Auto-sync: 2026-04-18 03:18

wiki/sources/LLMs-RAG-AI-Agent-san-ge-dao-di-shen-me-qu-bie.md

@@ -0,0 +1,53 @@
+---
+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（大型语言模型）、RAG（检索增强生成）、AI Agent（人工智能代理）三者区别
+- 问题域：AI 应用开发基础概念区分
+- 方法/机制：
+  - LLM = "天才大脑"，擅长思考但对当前情况无知
+  - RAG = "随身图书馆助理"，为 LLM 提供实时外部知识
+  - AI Agent = 行动系统，感知→规划→执行→反思的循环
+- 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组合，未来架构应将三者结合
+
+## Key Claims
+- LLM 只能回答训练数据截止时间之前的问题，对实时信息一无所知
+- RAG 通过检索外部知识库为 LLM 提供实时信息，极大降低幻觉
+- AI Agent 通过五步循环（获取任务→扫描场景→思考→行动→迭代）实现自主决策和执行
+- 最佳实践：LLM 负责推理，RAG 确保准确性，Agent 实现自主性
+
+## Key Quotes
+> "LLM 在思考方面非常出色，但对当前情况却一无所知。" — 作者观点
+> "RAG 就像是给那个'全能天才大脑'配备了一位随身图书馆助理。" — 作者类比
+> "AI Agent 围绕大脑 LLM 构建一个循环控制系统，能够感知目标、规划步骤、执行动作、并能够反思结果。" — 作者定义
+> "未来不在于选择其一。而在于将三者结合起来进行架构设计。用于思考的 LLMs，用于认知的 RAG，用于执行的 Agent。" — 核心结论
+
+## Key Concepts
+- [[LLM]]：大型语言模型，AI 应用的"天才大脑"
+- [[RAG]]：检索增强生成，为 LLM 提供外部实时知识的机制
+- [[AI代理]]：具备自主决策和任务执行能力的 AI 系统
+- [[向量数据库]]：RAG 系统中存储和检索知识的技术
+- [[NL2SQL]]：自然语言转 SQL，使 Agent 能查询数据库
+
+## Key Entities
+- [[ChatGPT]]：OpenAI 开发的底座大模型
+- [[DeepSeek]]：中国开发的大语言模型
+- [[Qwen]]：阿里云开发的大语言模型
+- [[Midjourney]]：专用于图像生成的 AI 模型
+- [[Stable Diffusion]]：开源图像生成模型
+
+## Connections
+- [[LLM]] ← depends_on ← [[RAG]]
+- [[RAG]] ← provides_context ← [[向量数据库]]
+- [[AI代理]] ← uses ← [[LLM]]
+- [[AI代理]] ← uses ← [[RAG]]
+
+## Contradictions
+- （暂无冲突记录）

wiki/sources/Nano-Banana-提示词框架.md

@@ -0,0 +1,40 @@
+---
+title: "Nano Banana 提示词框架"
+type: source
+tags: [ai, google, nano-banana, prompt]
+date: 2026-04-18
+---
+
+## Source File
+- [[raw/AI/Nano Banana 提示词框架.md]]
+
+## Summary
+- 核心主题：Google Nano Banana 图像生成模型的提示词框架
+- 问题域：AI 图像生成提示词设计
+- 方法/机制：结构化 JSON 提示词模板，分物件描述和人物描述两类框架
+- 结论/价值：提供标准化的提示词结构，提高图像生成质量和一致性
+
+## Key Claims
+- 物件描述框架包含 9 个核心维度：shot、subject、environment、lighting、camera、color_grade、style、quality、negatives
+- 人物描述框架包含年龄、外貌、姿态等人物特有属性
+-camera 配置包含焦距、光圈、角度三个参数
+
+## Key Quotes
+> "shot": "",
+> "subject": { "item": "", "materials": "", "details": "", "condition": "" },
+> "lighting": "",
+
+## Key Concepts
+- [[物件描述框架]]：包含 item、materials、details、condition 四个子属性的结构化描述模板
+- [[人物描述框架]]：包含 age、appearance、pose 三个特定属性的结构化描述模板
+- [[Camera Config]]：focal_length、aperture、angle 三个相机参数配置
+
+## Key Entities
+- [[Google]]：发布 Nano Banana 图像生成模型的公司
+- [[Nano Banana]]：Google 的专业级图像生成模型
+
+## Connections
+- [[Nano-Banana-Pro-Prompt-Guide]] ← extends ← [[Nano-Banana-提示词框架]]
+
+## Contradictions
+- （暂无）

