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]]