Auto-sync: 2026-04-25 16:02

wiki/overview.md

@@ -102,6 +102,12 @@ Key concepts: [[PerformanceMax]], [[SmartBidding]], [[AccountArchitecture]], [[T
 
 **[[product-feedback-synthesizer]]**（Product Feedback Synthesizer）：The Agency 产品部门的用户反馈综合分析专家 Agent——专精于从多渠道（调查/访谈/工单/评论/社交媒体）收集、分析和综合用户反馈，将海量用户声音蒸馏为可量化的产品决策依据。核心能力：NLP 情感分析与满意度建模（NPS/CSAT/CES）、RICE/MoSCoW/Kano 多维度优先级框架、用户旅程映射与痛点识别、流失预测与早期预警系统。核心理念：**定性反馈 → 定量优先级 → 数据驱动路线图**。成功指标：24 小时内处理关键问题、90%+ 主题准确率（利益相关者验证）、85% 综合反馈产生可衡量决策、NPS 提升 10+ 分、80% 反馈驱动功能成功率。与 [[product-sprint-prioritizer]]（Sprint 迭代优先级）和 [[product-trend-researcher]]（产品趋势研究）协同，共同构成 The Agency 产品部门的数据驱动决策体系。
 
+**[[product-trend-researcher]]**（Product Trend Researcher）：The Agency 产品部门的专家级市场情报分析师——专注于新兴趋势识别、竞争分析和机会评估，为产品战略和创新决策提供可操作的洞察。核心能力：七步趋势识别流程（信号收集→模式识别→上下文分析→影响评估→验证→预测→可操作性）；覆盖 50+ 数据源实时聚合，统计验证的弱信号检测，提前 3-6 个月识别主流采纳前的趋势；TAM/SAM/SOM 三层市场量化（置信区间 ±20%）；竞争情报框架（直接/间接/新兴/技术/替代）。成功指标：80%+ 准确率的 6 个月趋势预测、90% 洞察转化为战略决策、48 小时内紧急请求响应、15+ 独立验证来源/报告。与 [[product-manager]] 协同——后者提供产品规格与市场定位输入，前者提供趋势情报与竞争格局分析；与 [[product-feedback-synthesizer]] 互补——后者分析已有用户反馈，前者预判未来市场趋势，共同构成数据驱动的产品决策闭环。属 The Agency 产品部门的市场情报核心层。
+
+**[[product-manager]]**（Product Manager Agent — Alex）：The Agency 产品部门的核心战略 Agent——以 10+ 年 B2B SaaS/消费者应用/平台业务经验的产品经理身份，自主拥有从发现到衡量的完整产品生命周期。核心理念：**以结果为导向，而非产出**，功能是假设，发布是实验，成功的产品必须 measurable 改变用户行为。核心交付物：PRD（含机会评估/用户故事/Launch Plan/风险矩阵）、Opportunity Assessment（RICE 评分）、Now/Next/Later 路线图、GTM Brief、Sprint Health Snapshot。六阶段工作流：Discovery → Framing/Prioritization → Definition → Delivery → Launch → Measurement。核心原则：**先问题后方案**（永远不接受表面的功能请求）、**写新闻稿再写 PRD**、**无 Owner/Metric/Time Horizon 不上路线图**、**经常说"不"保护团队焦点**。与 [[Agents-Orchestrator]] 协同——由编排器协调任务；与 [[product-feedback-synthesizer]] 互补——后者收集用户反馈，前者将反馈转化为产品决策和交付计划。属 The Agency 产品部门的战略决策核心层。
+
+**[[product-sprint-prioritizer]]**（Product Sprint Prioritizer）：The Agency 产品部门的冲刺规划与优先级排序专家 Agent——专注于敏捷冲刺规划、特性优先级排序和资源分配，通过数据驱动的优先级框架最大化团队交付价值。核心能力：RICE/MoSCoW/Kano/Value vs. Effort 等多框架优先级评分；基于 6 个冲刺滚动平均值的团队速率预测（偏差 < 15%）；冲刺前五步准备（Backlog Refinement → 依赖分析 → 容量评估 → 风险识别 → 干系人审查）；技术债务与新功能的 ROI 平衡建模；跨团队依赖识别与关键路径分析。成功指标：承诺故事点交付率 90%+、干系人满意度 4.5/5、时间线偏差 ±10%、技术债务占比 < 20%。核心理念：**数据驱动的优先级决策**——每个评分附置信区间和敏感性分析；**冲刺目标先行**——无清晰可衡量目标的冲刺不上计划；**主动风险管理**——风险评分（概率 × 影响矩阵）定期重新评估。与 [[product-manager]] 协同——PM 制定路线图，本 Agent 将路线图转化为可执行的冲刺计划；与 [[product-feedback-synthesizer]] 互补——后者提供用户反馈驱动的优先级输入，前者将优先级决策转化为 Sprint 容量规划。属 The Agency 产品部门的执行规划核心层。
+
 ### The Agency — Finance 部门
 |The Agency 的 Finance 部门涵盖自主支付运营、财务分析与合规管理等专业 Agent。|
 
@@ -309,6 +315,14 @@ A practical tip for extracting YouTube Channel IDs: use `view-source:` prefix in
 
 **[[YouTube-Content-Pipeline]]**：AI Agent 驱动的 YouTube 选题发现与选题自动化流水线——每小时 Cron Job 扫描 Web + X/Twitter 突发 AI 新闻，向 Telegram 推送选题；同时维护 90 天视频目录（播放量 + 主题分析）避免选题重复，通过 SQLite 向量嵌入实现语义去重；在 Slack 分享链接时自动研究主题、搜索 X、查询知识库并创建带大纲的 Asana 任务卡。与 [[Daily-YouTube-Digest]] 互补：后者侧重订阅频道更新监控，前者侧重全网趋势主动发现。与 [[Content-Factory]] 共享并行子 Agent 执行模式。
 
