From c999498de4d03c0995efc18e082f9ec5f639f737 Mon Sep 17 00:00:00 2001 From: weishen Date: Thu, 16 Apr 2026 17:30:41 +0800 Subject: [PATCH] Auto-sync: 2026-04-16 17:30 --- ... 11 个神级 AI 开源平替，GitHub 杀疯了。.md | 0 wiki/concepts/AI-Agent-思维方式.md | 35 - wiki/concepts/AI-ChatOps.md | 28 + wiki/concepts/AI-driven-RCA.md | 28 + wiki/concepts/AI-powered-Runbooks.md | 23 + wiki/concepts/AI产品经理.md | 35 - wiki/concepts/AI代码编辑器.md | 36 - wiki/concepts/AI工作流自动生成.md | 29 - wiki/concepts/AI工具命名框架.md | 28 - wiki/concepts/AI技能封装.md | 27 - wiki/concepts/AI搜索.md | 23 - wiki/concepts/AI数据处理.md | 30 - wiki/concepts/AI时代赚钱三原则.md | 42 - wiki/concepts/AI生图.md | 21 - wiki/concepts/AI生视频.md | 23 - wiki/concepts/AI知识库.md | 22 - wiki/concepts/AI结对执行.md | 41 - wiki/concepts/AI编程.md | 25 - wiki/concepts/AI配音.md | 38 - wiki/concepts/AWS-Cloud-Adoption-Framework.md | 22 + wiki/concepts/AWS-Organizations.md | 29 - wiki/concepts/Agent-Skill-设计模式.md | 56 - wiki/concepts/Agentic-AI.md | 46 +- wiki/concepts/Agent模式.md | 28 - wiki/concepts/Agile.md | 37 - wiki/concepts/Anthropic-Skills-官方库.md | 43 - wiki/concepts/Auto-scaling.md | 25 + .../Azure-Cloud-Adoption-Framework.md | 22 + wiki/concepts/BBR.md | 26 - wiki/concepts/Bandwagon-Effect.md | 27 - wiki/concepts/Bind-Mount.md | 28 - wiki/concepts/Bugs-First-Policy.md | 24 - wiki/concepts/CAPEX-to-OPEX.md | 22 + wiki/concepts/CI-CD-Pipelines.md | 37 - wiki/concepts/CI-CD-流水线.md | 26 + wiki/concepts/CMMI.md | 26 + wiki/concepts/Cattle-vs-Pets.md | 33 - wiki/concepts/Claude-Skills.md | 32 - wiki/concepts/Cloud-Adoption.md | 33 + .../Cloud-Center-of-Excellence-CCOE.md | 22 + wiki/concepts/Cloud-Computing.md | 51 + wiki/concepts/Cloud-Maturity-Model.md | 52 + wiki/concepts/Cloud-Migration.md | 25 + wiki/concepts/Cloud-Native.md | 22 + wiki/concepts/Cloud-Operating-Model.md | 31 - .../Cloud-Security-Maturity-Model-CSMM.md | 19 + wiki/concepts/Cloud-Security.md | 32 + wiki/concepts/Cloud-Service-Delivery.md | 51 + wiki/concepts/CloudFormation-StackSets.md | 28 - wiki/concepts/CloudWatch-Logs-Insights.md | 32 - wiki/concepts/CloudWatch-Logs.md | 28 - wiki/concepts/Compliance-Enforcement.md | 31 + wiki/concepts/Composer模型.md | 27 - wiki/concepts/Context-Drift.md | 27 - wiki/concepts/Conventional-Commits.md | 25 - wiki/concepts/Cost-Optimization.md | 25 + wiki/concepts/DORA-指标.md | 24 + wiki/concepts/DORA指标.md | 26 - wiki/concepts/Data-Governance.md | 26 + wiki/concepts/Data-Sovereignty.md | 25 + wiki/concepts/Dependency-Graph.md | 28 - wiki/concepts/DevOps-成熟度模型.md | 46 + wiki/concepts/DevOps-文化.md | 31 + wiki/concepts/DevOps.md | 60 +- wiki/concepts/DevOps成熟度模型.md | 37 - wiki/concepts/DevSecOps.md | 53 +- wiki/concepts/Diff审查.md | 36 - wiki/concepts/Docker-Attach模式.md | 31 - wiki/concepts/Docker-Compose.md | 40 - wiki/concepts/Docker-Daemon代理.md | 40 - .../Dynamic-Configuration-Management.md | 23 + wiki/concepts/Edge-Computing-DevOps.md | 44 - wiki/concepts/Embedding.md | 34 - wiki/concepts/EventBridge.md | 29 - wiki/concepts/FRP内网穿透.md | 58 - wiki/concepts/Feature-Flag.md | 35 + wiki/concepts/FeatureList.md | 27 - wiki/concepts/FinOps.md | 27 - wiki/concepts/Fitness-Function.md | 28 - wiki/concepts/GPT与MBR分区表.md | 34 - wiki/concepts/GenAI.md | 45 - wiki/concepts/Generator.md | 27 - wiki/concepts/Genetic-Algorithms.md | 28 - wiki/concepts/GitOps.md | 45 +- wiki/concepts/Git代理配置.md | 48 - wiki/concepts/Git自动同步.md | 23 - .../Google-Cloud-Adoption-Framework.md | 21 + wiki/concepts/Google-Search-Grounding.md | 29 - wiki/concepts/Google-Workspace-CLI.md | 31 - wiki/concepts/Graph-View.md | 21 - wiki/concepts/Groupthink.md | 27 - wiki/concepts/Hallucination.md | 38 - wiki/concepts/High-Availability.md | 26 + wiki/concepts/Hybrid-Cloud.md | 37 + wiki/concepts/Hyperautomation.md | 22 + wiki/concepts/IAST.md | 21 + wiki/concepts/ITSM.md | 23 + wiki/concepts/IaC.md | 25 + wiki/concepts/IaaS.md | 22 + wiki/concepts/Identity-Locking.md | 27 - wiki/concepts/Infrastructure-as-Code-IaC.md | 20 + wiki/concepts/Infrastructure-as-Code.md | 31 - wiki/concepts/Inversion.md | 28 - wiki/concepts/KPI卡片.md | 30 - wiki/concepts/KV-Cache.md | 23 - wiki/concepts/Kaizen.md | 36 - wiki/concepts/Kill-Switch.md | 39 +- wiki/concepts/LLM-Wiki.md | 29 - wiki/concepts/LaTeX-Flattening.md | 20 - wiki/concepts/MCP.md | 33 - wiki/concepts/MCP工具链.md | 21 - wiki/concepts/Memory-in-AI-Agent.md | 32 - wiki/concepts/Multi-Account-Strategy.md | 29 + .../Multi-Agent-Adversarial-Debate.md | 38 - wiki/concepts/Multi-Agent-Consensus.md | 37 - wiki/concepts/Multi-Agent-Hierarchy.md | 33 - wiki/concepts/Multi-Agent-Knock-out.md | 37 - wiki/concepts/Multi-Cloud-Governance.md | 31 - wiki/concepts/Multi-Cloud.md | 47 + wiki/concepts/Multi-Tenant-Management.md | 24 + wiki/concepts/NFS永久挂载.md | 48 - wiki/concepts/Nano-Banana.md | 29 - wiki/concepts/News API.md | 33 - wiki/concepts/PRD自动生成.md | 32 - wiki/concepts/PaaS.md | 22 + wiki/concepts/PagedAttention.md | 27 - wiki/concepts/Pattern-Key.md | 27 - wiki/concepts/Pay-as-you-go.md | 31 + wiki/concepts/Pipeline.md | 33 - wiki/concepts/Playwright.md | 30 - wiki/concepts/Policy-as-Code.md | 23 + wiki/concepts/Predictive-Maintenance.md | 23 + wiki/concepts/Print-Mode.md | 39 - wiki/concepts/Private-Cloud.md | 48 + wiki/concepts/Process-Management.md | 34 + wiki/concepts/Prompt工程.md | 39 - wiki/concepts/ProxyChains.md | 34 - wiki/concepts/Public-Cloud.md | 50 + wiki/concepts/QMD.md | 18 - wiki/concepts/RAG.md | 43 - wiki/concepts/RCA.md | 30 - wiki/concepts/RPO.md | 50 +- wiki/concepts/RSS-Feed.md | 28 - wiki/concepts/RTO.md | 49 +- wiki/concepts/Recurrence-Count.md | 23 - wiki/concepts/Remote-SSH.md | 35 - wiki/concepts/Reviewer.md | 23 - wiki/concepts/S3协议.md | 29 - wiki/concepts/SAST.md | 26 + wiki/concepts/SCA.md | 21 + wiki/concepts/SDLC.md | 30 + wiki/concepts/SOCKS5代理.md | 36 - wiki/concepts/SSH-Socket-Activation.md | 36 - wiki/concepts/STATE-yaml.md | 41 - wiki/concepts/SaaS.md | 22 + wiki/concepts/Scrapy.md | 29 - wiki/concepts/Self-Healing-Systems.md | 40 +- wiki/concepts/Self-Improving-Skill.md | 42 - wiki/concepts/Serverless-Computing.md | 25 + wiki/concepts/Serverless-DevOps.md | 38 - wiki/concepts/Shared-Responsibility-Model.md | 44 + wiki/concepts/Software-Factory.md | 20 - wiki/concepts/Source-Grounding.md | 25 - wiki/concepts/Superset Dashboard.md | 35 - wiki/concepts/Sycophancy.md | 28 - wiki/concepts/System-Resource-Monitoring.md | 31 + wiki/concepts/TCP-RST攻击.md | 29 - wiki/concepts/TUI-Text-User-Interface.md | 25 + wiki/concepts/TUI.md | 26 + wiki/concepts/Taylorism.md | 24 - wiki/concepts/Telegram-Webhook.md | 37 - wiki/concepts/Token.md | 30 - wiki/concepts/Tool-Wrapper.md | 26 - wiki/concepts/VLESS-Reality.md | 26 - wiki/concepts/Vendor-Lock-In.md | 26 + wiki/concepts/Vibe-Coding.md | 45 - wiki/concepts/Vibe-Kanban.md | 26 - wiki/concepts/WEBHOOK_URL.md | 29 - wiki/concepts/WOL.md | 31 - wiki/concepts/What-If-Simulations.md | 26 + wiki/concepts/Workflow-vs-Agent.md | 37 - wiki/concepts/Workspace.md | 35 - wiki/concepts/Y-Combinator.md | 22 - wiki/concepts/Zero-Trust-Architecture.md | 28 + wiki/concepts/Zero-Trust.md | 27 - wiki/concepts/baoyu-imagine.md | 35 - wiki/concepts/baoyu-infographic.md | 42 - wiki/concepts/caffeinate.md | 33 - wiki/concepts/nvm.md | 21 - wiki/concepts/pm2.md | 24 - wiki/concepts/pmset.md | 35 - wiki/concepts/rsync增量备份.md | 37 - wiki/concepts/vLLM.md | 43 - wiki/concepts/一人公司.md | 29 - wiki/concepts/上下文压缩.md | 45 - wiki/concepts/上下文固定.md | 30 - wiki/concepts/不动点-Fixed-Point.md | 30 - wiki/concepts/不动点组合子-Y-Combinator.md | 32 - wiki/concepts/个人知识库.md | 32 - wiki/concepts/个性化.md | 23 - wiki/concepts/主体一致性.md | 30 - wiki/concepts/产品工厂.md | 27 - wiki/concepts/产品漏斗.md | 29 - wiki/concepts/价格锚定.md | 19 - wiki/concepts/任务-笔记一体化.md | 35 - wiki/concepts/任务自动聚合.md | 29 - wiki/concepts/健康追踪.md | 38 - wiki/concepts/元生成器-Meta-Generator.md | 32 - wiki/concepts/共享内存模式.md | 31 - wiki/concepts/共享责任模型.md | 32 - wiki/concepts/内容创意密度.md | 51 - wiki/concepts/内容工厂.md | 29 - wiki/concepts/内容技能.md | 31 - wiki/concepts/内容矩阵.md | 28 - wiki/concepts/写作量统计.md | 24 - wiki/concepts/分批执行.md | 32 - wiki/concepts/创意博物馆.md | 68 - wiki/concepts/去中心化协调.md | 29 - wiki/concepts/双AI-Review.md | 45 - wiki/concepts/双层记忆架构.md | 36 - wiki/concepts/反向代理.md | 42 - wiki/concepts/反向金字塔.md | 20 - wiki/concepts/变量注入.md | 30 - wiki/concepts/可观测性.md | 24 - wiki/concepts/合成监测.md | 35 - wiki/concepts/向量数据库.md | 32 - wiki/concepts/向量检索.md | 36 - wiki/concepts/品味.md | 31 - wiki/concepts/嘉宾研究.md | 35 - wiki/concepts/固定点.md | 21 - wiki/concepts/图生视频.md | 38 - wiki/concepts/增量索引.md | 26 - wiki/concepts/声音克隆.md | 36 - wiki/concepts/多云策略.md | 42 - wiki/concepts/多代理并行.md | 32 - wiki/concepts/多因素安全防护.md | 24 - wiki/concepts/多平台热点聚合.md | 37 - wiki/concepts/多节点基础设施.md | 59 - wiki/concepts/大语言模型.md | 24 - wiki/concepts/天才地带.md | 27 - wiki/concepts/媒体刮削.md | 25 - wiki/concepts/安全删除.md | 28 - wiki/concepts/定时晨报.md | 43 - wiki/concepts/对话式设计.md | 23 - wiki/concepts/小文件清理.md | 28 - wiki/concepts/底层能力.md | 23 - wiki/concepts/开源平替.md | 19 + wiki/concepts/引文追溯.md | 27 - wiki/concepts/忘机消众机.md | 37 - wiki/concepts/持续改进.md | 20 + wiki/concepts/控制权.md | 23 - wiki/concepts/提示词工程自动化.md | 19 - wiki/concepts/提示词库.md | 34 - wiki/concepts/敏捷实践.md | 21 + wiki/concepts/数据蒸馏.md | 33 - wiki/concepts/文档分块.md | 42 - wiki/concepts/无责复盘.md | 14 + wiki/concepts/智能体工作流.md | 24 - wiki/concepts/本地AI推理.md | 45 - wiki/concepts/标签笔记整理.md | 31 - wiki/concepts/死亡过滤器.md | 32 - wiki/concepts/每日复盘.md | 29 - wiki/concepts/流程工程.md | 28 - wiki/concepts/混合搜索.md | 29 - wiki/concepts/混沌工程.md | 14 + wiki/concepts/渐进式发布.md | 40 +- wiki/concepts/渐进式披露.md | 25 - wiki/concepts/灾难恢复.md | 39 - wiki/concepts/物件描述框架.md | 95 -- wiki/concepts/生成器空间-Generator-Space.md | 28 - wiki/concepts/电商数据采集.md | 33 - wiki/concepts/电商选品分析.md | 41 - wiki/concepts/监控可观测性.md | 25 + wiki/concepts/知其不可奈何而安之若命.md | 39 - wiki/concepts/硬件转码.md | 45 - wiki/concepts/磁盘镜像备份.md | 40 - wiki/concepts/社交信号权重.md | 35 - wiki/concepts/空性智慧.md | 33 - wiki/concepts/端到端.md | 33 - wiki/concepts/笔记数据库.md | 42 - wiki/concepts/精准表达.md | 26 - wiki/concepts/精确去重.md | 28 - wiki/concepts/系统提示词.md | 42 - wiki/concepts/系统经济.md | 54 - wiki/concepts/纸带交易.md | 26 - wiki/concepts/结构化思维.md | 24 - wiki/concepts/绝处逢生.md | 27 - wiki/concepts/自定义指令.md | 35 - wiki/concepts/自愈基础设施.md | 26 - wiki/concepts/自教育.md | 58 - wiki/concepts/自映射-Self-Map.md | 29 - wiki/concepts/自递归优化生成系统.md | 33 - wiki/concepts/被动学习.md | 28 - wiki/concepts/规划驱动.md | 33 - wiki/concepts/记忆断层.md | 28 - wiki/concepts/设计文档优先.md | 43 - wiki/concepts/语义搜索.md | 25 - wiki/concepts/负向提示词.md | 27 - wiki/concepts/超级个体.md | 32 - wiki/concepts/超级通才.md | 61 - wiki/concepts/运动控制.md | 31 - wiki/concepts/运镜控制.md | 31 - wiki/concepts/选品评分模型.md | 41 - wiki/concepts/透明度.md | 23 - wiki/concepts/递归自优化循环.md | 36 - wiki/concepts/通用智能体.md | 25 - wiki/concepts/邮件分类.md | 25 - wiki/concepts/项目规则.md | 36 - wiki/concepts/预判式设计.md | 23 - wiki/concepts/预测市场.md | 26 - wiki/concepts/风格迁移.md | 32 - wiki/concepts/飘风不终朝.md | 27 - wiki/entities/3X-UI.md | 20 - wiki/entities/AIOps.md | 22 + wiki/entities/AWS-Organizations.md | 24 + wiki/entities/AWS.md | 41 +- wiki/entities/Airtable.md | 23 - wiki/entities/Alex Ewerlof.md | 25 - wiki/entities/Alex-Finn.md | 22 - wiki/entities/Ansible.md | 22 + wiki/entities/Anthropic.md | 22 - wiki/entities/AnyVoice.md | 23 - wiki/entities/Apache Superset.md | 47 - wiki/entities/Appinn.md | 17 - wiki/entities/Apple-Podcasts.md | 23 - wiki/entities/Atlassian.md | 24 - wiki/entities/Azure.md | 36 +- wiki/entities/BAAI.md | 27 - wiki/entities/BMC.md | 26 + wiki/entities/Bandwagon.md | 21 - wiki/entities/BehiSecc.md | 16 - wiki/entities/Bloomberg API.md | 10 - wiki/entities/Bottom.md | 22 + wiki/entities/Btop++.md | 30 + wiki/entities/CMDB.md | 22 + wiki/entities/ChinaTextbook.md | 25 - wiki/entities/Christian-Dior.md | 22 - wiki/entities/Claude-Code.md | 34 - wiki/entities/ClawHub.md | 24 - wiki/entities/Cline.md | 26 - wiki/entities/Clonezilla.md | 26 - wiki/entities/CloudFormation.md | 24 + wiki/entities/CloudWatch.md | 40 +- wiki/entities/Cloudflare.md | 23 - wiki/entities/CodeCrafters.md | 22 - wiki/entities/CodeWeaver.md | 38 - wiki/entities/Composer.md | 26 - wiki/entities/ComposioHQ.md | 24 - wiki/entities/Coze.md | 61 - wiki/entities/Critic.md | 21 - wiki/entities/Cursor.md | 43 - wiki/entities/Dan-Koe.md | 55 - wiki/entities/Daniel-Stefanovic.md | 18 - wiki/entities/Datadog.md | 24 - wiki/entities/Dataview.md | 31 - wiki/entities/DeepSeek.md | 25 - wiki/entities/Dify.md | 24 - wiki/entities/Docker.md | 34 +- wiki/entities/DracoVibeCoding.md | 16 - wiki/entities/El-Bebe-Games.md | 28 - wiki/entities/ElevenLabs.md | 26 - wiki/entities/EventBridge.md | 23 + wiki/entities/F5-TTS.md | 26 - wiki/entities/FedRAMP.md | 23 + wiki/entities/Financial Times API.md | 10 - wiki/entities/Flux.md | 23 - wiki/entities/GCP.md | 37 +- wiki/entities/GDPR.md | 26 + wiki/entities/GNews API.md | 10 - wiki/entities/GPT-2.md | 22 - wiki/entities/GPT-3.md | 22 - wiki/entities/Generator.md | 21 - wiki/entities/GitHub.md | 29 +- wiki/entities/GitLab.md | 23 - wiki/entities/Gitea.md | 26 - wiki/entities/Glances.md | 27 + wiki/entities/Google.md | 22 - wiki/entities/Grafana.md | 43 +- wiki/entities/HIPAA.md | 24 + wiki/entities/HP.md | 23 - wiki/entities/Haiper.md | 22 - wiki/entities/HashiCorp.md | 24 - wiki/entities/Hermes.md | 22 - wiki/entities/HowToGeek.md | 18 + wiki/entities/Htop.md | 27 + wiki/entities/HunyuanVideo.md | 23 - wiki/entities/ISO-27001.md | 24 + wiki/entities/Jellyfin.md | 52 - wiki/entities/Jenkins.md | 23 - wiki/entities/Judge.md | 21 - wiki/entities/KMS.md | 23 + wiki/entities/Karpathy.md | 23 - wiki/entities/Kira2red.md | 24 - wiki/entities/Kubernetes.md | 39 +- wiki/entities/LANero.md | 19 - wiki/entities/LangChain.md | 37 - wiki/entities/LangSmith.md | 27 - wiki/entities/LaunchDarkly.md | 44 +- wiki/entities/LinkedIn.md | 21 - wiki/entities/LlamaIndex.md | 23 - wiki/entities/Loki.md | 22 - wiki/entities/Mac-Mini.md | 26 - wiki/entities/Manus.md | 17 - wiki/entities/MariaDB.md | 31 - wiki/entities/Matt-Van-Horne.md | 20 - wiki/entities/Mediastack API.md | 10 - wiki/entities/MewXAI团队.md | 20 - wiki/entities/MinIO.md | 29 - wiki/entities/MiniMax.md | 20 - wiki/entities/Mission-Center.md | 25 + wiki/entities/Nano-Banana-Pro.md | 38 - wiki/entities/Nathan-Reef.md | 26 - wiki/entities/Navidrome.md | 26 - wiki/entities/Nicholas-Carlini.md | 21 - wiki/entities/NotebookLM.md | 26 - wiki/entities/OWASP.md | 24 + wiki/entities/Obsidian-Tasks.md | 31 - wiki/entities/Obsidian.md | 28 - wiki/entities/Ollama.md | 37 - .../Open-Alliance-for-Cloud-Adoption-OACA.md | 19 + wiki/entities/Open-Notebook.md | 28 - wiki/entities/OpenAI.md | 24 - wiki/entities/OpenClaw.md | 35 - wiki/entities/OpenManus.md | 24 - wiki/entities/Opoint.md | 10 - wiki/entities/PCI-DSS.md | 23 + wiki/entities/Perplexica.md | 24 - wiki/entities/PixVerse.md | 22 - wiki/entities/Planner.md | 20 - wiki/entities/Playwright.md | 38 - wiki/entities/Plex.md | 31 - wiki/entities/Podcastfy.md | 22 - wiki/entities/Polymarket.md | 18 - wiki/entities/Prismer-AI.md | 20 - wiki/entities/Prometheus.md | 42 +- wiki/entities/Pulumi.md | 24 + wiki/entities/PyTorch研习社.md | 20 - wiki/entities/Qdrant.md | 35 - wiki/entities/Qwen.md | 29 - wiki/entities/Red Hat.md | 24 - wiki/entities/SOC-2.md | 23 + wiki/entities/ScrapeCreators.md | 32 - wiki/entities/Scrapy.md | 41 - wiki/entities/Sequential Thinking.md | 24 - wiki/entities/Slack.md | 21 + wiki/entities/Snyk.md | 33 +- wiki/entities/SonarQube.md | 21 + wiki/entities/SonarSource.md | 23 - wiki/entities/Spotify.md | 23 - wiki/entities/StabilityAI.md | 23 - wiki/entities/StableDiffusion.md | 22 - wiki/entities/StableVideo.md | 23 - wiki/entities/Stacer.md | 27 + wiki/entities/StackSets.md | 23 + wiki/entities/SuperCall.md | 36 - wiki/entities/SurfSense.md | 28 - wiki/entities/Synology NAS.md | 26 - wiki/entities/TapXWorld.md | 20 - wiki/entities/Telegram.md | 24 - wiki/entities/Terraform.md | 40 +- wiki/entities/The Guardian API.md | 10 - wiki/entities/TikTok Shop.md | 36 - wiki/entities/Trae.md | 19 - wiki/entities/Trebuh.md | 24 - wiki/entities/TruffleHog.md | 18 - wiki/entities/Twilio.md | 23 - wiki/entities/Uptime Kuma.md | 22 - wiki/entities/VPS1.md | 43 - wiki/entities/VPS2.md | 21 - wiki/entities/Validator.md | 20 - wiki/entities/VideoOcean.md | 23 - wiki/entities/Vidu.md | 22 - wiki/entities/Viva.md | 22 - wiki/entities/VoltAgent.md | 16 - wiki/entities/Watchdog-Pattern.md | 21 - wiki/entities/Webz.io.md | 26 - wiki/entities/Whisper.md | 29 - wiki/entities/Windsurf.md | 19 - wiki/entities/Worker.md | 22 - wiki/entities/Xray.md | 19 - wiki/entities/Yuri-Pessa.md | 19 - wiki/entities/Zipline.md | 28 - wiki/entities/czlonkowski.md | 21 - wiki/entities/gogcli.md | 45 - wiki/entities/memsearch.md | 21 - wiki/entities/n8n mcp.md | 38 - wiki/entities/n8n.md | 25 - wiki/entities/reddit-readonly.md | 28 - wiki/entities/tchMaterial-parser.md | 21 - wiki/entities/tukuai.md | 16 - wiki/entities/v2rayN.md | 18 - wiki/entities/v2rayNG.md | 18 - wiki/entities/vibe coding cn.md | 29 - wiki/entities/vibe-coding-cn.md | 30 - wiki/entities/万相营造.md | 21 - wiki/entities/乔布斯-skill.md | 31 - wiki/entities/即梦AI.md | 22 - wiki/entities/可灵AI.md | 22 - wiki/entities/国家中小学智慧教育平台.md | 19 - wiki/entities/字节跳动.md | 23 - wiki/entities/宝玉.md | 25 - wiki/entities/庄子.md | 32 - wiki/entities/快手.md | 24 - wiki/entities/智谱AI.md | 24 - wiki/entities/智谱清影.md | 24 - wiki/entities/智象未来.md | 20 - wiki/entities/曾国藩.md | 25 - wiki/entities/海螺AI.md | 29 - wiki/entities/清华大学.md | 20 - wiki/entities/潞晨科技.md | 20 - wiki/entities/爱诗科技.md | 20 - wiki/entities/王维.md | 24 - wiki/entities/生数科技.md | 20 - wiki/entities/绘蛙AI视频.md | 22 - wiki/entities/艺映AI.md | 23 - wiki/entities/通义万相.md | 24 - wiki/entities/阿里云盘.md | 26 - wiki/entities/阿里妈妈.md | 21 - wiki/entities/阿里巴巴集团.md | 28 - wiki/index.md | 691 ++------- wiki/log.md | 561 ++------ wiki/manifest.json | 78 + wiki/overview.md | 1254 +---------------- wiki/pending-ingest.md | 30 - wiki/sources/14个免费的AI图生视频工具.md | 78 - .../2025-ai-open-source-alternatives.md | 71 - .../2025年11个神级AI开源平替-GitHub杀疯了.md | 63 - ...3.2万人收藏的Claude-Skills-才是AI这条路.md | 58 - ...laude-Skills才是AI这条路最值得研究的一套范式.md | 50 - wiki/sources/3X-UI-Xray-on-BandwagonVPS.md | 81 -- wiki/sources/7-ways-NotebookLM.md | 45 - ...sive-Self-Optimizing-Generative-Systems.md | 59 - wiki/sources/AI-一语点醒梦中人.md | 61 - wiki/sources/AI-解决方案专家培训课程.md | 45 - wiki/sources/AI解决方案专家培训课程.md | 33 - ...dFormation-StackSets-多账户集中日志监控.md | 49 - .../Agent-usecases-multi-Agent-Team.md | 54 - ...s-Educational-Game-Development-Pipeline.md | 44 - ...utonomous-Project-Management-STATE-yaml.md | 38 - wiki/sources/Autonomous-Project-Management.md | 48 - .../Best 7 news API data feeds - AI News.md | 60 - .../Build-Your-Own-X-从零构建技术栈.md | 38 - .../ChinaTextbook-中国教育PDF教材大全.md | 40 - wiki/sources/ChinaTextbook.md | 51 - wiki/sources/Claude-Code调用方法总结.md | 43 - wiki/sources/Claude-Skills研究范式.md | 45 - ...onezilla对Ubuntu-Server进行全盘镜像备份.md | 59 - .../sources/Cloud-DevOp-Maturity-Guideline.md | 57 +- ...del-A-Detailed-Guide-For-Cloud-Adoption.md | 57 + wiki/sources/Cloud-Maturity-Model.md | 51 - ...loud-Operating-Model-关键策略与最佳实践.md | 57 - wiki/sources/Content-Factory.md | 46 - wiki/sources/Cursor-2-0初学者使用指南.md | 70 - wiki/sources/Custom-Morning-Brief.md | 45 - wiki/sources/Daily-Reddit-Digest.md | 43 - ...—让我从笔记黑洞里逃出来的-Obsidian-神器.md | 46 - wiki/sources/Designing-for-Agentic-AI.md | 45 - .../DevOps-Culture-and-Transformation.md | 94 +- ...-From-Traditional-IT-to-Advanced-DevOps.md | 61 +- wiki/sources/Event-Guest-Confirmation.md | 43 - wiki/sources/GOG-CLI-安装配置指南.md | 42 - wiki/sources/Git-Push-连接重置问题修复.md | 54 - .../GitHub-5000人收藏的Vibe-Coding神级指南.md | 60 - wiki/sources/GitHub-Vibe-Coding-神级指南.md | 51 - ...