更新CLAUDE.md，删除wiki/concepts空文件
This commit is contained in:
@@ -138,6 +138,9 @@ date: YYYY-MM-DD
|
||||
source_file: raw/...
|
||||
---
|
||||
|
||||
## Source Files
|
||||
- [[SourceFiles]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：
|
||||
- 问题域：
|
||||
|
||||
@@ -1,25 +0,0 @@
|
||||
---
|
||||
title: "AIOps"
|
||||
type: concept
|
||||
tags: [AI, Operations, Monitoring]
|
||||
sources: [agentic-ai-cloud-devops.md, modern-itsm.md]
|
||||
last_updated: 2025-03-01
|
||||
---
|
||||
|
||||
## Summary
|
||||
AIOps是使用机器学习和AI自动化IT运维任务的实践。
|
||||
|
||||
## Definition
|
||||
AIOps(AI for IT Operations)利用机器学习算法自动分析IT数据、检测异常、关联事件、预测问题。
|
||||
|
||||
## Key Capabilities
|
||||
- 异常检测
|
||||
- 事件关联和分析
|
||||
- 根因分析
|
||||
- 预测性维护
|
||||
- 自我修复
|
||||
|
||||
## Connections
|
||||
- [[Agentic AI]] ← 包含 ← AIOps
|
||||
- [[ITSM]] ← 增强 ← AIOps
|
||||
|
||||
@@ -1,27 +0,0 @@
|
||||
---
|
||||
title: "Agentic AI"
|
||||
type: concept
|
||||
tags: [AI, Automation, DevOps]
|
||||
sources: [agentic-ai-cloud-devops.md]
|
||||
last_updated: 2025-03-01
|
||||
---
|
||||
|
||||
## Summary
|
||||
Agentic AI是具有自主决策和任务执行能力的AI系统，能够增强云DevOps能力。
|
||||
|
||||
## Definition
|
||||
Agentic AI系统可以自主分析环境、做出决策并执行任务，无需持续人工干预。
|
||||
|
||||
## Application Domains
|
||||
- 自主事件检测与解决
|
||||
- 自动化云部署和配置
|
||||
- 智能成本优化
|
||||
- AI驱动的安全与合规
|
||||
- 智能日志分析
|
||||
- 多租户管理自动化
|
||||
- AI增强决策
|
||||
|
||||
## Connections
|
||||
- [[AIOps]] ← 包含 ← Agentic AI
|
||||
- [[Self-Healing Systems]] ← 依赖 ← Agentic AI
|
||||
|
||||
@@ -1,23 +0,0 @@
|
||||
---
|
||||
title: "Agentic System（代理系统）"
|
||||
type: concept
|
||||
tags: [ai, agent, n8n]
|
||||
sources: [n8n-full-tutorial-building-ai-agents-in-2025-for-beginners.md]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
Agentic System（代理系统）是由 Agent 和 Workflow 组成的混合架构，结合工作流的确定性与 Agent 的灵活性，实现动态任务执行。
|
||||
|
||||
## Properties
|
||||
- **组成**：Agent（基于 LLM 动态选择工具）+ Workflow（预定义自动化流程）
|
||||
- **优势**：兼具可预测性和适应性
|
||||
- **应用场景**：客户服务、个性化服务、复杂任务自动化
|
||||
|
||||
## Related Concepts
|
||||
- [[Agent模式]]：Agent 的自动执行能力
|
||||
- [[Memory Module]]：保留对话上下文的机制
|
||||
|
||||
## Connections
|
||||
- [[n8n]] ← 实现 ← [[Agentic System]]
|
||||
- [[Agentic System]] ← 使用 ← [[LLM]]
|
||||
@@ -1,24 +0,0 @@
|
||||
---
|
||||
title: "Agent模式"
|
||||
type: concept
|
||||
tags: [AI, Cursor, 模式]
|
||||
sources: [cursor-2-0-beginner-guide, mcp-in-cursor]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
Cursor中的交互模式，自动执行内嵌命令并处理工具调用。
|
||||
|
||||
## 与Normal模式对比
|
||||
| 模式 | 特点 | 风险 |
|
||||
|------|------|------|
|
||||
| Agent模式 | 自动执行命令 | 可能误操作 |
|
||||
| Normal模式 | 需手动复制执行 | 较安全 |
|
||||
| Ask模式 | 仅返回文本 | 不改动文件 |
|
||||
|
||||
## YOLO Mode
|
||||
- 开启后自动执行所有命令
|
||||
- 官方默认关闭，建议谨慎使用
|
||||
|
||||
## Connections
|
||||
- [[Cursor]] ← 应用 ← [[Agent模式]]
|
||||
@@ -1,28 +0,0 @@
|
||||
---
|
||||
title: "CI/CD"
|
||||
type: concept
|
||||
tags: [DevOps, Automation, Deployment]
|
||||
sources: [devops-culture-transformation.md, devops-maturity-model.md, devsecops-best-practices.md]
|
||||
last_updated: 2025-03-01
|
||||
---
|
||||
|
||||
## Summary
|
||||
CI/CD是持续集成/持续交付的缩写，是现代软件开发的核心实践。
|
||||
|
||||
## Definition
|
||||
CI/CD是自动化软件构建、测试和部署的实践，使小批量更新能够频繁可靠地发布。
|
||||
|
||||
## Components
|
||||
- CI：持续集成，每次代码提交自动构建和测试
|
||||
- CD：持续交付，自动将通过测试的代码部署到各环境
|
||||
- 持续部署：自动将通过所有测试的代码部署到生产
|
||||
|
||||
## Key Claims
|
||||
- CI/CD是Agile加速器，将反馈周期从数周缩短到数分钟
|
||||
- CI/CD是DevOps的核心使能器
|
||||
- DevSecOps将安全测试集成到CI/CD
|
||||
|
||||
## Connections
|
||||
- [[DevOps文化]] ← 实现 ← CI/CD
|
||||
- [[DevSecOps]] ← 扩展 ← CI/CD
|
||||
|
||||
@@ -1,47 +0,0 @@
|
||||
---
|
||||
title: "Caddy"
|
||||
type: concept
|
||||
tags: [caddy, reverse-proxy, https, web-server]
|
||||
last_updated: 2026-04-13
|
||||
---
|
||||
|
||||
## Definition
|
||||
Caddy是现代化Web服务器，自动提供HTTPS并支持反向代理。
|
||||
|
||||
## 核心特性
|
||||
- 自动Let's Encrypt证书申请
|
||||
- 自动HTTP→HTTPS重定向
|
||||
- 支持反向代理和负载均衡
|
||||
- 配置简洁
|
||||
|
||||
## 在家庭网络中的用途
|
||||
- 反向代理内网服务到公网域名
|
||||
- HTTPS终端处理
|
||||
- 多域名统一管理
|
||||
|
||||
## Caddyfile配置示例
|
||||
```caddy
|
||||
n8n.ishenwei.online {
|
||||
reverse_proxy 127.0.0.1:15678
|
||||
}
|
||||
|
||||
nas.ishenwei.online {
|
||||
reverse_proxy 127.0.0.1:15000
|
||||
}
|
||||
```
|
||||
|
||||
## 常用命令
|
||||
```bash
|
||||
# 验证配置
|
||||
sudo caddy validate --config /etc/caddy/Caddyfile
|
||||
|
||||
# 重载配置
|
||||
sudo systemctl reload caddy
|
||||
|
||||
# 重启服务
|
||||
sudo systemctl restart caddy
|
||||
```
|
||||
|
||||
## 相关文档
|
||||
- [[通过VPS+内网反向代理实现域名访问内网穿透]]
|
||||
- [[家庭网络环境概览 2026-04-03]]
|
||||
@@ -1,25 +0,0 @@
|
||||
---
|
||||
title: "Claude Skills"
|
||||
type: concept
|
||||
tags: [AI技能, 工作流, 流程工程]
|
||||
sources: [32wan-ren-shou-cang-de-claude-skills.md]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
写给AI的"说明书"和"SOP"，将重复任务拆解为AI可理解、可复用、可自动执行的流程。
|
||||
|
||||
## Core Attributes
|
||||
- 本质：说明书 + SOP
|
||||
- 特征：可复用、可自动执行、有边界
|
||||
- 价值：从提示词工程升级到流程工程
|
||||
|
||||
## Related Concepts
|
||||
- [[SOP]]：标准作业程序，Skills的核心组成
|
||||
- [[流程工程]]：Skills代表的AI应用新范式
|
||||
- [[Vibe Coding]] ← 尽头 ← [[Claude Skills]]
|
||||
|
||||
## Tool Ecosystem
|
||||
- 官方仓库：[[Claude Skills官方仓库]]
|
||||
- 聚合站：[[skillsmp.com]], [[aitmpl.com]], [[claudemarketplaces.com]]
|
||||
- 精选仓库：[[awesome-claude-skills]]
|
||||
@@ -1,21 +0,0 @@
|
||||
---
|
||||
title: "Cloudflare D1"
|
||||
type: concept
|
||||
tags: [cloudflare, database, sqlite]
|
||||
sources: [nodewarden-ba-bitwarden-ban-dao-cloudflare-workers-shang-che-di-gao-bie-fu-wu-qi.md]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
Cloudflare D1是Cloudflare提供的边缘SQLite数据库服务，基于Workers构建。
|
||||
|
||||
## Key Attributes
|
||||
- 类型：边缘数据库
|
||||
- 引擎：SQLite
|
||||
- 部署：Cloudflare全球网络
|
||||
|
||||
## Related Entities
|
||||
- [[NodeWarden]]：使用D1存储密码元数据
|
||||
|
||||
## Connections
|
||||
- [[Cloudflare D1]] ← 存储 ← [[NodeWarden]]
|
||||
@@ -1,21 +0,0 @@
|
||||
---
|
||||
title: "Cloudflare R2"
|
||||
type: concept
|
||||
tags: [cloudflare, object-storage, s3]
|
||||
sources: [nodewarden-ba-bitwarden-ban-dao-cloudflare-workers-shang-che-di-gao-bie-fu-wu-qi.md]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
Cloudflare R2是Cloudflare提供的对象存储服务，S3兼容且无出口流量费用。
|
||||
|
||||
## Key Attributes
|
||||
- 类型：对象存储
|
||||
- 协议：S3兼容
|
||||
- 特色：无出口流量费用
|
||||
|
||||
## Related Entities
|
||||
- [[NodeWarden]]：使用R2存储附件
|
||||
|
||||
## Connections
|
||||
- [[Cloudflare R2]] ← 存储 ← [[NodeWarden]]
|
||||
@@ -1,35 +0,0 @@
|
||||
---
|
||||
title: "Compaction（内存压缩）"
|
||||
type: concept
|
||||
tags: [AI, Agent, 上下文]
|
||||
sources: [yang-xia-ri-ji-4, yang-long-xia-5-tian]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
OpenClaw在对话填满Context Window时，将旧消息压缩成摘要的机制。
|
||||
|
||||
## 问题
|
||||
- 摘要抓住要点，但丢失细节
|
||||
- 姓名、数字、具体决定统统消失
|
||||
- 所有消息一视同仁（重要指令和闲聊得到相同待遇）
|
||||
|
||||
## 解决方案：Memory Flush
|
||||
```json
|
||||
{
|
||||
"compaction": {
|
||||
"memoryFlush": {
|
||||
"enabled": true,
|
||||
"softThresholdTokens": 4000
|
||||
}
|
||||
}
|
||||
}
|
||||
```
|
||||
在压缩运行前将重要上下文写入memory/YYYY-MM-DD.md
|
||||
|
||||
## 关键洞察
|
||||
"压缩不是敌人。未写入的上下文才是。" — 比利哥
|
||||
|
||||
## Connections
|
||||
- [[Context-Window]] ← 受限于 ← [[Compaction]]
|
||||
- [[Memory-Flush]] ← 保护机制 ← [[Compaction]]
|
||||
@@ -1,13 +0,0 @@
|
||||
---
|
||||
title: "Composer"
|
||||
type: concept
|
||||
tags: [AI, Cursor, 模型]
|
||||
sources: [cursor-2-0-beginner-guide]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
Cursor自研AI模型，主打生成速度比同类模型快4倍。
|
||||
|
||||
## Connections
|
||||
- [[Cursor]] ← 核心模型 ← [[Composer]]
|
||||
@@ -1,42 +0,0 @@
|
||||
---
|
||||
title: "Context Window"
|
||||
type: concept
|
||||
tags: [AI, 模型, Context]
|
||||
sources: [yang-xia-ri-ji-4, yang-long-xia-5-tian]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
模型能处理的上下文大小，决定了对话长度和信息保留量。
|
||||
|
||||
## 典型值
|
||||
| 模型 | Context Window |
|
||||
|------|---------------|
|
||||
| MiniMax-M2.7 | 200K tokens |
|
||||
| deepseek-reasoner | 16K tokens |
|
||||
|
||||
## Compaction机制
|
||||
OpenClaw的对话压缩机制：
|
||||
- 当对话填满Context Window时，将旧消息压缩成摘要
|
||||
- 摘要抓住要点，但丢失细节（姓名、数字、具体决定）
|
||||
- safeguard模式预留一半token给compaction
|
||||
|
||||
## Memory Flush解决方案
|
||||
压缩前将重要上下文写入磁盘：
|
||||
```json
|
||||
{
|
||||
"compaction": {
|
||||
"memoryFlush": {
|
||||
"enabled": true,
|
||||
"softThresholdTokens": 4000
|
||||
}
|
||||
}
|
||||
}
|
||||
```
|
||||
|
||||
## Connections
|
||||
- [[Compaction]] ← 上下文压缩 ← [[Context-Window]]
|
||||
- [[Memory-Flush]] ← 保护机制 ← [[Context-Window]]
|
||||
- [[Embedding Vector]] ← 限制 ← [[Context-Window]]
|
||||
- [[Generation]] ← 限制 ← [[Context-Window]]
|
||||
- [[Indexing]] ← 限制 ← [[Context-Window]]
|
||||
@@ -1,24 +0,0 @@
|
||||
---
|
||||
title: "DORA指标"
|
||||
type: concept
|
||||
tags: [DevOps, Metrics]
|
||||
sources: [cloud-devop-maturity-guideline.md, devops-maturity-model.md]
|
||||
last_updated: 2025-03-01
|
||||
---
|
||||
|
||||
## Summary
|
||||
DORA(DevOps Research and Assessment)指标是用于衡量组织DevOps性能和能力的四项关键指标。
|
||||
|
||||
## Definition
|
||||
DORA指标由DORA研究组织提出，包含四项核心指标用于评估软件交付和组织绩效。
|
||||
|
||||
## Components
|
||||
- 部署频率：代码部署到生产环境的频率
|
||||
- 变更前置时间：从代码提交到生产部署的时间
|
||||
- 变更失败率：导致生产失败或需要回滚的部署百分比
|
||||
