/机制：MCP Server提供三种接口（资源获取、工具调用、Promise提示词），通过SSE或Command方式接入
+- 结论/价值：掌握MCP可大幅提升AI应用的扩展能力和交互效率
+
+## Key Claims
+- MCP是Modal Context Protocol，基于Client-Server架构的协议
+- MCP Server提供三种功能接口：资源获取（GET）、工具调用（POST）、Promise提示词
+- Cursor中MCP接入方式：SSE服务和本地Command两种
+- Agent模式可自动执行内嵌命令并处理工具调用
+- Sequential Thinking工具支持逻辑推理与分步执行任务
+
+## Key Quotes
+> "MCP是Modal Context Protocol的缩写，是一种基于Client-Server架构的协议，旨在实现大模型与外围服务的高效集成。" — 视频教程
+
+## Key Concepts
+- [[MCP]]：Modal Context Protocol，AI大模型与外围服务集成的协议
+- [[MCP Server]]：MCP协议中的服务提供方
+- [[MCP Client]]：MCP协议中的服务调用方
+- [[Sequential Thinking]]：MCP工具之一，支持逻辑推理与分步执行
+- [[Agent模式]]：自动执行内嵌命令并处理工具调用的模式
+
+## Key Entities
+- [[Cursor]]：AI代码编辑器
+- [[鱼凤老师]]：视频教程作者
+
+## Connections
+- [[MCP]] ← used_by ← [[Cursor]]
+- [[Cursor]] ← supports ← [[Agent模式]]

wiki/sources/meeting-notes-action-items.md

@@ -0,0 +1,27 @@
+---
+title: "Automated Meeting Notes & Action Items"
+type: source
+tags: [openclaw, meeting, automation, task-management]
+date: 2026-03-06
+---
+
+## Source File
+- [[raw/Agent/usecases/meeting-notes-action-items.md]]
+
+## Summary
+- 核心主题：将会议转录自动转换为结构化笔记和任务
+- 问题域：会议记录繁琐且容易被遗忘
+- 方法/机制：监听转录来源，提取关键决策和行动项，自动创建项目任务
+- 结论/价值：会议纪要自动转化为可执行任务，消除"讨论了"到"跟踪了"之间的鸿沟
+
+## Key Claims
+- 会议记录的价值不在于摘要本身，而在于自动创建任务
+- VTT/SRT字幕文件包含时间戳，有助于Agent将陈述归属于发言人
+- 从简单开始（粘贴转录获取摘要），逐步自动化
+
+## Key Concepts
+- [[会议自动化]]：将会议流程自动化处理
+- [[任务创建]]：从会议内容自动生成可执行任务
+
+## Connections
+- [[会议自动化]] ← generates ← [[任务创建]]

wiki/sources/multi-agent-system-reliability.md

@@ -0,0 +1,43 @@
+---
+title: "Multi-Agent System Reliability"
+type: source
+tags: [multi-agent, reliability, architecture, LLM]
+date: 2023-01-09
+---
+
+## Source File
+- [[raw/AI/Multi-Agent System Reliability.md]]
+
+## Summary
+- 核心主题：多智能体系统可靠性架构模式
+- 问题域：LLM的不可靠性（幻觉、逻辑谬误、上下文漂移）导致多智能体系统崩溃
+- 方法/机制：层级、共识、对抗辩论、淘汰制四种架构模式
+- 结论/价值：将LLM视为分布式系统中不可靠的组件，通过架构设计强制正确性
+
+## Key Claims
+- 4种可靠性架构模式：Hierarchy（层级）、Consensus（共识）、Adversarial Debate（对抗辩论）、Knock-out（淘汰制）
+- 单一模型20%幻觉率下，3个模型共识投票可将谎言概率降至0.8%
+- 不要将LLM拟人化，它们没有死亡恐惧或同理心
+- 构建稳健系统需要停止要求模型"小心"，而是强制它正确
+
+## Key Quotes
+> "We don't need AI that 'cares.' We need AI that is constrained, verified, pruned, and challenged."
+
+## Key Concepts
+- [[层级模式]]：Supervisor规划器分配任务，Worker执行，Validator验证
+- [[共识模式]]：多数投票机制降低幻觉概率
+- [[对抗辩论]]：Generator提出，Critic攻击，Judge裁决
+- [[淘汰制]]：多个agent竞争，验证器淘汰最差者
+- [[LLM不可靠性]]：幻觉、逻辑谬误、上下文漂移
+
+## Key Entities
+- [[Alex Ewerlöf]]：作者，可靠性工程专家
+
+## Connections
+- [[多Agent系统]] ← uses ← [[层级模式]]
+- [[多Agent系统]] ← uses ← [[共识模式]]
+- [[多Agent系统]] ← uses ← [[对抗辩论]]
+- [[多Agent系统]] ← uses ← [[淘汰制]]
+- [[可靠性工程]] ← applies_to ← [[多Agent系统]]
+
+## Contradictions