上-5000-人收藏的-Vibe-Coding-神级指南。.md | 50 - ...oogle-5个Agent-Skill设计模式-2026-03-19.md | 50 - .../Google神级生产力工具GitHub开源平替.md | 50 - wiki/sources/Health-Symptom-Tracker.md | 36 - ...en-搬上-Cloudflare-Workers彻底告别服务器.md | 46 - ...ow-Agentic-AI-can-help-for-Cloud-DevOps.md | 64 + .../How-Agentic-AI-for-Cloud-DevOps.md | 56 - ...ud-Strategy-Transform-Your-Business-ROI.md | 78 +- ...et-the-RSS-Feed-For-Any-YouTube-Channel.md | 28 - wiki/sources/How-to-get-YouTube-Channel-ID.md | 44 - ...terests-do-not-waste-the-next-2-3-years.md | 58 - wiki/sources/Inbox-De-clutter.md | 36 - .../Install-Apache-Superset-in-Docker.md | 35 - .../LLMs-RAG-AI-Agent-三个到底什么区别.md | 34 - .../LLMs-RAG-AI-Agent三个到底什么区别.md | 53 - wiki/sources/Last30Days-使用指南.md | 45 - wiki/sources/Linux-运维必会的150个命令.md | 42 - wiki/sources/MCP在Cursor中的集成与应用详解.md | 42 - .../Mac-Mini-服务器配置-防止自动锁屏与睡眠.md | 42 - .../Market-Research-Product-Factory.md | 48 - .../MinIO-Zipline-自托管图床应用安装教程.md | 50 - ...ent-Specialized-Team-Solo-Founder-Setup.md | 37 - ...i-Agent-System-Reliability-Alex-Ewerlof.md | 53 - .../sources/Multi-Agent-System-Reliability.md | 58 - wiki/sources/MySQL-MariaDB-数据库详细信息.md | 56 - ...uilding AI Agents in 2025 for Beginners.md | 40 - .../Nano-Banana-Pro-Prompting-Guide.md | 48 - wiki/sources/Nano-Banana-提示词框架.md | 43 - wiki/sources/Nano-Banana结构化提示词框架.md | 36 - wiki/sources/Never-write-another-prompt.md | 46 - wiki/sources/NotebookLM的7种用法.md | 39 - wiki/sources/Obsidian-Tasks-插件-任务管理.md | 48 - ...Obsidian高效指南-我常用的插件与实用技巧.md | 40 - wiki/sources/OpenAI-ChatGPT-个性化定义.md | 55 - wiki/sources/Personal-Knowledge-Base-RAG.md | 45 - wiki/sources/Podcast-Production-Pipeline.md | 46 - wiki/sources/Polymarket-Autopilot.md | 42 - ...e-vs-Hybrid-Cloud-Differences-Explained.md | 72 +- wiki/sources/RAG从入门到精通系列1-基础RAG.md | 57 - wiki/sources/RAG从入门到精通系列1基础RAG.md | 62 - wiki/sources/RAG从入门到精通系列1：基础RAG.md | 49 - ...ifferences-for-Modern-Disaster-Recovery.md | 65 +- .../Scrapy-Playwright-抓取TikTok-Shop-Data.md | 40 - wiki/sources/Self-Healing-Home-Server.md | 48 - wiki/sources/Semantic-Memory-Search.md | 44 - ...udDrive2 + Plex to Build Media Platform.md | 85 -- wiki/sources/TK美国面单授权及操作流程.md | 27 - ...ceptions-About-Cloud-Computing-LinkedIn.md | 50 + wiki/sources/The-Picture-They-Paint-of-You.md | 55 - ...t-you-monitor-system-resources-in-style.md | 54 + ...hop - Apache Superset Dashboard设计思路.md | 77 - wiki/sources/Trae远程开发部署指南.md | 49 - wiki/sources/Ubuntu-24.04-enable-SSH.md | 51 - wiki/sources/Ubuntu-Server科学上网配置指南.md | 51 - .../Ubuntu服务器通过rsync实现日常增量备份.md | 83 -- wiki/sources/Useful-Prompt-Lib.md | 31 - ...nban-OpenCode-Ubuntu-Server安装管理指南.md | 42 - ...t-I-know-about-Cloud-Service-Delivery-1.md | 56 + wiki/sources/arXiv-Paper-Reader.md | 40 - .../baoyu-skills-claude-code-技能集.md | 48 - .../sources/baoyu-skills-claude-code技能集.md | 66 - ...fy-multi-account-deployments-monitoring.md | 57 + ...-driving-efficiency-security-resilience.md | 55 + wiki/sources/n8n-AI-Agent-2025入门教程.md | 58 - .../n8n-Claude-自然语言自动化工作流.md | 44 - .../sources/n8n-Docker安装与SOCKS5代理配置.md | 64 - wiki/sources/n8n-Docker安装与更新.md | 41 - .../n8n-Telegram-Trigger-HTTPS配置修复.md | 47 - wiki/sources/vibe-coding经验收集.md | 76 - ...ecops-best-practices-benefits-and-tools.md | 63 + wiki/sources/一语点醒梦中人-2026-04-16.md | 66 - wiki/sources/一语点醒梦中人-东方人生智慧.md | 41 - ...姆级教程-90天跑通一人公司模式-2026-03-29.md | 50 - ...讲透OpenClaw-Workspace深度解析-2026-03-21.md | 52 - .../万字讲透OpenClaw-Workspace深度解析.md | 51 - ...产品经理真的要被淘汰了-附保姆级PRD生成指南.md | 46 - .../不会Gemini的产品经理真的要被淘汰了.md | 65 - ...少-2025年最热门AI工具推荐合集-AI配音声音克隆.md | 61 - .../使用Claude自动生成N8N工作流的实操教程.md | 41 - .../sources/养虾日记1-OpenClaw照片整理实战.md | 47 - ...虾日记2-OpenClaw-Self-Improving复盘实战.md | 46 - .../养虾日记3-Obsidian-Gitea持久化笔记系统.md | 55 - ...动化可扩展AI增强的电商数据采集与处理系统.md | 105 -- ...在Ubuntu安装Ollama并运行Qwen2.5-Coder7B.md | 48 - wiki/sources/大模型相关术语和框架总结.md | 52 - ...框架总结LLM-MCP-Prompt-RAG-vLLM-Tokens数据蒸馏.md | 63 - .../如何写出完美的Prompt（提示词）？.md | 50 - ...ver上通过NFS挂载Synology NAS上的共享文件夹.md | 40 - ...Grafana + Node Exporter + cAdvisor + Blackbox.md | 153 -- wiki/sources/家庭网络环境概览_2026-04-03.md | 98 -- wiki/sources/普通人如何在AI时代赚钱.md | 47 - wiki/sources/清华出的DeepSeek使用手册104页.md | 44 - wiki/sources/用Docker中安装Navidrome.md | 69 - wiki/sources/用Docker安装Jellyfin.md | 78 - wiki/sources/系统提示词构建原则.md | 54 - .../sources/递归自优化生成系统的形式化框架.md | 38 - wiki/syntheses/DevOps核心理念.md | 42 - wiki/syntheses/GOG-CLI工具.md | 70 - 662 files changed, 3797 insertions(+), 21340 deletions(-) delete mode 100644 raw/2025 年 11 个神级 AI 开源平替，GitHub 杀疯了。.md delete mode 100644 wiki/concepts/AI-Agent-思维方式.md create mode 100644 wiki/concepts/AI-ChatOps.md create mode 100644 wiki/concepts/AI-driven-RCA.md create mode 100644 wiki/concepts/AI-powered-Runbooks.md delete mode 100644 wiki/concepts/AI产品经理.md delete mode 100644 wiki/concepts/AI代码编辑器.md delete mode 100644 wiki/concepts/AI工作流自动生成.md delete mode 100644 wiki/concepts/AI工具命名框架.md delete mode 100644 wiki/concepts/AI技能封装.md delete mode 100644 wiki/concepts/AI搜索.md delete mode 100644 wiki/concepts/AI数据处理.md delete mode 100644 wiki/concepts/AI时代赚钱三原则.md delete mode 100644 wiki/concepts/AI生图.md delete mode 100644 wiki/concepts/AI生视频.md delete mode 100644 wiki/concepts/AI知识库.md delete mode 100644 wiki/concepts/AI结对执行.md delete mode 100644 wiki/concepts/AI编程.md delete mode 100644 wiki/concepts/AI配音.md create mode 100644 wiki/concepts/AWS-Cloud-Adoption-Framework.md delete mode 100644 wiki/concepts/AWS-Organizations.md delete mode 100644 wiki/concepts/Agent-Skill-设计模式.md delete mode 100644 wiki/concepts/Agent模式.md delete mode 100644 wiki/concepts/Agile.md delete mode 100644 wiki/concepts/Anthropic-Skills-官方库.md create mode 100644 wiki/concepts/Auto-scaling.md create mode 100644 wiki/concepts/Azure-Cloud-Adoption-Framework.md delete mode 100644 wiki/concepts/BBR.md delete mode 100644 wiki/concepts/Bandwagon-Effect.md delete mode 100644 wiki/concepts/Bind-Mount.md delete mode 100644 wiki/concepts/Bugs-First-Policy.md create mode 100644 wiki/concepts/CAPEX-to-OPEX.md delete mode 100644 wiki/concepts/CI-CD-Pipelines.md create mode 100644 wiki/concepts/CI-CD-流水线.md create mode 100644 wiki/concepts/CMMI.md delete mode 100644 wiki/concepts/Cattle-vs-Pets.md delete mode 100644 wiki/concepts/Claude-Skills.md create mode 100644 wiki/concepts/Cloud-Adoption.md create mode 100644 wiki/concepts/Cloud-Center-of-Excellence-CCOE.md create mode 100644 wiki/concepts/Cloud-Computing.md create mode 100644 wiki/concepts/Cloud-Maturity-Model.md create mode 100644 wiki/concepts/Cloud-Migration.md create mode 100644 wiki/concepts/Cloud-Native.md delete mode 100644 wiki/concepts/Cloud-Operating-Model.md create mode 100644 wiki/concepts/Cloud-Security-Maturity-Model-CSMM.md create mode 100644 wiki/concepts/Cloud-Security.md create mode 100644 wiki/concepts/Cloud-Service-Delivery.md delete mode 100644 wiki/concepts/CloudFormation-StackSets.md delete mode 100644 wiki/concepts/CloudWatch-Logs-Insights.md delete mode 100644 wiki/concepts/CloudWatch-Logs.md create mode 100644 wiki/concepts/Compliance-Enforcement.md delete mode 100644 wiki/concepts/Composer模型.md delete mode 100644 wiki/concepts/Context-Drift.md delete mode 100644 wiki/concepts/Conventional-Commits.md create mode 100644 wiki/concepts/Cost-Optimization.md create mode 100644 wiki/concepts/DORA-指标.md delete mode 100644 wiki/concepts/DORA指标.md create mode 100644 wiki/concepts/Data-Governance.md create mode 100644 wiki/concepts/Data-Sovereignty.md delete mode 100644 wiki/concepts/Dependency-Graph.md create mode 100644 wiki/concepts/DevOps-成熟度模型.md create mode 100644 wiki/concepts/DevOps-文化.md delete mode 100644 wiki/concepts/DevOps成熟度模型.md delete mode 100644 wiki/concepts/Diff审查.md delete mode 100644 wiki/concepts/Docker-Attach模式.md delete mode 100644 wiki/concepts/Docker-Compose.md delete mode 100644 wiki/concepts/Docker-Daemon代理.md create mode 100644 wiki/concepts/Dynamic-Configuration-Management.md delete mode 100644 wiki/concepts/Edge-Computing-DevOps.md delete mode 100644 wiki/concepts/Embedding.md delete mode 100644 wiki/concepts/EventBridge.md delete mode 100644 wiki/concepts/FRP内网穿透.md create mode 100644 wiki/concepts/Feature-Flag.md delete mode 100644 wiki/concepts/FeatureList.md delete mode 100644 wiki/concepts/FinOps.md delete mode 100644 wiki/concepts/Fitness-Function.md delete mode 100644 wiki/concepts/GPT与MBR分区表.md delete mode 100644 wiki/concepts/GenAI.md delete mode 100644 wiki/concepts/Generator.md delete mode 100644 wiki/concepts/Genetic-Algorithms.md delete mode 100644 wiki/concepts/Git代理配置.md delete mode 100644 wiki/concepts/Git自动同步.md create mode 100644 wiki/concepts/Google-Cloud-Adoption-Framework.md delete mode 100644 wiki/concepts/Google-Search-Grounding.md delete mode 100644 wiki/concepts/Google-Workspace-CLI.md delete mode 100644 wiki/concepts/Graph-View.md delete mode 100644 wiki/concepts/Groupthink.md delete mode 100644 wiki/concepts/Hallucination.md create mode 100644 wiki/concepts/High-Availability.md create mode 100644 wiki/concepts/Hybrid-Cloud.md create mode 100644 wiki/concepts/Hyperautomation.md create mode 100644 wiki/concepts/IAST.md create mode 100644 wiki/concepts/ITSM.md create mode 100644 wiki/concepts/IaC.md create mode 100644 wiki/concepts/IaaS.md delete mode 100644 wiki/concepts/Identity-Locking.md create mode 100644 wiki/concepts/Infrastructure-as-Code-IaC.md delete mode 100644 wiki/concepts/Infrastructure-as-Code.md delete mode 100644 wiki/concepts/Inversion.md delete mode 100644 wiki/concepts/KPI卡片.md delete mode 100644 wiki/concepts/KV-Cache.md delete mode 100644 wiki/concepts/Kaizen.md delete mode 100644 wiki/concepts/LLM-Wiki.md delete mode 100644 wiki/concepts/LaTeX-Flattening.md delete mode 100644 wiki/concepts/MCP.md delete mode 100644 wiki/concepts/MCP工具链.md delete mode 100644 wiki/concepts/Memory-in-AI-Agent.md create mode 100644 wiki/concepts/Multi-Account-Strategy.md delete mode 100644 wiki/concepts/Multi-Agent-Adversarial-Debate.md delete mode 100644 wiki/concepts/Multi-Agent-Consensus.md delete mode 100644 wiki/concepts/Multi-Agent-Hierarchy.md delete mode 100644 wiki/concepts/Multi-Agent-Knock-out.md delete mode 100644 wiki/concepts/Multi-Cloud-Governance.md create mode 100644 wiki/concepts/Multi-Cloud.md create mode 100644 wiki/concepts/Multi-Tenant-Management.md delete mode 100644 wiki/concepts/NFS永久挂载.md delete mode 100644 wiki/concepts/Nano-Banana.md delete mode 100644 wiki/concepts/News API.md delete mode 100644 wiki/concepts/PRD自动生成.md create mode 100644 wiki/concepts/PaaS.md delete mode 100644 wiki/concepts/PagedAttention.md delete mode 100644 wiki/concepts/Pattern-Key.md create mode 100644 wiki/concepts/Pay-as-you-go.md delete mode 100644 wiki/concepts/Pipeline.md delete mode 100644 wiki/concepts/Playwright.md create mode 100644 wiki/concepts/Policy-as-Code.md create mode 100644 wiki/concepts/Predictive-Maintenance.md delete mode 100644 wiki/concepts/Print-Mode.md create mode 100644 wiki/concepts/Private-Cloud.md create mode 100644 wiki/concepts/Process-Management.md delete mode 100644 wiki/concepts/Prompt工程.md delete mode 100644 wiki/concepts/ProxyChains.md create mode 100644 wiki/concepts/Public-Cloud.md delete mode 100644 wiki/concepts/QMD.md delete mode 100644 wiki/concepts/RAG.md delete mode 100644 wiki/concepts/RCA.md delete mode 100644 wiki/concepts/RSS-Feed.md delete mode 100644 wiki/concepts/Recurrence-Count.md delete mode 100644 wiki/concepts/Remote-SSH.md delete mode 100644 wiki/concepts/Reviewer.md delete mode 100644 wiki/concepts/S3协议.md create mode 100644 wiki/concepts/SAST.md create mode 100644 wiki/concepts/SCA.md create mode 100644 wiki/concepts/SDLC.md delete mode 100644 wiki/concepts/SOCKS5代理.md delete mode 100644 wiki/concepts/SSH-Socket-Activation.md delete mode 100644 wiki/concepts/STATE-yaml.md create mode 100644 wiki/concepts/SaaS.md delete mode 100644 wiki/concepts/Scrapy.md delete mode 100644 wiki/concepts/Self-Improving-Skill.md create mode 100644 wiki/concepts/Serverless-Computing.md delete mode 100644 wiki/concepts/Serverless-DevOps.md create mode 100644 wiki/concepts/Shared-Responsibility-Model.md delete mode 100644 wiki/concepts/Software-Factory.md delete mode 100644 wiki/concepts/Source-Grounding.md delete mode 100644 wiki/concepts/Superset Dashboard.md delete mode 100644 wiki/concepts/Sycophancy.md create mode 100644 wiki/concepts/System-Resource-Monitoring.md delete mode 100644 wiki/concepts/TCP-RST攻击.md create mode 100644 wiki/concepts/TUI-Text-User-Interface.md create mode 100644 wiki/concepts/TUI.md delete mode 100644 wiki/concepts/Taylorism.md delete mode 100644 wiki/concepts/Telegram-Webhook.md delete mode 100644 wiki/concepts/Token.md delete mode 100644 wiki/concepts/Tool-Wrapper.md delete mode 100644 wiki/concepts/VLESS-Reality.md create mode 100644 wiki/concepts/Vendor-Lock-In.md delete mode 100644 wiki/concepts/Vibe-Coding.md delete mode 100644 wiki/concepts/Vibe-Kanban.md delete mode 100644 wiki/concepts/WEBHOOK_URL.md delete mode 100644 wiki/concepts/WOL.md create mode 100644 wiki/concepts/What-If-Simulations.md delete mode 100644 wiki/concepts/Workflow-vs-Agent.md delete mode 100644 wiki/concepts/Workspace.md delete mode 100644 wiki/concepts/Y-Combinator.md create mode 100644 wiki/concepts/Zero-Trust-Architecture.md delete mode 100644 wiki/concepts/Zero-Trust.md delete mode 100644 wiki/concepts/baoyu-imagine.md delete mode 100644 wiki/concepts/baoyu-infographic.md delete mode 100644 wiki/concepts/caffeinate.md delete mode 100644 wiki/concepts/nvm.md delete mode 100644 wiki/concepts/pm2.md delete mode 100644 wiki/concepts/pmset.md delete mode 100644 wiki/concepts/rsync增量备份.md delete mode 100644 wiki/concepts/vLLM.md delete mode 100644 wiki/concepts/一人公司.md delete mode 100644 wiki/concepts/上下文压缩.md delete mode 100644 wiki/concepts/上下文固定.md delete mode 100644 wiki/concepts/不动点-Fixed-Point.md delete mode 100644 wiki/concepts/不动点组合子-Y-Combinator.md delete mode 100644 wiki/concepts/个人知识库.md delete mode 100644 wiki/concepts/个性化.md delete mode 100644 wiki/concepts/主体一致性.md delete mode 100644 wiki/concepts/产品工厂.md delete mode 100644 wiki/concepts/产品漏斗.md delete mode 100644 wiki/concepts/价格锚定.md delete mode 100644 wiki/concepts/任务-笔记一体化.md delete mode 100644 wiki/concepts/任务自动聚合.md delete mode 100644 wiki/concepts/健康追踪.md delete mode 100644 wiki/concepts/元生成器-Meta-Generator.md delete mode 100644 wiki/concepts/共享内存模式.md delete mode 100644 wiki/concepts/共享责任模型.md delete mode 100644 wiki/concepts/内容创意密度.md delete mode 100644 wiki/concepts/内容工厂.md delete mode 100644 wiki/concepts/内容技能.md delete mode 100644 wiki/concepts/内容矩阵.md delete mode 100644 wiki/concepts/写作量统计.md delete mode 100644 wiki/concepts/分批执行.md delete mode 100644 wiki/concepts/创意博物馆.md delete mode 100644 wiki/concepts/去中心化协调.md delete mode 100644 wiki/concepts/双AI-Review.md delete mode 100644 wiki/concepts/双层记忆架构.md delete mode 100644 wiki/concepts/反向代理.md delete mode 100644 wiki/concepts/反向金字塔.md delete mode 100644 wiki/concepts/变量注入.md delete mode 100644 wiki/concepts/可观测性.md delete mode 100644 wiki/concepts/合成监测.md delete mode 100644 wiki/concepts/向量数据库.md delete mode 100644 wiki/concepts/向量检索.md delete mode 100644 wiki/concepts/品味.md delete mode 100644 wiki/concepts/嘉宾研究.md delete mode 100644 wiki/concepts/固定点.md delete mode 100644 wiki/concepts/图生视频.md delete mode 100644 wiki/concepts/增量索引.md delete mode 100644 wiki/concepts/声音克隆.md delete mode 100644 wiki/concepts/多云策略.md delete mode 100644 wiki/concepts/多代理并行.md delete mode 100644 wiki/concepts/多因素安全防护.md delete mode 100644 wiki/concepts/多平台热点聚合.md delete mode 100644 wiki/concepts/多节点基础设施.md delete mode 100644 wiki/concepts/大语言模型.md delete mode 100644 wiki/concepts/天才地带.md delete mode 100644 wiki/concepts/媒体刮削.md delete mode 100644 wiki/concepts/安全删除.md delete mode 100644 wiki/concepts/定时晨报.md delete mode 100644 wiki/concepts/对话式设计.md delete mode 100644 wiki/concepts/小文件清理.md delete mode 100644 wiki/concepts/底层能力.md create mode 100644 wiki/concepts/开源平替.md delete mode 100644 wiki/concepts/引文追溯.md delete mode 100644 wiki/concepts/忘机消众机.md create mode 100644 wiki/concepts/持续改进.md delete mode 100644 wiki/concepts/控制权.md delete mode 100644 wiki/concepts/提示词工程自动化.md delete mode 100644 wiki/concepts/提示词库.md create mode 100644 wiki/concepts/敏捷实践.md delete mode 100644 wiki/concepts/数据蒸馏.md delete mode 100644 wiki/concepts/文档分块.md create mode 100644 wiki/concepts/无责复盘.md delete mode 100644 wiki/concepts/智能体工作流.md delete mode 100644 wiki/concepts/本地AI推理.md delete mode 100644 wiki/concepts/标签笔记整理.md delete mode 100644 wiki/concepts/死亡过滤器.md delete mode 100644 wiki/concepts/每日复盘.md delete mode 100644 wiki/concepts/流程工程.md delete mode 100644 wiki/concepts/混合搜索.md create mode 100644 wiki/concepts/混沌工程.md delete mode 100644 wiki/concepts/渐进式披露.md delete mode 100644 wiki/concepts/灾难恢复.md delete mode 100644 wiki/concepts/物件描述框架.md delete mode 100644 wiki/concepts/生成器空间-Generator-Space.md delete mode 100644 wiki/concepts/电商数据采集.md delete mode 100644 wiki/concepts/电商选品分析.md create mode 100644 wiki/concepts/监控可观测性.md delete mode 100644 wiki/concepts/知其不可奈何而安之若命.md delete mode 100644 wiki/concepts/硬件转码.md delete mode 100644 wiki/concepts/磁盘镜像备份.md delete mode 100644 wiki/concepts/社交信号权重.md delete mode 100644 wiki/concepts/空性智慧.md delete mode 100644 wiki/concepts/端到端.md delete mode 100644 wiki/concepts/笔记数据库.md delete mode 100644 wiki/concepts/精准表达.md delete mode 100644 wiki/concepts/精确去重.md delete mode 100644 wiki/concepts/系统提示词.md delete mode 100644 wiki/concepts/系统经济.md delete mode 100644 wiki/concepts/纸带交易.md delete mode 100644 wiki/concepts/结构化思维.md delete mode 100644 wiki/concepts/绝处逢生.md delete mode 100644 wiki/concepts/自定义指令.md delete mode 100644 wiki/concepts/自愈基础设施.md delete mode 100644 wiki/concepts/自教育.md delete mode 100644 wiki/concepts/自映射-Self-Map.md delete mode 100644 wiki/concepts/自递归优化生成系统.md delete mode 100644 wiki/concepts/被动学习.md delete mode 100644 wiki/concepts/规划驱动.md delete mode 100644 wiki/concepts/记忆断层.md delete mode 100644 wiki/concepts/设计文档优先.md delete mode 100644 wiki/concepts/语义搜索.md delete mode 100644 wiki/concepts/负向提示词.md delete mode 100644 wiki/concepts/超级个体.md delete mode 100644 wiki/concepts/超级通才.md delete mode 100644 wiki/concepts/运动控制.md delete mode 100644 wiki/concepts/运镜控制.md delete mode 100644 wiki/concepts/选品评分模型.md delete mode 100644 wiki/concepts/透明度.md delete mode 100644 wiki/concepts/递归自优化循环.md delete mode 100644 wiki/concepts/通用智能体.md delete mode 100644 wiki/concepts/邮件分类.md delete mode 100644 wiki/concepts/项目规则.md delete mode 100644 wiki/concepts/预判式设计.md delete mode 100644 wiki/concepts/预测市场.md delete mode 100644 wiki/concepts/风格迁移.md delete mode 100644 wiki/concepts/飘风不终朝.md delete mode 100644 wiki/entities/3X-UI.md create mode 100644 wiki/entities/AIOps.md create mode 100644 wiki/entities/AWS-Organizations.md delete mode 100644 wiki/entities/Airtable.md delete mode 100644 wiki/entities/Alex Ewerlof.md delete mode 100644 wiki/entities/Alex-Finn.md create mode 100644 wiki/entities/Ansible.md delete mode 100644 wiki/entities/Anthropic.md delete mode 100644 wiki/entities/AnyVoice.md delete mode 100644 wiki/entities/Apache Superset.md delete mode 100644 wiki/entities/Appinn.md delete mode 100644 wiki/entities/Apple-Podcasts.md delete mode 100644 wiki/entities/Atlassian.md delete mode 100644 wiki/entities/BAAI.md create mode 100644 wiki/entities/BMC.md delete mode 100644 wiki/entities/Bandwagon.md delete mode 100644 wiki/entities/BehiSecc.md delete mode 100644 wiki/entities/Bloomberg API.md create mode 100644 wiki/entities/Bottom.md create mode 100644 wiki/entities/Btop++.md create mode 100644 wiki/entities/CMDB.md delete mode 100644 wiki/entities/ChinaTextbook.md delete mode 100644 wiki/entities/Christian-Dior.md delete mode 100644 wiki/entities/Claude-Code.md delete mode 100644 wiki/entities/ClawHub.md