- MTTR：Mean Time to Recovery，平均恢复时间
|
||||
|
||||
## Connections
|
||||
- [[DevOps成熟度模型]] ← 依赖 ← DORA指标
|
||||
- [[MTTR]] ← 属于 ← DORA指标
|
||||
|
||||
@@ -1,18 +0,0 @@
|
||||
---
|
||||
title: "DRY原则"
|
||||
type: concept
|
||||
tags: [编码, 原则]
|
||||
sources: [dev-experience-standards]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
Don't Repeat Yourself，不重复代码原则。
|
||||
|
||||
## 实践
|
||||
- 提炼公共逻辑
|
||||
- 避免复制粘贴
|
||||
- 模块化复用
|
||||
|
||||
## Connections
|
||||
- [[单一职责]] ← 关联 ← [[DRY原则]]
|
||||
@@ -1,31 +0,0 @@
|
||||
---
|
||||
title: "DevOps成熟度模型"
|
||||
type: concept
|
||||
tags: [DevOps, Maturity]
|
||||
sources: [cloud-devop-maturity-guideline.md, devops-maturity-model.md]
|
||||
last_updated: 2025-03-01
|
||||
---
|
||||
|
||||
## Summary
|
||||
DevOps成熟度模型是评估组织DevOps实践阶段性发展的框架，帮助组织理解当前位置并规划提升路径。
|
||||
|
||||
## Definition
|
||||
DevOps成熟度模型是一种结构化框架，通过多个阶段评估组织的DevOps实践水平，从初始的临时阶段到完全优化的成熟阶段。
|
||||
|
||||
## Key Claims
|
||||
- DevOps成熟度模型帮助组织分析衡量当前DevOps能力和方法论
|
||||
- 可建立基准、定义目标成熟度级别、识别需改进的关键领域
|
||||
- DORA指标是DevOps成熟度评估的核心指标集
|
||||
- DevOps是持续改进过程，即使成熟公司也需适应新技术
|
||||
|
||||
## Dimensions
|
||||
- 文化与战略
|
||||
- 自动化
|
||||
- 结构与流程
|
||||
- 协作与共享
|
||||
- 技术
|
||||
|
||||
## Connections
|
||||
- [[DORA指标]] ← 衡量 ← DevOps成熟度
|
||||
- [[DevSecOps]] ← 扩展 ← DevOps成熟度模型
|
||||
|
||||
@@ -1,29 +0,0 @@
|
||||
---
|
||||
title: "DevSecOps"
|
||||
type: concept
|
||||
tags: [DevOps, Security, SDLC]
|
||||
sources: [devsecops-best-practices.md, devops-culture-transformation.md, devops-maturity-model.md]
|
||||
last_updated: 2025-03-01
|
||||
---
|
||||
|
||||
## Summary
|
||||
DevSecOps是将安全集成到DevOps生命周期每个阶段的实践，确保安全是共同责任。
|
||||
|
||||
## Definition
|
||||
DevSecOps = Development + Security + Operations，将安全实践嵌入整个软件开发生命周期。
|
||||
|
||||
## Key Claims
|
||||
- 70%发布后发现的安全漏洞可通过DevSecOps预防
|
||||
- 安全不是最后检查，而是从编码开始就集成
|
||||
- Shift Left：将安全缺陷识别提前到开发早期
|
||||
|
||||
## Core Components
|
||||
- 协作：开发、安全、运维团队共享安全责任
|
||||
- 自动化：将安全测试集成到CI/CD流水线
|
||||
- 测试：SAST、DAST、SCA、IAST
|
||||
|
||||
## Connections
|
||||
- [[DevOps成熟度模型]] ← 包含 ← DevSecOps
|
||||
- [[SDLC]] ← 集成 ← DevSecOps
|
||||
- [[CI/CD]] ← 包含 ← 安全测试
|
||||
|
||||
@@ -1,59 +0,0 @@
|
||||
---
|
||||
title: "Django Admin定制"
|
||||
type: concept
|
||||
tags: [django, admin, customization]
|
||||
sources: [tiktok-pm-python-django-project.md]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
Django Admin是Django框架自带的管理后台，可通过配置实现复杂的CRUD操作界面。
|
||||
|
||||
## Key Customization Points
|
||||
|
||||
### list_display
|
||||
定义列表页显示的字段：
|
||||
```python
|
||||
list_display = ('source_id', 'title_short', 'store_name', 'final_price', 'sold')
|
||||
```
|
||||
|
||||
### search_fields
|
||||
配置快速关键词搜索：
|
||||
```python
|
||||
search_fields = ('source_id', 'title', 'store_name', 'category', 'seller_id')
|
||||
```
|
||||
|
||||
### list_filter
|
||||
配置多条件过滤侧边栏：
|
||||
```python
|
||||
list_filter = ('store_name', 'category', 'currency', 'final_price')
|
||||
```
|
||||
|
||||
### fieldsets
|
||||
字段分组显示：
|
||||
```python
|
||||
fieldsets = (
|
||||
('Product Base Info', {
|
||||
'fields': (('source_id', 'title'),)
|
||||
}),
|
||||
)
|
||||
```
|
||||
|
||||
### inlines
|
||||
内联关联模型（图片、视频、变体、评价）：
|
||||
```python
|
||||
inlines = [ProductVariationInline, ProductImageInline, ProductVideoInline, ProductReviewInline]
|
||||
```
|
||||
|
||||
### readonly_fields
|
||||
不可编辑字段：
|
||||
```python
|
||||
readonly_fields = ('source_id', 'created_at', 'updated_at')
|
||||
```
|
||||
|
||||
## Image Preview Modal
|
||||
通过自定义CSS和JavaScript实现点击图片放大功能。
|
||||
|
||||
## Connections
|
||||
- [[Django Admin定制]] ← part_of ← [[Django]]
|
||||
- [[Django Admin定制]] ← manages ← [[Django ORM模型设计]]
|
||||
@@ -1,22 +0,0 @@
|
||||
---
|
||||
title: "Docker代理配置"
|
||||
type: concept
|
||||
tags: [docker, proxy, container]
|
||||
sources: [ubuntu-server-ke-xue-shang-wang.md]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
Docker代理配置解决Docker Daemon层和容器层需要单独配置代理的问题。
|
||||
|
||||
## Key Attributes
|
||||
- Daemon代理：修改systemd service环境变量
|
||||
- 容器代理：修改~/.docker/config.json或运行时-e参数
|
||||
- 关键点：容器内使用宿主机网桥IP而非127.0.0.1
|
||||
|
||||
## Related Entities
|
||||
- [[Docker]]：需要配置代理
|
||||
- [[V2Ray/Tuic]]：代理来源
|
||||
|
||||
## Connections
|
||||
- [[Docker代理配置]] ← 代理源 ← [[V2Ray/Tuic]]
|
||||
@@ -1,57 +0,0 @@
|
||||
---
|
||||
title: "Docker容器化部署"
|
||||
type: concept
|
||||
tags: [docker, deployment, containerization]
|
||||
sources: [tiktok-pm-python-django-project.md]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
Docker容器化部署通过docker-compose编排多个容器，实现开发生产环境一致性。
|
||||
|
||||
## Architecture
|
||||
|
||||
### Services
|
||||
- **web**：Django + Gunicorn应用
|
||||
- **nginx**：反向代理和静态文件服务
|
||||
- **MySQL**：外部数据库（也可容器化）
|
||||
|
||||
### docker-compose.yml
|
||||
```yaml
|
||||
services:
|
||||
web:
|
||||
build: .
|
||||
command: gunicorn tiktok_pm_project.wsgi:application
|
||||
volumes:
|
||||
- ./data:/app/data
|
||||
env_file:
|
||||
- .env
|
||||
|
||||
worker:
|
||||
build: .
|
||||
command: python manage.py qcluster
|
||||
|
||||
nginx:
|
||||
image: nginx
|
||||
ports:
|
||||
- "80:80"
|
||||
volumes:
|
||||
- ./nginx/nginx.conf:/etc/nginx/nginx.conf
|
||||
depends_on:
|
||||
- web
|
||||
```
|
||||
|
||||
## Deployment Workflow
|
||||
1. 拉取最新代码：git pull origin main
|
||||
2. 重建容器：docker compose up --build -d
|
||||
3. 执行迁移：docker compose exec web python manage.py migrate
|
||||
4. 创建超级用户：docker compose exec web python manage.py createsuperuser
|
||||
|
||||
## Static Files
|
||||
使用collectstatic收集静态文件，Nginx提供/static/路由。
|
||||
|
||||
## Connections
|
||||
- [[Docker容器化部署]] ← contains ← [[Django]]
|
||||
- [[Docker容器化部署]] ← contains ← [[Gunicorn]]
|
||||
- [[Docker容器化部署]] ← contains ← [[Nginx]]
|
||||
- [[Docker容器化部署]] ← uses ← [[MySQL]]
|
||||
@@ -1,23 +0,0 @@
|
||||
---
|
||||
title: "Embedding Vector"
|
||||
type: concept
|
||||
tags: [Embedding, 向量, 语义表示]
|
||||
---
|
||||
|
||||
## Definition
|
||||
Embedding Vector是文本的数值表示，捕获语义信息，将文本转为固定长度向量。
|
||||
|
||||
## Core Mechanism
|
||||
- 通过深度学习模型将文本编码为稠密向量
|
||||
- 语义相似的文本在向量空间中距离相近
|
||||
- 通常128-2048维浮点数向量
|
||||
|
||||
## Key Properties
|
||||
- 受Context Window限制（单次编码的文本长度）
|
||||
- 依赖Embedding Model质量
|
||||
- 计算相似度通常用余弦相似度或点积
|
||||
|
||||
## Connections
|
||||
- [[Indexing]] ← 输出 ← [[Embedding Vector]]
|
||||
- [[Retrieval]] ← 依赖 ← [[Embedding Vector]]
|
||||
- [[Vector Store]] ← 存储 ← [[Embedding Vector]]
|
||||
@@ -1,21 +0,0 @@
|
||||
---
|
||||
title: "Extended Thinking（扩展思考）"
|
||||
type: concept
|
||||
tags: [claude, AI, reasoning]
|
||||
sources: [n8n-Claude-通过自然语言自动化工作流.md, 使用Claude自动生成N8N工作流的实操教程.md]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
Claude 的一种运行模式，支持更深层次的逻辑推理，使 AI 在生成复杂任务（如工作流代码）时表现更好。
|
||||
|
||||
## Usage
|
||||
在 Claude 配置中开启 Extended Thinking 模式，可提升代码生成质量。
|
||||
|
||||
## Related Concepts
|
||||
- [[Opensea模型]]：与 Extended Thinking 配合使用的 Claude 子模型
|
||||
- [[自然语言工作流生成]]：Extended Thinking 提升此场景效果
|
||||
|
||||
## Connections
|
||||
- [[Claude]] ← 使用 ← [[Extended Thinking]]
|
||||
- [[自然语言工作流生成]] ← 增强 ← [[Extended Thinking]]
|
||||
@@ -1,52 +0,0 @@
|
||||
---
|
||||
title: "FRP"
|
||||
type: concept
|
||||
tags: [frp, 内网穿透, reverse-proxy]
|
||||
last_updated: 2026-04-13
|
||||
---
|
||||
|
||||
## Definition
|
||||
FRP（Fast Reverse Proxy）是一款高性能内网穿透工具，支持TCP/UDP/HTTP/HTTPS协议。
|
||||
|
||||
## 组件
|
||||
| 组件 | 说明 | 运行位置 |
|
||||
|------|------|----------|
|
||||
| frps | 服务端 | VPS |
|
||||
| frpc | 客户端 | 内网机器 |
|
||||
|
||||
## 核心配置
|
||||
### frps.ini (VPS)
|
||||
```ini
|
||||
[common]
|
||||
bind_addr = 0.0.0.0
|
||||
bind_port = 7000
|
||||
dashboard_addr = 0.0.0.0
|
||||
dashboard_port = 7500
|
||||
token = your_token_here
|
||||
```
|
||||
|
||||
### frpc.toml (内网客户端)
|
||||
```toml
|
||||
[common]
|
||||
server_addr = VPS_IP
|
||||
server_port = 7000
|
||||
token = your_token_here
|
||||
|
||||
[[proxies]]
|
||||
name = "ssh"
|
||||
type = "tcp"
|
||||
localIP = "127.0.0.1"
|
||||
localPort = 22
|
||||
remotePort = 60022
|
||||
```
|
||||
|
||||
## 版本支持
|
||||
| 架构 | 版本 | 安装路径 |
|
||||
|------|------|----------|
|
||||
| macOS ARM64 | 0.65.0 | /opt/frp/frp_0.65.0_darwin_arm64 |
|
||||
| Linux amd64 | 0.65.0 | /opt/frp/frp_0.65.0_linux_amd64 |
|
||||
|
||||
## 相关文档
|
||||
- [[Mac Mini 安装 FRP 0.65.0（ARM64）操作笔记]]
|
||||
- [[Ubuntu 安装 FRP 0.65.0（x86_64）操作笔记]]
|
||||
- [[通过VPS+内网反向代理实现域名访问内网穿透]]
|
||||
@@ -1,24 +0,0 @@
|
||||
---
|
||||
title: "FinOps"
|
||||
type: concept
|
||||
tags: [Cloud, Cost Optimization, Financial]
|
||||
sources: [cloud-operating-model.md, multi-cloud-strategy-roi.md, cloud-service-delivery.md]
|
||||
last_updated: 2025-03-01
|
||||
---
|
||||
|
||||
## Summary
|
||||
FinOps(云财务运营)是一种云成本管理实践，平衡云支出与业务价值。
|
||||
|
||||
## Definition
|
||||
FinOps是云财务管理框架，通过实时监控、优化和问责实现云成本效率。
|
||||
|
||||
## Key Practices
|
||||
- 实时成本监控
|
||||
- 资源优化和Right-sizing
|
||||
- Reserved Instances和Savings Plans利用
|
||||
- 成本可见性和报告
|
||||
|
||||
## Connections
|
||||
- [[云运营模型]] ← 包含 ← FinOps
|
||||
- [[多云策略]] ← 受益 ← FinOps
|
||||
|
||||
@@ -1,24 +0,0 @@
|
||||
---
|
||||
id: Gemini-3应用开发方法论
|
||||
title: "Gemini-3应用开发方法论"
|
||||
type: concept
|
||||