wiki/sources/multi-agent-team.md

@@ -0,0 +1,37 @@
+---
+title: "Multi-Agent Specialized Team"
+type: source
+tags: [openclaw, multi-agent, team, telegram]
+date: 2026-03-06
+---
+
+## Source File
+- [[raw/Agent/usecases/multi-agent-team.md]]
+
+## Summary
+- 核心主题：单人创始人设置多Agent专业团队
+- 问题域：单人创始人需要承担所有角色，上下文切换破坏深度工作
+- 方法/机制：多个OpenClaw Agent组成专业团队，通过共享内存协调
+- 结论/价值：可通过单一聊天界面控制专业团队，24/7可用
+
+## Key Claims
+- 一个Agent不能什么都做得好：上下文窗口很快填满
+- 个性化很重要：给Agent独特的名字和沟通风格
+- 共享内存加私有上下文是关键组合
+- 正确的模型做正确的工作：不用昂贵的推理模型做关键词监控
+
+## Key Insights
+- 人员配置比想象中更重要
+- 共享内存加私有上下文的组合至关重要
+- 从2个开始，不要从4个开始
+
+## Key Concepts
+- [[多Agent团队]]：多个专业Agent协同工作
+- [[共享内存]]：团队成员共享的项目文档和目标
+- [[私有上下文]]：每个Agent独有的会话历史和领域笔记
+
+## Connections
+- [[Milo]]：策略Lead Agent
+- [[Josh]]：商业分析Agent
+- [[Marketing Agent]]：营销研究Agent
+- [[Dev Agent]]：开发Agent

wiki/sources/multi-channel-assistant.md

@@ -0,0 +1,29 @@
+---
+title: "Multi-Channel Personal Assistant"
+type: source
+tags: [openclaw, assistant, telegram, slack]
+date: 2026-03-06
+---
+
+## Source File
+- [[raw/Agent/usecases/multi-channel-assistant.md]]
+
+## Summary
+- 核心主题：统一多渠道的AI助手
+- 问题域：在多个应用间切换来管理任务、日程、消息疲惫不堪
+- 方法/机制：Telegram为主界面，集成Slack、Google Workspace、Todoist、Asana
+- 结论/价值：一个界面路由到所有工具
+
+## Key Claims
+- Telegram作为主界面，不同主题路由到不同上下文
+- Slack集成用于团队协作
+- Google Workspace：日历事件创建、邮件管理、Drive上传
+- 自动化提醒：垃圾日、周公司信件等
+
+## Key Concepts
+- [[多渠道集成]]：统一多个通讯平台
+- [[任务管理]]：跨平台任务协调
+
+## Connections
+- [[多渠道集成]] ← coordinates ← [[Google Workspace]]
+- [[多渠道集成]]

wiki/sources/multi-channel-customer-service.md

@@ -0,0 +1,26 @@
+---
+title: "Multi-Channel Customer Service"
+type: source
+tags: [openclaw, customer-service, automation, n8n]
+date: 2026-03-06
+---
+
+## Source File
+- [[raw/Agent/usecases/multi-channel-customer-service.md]]
+
+## Summary
+- 核心主题：多渠道客户服务中心
+- 问题域：客户通过多个渠道联系，响应不一致
+- 方法/机制：统一管理所有渠道，AI驱动的响应分类和路由
+- 结论/价值：跨渠道一致的客户体验
+
+## Key Claims
+- 跨多个渠道统一客户交互
+- AI驱动的响应分类减少手动分类工作
+- 自动化路由确保客户查询到达正确团队
+
+## Key Concepts
+- [[客户服务自动化]]：跨渠道客户支持自动化
+- [[多渠道管理]]：统一多个通讯平台
+
+## Connections