delete mode 100644 wiki/entities/Cline.md delete mode 100644 wiki/entities/Clonezilla.md create mode 100644 wiki/entities/CloudFormation.md delete mode 100644 wiki/entities/Cloudflare.md delete mode 100644 wiki/entities/CodeCrafters.md delete mode 100644 wiki/entities/CodeWeaver.md delete mode 100644 wiki/entities/Composer.md delete mode 100644 wiki/entities/ComposioHQ.md delete mode 100644 wiki/entities/Coze.md delete mode 100644 wiki/entities/Critic.md delete mode 100644 wiki/entities/Cursor.md delete mode 100644 wiki/entities/Dan-Koe.md delete mode 100644 wiki/entities/Daniel-Stefanovic.md delete mode 100644 wiki/entities/Datadog.md delete mode 100644 wiki/entities/Dataview.md delete mode 100644 wiki/entities/DeepSeek.md delete mode 100644 wiki/entities/Dify.md delete mode 100644 wiki/entities/DracoVibeCoding.md delete mode 100644 wiki/entities/El-Bebe-Games.md delete mode 100644 wiki/entities/ElevenLabs.md create mode 100644 wiki/entities/EventBridge.md delete mode 100644 wiki/entities/F5-TTS.md create mode 100644 wiki/entities/FedRAMP.md delete mode 100644 wiki/entities/Financial Times API.md delete mode 100644 wiki/entities/Flux.md create mode 100644 wiki/entities/GDPR.md delete mode 100644 wiki/entities/GNews API.md delete mode 100644 wiki/entities/GPT-2.md delete mode 100644 wiki/entities/GPT-3.md delete mode 100644 wiki/entities/Generator.md delete mode 100644 wiki/entities/GitLab.md delete mode 100644 wiki/entities/Gitea.md create mode 100644 wiki/entities/Glances.md delete mode 100644 wiki/entities/Google.md create mode 100644 wiki/entities/HIPAA.md delete mode 100644 wiki/entities/HP.md delete mode 100644 wiki/entities/Haiper.md delete mode 100644 wiki/entities/HashiCorp.md delete mode 100644 wiki/entities/Hermes.md create mode 100644 wiki/entities/HowToGeek.md create mode 100644 wiki/entities/Htop.md delete mode 100644 wiki/entities/HunyuanVideo.md create mode 100644 wiki/entities/ISO-27001.md delete mode 100644 wiki/entities/Jellyfin.md delete mode 100644 wiki/entities/Jenkins.md delete mode 100644 wiki/entities/Judge.md create mode 100644 wiki/entities/KMS.md delete mode 100644 wiki/entities/Karpathy.md delete mode 100644 wiki/entities/Kira2red.md delete mode 100644 wiki/entities/LANero.md delete mode 100644 wiki/entities/LangChain.md delete mode 100644 wiki/entities/LangSmith.md delete mode 100644 wiki/entities/LinkedIn.md delete mode 100644 wiki/entities/LlamaIndex.md delete mode 100644 wiki/entities/Loki.md delete mode 100644 wiki/entities/Mac-Mini.md delete mode 100644 wiki/entities/Manus.md delete mode 100644 wiki/entities/MariaDB.md delete mode 100644 wiki/entities/Matt-Van-Horne.md delete mode 100644 wiki/entities/Mediastack API.md delete mode 100644 wiki/entities/MewXAI团队.md delete mode 100644 wiki/entities/MinIO.md delete mode 100644 wiki/entities/MiniMax.md create mode 100644 wiki/entities/Mission-Center.md delete mode 100644 wiki/entities/Nano-Banana-Pro.md delete mode 100644 wiki/entities/Nathan-Reef.md delete mode 100644 wiki/entities/Navidrome.md delete mode 100644 wiki/entities/Nicholas-Carlini.md delete mode 100644 wiki/entities/NotebookLM.md create mode 100644 wiki/entities/OWASP.md delete mode 100644 wiki/entities/Obsidian-Tasks.md delete mode 100644 wiki/entities/Obsidian.md delete mode 100644 wiki/entities/Ollama.md create mode 100644 wiki/entities/Open-Alliance-for-Cloud-Adoption-OACA.md delete mode 100644 wiki/entities/Open-Notebook.md delete mode 100644 wiki/entities/OpenAI.md delete mode 100644 wiki/entities/OpenClaw.md delete mode 100644 wiki/entities/OpenManus.md delete mode 100644 wiki/entities/Opoint.md create mode 100644 wiki/entities/PCI-DSS.md delete mode 100644 wiki/entities/Perplexica.md delete mode 100644 wiki/entities/PixVerse.md delete mode 100644 wiki/entities/Planner.md delete mode 100644 wiki/entities/Playwright.md delete mode 100644 wiki/entities/Plex.md delete mode 100644 wiki/entities/Podcastfy.md delete mode 100644 wiki/entities/Polymarket.md delete mode 100644 wiki/entities/Prismer-AI.md create mode 100644 wiki/entities/Pulumi.md delete mode 100644 wiki/entities/PyTorch研习社.md delete mode 100644 wiki/entities/Qdrant.md delete mode 100644 wiki/entities/Qwen.md delete mode 100644 wiki/entities/Red Hat.md create mode 100644 wiki/entities/SOC-2.md delete mode 100644 wiki/entities/ScrapeCreators.md delete mode 100644 wiki/entities/Scrapy.md delete mode 100644 wiki/entities/Sequential Thinking.md create mode 100644 wiki/entities/Slack.md create mode 100644 wiki/entities/SonarQube.md delete mode 100644 wiki/entities/SonarSource.md delete mode 100644 wiki/entities/Spotify.md delete mode 100644 wiki/entities/StabilityAI.md delete mode 100644 wiki/entities/StableDiffusion.md delete mode 100644 wiki/entities/StableVideo.md create mode 100644 wiki/entities/Stacer.md create mode 100644 wiki/entities/StackSets.md delete mode 100644 wiki/entities/SuperCall.md delete mode 100644 wiki/entities/SurfSense.md delete mode 100644 wiki/entities/Synology NAS.md delete mode 100644 wiki/entities/TapXWorld.md delete mode 100644 wiki/entities/Telegram.md delete mode 100644 wiki/entities/The Guardian API.md delete mode 100644 wiki/entities/TikTok Shop.md delete mode 100644 wiki/entities/Trae.md delete mode 100644 wiki/entities/Trebuh.md delete mode 100644 wiki/entities/TruffleHog.md delete mode 100644 wiki/entities/Twilio.md delete mode 100644 wiki/entities/Uptime Kuma.md delete mode 100644 wiki/entities/VPS1.md delete mode 100644 wiki/entities/VPS2.md delete mode 100644 wiki/entities/Validator.md delete mode 100644 wiki/entities/VideoOcean.md delete mode 100644 wiki/entities/Vidu.md delete mode 100644 wiki/entities/Viva.md delete mode 100644 wiki/entities/VoltAgent.md delete mode 100644 wiki/entities/Watchdog-Pattern.md delete mode 100644 wiki/entities/Webz.io.md delete mode 100644 wiki/entities/Whisper.md delete mode 100644 wiki/entities/Windsurf.md delete mode 100644 wiki/entities/Worker.md delete mode 100644 wiki/entities/Xray.md delete mode 100644 wiki/entities/Yuri-Pessa.md delete mode 100644 wiki/entities/Zipline.md delete mode 100644 wiki/entities/czlonkowski.md delete mode 100644 wiki/entities/gogcli.md delete mode 100644 wiki/entities/memsearch.md delete mode 100644 wiki/entities/n8n mcp.md delete mode 100644 wiki/entities/n8n.md delete mode 100644 wiki/entities/reddit-readonly.md delete mode 100644 wiki/entities/tchMaterial-parser.md delete mode 100644 wiki/entities/tukuai.md delete mode 100644 wiki/entities/v2rayN.md delete mode 100644 wiki/entities/v2rayNG.md delete mode 100644 wiki/entities/vibe coding cn.md delete mode 100644 wiki/entities/vibe-coding-cn.md delete mode 100644 wiki/entities/万相营造.md delete mode 100644 wiki/entities/乔布斯-skill.md delete mode 100644 wiki/entities/即梦AI.md delete mode 100644 wiki/entities/可灵AI.md delete mode 100644 wiki/entities/国家中小学智慧教育平台.md delete mode 100644 wiki/entities/字节跳动.md delete mode 100644 wiki/entities/宝玉.md delete mode 100644 wiki/entities/庄子.md delete mode 100644 wiki/entities/快手.md delete mode 100644 wiki/entities/智谱AI.md delete mode 100644 wiki/entities/智谱清影.md delete mode 100644 wiki/entities/智象未来.md delete mode 100644 wiki/entities/曾国藩.md delete mode 100644 wiki/entities/海螺AI.md delete mode 100644 wiki/entities/清华大学.md delete mode 100644 wiki/entities/潞晨科技.md delete mode 100644 wiki/entities/爱诗科技.md delete mode 100644 wiki/entities/王维.md delete mode 100644 wiki/entities/生数科技.md delete mode 100644 wiki/entities/绘蛙AI视频.md delete mode 100644 wiki/entities/艺映AI.md delete mode 100644 wiki/entities/通义万相.md delete mode 100644 wiki/entities/阿里云盘.md delete mode 100644 wiki/entities/阿里妈妈.md delete mode 100644 wiki/entities/阿里巴巴集团.md create mode 100644 wiki/manifest.json delete mode 100644 wiki/pending-ingest.md delete mode 100644 wiki/sources/14个免费的AI图生视频工具.md delete mode 100644 wiki/sources/2025-ai-open-source-alternatives.md delete mode 100644 wiki/sources/2025年11个神级AI开源平替-GitHub杀疯了.md delete mode 100644 wiki/sources/3.2万人收藏的Claude-Skills-才是AI这条路.md delete mode 100644 wiki/sources/3.2万人收藏的Claude-Skills才是AI这条路最值得研究的一套范式.md delete mode 100644 wiki/sources/3X-UI-Xray-on-BandwagonVPS.md delete mode 100644 wiki/sources/7-ways-NotebookLM.md delete mode 100644 wiki/sources/A-Formalization-of-Recursive-Self-Optimizing-Generative-Systems.md delete mode 100644 wiki/sources/AI-一语点醒梦中人.md delete mode 100644 wiki/sources/AI-解决方案专家培训课程.md delete mode 100644 wiki/sources/AI解决方案专家培训课程.md delete mode 100644 wiki/sources/AWS-CloudFormation-StackSets-多账户集中日志监控.md delete mode 100644 wiki/sources/Agent-usecases-multi-Agent-Team.md delete mode 100644 wiki/sources/Autonomous-Educational-Game-Development-Pipeline.md delete mode 100644 wiki/sources/Autonomous-Project-Management-STATE-yaml.md delete mode 100644 wiki/sources/Autonomous-Project-Management.md delete mode 100644 wiki/sources/Best 7 news API data feeds - AI News.md delete mode 100644 wiki/sources/Build-Your-Own-X-从零构建技术栈.md delete mode 100644 wiki/sources/ChinaTextbook-中国教育PDF教材大全.md delete mode 100644 wiki/sources/ChinaTextbook.md delete mode 100644 wiki/sources/Claude-Code调用方法总结.md delete mode 100644 wiki/sources/Claude-Skills研究范式.md delete mode 100644 wiki/sources/Clonezilla对Ubuntu-Server进行全盘镜像备份.md create mode 100644 wiki/sources/Cloud-Maturity-Model-A-Detailed-Guide-For-Cloud-Adoption.md delete mode 100644 wiki/sources/Cloud-Maturity-Model.md delete mode 100644 wiki/sources/Cloud-Operating-Model-关键策略与最佳实践.md delete mode 100644 wiki/sources/Content-Factory.md delete mode 100644 wiki/sources/Cursor-2-0初学者使用指南.md delete mode 100644 wiki/sources/Custom-Morning-Brief.md delete mode 100644 wiki/sources/Daily-Reddit-Digest.md delete mode 100644 wiki/sources/Dataview——让我从笔记黑洞里逃出来的-Obsidian-神器.md delete mode 100644 wiki/sources/Designing-for-Agentic-AI.md delete mode 100644 wiki/sources/Event-Guest-Confirmation.md delete mode 100644 wiki/sources/GOG-CLI-安装配置指南.md delete mode 100644 wiki/sources/Git-Push-连接重置问题修复.md delete mode 100644 wiki/sources/GitHub-5000人收藏的Vibe-Coding神级指南.md delete mode 100644 wiki/sources/GitHub-Vibe-Coding-神级指南.md delete mode 100644 wiki/sources/GitHub-上-5000-人收藏的-Vibe-Coding-神级指南。.md delete mode 100644 wiki/sources/Google-5个Agent-Skill设计模式-2026-03-19.md delete mode 100644 wiki/sources/Google神级生产力工具GitHub开源平替.md delete mode 100644 wiki/sources/Health-Symptom-Tracker.md delete mode 100644 wiki/sources/Home-Office-NodeWarden-把-Bitwarden-搬上-Cloudflare-Workers彻底告别服务器.md create mode 100644 wiki/sources/How-Agentic-AI-can-help-for-Cloud-DevOps.md delete mode 100644 wiki/sources/How-Agentic-AI-for-Cloud-DevOps.md delete mode 100644 wiki/sources/How-to-Get-the-RSS-Feed-For-Any-YouTube-Channel.md delete mode 100644 wiki/sources/How-to-get-YouTube-Channel-ID.md delete mode 100644 wiki/sources/If-you-have-multiple-interests-do-not-waste-the-next-2-3-years.md delete mode 100644 wiki/sources/Inbox-De-clutter.md delete mode 100644 wiki/sources/Install-Apache-Superset-in-Docker.md delete mode 100644 wiki/sources/LLMs-RAG-AI-Agent-三个到底什么区别.md delete mode 100644 wiki/sources/LLMs-RAG-AI-Agent三个到底什么区别.md delete mode 100644 wiki/sources/Last30Days-使用指南.md delete mode 100644 wiki/sources/Linux-运维必会的150个命令.md delete mode 100644 wiki/sources/MCP在Cursor中的集成与应用详解.md delete mode 100644 wiki/sources/Mac-Mini-服务器配置-防止自动锁屏与睡眠.md delete mode 100644 wiki/sources/Market-Research-Product-Factory.md delete mode 100644 wiki/sources/MinIO-Zipline-自托管图床应用安装教程.md delete mode 100644 wiki/sources/Multi-Agent-Specialized-Team-Solo-Founder-Setup.md delete mode 100644 wiki/sources/Multi-Agent-System-Reliability-Alex-Ewerlof.md delete mode 100644 wiki/sources/Multi-Agent-System-Reliability.md delete mode 100644 wiki/sources/MySQL-MariaDB-数据库详细信息.md delete mode 100644 wiki/sources/N8N Full Tutorial Building AI Agents in 2025 for Beginners.md delete mode 100644 wiki/sources/Nano-Banana-Pro-Prompting-Guide.md delete mode 100644 wiki/sources/Nano-Banana-提示词框架.md delete mode 100644 wiki/sources/Nano-Banana结构化提示词框架.md delete mode 100644 wiki/sources/Never-write-another-prompt.md delete mode 100644 wiki/sources/NotebookLM的7种用法.md delete mode 100644 wiki/sources/Obsidian-Tasks-插件-任务管理.md delete mode 100644 wiki/sources/Obsidian高效指南-我常用的插件与实用技巧.md delete mode 100644 wiki/sources/OpenAI-ChatGPT-个性化定义.md delete mode 100644 wiki/sources/Personal-Knowledge-Base-RAG.md delete mode 100644 wiki/sources/Podcast-Production-Pipeline.md delete mode 100644 wiki/sources/Polymarket-Autopilot.md delete mode 100644 wiki/sources/RAG从入门到精通系列1-基础RAG.md delete mode 100644 wiki/sources/RAG从入门到精通系列1基础RAG.md delete mode 100644 wiki/sources/RAG从入门到精通系列1：基础RAG.md delete mode 100644 wiki/sources/Scrapy-Playwright-抓取TikTok-Shop-Data.md delete mode 100644 wiki/sources/Self-Healing-Home-Server.md delete mode 100644 wiki/sources/Semantic-Memory-Search.md delete mode 100644 wiki/sources/Synology NAS + Xiaoya Alist + CloudDrive2 + Plex to Build Media Platform.md delete mode 100644 wiki/sources/TK美国面单授权及操作流程.md create mode 100644 wiki/sources/The-Myths-and-Misconceptions-About-Cloud-Computing-LinkedIn.md delete mode 100644 wiki/sources/The-Picture-They-Paint-of-You.md create mode 100644 wiki/sources/These-6-Linux-apps-let-you-monitor-system-resources-in-style.md delete mode 100644 wiki/sources/TikTok Shop - Apache Superset Dashboard设计思路.md delete mode 100644 wiki/sources/Trae远程开发部署指南.md delete mode 100644 wiki/sources/Ubuntu-24.04-enable-SSH.md delete mode 100644 wiki/sources/Ubuntu-Server科学上网配置指南.md delete mode 100644 wiki/sources/Ubuntu服务器通过rsync实现日常增量备份.md delete mode 100644 wiki/sources/Useful-Prompt-Lib.md delete mode 100644 wiki/sources/Vibe-Kanban-OpenCode-Ubuntu-Server安装管理指南.md create mode 100644 wiki/sources/What-I-know-about-Cloud-Service-Delivery-1.md delete mode 100644 wiki/sources/arXiv-Paper-Reader.md delete mode 100644 wiki/sources/baoyu-skills-claude-code-技能集.md delete mode 100644 wiki/sources/baoyu-skills-claude-code技能集.md create mode 100644 wiki/sources/how-to-simplify-multi-account-deployments-monitoring.md create mode 100644 wiki/sources/modern-itsm-driving-efficiency-security-resilience.md delete mode 100644 wiki/sources/n8n-AI-Agent-2025入门教程.md delete mode 100644 wiki/sources/n8n-Claude-自然语言自动化工作流.md delete mode 100644 wiki/sources/n8n-Docker安装与SOCKS5代理配置.md delete mode 100644 wiki/sources/n8n-Docker安装与更新.md delete mode 100644 wiki/sources/n8n-Telegram-Trigger-HTTPS配置修复.md delete mode 100644 wiki/sources/vibe-coding经验收集.md create mode 100644 wiki/sources/what-is-devsecops-best-practices-benefits-and-tools.md delete mode 100644 wiki/sources/一语点醒梦中人-2026-04-16.md delete mode 100644 wiki/sources/一语点醒梦中人-东方人生智慧.md delete mode 100644 wiki/sources/万字保姆级教程-90天跑通一人公司模式-2026-03-29.md delete mode 100644 wiki/sources/万字讲透OpenClaw-Workspace深度解析-2026-03-21.md delete mode 100644 wiki/sources/万字讲透OpenClaw-Workspace深度解析.md delete mode 100644 wiki/sources/不会Gemini的产品经理真的要被淘汰了-附保姆级PRD生成指南.md delete mode 100644 wiki/sources/不会Gemini的产品经理真的要被淘汰了.md delete mode 100644 wiki/sources/二创视频必不可少-2025年最热门AI工具推荐合集-AI配音声音克隆.md delete mode 100644 wiki/sources/使用Claude自动生成N8N工作流的实操教程.md delete mode 100644 wiki/sources/养虾日记1-OpenClaw照片整理实战.md delete mode 100644 wiki/sources/养虾日记2-OpenClaw-Self-Improving复盘实战.md delete mode 100644 wiki/sources/养虾日记3-Obsidian-Gitea持久化笔记系统.md delete mode 100644 wiki/sources/可自动化可扩展AI增强的电商数据采集与处理系统.md delete mode 100644 wiki/sources/在Ubuntu安装Ollama并运行Qwen2.5-Coder7B.md delete mode 100644 wiki/sources/大模型相关术语和框架总结.md delete mode 100644 wiki/sources/大模型相关术语和框架总结LLM-MCP-Prompt-RAG-vLLM-Tokens数据蒸馏.md delete mode 100644 wiki/sources/如何写出完美的Prompt（提示词）？.md delete mode 100644 wiki/sources/如何在UbuntuServer上通过NFS挂载Synology NAS上的共享文件夹.md delete mode 100644 wiki/sources/家庭监控方案 Prometheus + Grafana + Node Exporter + cAdvisor + Blackbox.md delete mode 100644 wiki/sources/家庭网络环境概览_2026-04-03.md delete mode 100644 wiki/sources/普通人如何在AI时代赚钱.md delete mode 100644 wiki/sources/清华出的DeepSeek使用手册104页.md delete mode 100644 wiki/sources/用Docker中安装Navidrome.md delete mode 100644 wiki/sources/用Docker安装Jellyfin.md delete mode 100644 wiki/sources/系统提示词构建原则.md delete mode 100644 wiki/sources/递归自优化生成系统的形式化框架.md delete mode 100644 wiki/syntheses/DevOps核心理念.md delete mode 100644 wiki/syntheses/GOG-CLI工具.md diff --git a/raw/2025 年 11 个神级 AI 开源平替，GitHub 杀疯了。.md b/raw/2025 年 11 个神级 AI 开源平替，GitHub 杀疯了。.md deleted file mode 100644 index e69de29b..00000000 diff --git a/wiki/concepts/AI-Agent-思维方式.md b/wiki/concepts/AI-Agent-思维方式.md deleted file mode 100644 index be2a8a75..00000000 --- a/wiki/concepts/AI-Agent-思维方式.md +++ /dev/null @@ -1,35 +0,0 @@ ---- -id: AI Agent 思维方式 -title: "AI Agent 思维方式" -type: concept -tags: [ai-agent, thinking-mode, problem-framing] -last_updated: 2026-04-15 ---- - -## Definition -AI Agent 与传统工具的根本区别：先通过提问澄清需求，再制定可执行方案，而非直接执行。 - -## Core Mechanism -- Step 1：问关键问题（不直接推荐工具） -- Step 2：将模糊想法转化为清晰结构 -- Step 3：拆解为可执行的小步骤 -- Step 4：制定风险控制策略 -- Step 5：自动化执行 + 定期报告 - -## Key Questions Pattern -- 问题边界是什么？ -- 重复/高质量/删除的定义是什么？ -- 风险承受范围多大？ -- 执行结果如何验证？ - -## 与传统工具的对比 -- 传统工具：接收指令 → 执行（假设用户已经想清楚） -- AI Agent：提问澄清 → 结构化方案 → 执行（帮助用户想清楚再动手） - -## Related Concepts -- [[OpenClaw]]：AI Agent 思维方式的执行平台 -- [[精确去重]]：AI Agent 思维方式的具体应用 -- [[分批执行]]：AI Agent 处理大任务的策略 - -## Sources -- [[养虾日记1-OpenClaw照片整理实战]] diff --git a/wiki/concepts/AI-ChatOps.md b/wiki/concepts/AI-ChatOps.md new file mode 100644 index 00000000..569aff89 --- /dev/null +++ b/wiki/concepts/AI-ChatOps.md @@ -0,0 +1,28 @@ +--- +title: "AI ChatOps" +type: concept +tags: [ChatOps, AI, collaboration] +sources: [How-Agentic-AI-can-help-for-Cloud-DevOps] +last_updated: 2026-04-16 +--- + +## Summary +AI ChatOps 是将 AI 能力集成到协作平台（如 Slack、Teams）中，实现通过自然语言进行故障排除和运维操作的工作方式。 + +## Definition +通过聊天界面与 AI 代理交互，查询日志、获取性能洞察、执行故障排除操作的工作模式。 + +## Key Platforms +- [[Slack]] +- [[Teams]] +- CLI 终端 + +## Key Capabilities +- **自然语言查询**：用自然语言查询日志和指标 +- **AI 驱动洞察**：获取 AI 分析的问题原因 +- **自动化操作**：通过聊天触发自动化修复 +- **上下文保持**：AI 记住对话上下文，支持多轮对话 + +## Connections +- [[Agentic AI]] ← powers ← [[AI ChatOps]]：Agentic AI 驱动 ChatOps 交互 +- [[监控可观测性]] ← enhanced_by ← [[AI ChatOps]]：AI ChatOps 增强可观测性 diff --git a/wiki/concepts/AI-driven-RCA.md b/wiki/concepts/AI-driven-RCA.md new file mode 100644 index 00000000..593108c7 --- /dev/null +++ b/wiki/concepts/AI-driven-RCA.md @@ -0,0 +1,28 @@ +--- +title: "AI-driven RCA" +type: concept +tags: [AI, root-cause-analysis, incident-management] +sources: [How-Agentic-AI-can-help-for-Cloud-DevOps] +last_updated: 2026-04-16 +--- + +## Summary +AI-driven RCA（AI 驱动的根因分析）利用机器学习分析日志和指标，自动识别故障根本原因。 + +## Definition +使用 AI 算法分析来自多个来源的日志、指标和事件数据，自动定位系统故障的根本原因。 + +## Key Techniques +- **日志关联分析**：跨服务、跨时间关联日志事件 +- **异常模式识别**：识别与历史 outage 类似的模式 +- **因果链路推断**：构建故障传播链路，确定因果关系 +- **多维度分析**：同时分析计算、网络、存储、应用层 + +## Tools +- [[CloudWatch]]（AWS） +- [[Stackdriver]]/Cloud Monitoring（GCP） +- Azure Monitor（Azure） + +## Connections +- [[Agentic AI]] ← uses ← [[AI-driven RCA]]：Agentic AI 集成 RCA 能力 +- [[MTTR]] ← reduces ← [[AI-driven RCA]]：AI RCA 缩短平均修复时间 diff --git a/wiki/concepts/AI-powered-Runbooks.md b/wiki/concepts/AI-powered-Runbooks.md new file mode 100644 index 00000000..1c0eeb8e --- /dev/null +++ b/wiki/concepts/AI-powered-Runbooks.md @@ -0,0 +1,23 @@ +--- +title: "AI-powered Runbooks" +type: concept +tags: [runbooks, automation, AI] +sources: [How-Agentic-AI-can-help-for-Cloud-DevOps] +last_updated: 2026-04-16 +--- + +## Summary +AI-powered Runbooks（AI 驱动运维手册）是利用 AI 推荐最佳运维操作手册和处理流程的系统。 + +## Definition +AI 分析历史 incident 和最佳实践，自动推荐或生成处理当前事件的运维手册。 + +## Key Features +- **智能推荐**：基于当前事件推荐最相关的操作手册 +- **动态生成**：根据上下文动态生成处理步骤 +- **历史学习**：从历史 incident 学习改进建议 +- **自动化执行**：可自动执行手册中的步骤 + +## Connections +- [[Agentic AI]] ← powers ← [[AI-powered Runbooks]]：Agentic AI 实现智能运维手册 +- [[无责复盘 (Blameless Postmortem)]] ← informs ← [[AI-powered Runbooks]]：无责复盘结果改进运维手册 diff --git a/wiki/concepts/AI产品经理.md b/wiki/concepts/AI产品经理.md deleted file mode 100644 index 10068614..00000000 --- a/wiki/concepts/AI产品经理.md +++ /dev/null @@ -1,35 +0,0 @@ ---- -title: "AI产品经理" -type: concept -tags: [产品管理, AI工作流, 超级个体, 能力结构] -last_updated: 2026-04-15 ---- - -## Definition -AI产品经理：掌握将大模型嵌入工作流以产生实际价值的产品经理，而非浅尝辄止的豆包用户。