+**[[academic-historian]]**（Historian）：AI Agent 角色设定——扮演具有跨时代研究能力的历史学家，为创意项目提供历史真实性验证、时代背景丰富化和历史迷思纠正。核心能力：历史编年分析、史料批判（原始文献>二手学术>通俗史>好莱坞）、历史因果推理（长期结构性原因 vs 短期触发事件）、物质文化重建（Annales 学派）、长时段分析（longue durée）、微观史、比较史、反事实推理。核心理念：物质条件决定论——在讨论政治/军事前必须先理解经济基础；主动挑战欧洲中心主义——宋朝科技/马里帝国财富同等重要；所有论断必须标注置信度和来源类型。关键方法论：五步工作流（定位时空坐标→核查物质基础→叠加社会结构→评估论断→标注置信度）。典型交付物：Period Authenticity Report（饮食/服饰/建筑/技术/货币/权力结构/性别角色全维度历史细节）、Historical Coherence Check。与 [[academic-geographer]]（空间维度）、[[academic-anthropologist]]（共时性文化系统）、[[academic-narratologist]]（叙事维度）共同构成"人文社科 AI 研究者矩阵"，与 [[academic-psychologist]] 共享心理-历史交叉分析视角。
+
+**[[academic-geographer]]**：AI Agent 中的地理学家角色——专注于物理与人文地理的系统性建模，为虚拟世界构建地理连贯性。核心理念："Geography is destiny — where you are determines who you become"。通过严格地理连贯性规则（河流不分叉、气候成系统、地理非装饰）、五步工作流（板块构造→气候→水文→生物群落→人类定居）、交付物模板（地理连贯性报告、气候系统设计）驱动 Agent 行为。关键原则：避免地理决定论（地理约束但不决定）；规模很重要（"小王国"和"大帝国"地理需求完全不同）；地图是论据（制图具有政治性）。理论基础涵盖 Koppen 气候分类、Christaller 中心地理论、Mackinder 心脏地带理论、雨影效应等。与 [[academic-historian]]（历时性时间维度）、[[academic-anthropologist]]（共时性文化系统）、[[academic-narratologist]]（叙事维度）共同构成"人文社科 AI 研究者矩阵"。
+
+**[[academic-anthropologist]]**：基于文化人类学理论构建文化自洽社会的 AI Agent 设计框架——将田野调查方法论注入 Agent，使其能设计有社会学意义的亲属制度、交换系统、仪式信仰和权力结构。核心理念：每个文化元素必须有社会功能（社会凝聚/资源管理/身份认同/冲突解决），先问"这个实践解决了什么问题"而非"这个仪式看起来酷不酷"。理论基础：结构人类学（列维-斯特劳斯）、象征人类学（格尔茨"厚描"）、实践理论（布迪厄）、仪式分析（特纳/范热内普）、经济人类学（莫斯/波拉尼）。关键原则：避免文化拼贴（culture salad）、不跳过亲属制度设计、无乌托邦（每个文化都有内部张力）。与 [[academic-historian]]（历时性视角）、[[academic-geographer]]（空间维度）、[[academic-narratologist]]（叙事维度）共同构成"人文社科 AI 研究者矩阵"。
+
+**[[academic-narratologist]]**：以叙事理论框架驱动故事结构分析的 AI Agent——将俄罗斯形式主义、法国结构主义、认知叙事学等学术传统注入 Agent，使其能像专业叙事理论家一样分析故事结构、角色弧光、主题表达，并提供有命名框架依据的叙事建议。核心理念："每个故事都是一个论证（Every story is an argument）"；核心原则：大多数叙事问题存在于讲述层面（sjuzhet）而非故事层面（fabula），诊断应优先于处方；每个建议必须引用至少一个命名理论框架（Propp/Campbell/Genette/Barthes/Todorov）。核心框架：Propp 形态学（童话/冒险结构）、Campbell 单一体神话（英雄叙事）、Vogler 编剧旅程（好莱坞改编）、Genette 叙事学（视角/时序/声音）、Barthes 五代码（叙事语义）、Todorov 均衡模型（破坏-恢复结构）。与 [[academic-anthropologist]]（共时性文化系统）、[[academic-historian]]（历时性时间分析）、[[academic-geographer]]（空间维度）共同构成"人文社科 AI 研究者矩阵"。
+
 **[[arXiv-Paper-Reader]]**：AI Agent 驱动的 arXiv 论文阅读助手——通过 `arxiv-reader` skill（3 个工具：`arxiv_fetch`、`arxiv_sections`、`arxiv_abstract`）直接从 arXiv 下载 LaTeX 源码并自动扁平化展开，消除 PDF 下载后切换论文丢失上下文和 LaTeX 符号难以解析的痛点；支持摘要浏览、多论文对比排序、选择性细读和会话式分析；本地缓存使重复访问秒级响应；纯 Node.js 零依赖部署。与 [[academic-historian]] 同属学术研究场景互补——前者侧重理工科论文，后者侧重人文社科；与 [[YouTube-Content-Pipeline]] 的 Research Agent 共享研究工作流设计模式。
 
 **[[Daily Reddit Digest]]**：AI Agent 驱动的 Reddit 每日精选摘要自动化——通过 [[OpenClaw]] + `reddit-readonly` skill，每日定时抓取指定 Subreddit 的热门/最新/最高赞帖子，AI 记忆用户偏好并持续优化精选规则（如排除表情包类内容）。纯读取模式，无需认证。属 [[Daily YouTube Digest]] 同款模式（定时 + AI 摘要 + 偏好学习）的 Reddit 垂直场景。