wiki/sources/multi-source-tech-news-digest.md

@@ -0,0 +1,28 @@
+---
+title: "Multi-Source Tech News Digest"
+type: source
+tags: [openclaw, news, aggregation, automation]
+date: 2026-03-06
+---
+
+## Source File
+- [[raw/Agent/usecases/multi-source-tech-news-digest.md]]
+
+## Summary
+- 核心主题：多来源技术新闻聚合评分和传递
+- 问题域：跨AI、开源和前沿技术保持更新需要检查数十个来源
+- 方法/机制：四层数据管道，RSS、Twitter/X、GitHub版本和Web搜索
+- 结论/价值：109+来源的个性化每日简报
+
+## Key Claims
+- RSS订阅（46个来源）：OpenAI、Hacker News、MIT Tech Review等
+- Twitter/X KOL（44个账户）：@karpathy、@sama、@VitalikButerin等
+- GitHub版本（19个仓库）：vLLM、LangChain、Ollama、Dify等
+- Web搜索（4个主题搜索）：通过Brave Search API
+
+## Key Concepts
+- [[新闻聚合]]：从多个来源收集新闻
+- [[质量评分]]：基于来源优先级、多源和时效性的评分系统
+- [[四层数据管道]]：多来源数据收集架构
+
+## Connections

wiki/sources/multiple-interests-guide.md

@@ -0,0 +1,37 @@
+---
+title: "如果你有多项兴趣爱好不要浪费接下来两三年时间"
+type: source
+tags: [个人发展, 多重兴趣, 自学]
+date: 2025-10-10
+---
+
+## Source File
+- [[raw/AI/If you have multiple interests, do not waste the next 2-3 years  如果你有多项兴趣爱好，不要浪费接下来的两三年时间。.md]]
+
+## Summary
+- 核心主题：多重兴趣是超能力而非弱点
+- 问题域：现代社会专业化分工导致人们成为流水线工人
+- 方法/机制：自我教育+自利+自给自足三位一体
+- 结论/价值：AI时代通才比专才更有价值
+
+## Key Claims
+- 工业时代专业化已死，AI时代通才是优势
+- 个人成功三要素：自我教育、自利、自给自足
+- 第二次文艺复兴正在发生，独特视角是最终护城河
+- 注意力是最后的护城河，每个人都需要成为创造者
+- 系统是新产品，内容是新颖视角，品牌是环境
+
+## Key Concepts
+- [[通才]]：跨领域知识整合者
+- [[自我教育]]：自主导向的学习
+- [[自利]]：关注自身利益而非服务组织
+- [[自给自足]]：拒绝外包判断力和自主性
+- [[注意力经济]]：在信息爆炸时代捕获关注的重要性
+
+## Key Entities
+
+## Connections
+- [[个人发展]] ← uses ← [[通才模型]]
+- [[创造力]] ← requires ← [[注意力]]
+
+## Contradictions

wiki/sources/n8n-claude-zi-dong-hua-gong-zuo-liu.md

@@ -0,0 +1,28 @@
+---
+title: "N8N+Claude通过自然语言自动化工作流"
+type: source
+tags: [n8n, claude, automation]
+date: 2025-03-06
+---
+
+## Source File
+- [[raw/Agent/n8n+Claude通过自然语言自动化工作流.md]]
+
+## Summary
+- 核心主题：使用Claude通过自然语言自动化创建N8N工作流
+- 问题域：如何让不懂技术的用户也能创建复杂工作流
+- 方法/机制：通过n8n-mcp实现自然语言到工作流的转换
+- 结论/价值：AI辅助工作流创建降低门槛，提升效率
+
+## Key Claims
+- n8n-mcp提供结构化访问543个N8N节点的能力
+- 87%文档覆盖率，包括AI节点
+- 支持2个AI-capable节点的完整文档
+
+## Key Concepts
+- [[自然语言处理]]：将人类语言转换为机器可执行指令
+- [[工作流生成]]：AI自动创建自动化流程
+
+## Connections
+- [[Claude]] ← generates ← [[工作流生成]]
+- [[n8n-mcp]] ← bridges ← [[N8N]]