tags: [gemini, application-development, prompt-engineering]
|
||||
sources: []
|
||||
last_updated: 2025-12-18
|
||||
---
|
||||
|
||||
# Gemini-3应用开发方法论
|
||||
|
||||
三步法快速构建AI应用的工作流程。
|
||||
|
||||
## Definition
|
||||
利用Gemini-3等大模型，通过约束输入、扩展思考、设计输出的方式快速构建AI应用。
|
||||
|
||||
## Steps
|
||||
1. **思考输入的场景**：局限输入词汇在垂直场景（如诗词、小说、电影等）
|
||||
2. **约束模型的思考**：利用提示词、MCP将输入词汇扩展为结构化内容
|
||||
3. **设计输出的容器**：使用前端代码（SVG/HTML）可视化模型输出内容
|
||||
|
||||
## Related Concepts
|
||||
- [[结构化输出]]
|
||||
- [[提示词优化]]
|
||||
@@ -1,25 +0,0 @@
|
||||
---
|
||||
title: "Generation"
|
||||
type: concept
|
||||
tags: [RAG, LLM, 生成]
|
||||
---
|
||||
|
||||
## Definition
|
||||
Generation是将问题+知识片段输入LLM生成答案的过程，是RAG的第三阶段。
|
||||
|
||||
## Core Mechanism
|
||||
1. 知识组装：将检索到的文档片段与问题组合
|
||||
2. Prompt构建：构造包含上下文的Prompt
|
||||
3. LLM生成：调用LLM生成答案
|
||||
4. 输出后处理：答案格式化/过滤
|
||||
|
||||
## Key Properties
|
||||
- 受Context Window限制
|
||||
- 依赖LLM推理能力
|
||||
- 检索质量决定生成质量
|
||||
|
||||
## Connections
|
||||
- [[RAG]] ← 阶段3 ← [[Generation]]
|
||||
- [[Retrieval]] ← 上游 ← [[Generation]]
|
||||
- [[LLM]] ← 依赖 ← [[Generation]]
|
||||
- [[Context Window]] ← 限制 ← [[Generation]]
|
||||
@@ -1,31 +0,0 @@
|
||||
---
|
||||
title: "Git代理配置"
|
||||
type: concept
|
||||
tags: [Git, 代理, GitHub]
|
||||
sources: [git-push-connection-reset]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
为Git单独设置HTTP或SOCKS5代理，解决国内访问GitHub的连接问题。
|
||||
|
||||
## HTTP代理配置
|
||||
```bash
|
||||
git config --global http.proxy http://127.0.0.1:10809
|
||||
git config --global https.proxy http://127.0.0.1:10809
|
||||
```
|
||||
|
||||
## SOCKS5代理配置
|
||||
```bash
|
||||
git config --global http.proxy socks5://127.0.0.1:10808
|
||||
git config --global https.proxy socks5://127.0.0.1:10808
|
||||
```
|
||||
|
||||
## 取消代理
|
||||
```bash
|
||||
git config --global --unset http.proxy
|
||||
git config --global --unset https.proxy
|
||||
```
|
||||
|
||||
## Connections
|
||||
- [[GitHub]] ← 解决方案 ← [[Git代理配置]]
|
||||
@@ -1,34 +0,0 @@
|
||||
---
|
||||
title: "ITSM"
|
||||
type: concept
|
||||
tags: [IT Service Management, Operations]
|
||||
sources: [modern-itsm.md]
|
||||
last_updated: 2025-03-01
|
||||
---
|
||||
|
||||
## Summary
|
||||
ITSM(IT服务管理)是管理IT服务交付、运营和持续改进的战略性方法。
|
||||
|
||||
## Definition
|
||||
ITSM是用于设计、交付、管理和改进IT服务的框架和实践集合。
|
||||
|
||||
## Modern Trends
|
||||
- AI驱动的异常检测和预测分析
|
||||
- 实时可观测性和自动化修复
|
||||
- AIOps驱动的自我修复IT生态系统
|
||||
- Policy-as-Code合规自动化
|
||||
- 零信任安全架构
|
||||
|
||||
## Key Domains
|
||||
- 问题管理
|
||||
- 事件管理
|
||||
- 变更管理
|
||||
- 配置管理
|
||||
- 资产管理
|
||||
- 安全与合规
|
||||
- 灾难恢复
|
||||
|
||||
## Connections
|
||||
- [[AIOps]] ← 驱动 ← 现代ITSM
|
||||
- [[零信任架构]] ← 集成 ← ITSM
|
||||
|
||||
@@ -1,25 +0,0 @@
|
||||
---
|
||||
title: "Indexing"
|
||||
type: concept
|
||||
tags: [RAG, 索引, 数据处理]
|
||||
---
|
||||
|
||||
## Definition
|
||||
Indexing是将外部文档切分并建立索引的过程，是RAG的第一阶段。
|
||||
|
||||
## Core Mechanism
|
||||
1. 文档加载（Load）
|
||||
2. 文档切分（Split）：按段落、句子或Token切分
|
||||
3. 向量化（Embed）：通过Embedding Model转为向量
|
||||
4. 存储（Store）：存入Vector Store
|
||||
|
||||
## Key Properties
|
||||
- 切分策略影响检索质量
|
||||
- 受Context Window限制
|
||||
- 需要平衡粒度
|
||||
|
||||
## Connections
|
||||
- [[RAG]] ← 阶段1 ← [[Indexing]]
|
||||
- [[Retrieval]] ← 下游 ← [[Indexing]]
|
||||
- [[Embedding Vector]] ← 输出 ← [[Indexing]]
|
||||
- [[Vector Store]] ← 目标 ← [[Indexing]]
|
||||
@@ -1,32 +0,0 @@
|
||||
---
|
||||
title: "LLM Wiki"
|
||||
type: concept
|
||||
tags: [AI, 知识管理, RAG]
|
||||
sources: [yang-xia-ri-ji-3]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
AI增量构建和维护持久化Wiki的系统，页面之间互相链接，知识越积越厚。与RAG模式形成对比。
|
||||
|
||||
## RAG vs LLM Wiki
|
||||
|
||||
| 维度 | RAG | LLM Wiki |
|
||||
|------|-----|----------|
|
||||
| 检索方式 | 每次从零检索 | 增量累积 |
|
||||
| 知识积累 | 不积累 | 越积越厚 |
|
||||
| 页面关联 | 无 | 双向链接 |
|
||||
| 维护方式 | 被动等着被查询 | 主动维护和更新 |
|
||||
|
||||
## 核心洞察（Karpathy）
|
||||
RAG模式是"每次从零检索"，知识不积累；而LLM Wiki是让AI增量构建和维护一个持久化的Wiki。
|
||||
|
||||
## 在实践中的体现
|
||||
- AI执行任务过程中顺手维护链接、更新摘要、添加Tag、标记新旧矛盾
|
||||
- 不需要主动维护文档，AI在执行任务过程中顺手更新
|
||||
- Graph View发现孤岛页面和知识盲区
|
||||
|
||||
## Connections
|
||||
- [[RAG]] ← 对比 → [[LLM-Wiki]]
|
||||
- [[Obsidian]] ← 工具载体 ← [[LLM-Wiki]]
|
||||
- [[Karpathy]] ← 提出 ← [[LLM-Wiki]]
|
||||
@@ -1,24 +0,0 @@
|
||||
---
|
||||
title: "MCP"
|
||||
type: concept
|
||||
tags: [AI, 协议, 集成]
|
||||
sources: [mcp-in-cursor]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
Modal Context Protocol，基于Client-Server架构的协议，用于AI大模型与外围工具的集成交互。
|
||||
|
||||
## 核心接口
|
||||
| 接口 | 类型 | 功能 |
|
||||
|------|------|------|
|
||||
| 资源获取 | GET | 获取外部资源 |
|
||||
| 工具调用 | POST | 执行外部工具 |
|
||||
| Promise提示词 | - | 多样化交互 |
|
||||
|
||||
## Cursor接入方式
|
||||
- **SSE方式**：通过Server-Sent Events接入
|
||||
- **Command方式**：通过本地执行命令接入
|
||||
|
||||
## Connections
|
||||
- [[Cursor]] ← 集成 ← [[MCP]]
|
||||
@@ -1,40 +0,0 @@
|
||||
---
|
||||
title: "Memory Flush"
|
||||
type: concept
|
||||
tags: [AI, Agent, 记忆]
|
||||
sources: [yang-long-xia-5-tian]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
OpenClaw在对话压缩前将重要上下文写入磁盘的机制，防止压缩过程中丢失重要信息。
|
||||
|
||||
## 工作原理
|
||||
```json
|
||||
{
|
||||
"compaction": {
|
||||
"memoryFlush": {
|
||||
"enabled": true,
|
||||
"softThresholdTokens": 4000
|
||||
}
|
||||
}
|
||||
}
|
||||
```
|
||||
|
||||
当会话接近上下文限制（4000 tokens）时：
|
||||
1. 触发静默回合
|
||||
2. 提醒Agent将重要事实写入memory/YYYY-MM-DD.md
|
||||
3. 压缩运行
|
||||
4. 即使上下文摘要丢失，重要内容仍在磁盘上
|
||||
|
||||
## 注意
|
||||
4000这个数值要根据模型context window调整：
|
||||
- 大模型（32K/128K/200K）用4000太保守，会导致频繁summary
|
||||
- 小模型可以用更激进的配置
|
||||
|
||||
## 关键洞察
|
||||
"压缩不是敌人。压缩过程中丢失信息才是。" — 比利哥
|
||||
|
||||
## Connections
|
||||
- [[Compaction]] ← 配合 ← [[Memory-Flush]]
|
||||
- [[Context-Window]] ← 阈值依据 ← [[Memory-Flush]]
|
||||
@@ -1,21 +0,0 @@
|
||||
---
|
||||
title: "Opensea模型"
|
||||
type: concept
|
||||
tags: [claude, AI, code-generation]
|
||||
sources: [使用Claude自动生成N8N工作流的实操教程.md]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
Claude 的一个子模型，专为代码生成任务优化，适合自动编程场景。
|
||||
|
||||
## Usage
|
||||
使用 Claude 生成 N8N 工作流时，推荐切换到 Opensea 模型以获得更好的代码生成效果。
|
||||
|
||||
## Related Concepts
|
||||
- [[Extended Thinking]]：与 Opensea 配合使用效果更佳
|
||||
- [[自然语言工作流生成]]：Opensea 专为此场景优化
|
||||
|
||||
## Connections
|
||||
- [[Claude]] ← 使用 ← [[Opensea模型]]
|
||||
- [[自然语言工作流生成]] ← 使用 ← [[Opensea模型]]
|
||||
@@ -1,55 +0,0 @@
|
||||
---
|
||||
title: "RESTful API设计"
|
||||
type: concept
|
||||
tags: [api, rest, django-rest-framework]
|
||||
sources: [tiktok-pm-python-django-project.md]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
RESTful API是一种基于HTTP协议的API设计风格，使用URL表示资源，使用HTTP方法表示操作。
|
||||
|
||||
## Implementation in TikTok PM
|
||||
|
||||
### ViewSet
|
||||
使用Django REST Framework的ModelViewSet自动生成CRUD路由：
|
||||
```python
|
||||
class ProductViewSet(viewsets.ModelViewSet):
|
||||
queryset = Product.objects.all()
|
||||
serializer_class = ProductSerializer
|
||||
```
|
||||
|
||||
### Router
|
||||
使用DefaultRouter自动生成路由：
|
||||
```python
|
||||
router = DefaultRouter()
|
||||
router.register(r'products', views.ProductViewSet)
|
||||
```
|
||||
|
||||
### Serializers
|
||||
序列化器将Django模型转换为JSON：
|
||||
```python
|
||||
class ProductSerializer(serializers.ModelSerializer):
|
||||
images = ProductImageSerializer(many=True, read_only=True)
|
||||
class Meta:
|
||||
model = Product
|
||||
exclude = ['raw_json', 'input']
|
||||
```
|
||||
|
||||
### Filtering
|
||||
启用django-filter进行多条件过滤：
|
||||
```python
|
||||
filter_backends = [DjangoFilterBackend, filters.SearchFilter]
|
||||
filterset_fields = ['available', 'category', 'seller_id', 'final_price']
|
||||
```
|
||||
|
||||
### API Routes
|
||||
- GET /api/products/：查询所有产品
|
||||
- GET /api/products/?search=关键词：关键词搜索
|
||||
- GET /api/products/?category=服饰&In_stock=true：多条件过滤
|
||||
- POST /api/products/：创建产品
|
||||
|
||||
## Connections
|
||||
- [[RESTful API设计]] ← uses ← [[Django]]
|
||||
- [[RESTful API设计]] ← integrated_with ← [[Django Admin定制]]
|
||||
- [[RESTful API设计]] ← consumed_by ← [[n8n]]
|
||||
@@ -1,23 +0,0 @@
|
||||
---
|
||||
title: "RPO"
|
||||
type: concept
|
||||
tags: [Disaster Recovery, Metrics]
|
||||
sources: [rto-vs-rpo-disaster-recovery.md]
|
||||
last_updated: 2025-07-26
|
||||
---
|
||||
|
||||
## Summary
|
||||
RPO(恢复点目标)是组织可接受的最大数据丢失量指标。
|
||||
|
||||
## Definition
|
||||
RPO是从故障点向前衡量的可接受数据丢失时间范围，例如上次备份是下午2点而数据库下午3点崩溃，则RPO为1小时。
|
||||
|
||||
## Key Claims
|
||||
- RPO是关于数据的：可接受丢失多少最近数据
|
||||
- 备份频率高不一定有帮助，如果恢复时间长
|
||||
- 快速功能切换可保持低RPO同时不丢失数据
|
||||
|
||||
## Connections
|
||||
- [[RTO]] ← 互补 ← RPO
|
||||
- [[灾难恢复]] ← 依赖 ← RPO
|
||||
|
||||
@@ -1,29 +0,0 @@
|
||||
---
|
||||
title: "RTO"
|
||||
type: concept
|
||||
tags: [Disaster Recovery, Metrics]
|
||||
sources: [rto-vs-rpo-disaster-recovery.md]
|
||||
last_updated: 2025-07-26
|
||||
---
|
||||
|
||||
## Summary
|
||||
RTO(恢复时间目标)是衡量系统可容忍最大停机时间的关键指标。
|
||||
|
||||
## Definition
|
||||
RTO是系统可容忍的最大停机时间，从系统故障到恢复正常运行的时间目标。
|
||||
|
||||
## Key Claims
|
||||
- RTO是关于速度的：系统能多快恢复在线
|
||||
- 功能标志可将RTO从数小时缩短到秒级
|
||||
- 不同应用层级应有不同的RTO目标
|
||||
|
||||
## Tiers
|
||||
- Critical: < 5分钟
|
||||
- Important: < 1小时
|
||||
- Nice-to-have: < 4小时
|
||||
|
||||
## Connections
|
||||
- [[RPO]] ← 互补 ← RTO
|
||||
