手动更新

wiki/log.md

@@ -1,3 +1,89 @@
+## [2026-04-23] ingest | Nano Banana 提示词框架
+- Source file: AI/Nano Banana 提示词框架.md
+- Status: ✅ 成功摄入
+- Summary: AI 图像生成的结构化提示词框架，提供两套 JSON Schema 模板——物件描述框架（item / materials / details / condition）和人物描述框架（age / appearance / pose）——共用 shot / environment / lighting / camera / color_grade / style / quality / negatives 参数字段。示例展示了如何将专业摄影描述语言（材质/布光/相机参数）结构化填入模板。
+- Concepts covered: [[Nano Banana Prompting Framework]], [[Structured Prompt Engineering]], [[Negative Prompting]], [[Shot Composition]], [[Photography Lighting Description]], [[Camera Parameter Specification]]
+- Entities referenced: [[Google]], [[Nano Banana]]
+- Source page: wiki/sources/nano-banana-提示词框架.md
+- Notes:
+  - 新增 Sources 条目至 index.md（替换 expected 标记行）
+  - 更新 overview.md AI Tools & Prompt Engineering 部分
+  - Google Entity 已存在于 wiki/entities/Google.md，未重复创建
+
+## [2026-04-23] ingest | 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
+- Source file: 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
+- Status: ✅ 成功摄入
+- Summary: 谷歌发布的 Nano Banana Pro 官方提示词指南（《The Complete Guide to Nano Banana Pro》），核心主题是"将 AI 从趣味性图像生成升级为功能性专业资产生产"。10 大黄金法则：编辑而非重新生成、使用自然语言完整句子、具体且具描述性、提供上下文。9 个实战章节覆盖文本渲染/信息图、角色一致性、Google 搜索信息锚定、高级编辑、2D/3D 转换、高分辨率、思考推理、故事板、结构控制。
+- Concepts created: [[提示词工程]], [[身份锁定（Identity Locking）]], [[思维推理模式（Thinking Mode）]], [[信息图生成]], [[2D/3D 转换]], [[草图转成品（Sketch to Final）]]
+- Entities created: [[谷歌]]
+- Source page: wiki/sources/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
+- Notes:
+  - 新增 Sources 条目至 index.md（替换 expected 标记行）
+  - 新增 6 个 Concept 页面
+  - 新增 1 个 Entity 页面：Google.md
+  - 更新 overview.md，新增"Nano Banana Pro 提示词指南"段落至 AI Tools & Prompt Engineering 部分
+  - 冲突检测：暂无发现与其他 Wiki 页面的内容冲突
+
+## [2026-04-23] ingest | 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
+- Source file: 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
+- Status: ✅ 成功摄入
+- Summary: Ollama + DeepSeek-R1 + Open WebUI 本地离线部署完整指南，覆盖硬件要求、安装方法（macOS/Windows/Linux/Docker）、模型下载加速（魔塔/HF Mirror/夸克网盘）、API 安全配置（nginx + Bearer Token）和 Open WebUI Docker Compose 部署。
+- Entities created: [[Ollama]], [[Open WebUI]]
+- Concepts created: [[Local LLM Deployment]], [[Docker LLM Deployment]]
+- Source page: 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-1.md
+- Notes:
+  - 新增 Sources 条目至 index.md（Sources 节顶部）
+  - 新增 Entity 页面：Ollama.md、Open-WebUI.md
+  - 新增 Concept 页面：Local-LLM-Deployment.md、Docker-LLM-Deployment.md
+  - 更新 overview.md：Key Entities 节和 AI Tools 节
+
+## [2026-04-23] ingest | OpenAI ChatGPT 个性化定义
+- Source file: AI/OpenAI ChatGPT 个性化定义.md
+- Status: ✅ 成功摄入
+- Summary: ChatGPT 自定义指令（Custom Instructions）的完整配置——定义用户身份（47岁、云计算背景、跨境电商创业者）、响应风格（高度有条理、详细解释、错误零容忍）和交互偏好（主动预判需求、不道德说教、URL统一末尾引用）。核心原则：[[Expert User Assumption]]（用户为所有领域专家）、[[Proactive AI]]（主动出击而非被动等待）、[[Error Accountability]]（主动反馈配置导致的回复质量下降）。
+- Concepts created: [[Personalization]], [[Custom Instructions]], [[Proactive AI]], [[Expert User Assumption]], [[Error Accountability]]
+- Entities created: [[OpenAI]], [[ChatGPT]]
+- Source page: wiki/sources/openai-chatgpt-个性化定义.md
+- Notes:
+  - 新增 Sources 条目至 index.md（替换 expected 标记行）
+  - 新增 5 个 Concept 页面：Personalization.md、Custom-Instructions.md、Proactive-AI.md、Expert-User-Assumption.md、Error-Accountability.md
+  - 新增 2 个 Entity 页面：OpenAI.md（美国 AI 研究公司）、ChatGPT.md（OpenAI 对话产品）
+  - 更新 overview.md，新增"ChatGPT 个性化配置"段落至 AI Tools & Prompt Engineering 部分