wiki/sources/n8n-configure-telegram-trigger.md

@@ -0,0 +1,28 @@
+---
+title: "N8N Configure Telegram Trigger"
+type: source
+tags: [n8n, telegram, troubleshooting]
+date: 2025-03-06
+---
+
+## Source File
+- [[raw/Agent/n8n configure telegram trigger.md]]
+
+## Summary
+- 核心主题：解决N8N中Telegram Trigger配置错误问题
+- 问题域：Telegram Webhook需要HTTPS URL的配置问题
+- 方法/机制：设置WEBHOOK_URL环境变量为HTTPS地址
+- 结论/价值：Docker环境下运行N8N需要正确配置WEBHOOK_URL
+
+## Key Claims
+- Telegram要求Webhook URL必须为HTTPS
+- 通过设置WEBHOOK_URL环境变量解决Telegram Trigger报错
+- Docker中配置：WEBHOOK_URL=https://n8n.cpolar.top
+
+## Key Concepts
+- [[Webhook]]：服务器向客户端推送实时事件的技术
+- [[Telegram Trigger]]：N8N中用于触发工作流的Telegram集成
+
+## Connections
+- [[N8N]] ← uses ← [[Telegram Trigger]]
+- [[Telegram Trigger]] ← requires ← [[Webhook]]

wiki/sources/n8n-full-tutorial-building-ai-agents.md

@@ -0,0 +1,35 @@
+---
+title: "N8N Full Tutorial Building AI Agents in 2025"
+type: source
+tags: [n8n, ai-agent, tutorial]
+date: 2025-03-06
+---
+
+## Source File
+- [[raw/Agent/n8n full tutorial building AI agents in 2025 for Beginners!.md]]
+
+## Summary
+- 核心主题：使用N8N平台构建AI Agents的完整教程
+- 问题域：新手如何利用N8N构建自动化工作流和AI Agent
+- 方法/机制：理解Agentic系统（Agent vs Workflow）、掌握N8N节点类型、管理Memory实现上下文保留
+- 结论/价值：N8N的视觉化界面降低了自动化工作流创建门槛
+
+## Key Claims
+- Agentic系统结合了Workflow的可预测性和Agent的灵活性
+- N8N节点分为五类：触发器、动作节点、工具节点、代码节点、高级AI节点
+- Memory机制允许Agent保留对话上下文
+- 外部工具集成（如Airtable）扩展了Agent能力
+
+## Key Concepts
+- [[Agentic系统]]：由Agent和Workflow组成的智能系统
+- [[Workflow]]：预定义的自动化流程
+- [[N8N节点]]：工作流中的单个操作单元
+- [[Memory机制]]：Agent保留上下文的能力
+
+## Key Entities
+- [[N8N]]：开源工作流自动化平台
+- [[Airtable]]：在线数据库工具
+
+## Connections
+- [[N8N]] ← contains ← [[N8N节点]]
+- [[N8N]] ← supports ← [[Agentic系统]]

wiki/sources/n8n-workflow-orchestration.md

@@ -0,0 +1,36 @@
+---
+title: "OpenClaw + n8n Workflow Orchestration"
+type: source
+tags: [openclaw, n8n, workflow, security]
+date: 2026-03-06
+---
+
+## Source File
+- [[raw/Agent/usecases/n8n-workflow-orchestration.md]]
+
+## Summary
+- 核心主题：OpenClaw与n8n工作流编排集成
+- 问题域：Agent直接管理API密钥带来安全风险
+- 方法/机制：OpenClaw通过webhook调用n8n工作流，凭证隔离在n8n中
+- 结论/价值：可见性、安全性和性能三赢
+
+## Key Claims
+- 代理模式：OpenClaw写n8n工作流，然后通过webhook调用
+- 凭证隔离：API密钥存储在n8n凭证存储中，Agent只知道webhook URL
+- 可见性：每个工作流在n8n拖放UI中可见
+- 可锁定工作流：测试后锁定工作流防止Agent修改
+
+## Key Insights
+- 三赢：可见性（视觉UI）、安全性（凭证隔离）、性能（确定性工作流不消耗token）
+- 测试后锁定："构建→测试→锁定"循环至关重要
+- n8n有400+集成：大多数外部服务已有n8n节点
+
+## Key Concepts
+- [[凭证隔离]]：将敏感凭证与AI Agent分离
+- [[工作流编排]]：协调多个自动化任务
+- [[Webhook]]：触发n8n工作流的HTTP回调
+
+## Connections
+- [[OpenClaw]] ← calls ← [[Webhook]]
+- [[Webhook]] ← triggers ← [[n8n工作流]]
+- [[n8n]] ← stores ← [[凭证隔离]]