- [[功能标志]] ← 改善 ← RTO
|
||||
- [[灾难恢复]] ← 依赖 ← RTO
|
||||
|
||||
@@ -1,25 +0,0 @@
|
||||
---
|
||||
title: "Retrieval"
|
||||
type: concept
|
||||
tags: [RAG, 检索, 向量搜索]
|
||||
---
|
||||
|
||||
## Definition
|
||||
Retrieval是根据问题语义向量检索相关文档的过程，是RAG的第二阶段。
|
||||
|
||||
## Core Mechanism
|
||||
1. 问题向量化：将用户问题通过Embedding Model转为向量
|
||||
2. 相似度计算：在Vector Store中计算相似度
|
||||
3. Top-K选取：返回最相关的K个文档片段
|
||||
|
||||
## Key Properties
|
||||
- 依赖语义相似度
|
||||
- 受Embedding Model质量影响
|
||||
- 可结合关键词过滤
|
||||
|
||||
## Connections
|
||||
- [[RAG]] ← 阶段2 ← [[Retrieval]]
|
||||
- [[Indexing]] ← 上游 ← [[Retrieval]]
|
||||
- [[Generation]] ← 下游 ← [[Retrieval]]
|
||||
- [[Embedding Vector]] ← 依赖 ← [[Retrieval]]
|
||||
- [[Vector Store]] ← 数据源 ← [[Retrieval]]
|
||||
@@ -1,19 +0,0 @@
|
||||
---
|
||||
title: "S3兼容存储"
|
||||
type: concept
|
||||
tags: [object-storage, s3, cloud]
|
||||
sources: [minio-zipline-zi-cheng-guan-tu-chuang-ying-yong-an-zhuang-jiao-cheng.md]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
S3兼容存储是支持Amazon S3 API的对象存储系统，可在本地或私有云部署。
|
||||
|
||||
## Key Attributes
|
||||
- 协议：S3 REST API
|
||||
- 访问控制：BUCKET/对象级别权限
|
||||
- 一致性：最终一致性
|
||||
|
||||
## Related Entities
|
||||
- [[MinIO]]：S3兼容存储的实现
|
||||
- [[Zipline]]：使用S3存储的图片
|
||||
@@ -1,25 +0,0 @@
|
||||
---
|
||||
title: "SSH协议切换"
|
||||
type: concept
|
||||
tags: [Git, SSH, GitHub]
|
||||
sources: [git-push-connection-reset]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
从HTTPS切换到SSH协议连接GitHub，绕过443端口限制。
|
||||
|
||||
## 操作步骤
|
||||
```bash
|
||||
# 查看当前远程地址
|
||||
git remote -v
|
||||
|
||||
# 修改为SSH地址
|
||||
git remote set-url origin git@github.com:username/repo.git
|
||||
```
|
||||
|
||||
## 前提
|
||||
已生成SSH Key并上传公钥到GitHub
|
||||
|
||||
## Connections
|
||||
- [[GitHub]] ← 解决方案 ← [[SSH协议切换]]
|
||||
@@ -1,49 +0,0 @@
|
||||
---
|
||||
title: "Self-Improving Skill"
|
||||
type: concept
|
||||
tags: [AI, Agent, 记忆, 复盘]
|
||||
sources: [yang-xia-ri-ji-2]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
OpenClaw的结构化经验记录系统，每当Agent遇到问题、做出决策或发现值得记住的东西时，将内容写入LEARNINGS.md或ERRORS.md。
|
||||
|
||||
## 记录格式
|
||||
```markdown
|
||||
## [LRN-YYYYMMDD-NNN] type
|
||||
|
||||
**Logged**: YYYY-MM-DDTHH:MM:SS+08:00
|
||||
**Priority**: high/medium/low
|
||||
**Status**: pending/resolved
|
||||
**Area**: config/workflow/error
|
||||
|
||||
### Summary
|
||||
一句话描述学到了什么
|
||||
|
||||
### Details
|
||||
具体发生了什么、问题出在哪
|
||||
|
||||
### Suggested Action
|
||||
以后遇到类似情况该怎么做
|
||||
|
||||
### Metadata
|
||||
- Pattern-Key: cron.telegram-delivery
|
||||
- Recurrence-Count: 1
|
||||
- See Also: LRN-YYYYMMDD-NNN
|
||||
```
|
||||
|
||||
## 核心价值
|
||||
- **错误只犯一次**：Pattern-Key重复是系统性问题的信号
|
||||
- **固定格式**：让人和其他Agent能快速检索、对比、追踪完整生命周期
|
||||
|
||||
## Pattern-Key使用
|
||||
| Pattern-Key | 出现次数 | 含义 |
|
||||
|-------------|---------|------|
|
||||
| cron.daily-self-review | 9次 | 每日复盘相关（活跃优化区）|
|
||||
| cron.telegram-delivery | 2次 | Telegram通知配置（第二次解决）|
|
||||
|
||||
## Connections
|
||||
- [[三层记忆架构]] ← 自改进层 ← [[Self-Improving Skill]]
|
||||
- [[Pattern-Key]] ← 分类机制 ← [[Self-Improving Skill]]
|
||||
- [[Recurrence-Count]] ← 重复指标 ← [[Self-Improving Skill]]
|
||||
@@ -1,38 +0,0 @@
|
||||
---
|
||||
title: "Skill蒸馏"
|
||||
type: concept
|
||||
tags: [AI, Skill, 框架]
|
||||
sources: [yang-xia-ri-ji-5]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
通过女娲·Skill框架，从大量公开信息中提炼真实人物的核心思维框架，构建可运行的AI Skill。
|
||||
|
||||
## 蒸馏vs造人
|
||||
"女娲造人"是比喻：
|
||||
- 不是从虚无中创造角色
|
||||
- 而是从大量信息中蒸馏核心心智模型
|
||||
|
||||
## 产出
|
||||
- 3-7个核心心智模型
|
||||
- 5-10条决策启发式
|
||||
- 一套表达DNA（高频用词、幽默风格、表达习惯）
|
||||
- 价值观与诚实边界
|
||||
|
||||
## 采集维度（以苏东坡为例）
|
||||
| Agent | 维度 | 采集内容 |
|
||||
|-------|------|---------|
|
||||
| 1 | 著作 | 诗词文章、《东坡易传》《东坡志林》 |
|
||||
| 2 | 对话 | 与弟弟苏辙的书信、与佛印的对话 |
|
||||
| 3 | 表达DNA | 高频用词、自嘲式幽默、蜀地方言痕迹 |
|
||||
| 4 | 他者视角 | 林语堂《苏东坡传》、余秋雨《苏东坡突围》 |
|
||||
| 5 | 决策 | 乌台诗案、黄州躬耕、惠州插秧 |
|
||||
| 6 | 时间线 | 从眉山出生到北归病逝常州 |
|
||||
|
||||
## 核心价值
|
||||
"每个人的Skill都是一个认知操作系统。你不需要同意他的所有观点，但你可以在需要的时候，用他的镜片看自己的问题。" — 女娲·Skill
|
||||
|
||||
## Connections
|
||||
- [[女娲·Skill]] ← 框架 ← [[Skill蒸馏]]
|
||||
- [[认知操作系统]] ← 本质 ← [[Skill蒸馏]]
|
||||
@@ -1,22 +0,0 @@
|
||||
---
|
||||
title: "Socket激活机制"
|
||||
type: concept
|
||||
tags: [systemd, ssh, ubuntu]
|
||||
sources: [ubuntu-24-04-enable-ssh.md]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
Socket激活机制是systemd的一种按需启动服务方式，服务在首次连接请求进入时才启动进程。
|
||||
|
||||
## Key Attributes
|
||||
- 机制：有连接请求时才启动服务
|
||||
- 适用：Ubuntu 24.04默认SSH使用ssh.socket
|
||||
- 对比：传统ssh.service为常驻运行
|
||||
|
||||
## Related Entities
|
||||
- [[OpenSSH]]：可配置为socket激活
|
||||
- [[Ubuntu-Server]]：24.04版本引入了此机制
|
||||
|
||||
## Connections
|
||||
- [[Socket激活机制]] ← 应用 ← [[OpenSSH]]
|
||||
@@ -1,44 +0,0 @@
|
||||
---
|
||||
title: "Symbolic Link"
|
||||
type: concept
|
||||
tags: [symbolic-link, unix, macos, filesystem]
|
||||
sources: [macos-chuang-jian-yu-jie-chu-symbolic-link-openclaw-mu-lu-ying-she]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
Symbolic Link（符号链接）是Unix/Linux系统中指向另一个文件的特殊文件类型，相当于Windows的快捷方式。
|
||||
|
||||
## 核心特性
|
||||
- 只删除链接文件，不删除真实目录
|
||||
- 支持目录和文件链接
|
||||
- 跨文件系统链接
|
||||
- 相对路径和绝对路径支持
|
||||
|
||||
## macOS创建命令
|
||||
```bash
|
||||
# 创建符号链接
|
||||
ln -s /Users/weishen/.openclaw /Users/weishen/openclaw
|
||||
|
||||
# 验证链接
|
||||
ls -l ~ | grep openclaw
|
||||
|
||||
# 查看链接指向
|
||||
readlink ~/openclaw
|
||||
```
|
||||
|
||||
## 解除链接
|
||||
```bash
|
||||
rm ~/openclaw # 只删除链接，不删除真实目录
|
||||
```
|
||||
|
||||
## 注意事项
|
||||
- 不要误删真实目录：`rm -rf ~/.openclaw`会删除OpenClaw数据目录
|
||||
- 推荐使用推荐目录结构便于Git管理和备份
|
||||
|
||||
## OpenClaw应用场景
|
||||
将~/.openclaw（隐藏目录）映射到~/openclaw（普通目录），使Obsidian可直接访问。
|
||||
|
||||
## Connections
|
||||
- [[OpenClaw]] ← 目录映射 ← [[Symbolic Link]]
|
||||
- [[Obsidian]] ← 兼容 ← [[Symbolic Link]]
|
||||
@@ -1,26 +0,0 @@
|
||||
---
|
||||
title: "TUI"
|
||||
type: concept
|
||||
tags: [Linux, 终端, 界面]
|
||||
sources: [linux-system-monitor]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
Text User Interface，文本用户界面，在终端中运行的图形化界面。
|
||||
|
||||
## 优势
|
||||
- 响应快，资源占用低
|
||||
- SSH远程友好
|
||||
- 即使GUI卡顿时也能正常使用
|
||||
|
||||
## 工具对比
|
||||
| 工具 | 特点 |
|
||||
|------|------|
|
||||
| btop++ | 最佳TUI监控，美观与功能平衡 |
|
||||
| htop | 聚焦进程，轻量 |
|
||||
| Glances | 更轻量，完全键盘驱动 |
|
||||
| Bottom | 专注实时图表 |
|
||||
|
||||
## Connections
|
||||
- [[btop++]] ← 类型 ← [[TUI]]
|
||||
@@ -1,23 +0,0 @@
|
||||
---
|
||||
title: "Vector Store"
|
||||
type: concept
|
||||
tags: [向量数据库, 存储, RAG]
|
||||
---
|
||||
|
||||
## Definition
|
||||
Vector Store是存储Embedding Vector并实现相似度检索的数据库。
|
||||
|
||||
## Core Mechanism
|
||||
- 高维向量存储
|
||||
- ANN（近似最近邻）搜索算法
|
||||
- 支持过滤条件和分桶
|
||||
|
||||
## Key Properties
|
||||
- 支持海量向量高效检索
|
||||
- 常见实现：Qdrant、Milvus、Pinecone、Chroma
|
||||
- 可与传统数据库结合
|
||||
|
||||
## Connections
|
||||
- [[Embedding Vector]] ← 存储 ← [[Vector Store]]
|
||||
- [[Retrieval]] ← 数据源 ← [[Vector Store]]
|
||||
- [[Indexing]] ← 目标 ← [[Vector Store]]
|
||||
@@ -1,36 +0,0 @@
|
||||
---
|
||||
id: Vibe-Coding
|
||||
title: "Vibe Coding"
|
||||
type: concept
|
||||
tags: [ai-agent, programming-paradigm]
|
||||
aliases: [Vibe-Kanban]
|
||||
---
|
||||
|
||||
## Definition
|
||||
Vibe Coding 是一种 AI 辅助编程范式，通过自然语言描述需求，AI Agent 自动生成代码。其核心理念是"需求 → 伪代码 → 代码"的流程，以及"验证代码按正确逻辑运行"而非"看懂代码"。
|
||||
|
||||
## Core Properties
|
||||
- **类型**：编程范式
|
||||
- **核心流程**：需求 → 伪代码 → 代码
|
||||
- **迭代方式**：点 → 线 → 体的逐级迭代
|
||||
|
||||
## Key Practices
|
||||
1. **伪代码前置**：将设计文档写得很细，包括 Service 层的具体逻辑都用伪代码描述
|
||||
2. **双 AI 审查**：一个 AI 生成代码，另一个 AI review 后再修改
|
||||
3. **逐级迭代**：先打磨单个基础任务，再基于此批量执行
|
||||
4. **文件头注释**：描述代码作用、上下游链路，降低认知负载
|
||||
5. **自动化验证**：通过自动化测试、静态分析、形式化验证确保行为正确
|
||||
|
||||
## Related Entities
|
||||
- [[Vibe-Kanban]]：Vibe Coding 的任务管理工具
|
||||
- [[OpenCode]]：支持 Vibe Coding 的 AI 编码 Agent
|
||||
- [[Claude-Code-Templates]]：提供 Vibe Coding 相关模板
|
||||
|
||||
## Related Concepts
|
||||
- [[Agent模式]]：AI Agent 自动执行命令的工作模式
|
||||
- [[TUI]]：终端用户界面，OpenCode 的主要交互形式
|
||||
|
||||
## Connections
|
||||
- [[Vibe-Coding]] ← 使用 ← [[Vibe-Kanban]]
|
||||
- [[Vibe-Coding]] ← 使用 ← [[OpenCode]]
|
||||
- [[Vibe-Coding]] ← 依赖 ← [[Agent模式]]
|
||||
@@ -1,35 +0,0 @@
|
||||
---
|
||||
title: "n8n-mcp"
|
||||
type: concept
|
||||
tags: [n8n, MCP, AI]
|
||||
sources: [n8n-Claude-通过自然语言自动化工作流.md, 使用Claude自动生成N8N工作流的实操教程.md]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
n8n 多功能控制面板（Multi-Controll Panel），作为 n8n 与 AI 模型之间的桥梁，使 AI 能够理解和使用 n8n 节点。
|
||||
|
||||
## Properties
|
||||
- **节点覆盖**：543 个 n8n 节点（来自 n8n-nodes-base 和 @n8n/n8n-nodes-langchain）
|
||||
- **属性覆盖**：99%
|
||||
- **操作覆盖**：63.6% 的可用动作
|
||||
- **文档覆盖**：87%（包括 AI 节点）
|
||||
- **AI 节点**：271 个具有完整文档的 AI 能力节点
|
||||
- **模板库**：2,709 个工作流模板，100% 元数据覆盖
|
||||
- **实际示例**：2,646 个从流行模板预提取的配置
|
||||
|
||||
## Mechanism
|
||||
通过 n8n-mcp，Claude 可以：
|
||||
1. 访问所有 n8n 节点定义
|
||||
2. 获取节点属性和操作
|
||||
3. 查看文档和示例
|
||||
4. 生成工作流配置
|
||||
|
||||
## Related Concepts
|
||||
- [[MCP]]：Model Context Protocol，此处的技术基础
|
||||
- [[自然语言工作流生成]]：n8n-mcp 使此功能成为可能
|
||||
|
||||
## Connections
|
||||
- [[n8n]] ← 暴露 ← [[n8n-mcp]]
|
||||
- [[Claude]] ← 使用 ← [[n8n-mcp]]
|
||||
- [[n8n-mcp]] ← 基于 ← [[Node.js]]
|
||||