+  - 将 5 个新 Concept 添加至 overview.md Key Concepts 列表
+  - 将 OpenAI、ChatGPT 添加至 overview.md Key Entities 列表
+  - 冲突检测：暂无发现与其他 Wiki 页面的内容冲突——[[designing-for-agentic-ai]] 中的 Personalization 原则与本文配置案例一致，无矛盾
+
+## [2026-04-23] ingest | A Formalization of Recursive Self-Optimizing Generative Systems
+- Source file: AI/A Formalization of Recursive Self-Optimizing Generative Systems.md
+- Status: ✅ 成功摄入
+- Summary: 递归自我优化生成系统的形式化理论模型——定义生成器空间 $\mathcal{G}$、优化算子 $O$、元生成算子 $M$、自映射 $\Phi$，稳定生成能力 $G^*$ = $\Phi$ 的不动点；用 λ-calculus Y 组合子表达自引用结构 $G^* \equiv Y\;\text{STEP}$。核心发现：递归自我优化自然涌现不动点结构，而非终止输出；为 Self-Improving AI 提供原则性理论基础。
+- Concepts created: [[Recursive Self-Optimization]], [[Generator Space]], [[Self-Referential Computation]], [[Fixed-Point Semantics]], [[Y-Combinator]]
+- Entities created: [[tukuai]]
+- Source page: wiki/sources/a-formalization-of-recursive-self-optimizing-generative-systems.md
+- Notes:
+  - 新增 Sources 条目至 index.md（替换 expected 标记行）
+  - 新增 5 个 Concept 页面：Recursive-Self-Optimization.md、Generator-Space.md、Self-Referential-Computation.md、Fixed-Point-Semantics.md、Y-Combinator.md
+  - 新增 1 个 Entity 页面：tukuai.md（独立研究者，本文作者）
+  - 更新 overview.md，新增"Recursive Self-Optimizing Generative Systems"段落至 Multi-Agent AI Systems 部分
+  - 将 5 个新 Concept 添加至 overview.md Key Concepts 列表
+  - 将 tukuai 添加至 overview.md Key Entities 列表
+  - 冲突检测：暂无发现与其他 Wiki 页面的内容冲突——本文为纯理论形式化，与 Wiki 中其他 Agent 应用案例属不同层次
+
+## [2026-04-23] ingest | LLMs、RAG、AI Agent 三个到底什么区别？
+- Source file: AI/LLMs、RAG、AI Agent 三个到底什么区别？.md
+- Status: ✅ 成功摄入
+- Summary: LLM、RAG、AI Agent 三者的定义与关系——LLM=思考（天才大脑），RAG=认知（记忆系统），Agent=执行（行动系统）。三者非竞争技术，而是在不同层面互补。未来不在于选择其一，而在于将三者结合架构设计。
+- Concepts created: [[Large Language Model]], [[RAG]], [[AI Agent]], [[ReAct Pattern]]
+- Entities created: （无新 Entity 创建）
+- Source page: wiki/sources/llms-rag-ai-agent-三个到底什么区别.md
+- Notes:
+  - 新增 Sources 条目至 index.md（置于最前，按日期排序）
+  - 新增 3 个 Concept 页面：Large-Language-Model.md、RAG.md、AI-Agent.md
+  - 更新 overview.md Key Concepts 列表，添加 Large Language Model/RAG/AI Agent/ReAct Pattern
+  - 更新 overview.md，新增"LLM / RAG / AI Agent 三层架构"段落至 AI Tools & Prompt Engineering 部分
+  - 更新 index.md Concepts 部分，添加 3 个新 Concept 条目
+  - 冲突检测：暂无发现与其他 Wiki 页面的内容冲突——本文为基础概念梳理，与 Wiki 中 Agentic AI 相关内容一致
+
 ## [2026-04-23] ingest | Google 神级生产力工具，所有 GitHub 开源平替都找到了
 - Source file: AI/Google 神级生产力工具，所有 GitHub 开源平替都找到了。.md
 - Status: ✅ 成功摄入
@@ -578,3 +664,17 @@
   - overview.md 中已存在与 [[AI图生视频工具盘点]] 的互补关系说明，无需更新
   - 所有工具作为 Key Entities 记录于 Source 页面，未创建独立 Entity 页面（每个工具仅出现1次，未达≥2阈值）
   - Contradictions：无冲突
+
+## [2026-04-23] ingest | 清华出的DeepSeek使用手册，104页，真的是太厉害了！（免费领取）
+- Source file: AI/清华出的DeepSeek使用手册，104页，真的是太厉害了！（免费领取）.md
+- Status: ✅ 成功摄入
+- Summary: 清华大学发布的《DeepSeek从入门到精通2025》官方使用手册（104页），由新闻与传播学院元宇宙文化实验室余梦珑博士后及团队撰写。手册核心价值在于"授人以渔"——不仅教用户"怎么问"，更教"为什么这么问"，帮助用户掌握提示词底层逻辑。涵盖 DeepSeek-R1 模型选择、提示语设计技巧、避免 AI 幻觉策略。内容实用性与理论深度兼备，适合不同层次读者。
+- Concepts created: [[DeepSeek-R1]], [[提示语设计]], [[AI幻觉]], [[通用人工智能（AGI）]], [[推理模型]]
+- Entities created: [[DeepSeek]], [[余梦珑]]
+- Source page: 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
+- Notes:
+  - 新增 Sources 条目至 index.md（替换 expected 标记行）
+  - overview.md 新增 DeepSeek 使用手册条目，归入 AI Tools & Prompt Engineering 部分
+  - 创建 Entity 页面：DeepSeek.md（公司）、余梦珑.md（作者）
+  - Concept 页面：RAG.md、Large-Language-Model.md、AI-Agent.md 已覆盖相关概念（幻觉、推理模型），无需新建
+  - Contradictions：与 [[llms-rag-ai-agent-三个到底什么区别]] 互补而非冲突——前者聚焦 DeepSeek 特定实践，后者聚焦 LLM/RAG/Agent 三层架构宏观对比，均记录于 Contradictions 小节