wiki/sources/nano-banana-2-guide.md

@@ -0,0 +1,35 @@
+---
+title: "Nano Banana 2使用指南"
+type: source
+tags: [nano-banana, AI图像生成, DeepSider]
+date: 2025-12-01
+---
+
+## Source File
+- [[raw/AI/全网最全！Nano Banana 2 使用指南（2025年12月更新） 1.md]]
+
+## Summary
+- 核心主题：Nano Banana 2（Gemini 3 Pro Image）使用指南
+- 问题域：国内用户难以访问AI图像生成工具
+- 方法/机制：通过DeepSider浏览器插件访问
+- 结论/价值：Nano Banana 2在图像生成领域碾压其他模型
+
+## Key Claims
+- Nano Banana 2=Gemini 3 Pro Image，推理模型，生成前会内部推理
+- 支持1K、2K、4K分辨率
+- 最多14张输入图像组合输出
+- 擅长多语言长文本渲染
+- DeepSider插件国内可用，支持Gemini 3.0/GPT-5.1等
+
+## Key Concepts
+- [[Nano Banana 2]]：Google AI图像生成模型
+- [[DeepSider]]：浏览器插件聚合多AI模型
+- [[推理模型]]：生成前会进行内部推理
+
+## Key Entities
+- [[DeepSider]]：浏览器插件
+
+## Connections
+- [[AI图像生成]] ← uses ← [[Nano Banana 2]]
+
+## Contradictions

wiki/sources/nano-banana-pro-prompting-guide.md

@@ -0,0 +1,40 @@
+---
+title: "Nano Banana Pro提示词指南"
+type: source
+tags: [nano-banana, prompt-engineering, AI图像生成]
+date: 2025-11-28
+---
+
+## Source File
+- [[raw/AI/Nano-Banana Pro Prompting Guide & Strategies 1.md]]
+
+## Summary
+- 核心主题：Nano Banana Pro高级提示词技巧
+- 问题域：从"fun"图像生成到"functional"专业资产生产的需求
+- 方法/机制：扮演创意总监，使用自然语言和完整句子
+- 结论/价值：掌握黄金法则和九大核心能力实现专业级图像生成
+
+## Key Claims
+- 黄金法则：编辑而非重新生成、使用自然语言和完整句子、具体描述、提供上下文
+- 文本渲染与信息图：支持可读性文字和复杂信息可视化
+- 角色一致性：支持14张参考图像，实现身份锁定
+- Google Search接地：基于实时数据减少幻觉
+- 高级编辑：删除/添加对象、修复老照片、风格转换
+- 2D↔3D转换：平面图转3D可视化
+- 4K高分辨率：支持1K到4K原生输出
+
+## Key Concepts
+- [[Nano Banana Pro]]：Google专业级AI图像生成模型
+- [[身份锁定]]：保持角色在多场景中的一致性
+- [[文本渲染]]：在图像中生成可读性文字
+- [[2D转3D]]：平面图转化为3D可视化
+
+## Key Entities
+- [[Nano Banana Pro]]：Google AI Studio图像生成模型
+
+## Connections
+- [[AI图像生成]] ← uses ← [[Nano Banana Pro]]
+- [[Nano Banana Pro]] ← includes ← [[身份锁定]]
+- [[Nano Banana Pro]] ← includes ← [[文本渲染]]
+
+## Contradictions