@@ -1,22 +0,0 @@
|
||||
---
|
||||
title: "n8n节点类型"
|
||||
type: concept
|
||||
tags: [n8n, workflow]
|
||||
sources: [n8n-full-tutorial-building-ai-agents-in-2025-for-beginners.md]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
n8n 平台中节点的 5 种分类，每种类型承担不同功能：
|
||||
|
||||
1. **触发器（Trigger）**：启动工作流的事件源
|
||||
2. **动作（Action）**：执行具体操作的节点
|
||||
3. **工具（Utility）**：数据处理转换节点
|
||||
4. **代码（Code）**：自定义 JavaScript/Python 代码节点
|
||||
5. **AI Agent**：高级 AI 能力节点，支持 LLM 调用
|
||||
|
||||
## Usage
|
||||
理解节点分类是设计有效 n8n 工作流的基础。
|
||||
|
||||
## Connections
|
||||
- [[n8n]] ← 使用 ← [[n8n节点类型]]
|
||||
@@ -1,30 +0,0 @@
|
||||
---
|
||||
title: "三层记忆架构"
|
||||
type: concept
|
||||
tags: [AI, Agent, 记忆]
|
||||
sources: [yang-xia-ri-ji-2]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
OpenClaw Agent的短期记忆 + 长期记忆 + self-improving复盘的三层记忆系统。
|
||||
|
||||
## 三层结构
|
||||
|
||||
| 层级 | 载体 | 功能 | 特点 |
|
||||
|------|------|------|------|
|
||||
| 短期记忆 | memory/YYYY-MM-DD.md | 每日对话记录 | 原始、仅追加 |
|
||||
| 长期记忆 | LanceDB向量数据库 | 重要决策、偏好、流程 | 语义搜索 |
|
||||
| 自改进层 | LEARNINGS.md | 每日23:00复盘、错误记录 | Pattern-Key追踪 |
|
||||
|
||||
## 各司其职
|
||||
- **每日文件管上下文**：Agent启动时读取，接上昨天工作
|
||||
- **向量数据库管知识**：语义搜索找回重要信息
|
||||
- **self-improving管成长**：错误只犯一次，持续进化
|
||||
|
||||
## 核心观点
|
||||
"三层各司其职：每日文件管上下文，向量数据库管知识，self-improving管成长。" — 比利哥
|
||||
|
||||
## Connections
|
||||
- [[Self-Improving Skill]] ← 自改进层 ← [[三层记忆架构]]
|
||||
- [[LanceDB]] ← 长期记忆 ← [[三层记忆架构]]
|
||||
@@ -1,31 +0,0 @@
|
||||
---
|
||||
title: "云成熟度模型"
|
||||
type: concept
|
||||
tags: [Cloud, Maturity]
|
||||
sources: [cloud-maturity-model-guide.md]
|
||||
last_updated: 2025-02-28
|
||||
---
|
||||
|
||||
## Summary
|
||||
云成熟度模型(CMM)帮助组织评估云采用准备度，从业务和技术维度制定云迁移策略。
|
||||
|
||||
## Definition
|
||||
云成熟度模型是评估组织云采用能力的阶段性框架，涵盖0-5级成熟度水平。
|
||||
|
||||
## Levels
|
||||
- Level 0: 无云准备(遗留)
|
||||
- Level 1: 初始准备(临时)
|
||||
- Level 2: 可重复机会主义
|
||||
- Level 3: 系统化文档化
|
||||
- Level 4: 可测量
|
||||
- Level 5: 优化
|
||||
|
||||
## Key Dimensions
|
||||
- 人员：技能和培训需求
|
||||
- 流程：云迁移和运营流程
|
||||
- 技术：云基础设施架构
|
||||
|
||||
## Connections
|
||||
- [[云运营模型]] ← 依赖 ← 云成熟度评估
|
||||
- [[FinOps]] ← 成熟度支撑 ← 云成熟度模型
|
||||
|
||||
@@ -1,36 +0,0 @@
|
||||
---
|
||||
title: "云盘挂载"
|
||||
type: concept
|
||||
tags: [cloud-drive, aliyun, nfs, storage]
|
||||
last_updated: 2025-02-23
|
||||
---
|
||||
|
||||
## Definition
|
||||
云盘挂载是将云存储服务（如阿里云盘）映射为本地文件系统的技术。
|
||||
|
||||
## 工具
|
||||
| 工具 | 说明 |
|
||||
|------|------|
|
||||
| CloudDrive2 | 多云盘挂载工具 |
|
||||
| Xiaoya Alist | 资源聚合和转存 |
|
||||
|
||||
## 在家庭网络中的用途
|
||||
- 将阿里云盘作为本地硬盘使用
|
||||
- 通过Plex/Jellyfin直接播放云盘内容
|
||||
- 利用NAS做本地缓存加速
|
||||
|
||||
## CloudDrive2配置
|
||||
1. 安装矿神源后安装CloudDrive2
|
||||
2. 执行：sudo sed -i 's/package/root/g' /var/packages/CloudDrive2/conf/privilege
|
||||
3. 访问：http://NAS_IP:19798/
|
||||
4. 阿里云盘App扫码授权（仅授权资源目录）
|
||||
|
||||
## Xiaoya Alist配置
|
||||
1. 准备三个token文件：
|
||||
- myopentoken.txt：开放token
|
||||
- mytoken.txt：阿里云盘token
|
||||
- temp_transfer_folder_id.txt：转存目录ID
|
||||
2. Docker启动xiaoya/alist
|
||||
|
||||
## 相关文档
|
||||
- [[Synology NAS + Xiaoya Alist + CloudDrive2 + Plex 家庭影视平台]]
|
||||
@@ -1,25 +0,0 @@
|
||||
---
|
||||
title: "云运营模型"
|
||||
type: concept
|
||||
tags: [Cloud, Operating Model, Governance]
|
||||
sources: [cloud-operating-model.md]
|
||||
last_updated: 2025-03-01
|
||||
---
|
||||
|
||||
## Summary
|
||||
云运营模型(COM)是标准化组织如何管理云资源、安全、自动化和成本的框架。
|
||||
|
||||
## Definition
|
||||
云运营模型是确保云投资得到有效、安全、可持续管理的结构化框架。
|
||||
|
||||
## Four Pillars
|
||||
1. 治理与合规：策略、标准、角色和决策流程
|
||||
2. 自动化与编排：IaC、DevOps工作流
|
||||
3. 安全与风险管理：零信任、加密、监控
|
||||
4. 云财务管理(FinOps)：成本追踪、优化、预算控制
|
||||
|
||||
## Connections
|
||||
- [[云成熟度模型]] ← 支撑 ← 云运营模型
|
||||
- [[FinOps]] ← 属于 ← 云运营模型支柱
|
||||
- [[Zero Trust安全模型]] ← 属于 ← 安全支柱
|
||||
|
||||
@@ -1,29 +0,0 @@
|
||||
---
|
||||
title: "交接协议"
|
||||
type: concept
|
||||
tags: [AI, Agent, 记忆]
|
||||
sources: [yang-long-xia-5-tian]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
在模型切换或会话结束前，Agent将当前上下文写入每日日志的协议，解决模型切换时上下文丢失问题。
|
||||
|
||||
## 问题背景
|
||||
OpenClaw Agent在切换模型时：
|
||||
- 新模型以新鲜上下文窗口开始
|
||||
- 只看到自动加载的文件
|
||||
- 不知道切换前发生了什么
|
||||
|
||||
## 解决方案
|
||||
在任何模型切换或会话结束前：
|
||||
1. Agent将当前上下文写入memory/YYYY-MM-DD.md
|
||||
2. 新会话启动时读取该文件
|
||||
3. 接上之前的工作
|
||||
|
||||
## 关键洞察
|
||||
"交接协议是模型切换的修复。" — 比利哥
|
||||
|
||||
## Connections
|
||||
- [[写入纪律]] ← 执行机制 ← [[交接协议]]
|
||||
- [[Context-Window]] ← 问题根源 ← [[交接协议]]
|
||||
@@ -1,37 +0,0 @@
|
||||
---
|
||||
title: "内网穿透"
|
||||
type: concept
|
||||
tags: [frp, network, proxy,穿透]
|
||||
last_updated: 2026-04-13
|
||||
---
|
||||
|
||||
## Definition
|
||||
内网穿透是一种通过公网服务器中转，使外部网络能够访问内网服务的技术。
|
||||
|
||||
## 核心机制
|
||||
1. **FRP（Fast Reverse Proxy）**：高性能内网穿透工具
|
||||
- frps：服务端，运行在VPS上
|
||||
- frpc：客户端，运行在内网机器上
|
||||
|
||||
## 架构
|
||||
```
|
||||
公网客户端 → VPS(frps) → 内网机器(frpc) → 内网服务
|
||||
```
|
||||
|
||||
## 常见应用场景
|
||||
- 远程SSH访问内网服务器
|
||||
- 通过域名访问内网Web服务
|
||||
- 暴露内网端口到公网
|
||||
|
||||
## 在家庭网络中的应用
|
||||
| 工具 | 用途 |
|
||||
|------|------|
|
||||
| FRP | TCP/HTTP隧道 |
|
||||
| Caddy | HTTPS反向代理 |
|
||||
| Cloudflare | DNS托管 |
|
||||
|
||||
## 相关文档
|
||||
- [[Mac Mini 安装 FRP 0.65.0（ARM64）操作笔记]]
|
||||
- [[Ubuntu 安装 FRP 0.65.0（x86_64）操作笔记]]
|
||||
- [[通过VPS+内网反向代理实现域名访问内网穿透]]
|
||||
- [[家庭网络环境概览 2026-04-03]]
|
||||
@@ -1,39 +0,0 @@
|
||||
---
|
||||
title: "写入纪律"
|
||||
type: concept
|
||||
tags: [AI, Agent, 记忆]
|
||||
sources: [yang-long-xia-5-tian]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
强制要求Agent将任务结果、决策、错误记录到磁盘的纪律，是临时上下文变成永久记忆的方式。
|
||||
|
||||
## 核心观点
|
||||
"写入纪律比读取纪律更重要。" — 比利哥
|
||||
|
||||
## 为什么重要
|
||||
- 临时上下文存在于对话窗口中
|
||||
- 对话窗口会被压缩
|
||||
- 写盘的内容才能在压缩中存活
|
||||
|
||||
## 实践要点
|
||||
- 任务结果必须记录到磁盘
|
||||
- 每个错误变成一条规则写入LEARNINGS.md
|
||||
- 交接协议：在模型切换前将当前上下文写入每日日志
|
||||
|
||||
## 自动加载文件（7个）
|
||||
只有这些文件自动加载：
|
||||
1. AGENTS.md
|
||||
2. SOUL.md
|
||||
3. TOOLS.md
|
||||
4. IDENTITY.md
|
||||
5. USER.md
|
||||
6. HEARTBEAT.md
|
||||
7. MEMORY.md
|
||||
|
||||
其他一切需要明确读取指令。
|
||||
|
||||
## Connections
|
||||
- [[交接协议]] ← 模型切换保护 ← [[写入纪律]]
|
||||
- [[LEARNINGS.md]] ← 写入目标 ← [[写入纪律]]
|
||||
@@ -1,25 +0,0 @@
|
||||
---
|
||||
title: "功能标志"
|
||||
type: concept
|
||||
tags: [Deployment, Feature Flags, DevOps]
|
||||
sources: [rto-vs-rpo-disaster-recovery.md]
|
||||
last_updated: 2025-07-26
|
||||
---
|
||||
|
||||
## Summary
|
||||
功能标志是控制功能开启/关闭的开关，无需重新部署即可改变系统行为。
|
||||
|
||||
## Definition
|
||||
功能标志允许团队在不重新部署代码的情况下切换功能状态，支持渐进式发布和即时回滚。
|
||||
|
||||
## Key Claims
|
||||
- 部署与发布解耦：可随时部署，择机发布
|
||||
- 渐进式发布：1%→5%→25%→100%
|
||||
- Kill Switch：紧急情况下立即关闭问题功能
|
||||
- 将回滚时间从数小时缩短到秒级
|
||||
|
||||
## Connections
|
||||
- [[RTO]] ← 改善 ← 功能标志
|
||||
- [[RPO]] ← 保护 ← 功能标志
|
||||
- [[LaunchDarkly]] ← 平台 ← 功能标志
|
||||
|
||||
@@ -1,26 +0,0 @@
|
||||
---
|
||||
title: "单一职责"
|
||||
type: concept
|
||||
tags: [编码, 原则]
|
||||
sources: [dev-experience-standards]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
每个文件、类、函数只负责一件事的软件设计原则。
|
||||
|
||||
## 实践
|
||||
- 提炼公共逻辑
|
||||
- 避免重复代码（DRY）
|
||||
- 模块化、函数化，提高复用价值
|
||||
|
||||
## 输入输出划分
|
||||
| 概念 | 说明 |
|
||||
|------|------|
|
||||
| 消费端 | 接收外部数据或依赖输入 |
|
||||
| 生产端 | 生成数据、输出结果 |
|
||||
| 状态 | 存储当前系统信息的变量 |
|
||||
| 变换 | 处理状态、改变数据的逻辑 |
|
||||
|
||||
## Connections
|
||||
- [[开发经验与规范]] ← 原则 ← [[单一职责]]
|
||||
@@ -1,23 +0,0 @@
|
||||
---
|
||||
title: "变量命名规范"
|
||||
type: concept
|
||||
tags: [编码, 规范]
|
||||
sources: [dev-experience-standards]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
软件开发中的变量命名标准，确保代码可读性和可维护性。
|
||||
|
||||
## 规范
|
||||
- 格式：小写英文+下划线 或 小驼峰
|
||||
- 原则：命名体现内容职责，避免缩写
|
||||
- 常量：大写+下划线（如 `MAX_RETRY_COUNT`）
|
||||
- 禁止：无意义名称如 `a, b, c`
|
||||
|
||||
## 变量名大全文件
|
||||
建立统一索引文件，包含：
|
||||
| 变量名 | 变量注释 | 出现位置 | 出现频率 |
|
||||
|
||||
## Connections
|
||||
- [[开发经验与规范]] ← 组成部分 ← [[变量命名规范]]
|
||||
@@ -1,26 +0,0 @@
|
||||
---
|
||||
title: "品味值链"
|
||||
type: concept
|
||||
tags: [AI, 职业, 思维]
|
||||
sources: [bu-tan-ji-shu]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
AI工具民主化后，品味成为差异化竞争力的概念。
|
||||
|
||||
## 背景
|
||||
- 1984年Mac发布，突然每个人都能做桌面出版
|
||||
- 90%的人做出来的东西丑得要命
|
||||
- 工具民主化了，但品味没有民主化
|
||||
|
||||
## AI时代同样
|
||||
- 现在每个人都能用AI写代码、做设计、生成内容
|
||||
- 90%的人用AI生成的东西是shit
|
||||
- 因为他们不知道什么是好的
|
||||
|
||||
## 品味即护城河
|
||||
"你能判断AI给你的10个方案里哪个是insanely great的，你就比那些只会点'生成'按钮的人强一百倍。" — 乔布斯.skill
|
||||
|
||||
## Connections
|
||||
- [[乔布斯.skill]] ← 来源 ← [[品味值链]]
|
||||
@@ -1,20 +0,0 @@
|
||||
---
|
||||
title: "固定点理论"
|
||||
type: concept
|
||||
tags: [数学, 理论计算机科学, 递归]
|
||||
sources: [formalization-recursive-self-optimizing-generative-systems.md]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
数学中，固定点是经过函数映射后保持不变的点。在递归自优化系统中，稳定生成能力对应于Φ的固定点。
|
||||
|
||||
## Core Attributes
|
||||
- 定义：G* ∈ G，Φ(G*) = G*
|
||||
- 含义：生成器在其自身的生成-优化-更新循环下保持不变
|
||||
- 收敛条件：Φ满足适当连续性或收缩性条件时，G* = lim(n→∞) Φ^n(G₀)
|
||||
|
||||
## Related Concepts
|
||||
- [[递归自优化]] ← 应用 ← [[固定点理论]]
|
||||
- [[λ演算]] ← 表达工具 ← [[固定点理论]]
|
||||
- [[Y组合子]] ← 实现机制 ← [[固定点理论]]
|
||||
@@ -1,23 +0,0 @@
|
||||
---
|
||||
title: "图片托管服务"
|
||||
type: concept
|
||||
tags: [image-hosting, web-service]
|
||||