wiki/sources/OpenAI-ChatGPT-个性化定义.md

@@ -0,0 +1,43 @@
+---
+id: openai-chatgpt-个性化定义
+title: "OpenAI ChatGPT 个性化定义"
+type: source
+tags: [ai, chatgpt, customization, openai]
+date: 2026-04-18
+---
+
+## Source File
+- [[raw/AI/OpenAI ChatGPT 个性化定义.md]]
+
+## Summary
+- 核心主题：ChatGPT 个性化配置与自定义指令设置
+- 问题域：AI 个性化助手配置
+- 方法/机制：通过自定义指令和行为偏好设置，实现符合用户需求的 AI 交互体验
+- 结论/价值：用户背景（47岁自由职业者，前云服务交付高级经理，转型TikTok跨境电商）决定了对 AI 的高标准要求——专业、准确、有深度
+
+## Key Claims
+- 用户要求 AI 尽可能提出出乎意料的解决方案，而非按常规路径思考
+- 用户视自己为所有领域的专家，希望 AI 以平等专家身份对话，而非启蒙式交互
+- 用户重视论证质量而非来源权威性，来源本身无关紧要
+- 用户要求 AI 在使用高度推测性内容时明确告知，而非当作确定事实呈现
+- 用户明确拒绝道德说教，仅在关键且非显而易见时讨论安全问题
+
+## Key Quotes
+> "错误会削弱我的信任，所以务必做到准确和详尽" — 用户对准确性的高标准要求
+> "重视合理的论据，而非权威，来源无关紧要" — 用户对知识来源的务实态度
+
+## Key Concepts
+- [[自定义指令]]：用户为 ChatGPT 设置的行为指导原则
+- [[个性化配置]]：根据用户背景和需求定制的 AI 交互方式
+
+## Key Entities
+- [[OpenAI]]：ChatGPT 的开发商
+- [[ChatGPT]]：OpenAI 开发的大型语言模型
+
+## Connections
+- [[OpenAI]] ← provides ← [[ChatGPT]]
+- [[ChatGPT]] ← supports ← [[自定义指令]]
+- [[个性化配置]] ← applies_to ← [[ChatGPT]]
+
+## Contradictions
+- （暂无）

wiki/sources/google-nano-banana-pro-prompt-guide.md

@@ -0,0 +1,47 @@
+---
+title: "谷歌Nano Banana Pro提示词指南"
+type: source
+tags: []
+date: 2025-12-18
+---
+
+## Source File
+- [[raw/AI/谷歌深夜甩出一份【Nano Banana Pro提示词指南】，手把手教你生产专业级内容，实战案例+提示词模版.md]]
+
+## Summary
+- 核心主题：Google 发布的 Nano Banana Pro 图像生成模型的专业级提示词设计指南
+- 问题域：AI 图像生成的专业化应用
+- 方法/机制：10个专业内容生产技巧，包括提示词黄金法则、文本渲染、角色一致性、信息锚定、高级编辑、维度转换、高分辨率、思考推理、故事板生成、结构控制
+- 结论/价值：将 AI 图像生成从"趣味性"转向"功能性"专业资产生产，实现 4K 级专业输出
+
+## Key Claims
+- Nano Banana Pro 是具备物理规则推演、构图美学理解、语义上下文推理能力的"会思考"模型
+- 最佳实践是"编辑而非重新生成"，保留 80% 正确的基础上进行修改
+- 支持最多 14 张参考图像（6 张高保真度），实现身份锁定
+- 利用 Google 搜索实现实时信息锚定，减少 AI 幻觉
+
+## Key Quotes
+> "要获得最佳效果，请停止使用'标签堆砌'，开始像创意总监一样思考。" — 谷歌官方指南
+
+## Key Concepts
+- [[提示词黄金法则]]：编辑而非重新生成、使用自然语言和完整句子、具体且具有描述性、提供上下文
+- [[文本渲染]]：Nano Banana Pro 最先进的能力，可渲染清晰易读、风格化的文本
+- [[角色一致性]]：通过身份锁定技术保持角色面部特征一致
+- [[信息锚定]]：利用 Google 搜索基于实时数据生成图像
+- [[图像修补]]：通过语义指令进行复杂编辑，无需手动绘制遮罩
+- [[维度转换]]：2D 示意图与 3D 可视化之间的转换
+- [[4K分辨率]]：支持原生 1K 至 4K 图像生成
+- [[思考模式]]：在渲染前生成临时思考图像优化构图
+
+## Key Entities
+- [[Google]]：发布 Nano Banana Pro 的 Google 生成式 AI 团队
+- [[Nano Banana Pro]]：Google 的专业级图像生成模型（可能指 Imagen 3）
+
+## Connections
+- [[Google]] ← publishes ← [[Nano Banana Pro]]
+- [[Nano Banana Pro]] ← implements ← [[提示词黄金法则]]
+- [[Nano Banana Pro]] ← supports ← [[角色一致性]]
+- [[Nano Banana Pro]] ← utilizes ← [[信息锚定]]
+
+## Contradictions
+- （暂无发现冲突）