wiki/sources/nano-banana-prompting-guide.md

@@ -0,0 +1,35 @@
+---
+title: "Nano Banana提示词框架"
+type: source
+tags: [nano-banana, prompt-engineering, image-generation]
+date: 2025-03-15
+---
+
+## Source File
+- [[raw/AI/Nano Banana 提示词框架.md]]
+
+## Summary
+- 核心主题：Nano Banana图像生成提示词框架
+- 问题域：如何结构化描述图像生成需求
+- 方法/机制：物件描述框架和人物描述框架的JSON结构
+- 结论/价值：通过标准化框架精确控制AI生成图像
+
+## Key Claims
+- 物件描述框架：shot、subject（item/materials/details/condition）、environment、lighting、camera、color_grade、style、quality、negatives
+- 人物描述框架：subject（age/appearance/pose）等字段
+- Nano Banana是Google的图像生成模型
+
+## Key Concepts
+- [[提示词框架]]：结构化描述图像生成需求的模板
+- [[Nano Banana]]：Google AI图像生成模型
+- [[物件描述]]：商品/物品的标准化描述结构
+- [[人物描述]]：人物的标准化描述结构
+
+## Key Entities
+- [[Nano Banana]]：Google AI图像生成模型
+
+## Connections
+- [[AI图像生成]] ← uses ← [[提示词框架]]
+- [[Nano Banana]] ← supports ← [[提示词框架]]
+
+## Contradictions

wiki/sources/never-write-another-prompt.md

@@ -0,0 +1,32 @@
+---
+title: "Never Write Another Prompt"
+type: source
+tags: [prompt-engineering, AI, tools]
+date: 2025-03-06
+---
+
+## Source File
+- [[raw/AI/Never write another prompt.md]]
+
+## Summary
+- 核心主题：AI提示词生成工具
+- 问题域：编写有效提示词复杂且昂贵
+- 方法/机制：将基础描述转换为详细结构化提示词
+- 结论/价值：通过工具自动化提示词创建，普通用户也能生成专业级提示词
+
+## Key Claims
+- 工具允许用户从简单描述生成详细提示词，无需专业提示词工程背景
+- 单个优质提示词服务价格高达100-500美元
+- 支持变量使用实现高定制化
+- 可保存提示词供长期使用
+
+## Key Concepts
+- [[提示词工程]]：编写有效提示词的艺术
+- [[提示词生成器]]：自动化提示词创建的工具
+
+## Key Entities
+
+## Connections
+- [[AI工具]] ← uses ← [[提示词生成器]]
+
+## Contradictions

wiki/sources/notebooklm-open-source-alternatives.md

@@ -0,0 +1,42 @@
+---
+title: "NotebookLM开源平替"
+type: source
+tags: [notebooklm, open-source, productivity]
+date: 2026-01-01
+---
+
+## Source File
+- [[raw/AI/Google 神级生产力工具，所有 GitHub 开源平替都找到了。.md]]
+
+## Summary
+- 核心主题：NotebookLM的7个开源替代方案
+- 问题域：NotebookLM是付费工具，需要开源替代品
+- 方法/机制：本地化部署、多模型支持、播客生成
+- 结论/价值：多个开源项目可实现NotebookLM核心功能且完全私有化
+
+## Key Claims
+- Open Notebook（14.6k Star）：全功能本地化，支持16+AI提供商
+- SurfSense（11.4k Star）：AI搜索研究智能体，整合Notion/GitHub
+- Podcastfy：专注播客生成，支持100+LLM和多种TTS引擎
+- notebookllama：LlamaIndex官方项目，文档转播客
+- PageLM：教育平台，自动生成康奈尔笔记、闪卡、考试
+- InsightsLM：低代码方案，Supabase+N8N后端
+
+## Key Concepts
+- [[本地化部署]]：不依赖云端的数据处理
+- [[多模型支持]]：集成多种LLM提供商
+- [[播客生成]]：将文档转化为双人/多人对话音频
+
+## Key Entities
+- [[Open Notebook]]：NotebookLM开源替代
+- [[SurfSense]]：AI搜索与研究智能体
+- [[Podcastfy]]：播客生成工具
+- [[notebookllama]]：LlamaIndex官方开源项目
+- [[PageLM]]：教育学习工具
+- [[InsightsLM]]：N8N支持的AI研究工具
+
+## Connections
+- [[NotebookLM]] ← has_open_source ← [[Open Notebook]]
+- [[N8N]] ← integrates_with ← [[InsightsLM]]
+
+## Contradictions