sources: [minio-zipline-zi-cheng-guan-tu-chuang-ying-yong-an-zhuang-jiao-cheng.md]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
图片托管服务是提供图片上传、存储和访问URL生成的专用服务平台。
|
||||
|
||||
## Key Attributes
|
||||
- 存储：对象存储（S3兼容）
|
||||
- 访问：公开URL或签名URL
|
||||
- 认证：API Token
|
||||
|
||||
## Related Entities
|
||||
- [[Zipline]]：自托管图片托管服务实现
|
||||
- [[MinIO]]：存储后端
|
||||
|
||||
## Connections
|
||||
- [[图片托管服务]] ← 实现 ← [[Zipline]]
|
||||
- [[图片托管服务]] ← 存储 ← [[S3兼容存储]]
|
||||
@@ -1,26 +0,0 @@
|
||||
---
|
||||
title: "图生视频"
|
||||
type: concept
|
||||
tags: [AI视频, 生成式AI]
|
||||
sources: [14ge-mian-fei-ai-tu-sheng-shi-ping-gong-ju.md]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
Image-to-Video（I2V），将静态图片转化为动态视频的AI生成技术。
|
||||
|
||||
## Core Attributes
|
||||
- 输入：静态图片（jpg/png等）
|
||||
- 控制方式：提示词、动作模板、运镜参数、首尾帧
|
||||
- 输出：动态视频（通常2-6秒）
|
||||
- 核心能力：主体一致性、运动控制、风格化
|
||||
|
||||
## Related Concepts
|
||||
- [[主体一致性]]：视频中人物/物体保持与原图一致
|
||||
- [[运镜控制]]：通过参数控制镜头运动方式
|
||||
- [[提示词控制]]：通过文本描述控制视频生成
|
||||
|
||||
## Tool Ecosystem
|
||||
中国平台：[[绘蛙AI视频]]、[[智谱清影]]、[[通义万相]]、[[Vidu]]、[[可灵AI]]、[[海螺AI]]、[[即梦AI]]、[[万相营造]]、[[艺映AI]]
|
||||
|
||||
海外平台：[[PixVerse]]、[[Video Ocean]]、[[Stable Video]]、[[Viva]]、[[Haiper]]
|
||||
@@ -1,46 +0,0 @@
|
||||
---
|
||||
title: "增量备份"
|
||||
type: concept
|
||||
tags: [backup, rsync, incremental, nfs]
|
||||
last_updated: 2025-11-11
|
||||
---
|
||||
|
||||
## Definition
|
||||
增量备份只复制自上次备份以来变化的文件，相比全量备份节省时间和存储空间。
|
||||
|
||||
## 工具
|
||||
| 工具 | 说明 |
|
||||
|------|------|
|
||||
| rsync | 高效文件同步工具 |
|
||||
| NFS | 网络文件系统 |
|
||||
| cron | 定时任务调度 |
|
||||
|
||||
## rsync关键参数
|
||||
```bash
|
||||
rsync -azR --delete \
|
||||
--exclude="venv/" \
|
||||
--exclude=".venv/" \
|
||||
--exclude="**/__pycache__/" \
|
||||
--exclude=".git/" \
|
||||
/源目录/ /目标目录/
|
||||
```
|
||||
|
||||
| 参数 | 作用 |
|
||||
|------|------|
|
||||
| -a | 归档模式（保留权限、时间等） |
|
||||
| -z | 压缩传输 |
|
||||
| -R | 相对路径 |
|
||||
| --delete | 删除目标中不存在的文件 |
|
||||
|
||||
## 备份策略
|
||||
- 备份频率：每日凌晨3点
|
||||
- 备份目标：NAS挂载目录
|
||||
- 监控：日志写入/var/log/rsync_backup.log
|
||||
|
||||
## 安全措施
|
||||
- 锁文件防止并发运行
|
||||
- 挂载点检查防止数据写错位置
|
||||
- _netdev参数确保网络就绪后再挂载
|
||||
|
||||
## 相关文档
|
||||
- [[Ubuntu服务器通过rsync实现日常增量备份]]
|
||||
@@ -1,28 +0,0 @@
|
||||
---
|
||||
title: "多云策略"
|
||||
type: concept
|
||||
tags: [Cloud, Multi-Cloud, Strategy]
|
||||
sources: [multi-cloud-strategy-roi.md, cloud-operating-model.md]
|
||||
last_updated: 2025-03-01
|
||||
---
|
||||
|
||||
## Summary
|
||||
多云策略是使用多个云服务提供商以优化性能、避免供应商锁定并增强安全性的战略方法。
|
||||
|
||||
## Definition
|
||||
多云策略指同时使用多个公有云提供商(如AWS、Azure、GCP)的服务，避免单一供应商依赖。
|
||||
|
||||
## Benefits
|
||||
- 避免供应商锁定
|
||||
- 增加弹性和可靠性
|
||||
- 改善安全态势
|
||||
- 成本优化
|
||||
- 访问最新创新
|
||||
- 合规灵活性
|
||||
- 性能优化
|
||||
|
||||
## Connections
|
||||
- [[Kubernetes]] ← 实现 ← 多云策略
|
||||
- [[Terraform]] ← 支撑 ← 多云管理
|
||||
- [[FinOps]] ← 优化 ← 多云成本
|
||||
|
||||
@@ -1,61 +0,0 @@
|
||||
---
|
||||
title: "异步任务处理"
|
||||
type: concept
|
||||
tags: [async, task-queue, django-q]
|
||||
sources: [tiktok-pm-python-django-project.md]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
异步任务处理将耗时的操作（如API调用、数据导入）放到后台任务队列中执行，避免HTTP请求超时。
|
||||
|
||||
## Implementation: Django-Q
|
||||
|
||||
### Configuration
|
||||
```python
|
||||
Q_CLUSTER = {
|
||||
'name': 'DjangORM',
|
||||
'workers': 4,
|
||||
'timeout': 360,
|
||||
'retry': 120,
|
||||
'queue_limit': 50,
|
||||
'orm': 'default',
|
||||
}
|
||||
```
|
||||
|
||||
### Task Function
|
||||
```python
|
||||
from django_q.tasks import async_task
|
||||
|
||||
def trigger_bright_data_task(urls_list):
|
||||
# 触发Bright Data API
|
||||
job_id = trigger_bright_data_api(urls_list)
|
||||
# 异步轮询结果
|
||||
async_task('products.tasks.poll_bright_data_result', job_id)
|
||||
return job_id
|
||||
|
||||
def poll_bright_data_result(job_id):
|
||||
# 轮询直到任务完成
|
||||
while True:
|
||||
status = check_job_status(job_id)
|
||||
if status == 'completed':
|
||||
download_and_import_data()
|
||||
break
|
||||
time.sleep(30)
|
||||
```
|
||||
|
||||
### Worker
|
||||
启动后台worker处理异步任务：
|
||||
```bash
|
||||
docker compose exec web python manage.py qcluster
|
||||
```
|
||||
|
||||
## Bright Data Integration
|
||||
- 触发异步任务获取job_id
|
||||
- 每30秒轮询任务状态
|
||||
- 任务完成后下载JSON数据并导入数据库
|
||||
|
||||
## Connections
|
||||
- [[异步任务处理]] ← uses ← [[Django]]
|
||||
- [[异步任务处理]] ← calls ← [[Bright Data]]
|
||||
- [[异步任务处理]] ← runs_in ← [[Docker容器化部署]]
|
||||
@@ -1,24 +0,0 @@
|
||||
---
|
||||
id: 意图理解引擎
|
||||
title: "意图理解引擎"
|
||||
type: concept
|
||||
tags: [ai, understanding, image-generation]
|
||||
sources: []
|
||||
last_updated: 2025-12-18
|
||||
---
|
||||
|
||||
# 意图理解引擎
|
||||
|
||||
AI模型理解用户创作意图而非简单匹配关键词的能力。
|
||||
|
||||
## Definition
|
||||
新一代AI图像生成模型的核心能力，能够理解创作目的、物理规则、构图美学，并做出合乎逻辑的艺术决策。
|
||||
|
||||
## Key Properties
|
||||
- 理解"为什么"或"为谁"创作
|
||||
- 物理规则推演（如光影反射逻辑）
|
||||
- 构图美学理解（黄金分割、视觉层次）
|
||||
- 语义上下文推理（品牌调性、受众定位）
|
||||
|
||||
## Related Entities
|
||||
- [[Nano Banana Pro]]
|
||||
@@ -1,42 +0,0 @@
|
||||
---
|
||||
title: "指纹浏览器"
|
||||
type: concept
|
||||
tags: [fingerprint, browser, ads-power, isolation]
|
||||
last_updated: 2025-12-31
|
||||
---
|
||||
|
||||
## Definition
|
||||
指纹浏览器通过模拟不同浏览器环境和设备参数，实现账号环境隔离，防止账号关联被检测。
|
||||
|
||||
## 核心原理
|
||||
- 每个浏览器环境独立Cookie/缓存
|
||||
- 模拟不同User-Agent、时区、语言
|
||||
- 配合代理IP实现环境完全隔离
|
||||
|
||||
## 关键配置
|
||||
| 配置项 | 说明 |
|
||||
|------|------|
|
||||
| 浏览器版本 | 选择最新Chrome |
|
||||
| 操作系统 | 选择Windows |
|
||||
| 代理类型 | SOCKS5 |
|
||||
| 代理来源 | 系统代理设置复制 |
|
||||
|
||||
## 验证步骤
|
||||
1. 检查IP是否在目标地区（ip111.cn）
|
||||
2. 多网站验证IP一致性
|
||||
3. 用scamalytics.com检测IP纯净度（需低风险）
|
||||
|
||||
## 适用场景
|
||||
- 多账号注册（电商、社交媒体）
|
||||
- 跨境服务订阅（Claude Pro等）
|
||||
- 防关联批量操作
|
||||
|
||||
## 推荐工具
|
||||
| 工具 | 说明 |
|
||||
|------|------|
|
||||
| AdsPower | 指纹浏览器，免费5环境 |
|
||||
| PingMe | 短信接码平台 |
|
||||
| WildCard | 虚拟信用卡 |
|
||||
|
||||
## 相关文档
|
||||
- [[如何用指纹浏览器安全注册并订阅Claude Pro会员全攻略]]
|
||||
@@ -1,23 +0,0 @@
|
||||
---
|
||||
id: 提示词优化
|
||||
title: "提示词优化"
|
||||
type: concept
|
||||
tags: [prompt-engineering, ai]
|
||||
sources: []
|
||||
last_updated: 2025-12-18
|
||||
---
|
||||
|
||||
# 提示词优化
|
||||
|
||||
通过精细化设计提示词来提升AI生成内容质量的技术。
|
||||
|
||||
## Definition
|
||||
在AI生成任务中，通过优化输入提示词的结构、描述精度和上下文信息，获得更符合预期的输出结果。
|
||||
|
||||
## Key Properties
|
||||
- 影响生成内容质量的关键因素
|
||||
- 需要明确主体、场景、光线、氛围等细节
|
||||
- 自然语言描述优于关键词堆砌
|
||||
|
||||
## Related Concepts
|
||||
- [[结构化输出]]
|
||||
@@ -1,23 +0,0 @@
|
||||
---
|
||||
title: "提示词框架"
|
||||
type: concept
|
||||
tags: [提示词, AI绘图, 结构化]
|
||||
sources: [nano-banana-ti-shi-ci-kuang-jia.md]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
用于标准化AI绘图提示词结构的JSON模板，包含shot、subject、environment、lighting、camera等标准字段。
|
||||
|
||||
## Core Attributes
|
||||
- 核心字段：shot、subject、environment、lighting、camera、color_grade、style、quality、negatives
|
||||
- camera子字段：focal_length、aperture、angle
|
||||
- negatives字段：排除不需要的元素
|
||||
|
||||
## Types
|
||||
- [[物件描述框架]]：item、materials、details、condition
|
||||
- [[人物描述框架]]：age、appearance、pose
|
||||
|
||||
## Related Concepts
|
||||
- [[Nano Banana]] ← 使用 ← [[提示词框架]]
|
||||
- [[提示词优化]] ← 相关 ← [[提示词框架]]
|
||||
@@ -1,23 +0,0 @@
|
||||
---
|
||||
id: 文字生成视频
|
||||
title: "文字生成视频"
|
||||
type: concept
|
||||
tags: [ai, video-generation, text-to-video]
|
||||
sources: []
|
||||
last_updated: 2025-12-18
|
||||
---
|
||||
|
||||
# 文字生成视频
|
||||
|
||||
AI将文本描述转换为视频内容的技术。
|
||||
|
||||
## Definition
|
||||
利用人工智能技术，根据用户输入的文字描述自动生成对应视频内容的技术。
|
||||
|
||||
## Related Entities
|
||||
- [[万彩AI]]
|
||||
- [[百度AI开放平台]]
|
||||
- [[Sora]]
|
||||
|
||||
## Related Concepts
|
||||
- [[视频自动化生成工作流]]
|
||||
@@ -1,21 +0,0 @@
|
||||
---
|
||||
title: "无服务器密码管理"
|
||||
type: concept
|
||||
tags: [cloudflare, edge-computing, password-manager]
|
||||
sources: [nodewarden-ba-bitwarden-ban-dao-cloudflare-workers-shang-che-di-gao-bie-fu-wu-qi.md]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
无服务器密码管理是将传统密码管理服务器端逻辑部署到边缘计算平台，实现真正的零服务器运维。
|
||||
|
||||
## Key Attributes
|
||||
- 平台：Cloudflare Workers
|
||||
- 存储：Cloudflare D1/R2
|
||||
- 优点：无服务器费用，无VPS需求
|
||||
|
||||
## Related Entities
|
||||
- [[NodeWarden]]：无服务器密码管理的实现
|
||||
|
||||
## Connections
|
||||
- [[无服务器密码管理]] ← 实现 ← [[NodeWarden]]
|
||||
@@ -1,47 +0,0 @@
|
||||
---
|
||||
title: "本地LLM"
|
||||
type: concept
|
||||
tags: [llm, ollama, local, ai]
|
||||
last_updated: 2026-04-13
|
||||
---
|
||||
|
||||
## Definition
|
||||
本地LLM是在本地服务器部署运行的大语言模型，不依赖外部API服务。
|
||||
|
||||
## 优势
|
||||
- 隐私：数据不离开本地
|
||||
- 成本：无API调用费用
|
||||
- 离线：无需互联网连接
|
||||
- 定制：可微调模型
|
||||
|
||||
## Ollama部署流程
|
||||
```bash
|
||||
# 1. 安装
|
||||
curl -fsSL https://ollama.com/install.sh | sh
|
||||
|
||||
# 2. 下载模型
|
||||
ollama pull qwen2.5-coder:7b
|
||||
|
||||
# 3. 运行
|
||||
ollama run qwen2.5-coder:7b
|
||||
```
|
||||
|
||||
## 推荐模型
|
||||
| 模型 | 大小 | 用途 |
|
||||
|------|------|------|
|
||||
| qwen2.5-coder:7b | 4.6GB | 代码生成、DevOps |
|
||||
| qwen2.5-coder:3b | ~2GB | 轻量任务 |
|
||||
|
||||
## 与n8n集成
|
||||
n8n通过HTTP Request调用Ollama API：
|
||||
```bash
|
||||
POST http://localhost:11434/api/generate
|
||||
{
|
||||
"model": "qwen2.5-coder:7b",
|
||||
"prompt": "..."