wiki/sources/清华出的DeepSeek使用手册104页真的是太厉害了免费领取.md

@@ -0,0 +1,46 @@
+---
+title: "清华出的DeepSeek使用手册，104页，真的是太厉害了！（免费领取）"
+type: source
+tags: [DeepSeek, AI, 教程, 提示工程]
+date: 2025-12-18
+---
+
+## Source File
+- [[raw/AI/清华出的DeepSeek使用手册，104页，真的是太厉害了！（免费领取）.md]]
+
+## Summary
+- 核心主题：DeepSeek 大语言模型的使用教程与提示语设计指南
+- 问题域：AI 工具使用、提示工程最佳实践
+- 方法/机制：原理讲解 + 实战技巧 + 避免 AI 幻觉策略
+- 结论/价值：清华大学官方教程，104页干货，帮助用户从入门到精通 DeepSeek
+
+## Key Claims
+- DeepSeek 是中国专注于通用人工智能（AGI）的科技公司
+- DeepSeek-R1 开源推理模型在复杂任务处理方面表现出色
+- 清华手册"授人以渔"，讲解提示词底层逻辑而非仅提供模板
+- 文档涵盖避免 AI 幻觉的小窍门和设计超棒提示语的秘籍
+
+## Key Quotes
+> "这才是真正的'授人以渔'，太有用了" — 作者评价清华手册
+> "帮助用户更好地理解和应用 DeepSeek 技术，展现了中国在人工智能领域的强大实力和创新能力"
+
+## Key Concepts
+- [[DeepSeek]]：中国 AI 公司开发的大语言模型
+- [[DeepSeek-R1]]：开源推理模型，擅长处理复杂任务
+- [[提示语设计]]：通过精心设计的提示词提升 AI 输出质量的技术
+- [[AI幻觉]]：AI 生成看似合理但实际错误的内容，需通过技巧避免
+
+## Key Entities
+- [[清华大学]]：中国顶尖大学，其新闻与传播学院发布了此教程
+- [余梦珑]：清华大学博士后，该手册作者
+- [[DeepSeek]]：专注于 AGI 的中国科技公司
+- [顶级程序员]：发布该文章的微信公众号
+
+## Connections
+- [[DeepSeek]] ← authored_by ← [余梦珑]
+- [清华大学] ← published ← [[DeepSeek使用手册]]
+- [[DeepSeek-R1]] ← is_variant ← [[DeepSeek]]
+- [[提示语设计]] ← applies_to ← [[DeepSeek]]
+
+## Contradictions
+- （暂无）

wiki/sources/详细-离线部署大模型-ollama-deepseek-open-webui安装使用方法及常见问题解决.md

@@ -0,0 +1,51 @@
+---
+title: "详细！离线部署大模型：ollama+deepseek+open-webui安装使用方法及常见问题解决"
+type: source
+tags: []
+date: 2025-04-18
+---
+
+## Source File
+- [[raw/AI/详细！离线部署大模型：ollama+deepseek+open-webui安装使用方法及常见问题解决 1.md]]
+
+## Summary
+- 核心主题：本地离线部署大语言模型运行环境，实现免费私密的 LLM 使用体验
+- 问题域：大模型本地部署、网络环境受限场景下的离线安装
+- 方法/机制：Ollama 安装、Docker 部署、模型离线下载、API 配置、WebUI 集成
+- 结论/价值：通过 Ollama + DeepSeek + Open-WebUI 组合，可在本地搭建完整的私有 AI 对话基础设施
+
+## Key Claims
+- Ollama 是开源的本地大语言模型运行框架，可便捷在本地部署和运行大型语言模型
+- 通过 Docker 部署 Ollama 可实现便捷的安装、更新与启停管理
+- DeepSeek-R1 模型提供从 1.5B 到 671B 多种参数规模，可根据硬件配置选择
+- Open-WebUI 提供基于浏览器的图形化界面，方便与本地 LLM 交互
+- 国内网络环境可通过网盘、魔塔社区、HF 镜像站等渠道解决模型下载问题
+
+## Key Quotes
+> "你应该至少有 4 GB 的 RAM 来运行 1.5B 模型，至少有 8 GB 的 RAM 来运行 7B 模型，16 GB 的 RAM 来运行 13B 模型，以及 32 GB 的 RAM 来运行 33B 模型。" — 硬件配置建议
+
+> "假若需要本地私有化部署具有实用性的模型，应至少有独立显卡并有 4G 以上显存。纯 CPU 模式虽然也可以运行，但生成速度很慢，仅适用于本地开发调试体验一下。" — GPU 推荐
+
+> "如果是在云服务器等拥有公网IP的环境上部署，请谨慎做此设置，否则可能导致 API 服务被恶意调用。" — 安全警告
+
+## Key Concepts
+- [[Ollama]]：本地大语言模型运行环境框架
+- [[DeepSeek]]：中国开发的大语言模型，以开源和高效著称
+- [[Open-WebUI]]：开源的大语言模型 Web UI 界面
+- [[Docker]]：容器化部署技术
+- [[RAG]]：检索增强生成，本地知识库构建技术
+- [[向量嵌入]]：RAG 使用的文本向量化技术
+- [[bge-m3]]：中文嵌入模型，用于 RAG 知识库构建
+
+## Key Entities
+- [[DeepSeek]]：模型提供商，提供 DeepSeek-R1 系列模型
+- [[Ollama]]：开源 LLM 运行框架
+- [[Open WebUI]]：开源 Web 界面项目
+
+## Connections
+- [[Ollama]] ← runs ← [[DeepSeek-R1]]
+- [[Open-WebUI]] ← connects_to ← [[Ollama]]
+- [[Ollama]] ← hosts ← [[API Service]]
+
+## Contradictions
+- （暂无）