wiki/sources/openai-chatgpt-ge-xing-hua-ding-yi.md

@@ -0,0 +1,34 @@
+---
+title: "OpenAI ChatGPT个性化定义"
+type: source
+tags: [chatgpt, openai, customization, prompt]
+date: 2025-12-18
+---
+
+## Source File
+- [[raw/AI/OpenAI ChatGPT 个性化定义.md]]
+
+## Summary
+- 核心主题：ChatGPT自定义指令配置
+- 问题域：通用AI无法适应个人特定需求和工作风格
+- 方法/机制：通过自定义指令定义交互偏好和个人背景
+- 结论/价值：个性化配置提升AI协作效率和输出质量
+
+## Key Claims
+- 自定义指令包括：交互偏好（组织性、解释风格、主动性）
+- 知识来源偏好（技术细节、引用、推测性内容）
+- 安全和内容政策处理方式
+- 用户背景：47岁自由职业者，TikTok跨境电商创业者
+
+## Key Concepts
+- [[自定义指令]]：定义AI行为和交互方式的用户配置
+- [[个性化AI]]：根据用户需求定制的AI助手
+
+## Key Entities
+- [[ChatGPT]]：OpenAI对话AI
+- [[OpenAI]]：AI研究公司
+
+## Connections
+- [[ChatGPT]] ← supports ← [[自定义指令]]
+
+## Contradictions

wiki/sources/overnight-mini-app-builder.md

@@ -0,0 +1,31 @@
+---
+title: "Overnight Mini App Builder"
+type: source
+tags: [openclaw, autonomous, app-building, goals]
+date: 2026-03-06
+---
+
+## Source File
+- [[raw/Agent/usecases/overnight-mini-app-builder.md]]
+
+## Summary
+- 核心主题：目标驱动的自主任务包括夜间构建迷你应用
+- 问题域：AI Agent强大但被动，只在告诉它做什么时工作
+- 方法/机制：用户一次性投入目标，Agent每日生成和执行任务
+- 结论/价值：定义目的地，Agent找出日常步骤
+
+## Key Claims
+- 目标驱动：用户一次性倾注所有目标
+- 每日生成任务：Agent每日生成4-5个可在电脑上完成的任务
+- 惊喜迷你应用：每晚构建新SaaS想法或自动化无聊部分的工具
+- 任务超出应用构建：研究、写脚本、构建功能、创建内容、分析竞争对手
+
+## Key Insights
+- 脑力激荡就是一切：给予的上下文越多，日常任务就越好
+- Agent发现你不会想到的任务：连接跨目标的点并找到你会错过机会
+- 过夜应用构建：明确告诉它构建MVP，不要过度复杂
+- 这随时间复利：Agent学习什么样的任务最有帮助并进行调整
+
+## Key Concepts
+- [[目标驱动任务]]：根据长期目标自动生成日常任务
+- [[

wiki/sources/perfect-prompt-guide.md

@@ -0,0 +1,37 @@
+---
+title: "如何写出完美的Prompt"
+type: source
+tags: [Prompt, 提示词工程, 结构化思维]
+date: 2025-12-02
+---
+
+## Source File
+- [[raw/AI/如何写出完美的Prompt（提示词）？.md]]
+
+## Summary
+- 核心主题：Prompt能力本质和构建方法
+- 问题域：职场人难以清晰界定需求给AI
+- 方法/机制：角色-需求-场景-目标四要素+结构化表达
+- 结论/价值：Prompt能力本质是需求拆解+结构化表达能力
+
+## Key Claims
+- Prompt本质：人与AI的协作协议，定义做什么、为什么、给谁、怎么做、做到什么标准
+- 误区：越复杂越专业、说清做什么就行、一键生成即终点
+- 核心四要素：角色、受众对齐、场景对齐、目标对齐
+- 基础方法：需求拆解法、上下文补全法、格式定义法、示例引导法
+- 进阶策略：思维链引导、任务拆分、角色赋能、预填回复
+- 高阶技巧：跨模态联动、领域知识注入、反馈循环嵌入
+
+## Key Concepts
+- [[Prompt能力]]：清晰界定需求+结构化思维表达
+- [[需求拆解]]：将模糊目标转化为具体可执行子任务
+- [[结构化表达]]：用清晰逻辑组织信息
+- [[思维链引导]]：让AI逐步推理
+
+## Key Entities
+
+## Connections
+- [[AI协作]] ← requires ← [[Prompt能力]]
+- [[结构化思维]] ← enables ← [[Prompt能力]]
+
+## Contradictions