|
||||
}
|
||||
```
|
||||
|
||||
## 相关文档
|
||||
- [[在 Ubuntu 安装 Ollama 并运行 Qwen2.5-Coder 7B]]
|
||||
- [[可自动化、可扩展、AI增强的电商数据采集与处理系统]]
|
||||
@@ -1,25 +0,0 @@
|
||||
---
|
||||
title: "死亡过滤器"
|
||||
type: concept
|
||||
tags: [AI, 决策, 人生]
|
||||
sources: [bu-tan-ji-shu]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
乔布斯.skill提出的人生决策工具：通过问"如果今天是最后一天，我还会做今天要做的事吗"来筛选真正重要的事。
|
||||
|
||||
## 核心问题
|
||||
"如果今天是最后一天，我还会做今天要做的事吗？"
|
||||
|
||||
## 应用
|
||||
- 别问"什么AI技能最赚钱"
|
||||
- 问自己对什么东西有genuine的热爱和curiosity
|
||||
- 然后用AI把它做到极致
|
||||
|
||||
## 核心观点
|
||||
"对一千件事说No，只对一件事说Yes，然后把那一件事做到insanely great。" — 乔布斯.skill
|
||||
|
||||
## Connections
|
||||
- [[乔布斯.skill]] ← 来源 ← [[死亡过滤器]]
|
||||
- [[端到端能力]] ← 行动 ← [[死亡过滤器]]
|
||||
@@ -1,23 +0,0 @@
|
||||
---
|
||||
title: "流程工程"
|
||||
type: concept
|
||||
tags: [AI应用, 工作流, 方法论]
|
||||
sources: [32wan-ren-shou-cang-de-claude-skills.md]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
从"提示词工程"升级后的AI应用新范式，强调将业务经验沉淀为SOP并交给AI稳定执行。
|
||||
|
||||
## Core Attributes
|
||||
- 核心转变：从优化提示词到构建可执行流程
|
||||
- 价值：可复用、可规模化、可审计
|
||||
- 代表：Claude Skills
|
||||
|
||||
## Related Concepts
|
||||
- [[Claude Skills]] ← 代表案例 ← [[流程工程]]
|
||||
- [[提示词工程]] ← 升级前 ← [[流程工程]]
|
||||
- [[SOP]] ← 核心组成 ← [[流程工程]]
|
||||
|
||||
## Key Insight
|
||||
未来真正有价值的，不是谁的Prompt写得最花，而是谁最懂业务流程、谁能把经验沉淀成SOP、谁能把SOP交给AI稳定执行。
|
||||
@@ -1,31 +0,0 @@
|
||||
---
|
||||
title: "混合搜索"
|
||||
type: concept
|
||||
tags: [AI, 搜索, 记忆]
|
||||
sources: [yang-long-xia-5-tian]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
结合BM25（关键词匹配）、向量嵌入（语义相似性）和重排序器的搜索方式。
|
||||
|
||||
## 搜索方式对比
|
||||
|
||||
| 类型 | 优点 | 缺点 |
|
||||
|------|------|------|
|
||||
| 纯BM25 | 精确匹配关键词、数字、短语 | 无法理解语义 |
|
||||
| 纯向量 | 理解语义相似性 | 专有名词/数字匹配差 |
|
||||
| 混合搜索 | 兼顾精确和语义 | 需要配置 |
|
||||
|
||||
## QMD实现
|
||||
QMD = BM25 + 向量 + 重排序器
|
||||
- 搜索"n8n工作流执行结果"时
|
||||
- 找到包含确切词语的结果 AND 语义相关的结果
|
||||
- 按相关性重新排序
|
||||
|
||||
## 关键洞察
|
||||
"纯语义搜索理论上听起来不错，但在专有名词、具体数字和确切短语上失败。混合搜索明显更好。" — 比利哥
|
||||
|
||||
## Connections
|
||||
- [[QMD]] ← 实现 ← [[混合搜索]]
|
||||
- [[RAG]] ← 底层技术 ← [[混合搜索]]
|
||||
@@ -1,39 +0,0 @@
|
||||
---
|
||||
title: "监控体系"
|
||||
type: concept
|
||||
tags: [monitoring, prometheus, grafana, metrics]
|
||||
last_updated: 2025-11-11
|
||||
---
|
||||
|
||||
## Definition
|
||||
监控体系是用于收集、展示和告警系统/应用指标的完整解决方案。
|
||||
|
||||
## 核心组件
|
||||
| 组件 | 用途 |
|
||||
|------|------|
|
||||
| Prometheus | 时序数据库，采集和存储指标 |
|
||||
| Grafana | 可视化仪表盘和告警管理 |
|
||||
| Alertmanager | 告警分发（邮件/Slack/Webhook） |
|
||||
|
||||
## 数据采集层（Exporters）
|
||||
| Exporter | 采集内容 | 端口 |
|
||||
|----------|----------|------|
|
||||
| node_exporter | 主机指标(CPU/内存/磁盘/网络) | 9100 |
|
||||
| cAdvisor | Docker容器指标 | 8080 |
|
||||
| blackbox_exporter | HTTP/TCP/DNS探测 | 9115 |
|
||||
|
||||
## 监控维度
|
||||
1. **主机层**：CPU、内存、磁盘、网络、I/O
|
||||
2. **容器层**：运行状态、重启次数、资源限制
|
||||
3. **服务层**：HTTP可用性、响应码、延迟、错误率、TLS证书
|
||||
4. **日志层**：应用错误/异常（可选Loki）
|
||||
|
||||
## 推荐告警规则
|
||||
- CPU使用率>85%持续2分钟
|
||||
- 磁盘剩余空间<10%
|
||||
- 内存可用<15%
|
||||
- HTTP探测失败连续2分钟
|
||||
- TLS证书剩余<14天
|
||||
|
||||
## 相关文档
|
||||
- [[家庭监控方案：Prometheus + Grafana + Node Exporter + cAdvisor + Blackbox]]
|
||||
@@ -1,23 +0,0 @@
|
||||
---
|
||||
title: "知识整理先行"
|
||||
type: concept
|
||||
tags: [AI, 简报, 知识管理]
|
||||
sources: [chatgpt-knowledge-to-canva-gamma]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
简报制作前先进行资料研究和知识整理的流程。
|
||||
|
||||
## 四阶段流程
|
||||
1. **阶段一（5分钟）**：让AI上网搜索，调阅10笔以上资料
|
||||
2. **阶段二（1分钟）**：让AI建立知识架构，有客观认识和主观诠释
|
||||
3. **阶段三（1分钟）**：让AI输出文字版简报大纲
|
||||
4. **阶段四**：粘贴到Canva/Gamma生成版面
|
||||
|
||||
## 核心观点
|
||||
"简报不是从版面设计开始，而是从资料研究开始。"
|
||||
|
||||
## Connections
|
||||
- [[ChatGPT]] ← 工具 ← [[知识整理先行]]
|
||||
- [[Canva]] ← 设计 ← [[知识整理先行]]
|
||||
@@ -1,22 +0,0 @@
|
||||
---
|
||||
title: "磁盘镜像备份"
|
||||
type: concept
|
||||
tags: [backup, disaster-recovery, disk]
|
||||
sources: [clonezilla-dui-ubuntu-server-jin-hang-quan-pan-jing-xiang-bei-fen.md]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
磁盘镜像备份是将整个磁盘或分区的全部内容复制为单个镜像文件的过程，用于灾难恢复时快速还原系统状态。
|
||||
|
||||
## Key Attributes
|
||||
- 备份范围：整个磁盘（savedisk）或单个分区
|
||||
- 压缩选项：-z1p（高压缩率）
|
||||
- 存储格式：镜像文件（.img）
|
||||
|
||||
## Related Entities
|
||||
- [[Clonezilla]]：执行磁盘镜像备份的工具
|
||||
- [[Ubuntu-Server]]：常见的备份目标
|
||||
|
||||
## Connections
|
||||
- [[磁盘镜像备份]] ← 工具 ← [[Clonezilla]]
|
||||
@@ -1,26 +0,0 @@
|
||||
---
|
||||
title: "端到端能力"
|
||||
type: concept
|
||||
tags: [AI, 职业, 思维]
|
||||
sources: [bu-tan-ji-shu]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
从零到一构建完整产品/服务/体验的能力，而不是成为别人AI流水线上的一个零件。
|
||||
|
||||
## 核心观点
|
||||
- iPod成功不是因为有最好的MP3解码器
|
||||
- 而是从iTunes到iPod到iTunes Store的整个体验
|
||||
- **一个人用AI做出一个完整的App，比一个100人的团队里当"AI提示词工程师"强一万倍**
|
||||
|
||||
## 零件思维 vs 成品思维
|
||||
| 零件思维 | 成品思维 |
|
||||
|---------|---------|
|
||||
| 学一个AI工具就能找到工作 | 用AI做一个完整的东西 |
|
||||
| 成为别人AI流水线上的螺丝钉 | 从头到尾控制整个体验 |
|
||||
| 最容易被替换 | 不可替代 |
|
||||
|
||||
## Connections
|
||||
- [[乔布斯.skill]] ← 来源 ← [[端到端能力]]
|
||||
- [[死亡过滤器]] ← 指引 ← [[端到端能力]]
|
||||
@@ -1,27 +0,0 @@
|
||||
---
|
||||
id: 系统提示词构建
|
||||
title: "系统提示词构建"
|
||||
type: concept
|
||||
tags: [prompt-engineering, system-prompt]
|
||||
sources: []
|
||||
last_updated: 2025-12-30
|
||||
---
|
||||
|
||||
# 系统提示词构建
|
||||
|
||||
定义AI助手行为准则和能力的系统化方法。
|
||||
|
||||
## Definition
|
||||
通过明确的核心身份准则、沟通规范、技术规范和安全防护，构建可靠、一致的AI助手系统。
|
||||
|
||||
## Core Categories
|
||||
1. **核心身份与行为准则**：项目约定、代码风格、架构模式
|
||||
2. **沟通与互动**：专业语气、Markdown格式化、不重复信息
|
||||
3. **任务执行与工作流**：TODO列表、分解任务、验证步骤
|
||||
4. **技术与编码规范**：变量命名、模块化、错误处理
|
||||
5. **安全与防护**：密钥保护、最小权限
|
||||
6. **工具使用**：并行执行、专用工具优先
|
||||
|
||||
## Related Concepts
|
||||
- [[提示词优化]]
|
||||
- [[结构化输出]]
|
||||
@@ -1,23 +0,0 @@
|
||||
---
|
||||
title: "终端代理"
|
||||
type: concept
|
||||
tags: [linux, proxy, socks5]
|
||||
sources: [ubuntu-server-ke-xue-shang-wang.md]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
终端代理通过工具让原本不支持代理的命令通过SOCKS5通道访问网络。
|
||||
|
||||
## Key Attributes
|
||||
- 工具：ProxyChains
|
||||
- 配置：/etc/proxychains4.conf
|
||||
- 效果：任意终端命令走代理
|
||||
|
||||
## Related Entities
|
||||
- [[V2Ray/Tuic]]：提供SOCKS5代理源
|
||||
- [[ProxyChains]]：实现终端代理的工具
|
||||
|
||||
## Connections
|
||||
- [[终端代理]] ← 工具 ← [[ProxyChains]]
|
||||
- [[终端
|
||||
@@ -1,34 +0,0 @@
|
||||
---
|
||||
title: "自然语言工作流生成"
|
||||
type: concept
|
||||
tags: [n8n, claude, AI]
|
||||
sources: [n8n-Claude-通过自然语言自动化工作流.md, 使用Claude自动生成N8N工作流的实操教程.md]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
通过输入自然语言描述，让 AI 自动生成工作流的技术。AI 根据描述自动选择节点、编写代码、配置参数。
|
||||
|
||||
## Mechanism
|
||||
1. 用户输入自然语言需求
|
||||
2. AI 理解任务并规划工作流结构
|
||||
3. AI 自动选择合适的节点
|
||||
4. AI 生成配置和代码
|
||||
5. 用户审核并微调
|
||||
|
||||
## Benefits
|
||||
- 降低学习门槛，无需手动选择节点
|
||||
- 提高效率，AI 可完成 80%-90% 的布局工作
|
||||
- 适合新手快速上手
|
||||
|
||||
## Limitations
|
||||
- 约有 10%-20% 的错误率需人工修正
|
||||
- 复杂逻辑仍需人工调整
|
||||
|
||||
## Related Concepts
|
||||
- [[n8n-mcp]]：实现此功能的中间件
|
||||
- [[Extended Thinking]]：提升生成质量的推理模式
|
||||
|
||||
## Connections
|
||||
- [[Claude]] ← 使用 ← [[自然语言工作流生成]]
|
||||
- [[自然语言工作流生成]] ← 通过 ← [[n8n-mcp]]
|
||||
@@ -1,27 +0,0 @@
|
||||
---
|
||||
id: 视频自动化生成工作流
|
||||
title: "视频自动化生成工作流"
|
||||
type: concept
|
||||
tags: [automation, video-generation, workflow]
|
||||
sources: []
|
||||
last_updated: 2025-12-18
|
||||
---
|
||||
|
||||
# 视频自动化生成工作流
|
||||
|
||||
通过API接口和自动化工具实现视频生成的批量处理流程。
|
||||
|
||||
## Definition
|
||||
利用AI视频生成模型（如Sora）结合工作流自动化工具（如n8n），实现视频内容的批量、自动、高效生成。
|
||||
|
||||
## Key Properties
|
||||
- 降低视频制作成本
|
||||
- 提高内容生产效率
|
||||
- 支持批量生成UGC内容
|
||||
|
||||
## Related Concepts
|
||||
- [[UGC创作]]
|
||||
- [[提示词优化]]
|
||||
|
||||
## Examples
|
||||
- Sora API + n8n自动化编排
|
||||
@@ -1,28 +0,0 @@
|
||||
---
|
||||
title: "认知操作系统"
|
||||
type: concept
|
||||
tags: [AI, Skill, 思维]
|
||||
sources: [yang-xia-ri-ji-5]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
女娲·Skill蒸馏出的每个Skill都被比喻为一个认知操作系统——用别人的脑子思考自己的人生。
|
||||
|
||||
## 核心比喻
|
||||
- 每个Skill是一个认知操作系统
|
||||
- 你不需要同意他的所有观点
|
||||
- 但你可以在需要的时候，用他的镜片看自己的问题
|
||||
|
||||
## 典型应用场景
|
||||
| Skill | 应用场景 |
|
||||
|-------|---------|
|
||||
| 芒格 | AI编程时 |
|
||||
| 海明威 | 写作时 |
|
||||
| 乔布斯 | 做产品时 |
|
||||
| 苏东坡 | 逆境中保持风骨时 |
|
||||
| 塔勒布 | 提升决策质量时 |
|
||||
|
||||
## Connections
|
||||
- [[Skill蒸馏]] ← 本质 ← [[认知操作系统]]
|
||||
- [[苏东坡]] ← 实例 ← [[认知操作系统]]
|
||||
@@ -1,23 +0,0 @@
|
||||
---
|
||||
title: "路由器科学上网"
|
||||
type: concept
|
||||
tags: [proxy, router, transparent-proxy]
|
||||
sources: [rax50-lu-you-qi-geng-xin-merlin-clash-ding-yue.md, ubuntu-server-ke-xue-shang-wang.md]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
路由器科学上网是在路由器层面配置代理，实现局域网内所有设备透明代理访问。
|
||||
|
||||
## Key Attributes
|
||||
- 方式：路由器插件（Merlin Clash）
|
||||
- 效果：局域网设备无需单独配置代理
|
||||
- 协议：VLESS/VMess/Trojan等
|
||||
|
||||
## Related Entities
|
||||
- [[Merlin Clash]]：路由器科学上网的插件实现
|
||||
- [[RAX50]]：运行科学上网的路由器
|
||||
|
||||
## Connections
|
||||
- [[路由器科学上网]] ← 工具 ← [[Merlin Clash]]
|
||||
- [[路由器科学上网]] ← 平台 ← [[RAX50]]
|
||||
@@ -1,23 +0,0 @@
|
||||
---
|
||||
id: 身份锁定
|
||||
title: "身份锁定"
|
||||
type: concept
|
||||
tags: [image-generation, consistency, reference-image]
|
||||
sources: []
|
||||
last_updated: 2025-12-18
|
||||
---
|
||||
|
||||
# 身份锁定
|
||||
|
||||
在图像生成中保持角色或人物面部特征一致性的技术。
|
||||
|
||||
## Definition
|
||||
通过提供参考图像并明确指示模型保持面部特征一致，使得同一角色可以在不同场景中保持一致的外观。
|
||||
|
||||
## Key Properties
|
||||
- Nano Banana Pro支持最多14张参考图像（6张高保真度）
|
||||
- 明确说明保持与参考图像完全一致的面部特征
|
||||
- 可在保持身份的同时改变表情、动作、场景
|
||||
|
||||
## Related Entities
|
||||
- [[Nano Banana Pro]]
|
||||
@@ -1,22 +0,0 @@
|
||||
---
|
||||
title: "远程开发"
|
||||
type: concept
|
||||
tags: [Trae, SSH, 开发]
|
||||
sources: [trae-remote-dev-guide]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
通过Remote-SSH连接到远程服务器进行开发的方式。
|
||||
|
||||
## SSH免密配置
|
||||
1. 生成密钥对：`ssh-keygen -t rsa -b 4096`
|
||||
2. 上传公钥：`ssh-copy-id -i ~/.ssh/id_rsa.pub user@host`
|
||||
3. 配置SSH Config别名方便管理
|
||||
|
||||
## Docker权限
|
||||
用户必须在docker用户组：`sudo usermod -aG docker $USER`
|
||||
|
||||
## Connections
|
||||
- [[Trae]] ← 工具 ← [[远程开发]]
|
||||
- [[Docker]] ← 容器 ← [[远程开发]]
|
||||
@@ -1,28 +0,0 @@
|
||||
---
|
||||
title: "递归自优化"
|
||||
type: concept
|
||||
tags: [AI理论, 自我优化, 生成系统]
|
||||
sources: [formalization-recursive-self-optimizing-generative-systems.md]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
通过迭代自我修改构建稳定生成能力的AI系统框架。
|
||||
|
||||
## Core Attributes
|
||||
- 核心循环：生成 → 优化 → 更新 → 生成
|
||||
- 目标：收敛到稳定生成能力（固定点），而非特定最优输出
|
||||
- 组成：Generator（α）、Optimizer（Ω）、Meta-generator
|
||||
|
||||
## Formalization
|
||||
- Generator空间：G ⊆ P^I
|
||||
- 优化算子：O: P × Ω → P
|
||||
- 元生成算子：M: G × P → G
|
||||
- 自映射：Φ: G → G
|
||||
|
||||
## Related Concepts
|
||||
- [[固定点理论]] ← 数学基础 ← [[递归自优化]]
|
||||
- [[λ演算]] ← 表达形式 ← [[递归自优化]]
|
||||
- [[自举]] ← 机制 ← [[递归自优化]]
|
||||
- [[Generator]] ← 核心组件 ← [[递归自优化]]
|
||||
- [[Optimizer]] ← 核心组件 ← [[递归自优化]]
|
||||
@@ -1,21 +0,0 @@
|
||||
---
|
||||
title: "逻辑备份"
|
||||
type: concept
|
||||
tags: [backup, database, postgres]
|
||||
sources: [minio-zipline-zi-cheng-guan-tu-chuang-ying-yong-an-zhuang-jiao-cheng.md]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
逻辑备份是通过数据库工具导出数据为SQL语句或纯文本格式，区别于直接复制数据文件的物理备份。
|
||||
|
||||
## Key Attributes
|
||||
- 工具：pg_dump（PostgreSQL）
|
||||
- 格式：SQL文件或压缩格式
|
||||
- 优点：跨版本兼容，迁移能力强
|
||||
|
||||
## Related Entities
|
||||
- [[Zipline]]：其PostgreSQL数据库需要逻辑备份
|
||||
|
||||
## Connections
|
||||
- [[逻辑备份]] ← 工具 ← [[Zipline]]
|
||||
@@ -1,24 +0,0 @@
|
||||
---
|
||||
title: "防弹笔记法"
|
||||
type: concept
|
||||
tags: [笔记, 知识管理]
|
||||
sources: [chatgpt-knowledge-to-canva-gamma]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
任务导向+动态演化+简单精准的笔记系统。
|
||||
|
||||
## 核心定位
|
||||
为输出而设计
|
||||
|
||||
## 最小可用模板
|
||||
- 抬头：任务名称（动词开头）｜完成条件（可验收）｜截止日
|
||||
- 三栏：决策记录/下一步×3/参考片段
|
||||
- 复盘区：本次做法摘要/下次改进/可复用规则
|
||||
|
||||
## SSOT
|
||||
Single Source of Truth，每个任务一则笔记
|
||||
|
||||
## Connections
|
||||
- [[知识整理先行]] ← 应用 ← [[防弹笔记法]]
|
||||
@@ -1,24 +0,0 @@
|
||||
---
|
||||
title: "AWS"
|
||||
type: entity
|
||||
tags: [Cloud, IaaS]
|
||||
sources: []
|
||||
last_updated: 2025-03-01
|
||||
---
|
||||
|
||||
## Summary
|
||||
AWS(Amazon Web Services)是亚马逊公司的云服务平台，提供IaaS、PaaS和SaaS服务。
|
||||
|
||||
## Key Claims
|
||||
- AWS提供超过200种云服务
|
||||
- AWS与Azure、GCP是三大主流云提供商
|
||||
- AWS CloudFormation支持跨账户StackSets部署
|
||||
|
||||
## Aliases
|
||||
- Amazon Web Services
|
||||
- AWS
|
||||
|
||||
## Connections
|
||||
- [[多云策略]] ← 支持 ← AWS
|
||||
- [[Kubernetes]] ← 托管 ← EKS
|
||||
|
||||
@@ -1,17 +0,0 @@
|
||||
---
|
||||
title: "Airtable"
|
||||
type: entity
|
||||
tags: [database, inventory]
|
||||
sources: [n8n-full-tutorial-building-ai-agents-in-2025-for-beginners.md]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
Airtable 是一款在线数据库服务，支持表格视图和 API 集成。
|
||||
|
||||
## Usage
|
||||
作为 n8n 的外部工具集成，Airtable 可用于库存管理和数据存储。
|
||||
|
||||
## Connections
|
||||
- [[n8n]] ← 集成 ← [[Airtable]]
|
||||
- [[Agentic System]] ← 使用 ← [[Airtable]]
|
||||
@@ -1,22 +0,0 @@
|
||||
---
|
||||
title: "Alex Ewerlöf"
|
||||
type: entity
|
||||
tags: [author, reliability-engineering, multi-agent]
|
||||
last_updated: 2026-04-13
|
||||
---
|
||||
|
||||
## Profile
|
||||
|
||||
- 资深工程师（Senior Staff Engineer），27年工作经验
|
||||
- 瑞典皇家理工学院（KTH）系统工程硕士学位
|
||||
- 过去十年专注于可靠性工程和弹性架构
|
||||
- 自2023年起专攻LLM领域
|
||||
|
||||
## Key Contributions
|
||||
|
||||
- [[Multi-Agent System Reliability]]：提出四种架构模式提升多智能体系统可靠性
|
||||
- 可靠性工程思维（Reliability Engineering Mindset）
|
||||
|
||||
## Connections
|
||||
|
||||
- [[Multi-Agent System Reliability]] ← 作者
|
||||
@@ -1,19 +0,0 @@
|
||||
---
|
||||
title: "Anthropic"
|
||||
type: entity
|
||||
tags: [AI公司, Claude]
|
||||
sources: [32wan-ren-shou-cang-de-claude-skills.md]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
AI安全公司，Claude模型的开发商，Claude Skills官方仓库发布方。
|
||||
|
||||
## Core Attributes
|
||||
- 类型：AI公司
|
||||
- 产品：Claude, Claude Skills
|
||||
- 官网：anthropic.com
|
||||
|
||||
## Connections
|
||||
- [[Claude]] ← 开发商 ← [[Anthropic]]
|
||||
- [[Claude Skills]] ← 发布方 ← [[Anthropic]]
|
||||
@@ -1,34 +0,0 @@
|
||||
---
|
||||
title: "Apache Superset"
|
||||
type: entity
|
||||
tags: [bi, data-visualization, python]
|
||||
sources: [install-apache-superset-in-docker.md]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
Apache Superset是一款开源的BI（商业智能）可视化平台，支持SQL查询、图表构建和仪表板创建。
|
||||
|
||||
## Aliases
|
||||
- Superset
|
||||
- Apache Superset
|
||||
|
||||
## Key Attributes
|
||||
- 类型：BI可视化平台
|
||||
- 语言：Python
|
||||
- 许可：Apache License 2.0
|
||||
- 默认端口：8088
|
||||
|
||||
## Key Capabilities
|
||||
- SQL IDE，支持多数据库连接
|
||||
- 丰富的图表类型（ECharts、D3.js等）
|
||||
- 拖拽式仪表板构建
|
||||
- 缓存层（Redis/Celery）
|
||||
|
||||
## Related Entities
|
||||
- [[Docker]]：部署方式
|
||||
- [[MySQL]]：元数据库后端
|
||||
|
||||
## Connections
|
||||
- [[Apache Superset]] ← 部署于 ← [[Docker]]
|
||||
- [[MySQL]] ← 元数据库 ← [[Apache Superset]]
|
||||
@@ -1,22 +0,0 @@
|
||||
---
|
||||
title: "Atlassian Jira"
|
||||
type: entity
|
||||
tags: [Collaboration, Project Management]
|
||||
sources: []
|
||||
last_updated: 2025-03-02
|
||||
---
|
||||
|
||||
## Summary
|
||||
Atlassian Jira是一个团队协作和工作流管理平台，支持敏捷开发和DevOps实践。
|
||||
|
||||
## Key Claims
|
||||
- Jira支持Scrum和Kanban敏捷框架
|
||||
- Jira提供团队间实时通信和工作流透明度
|
||||
|
||||
## Aliases
|
||||
- Jira
|
||||
- Atlassian Jira
|
||||
|
||||
## Connections
|
||||
- [[DevOps文化]] ← 工具 ← Jira
|
||||
|
||||
@@ -1,24 +0,0 @@
|
||||
---
|
||||
id: BloopAI
|
||||
title: "BloopAI"
|
||||
type: entity
|
||||
tags: [ai, coding-agent, company]
|
||||
aliases: [Bloop]
|
||||
---
|
||||
|
||||
## Definition
|
||||
BloopAI 是一家专注于 AI 编码工具开发的公司，开发了 [[Vibe-Kanban]] 和 [[OpenCode]] 两款开源产品。
|
||||
|
||||
## Core Properties
|
||||
- **类型**：公司/组织
|
||||
- **产品**：
|
||||
- [[Vibe-Kanban]]：AI 编码 Agent 任务看板
|
||||
- [[OpenCode]]：开源 AI 编码 Agent
|
||||
|
||||
## Related Entities
|
||||
- [[Vibe-Kanban]]：BloopAI 开发的产品
|
||||
- [[OpenCode]]：BloopAI 开发的产品
|
||||
|
||||
## Connections
|
||||
- [[BloopAI]] ← 开发 ← [[Vibe-Kanban]]
|
||||
- [[BloopAI]] ← 开发 ← [[OpenCode]]
|
||||
@@ -1,29 +0,0 @@
|
||||
---
|
||||
title: "Bright Data"
|
||||
type: entity
|
||||
tags: [api, web-scraping, tiktok]
|
||||
sources: [tiktok-pm-python-django-project.md]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
Bright Data是一个网页数据抓取平台，提供异步API来批量获取TikTok产品数据。
|
||||
|
||||
## Role in TikTok PM Project
|
||||
- 通过异步请求API抓取TikTok产品JSON数据
|
||||
- 支持批量URL提交
|
||||
- 通过轮询机制检查任务完成状态
|
||||
|
||||
## API Endpoint
|
||||
```
|
||||
POST https://api.brightdata.com/datasets/v3/trigger
|
||||
```
|
||||
|
||||
## Key Parameters
|
||||
- dataset_id：数据集标识符
|
||||
- notify：是否发送通知
|
||||
- include_errors：是否包含错误信息
|
||||
|
||||
## Connections
|
||||
- [[Bright Data]] ← provides_data ← [[异步任务处理]]
|
||||
- [[Bright Data]] ← outputs_to ← [[Django]]
|
||||
@@ -1,16 +0,0 @@
|
||||
---
|
||||
title: "Caddy"
|
||||
type: entity
|
||||
tags: [web server, reverse proxy]
|
||||
sources: [n8n-docker-install-update.md]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
Caddy 是一款自动 HTTPS 的反向代理服务器。
|
||||
|
||||
## Usage
|
||||
在 n8n Docker 部署中，Caddy 用于提供 HTTPS 访问，反向代理到 n8n 容器。
|
||||
|
||||
## Connections
|
||||
- [[n8n]] ← 访问 ← [[Caddy]] ← 提供 ← [[HTTPS]]
|
||||
@@ -1,21 +0,0 @@
|
||||
---
|
||||
title: "Canva"
|
||||
type: entity
|
||||
tags: [设计, 简报, AI]
|
||||
sources: [chatgpt-knowledge-to-canva-gamma]
|
||||
last_updated: 2026-04-14
|
||||
---
|
||||
|
||||
## Definition
|
||||
在线设计工具，支持AI简报生成，但不适合前期资料整理。
|
||||
|
||||
## Core Attributes
|
||||
- 类型：设计工具/简报软件
|
||||
- AI功能：2025年推出AI问答功能，支持中文
|
||||
- 定价：免费账号提供丰富模板
|
||||
|
||||
## 正确用法
|
||||
先在ChatGPT完成知识整理和大纲，再粘贴到Canva AI生成简报版面。
|
||||
|
||||
## Connections
|
||||
- [[ChatGPT]] ← 内容来源 ← [[Canva]]
|
||||
Some files were not shown because too many files have changed in this diff Show More
Reference in New Issue
Block a user