wiki/sources/personal-crm.md

@@ -0,0 +1,23 @@
+---
+title: "Personal CRM with Automatic Contact Discovery"
+type: source
+tags: [openclaw, crm, contact, automation]
+date: 2026-03-06
+---
+
+## Source File
+- [[raw/Agent/usecases/personal-crm.md]]
+
+## Summary
+- 核心主题：自动联系人发现的个人CRM
+- 问题域：追踪见过的人、何时见过、讨论过什么不可能手动完成
+- 方法/机制：每日cron扫描邮件和日历获取新联系人，存储关系上下文
+- 结论/价值：自然语言查询"关于[人]，我知道什么？"
+
+## Key Claims
+- 每日cron扫描邮件和日历获取新联系人和互动
+- 存储结构化数据库中的联系人，包括关系上下文
+- 每次会议前研究外部参与者，通过CRM和邮件历史提供简报
+
+## Key Concepts
+- [[个人CRM]]：管理个人关系和联系的系

wiki/sources/phone-call-notifications.md

@@ -0,0 +1,20 @@
+---
+title: "Phone Call Notifications"
+type: source
+tags: [openclaw, phone, notifications, clawring]
+date: 2026-03-06
+---
+
+## Source File
+- [[raw/Agent/usecases/phone-call-notifications.md]]
+
+## Summary
+- 核心主题：通过真实电话通知的Agent通知渠道
+- 问题域：推送通知堆积，聊天消息被埋没
+- 方法/机制：Agent通过clawr.ing拨打真实电话号码，用户可以接听并对话
+- 结论/价值：Agent调用你，而非你调用Agent
+
+## Key Claims
+- Agent决定某事值得关注（价格警报、紧急邮件、约会提醒）
+- Agent通过clawr.ing（托管呼叫服务）拨打你的电话
+- 你接听、听到警报，可以实时提问

wiki/sources/podcast-production-pipeline.md

@@ -0,0 +1,27 @@
+---
+title: "Podcast Production Pipeline"
+type: source
+tags: [openclaw, podcast, automation]
+date: 2026-03-06
+---
+
+## Source File
+- [[raw/Agent/usecases/podcast-production-pipeline.md]]
+
+## Summary
+- 核心主题：使用OpenClaw自动化播客制作全流程
+- 问题域：播客制作涉及多个环节，手动操作耗时
+- 方法/机制：多Agent协作，每个Agent负责特定环节
+- 结论/价值：自动化播客制作显著提升效率
+
+## Key Claims
+- 播客制作流程可分解为多个自动化环节
+- 多Agent系统适合处理复杂的创意工作流
+- 内容分发自动化减少重复工作
+
+## Key Concepts
+- [[播客制作]]：从策划到发布的完整流程
+- [[多Agent协作]]：多个专业Agent协同工作
+
+## Connections
+- [[多Agent系统]] ← used_in ← [[播客制作]]

wiki/sources/polymarket-autopilot.md

@@ -0,0 +1,27 @@
+---
+title: "Polymarket Autopilot"
+type: source
+tags: [openclaw, polymarket, trading, automation]
+date: 2026-03-06
+---
+
+## Source File
+- [[raw/Agent/usecases/polymarket-autopilot.md]]
+
+## Summary
+- 核心主题：Polymarket自动纸上交易
+- 问题域：手动监控预测市场耗时且需要持续关注
+- 方法/机制：监控市场数据，执行纸上交易策略，追踪投资组合表现
+- 结论/价值：在不冒真实资本风险的情况下测试和完善交易策略
+
+## Key Claims
+- 纸上交易：从模拟交易开始，追踪损益和胜率
+- 学习模式：从模式中学习，根据回测结果调整策略参数
+- 每日摘要：醒来时了解夜间"交易"了什么，什么有效，什么无效
+
+## Key Concepts
+- [[纸上交易]]：模拟交易不带真实资金
+- [[预测市场]]：基于事件结果的预测市场
+- [[投资组合追踪]]：追踪持仓和表现
+
+## Connections