核心能力是 [[精准表达]] 和 [[结构化思维]]，而非大模型 API 调用技术。 - -## 能力要求 -- 能掌握大模型（深度使用），而非仅浅尝辄止 -- 能把大模型"嵌入"工作流，产生实际价值 -- 掌握 FeatureList 共创、PRD 自动生成、Mermaid 逻辑图等 AI 协作方法 -- 具备市场洞察（产品经理最稀缺也最重要的能力） - -## 核心洞察 -- 大模型是"知识渊博但不带脑子的苦工"，表述越准、执行越准 -- AI 是横向扩展工具，非充分条件：[[超级个体]] 本就具备把事情做对的能力 -- 不能把时代新东西嵌入自己的工作者，会被淘汰 -- AI进化速度超出预期，量变到质变在多个细分场景中悄然发生 - -## 与超级个体的关系 -- [[超级个体]] = 某领域做到八九十分 + AI 放大横向扩展能力 -- 本身只能做到六十分的人：被工具化，嵌入 AI 流程，而非真正用好 AI -- 市场洞察力 = 产品经理最稀缺最重要的能力，AI 时代此能力更重要 - -## Connections -- [[不会Gemini的产品经理真的要被淘汰了]] ← 来源 -- [[FeatureList]] ← 核心工具 -- [[PRD自动生成]] ← 核心工具 -- [[超级个体]] ← 相关概念 -- [[精准表达]] ← 核心能力 -- [[结构化思维]] ← 核心能力 -- [[Gemini]] ← 主要工具 diff --git a/wiki/concepts/AI代码编辑器.md b/wiki/concepts/AI代码编辑器.md deleted file mode 100644 index 4257ad12..00000000 --- a/wiki/concepts/AI代码编辑器.md +++ /dev/null @@ -1,36 +0,0 @@ ---- -title: "AI代码编辑器" -type: concept -tags: [ai, code-editor, vibe-coding] -last_updated: 2026-04-15 ---- - -## 定义 -集成 AI 辅助能力（代码生成/补全/审查/规划）的代码编辑器，相比传统 IDE 新增 AI 代理交互界面。 - -## 主流工具 -- [[Cursor]]：基于 VS Code，Composer 模型，多代理并行 -- [[Windsurf]]：Codeium 推出的 AI 代码编辑器 -- [[Trae]]：字节跳动推出的 AI 代码编辑器 -- [[Cline]]：VS Code 扩展，将 VS Code 变身为全自动 AI 工程师 - -## 核心功能对比 -| 功能 | Cursor | Windsurf | Trae | Cline | -|------|--------|----------|------|-------| -| 底层框架 | VS Code | VS Code | VS Code | VS Code | -| 自研模型 | Composer（4倍速） | Codeium | 豆包/其他 | Claude | -| 多代理 | ✅ | ✅ | ✅ | ✅ | -| MCP 支持 | ✅ | ✅ | ✅ | ✅ | -| Diff 审查 | ✅ | ❓ | ❓ | ✅ | - -## 核心工作流 -明确需求 → AI 规划（Plan）→ 代码生成（Agent）→ Diff 审查 → Git 版本控制 - -## 关联 -- [[Vibe Coding]] 的工具层实现 -- [[AI编程]] 的具体工具形态 - -## Aliases -- AI IDE -- AI 代码生成器 - diff --git a/wiki/concepts/AI工作流自动生成.md b/wiki/concepts/AI工作流自动生成.md deleted file mode 100644 index fe46968c..00000000 --- a/wiki/concepts/AI工作流自动生成.md +++ /dev/null @@ -1,29 +0,0 @@ ---- -title: "AI工作流自动生成" -type: concept -tags: [ai, workflow-automation, n8n] -last_updated: 2026-04-15 ---- - -# AI工作流自动生成 - -## 定义 -通过自然语言描述需求，由 AI 自动设计并生成工作流代码的过程。 - -## 核心机制 -1. 用户输入自然语言需求描述 -2. AI 理解任务目标并选择合适节点 -3. AI 自动生成节点连接和配置代码 -4. 用户验证并修正错误 - -## 典型案例 -- [[使用Claude自动生成N8N工作流的实操教程]]：Claude + n8n-mcp 实现 80%-90% 完成度 - -## 局限性 -- AI 生成工作流约 10%-20% 错误率需人工修正 -- 需选择专用模型（如 Opensea）和开启 extended thinking 提升质量 - -## Connections -- [[n8n]]：目标工作流平台 -- [[Claude]]：生成执行方 -- [[n8n mcp]]：桥接工具 diff --git a/wiki/concepts/AI工具命名框架.md b/wiki/concepts/AI工具命名框架.md deleted file mode 100644 index e5529330..00000000 --- a/wiki/concepts/AI工具命名框架.md +++ /dev/null @@ -1,28 +0,0 @@ ---- -title: "AI工具命名框架" -type: concept -tags: [ai, product, social-cognition] ---- - -## Definition -AI工具命名框架指 AI 产品的名称、话语和营销策略如何折射并强化社会对特定职业的认知。研究以 AI SRE 和编码助手为例，揭示命名差异背后的价值判断。 - -## Two Contrasting Frameworks -| 维度 | AI SRE 框架 | 编码助手框架 | -|------|------------|------------| -| 定位 | 替代者/消除者 | 协作者/增强者 | -| 人名命名 | 极少数（Cleric） | 普遍（Claude、Cline） | -| 核心话语 | "消除负担""救火" | "增强能力""赋予控制" | -| 目标受众 | 买家（管理者） | 员工+买家 | -| 隐含价值 | 低估 SRE 工作价值 | 尊重工程师创造力 | - -## Social Implications -- 命名差异反映了买卖双方对职业价值的社会认知分裂 -- 当工具被定位为替代时，只需要与管理者对话 -- 当工具被定位为协作者时，需要同时说服员工和雇主 -- 接受某种框架 = 在社会层面放大该框架并赋予其合法性 - -## Connections -- [[Taylorism]] ← 理论基础 ← AI SRE 框架本质是泰勒制的职业替代观 -- [[超级个体]] ← 对立 ← 超级个体强调人的价值，AI工具命名框架低估人的价值 -- [[AI产品经理]] ← 关联 ← AI产品经理的命名和定位同样反映其职业认知 diff --git a/wiki/concepts/AI技能封装.md b/wiki/concepts/AI技能封装.md deleted file mode 100644 index 817858ba..00000000 --- a/wiki/concepts/AI技能封装.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -title: "AI技能封装" -type: concept -tags: [ai, skill, workflow] ---- - -## Definition -AI 技能封装（AI Skill Encapsulation）是将固定流程任务拆解为 AI 可理解、可复用、可自动执行的结构化流程的方法论。 - -## Core Mechanism -1. 识别反复执行且有固定流程的任务 -2. 将流程拆解为 AI 能理解的步骤 -3. 编写 Skill.md（说明书 + SOP） -4. AI 依据 Skill 稳定复用流程 - -## Key Properties -- 可理解：结构化描述，非模糊自然语言 -- 可复用：同一 Skill 可多次触发相同结果 -- 可自动执行：无需人工干预即可完成全流程 - -## Relationship to Prompt Engineering -提示词工程优化单次输出质量，技能封装优化整套流程的稳定性与可复用性。 - -## Connections -- [[流程工程]] ← 上位概念 -- [[Claude Skills]] ← 具体实现 -- [[Anthropic Skills 官方库]] ← 资源来源 diff --git a/wiki/concepts/AI搜索.md b/wiki/concepts/AI搜索.md deleted file mode 100644 index 29dca322..00000000 --- a/wiki/concepts/AI搜索.md +++ /dev/null @@ -1,23 +0,0 @@ ---- -title: AI搜索 -type: concept -tags: [AI, 搜索, Search] -aliases: [AI Search, AI搜索引擎] ---- - -## 定义 -结合AI能力理解用户意图、直接提供整理好答案的搜索方式。 - -## 核心创新 -不返回链接列表，而是直接整理总结答案。 - -## 开源实现 -Perplexica： -- 完全本地化部署 -- 接SearXNG避免Google API费用 -- 支持OpenAI API或本地大模型 -- 注重隐私保护 - -## Connections -- [[AI搜索]] ← 基座 ← [[大语言模型]] -- [[Perplexica]] ← 开源平替 ← [[Perplexity]] diff --git a/wiki/concepts/AI数据处理.md b/wiki/concepts/AI数据处理.md deleted file mode 100644 index add4926c..00000000 --- a/wiki/concepts/AI数据处理.md +++ /dev/null @@ -1,30 +0,0 @@ ---- -title: AI数据处理 -type: concept -tags: [AI, data-processing, LLM, workflow] -sources: [] -last_updated: 2026-04-15 ---- - -## 定义 -通过大语言模型对采集的原始数据进行智能化处理，包括摘要、分类、特征提取、翻译、异常检测等，输出结构化数据供下游使用。 - -## 典型任务 -- **内容摘要**：产品描述压缩为 30 字摘要 -- **分类**：按类目/品牌/价格区间归类 -- **特征提取**：从非结构化文本提取品牌、型号、规格等字段 -- **多语言翻译**：产品信息翻译为多语言版本 -- **异常检测**：识别异常价格、缺图、缺失字段等 - -## 调用方式 -- **外部 API**：OpenAI GPT-4、Claude 等，高质量但有成本 -- **本地模型**：[Ollama] + Llama3/Mistral，免费但需 GPU/CPU 资源 - -## 在 Wiki 中的角色 -- [[可自动化可扩展AI增强的电商数据采集与处理系统]] AI 处理层 -- [[n8n Workflow自动化]] 通过 HTTP Request Node 调用 [[Ollama]] 本地模型 - -## n8n 集成示例 -``` -Prompt: "从以下JSON中提取每个产品的简短摘要（不超过30字）并分类。输入：{{$json['title']}}，价格：{{$json['price']}}，评分：{{$json['rating']}}" -``` diff --git a/wiki/concepts/AI时代赚钱三原则.md b/wiki/concepts/AI时代赚钱三原则.md deleted file mode 100644 index c3fb6e30..00000000 --- a/wiki/concepts/AI时代赚钱三原则.md +++ /dev/null @@ -1,42 +0,0 @@ ---- -title: "AI时代赚钱三原则" -type: concept -tags: [ai-era, wealth, taste, end-to-end, death-filter, entrepreneurship] -last_updated: 2026-04-16 ---- - -## 定义 -以乔布斯视角提出的 AI 时代赚钱思维框架，核心是「品味值钱、做端到端、用死亡过滤器筛选热爱」。 - -## 三原则 - -### 1. 品味值钱 -- AI 工具民主化后，90% 的人用 AI 生成的是 shit -- 品味 = 判断什么是真正好的（insanely great）的能力 -- 能从 AI 给的 10 个方案里判断哪个是最好的，就比只会点"生成"的人强一百倍 -- **品味是护城河** - -### 2. 端到端做事 -- 别做别人 AI 流水线上的螺丝钉 -- 做从 idea 到 product 的完整闭环 -- 一个人用 AI 做完整 App，比在 100 人团队当"AI 提示词工程师"强一万倍 -- **端到端优于零件** - -### 3. 死亡过滤器 -- 每天问自己：如果今天是最后一天，我还会做今天要做的事吗？ -- 如果答案 No，说明这不是真正热爱的事 -- **用死亡过滤器筛选真正的热爱** - -## 正确问题框架 -- ❌ 错误：「普通人怎么在AI时代赚钱」（被动挨打） -- ✅ 正确：「AI 让我能做到什么以前做不到的事」（主动创造） - -## 与一人公司的关系 -AI 时代赚钱三原则是一人公司框架（[[天才地带]] + [[产品漏斗]] + [[内容矩阵]]）的思维基础。 - -## Connections -- [[AI时代赚钱三原则]] ← 来源 ← [[乔布斯.skill]] -- [[品味]] ← 原则一 ← [[AI时代赚钱三原则]] -- [[端到端]] ← 原则二 ← [[AI时代赚钱三原则]] -- [[死亡过滤器]] ← 原则三 ← [[AI时代赚钱三原则]] -- [[一人公司]] ← 上层框架 ← [[AI时代赚钱三原则]] diff --git a/wiki/concepts/AI生图.md b/wiki/concepts/AI生图.md deleted file mode 100644 index cab39e34..00000000 --- a/wiki/concepts/AI生图.md +++ /dev/null @@ -1,21 +0,0 @@ ---- -title: AI生图 -type: concept -tags: [AI, 生图, 扩散模型] -aliases: [AI Image Generation, AI绘图] ---- - -## 定义 -利用扩散模型等AI技术根据文本提示生成图像的技术。 - -## 2025年格局 -- 闭源顶流：Nano Banana、Midjourney V7 -- 开源主导：Flux、Stable Diffusion 3.5 - -## 开源核心能力 -- Flux：人体解剖学最正确，能精准在图中写单词 -- Stable Diffusion：LoRA和ControlNet生态最丰富，适合动漫角色和姿势控制 - -## Connections -- [[AI生图]] ← 依赖 ← [[大语言模型]] -- [[Flux]] ← 竞争 ← [[Stable Diffusion]] diff --git a/wiki/concepts/AI生视频.md b/wiki/concepts/AI生视频.md deleted file mode 100644 index ed2e072f..00000000 --- a/wiki/concepts/AI生视频.md +++ /dev/null @@ -1,23 +0,0 @@ ---- -title: AI生视频 -type: concept -tags: [AI, 视频生成] -aliases: [AI Video Generation] ---- - -## 定义 -根据文本提示生成视频内容的AI技术。 - -## 2025年格局 -- 闭源顶流：Google Veo 3 -- 国内可灵、海螺、即梦 -- 开源最强：HunyuanVideo - -## 开源关键指标 -- 参数量：HunyuanVideo是开源界最大之一 -- 中文Prompt理解：天花板级别 -- 动作连贯性：极强，符合物理直觉 - -## Connections -- [[AI生视频]] ← 依赖 ← [[大语言模型]] -- [[HunyuanVideo]] ← 开源平替 ← [[Veo 3]] diff --git a/wiki/concepts/AI知识库.md b/wiki/concepts/AI知识库.md deleted file mode 100644 index d45450a1..00000000 --- a/wiki/concepts/AI知识库.md +++ /dev/null @@ -1,22 +0,0 @@ ---- -title: AI知识库 -type: concept -tags: [AI, 知识库, 学习] -aliases: [AI Knowledge Base, 知识管理] ---- - -## 定义 -利用AI技术管理和利用知识文档的系统。 - -## 代表产品 -Google NotebookLM： -- 核心创新：双人播客功能 -- 将文档转为生动播客 -- 2024年底爆火，2025年封神 - -## 开源生态 -GitHub上有七八个NotebookLM相关开源项目。 - -## Connections -- [[AI知识库]] ← 基座 ← [[大语言模型]] -- [[NotebookLM]] → 开源平替 → [[OpenNotebookLM]] diff --git a/wiki/concepts/AI结对执行.md b/wiki/concepts/AI结对执行.md deleted file mode 100644 index 00ffd563..00000000 --- a/wiki/concepts/AI结对执行.md +++ /dev/null @@ -1,41 +0,0 @@ ---- -title: "AI 结对执行" -type: concept -tags: [vibe-coding, AI, pair-programming] ---- - -## Definition -AI 结对执行（AI Pair Programming）是 Vibe Coding 范式的第三原则：开发者扮演导演角色，AI 扮演执行者角色，类似结对编程（Pair Programming）但人类提供方向判断和审美决策，AI 负责具体实现。 - -## Human vs AI Responsibilities -| 角色 | 人类（导演） | AI（执行者） | -|------|------------|-------------| -| 架构决策 | ✅ | ❌ | -| 需求理解 | ✅ | ✅（辅助澄清） | -| 代码编写 | ❌ | ✅ | -| 测试验证 | ✅（审查） | ✅（自测脚本） | -| 审美判断 | ✅ | ❌ | -| Bug 修复 | ✅（引导） | ✅（执行） | - -## Tools That Enable It -- **Cursor**：Composer 模型支持多文件编辑和 AI 对话 -- **Windsurf**：Tab 自动补全 + AI 建议 -- **Trae**：Remote SSH 开发环境 -- **Claude Code**：Print Mode 非交互批量执行 - -## Relationship to Vibe Coding Formula -Vibe Coding = 规划驱动 + 上下文固定 + AI 结对执行 -- 规划驱动：确定做什么 -- 上下文固定：保证 AI 不跑偏 -- AI 结对执行：具体怎么做 - -## Related Concepts -- [[Vibe Coding]]：AI 结对执行是 Vibe Coding 三要素之一 -- [[规划驱动]]：结对前的人类准备工作 -- [[上下文固定]]：结对时的行为约束机制 -- [[Cursor]]：AI 结对执行的首选 IDE - -## Aliases -- AI Pair Programming -- 氛围结对 -- 导演模式 diff --git a/wiki/concepts/AI编程.md b/wiki/concepts/AI编程.md deleted file mode 100644 index 96bf3ce5..00000000 --- a/wiki/concepts/AI编程.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -title: AI编程 -type: concept -tags: [AI, 编程, Coding] -aliases: [AI Coding, AI辅助编程] ---- - -## 定义 -利用AI辅助或自主完成代码编写、调试、重构的技术。 - -## 2025年格局 -- 终端AI Agent：Claude Code、Codex -- IDE集成：Cursor -- 开源平替：Cline - -## Cline核心机制 -- 嵌入VS Code工作流 -- 深度理解项目上下文 -- 自动读取/修改文件 -- 支持MCP扩展 -- 敏感操作需用户授权 - -## Connections -- [[AI编程]] ← 基座 ← [[大语言模型]] -- [[Cline]] ← 开源平替 ← [[Cursor]] diff --git a/wiki/concepts/AI配音.md b/wiki/concepts/AI配音.md deleted file mode 100644 index e825fb74..00000000 --- a/wiki/concepts/AI配音.md +++ /dev/null @@ -1,38 +0,0 @@ ---- -title: "AI配音" -type: concept -tags: [ai-voice, tts, content-creation] -last_updated: 2026-04-16 ---- - -## Definition -文字转语音（Text-to-Speech）技术，通过AI生成带自然情感的人类语音，广泛应用于视频旁白、有声书、游戏配音等场景。 - -## Core Capabilities -- 文字转语音（TTS） -- 多语言/多方言支持 -- 情感控制（开心/生气/平静等） -- 声音克隆（用少量样本复制特定音色） - -## Tool Landscape（2025年主流） -| 层级 | 工具 | 特点 | -|------|------|------| -| 国际顶流 | [[ElevenLabs]] | 30+语言，情感丰富，API灵活 | -| 国内免费 | [[海螺AI]] | MiniMax出品，30秒克隆，免费 | -| 开源本地 | [[F5-TTS]] | 2秒克隆，开源MIT，数据安全 | -| 打工人必备 | TTSMaker | 3万字/周，商用免费，无需注册 | -| 短视频集成 | 剪映 | 抖音官方，小帅小美音色，VIP | -| 企业级 | 魔音工坊 | 500+音色，明星声音模仿，会员制 | - -## Selection Framework -- 追求高品质 → ElevenLabs -- 日常免费 → 海螺AI/TTSMaker/AnyVoice -- 技术流/企业 → F5-TTS本地部署 -- 短视频新手 → 剪映 - -## Related Concepts -- [[声音克隆]]：AI配音的高级能力，3秒到30秒样本即可克隆 -- [[AI生视频]]：AI配音的下一个链路——视频+配音=完整内容 - -## Source -- [[二创视频必不可少-AI配音声音克隆]] diff --git a/wiki/concepts/AWS-Cloud-Adoption-Framework.md b/wiki/concepts/AWS-Cloud-Adoption-Framework.md new file mode 100644 index 00000000..814ca90c --- /dev/null +++ b/wiki/concepts/AWS-Cloud-Adoption-Framework.md @@ -0,0 +1,22 @@ +--- +title: "AWS Cloud Adoption Framework" +type: concept +tags: [Cloud, Framework, AWS] +sources: [Cloud-Maturity-Model-A-Detailed-Guide-For-Cloud-Adoption] +last_updated: 2025-02-28 +--- + +## Summary +AWS Cloud Adoption Framework（AWS CAF）是一种帮助组织识别和优先处理转型机会、增强云就绪度的框架。 + +## Definition +AWS CAF 提供最佳实践指导，帮助组织逐步完善转型路线图。 + +## Key Capabilities +- 识别和优先处理转型机会 +- 增强云就绪度 +- 逐步完善转型路线图 +- AWS 特定的术语和实践 + +## Connections +- [[AWS-Cloud-Adoption-Framework]] ← extends ← [[Cloud-Maturity-Model]] diff --git a/wiki/concepts/AWS-Organizations.md b/wiki/concepts/AWS-Organizations.md deleted file mode 100644 index 282595c0..00000000 --- a/wiki/concepts/AWS-Organizations.md +++ /dev/null @@ -1,29 +0,0 @@ ---- -title: "AWS Organizations" -type: concept -tags: [aws, governance, multi-account, security] -date: 2025-10-25 ---- - -## Definition -AWS Organizations，AWS 账户集中管理服务，通过组织单位（OU）树形结构对多个 AWS 账户进行分组治理，实现统一策略管理、账单整合和跨账户服务委托。 - -## Key Properties -- **组织单元（OU）**：账户的逻辑分组，支持嵌套，策略继承 -- **服务控制策略（SCP）**：在 OU 或账户级别限制 IAM 权限，超越账户内 IAM 策略 -- **可信访问（Trusted Access）**：授权 AWS 服务（如 StackSets）跨账户AssumeRole，无需手动配置 -- ** delegated administrator**：为特定服务指定委派管理员账户 - -## Multi-Account DevOps Role -StackSets 集中日志方案依赖： -- 启用 StackSets 可信访问（Organization 级别授权） -- 指定管理账户为 delegated administrator -- OU ID 作为 StackSets 部署目标范围 - -## Related Concepts -- [[CloudFormation StackSets]]：依赖 Organizations 实现跨账户授权 -- [[Multi-Cloud-Governance]]：Organizations 是 AWS 侧多账户治理的核心框架 -- [[Zero-Trust]]：Organizations + SCP 是 Zero Trust 在 AWS 环境的策略实施层 - -## Source -[[AWS-CloudFormation-StackSets-多账户集中日志监控]] diff --git a/wiki/concepts/Agent-Skill-设计模式.md b/wiki/concepts/Agent-Skill-设计模式.md deleted file mode 100644 index 4065d29b..00000000 --- a/wiki/concepts/Agent-Skill-设计模式.md +++ /dev/null @@ -1,56 +0,0 @@ ---- -title: "Agent Skill 设计模式" -type: concept -tags: [agent, skill, design-pattern] -last_updated: 2026-04-15 ---- - -# Agent Skill 设计模式 - -## 定义 -Google 发布的 5 种 Skill 内容结构化设计模式，用于解决 SKILL.md 格式标准化后执行效果差异大的问题。 - -## 5 种模式 - -### 1. Tool Wrapper -- **用途**：让 agent 快速成为某个领域专家 -- **机制**：监听特定库关键词，动态加载规范文档 -- **适用**：团队内部编码规范、特定框架最佳实践 - -### 2. Generator -- **用途**：从模板生成结构化输出 -- **机制**："填空"流程，assets/ 模板 + references/ 样式指南 -- **适用**：统一 API 文档、标准化 commit 信息、脚手架项目 - -### 3. Reviewer -- **用途**：把检查清单和检查逻辑分开 -- **机制**：审查标准存放在 references/review-checklist.md，换清单即换审计类型 -- **适用**：代码审查、安全审计、合规检查 - -### 4. Inversion -- **用途**：agent 先问你再做 -- **机制**：通过不可协商的门控指令逐阶段收集信息 -- **适用**：项目规划、需求收集 - -### 5. Pipeline -- **用途**：带硬性检查点的严格工作流 -- **机制**：明确前置条件和门控条件，强制顺序执行 -- **适用**：复杂任务、文档流水线、多阶段生成 - -## 模式组合 -- Pipeline 可包含 Reviewer 步骤（double-check 成果） -- Generator 可依赖 Inversion 收集缺失变量 - -## Anthropic 补充 -- 最好的 Skill 不是"写好的提示词"，而是"工具箱" -- Skill = 说明书 + SOP -- 写 Skill 三条铁律：只写 Agent 不知道的东西、重点写踩坑清单、给工具不给指令 - -## Connections -- [[Tool Wrapper]]：模式之一 -- [[Generator]]：模式之一 -- [[Reviewer]]：模式之一 -- [[Inversion]]：模式之一 -- [[Pipeline]]：模式之一 -- [[渐进式披露]]：ADK 机制支撑 -- [[AI技能封装]]：相关领域 diff --git a/wiki/concepts/Agentic-AI.md b/wiki/concepts/Agentic-AI.md index 9697494a..bd800aa6 100644 --- a/wiki/concepts/Agentic-AI.md +++ b/wiki/concepts/Agentic-AI.md @@ -1,34 +1,32 @@ --- title: "Agentic AI" type: concept -tags: [ai-agent, autonomy] -last_updated: 2026-04-15 +tags: [AI, Autonomous-AI, Agentic-AI] +sources: [How-Agentic-AI-can-help-for-Cloud-DevOps] +last_updated: 2026-04-16 --- -## Definition -能感知环境、做出决策、预判需求并自主采取行动的 AI 系统。与 GenAI（生成内容）的被动响应不同，Agentic AI 强调行动导向，与环境持续交互。 +## Summary +Agentic AI（智能体 AI）是指具备自主决策和任务执行能力的 AI 系统，能够在没有人类干预的情况下完成复杂任务。 -## Core Loop -1. **感知（Perceive）**：获取任务，扫描环境上下文 -2. **思考（Reason）**：使用 LLM 进行推理，制定行动计划 -3. **行动（Act）**：调用工具（API、代码、数据库） -4. **观察（Observe）**：将行动结果加入上下文，循环迭代 +## Definition +具备自主决策、规划和执行能力的 AI 系统，可感知环境、制定计划并自动执行任务以达成目标。 ## Key Characteristics -- 主动性：预判用户需求而非被动响应 -- 自主性：在无人工干预下完成任务循环 -- 上下文感知：整合环境信息和历史记忆 +- **自主决策**：无需人类干预即可做出决策 +- **任务执行**：自动执行多步骤复杂工作流 +- **环境感知**：感知和理解运行环境状态 +- **自我修复**：检测异常并自动修复问题 +- **持续学习**：从历史数据学习并优化决策 -## Relationship to Other Concepts -- [[GenAI]]：Agentic AI 的内容生成基础 -- [[RAG]]：为 Agentic AI 提供实时信息获取能力 -- [[LLM]]：Agentic AI 的"大脑"，提供推理能力 +## Key Applications in Cloud DevOps +- 自主事件检测与响应（MTTR 缩短） +- 智能成本优化（动态扩缩、Spot 实例优化） +- 自动化安全审计与合规执行 +- 智能日志分析与可观测性 +- AI 辅助决策（What-If 模拟） -## Related Concepts -- [[AI Agent 设计原则]]：透明度、控制感、个性化、对话、预判 -- [[Multi Agent Hierarchy]]：多 Agent 协作架构之一 - -## Aliases -- AI Agent -- 智能体 -- 自主AI +## Connections +- [[DevOps]] ← extends ← [[Agentic AI]]：Agentic AI 扩展 DevOps 自动化能力 +- [[Cloud Security]] ← enhanced_by ← [[Agentic AI]]：Agentic AI 增强云安全自动化 +- [[Auto-scaling]] ← extends ← [[Agentic AI]]：Agentic AI 提供更智能的动态扩缩 diff --git a/wiki/concepts/Agent模式.md b/wiki/concepts/Agent模式.md deleted file mode 100644 index bb996530..00000000 --- a/wiki/concepts/Agent模式.md +++ /dev/null @@ -1,28 +0,0 @@ ---- -title: "Agent模式" -type: concept -tags: [cursor, mcp, ai-agent] -last_updated: 2026-04-15 ---- - -# Agent模式 - -## 定义 -Cursor Composer 中的自动执行模式，可自动调用 MCP 工具链完成任务。 - -## 与 Normal 模式对比 -| 特性 | Agent 模式 | Normal 模式 | -|------|-----------|-------------| -| 命令执行 | 自动执行 | 手动复制 | -| 工具调用 | 工具链自动串联 | 单步手动触发 | -| 效率 | 高 | 低 | -| 风险 | 可能误操作 | 可控 | - -## 风险提示 -- "enable yolo mode" 开启后会默认执行所有命令，可能造成误操作 -- 建议默认关闭 - -## Connections -- [[Composer]]：所属模块 -- [[Cursor]]：所属平台 -- [[MCP工具链]]：调用对象 diff --git a/wiki/concepts/Agile.md b/wiki/concepts/Agile.md deleted file mode 100644 index 00df56db..00000000 --- a/wiki/concepts/Agile.md +++ /dev/null @@ -1,37 +0,0 @@ ---- -title: Agile -type: concept -tags: [敏捷, 软件工程, 方法论, 迭代开发] -sources: ["sources/DevOps-Culture-and-Transformation.md"] -last_updated: 2026-04-15 ---- - -## 定义 -Agile（敏捷）是一类迭代式软件开发方法论，强调适应性规划、快速交付、跨职能协作和持续改进。2001 年发布的《敏捷宣言》奠定了其核心理念。 - -## 核心价值观 -- 个体与交互高于流程与工具 -- 可工作软件高于详尽文档 -- 客户协作高于合同谈判 -- 响应变化高于遵循计划 - -## 主流框架 -- **Scrum**：结构化冲刺（sprint）管理，适合固定迭代周期 -- **Kanban**：可视化持续流管理，适合持续交付场景 -- **SAFe (Scaled Agile Framework)**：大规模敏捷框架 - -## 与 DevOps 的关系 -- Agile 聚焦于开发侧的迭代管理 -- [[DevOps]] 将 Agile 的迭代理念延伸至运维全生命周期 -- [[CI/CD Pipelines]] 是 Agile 实践的自动化加速器 -- Shift-Left 实践将运营考量前置到开发阶段 - -## 关键实践 -- 迭代式开发与定期演示 -- 每日站会（Daily Standup） -- 回顾会议（Retrospective） -- Sprint 规划与回顾 - -## Aliases -- Agile -- 敏捷开发 diff --git a/wiki/concepts/Anthropic-Skills-官方库.md b/wiki/concepts/Anthropic-Skills-官方库.md deleted file mode 100644 index e8b6ae86..00000000 --- a/wiki/concepts/Anthropic-Skills-官方库.md +++ /dev/null @@ -1,43 +0,0 @@ ---- -title: "Anthropic Skills 官方库" -type: concept -tags: [anthropic, claude, skill, github, open-source] -last_updated: 2026-01-08 ---- - -## Definition -Anthropic 官方在 GitHub 发布的 Skills 仓库（github.com/anthropics/skills），收藏数突破 3.2 万，原封不动地拆解了 Claude.ai 网页版的生产级能力。 - -## Source -- GitHub: https://github.com/anthropics/skills - -## Core Content - -### 三大类别 - -#### 1. 办公自动化四大件（Office Suite） -- Word/PDF/PPT/Excel 的创建、编辑、分析、重写 -- 格式控制、边界处理、容错策略 -- 每一步包含 Prompt 结构、参数含义 - -#### 2. 开发者工具箱（Developer Tools） -- MCP Server -- Web 应用测试 -- Artifacts 构建 -- 自动化验证流程 - -#### 3. 创意类 Skills（Creative） -- 算法艺术 -- Canvas 设计 -- 主题生成工厂 -- 重点：设计思路可复用、输入约束、输出稳定 - -## Key Value -"它是 Anthropic 把 Claude 线上真正在跑的生产级能力，原封不动地拆解开来，摊在桌面上给你看。" - -本质上是官方在教你"怎么像我们一样开发 AI 应用"。 - -## Connections -- [[Anthropic]] ← 发布者 -- [[Claude Skills]] ← 具体实现 -- [[Awesome-Claude-Skills]] ← 第三方精选仓库 diff --git a/wiki/concepts/Auto-scaling.md b/wiki/concepts/Auto-scaling.md new file mode 100644 index 00000000..11899d89 --- /dev/null +++ b/wiki/concepts/Auto-scaling.md @@ -0,0 +1,25 @@ +--- +title: Auto-scaling +type: concept +tags: [Cloud, Cost-Optimization, Elasticity] +sources: [The-Myths-and-Misconceptions-About-Cloud-Computing-LinkedIn.md, How-Agentic-AI-can-help-for-Cloud-DevOps] +last_updated: 2025-03-02 +--- + +## Definition +自动扩展（Auto-scaling）是一种根据实时负载自动调整计算资源的技术，确保系统在高峰期有足够资源，在低峰期避免资源浪费。 + +## Core Features +- 动态资源分配：根据负载自动增减实例 +- 成本优化：在低需求时自动缩减资源 +- 性能保障：在高负载时自动扩容 +- 预测性扩展：基于历史数据预测未来需求 + +## Key Claims +- 自动扩展是降低云成本的关键策略之一 +- 云平台提供灵活的定价，配合自动扩展帮助企业实现成本效益 + +## Connections +- [[Pay-as-you-go]] ← optimizes ← [[Auto-scaling]]：自动扩展优化按需付费成本 +- [[Cloud-Native]] ← uses ← [[Auto-scaling]]：云原生应用广泛使用自动扩展 +- [[IaaS]] ← provides ← [[Auto-scaling]]：IaaS 提供自动扩展功能 diff --git a/wiki/concepts/Azure-Cloud-Adoption-Framework.md b/wiki/concepts/Azure-Cloud-Adoption-Framework.md new file mode 100644 index 00000000..4ced6198 --- /dev/null +++ b/wiki/concepts/Azure-Cloud-Adoption-Framework.md @@ -0,0 +1,22 @@ +--- +title: "Azure Cloud Adoption Framework" +type: concept +tags: [Cloud, Framework, Azure] +sources: [Cloud-Maturity-Model-A-Detailed-Guide-For-Cloud-Adoption] +last_updated: 2025-02-28 +--- + +## Summary +Azure Cloud Adoption Framework（Azure CAF）是微软 Azure 的云采纳框架，提供针对 Azure 的指导和最佳实践。 + +## Definition +Azure CAF 使组织能够采用云技术并有信心地实现业务目标。 + +## Key Capabilities +- 针对 Azure 的定制指导 +- 最佳实践 +- 业务目标对齐 +- 迁移支持 + +## Connections +- [[Azure-Cloud-Adoption-Framework]] ← extends ← [[Cloud-Maturity-Model]] diff --git a/wiki/concepts/BBR.md b/wiki/concepts/BBR.md deleted file mode 100644 index 838f9204..00000000 --- a/wiki/concepts/BBR.md +++ /dev/null @@ -1,26 +0,0 @@ ---- -title: "BBR" -type: concept -tags: [networking, tcp, performance] -sources: [] -last_updated: 2026-04-16 ---- - -## Definition -BBR（ Bottleneck Bandwidth and Round-trip propagation time）是 Google 开发的 TCP 拥塞控制算法，通过实时探测带宽和延迟调整发送速率，提升网络传输性能。 - -## Core Attributes -- 开发者：Google -- 类型：TCP 拥塞控制算法 -- 启用方式：3X-UI 面板选项 23 -- 作用：提升跨境网络传输速度 - -## Mechanism -BBR 通过两个核心指标调整发送行为： -1. Bottleneck Bandwidth（瓶颈带宽） -2. Round-trip propagation time（往返传播时间） - -相比传统 Cubic 算法，BBR 在高延迟高带宽网络中表现更优。 - -## Connections -- [[BBR]] ← enabled_by ← [[3X-UI]] diff --git a/wiki/concepts/Bandwagon-Effect.md b/wiki/concepts/Bandwagon-Effect.md deleted file mode 100644 index 97e7d791..00000000 --- a/wiki/concepts/Bandwagon-Effect.md +++ /dev/null @@ -1,27 +0,0 @@ -# Bandwagon Effect - -## Definition -A psychological phenomenon where people adopt beliefs or actions because they see others doing the same, regardless of the underlying evidence. In multi-agent systems, it causes agents to converge on popular answers rather than independently reasoning to correct conclusions. - -## Risk in Multi-Agent Consensus -- Agents may be influenced by implicit ordering or presentation of options -- If one answer appears first or is more salient, later agents may favor it -- The effect can override actual reasoning -- Correlated responses reduce the benefit of voting - -## Prevention -- Ensure agents are truly independent (no feedback loops) -- Present information in randomized order where applicable -- Use diverse models with different training to reduce shared biases -- Treat the consensus as a blind experiment — agents don't know they're voting - -## Key Principle -- Diversity in human systems helps solve novel problems -- The same applies to LLM ensembles -- Different models, different fine-tuning, different prompts -- Maximize variance in responses for maximum cancellation of noise - -## Related Concepts -- [[Groupthink]] -- [[Multi-Agent Consensus]] -- [[Sycophancy]] \ No newline at end of file diff --git a/wiki/concepts/Bind-Mount.md b/wiki/concepts/Bind-Mount.md deleted file mode 100644 index 07301800..00000000 --- a/wiki/concepts/Bind-Mount.md +++ /dev/null @@ -1,28 +0,0 @@ ---- -id: Bind-Mount -title: "Bind Mount" -type: concept -tags: [docker, storage, development] -sources: [] -last_updated: 2026-04-15 ---- - -## Definition -Bind Mount（绑定挂载）是 Docker 的一种存储卷类型，将宿主机文件系统上的特定目录/文件直接映射到容器内，容器内对此路径的读写操作直接作用于宿主机文件系统，实现代码修改实时生效。 - -## vs Named Volume -| 维度 | Bind Mount | Named Volume | -|------|-----------|-------------| -| 数据位置 | 宿主机任意路径 | Docker 管理（/var/lib/docker/volumes） | -| 适用场景 | 开发（代码热更新） | 生产（数据持久化） | -| 可移植性 | 依赖宿主机路径 | Docker 自动管理 | -| 备份 | 随宿主机备份 | 需单独备份 | - -## Use Case -- 开发环境：宿主机源码目录挂载到容器内，修改文件无需重建镜像 -- 生产环境：使用 Named Volume 或直接使用 Synology NAS 存储路径 - -## Related Concepts -- [[Docker Compose]]：定义 Bind Mount 的方式 -- [[Docker Attach模式]]：Attach 模式适合 Bind Mount 开发 -- [[Synology NAS]]：NAS 存储路径直接挂载到容器（/volume1/docker/...） diff --git a/wiki/concepts/Bugs-First-Policy.md b/wiki/concepts/Bugs-First-Policy.md deleted file mode 100644 index ed052d07..00000000 --- a/wiki/concepts/Bugs-First-Policy.md +++ /dev/null @@ -1,24 +0,0 @@ ---- -title: "Bugs First Policy" -type: concept -tags: [software-engineering, autonomous-agent, workflow] -date: 2026-04-16 ---- - -## Definition -Agent 工作流中的强制优先级策略：任何新任务开始前，必须先检查并修复 bugs/ 目录下的第一个文件（按字母顺序），在修复完成前不允许处理任何新功能。 - -## Why It Works -- 阻止 Agent 的"快速实现冲动"，强制回归稳定性 -- 每次修复后自然触发新一轮审查循环 -- 与人类开发中的"消防员模式"相同：最紧急的先处理 - -## Contrast -| 模式 | 行为 | -|------|------| -| Bugs First | 停下所有新功能，只修 bugs/ 下第一个文件 | -| Feature First | 优先实现新功能，bug 在 backlog 中积累 | - -## Connections -- [[Autonomous-Educational-Game-Development-Pipeline]]：强制使用此策略的项目 -- [[Self-Healing-Systems]]：类似自愈逻辑，但 Self-Healing 更广（不限 bug 修复） diff --git a/wiki/concepts/CAPEX-to-OPEX.md b/wiki/concepts/CAPEX-to-OPEX.md new file mode 100644 index 00000000..a8152ddd --- /dev/null +++ b/wiki/concepts/CAPEX-to-OPEX.md @@ -0,0 +1,22 @@ +--- +title: "CAPEX to OPEX" +type: concept +tags: [Cloud, Finance] +sources: [Cloud-Maturity-Model-A-Detailed-Guide-For-Cloud-Adoption] +last_updated: 2025-02-28 +--- + +## Summary +CAPEX to OPEX（从资本支出到运营支出）是云采纳带来的财务模式转变。 + +## Definition +传统 IT 采用资本支出（CAPEX）模式购买硬件，而云采纳转向运营支出（OPEX）模式按需付费使用服务。 + +## Key Benefits +- 将固定成本转化为可变成本 +- 按需扩展 +- 无需前期大量投资 +- 通过云采纳管理成本 + +## Connections +- [[CAPEX-to-OPEX]] ← enabled_by ← [[Cloud-Adoption]] diff --git a/wiki/concepts/CI-CD-Pipelines.md b/wiki/concepts/CI-CD-Pipelines.md deleted file mode 100644 index 28ec8d94..00000000 --- a/wiki/concepts/CI-CD-Pipelines.md +++ /dev/null @@ -1,37 +0,0 @@ ---- -title: CI/CD Pipelines -type: concept -tags: [CI/CD, 自动化, 持续集成, 持续交付] -sources: ["sources/DevOps-Culture-and-Transformation.md"] -last_updated: 2026-04-15 ---- - -## 定义 -CI/CD Pipelines（持续集成/持续交付流水线）是一套自动化流程，用于代码从提交到生产部署的全生命周期管理。 - -## 核心阶段 -1. **持续集成（CI）**：代码提交后自动触发构建、测试和集成 -2. **持续交付（CD）**：通过自动化部署将代码交付至预生产环境 -3. **持续部署（Continuous Deployment）**：全自动将代码部署至生产环境 - -## 关键工具 -- [[Jenkins]]：开源 CI/CD 自动化服务器 -- [[GitHub]] Actions：GitHub 内置 CI/CD -- [[GitLab]] CI：GitLab 内置 CI/CD -- [[Kubernetes]]：容器化应用编排平台 -- [[Docker]]：容器化 runtime - -## 在 DevOps 中的角色 -- CI/CD 是 DevOps 自动化的核心引擎，将反馈周期从数周压缩至分钟级 -- 与 [[Agile]] 框架（Scrum/Kanban）协同，实现迭代式交付 -- 支撑 [[DevSecOps]]：安全扫描集成至流水线各阶段 - -## 关键指标 -- 部署频率（Deployment Frequency） -- 变更前置时间（Lead Time for Changes） -- 平均恢复时间（MTTR） -- 变更失败率（Change Failure Rate） - -## Aliases -- CI/CD Pipelines -- 持续集成/持续交付 diff --git a/wiki/concepts/CI-CD-流水线.md b/wiki/concepts/CI-CD-流水线.md new file mode 100644 index 00000000..98d07fb8 --- /dev/null +++ b/wiki/concepts/CI-CD-流水线.md @@ -0,0 +1,26 @@ +--- +title: "CI/CD 流水线" +type: concept +tags: [devops, automation, continuous-integration, continuous-delivery] +sources: [cloud-devop-maturity-guideline] +last_updated: 2026-04-16 +--- + +## Definition +CI/CD 流水线（持续集成/持续交付流水线）是自动化软件构建、测试和部署的流程管道，实现从代码提交到生产发布的全自动化。 + +## Components +- **持续集成（CI）**：代码提交后自动构建、编译、单元测试 +- **持续交付（CD）**：通过自动化测试后将代码部署到预生产环境 +- **持续部署（Continuous Deployment）**：自动部署到生产环境 + +## Key Tools +- [[Terraform]]：IaC 配置 +- [[Ansible]]：配置管理 +- [[Jenkins]]：（常见但未在本源文件中提及） +- [[GitLab CI]]：（常见但未在本源文件中提及） + +## Connections +- [[DevOps 成熟度模型]] ← 技术基础 ← [[CI/CD 流水线]] +- [[IaC]] ← 依赖 ← [[CI/CD 流水线]] +- [[DORA 指标]] ← 受影响 ← [[CI/CD 流水线]] diff --git a/wiki/concepts/CMMI.md b/wiki/concepts/CMMI.md new file mode 100644 index 00000000..5e946da5 --- /dev/null +++ b/wiki/concepts/CMMI.md @@ -0,0 +1,26 @@ +--- +title: "CMMI" +type: concept +tags: [maturity-model, process-improvement, capability] +sources: [cloud-devop-maturity-guideline] +last_updated: 2026-04-16 +--- + +## Definition +CMMI（Capability Maturity Model Integration，能力成熟度模型集成）是一套过程改进框架，用于评估和改进组织流程能力。 + +## Maturity Levels +1. **初始级（Initial）**：过程不可预测，依赖个人能力 +2. **可管理级（Managed）**：过程已建立但依赖经验 +3. **已定义级（Defined）**：过程标准化和文档化 +4. **量化管理级（Quantitatively Managed）**：基于数据的量化管理 +5. **优化级（Optimizing）**：持续过程改进 + +## Relationship with DevOps +- CMMI 是 DevOps 成熟度模型的先驱和理论基础 +- DevOps 成熟度模型借鉴了 CMMI 的分级方法论 +- CMMI 更通用，DevOps 成熟度模型更专注于交付实践 + +## Connections +- [[DevOps 成熟度模型]] ← 借鉴 ← [[CMMI]] +- [[DORA 指标]] ← 量化评估 ← [[CMMI]] 相关方法 diff --git a/wiki/concepts/Cattle-vs-Pets.md b/wiki/concepts/Cattle-vs-Pets.md deleted file mode 100644 index 40f5e6d1..00000000 --- a/wiki/concepts/Cattle-vs-Pets.md +++ /dev/null @@ -1,33 +0,0 @@ -# Cattle vs Pets - -## Definition -An SRE principle contrasting two approaches to managing compute resources. "Pets" are unique, manually nurtured servers treated as irreplaceable individuals. "Cattle" are identical, replaceable units that can be killed and regenerated without ceremony. The Knock-out multi-agent pattern applies this principle to LLM agents. - -## Pets (Don't Do This) -- Named, individual servers you care about personally -- Hand-fed, manually configured, lovingly maintained -- You try to heal them when sick -- Failure of a pet is a crisis - -## Cattle (Do This) -- Identical, replaceable instances -- No names, no emotional attachment -- If one fails, you kill it and spin up a new one -- Failure of cattle is routine — the system continues - -## Application to LLM Agents -- Don't name your agents or hope they "do well" -- Spin up agent → check its work → kill it if it fails -- Each agent is interchangeable with the next -- The process (not the individual) is what matters - -## Why This Matters -- LLMs are inherently stochastic and unreliable -- Treating them as pets leads to emotional attachment to broken processes -- Enterprise AI needs reliability through architecture, not through hoping individual agents succeed -- Kill failing agents quickly to reduce cost and noise - -## Related Concepts -- [[Multi-Agent Knock-out]] -- [[LLM Reliability Engineering]] -- [[Fitness Function]] \ No newline at end of file diff --git a/wiki/concepts/Claude-Skills.md b/wiki/concepts/Claude-Skills.md deleted file mode 100644 index e834a558..00000000 --- a/wiki/concepts/Claude-Skills.md +++ /dev/null @@ -1,32 +0,0 @@ ---- -title: "Claude Skills" -type: concept -tags: [claude, anthropic, skill, workflow] -last_updated: 2026-01-08 ---- - -## Definition -Claude Skills 是 Anthropic 官方发布的 AI 技能指南，本质是"写给 Claude 的说明书 + SOP（标准作业程序）"。 - -## Core Properties -- **说明书**：清晰描述任务目标、输入约束、输出格式 -- **SOP**：将反复执行、有固定流程的任务拆解为 AI 可理解、稳定复用、自动执行的步骤 -- **可组合**：多个 Skills 可串联形成复杂工作流 - -## Key Distinction from Prompt Engineering -| Prompt Engineering | Skills | -|---|---| -| 优化单次输出质量 | 优化整套流程的稳定性与可复用性 | -| 依赖模型能力 | 结构化流程，降低模型依赖 | -| 单点优化 | 系统化、工程化 | - -## Official Resources -- [[Anthropic Skills 官方库]]：github.com/anthropics/skills，3.2 万收藏 -- [[Awesome-Claude-Skills]]：ComposioHQ、VoltAgent、BehiSecc 维护的精选仓库 -- [[Skill 聚合站]]：skillsmp.com、aitmpl.com/skills、claudemarketplaces.com - -## Connections -- [[AI技能封装]] ← 具体实现 -- [[Prompt工程]] ← 范式升级来源 -- [[Anthropic Skills 官方库]] ← 官方资源 -- [[Agent Skill 设计模式]] ← 设计模式框架 diff --git a/wiki/concepts/Cloud-Adoption.md b/wiki/concepts/Cloud-Adoption.md new file mode 100644 index 00000000..28396d1e --- /dev/null +++ b/wiki/concepts/Cloud-Adoption.md @@ -0,0 +1,33 @@ +--- +title: "Cloud Adoption" +type: concept +tags: [Cloud, Process] +sources: [Cloud-Maturity-Model-A-Detailed-Guide-For-Cloud-Adoption] +last_updated: 2025-02-28 +--- + +## Summary +Cloud Adoption（云采纳）是将工作负载和服务从本地基础设施迁移到云环境的过程。 + +## Definition +云采纳涉及将应用程序、数据和工作负载从本地数据中心迁移到公有云、私有云或混合云环境。 + +## Key Stages +根据 Cloud Maturity Model，云采纳分为 6 个成熟度等级： +1. Level 0: 无云准备 +2. Level 1: 初始就绪 +3. Level 2: 可重复机会主义 +4. Level 3: 系统化和文档化 +5. Level 4: 可测量 +6. Level 5: 优化级 + +## Best Practices +1. 设定清晰的云采纳目标 +2. 评估当前成熟度等级 +3. 选择合适的云成熟度模型 +4. 遵循治理和合规要求 +5. 实施安全和风险管理 + +## Connections +- [[Cloud-Maturity-Model]] ← defines ← [[Cloud-Adoption]] +- [[Cloud-Adoption]] ← enables ← [[CAPEX-to-OPEX]] diff --git a/wiki/concepts/Cloud-Center-of-Excellence-CCOE.md b/wiki/concepts/Cloud-Center-of-Excellence-CCOE.md new file mode 100644 index 00000000..7685efee --- /dev/null +++ b/wiki/concepts/Cloud-Center-of-Excellence-CCOE.md @@ -0,0 +1,22 @@ +--- +title: "Cloud Center of Excellence (CCOE)" +type: concept +tags: [Cloud, Organization] +sources: [Cloud-Maturity-Model-A-Detailed-Guide-For-Cloud-Adoption] +last_updated: 2025-02-28 +--- + +## Summary +Cloud Center of Excellence（云卓越中心，CCOE）是推动云采纳和治理的核心组织单元。 + +## Definition +CCOE 是一个专门的团队，负责制定云策略、标准和最佳实践，指导组织内的云采纳工作。 + +## Key Responsibilities +- 建立云治理框架 +- 制定云标准和策略 +- 提供云专业知识 +- 支持云迁移项目 + +## Connections +- [[Cloud-Center-of-Excellence-CCOE]] ← supports ← [[Cloud-Maturity-Model]] diff --git a/wiki/concepts/Cloud-Computing.md b/wiki/concepts/Cloud-Computing.md new file mode 100644 index 00000000..7c1c8b53 --- /dev/null +++ b/wiki/concepts/Cloud-Computing.md @@ -0,0 +1,51 @@ +--- +title: "Cloud Computing" +type: concept +tags: [Cloud, Computing-Model] +sources: [Public-vs-Private-vs-Hybrid-Cloud-Differences-Explained] +last_updated: 2025-06-18 +--- + +## Summary +Cloud Computing（云计算）是一种通过互联网远程访问计算资源（服务器、存储、应用程序）的服务模式，用户无需管理本地硬件。 + +## Definition +云计算是指通过互联网（"云"）远程使用计算资源和服务的方式。应用程序、数据和处理都在第三方服务器上运行，用户通过终端设备访问。与传统本地部署相比，云计算具有弹性扩展、按需付费和免维护等优势。 + +## Key Characteristics +- 远程访问：通过互联网连接使用 +- 资源共享：多个用户共享同一基础设施 +- 弹性扩展：根据需求快速增减资源 +- 按需付费：按实际使用量计费 +- 免维护：由服务商负责硬件管理和更新 + +## Service Models +- [[IaaS]]（基础设施即服务）：提供虚拟计算资源 +- [[PaaS]]（平台即服务）：提供应用开发和部署平台 +- [[SaaS]]（软件即服务）：以订阅方式提供软件应用 + +## Deployment Models +- [[Public-Cloud]]：公有云，共享交付 +- [[Private-Cloud]]：私有云，专属部署 +- [[Hybrid-Cloud]]：混合云，结合公有和私有云 + +## Shared Responsibility Model +云计算采用共享责任模型： +- 云服务商负责：基础设施运营、物理安全、服务器维护 +- 客户负责：访问权限管理、数据安全、加密、灾难恢复 + +## Key Drivers +- 减少复杂性 +- 优化 DevOps +- CapEx 转 OpEx +- 为未来做准备 + +## Connections +- [[Cloud-Computing]] ← delivers ← [[IaaS]] +- [[Cloud-Computing]] ← delivers ← [[PaaS]] +- [[Cloud-Computing]] ← delivers ← [[SaaS]] +- [[Cloud-Computing]] ← implements ← [[Public-Cloud]] +- [[Cloud-Computing]] ← implements ← [[Private-Cloud]] +- [[Cloud-Computing]] ← implements ← [[Hybrid-Cloud]] +- [[Cloud-Computing]] ← enables ← [[Cloud-Migration]] +- [[Cloud-Computing]] ← requires ← [[Cloud-Security]] diff --git a/wiki/concepts/Cloud-Maturity-Model.md b/wiki/concepts/Cloud-Maturity-Model.md new file mode 100644 index 00000000..8af6a63d --- /dev/null +++ b/wiki/concepts/Cloud-Maturity-Model.md @@ -0,0 +1,52 @@ +--- +title: "Cloud Maturity Model" +type: concept +tags: [Cloud, Framework, Maturity-Model] +sources: [Cloud-Maturity-Model-A-Detailed-Guide-For-Cloud-Adoption] +last_updated: 2025-02-28 +--- + +## Summary +Cloud Maturity Model（云成熟度模型，CMM）是一种用于评估组织云采纳就绪程度的框架，适用于各种规模和云经验水平的组织。 + +## Definition +CMM 通过 5 个等级帮助组织评估当前云采纳状态并规划迁移路径，同时覆盖业务和技术两大维度的多项能力领域。 + +## Key Components +### 5 成熟度等级 +- **Level 0: No Cloud Readiness** — 无云准备，完全依赖遗留系统 +- **Level 1: Initial Readiness** — 初始就绪，有少量云服务使用但无清晰策略 +- **Level 2: Repeatable, opportunistic** — 可重复，已建立 IT 和采购流程 +- **Level 3: Systematic and Documented** — 系统化，有文档化实践和合规性 +- **Level 4: Measured** — 可测量，有透明治理模型 +- **Level 5: Optimized** — 优化级，开放互操作的云环境 + +### 业务能力领域 (16项) +Finance、Enterprise Strategy、Organizational Structure、Culture、Governance、Skills、Compliance、Business Processes、Procurement、Commercial、Portfolio Management、Projects + +### 技术能力领域 (18项) +IT Architecture、Applications、Management Tools、Operations (IT) Processes、DevOps、Security、IaaS、PaaS、STaaS、SaaS、IPaaS、Information Services、Data、Network、AI、IoT、APIs + +## Benefits +1. 增强战略规划 +2. 改善团队沟通 +3. 提升应用性能 +4. 增强安全性和性能 +5. 缩短上市时间 +6. 行业基准对比 +7. 成本节约 + +## Best Practices +1. 设定云采纳目标 +2. 确定当前成熟度等级 +3. 选择合适的云成熟度模型 +4. 遵循治理和合规 +5. 遵循安全和风险管理 + +## Connections +- [[Cloud-Maturity-Model]] ← extends ← [[Cloud-Security-Maturity-Model-CSMM]] +- [[Cloud-Maturity-Model]] ← extends ← [[AWS-Cloud-Adoption-Framework]] +- [[Cloud-Maturity-Model]] ← extends ← [[Azure-Cloud-Adoption-Framework]] +- [[Cloud-Maturity-Model]] ← extends ← [[Google-Cloud-Adoption-Framework]] +- [[Cloud-Center-of-Excellence-CCOE]] ← supports ← [[Cloud-Maturity-Model]] +- [[Open-Alliance-for-Cloud-Adoption-OACA]] ← defines ← [[Cloud-Maturity-Model]] diff --git a/wiki/concepts/Cloud-Migration.md b/wiki/concepts/Cloud-Migration.md new file mode 100644 index 00000000..cb2a5ce2 --- /dev/null +++ b/wiki/concepts/Cloud-Migration.md @@ -0,0 +1,25 @@ +--- +title: Cloud Migration +type: concept +tags: [Cloud, Migration, DevOps] +sources: [The-Myths-and-Misconceptions-About-Cloud-Computing-LinkedIn.md] +last_updated: 2025-03-02 +--- + +## Definition +云迁移是指将工作负载、应用程序和数据从本地基础设施迁移到云环境的过程。 + +## Migration Strategies +- 阶段式迁移（Phased Migration）：分阶段逐步迁移工作负载 +- 混合云迁移（Hybrid Cloud Migration）：保留部分本地工作负载 +- 云迁移服务（Cloud Migration Services）：专业迁移工具和支持 + +## Key Claims +- 虽然迁移到云需要仔细规划，但云提供商提供广泛的工具和支持来促进这一过程 +- 阶段式迁移、混合云解决方案和专业云迁移服务有助于降低风险并确保平滑过渡 +- 借助正确的方法，企业可以以最小 disruption 将工作负载迁移到云 + +## Connections +- [[Cloud-Adoption]] ← includes ← [[Cloud-Migration]]：云采纳包含迁移阶段 +- [[Hybrid-Cloud]] ← uses ← [[Cloud-Migration]]：混合云是迁移策略之一 +- [[DevOps]] ← supports ← [[Cloud-Migration]]：DevOps 实践支持平滑迁移 diff --git a/wiki/concepts/Cloud-Native.md b/wiki/concepts/Cloud-Native.md new file mode 100644 index 00000000..21b77156 --- /dev/null +++ b/wiki/concepts/Cloud-Native.md @@ -0,0 +1,22 @@ +--- +title: "Cloud Native" +type: concept +tags: [Cloud, Architecture] +sources: [Cloud-Maturity-Model-A-Detailed-Guide-For-Cloud-Adoption] +last_updated: 2025-02-28 +--- + +## Summary +Cloud Native（云原生）是一种利用云平台原生特性构建和运行应用程序的方法论。 + +## Definition +云原生应用充分利用云平台的动态特性，在公有云、私有云和混合云环境中运行。 + +## Key Characteristics +- 容器化部署 +- 微服务架构 +- 动态管理 +- 利用 CNCF 生态系统 + +## Connections +- [[Cloud-Native]] ← part_of ← [[Cloud-Maturity-Model]] diff --git a/wiki/concepts/Cloud-Operating-Model.md b/wiki/concepts/Cloud-Operating-Model.md deleted file mode 100644 index 53e56453..00000000 --- a/wiki/concepts/Cloud-Operating-Model.md +++ /dev/null @@ -1,31 +0,0 @@ ---- -id: Cloud-Operating-Model -title: "Cloud Operating Model" -type: concept -tags: [cloud, governance, strategy] -sources: [] -last_updated: 2026-04-15 ---- - -## Definition -云运营模型（Cloud Operating Model，COM）是一套标准化框架，用于组织管理云资源、安全、自动化和成本，确保云投资有效、安全和可持续。 - -## Core Pillars -1. **治理与合规**：安全策略、访问控制、合规政策 -2. **自动化与编排**：IaC、CI/CD、事件驱动自动化 -3. **安全与风险管理**：Zero Trust、实时威胁检测、自动化安全修复 -4. **云财务管理（FinOps）**：实时成本追踪、Reserved Instances、Auto-Scaling - -## Maturity Levels -- Ad-hoc Cloud Adoption：无清晰战略，成本和安全问题突出 -- Cloud-First Strategy：有定义的流程，但需优化 -- Cloud-Native Enterprise：自动化驱动，多云复杂性管理 - -## Key Quotes -> "A Cloud Operating Model is no longer optional—it is the backbone of modern cloud strategy." — Bacancy Technology - -## Related Concepts -- [[FinOps]]：云财务管理 -- [[Zero Trust]]：零信任安全模型 -- [[Multi-Cloud]]：多云策略 -- [[DevOps]]：DevOps 文化与 COM 高度重叠 diff --git a/wiki/concepts/Cloud-Security-Maturity-Model-CSMM.md b/wiki/concepts/Cloud-Security-Maturity-Model-CSMM.md new file mode 100644 index 00000000..86654811 --- /dev/null +++ b/wiki/concepts/Cloud-Security-Maturity-Model-CSMM.md @@ -0,0 +1,19 @@ +--- +title: "Cloud Security Maturity Model (CSMM)" +type: concept +tags: [Cloud, Security, Maturity-Model] +sources: [Cloud-Maturity-Model-A-Detailed-Guide-For-Cloud-Adoption] +last_updated: 2025-02-28 +--- + +## Summary +Cloud Security Maturity Model（云安全成熟度模型，CSMM）是一种评估云安全计划成熟度的框架。 + +## Definition +CSMM 评估组织云安全在 12 个类别和 3 个不同领域中的成熟度水平，通常由 IANS 或 Securosis 提供。 + +## Key Domains +CSMM 涵盖 12 个类别，分布在 3 个不同领域中。 + +## Connections +- [[Cloud-Security-Maturity-Model-CSMM]] ← extends ← [[Cloud-Maturity-Model]] diff --git a/wiki/concepts/Cloud-Security.md b/wiki/concepts/Cloud-Security.md new file mode 100644 index 00000000..9a4ffd13 --- /dev/null +++ b/wiki/concepts/Cloud-Security.md @@ -0,0 +1,32 @@ +--- +title: Cloud Security +type: concept +tags: [Cloud, Security, Compliance] +sources: [The-Myths-and-Misconceptions-About-Cloud-Computing-LinkedIn.md] +last_updated: 2025-03-02 +--- + +## Definition +云安全是指保护云计算环境中的数据、应用程序和基础设施免受未经授权访问、泄露、盗窃和破坏的措施和技术的总称。 + +## Core Components +- 加密（Encryption）：数据传输和存储加密 +- 防火墙（Firewall）：网络边界防护 +- 多因素认证（Multi-factor Authentication）：增强身份验证 +- 自动化安全更新：持续漏洞修复 +- 24/7 监控：实时威胁检测 + +## Compliance Standards +- [[ISO-27001]]：信息安全管理系统国际标准 +- [[HIPAA]]：美国健康保险便携性和责任法案 +- [[GDPR]]：欧盟通用数据保护条例 + +## Key Claims +- 云安全通常比本地解决方案更 robust，云提供商投入大量资源于安全措施 +- 许多云平台符合 ISO 27001、HIPAA、GDPR 等严苛行业标准 +- 云提供商提供自动化安全更新和 24/7 监控，降低违规风险 + +## Connections +- [[Cloud-Adoption]] ← depends_on ← [[Cloud-Security]]：云采纳必须以云安全为基础 +- [[Cloud-Security-Maturity-Model-CSMM]] ← related_to ← [[Cloud-Security]]：CSMM 是云安全成熟度评估框架 +- [[DevSecOps]] ← extends ← [[Cloud-Security]]：DevSecOps 在 CI/CD 中集成安全 diff --git a/wiki/concepts/Cloud-Service-Delivery.md b/wiki/concepts/Cloud-Service-Delivery.md new file mode 100644 index 00000000..16d1e43c --- /dev/null +++ b/wiki/concepts/Cloud-Service-Delivery.md @@ -0,0 +1,51 @@ +--- +title: "Cloud Service Delivery" +type: concept +tags: [Cloud, DevOps, Cloud Operations] +sources: [What-I-know-about-Cloud-Service-Delivery-1] +last_updated: 2026-04-16 +--- + +## Definition +Cloud Service Delivery（云服务交付）是连接云技术能力（IaaS、PaaS、SaaS）与最终用户实际消费服务之间的桥梁，涵盖使云服务可操作、可访问、安全、高性能和有价值 的整个生命周期。 + +## Core Components（核心组成部分） + +### Cloud Service Delivery Team Roles（团队角色） +- Cloud Infrastructure Engineer +- Cloud Operation Engineer (DevOps/SRE) +- Cloud Security Specialists +- Cloud Support Engineer +- Cloud FinOps Engineer + +### 12 Core Management Areas（12个核心管理领域） +1. **Service Provisioning & Deployment**：服务配置与部署 +2. **Infrastructure Management**：基础设施管理 +3. **Platform Management (for PaaS)**：平台管理 +4. **Application Operations & Management**：应用运维管理 +5. **Security & Compliance Management**：安全与合规管理 +6. **Performance & Availability Monitoring**：性能与可用性监控 +7. **Incident & Problem Management**：事件与问题管理 +8. **Change & Configuration Management**：变更与配置管理 +9. **Cost Management & Optimization**：成本管理与优化 +10. **Customer Onboarding & Support**：客户支持与 onboarding +11. **Service Governance & Lifecycle Management**：服务治理与生命周期管理 +12. **Backup, Recovery & Disaster Management**：备份恢复与灾难管理 + +## Related Concepts +- [[DevOps]]：云服务交付的重要方法论基础 +- [[IaaS]]：云服务交付的底层服务模式 +- [[PaaS]]：云服务交付的平台层 +- [[SaaS]]：云服务交付的应用层 +- [[Cloud Native]]：云服务交付的目标架构状态 +- [[Cloud Maturity Model]]：评估云服务交付能力的成熟度框架 +- [[DevSecOps]]：云服务交付中安全管理的最佳实践 +- [[IaC]]：云服务交付中变更配置管理的核心方法 + +## Best Practices Mentioned（最佳实践） +- AWS CloudWatch 作为 Grafana 的数据源进行监控 +- Service Availability Check 使用 APM/BPM、New Relic、AWS CloudWatch Synthetic、Health Page +- WAF（Web Application Firewall）管理 +- IP 白名单支持到租户级别 +- Planned Change vs Emergency Change 区分 +- SLA 99.9% vs 99.99% 可用性对比（参考 uptime.is） diff --git a/wiki/concepts/CloudFormation-StackSets.md b/wiki/concepts/CloudFormation-StackSets.md deleted file mode 100644 index 3d290c45..00000000 --- a/wiki/concepts/CloudFormation-StackSets.md +++ /dev/null @@ -1,28 +0,0 @@ ---- -title: "CloudFormation StackSets" -type: concept -tags: [aws, iac, devops, multi-account] -date: 2025-10-25 ---- - -## Definition -AWS CloudFormation StackSets，允许在多个 AWS 账户和区域中通过单一操作创建、更新或删除 CloudFormation 堆栈的托管服务。管理员在管理账户定义模板，StackSets 自动将操作传播到指定的组织单位（OU）或账户列表。 - -## Key Properties -- **跨账户/跨区域**：一张模板同时部署到多个目标账户和区域 -- **自动部署**：启用自动部署后，新增账户自动获得预定义资源 -- **故障容忍度**：parallel regions + fault tolerance 设置控制并发数 -- **服务托管（Service-Managed）**：使用 AWS Organizations 的服务委托角色，无需手动创建跨账户 IAM 角色 - -## Use Cases -- 安全基线批量部署（安全组、Config Rules、SCP） -- 合规性配置跨账户统一落地 -- 多账户监控、日志、网络基础设施一键部署 - -## Related Concepts -- [[Infrastructure-as-Code]]：StackSets 是 IaC 在多账户场景的扩展 -- [[EventBridge]]：StackSets 操作生成事件，可被 EventBridge 规则捕获 -- [[AWS Organizations]]：StackSets 依赖组织框架进行跨账户授权 - -## Source -[[AWS-CloudFormation-StackSets-多账户集中日志监控]] diff --git a/wiki/concepts/CloudWatch-Logs-Insights.md b/wiki/concepts/CloudWatch-Logs-Insights.md deleted file mode 100644 index 2fdda0f5..00000000 --- a/wiki/concepts/CloudWatch-Logs-Insights.md +++ /dev/null @@ -1,32 +0,0 @@ ---- -title: "CloudWatch Logs Insights" -type: concept -tags: [aws, observability, logging, analytics] -date: 2025-10-25 ---- - -## Definition -CloudWatch Logs Insights，CloudWatch Logs 的结构化查询引擎，提供类 SQL 查询语言对日志进行实时分析、可视化和告警配置。 - -## Key Properties -- **查询语法**：`fields` + `filter` + `parse` + `sort` + `limit` 管道化组合 -- **跨账户查询**：可在管理账户跨所有成员账户查询集中日志 -- **结构化解析**：`parse` 命令支持正则表达式提取 JSON 嵌套字段（如 resource-type、status、logical-resource-id） -- **可视化**：查询结果可直接绑定 CloudWatch Dashboard 图表 - -## Example Query（StackSets 场景） -``` -fields @timestamp, account, region -| parse @message /"resource-type":"(?[^"]+)"/ -| parse @message /"status":"(?[^"]+)"/" -| sort @timestamp desc -``` -提取：时间戳、账户 ID、区域、资源类型、部署状态。 - -## Related Concepts -- [[CloudWatch Logs]]：Logs Insights 的数据来源 -- [[可观测性]]：Logs Insights 是可观测性体系的核心查询层 -- [[CloudFormation StackSets]]：典型查询对象为 StackSets 部署事件 - -## Source -[[AWS-CloudFormation-StackSets-多账户集中日志监控]] diff --git a/wiki/concepts/CloudWatch-Logs.md b/wiki/concepts/CloudWatch-Logs.md deleted file mode 100644 index 8ce4ea52..00000000 --- a/wiki/concepts/CloudWatch-Logs.md +++ /dev/null @@ -1,28 +0,0 @@ ---- -title: "CloudWatch Logs" -type: concept -tags: [aws, observability, logging, devops] -date: 2025-10-25 ---- - -## Definition -Amazon CloudWatch Logs，AWS 日志存储与分析服务，支持从 AWS 服务、本地服务器、第三方应用收集日志，并以结构化或非结构化文本形式持久化。 - -## Key Properties -- **日志组（Log Group）**：日志流的组织单元，可设置保留期和加密策略 -- **KMS 加密**：日志组可使用客户托管 KMS 密钥（CMK）加密，满足合规要求 -- **订阅过滤器（Subscription Filter）**：将日志实时流式传输至 Lambda、Kinesis Firehose 或第三方目标 -- **跨账户日志**：通过 CloudWatch Logs Insights 跨账户查询（Cross-Account Query） - -## Use Cases in This Context -- StackSets 场景：central-cloudformation-logs 日志组存储来自所有成员账户的 CloudFormation 事件 -- 与 [[EventBridge]] 配合，作为跨账户事件转发后的集中存储层 -- 通过 CloudWatch Logs Insights 提供跨账户查询能力 - -## Related Concepts -- [[可观测性]]：CloudWatch Logs 是 Metrics/Logs/Traces 三大支柱之一 -- [[CloudWatch Logs Insights]]：结构化日志查询引擎 -- [[EventBridge]]：CloudWatch Logs 的事件来源之一 - -## Source -[[AWS-CloudFormation-StackSets-多账户集中日志监控]] diff --git a/wiki/concepts/Compliance-Enforcement.md b/wiki/concepts/Compliance-Enforcement.md new file mode 100644 index 00000000..600b1c45 --- /dev/null +++ b/wiki/concepts/Compliance-Enforcement.md @@ -0,0 +1,31 @@ +--- +title: "Compliance Enforcement" +type: concept +tags: [security, compliance, automation] +sources: [How-Agentic-AI-can-help-for-Cloud-DevOps] +last_updated: 2026-04-16 +--- + +## Summary +Compliance Enforcement（合规执行）是通过自动化工具持续监控和确保系统符合 SOC 2、FedRAMP、PCI DSS 等安全合规要求的实践。 + +## Definition +自动化监控、检测和修复安全合规违规行为，确保系统始终符合监管要求。 + +## Key Frameworks +- **SOC 2**：服务组织控制评估 +- **FedRAMP**：联邦风险和授权管理计划 +- **PCI DSS**：支付卡行业数据安全标准 +- **HIPAA**：美国健康保险便携性和责任法案 +- **GDPR**：欧盟通用数据保护条例 + +## Key Mechanisms +- **持续监控**：实时检测合规违规 +- **自动修复**：违规发生时自动修复 +- **审计追踪**：记录所有合规相关活动 +- **报告生成**：自动生成合规报告 + +## Connections +- [[Agentic AI]] ← implements ← [[Compliance Enforcement]]：Agentic AI 实现自动化合规执行 +- [[DevSecOps]] ← extends ← [[Compliance Enforcement]]：DevSecOps 强调自动化合规 +- [[Cloud Security]] ← depends_on ← [[Compliance Enforcement]]：云安全依赖合规执行 diff --git a/wiki/concepts/Composer模型.md b/wiki/concepts/Composer模型.md deleted file mode 100644 index 0c9207ab..00000000 --- a/wiki/concepts/Composer模型.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -title: "Composer模型" -type: concept -tags: [ai, code-generation, cursor, llm] -last_updated: 2026-04-15 ---- - -## 定义 -Cursor 自研的 AI 代码生成模型，主打生成速度优势，官方声称比其他同类模型快 4 倍。 - -## 核心特点 -- **速度优势**：4 倍生成速度，降低等待成本 -- **深度集成**：与 Cursor 编辑器深度绑定，支持多代理并行 -- **上下文感知**：基于整个项目文件结构生成代码 - -## 技术定位 -- [[Cursor]] 的核心 AI 能力 -- 属于通用代码生成模型，非垂直领域定制 - -## 关联 -- [[Composer模型]] ← 属于 ← [[Cursor]] -- [[AI代码编辑器]] ← 增强 ← [[Composer模型]] - -## Aliases -- Cursor Composer -- Cursor 自研模型 - diff --git a/wiki/concepts/Context-Drift.md b/wiki/concepts/Context-Drift.md deleted file mode 100644 index f36ea865..00000000 --- a/wiki/concepts/Context-Drift.md +++ /dev/null @@ -1,27 +0,0 @@ -# Context Drift - -## Definition -A failure mode in LLM interactions where the model gradually loses focus on the original task or context, veering off-topic as the conversation progresses. The LLM "forgets" the original goal and generates responses that may be locally coherent but globally irrelevant. - -## Causes -- Long conversations that exceed the model's effective context window -- Cumulative token budget leading to attention dilution -- Poor initial prompt definition -- Model's tendency to follow the most recent instructions over original ones - -## Impact on Multi-Agent Systems -- Can propagate errors through agent chains -- Workers in a Hierarchy may drift from Planner's intended tasks -- Debates may veer off the original proposition being evaluated -- Knock-out agents may lose sight of the evaluation criteria - -## Mitigation -- Break long tasks into atomic steps (Hierarchy pattern) -- Use explicit task validation at each step -- Keep agent contexts focused and limited -- Reset context periodically rather than accumulating - -## Related Concepts -- [[Hallucination]] -- [[Multi-Agent Hierarchy]] -- [[Validator]] \ No newline at end of file diff --git a/wiki/concepts/Conventional-Commits.md b/wiki/concepts/Conventional-Commits.md deleted file mode 100644 index f1b9bd19..00000000 --- a/wiki/concepts/Conventional-Commits.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -title: "Conventional Commits" -type: concept -tags: [git, software-engineering, automation] -date: 2026-04-16 ---- - -## Definition -语义化提交格式规范：`: `，其中 type 包括 feat/fix/docs/style/refactor/test/chore 等，描述用祈使语气。 - -## Example -``` -feat: add memory search integration -fix: resolve cron timezone issue -chore: update dependencies -``` - -## Why It Matters -- 自动化 CHANGELOG 生成 -- 语义化版本管理（semver） -- 人类和机器均可解析提交历史 - -## Connections -- [[Autonomous-Educational-Game-Development-Pipeline]]：使用 conventional commits 生成 CHANGELOG -- [[GitOps]]：Git 提交历史作为系统状态的审计日志 diff --git a/wiki/concepts/Cost-Optimization.md b/wiki/concepts/Cost-Optimization.md new file mode 100644 index 00000000..13176849 --- /dev/null +++ b/wiki/concepts/Cost-Optimization.md @@ -0,0 +1,25 @@ +--- +title: "Cost Optimization" +type: concept +tags: [cloud, cost-management, FinOps] +sources: [How-Agentic-AI-can-help-for-Cloud-DevOps] +last_updated: 2026-04-16 +--- + +## Summary +Cost Optimization（成本优化）是通过策略和技术最大化云资源价值、减少不必要开销的实践。 + +## Definition +在保持性能和可靠性的前提下，通过资源 rightsizing、自动扩缩、实例类型选择等方式降低云支出。 + +## Key Techniques +- **AI-based Rightsizing**：AI 分析使用趋势，推荐合适大小的实例 +- **Spot Instance Optimization**：智能切换 Spot/Preemptible 实例 +- **Reserved Instance Planning**：优化预留实例购买策略 +- **Multi-Cloud Cost Governance**：跨云成本分析与优化 +- **存储优化**：识别和清理未使用存储 + +## Connections +- [[Agentic AI]] ← implements ← [[Cost Optimization]]：Agentic AI 实现智能成本优化 +- [[Pay-as-you-go]] ← optimizes ← [[Cost Optimization]]：成本优化提升按需付费效益 +- [[CAPEX to OPEX]] ← enables ← [[Cost Optimization]]：成本优化支持财务模式转型 diff --git a/wiki/concepts/DORA-指标.md b/wiki/concepts/DORA-指标.md new file mode 100644 index 00000000..ab6b465f --- /dev/null +++ b/wiki/concepts/DORA-指标.md @@ -0,0 +1,24 @@ +--- +title: "DORA 指标" +type: concept +tags: [devops, metrics, performance-measurement] +sources: [cloud-devop-maturity-guideline] +last_updated: 2026-04-16 +--- + +## Definition +DORA（DevOps Research & Assessment）指标是用于衡量组织 DevOps 性能和交付能力的关键度量标准。 + +## Four Key Metrics +1. **部署频率（Deployment Frequency）**：代码部署到生产的频率 +2. **变更前置时间（Lead Time for Changes）**：从代码提交到生产部署的时间 +3. **变更失败率（Change Failure Rate）**：部署导致生产环境失败的比例 +4. **平均恢复时间（MTTR）**：Mean Time to Recovery，服务从故障中恢复的平均时间 + +## Significance +- DORA 指标是评估 DevOps 成熟度的核心量化工具 +- 高绩效组织通常：部署频率高、前置时间短、变更失败率低、MTTR 短 + +## Connections +- [[DevOps 成熟度模型]] ← 评估框架 ← [[DORA 指标]] +- [[CI/CD 流水线]] ← 影响 ← [[DORA 指标]] diff --git a/wiki/concepts/DORA指标.md b/wiki/concepts/DORA指标.md deleted file mode 100644 index c5b6d01f..00000000 --- a/wiki/concepts/DORA指标.md +++ /dev/null @@ -1,26 +0,0 @@ ---- -title: "DORA指标 - DevOps效能四指标" -type: concept -tags: [DevOps, 效能, 指标] -sources: ["DevOps Culture and Transformation", "Cloud DevOp Maturity - Guideline"] -last_updated: 2026-04-15 ---- - -## 定义 -DORA（DevOps Research and Assessment）四指标是衡量 DevOps 效能的核心量化框架，被 Google 团队研究成果验证。 - -## 四个核心指标 -1. **部署频率（Deployment Frequency）**：组织能多频繁地向用户交付新功能 -2. **变更前置时间（Lead Time for Changes）**：从代码提交到生产部署的时间 -3. **变更失败率（Change Failure Rate）**：部署失败的百分比 -4. **平均恢复时间（Mean Time to Recovery, MTTR）**：从故障恢复到服务正常的时间 - -## 精英团队特征 -- 部署频率：每天多次到每月多次 -- 变更前置时间：少于一天到一周 -- 变更失败率：0-15% -- 平均恢复时间：少于一小时 - -## 在 Wiki 中的角色 -- 是 [[DevOps Culture and Transformation]] 和 [[Cloud-DevOp-Maturity-Guideline]] 的核心评估框架 -- 关联概念：[[Kaizen]]（持续改进）、[[CI/CD Pipelines]] \ No newline at end of file diff --git a/wiki/concepts/Data-Governance.md b/wiki/concepts/Data-Governance.md new file mode 100644 index 00000000..148d6647 --- /dev/null +++ b/wiki/concepts/Data-Governance.md @@ -0,0 +1,26 @@ +--- +title: Data Governance +type: concept +tags: [Cloud, Data-Management, Compliance] +sources: [The-Myths-and-Misconceptions-About-Cloud-Computing-LinkedIn.md] +last_updated: 2025-03-02 +--- + +## Definition +数据治理是指在云环境中管理数据的安全性、完整性、可用性和合规性的框架和实践。 + +## Core Components +- 权限管理（Access Control）：基于角色的数据访问控制 +- 数据加密（Encryption）：静态和动态数据加密 +- 访问日志监控（Access Logs）：追踪数据访问行为 +- 合规管理（Compliance Management）：满足法规要求 +- 数据存储位置控制（Data Residency）：控制数据地理存储位置 + +## Key Claims +- 云服务提供强大的数据治理工具，允许组织管理权限、加密数据和监控访问日志 +- 许多云服务提供混合云和多云选项，使企业能够维持对数据存储位置和方式的控制 + +## Connections +- [[Cloud-Security]] ← depends_on ← [[Data-Governance]]：数据治理是云安全的核心组成部分 +- [[GDPR]] ← requires ← [[Data-Governance]]：GDPR 要求数据治理合规性 +- [[Hybrid-Cloud]] ← enables ← [[Data-Governance]]：混合云支持数据主权要求 diff --git a/wiki/concepts/Data-Sovereignty.md b/wiki/concepts/Data-Sovereignty.md new file mode 100644 index 00000000..5af9ab21 --- /dev/null +++ b/wiki/concepts/Data-Sovereignty.md @@ -0,0 +1,25 @@ +--- +title: "Data Sovereignty" +type: concept +tags: [Cloud, Compliance, Regulation] +sources: [How-Can-a-Multi-Cloud-Strategy-Transform-Your-Business-ROI] +last_updated: 2025-03-01 +--- + +## Summary +Data Sovereignty（数据主权）是指数据受其存储所在国家或地区的法律法规约束的原则，强调政府对其境内数据的管辖权。 + +## Definition +数据主权指数据应当受到其物理存储地点所属国家或地区法律法规约束的原则。不同地区对数据存储、访问、传输有不同规定，企业必须遵守当地合规要求。 + +## Key Examples +- **GDPR（欧盟）**：要求数据在欧盟境内处理 +- **HIPAA（美国）**：医疗数据存储合规要求 +- **数据本地化法律**：某些国家要求数据必须存储在境内 + +## How Multi-Cloud Supports It +多云策略允许企业选择在不同地区选择符合当地法规的云服务商，将数据存储在合规的数据中心，从而满足数据主权要求。 + +## Connections +- [[Data Sovereignty]] ← addressed_by ← [[Multi-Cloud]] +- [[Data Sovereignty]] → relates_to → [[Cloud Compliance]] diff --git a/wiki/concepts/Dependency-Graph.md b/wiki/concepts/Dependency-Graph.md deleted file mode 100644 index 4e032335..00000000 --- a/wiki/concepts/Dependency-Graph.md +++ /dev/null @@ -1,28 +0,0 @@ -# Dependency Graph - -## Definition -A structure that enforces collaboration between agents in the Hierarchy pattern by making certain agents unable to start until others have completed. The Planner feeds tasks to Workers, and the Validator gates progress, creating a directed acyclic graph of dependencies. - -## Role in Multi-Agent Hierarchy -- Forces Workers to wait until Planner provides input -- Prevents Workers from cheating or skipping steps -- Validator catches any violations of the dependency order -- Creates accountability through structural enforcement - -## Key Properties -- Workers literally cannot start until Planner feeds them -- If Worker tries to skip or cheat, Validator catches it -- Models collaborate not because they "like each other" but because the graph forces them to -- Enables parallel execution where dependencies allow - -## Why It Works -- Instead of asking nicely ("please be careful"), architecture enforces correctness -- No agent can proceed without completing its predecessors -- The Validator verifies the chain at each step -- Errors are caught early rather than propagating - -## Related Concepts -- [[Multi-Agent Hierarchy]] -- [[Planner]] -- [[Worker]] -- [[Validator]] \ No newline at end of file diff --git a/wiki/concepts/DevOps-成熟度模型.md b/wiki/concepts/DevOps-成熟度模型.md new file mode 100644 index 00000000..d7c27312 --- /dev/null +++ b/wiki/concepts/DevOps-成熟度模型.md @@ -0,0 +1,46 @@ +--- +title: "DevOps 成熟度模型" +type: concept +tags: [DevOps, Maturity Model, Assessment] +sources: [DevOps-Maturity-Model-From-Traditional-IT-to-Advanced-DevOps, cloud-devop-maturity-guideline] +last_updated: 2026-04-16 +--- + +## Summary +DevOps 成熟度模型是一种用于评估组织 DevOps 实践水平的分级框架，通常包含五个阶段：从初始/应急阶段到完全成熟阶段。 + +## Definition +DevOps 成熟度模型是一个结构化框架，用于指导组织采用和实施 DevOps 原则。该模型帮助组织评估当前的 DevOps 实践水平，识别改进领域，并规划向更高成熟度等级迈进的步骤。 + +## Key Aspects +### 五个成熟度阶段 +1. **初始/应急阶段（Phase 1）**：传统瀑布式开发，团队孤立工作，手动流程，响应式监控 +2. **局部 DevOps 阶段（Phase 2）**：小团队试点 DevOps 实践，引入版本控制和基础自动化 +3. **自动化与定义阶段（Phase 3）**：标准化流程，广泛自动化，安全集成到开发流程 +4. **高度优化阶段（Phase 4）**：持续集成流水线，不可变基础设施，持续安全监控 +5. **完全成熟阶段（Phase 5）**：持续部署，多个每日部署，自主全栈团队 + +### 评估关键领域 +- **文化与战略**：团队协作、透明度、以客户为中心的产品导向思维 +- **自动化**：持续集成/持续部署（CI/CD）、基础设施即代码（IaC） +- **结构与流程**：标准化流程、小块工作、透明进度 +- **协作与共享**：跨功能团队协作、技能整合 +- **技术**：工具选择、现代监控、容器化 + +### 业务收益 +- 更快的市场响应能力 +- 更好的扩展性 +- 增强的运营绩效 +- 更快的交付时间 +- 改进的质量 + +## Connections +- [[DevOps 成熟度模型]] ← extends ← [[DevOps]] +- [[DevOps 成熟度模型]] ← includes ← [[CI/CD 流水线]] +- [[DevOps 成熟度模型]] ← includes ← [[Infrastructure as Code (IaC)]] +- [[DevOps 成熟度模型]] ← includes ← [[DevSecOps]] +- [[DevOps 成熟度模型]] ← includes ← [[敏捷实践]] +- [[DevOps 成熟度模型]] ← evaluated_by ← [[DevOps]] + +## Aliases +- DevOps Maturity Model diff --git a/wiki/concepts/DevOps-文化.md b/wiki/concepts/DevOps-文化.md new file mode 100644 index 00000000..4d7e68c9 --- /dev/null +++ b/wiki/concepts/DevOps-文化.md @@ -0,0 +1,31 @@ +--- +title: "DevOps 文化" +type: concept +tags: [DevOps, 文化, 协作, 敏捷] +sources: [DevOps-Culture-and-Transformation.md] +last_updated: 2025-03-02 +--- + +## Definition +DevOps 文化是一种优先考虑协作、持续学习和客户导向的文化与运营理念，旨在打破开发（Dev）与运维（Ops）之间的组织壁垒，实现整个软件生命周期的共同所有权。 + +## Core Principles（核心原则） +- **协作优先于孤立**：通过跨职能团队消除信息孤岛 +- **自动化赋能**：用工具和自动化加速反馈循环 +- **持续改进 (Kaizen)**：通过迭代学习和无责复盘不断优化 +- **客户导向**：以真实用户问题解决为核心目标 + +## Key Practices（关键实践） +- 跨职能团队建设 +- CI/CD 流水线实施 +- 基础设施即代码 (IaC) +- 监控与可观测性 +- 混沌工程 +- 无责复盘 (Blameless Post-mortems) + +## Related Concepts +- [[CI/CD 流水线]] +- [[Infrastructure as Code (IaC)]] +- [[敏捷实践]] +- [[DevSecOps]] +- [[持续改进]] diff --git a/wiki/concepts/DevOps.md b/wiki/concepts/DevOps.md index a2a24912..f6220b8f 100644 --- a/wiki/concepts/DevOps.md +++ b/wiki/concepts/DevOps.md @@ -1,51 +1,23 @@ --- -title: DevOps +title: "DevOps" type: concept -tags: [DevOps, 企业文化, 敏捷, 自动化] -sources: ["sources/DevOps-Culture-and-Transformation.md"] -last_updated: 2026-04-15 +tags: [DevOps, Methodology] +sources: [Cloud-Maturity-Model-A-Detailed-Guide-For-Cloud-Adoption, DevOps-Culture-and-Transformation.md, DevOps-Maturity-Model-From-Traditional-IT-to-Advanced-DevOps, How-Agentic-AI-can-help-for-Cloud-DevOps] +last_updated: 2025-02-28 --- -## 定义 -DevOps 是一种文化和运营变革方法论，旨在弥合软件开发（Dev）与运维（Ops）团队之间的鸿沟，通过跨职能协作、自动化和持续反馈加速软件交付。 +## Summary +DevOps（开发运维一体化）是一种结合软件开发与 IT 运营的方法论，旨在实现持续软件交付。 -## 核心原则 -- **协作优先于孤岛**：打破开发与运维之间的组织壁垒 -- **自动化赋能**：通过工具链自动化减少人工错误和等待时间 -- **持续改进（Kaizen）**：通过无责复盘和迭代优化实现渐进式提升 -- **客户中心**：每个发布都应解决真实用户问题 +## Definition +DevOps 通过打破开发和运营团队之间的壁垒，实现更快、更可靠的软件部署和更新。 -## 四大支柱 -1. 协作优先于孤岛 -2. 自动化即赋能者 -3. 持续改进（Kaizen） -4. 客户中心 +## Key Aspects +- 结合开发和运营团队 +- 实现无缝、持续的软件交付 +- 自动化部署流程 +- 缩短上市时间 -## 关键实践 -- [[CI/CD Pipelines]] -- [[Infrastructure as Code]] -- [[DevSecOps]] -- [[GitOps]] -- 监控与可观测性（[[Prometheus]], [[Grafana]], [[Datadog]]） -- 混沌工程 - -## 工具生态 -- CI/CD：[[Jenkins]], [[GitHub]] Actions, [[GitLab]] CI -- IaC：[[Terraform]], AWS CloudFormation -- 容器化：[[Docker]], [[Kubernetes]] -- 监控：[[Prometheus]], [[Grafana]], [[Datadog]] -- 安全：[[SonarSource]] SonarQube, [[Snyk]] - -## 与 Agile 的关系 -- Agile 聚焦于迭代开发 -- DevOps 将 Agile 的迭代理念延伸至运维全生命周期 -- 两者协同实现端到端的交付速度和质量保障 - -## 未来趋势 -- AI/ML 赋能 DevOps（智能自动化、异常检测、自愈基础设施） -- [[GitOps]]：以 Git 为唯一真实源 -- [[Serverless DevOps]]：FaaS 减少运维开销 -- [[Edge Computing DevOps]]：边缘节点实时应用优化 - -## Aliases -- DevOps +## Connections +- [[DevOps]] ← part_of ← [[Cloud-Maturity-Model]] +- [[DevOps]] ← is_extended_by ← [[DevOps 成熟度模型]] diff --git a/wiki/concepts/DevOps成熟度模型.md b/wiki/concepts/DevOps成熟度模型.md deleted file mode 100644 index 70153b0b..00000000 --- a/wiki/concepts/DevOps成熟度模型.md +++ /dev/null @@ -1,37 +0,0 @@ ---- -title: "DevOps成熟度模型" -type: concept -tags: [devops, maturity-model, organizational-change, dora] -sources: [DevOps-Maturity-Model-From-Traditional-IT-to-Advanced-DevOps, Cloud-DevOp-Maturity-Guideline] -last_updated: 2026-04-15 ---- - -## Definition -DevOps 成熟度模型是评估组织 DevOps 实践能力的 5 阶段框架，帮助组织了解当前水平、识别改进方向、制定进阶路线图。 - -## 5 阶段成熟度 - -| 阶段 | 名称 | 核心特征 | -|------|------|----------| -| Phase 1 | Ad-Hoc | 团队孤立、瀑布式交付、手动基础设施、安全仅在发布前介入 | -| Phase 2 | Pockets | 小规模试点、引入 Agile 版本控制、自动化降低发布风险 | -| Phase 3 | Defined | 标准化流程、大部分基础设施自动化、安全融入设计阶段 | -| Phase 4 | Optimized | 不可变基础设施、CI/CD 流水线成熟、技术债务管理 | -| Phase 5 | Mature | 每天多次部署、零人工干预、实时数据驱动决策 | - -## 4 大焦点领域 -1. **Culture & Strategy**：团队协作方式、客户中心思维 -2. **Automation**：CI/CD 自动化、基础设施即代码 -3. **Structure & Process**：标准化流程、小块交付 -4. **Collaboration**：跨团队协作、知识共享 - -## 关键指标 -- [[DORA指标]]：部署频率、变更前置时间、变更失败率、MTTR -- MTTD（Mean Time to Detect）：平均问题发现时间 -- MTTA（Mean Time to Acknowledge）：平均问题确认时间 - -## Connections -- [[DevOps]] ← 上位概念 -- [[DORA指标]] ← 量化框架 -- [[DevSecOps]] ← 安全融合 -- [[Kaizen]] ← 持续改进理念 diff --git a/wiki/concepts/DevSecOps.md b/wiki/concepts/DevSecOps.md index 29ed5040..4f73d280 100644 --- a/wiki/concepts/DevSecOps.md +++ b/wiki/concepts/DevSecOps.md @@ -1,40 +1,27 @@ --- -title: DevSecOps +title: "DevSecOps" type: concept -tags: [DevSecOps, 安全, CI/CD, 敏捷] -sources: ["sources/DevOps-Culture-and-Transformation.md"] -last_updated: 2026-04-15 +tags: [devops, security, automation] +sources: [cloud-devop-maturity-guideline, How-Agentic-AI-can-help-for-Cloud-DevOps, what-is-devsecops-best-practices-benefits-and-tools] +last_updated: 2026-04-16 --- -## 定义 -DevSecOps 是在 DevOps 流程中内置安全实践的方法论，通过将安全扫描、合规检查和漏洞修复集成到 CI/CD 流水线的每个阶段，实现"安全左移"（Shift-Left）。 +## Definition +DevSecOps 是将安全实践集成到 DevOps 流程中的方法论，强调通过自动化、持续合规和主动漏洞管理实现"安全左移"。DevSecOps 将安全职责从单独的安全团队转移到整个开发团队，使安全成为每个人的责任。 -## 核心原则 -- **安全左移**：在开发早期阶段引入安全检测，而非等到生产环境 -- **自动化安全扫描**：在构建、测试、部署各阶段自动执行安全检查 -- **共享所有权**：安全是开发、运维和安全团队共同责任 +## Core Principles +- **安全左移（Shift Left）**：在开发生命周期早期嵌入安全检查 +- **自动化安全**：将安全扫描集成到 CI/CD 流水线 +- **持续合规**：自动化合规性检查和报告 +- **主动漏洞管理**：持续扫描和修复漏洞 -## 关键实践 -- **静态应用安全测试（SAST）**：代码级别安全分析 -- **动态应用安全测试（DAST）**：运行时行为安全测试 -- **软件成分分析（SCA）**：依赖项漏洞扫描 -- **容器镜像扫描**：检查基础镜像和依赖漏洞 +## Key Practices +- 自动化 SAST（静态应用安全测试） +- 自动化 DAST（动态应用安全测试） +- 容器镜像安全扫描 +- secrets 管理 -## 关键工具 -- [[SonarSource]] SonarQube：代码质量与安全静态分析 -- [[Snyk]]：开源依赖与容器安全扫描 -- SonarCloud：云端代码分析 - -## 在 DevOps 中的角色 -- DevSecOps 是 DevOps 成熟度的重要标志 -- 与 [[CI/CD Pipelines]] 深度集成，在部署前阻断安全漏洞 -- 支撑 [[Agile]] 和 [[DevOps]] 的快速迭代同时保障安全合规 - -## 未来趋势 -- AI 驱动的安全漏洞预测 -- 零信任架构（Zero Trust Architecture）深度集成 -- 实时威胁检测与响应自动化 - -## Aliases -- DevSecOps -- 安全左移 +## Connections +- [[DevOps 成熟度模型]] ← 安全维度 ← [[DevSecOps]] +- [[CI/CD 流水线]] ← 集成 ← [[DevSecOps]] +- [[监控可观测性]] ← 依赖 ← [[DevSecOps]] diff --git a/wiki/concepts/Diff审查.md b/wiki/concepts/Diff审查.md deleted file mode 100644 index beab000c..00000000 --- a/wiki/concepts/Diff审查.md +++ /dev/null @@ -1,36 +0,0 @@ ---- -title: "Diff审查" -type: concept -tags: [code-review, cursor, ai, git] -last_updated: 2026-04-15 ---- - -## 定义 -通过文件对比视图（Diff View）逐文件或整体审查 AI 生成代码改动的机制，是 AI 编程工具中的核心安全机制。 - -## 核心功能 -- **逐文件审查**：逐个查看每个文件的改动内容 -- **整体接收/撤销**：Accept All 或 Undo All -- **逐文件操作**：Accept 或 Undo 单个文件 - -## 关键风险 -- AI 生成代码即写入文件，未点击撤销前持续保留 -- 关闭文件或多次修改后 Undo All 可能失效 -- **必须先测试再确认保存** - -## 最佳实践 -1. 生成代码后进入"待审查"状态 -2. 使用 Diff 功能逐文件查看改动 -3. 运行测试验证代码正确性 -4. 确认无误后 Accept All -5. 结合 Git 版本控制以便回滚 - -## 关联 -- [[Cursor]] 的核心审查机制 -- [[Git]] 版本控制的前置保障 -- [[AI代码编辑器]] 的标准安全流程 - -## Aliases -- 代码改动审查 -- Diff View - diff --git a/wiki/concepts/Docker-Attach模式.md b/wiki/concepts/Docker-Attach模式.md deleted file mode 100644 index ba81b0c2..00000000 --- a/wiki/concepts/Docker-Attach模式.md +++ /dev/null @@ -1,31 +0,0 @@ ---- -id: Docker-Attach-mode -title: "Docker Attach模式" -type: concept -tags: [docker, development, remote] -sources: [] -last_updated: 2026-04-15 ---- - -## Definition -Docker Attach 模式是一种远程开发方式：Trae/VS Code 直接"进入"已在服务器运行的 Docker 容器，在容器内部启动编辑器后端，实现完全隔离的开发环境。 - -## vs 宿主机编辑模式 -| 维度 | Attach 模式 | 宿主机编辑模式 | -|------|------------|-------------| -| 编辑器位置 | 容器内 | 宿主机（Ubuntu） | -| 环境 | 容器定义的环境 | 宿主机环境 | -| Git 凭证 | 需 SSH Agent 转发 | 自动复用宿主机配置 | -| 文件权限 | 容器内生成文件属 root | 正常 | -| 适合场景 | 深度定制化环境 | docker-compose 管理 | - -## Workflow (Trae) -1. Remote SSH 连接到 Ubuntu 服务器 -2. Docker 插件中找到目标容器 -3. 右键 → "Attach Visual Studio Code" -4. Trae 在容器内安装 Trae Server - -## Related Concepts -- [[Remote SSH]]：Attach 模式的前置条件 -- [[Bind Mount]]：容器内文件与宿主机共享的挂载机制 -- [[Docker Compose]]：定义开发环境容器的配置文件 diff --git a/wiki/concepts/Docker-Compose.md b/wiki/concepts/Docker-Compose.md deleted file mode 100644 index d204a5b6..00000000 --- a/wiki/concepts/Docker-Compose.md +++ /dev/null @@ -1,40 +0,0 @@ ---- -id: Docker-Compose -title: "Docker Compose" -type: concept -tags: [docker, orchestration, containers] -sources: [] -last_updated: 2026-04-15 ---- - -## Definition -Docker Compose 是一个定义和运行多容器 Docker 应用的工具，通过 YAML 文件声明式定义服务、网络、卷和依赖关系，使用 docker compose up 一键启动完整应用栈。 - -## Core Concepts -- services：定义每个容器（image/build、ports、volumes、environment、depends_on） -- volumes：持久化数据存储，named volumes 由 Docker 管理 -- networks：容器间通信网络，默认 bridge 模式 -- depends_on：声明服务启动顺序依赖 - -## MinIO/Zipline Stack Example -```yaml -services: - minio: - image: minio/minio:latest - ports: ["9000:9000", "9001:9001"] - volumes: [/volume1/docker/zipline-stack/minio/minio_data:/data] - postgres: - image: postgres:16 - volumes: [/volume1/docker/zipline-stack/zipline/pg_data:/var/lib/postgresql/data] - zipline: - depends_on: [minio, postgres] - ports: ["3333:3000"] -``` - -## Update Workflow -docker compose pull && docker compose down && docker compose up -d - -## Related Concepts -- [[Docker]]：容器化平台 -- [[MinIO]]：MinIO 部署示例 -- [[n8n]]：n8n 生产环境推荐 Docker Compose 部署 diff --git a/wiki/concepts/Docker-Daemon代理.md b/wiki/concepts/Docker-Daemon代理.md deleted file mode 100644 index 3bfc3671..00000000 --- a/wiki/concepts/Docker-Daemon代理.md +++ /dev/null @@ -1,40 +0,0 @@ ---- -id: docker-daemon-proxy -title: Docker Daemon 代理 -type: concept -tags: [Docker, 代理, Ubuntu, systemd] -sources: [] -last_updated: 2026-04-16 ---- - -## Definition - -Docker 守护进程（Daemon）级代理配置。`docker pull` 等操作由 Daemon 执行，不读取用户环境变量，必须通过 systemd 环境变量注入。 - -## Configuration - -创建 `/etc/systemd/system/docker.service.d/http-proxy.conf`： - -```ini -[Service] -Environment="HTTP_PROXY=http://127.0.0.1:10808/" -Environment="HTTPS_PROXY=http://127.0.0.1:10808/" -Environment="NO_PROXY=localhost,127.0.0.1" -``` - -执行生效：`sudo systemctl daemon-reload && sudo systemctl restart docker` - -验证：`docker info | grep -i proxy` - -## Key Distinction - -| 层级 | 配置文件 | 作用范围 | -|------|---------|---------| -| Daemon 级 | systemd unit override | docker pull/build 等 | -| 容器内应用级 | ~/.docker/config.json | 容器内 apt-get/pip 等 | -| Compose 环境变量 | docker-compose.yml | 单个服务 | - -## Connections -- [[Docker]] ← Docker 守护进程配置 -- [[SOCKS5 代理]] ← Daemon 通常连接 SOCKS5 转换 HTTP -- [[V2RayN]] ← 提供本地代理端口 diff --git a/wiki/concepts/Dynamic-Configuration-Management.md b/wiki/concepts/Dynamic-Configuration-Management.md new file mode 100644 index 00000000..9e4150bd --- /dev/null +++ b/wiki/concepts/Dynamic-Configuration-Management.md @@ -0,0 +1,23 @@ +--- +title: "Dynamic Configuration Management" +type: concept +tags: [configuration, automation, runtime] +sources: [How-Agentic-AI-can-help-for-Cloud-DevOps] +last_updated: 2026-04-16 +--- + +## Summary +Dynamic Configuration Management（动态配置管理）是指在运行时根据性能、成本和业务需求自动调整应用配置的管理方式。 + +## Definition +基于实时监控数据和预设策略，在不重启应用的情况下动态调整配置参数，实现性能和成本的最优化。 + +## Key Mechanisms +- **Parameter Store**：AWS 参数存储服务 +- **Secrets Manager**：AWS 密钥管理服务 +- **ConfigMaps**：Kubernetes 配置映射 +- **实时性能反馈**：根据性能指标自动调优 + +## Connections +- [[Agentic AI]] ← implements ← [[Dynamic Configuration Management]]：Agentic AI 实现动态配置调整 +- [[Auto-scaling]] ← coordinates ← [[Dynamic Configuration Management]]：动态配置与扩缩容协同工作 diff --git a/wiki/concepts/Edge-Computing-DevOps.md b/wiki/concepts/Edge-Computing-DevOps.md deleted file mode 100644 index 136ab9c4..00000000 --- a/wiki/concepts/Edge-Computing-DevOps.md +++ /dev/null @@ -1,44 +0,0 @@ ---- -title: Edge Computing DevOps -type: concept -tags: [Edge Computing, IoT, DevOps, 分布式] -sources: ["sources/DevOps-Culture-and-Transformation.md"] -last_updated: 2026-04-15 ---- - -## 定义 -Edge Computing DevOps 是在边缘节点（Edge Nodes）上进行应用部署、运维和优化的 DevOps 实践模式，通过将计算能力下沉至靠近终端用户的位置，实现低延迟和高实时性。 - -## 核心挑战 -- **分布式运维**：大量边缘节点的统一管理和配置 -- **网络延迟**：边缘与中心云/数据中心通信受限 -- **离线自治**：边缘节点需在断网情况下仍能正常运行 -- **资源受限**：边缘设备通常计算和存储资源有限 -- **一致性管理**：跨地理分布的节点一致性保证 - -## 关键场景 -- 自动驾驶汽车的实时决策 -- 工业 IoT 传感器数据处理 -- 视频流媒体边缘缓存与转码 -- 智慧城市的实时分析 - -## 关键工具 -- [[Kubernetes]] K3s：轻量级 Kubernetes 发行版，适合边缘 -- K3d：本地 Kubernetes 开发环境 -- [[Docker]]：边缘应用容器化 runtime -- Weave Net / Flannel：边缘网络插件 - -## 在 DevOps 中的角色 -- Edge Computing DevOps 是 [[DevOps]] 在分布式场景下的扩展 -- 支撑 [[Serverless DevOps]] 在边缘的落地 -- 运维模式需支持弱网/断网环境下的自治运行 - -## 未来趋势 -- 6G 网络推动边缘算力进一步下沉 -- AI 推理能力向边缘迁移（Edge AI） -- 零信任安全模型在边缘的深度应用 - -## Aliases -- Edge DevOps -- 边缘计算 DevOps -- 边缘原生 diff --git a/wiki/concepts/Embedding.md b/wiki/concepts/Embedding.md deleted file mode 100644 index 19960df3..00000000 --- a/wiki/concepts/Embedding.md +++ /dev/null @@ -1,34 +0,0 @@ ---- -title: "Embedding" -type: concept -tags: [embedding, vector, rag, nlp] -sources: ["RAG从入门到精通系列1：基础RAG"] -last_updated: 2026-04-15 ---- - -## Definition -将文本（Word、Sentence、Document）转换为固定长度的数值向量（Embedding Vector）的技术，捕获文本的语义信息使得语义相似的内容在向量空间中距离相近。 - -## Technical Details -- 输出为固定长度向量（如 768维、1024维、1536维） -- 语义相近的文本在向量空间中距离更近 -- 支持余弦相似度、点积等多种相似度衡量方法 - -## Embedding Model -- **BAAI BGE 系列**：开源中文优化 Embedding Model -- **OpenAI text-embedding-3**：OpenAI 官方 Embedding API -- Context Window 通常 512~8192 token - -## Applications -- [[RAG]]：文档和问题的向量化，支持语义检索 -- 文本相似度计算 -- 聚类分析 -- 推荐系统 - -## Related Concepts -- [[向量数据库]]：存储 Embedding Vector 的数据库 -- [[RAG]]：Embedding 的主要应用场景 -- [[Token]]：文本被分词后的基本单位 - -## Sources -- [[RAG从入门到精通系列1：基础RAG]] diff --git a/wiki/concepts/EventBridge.md b/wiki/concepts/EventBridge.md deleted file mode 100644 index 6fdde9f4..00000000 --- a/wiki/concepts/EventBridge.md +++ /dev/null @@ -1,29 +0,0 @@ ---- -title: "EventBridge" -type: concept -tags: [aws, event-driven, serverless, devops] -date: 2025-10-25 ---- - -## Definition -Amazon EventBridge，AWS 无服务器事件总线服务，将应用程序与来自 SaaS 工具和 AWS 服务的事件连接起来。核心机制是事件规则（Event Rules）匹配模式，将匹配的事件路由到目标（Targets）。 - -## Key Properties -- **事件规则**：基于事件模式（Event Pattern）匹配，支持前缀/后缀/精确匹配 -- **跨账户转发**：通过资源访问策略（Resource-Based Policy）将事件从成员账户转发至管理账户事件总线 -- **目标类型**：Lambda、SSM、CloudWatch Logs、SQS、SNS、Kinesis Firehose 等 -- **自定义事件总线**：每个 AWS 账户可创建多个自定义事件总线，按来源隔离 - -## Multi-Account Pattern -在 StackSets 集中日志场景中： -1. 成员账户 EventBridge 规则捕获 CloudFormation 事件 -2. 通过跨账户权限转发至管理账户自定义事件总线 -3. 管理账户 EventBridge 将事件路由至 CloudWatch Logs - -## Related Concepts -- [[CloudFormation StackSets]]：EventBridge 事件来源之一 -- [[Serverless-DevOps]]：EventBridge 是无服务器 DevOps 的核心事件中枢 -- [[CloudWatch Logs]]：EventBridge 的常用目标服务 - -## Source -[[AWS-CloudFormation-StackSets-多账户集中日志监控]] diff --git a/wiki/concepts/FRP内网穿透.md b/wiki/concepts/FRP内网穿透.md deleted file mode 100644 index 8d912405..00000000 --- a/wiki/concepts/FRP内网穿透.md +++ /dev/null @@ -1,58 +0,0 @@ ---- -title: "FRP内网穿透" -type: concept -tags: [networking, self-hosted, reverse-proxy, tunneling] ---- - -## 定义 -FRP（Fast Reverse Proxy）是一个高性能的内网穿透工具，通过在公网 VPS 上部署 frps 服务端（FRPS），在内网机器上部署 frpc 客户端，将内网服务暴露到公网。 - -## 架构 - -``` -[内网服务] ←localhost:port← [frpc 客户端] ←TCP/UDP← [frps 服务端] ←公网← [用户] -``` - -- **frps（FRP Server）**：运行在有公网 IP 的 VPS 上，监听连接请求 -- **frpc（FRP Client）**：运行在内网机器上，与 frps 保持心跳，转发请求到内网服务 - -## 核心配置（frpc.toml） - -```toml -[[proxies]] -name = "ssh-tunnel" -type = "tcp" -localIP = "127.0.0.1" -localPort = 22 -remotePort = 60022 # 公网 VPS 暴露的端口 -``` - -## 在家庭基础设施中的应用 - -| 节点 | frpc 版本 | frps 服务器 | -|------|-----------|-------------| -| [[Mac Mini]] | 0.65.0 darwin arm64 | VPS1 :7000 | -| [[Synology NAS DS718]] | 0.65.0 linux amd64 | VPS1 :7000 | -| [[Ubuntu1]] | 0.65.0 linux amd64 | VPS1 :7000 | -| [[Ubuntu2]] | 0.65.0 linux amd64 | VPS1 :7000 | - -## 关键优势 -- 不需要公网 IP，利用 VPS 中转实现内网暴露 -- 支持 TCP/UDP/HTTP/HTTPS多种协议 -- 可配置 auth_method 实现加密通信 -- 通过 ini 或 toml 配置文件管理，版本可控 - -## 管理命令 - -| 服务器 | 启动方式 | 重启命令 | -|--------|---------|---------| -| Mac Mini | launchd（plist） | launchctl unload/load plist | -| Ubuntu1/2 | systemd --user | systemctl --user restart frpc | - -## 与其他方案的比较 -- **frp vs ngrok**：frp 完全自托管，无带宽限制，配置灵活 -- **frp vs Cloudflare Tunnel**：frp 需要 VPS，Cloudflare Tunnel 依赖 Cloudflare 基础设施 - -## 相关工具 -- [[反向代理]]：Caddy 作为 HTTP 层反向代理 -- [[内网穿透]]：frp 属于内网穿透工具类别 diff --git a/wiki/concepts/Feature-Flag.md b/wiki/concepts/Feature-Flag.md new file mode 100644 index 00000000..d2a91f49 --- /dev/null +++ b/wiki/concepts/Feature-Flag.md @@ -0,0 +1,35 @@ +--- +title: "Feature Flag" +type: concept +tags: [持续交付, 特性管理, 发布工程] +sources: ["https://launchdarkly.com/blog/rto-vs-rpo/"] +last_updated: 2025-07-26 +--- + +## Definition +Feature Flag（特性开关）是一种将代码部署与功能发布分离的技术，允许在不重新部署的情况下通过配置切换代码执行路径。 + +## Key Concepts +- Deploy != Release：部署代码但不立即向用户开放 +- Kill Switch：紧急关闭机制，用于快速禁用问题功能 +- 渐进式 Rollout：分阶段向用户群发布（1% → 5% → 25% → 100%） + +## Benefits for RTO/RPO +- RTO：从小时级降至秒级（只需关闭开关） +- RPO：Rollback 时不丢失数据，只需切换代码路径 + +## Code Example +```javascript +if (featureFlag.enabled('new-checkout-flow')) { + return newCheckoutProcess(); +} else { + return oldCheckoutProcess(); +} +``` + +## Connections +- [[Kill Switch]] ← 紧急机制 → [[Feature Flag]] +- [[渐进式发布]] ← 发布策略 → [[Feature Flag]] +- [[RTO (Recovery Time Objective)]] ← 降低工具 → [[Feature Flag]] +- [[RPO (Recovery Point Objective)]] ← 保护工具 → [[Feature Flag]] +- [[LaunchDarkly]] ← 平台 → [[Feature Flag]] diff --git a/wiki/concepts/FeatureList.md b/wiki/concepts/FeatureList.md deleted file mode 100644 index 7d3c4a97..00000000 --- a/wiki/concepts/FeatureList.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -title: "FeatureList" -type: concept -tags: [产品管理, 需求管理, AI辅助] -last_updated: 2026-04-15 ---- - -## Definition -FeatureList：分层级展开的需求表，用于需求创意阶段与 AI 共创。与传统脑图本质相同，核心关注三方面：（1）功能模块分层分类合理性；（2）细分功能点全面性与划分合理性；（3）每个功能点的优先级评估合理性。 - -## AI协作方法 -1. 提供 FeatureList 表头模板（功能模块/功能点/优先级/备注） -2. 用自然语言描述业务场景和核心功能模块划分 -3. 让 Gemini 生成第一版 FL -4. 回答 Gemini 的关键业务问题 -5. 指出遗漏层级或缺失字段，迭代至终版 - -## AI协作要点 -- FeatureList = 想，PRD = 写；大模型只负责写，不负责想 -- Gemini 处理表格可能出错（格式丢失、制表符文本），可用 Google 表格导出解决 -- 调教方式：严厉指出错误，大模型不需要情绪价值 - -## Connections -- [[PRD自动生成]] ← 下游输出 -- [[结构化思维]] ← 核心能力要求 -- [[Gemini]] ← 主要工具 -- [[不会Gemini的产品经理真的要被淘汰了]] ← 来源 diff --git a/wiki/concepts/FinOps.md b/wiki/concepts/FinOps.md deleted file mode 100644 index bfe38563..00000000 --- a/wiki/concepts/FinOps.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: FinOps -title: "FinOps" -type: concept -tags: [cloud, cost-optimization, financial-management] -sources: [] -last_updated: 2026-04-15 ---- - -## Definition -云财务运营（FinOps，Cloud Financial Operations）是通过实时追踪、分析和优化云成本，防止云超支并最大化投资回报的管理实践。 - -## Core Practices -- **Reserved Instances + Spot Instances**：计算成本降低 40-70% -- **Auto-Scaling + Right-Sizing**：资源按需匹配实际负载 -- **实时成本监控**：AWS Cost Explorer、Azure Cost Management、GCP Billing Reports -- **资源标签化**：按团队、项目、工作负载追踪支出 - -## Key Stats -- 59% 企业经历云成本管理困难（Flexera 2024） -- 全球电商公司通过 AWS+Azure 双云 Reserved Instances 节省 $500,000/年 -- SaaS 公司通过 Auto-Scaling + Reserved Instances 降低 35% 云成本 - -## Related Concepts -- [[Cloud Operating Model]]：FinOps 是 COM 的四大支柱之一 -- [[Multi-Cloud]]：多云环境下的成本管理更复杂 -- [[DevOps]]：DevOps 团队需与 FinOps 协作 diff --git a/wiki/concepts/Fitness-Function.md b/wiki/concepts/Fitness-Function.md deleted file mode 100644 index ebfa798b..00000000 --- a/wiki/concepts/Fitness-Function.md +++ /dev/null @@ -1,28 +0,0 @@ -# Fitness Function - -## Definition -A metric used in the Knock-out multi-agent pattern to evaluate how well each agent performs a task. The function determines which agents survive and which are eliminated. It can be deterministic (e.g., unit tests, exact match) or LLM-based (e.g., quality scoring). - -## Role in Multi-Agent Knock-out -- Evaluates output of each agent -- Produces a score or boolean pass/fail -- Used to rank agents and identify worst performers -- Guides the selection/elimination process - -## Key Properties -- Must be fast — if humans need to verify all branches, the process is too slow -- Should be deterministic where possible (unit tests over LLM judgment) -- Can be composite: multiple criteria combined into single score -- Is where "Evals" come in (critical infrastructure for agent development) - -## Examples -- Unit test pass rate -- Exact string match against expected output -- LLM-based quality scoring (with rubric) -- Latency or token cost as secondary factors - -## Related Concepts -- [[Genetic Algorithms]] -- [[Multi-Agent Knock-out]] -- [[Validator]] -- [[Evals]] \ No newline at end of file diff --git a/wiki/concepts/GPT与MBR分区表.md b/wiki/concepts/GPT与MBR分区表.md deleted file mode 100644 index 34b9694c..00000000 --- a/wiki/concepts/GPT与MBR分区表.md +++ /dev/null @@ -1,34 +0,0 @@ ---- -title: "GPT 与 MBR 分区表" -type: concept -tags: [分区表, UEFI, BIOS, 运维] -date: 2025-12-19 ---- - -## Definition -两种磁盘分区表格式：MBR（Master Boot Record）是传统 BIOS 标准，GPT（GUID Partition Table）是现代 UEFI 标准。启动模式决定分区表类型，而非硬盘容量。 - -## Comparison -| 维度 | MBR | GPT | -|------|-----|-----| -| 最大磁盘 | 2TB（512字节扇区） | 9.4ZB（理论） | -| 分区数量 | 4 个主分区（或 3 主+1 扩展） | 128 个（Windows 标准） | -| 启动模式 | BIOS 传统启动 | UEFI 安全启动 | -| 兼容性 | 老旧硬件 | 新硬件默认 | -| 损坏恢复 | MBR 损坏即无法启动 | GPT 保存副本，容错性高 | - -## Decision Rule -``` -启动模式 → 分区表类型 -BIOS (传统) → MBR -UEFI (现代) → GPT -``` - -## Common Pitfalls -- 在 UEFI 机器上使用 MBR：系统无法从 GPT 磁盘的 BIOS 模式启动 -- 在 BIOS 机器上使用 GPT：大多数 BIOS 不支持从 GPT 磁盘启动 -- Rufus DD 模式 vs ISO 模式：ISOHybrid 镜像建议先试 ISO 模式，失败再用 DD - -## Connections -- [[GPT与MBR]] ← 决定于 ← [[UEFI启动]] vs [[BIOS启动]] -- [[GPT与MBR]] ← 影响 ← [[Clonezilla备份]] 时的分区方案选择 diff --git a/wiki/concepts/GenAI.md b/wiki/concepts/GenAI.md deleted file mode 100644 index d8ec2d0d..00000000 --- a/wiki/concepts/GenAI.md +++ /dev/null @@ -1,45 +0,0 @@ ---- -title: "GenAI" -type: concept -tags: [genai, generative-ai, content-generation] -sources: ["Designing for Agentic AI.md"] -last_updated: 2026-04-16 ---- - -## Definition -Generative AI（生成式AI），擅长创建新内容（文本、图像、音乐等）的AI系统。作为"创意助手"能生成创意或翻译语言。 - -## Key Characteristics -- 被动响应：等待用户输入后生成内容 -- 内容创作：擅长生成文本、图像、音乐等创意内容 -- 知识截止：基于训练数据，知识有时效性限制 -- 无行动能力：仅能"思考"，无法执行外部操作 - -## Comparison with Agentic AI - -| 维度 | GenAI | Agentic AI | -|------|-------|------------| -| 核心能力 | 内容创作 | 行动执行 | -| 交互模式 | 被动响应用户输入 | 主动预判并自主行动 | -| 知识状态 | 训练数据截止日期 | 可通过RAG获取实时信息 | -| 执行能力 | 无 | 有（API调用、代码执行等）| -| 典型场景 | 写作、摘要、翻译、图像生成 | 任务自动化、复杂工作流 | - -## Relationship to Other Concepts -- [[Agentic-AI]]：GenAI是Agentic AI的内容生成基础；Agentic AI = GenAI + 行动框架 -- [[LLM]]：LLM是GenAI的核心技术架构之一 -- [[RAG]]：RAG为GenAI提供实时信息获取能力，解决知识时效性问题 - -## Examples -- 写作助手：生成诗歌、文章 -- 图像生成：Midjourney、Stable Diffusion、DALL-E -- 音乐生成：Suno AI -- 代码生成：Claude Code、Cline - -## Aliases -- 生成式AI -- 生成式人工智能 -- Generative AI - -## Sources -- [[Designing-for-Agentic-AI]] diff --git a/wiki/concepts/Generator.md b/wiki/concepts/Generator.md deleted file mode 100644 index c13d9cfa..00000000 --- a/wiki/concepts/Generator.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -title: "Generator" -type: concept -tags: [agent, skill, design-pattern] -last_updated: 2026-04-15 ---- - -# Generator - -## 定义 -Google 5 种 Agent Skill 设计模式之一，通过"填空"流程强制一致输出格式的 Skill 模式。 - -## 核心机制 -利用两个可选目录： -- assets/：存放输出模板 -- references/：存放样式指南 - -SKILL.md 扮演项目经理角色，指示 agent 加载模板→读取样式指南→向用户询问缺失变量→填充文档。 - -## 适用场景 -- 统一格式的 API 文档生成 -- 标准化 commit 信息 -- 脚手架项目结构生成 - -## Connections -- [[Agent Skill 设计模式]]：所属分类 -- [[Inversion]]：可组合，收集缺失变量 diff --git a/wiki/concepts/Genetic-Algorithms.md b/wiki/concepts/Genetic-Algorithms.md deleted file mode 100644 index f02dfcfa..00000000 --- a/wiki/concepts/Genetic-Algorithms.md +++ /dev/null @@ -1,28 +0,0 @@ -# Genetic Algorithms - -## Definition -A class of ML algorithms inspired by biological evolution that uses selection, crossover, and mutation to iteratively improve solutions. The Knock-out multi-agent pattern is a lean implementation of genetic algorithms applied to LLM agents. - -## Core Components -1. **Genetic Representation** — A model and its context represent a solution candidate -2. **Fitness Function** — Evaluates how well each candidate solves the problem -3. **Selection** — Winners are chosen based on fitness scores -4. **Crossover** — Combining traits from successful candidates (optional in basic knock-out) -5. **Mutation** — Random variation in candidate traits (optional) - -## Application to Multi-Agent Knock-out -- N agents work on the same task -- Validator (fitness function) evaluates each -- Worst performers are eliminated (selection pressure) -- [Optional] New agents created by combining prompts of survivors (crossover) -- Process repeats until satisfactory solution emerges - -## Key Insight -- Since we can't punish or threaten LLM agents, we simply delete underperformers -- This mirrors "survival of the fittest" in biological evolution -- No attachment to individual agents — treat them as cattle, not pets - -## Related Concepts -- [[Fitness Function]] -- [[Multi-Agent Knock-out]] -- [[Cattle vs Pets]] \ No newline at end of file diff --git a/wiki/concepts/GitOps.md b/wiki/concepts/GitOps.md index da6db86c..b9bd11c3 100644 --- a/wiki/concepts/GitOps.md +++ b/wiki/concepts/GitOps.md @@ -1,36 +1,21 @@ --- -title: GitOps +title: "GitOps" type: concept -tags: [GitOps, DevOps, 基础设施, 声明式] -sources: ["sources/DevOps-Culture-and-Transformation.md"] -last_updated: 2026-04-15 +tags: [DevOps, Git, 基础设施, 部署] +sources: [DevOps-Culture-and-Transformation.md] +last_updated: 2025-03-02 --- -## 定义 -GitOps 是一种以 Git 为单一真实源（Single Source of Truth）来管理基础设施和应用配置的方法论，所有变更通过 Pull Request 驱动，实现声明式基础设施管理。 +## Definition +GitOps 是一种使用 Git 作为单一真相源（Single Source of Truth）来管理基础设施和部署的文化理念和运维框架，所有配置和部署声明都存储在 Git 仓库中。 -## 核心原则 -- **声明式配置**：以代码形式声明期望状态 -- **Git 单一真实源**：所有配置存储在 Git 仓库中 -- **自动同步**：系统自动检测并纠正与期望状态的偏差 -- **变更可追溯**：所有变更通过 Pull Request 记录和审查 +## Key Principles（关键原则） +- 声明式基础设施 +- Git 作为单一真相源 +- 自动同步和部署 +- 可审计和可回滚 -## 关键工具 -- [[GitHub]] Actions + Flux 或 Argo CD：GitOps 核心引擎 -- [[Kubernetes]]：GitOps 的典型承载平台 -- Weave GitOps：GitOps 实现工具 -- Argo CD：Kubernetes 专用 GitOps 工具 - -## 在 DevOps 中的角色 -- GitOps 是 [[DevOps]] 自动化的演进方向 -- 与 [[CI/CD Pipelines]] 互补：CI/CD 关注应用交付，GitOps 关注基础设施和应用配置的声明式管理 -- 天然支撑 [[Infrastructure as Code]] 实践 - -## 优势 -- 提高变更可追溯性和安全性 -- 简化回滚操作（git revert） -- 提升部署一致性 -- 降低人为错误 - -## Aliases -- GitOps +## Related Concepts +- [[DevOps 文化]] +- [[Infrastructure as Code (IaC)]] +- [[CI/CD 流水线]] diff --git a/wiki/concepts/Git代理配置.md b/wiki/concepts/Git代理配置.md deleted file mode 100644 index 4c85da97..00000000 --- a/wiki/concepts/Git代理配置.md +++ /dev/null @@ -1,48 +0,0 @@ ---- -title: "Git HTTP/SOCKS5 代理配置" -type: concept -tags: [git, proxy, socks5, http, github] ---- - -## Definition -Git 代理配置是通过 `git config --global http.proxy` 和 `git config --global https.proxy` 全局设置，让 Git 的 HTTP/HTTPS/SSH 操作通过本地代理服务器进行。 - -## Commands -### HTTP 代理 -```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（速度通常更快） -```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 -``` - -### 查看当前配置 -```bash -git config --global --get http.proxy -``` - -## Core Insight -设置代理后，Git 的所有网络流量通过本地代理转发。GFW 只能看到通向本地代理的连接，无法识别目标域名，从根本上规避 TCP RST 攻击。 - -## Scope -- 全局（`--global`）：影响当前用户所有 Git 仓库 -- 本地（无 `--global`）：仅影响当前仓库 -- 仅影响 Git 命令，不影响终端其他程序 - -## Relationship to Other Concepts -- [[TCP RST 攻击]] ← solves：代理让 GFW 无法检测 GitHub 域名 -- [[SOCKS5 代理]] ← transport_layer：SOCKS5 比 HTTP 代理更底层，支持更多协议 -- [[V2RayN]] ← provides：V2RayN 同时提供 HTTP 和 SOCKS5 代理端口 - -## Source -- [[Git Push 连接重置问题修复]] diff --git a/wiki/concepts/Git自动同步.md b/wiki/concepts/Git自动同步.md deleted file mode 100644 index 0e251654..00000000 --- a/wiki/concepts/Git自动同步.md +++ /dev/null @@ -1,23 +0,0 @@ ---- -title: "Git自动同步" -type: concept -tags: [Obsidian, Git, 版本控制] -sources: ["养虾日记3-Obsidian-Gitea持久化笔记系统.md"] -last_updated: 2026-04-15 ---- - -## Definition -Git自动同步指 Obsidian Git 插件设置为 Auto commit-and-sync interval（如 10 分钟），插件自动 commit + push，无需手动操作。 - -## Key Value -AI 批量改文件的能力越强，越需要版本管理来兜底。Git 自动同步让这个兜底机制完全无需人工干预。 - -## Mechanism -- Obsidian Git 插件（社区插件）→ Auto commit interval -- commit + push 全自动 -- Gitea 私有仓库存储，历史版本任意回溯 - -## Related Concepts -- [[LLM Wiki]]：Git自动同步是 LLM Wiki 版本控制的实现层 -- [[Gitea]]：承载仓库的 Git 服务 -- [[Obsidian]]：笔记前端 diff --git a/wiki/concepts/Google-Cloud-Adoption-Framework.md b/wiki/concepts/Google-Cloud-Adoption-Framework.md new file mode 100644 index 00000000..049bbaaf --- /dev/null +++ b/wiki/concepts/Google-Cloud-Adoption-Framework.md @@ -0,0 +1,21 @@ +--- +title: "Google Cloud Adoption Framework" +type: concept +tags: [Cloud, Framework, Google] +sources: [Cloud-Maturity-Model-A-Detailed-Guide-For-Cloud-Adoption] +last_updated: 2025-02-28 +--- + +## Summary +Google Cloud Adoption Framework 是一种帮助组织识别关键活动目标的框架，以有效加速向云端的转型。 + +## Definition +Google Cloud Adoption Framework 协助组织确定关键活动，帮助加速云迁移过程。 + +## Key Focus Areas +- 识别关键活动和目标 +- 加速云转型 +- 最佳实践指导 + +## Connections +- [[Google-Cloud-Adoption-Framework]] ← extends ← [[Cloud-Maturity-Model]] diff --git a/wiki/concepts/Google-Search-Grounding.md b/wiki/concepts/Google-Search-Grounding.md deleted file mode 100644 index 5e2630c3..00000000 --- a/wiki/concepts/Google-Search-Grounding.md +++ /dev/null @@ -1,29 +0,0 @@ ---- -title: "Google Search Grounding" -type: concept -tags: [nano-banana-pro, google-search, grounding, real-time-data, hallucination-reduction] -last_updated: 2026-04-16 ---- - -## 定义 -Nano-Banana Pro 结合 Google 实时搜索结果驱动图像生成，减少时效性话题的幻觉，并支持天气、股票、新闻等动态数据可视化。 - -## 核心机制 -1. 用户请求实时数据可视化（天气/股票/新闻） -2. 模型调用 Google Search 获取当前信息 -3. 模型"思考"（reason）搜索结果后再生成图像 -4. 输出包含实时数据洞察的可视化图像 - -## 应用场景 -- **股票趋势可视化**：当前科技公司股价和趋势分析图 -- **旅行指南**：2025 年美国国家公园最佳游览时间（基于当前旅行趋势） -- **事件可视化**：新闻事件相关的数据图 - -## 与 RAG 的关系 -- Google Search Grounding 是 RAG 思想在图像生成领域的应用 -- RAG：检索增强文本生成 -- Search Grounding：检索增强图像生成 - -## Connections -- [[Google Search Grounding]] ← 能力 ← [[Nano-Banana Pro]] -- [[Google Search Grounding]] ← 类比 ← [[RAG]] diff --git a/wiki/concepts/Google-Workspace-CLI.md b/wiki/concepts/Google-Workspace-CLI.md deleted file mode 100644 index 9bb1db6c..00000000 --- a/wiki/concepts/Google-Workspace-CLI.md +++ /dev/null @@ -1,31 +0,0 @@ ---- -title: "Google Workspace CLI" -type: concept -tags: [cli, google-workspace, automation, macos] -last_updated: 2026-04-15 ---- - -## 定义 -通过命令行界面（CLI）管理 Google Workspace 全部服务（Gmail/Calendar/Drive/Contacts/Docs/Sheets）的工具，支撑脚本化与自动化工作流。 - -## 核心工具 -- [[gog CLI]]：macOS 专属，Homebrew 安装，支持 Gmail/Calendar/Drive/Contacts/Docs/Sheets - -## 关键机制 -- **OAuth 双层验证**：OAuth 凭证（身份）+ API Enablement（权限）缺一不可 -- **账号级默认设置**：export GOG_ACCOUNT=ishenwei@gmail.com 避免每次指定账号 -- **故障排除关键**：403 accessNotConfigured 的根因是 API 未启用而非 OAuth 问题 - -## 应用场景 -- 邮件自动化（定时搜索/发送/归档） -- 日历自动化（定时检查日程/创建事件） -- 文档导出自动化（定时备份 Docs 内容） - -## 关联 -- [[gog CLI]] 是 Google Workspace CLI 在 macOS 的具体实现 -- [[n8n Workflow自动化]] 可通过 gog CLI 作为节点调用 Google 服务 - -## Aliases -- Google CLI -- gog - diff --git a/wiki/concepts/Graph-View.md b/wiki/concepts/Graph-View.md deleted file mode 100644 index 07c701a7..00000000 --- a/wiki/concepts/Graph-View.md +++ /dev/null @@ -1,21 +0,0 @@ ---- -title: "Graph View" -type: concept -tags: [Obsidian, 知识管理] -sources: ["养虾日记3-Obsidian-Gitea持久化笔记系统.md"] -last_updated: 2026-04-15 ---- - -## Definition -Obsidian 的 Graph View 将所有 Wiki 页面以节点展示，双链关系自动连线，是知识网络的可视化健康检查工具。 - -## Two Usage Patterns -- **健康检查**：没有任何页面链接指向它 → 孤岛页面，需要补上交叉引用 -- **发现盲区**：某个概念被很多页面提到但自己还没有独立页面 → 图谱里显示为灰色幽灵节点 - -## Karpathy's Insight -Graph View 是 LLM Wiki 的"知识盲区探测器"：灰色幽灵节点提醒应该为它建一个专页。 - -## Related Concepts -- [[LLM Wiki]]：Graph View 是 LLM Wiki 范式的重要工具 -- [[知识可发现性]]：双向链接 + Graph View 让知识形成网络而非孤岛 diff --git a/wiki/concepts/Groupthink.md b/wiki/concepts/Groupthink.md deleted file mode 100644 index 4b577d4d..00000000 --- a/wiki/concepts/Groupthink.md +++ /dev/null @@ -1,27 +0,0 @@ -# Groupthink - -## Definition -A psychological phenomenon in which a group of individuals prioritizes consensus and harmony over critical evaluation of alternatives, leading to poor decision-making. In multi-agent systems, it occurs when agents influence each other rather than making independent judgments. - -## Risk in Multi-Agent Consensus -- If agents have feedback loops between them -- Earlier agents' conclusions influence later agents -- The group converges on the first plausible answer rather than truth -- Results become correlated, defeating the purpose of voting - -## Prevention -- Agents must run like a **blind experiment** — no communication between them -- Same input provided independently to each agent -- No knowledge of what other agents concluded -- Results aggregated only after all agents have responded - -## The "Blind Experiment" Principle -- Agents should not know they're part of a consensus -- Each agent should independently evaluate the same input -- Only the aggregator knows the full set of responses -- This maximizes diversity and minimizes correlation - -## Related Concepts -- [[Bandwagon Effect]] -- [[Multi-Agent Consensus]] -- [[Sycophancy]] \ No newline at end of file diff --git a/wiki/concepts/Hallucination.md b/wiki/concepts/Hallucination.md deleted file mode 100644 index 4f09a23e..00000000 --- a/wiki/concepts/Hallucination.md +++ /dev/null @@ -1,38 +0,0 @@ -# Hallucination (幻觉) - -## Definition - -The phenomenon where an LLM generates information that appears plausible but is actually false, fabricated, or not grounded in its input or training data. The model "makes things up" with confidence, presenting fiction as fact. - -In the context of Chinese documentation: 大模型总是一本正经的回答问题，但其实是在胡说八道。LLM 在面对陌生领域时，只会在答案中写一个"解"字（因为 LLM 的知识局限于特定数据集），然后就开始放飞自我生成看似合理但实际错误的内容。 - -## Key Statistics -- If a single model hallucinates 20% of the time -- 3 models hallucinating the exact same lie: 0.8% (0.2³ = 0.008) -- This mathematical property is the foundation of Consensus voting - -## Causes -- Stochastic nature of LLM token generation -- Training data includes conflicting or incorrect information -- Model may lack specific knowledge but generates plausible substitutes -- Prompting that asks for creative or speculative content - -## Impact on Multi-Agent Systems -- Errors propagate through agent topologies -- Can make entire system unreliable if not contained -- Multiple architectures address this: Consensus, Validator, etc. - -## Mitigation -- [[Multi-Agent Consensus]] — majority voting cancels noise -- [[Validator]] checkpoints to catch errors -- Deterministic code validation where possible -- Don't anthropomorphize — force correctness architecturally - -## Related Concepts -- [[Sycophancy]] -- [[Context Drift]] -- [[Multi-Agent Consensus]] -- [[Validator]] -- [[LLM Reliability Engineering]] -- [[RAG]] — 检索增强生成，通过外部知识检索解决幻觉问题，可将正确率从 60% 提升至 90% -- [[Embedding]] — 向量化技术，支撑 RAG 的语义检索基础 \ No newline at end of file diff --git a/wiki/concepts/High-Availability.md b/wiki/concepts/High-Availability.md new file mode 100644 index 00000000..fbd79aa6 --- /dev/null +++ b/wiki/concepts/High-Availability.md @@ -0,0 +1,26 @@ +--- +title: High Availability +type: concept +tags: [Cloud, Reliability, Infrastructure] +sources: [The-Myths-and-Misconceptions-About-Cloud-Computing-LinkedIn.md] +last_updated: 2025-03-02 +--- + +## Definition +高可用性（High Availability）是指通过冗余设计、自动故障转移和分布式基础设施确保系统在任意时刻均可访问的设计原则。 + +## Core Mechanisms +- 冗余基础设施（Redundant Infrastructure）：关键组件多点部署 +- 自动故障转移（Automated Failover）：故障时自动切换到备用系统 +- 全球数据中心分布（Global Data Center Distribution）：跨地域部署 +- SLA 保障：服务级别协议保证 uptime 通常超过 99.99% + +## Key Claims +- 主要云提供商提供保证 uptime 超过 99.99% 的 SLA +- 冗余基础设施、自动故障转移和全球数据中心分布增强了可靠性 +- 云解决方案具有高度弹性 + +## Connections +- [[Cloud-Native]] ← requires ← [[High-Availability]]：云原生应用依赖高可用性 +- [[Multi-Cloud]] ← enables ← [[High-Availability]]：多云部署增强高可用性 +- [[混沌工程]] ← tests ← [[High-Availability]]：混沌工程主动测试系统韧性 diff --git a/wiki/concepts/Hybrid-Cloud.md b/wiki/concepts/Hybrid-Cloud.md new file mode 100644 index 00000000..80188d18 --- /dev/null +++ b/wiki/concepts/Hybrid-Cloud.md @@ -0,0 +1,37 @@ +--- +title: "Hybrid Cloud" +type: concept +tags: [Cloud, Deployment-Model] +sources: [Cloud-Maturity-Model-A-Detailed-Guide-For-Cloud-Adoption, Public-vs-Private-vs-Hybrid-Cloud-Differences-Explained] +last_updated: 2025-06-18 +--- + +## Summary +Hybrid Cloud（混合云）是一种组合使用公有云和私有云的云计算部署模式。 + +## Definition +混合云将公有云的可扩展性与私有云的安全性和控制性相结合，允许工作负载在两种环境之间灵活移动。典型用例包括：使用私有云处理敏感工作负载，使用公有云应对流量峰值，以及实现业务连续性和灾难恢复。 + +## Key Characteristics +- 结合公有云弹性和私有云安全性 +- 支持 policy-driven deployment（策略驱动部署） +- 可实现跨混合环境的工作负载优化 +- 支持同构（单一供应商）或异构（多供应商）架构 + +## Advantages +- 灵活性：根据安全、性能、成本需求分配工作负载 +- 扩展性：无需高额资本支出即可获得额外计算能力 +- 可靠性：分布式架构提升系统韧性 +- 成本效率：敏感工作负载在私有云，普通负载在公有云 + +## Limitations +- 复杂的成本管理 +- 跨云集成挑战 +- 额外的架构复杂性 +- 数据传输安全风险 + +## Connections +- [[Hybrid-Cloud]] ← type_of ← [[Cloud-Adoption]] +- [[Hybrid-Cloud]] ← combines ← [[Public-Cloud]] +- [[Hybrid-Cloud]] ← combines ← [[Private-Cloud]] + diff --git a/wiki/concepts/Hyperautomation.md b/wiki/concepts/Hyperautomation.md new file mode 100644 index 00000000..c9f21821 --- /dev/null +++ b/wiki/concepts/Hyperautomation.md @@ -0,0 +1,22 @@ +--- +title: "Hyperautomation" +type: concept +tags: [Automation, DevOps, ITSM] +sources: [modern-itsm-driving-efficiency-security-resilience] +last_updated: 2026-04-16 +--- + +## Summary +Hyperautomation（超级自动化）是结合 AI、ML 和多种自动化工具实现端到端流程自动化的方法论。 + +## Definition +Hyperautomation 是 Gartner 提出的技术趋势，融合机器人流程自动化（RPA）、AI、ML 和低代码平台，实现复杂业务流程的端到端自动化。与传统自动化不同，Hyperautomation 可处理非结构化数据和做出智能决策。 + +## Key Attributes +- **核心组件**：RPA、AI、ML、低代码/无代码平台、流程挖掘 +- **应用场景**：ITSM 流程自动化、业务流程优化、决策自动化 +- **与 ITSM 结合**：实现自学习、预测性和自主 IT 运营 + +## Connections +- [[ITSM]] ← 演进 ← [[Hyperautomation]] +- [[AIOps]] ← 集成 ← [[Hyperautomation]] \ No newline at end of file diff --git a/wiki/concepts/IAST.md b/wiki/concepts/IAST.md new file mode 100644 index 00000000..66312a20 --- /dev/null +++ b/wiki/concepts/IAST.md @@ -0,0 +1,21 @@ +--- +title: "IAST（交互式应用安全测试）" +type: concept +tags: [安全, 测试, 运行时] +sources: [what-is-devsecops-best-practices-benefits-and-tools] +last_updated: 2026-04-16 +--- + +## Definition +IAST（Interactive Application Security Testing）在应用程序运行时动态分析行为，检测运行时刻的安全问题，可发现 SAST 和 DAST 可能遗漏的漏洞。 + +## Characteristics +- 在测试和部署阶段使用 +- 通过插桩技术监控应用行为 +- 实时检测运行时漏洞 +- 适合测试环境 + +## Connections +- [[DevSecOps]] ← uses ← [[IAST]] +- [[SAST]] ← complements ← [[IAST]] +- [[DAST]] ← complements ← [[IAST]] \ No newline at end of file diff --git a/wiki/concepts/ITSM.md b/wiki/concepts/ITSM.md new file mode 100644 index 00000000..0e679c2d --- /dev/null +++ b/wiki/concepts/ITSM.md @@ -0,0 +1,23 @@ +--- +title: "ITSM" +type: concept +tags: [IT, Service Management, DevOps] +sources: [modern-itsm-driving-efficiency-security-resilience] +last_updated: 2026-04-16 +--- + +## Summary +ITSM（IT 服务管理）是管理 IT 服务交付和支持的框架，从传统工单系统演变为战略推动者。 + +## Definition +IT Service Management（IT 服务管理）是确保 IT 服务以满足业务需求的方式交付和支持的实践和方法论。现代 ITSM 融合 AIOps、Hyperautomation 和零信任架构，演变为 ITSM 2.0。 + +## Key Attributes +- **核心领域**：Problem Management、Incident Management、Change Management、Release Management、Configuration Management、Asset Management、Security & Compliance、DR/BC +- **技术演进**：AIOps、Hyperautomation、自愈 IT 生态 +- **业务价值**：运营卓越、风险缓解、创新加速 + +## Connections +- [[DevOps]] → 集成 → [[ITSM]] +- [[AIOps]] → 驱动 → [[ITSM]] +- [[Zero Trust Architecture]] → 保护 → [[ITSM]] \ No newline at end of file diff --git a/wiki/concepts/IaC.md b/wiki/concepts/IaC.md new file mode 100644 index 00000000..1575a3d8 --- /dev/null +++ b/wiki/concepts/IaC.md @@ -0,0 +1,25 @@ +--- +title: "IaC" +type: concept +tags: [devops, infrastructure, automation] +sources: [cloud-devop-maturity-guideline, DevOps-Culture-and-Transformation] +last_updated: 2026-04-16 +--- + +## Definition +IaC（Infrastructure as Code，基础设施即代码）是一种通过代码和版本控制管理基础设施的方法，替代手动配置和交互式界面操作。 + +## Key Benefits +- **可重复性**：相同配置可多次部署 +- **可版本化**：配置变更可追溯 +- **可测试性**：基础设施变更可自动化测试 +- **一致性**：消除人工配置差异 + +## Key Tools +- [[Terraform]]：声明式 IaC 工具 +- [[Ansible]]：命令式配置管理 +- AWS CloudFormation：（仅在另一源文件中提及） + +## Connections +- [[DevOps 成熟度模型]] ← 技术支柱 ← [[IaC]] +- [[CI/CD 流水线]] ← 依赖 ← [[IaC]] diff --git a/wiki/concepts/IaaS.md b/wiki/concepts/IaaS.md new file mode 100644 index 00000000..bed85192 --- /dev/null +++ b/wiki/concepts/IaaS.md @@ -0,0 +1,22 @@ +--- +title: "IaaS (Infrastructure as a Service)" +type: concept +tags: [Cloud, Service-Model] +sources: [Cloud-Maturity-Model-A-Detailed-Guide-For-Cloud-Adoption] +last_updated: 2025-02-28 +--- + +## Summary +IaaS（基础设施即服务）是云计算三大服务模型之一，提供虚拟化的计算资源。 + +## Definition +IaaS 通过互联网提供虚拟化的计算资源，包括服务器、存储和网络设备。 + +## Example Providers +- Amazon Web Services (AWS) EC2 +- Microsoft Azure Virtual Machines +- Google Compute Engine + +## Connections +- [[IaaS]] ← part_of ← [[Cloud-Maturity-Model]] +- [[IaaS]] ← type_of ← [[Cloud-Service-Models]] diff --git a/wiki/concepts/Identity-Locking.md b/wiki/concepts/Identity-Locking.md deleted file mode 100644 index baf29b9f..00000000 --- a/wiki/concepts/Identity-Locking.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -title: "Identity Locking" -type: concept -tags: [nano-banana-pro, image-generation, character-consistency, reference-image] -last_updated: 2026-04-16 ---- - -## 定义 -通过多张参考图锁定角色/人物身份，在新场景保持面部一致性的技术。Nano-Banana Pro 支持 14 张参考图（6 张高精度模式）。 - -## 核心机制 -1. 上传参考图像（最多 14 张，高精度模式 6 张） -2. 明确指令："Keep the person's facial features exactly the same as Image 1" -3. 描述场景/表情/动作的变化，保持身份不变 - -## 应用场景 -- **品牌资产生成**：同一人物/模特出现在不同场景 -- **故事创作**：角色跨多个图像保持一致 -- ** Viral Thumbnail**：Identity + Text + Graphics 一体化生成 - -## 与微调 LoRA 的区别 -- Identity Locking：即时生效，无需训练，支持 14 张参考图组合 -- LoRA：需额外训练，永久保留风格 - -## Connections -- [[Identity Locking]] ← 技术基础 ← [[Nano-Banana Pro]] -- [[主体一致性]] ← 相关概念 ← [[Identity Locking]] diff --git a/wiki/concepts/Infrastructure-as-Code-IaC.md b/wiki/concepts/Infrastructure-as-Code-IaC.md new file mode 100644 index 00000000..6d88d26a --- /dev/null +++ b/wiki/concepts/Infrastructure-as-Code-IaC.md @@ -0,0 +1,20 @@ +--- +title: "Infrastructure as Code (IaC)" +type: concept +tags: [DevOps, 基础设施, 自动化, 版本控制] +sources: [DevOps-Culture-and-Transformation.md] +last_updated: 2025-03-02 +--- + +## Definition +基础设施即代码（IaC）是一种通过代码实现基础设施管理的方法，支持一致性和版本控制的基础设施部署，使环境配置可重复、可审计。 + +## Key Tools（关键工具） +- Terraform +- AWS CloudFormation +- Ansible + +## Related Concepts +- [[DevOps 文化]] +- [[CI/CD 流水线]] +- [[GitOps]] diff --git a/wiki/concepts/Infrastructure-as-Code.md b/wiki/concepts/Infrastructure-as-Code.md deleted file mode 100644 index f1d93431..00000000 --- a/wiki/concepts/Infrastructure-as-Code.md +++ /dev/null @@ -1,31 +0,0 @@ ---- -title: Infrastructure as Code -type: concept -tags: [IaC, 基础设施, 自动化, 云原生] -sources: ["sources/DevOps-Culture-and-Transformation.md"] -last_updated: 2026-04-15 ---- - -## 定义 -Infrastructure as Code（IaC）是一种通过代码管理基础设施的方式，使用版本控制系统存储环境配置，实现基础设施的自动化 provisioning 和一致性管理。 - -## 核心价值 -- **一致性**：所有环境使用相同配置，消除"在我机器上能跑"问题 -- **版本控制**：基础设施变更可审查、可回滚 -- **自动化**：减少人工操作，降低错误率 -- **可重复性**：同一代码可部署至多个环境 - -## 关键工具 -- [[HashiCorp]] Terraform：声明式 IaC 工具，支持多云 -- AWS CloudFormation：AWS 原生 IaC 服务 -- [[Ansible]]：[[Red Hat]] 的配置管理和应用部署工具 - -## 在 DevOps 中的角色 -- IaC 是 [[CI/CD Pipelines]] 的基础设施支撑层 -- 配合 [[Docker]] 和 [[Kubernetes]] 实现容器化环境的自动化管理 -- 支撑 [[GitOps]] 工作流：以 Git 为单一真实源管理基础设施 - -## Aliases -- IaC -- Infrastructure as Code -- 基础设施即代码 diff --git a/wiki/concepts/Inversion.md b/wiki/concepts/Inversion.md deleted file mode 100644 index f6aa9176..00000000 --- a/wiki/concepts/Inversion.md +++ /dev/null @@ -1,28 +0,0 @@ ---- -title: "Inversion" -type: concept -tags: [agent, skill, design-pattern] -last_updated: 2026-04-15 ---- - -# Inversion - -## 定义 -Google 5 种 Agent Skill 设计模式之一，agent 先问你再做，通过明确不可协商的门控指令逐阶段收集信息的 Skill 模式。 - -## 核心机制 -与 agent"直接猜测和生成"的天性相反，agent 变成面试官，逐阶段提问，等待用户回答后进入下一阶段。 - -## 关键要素 -- 明确、不可协商的门控指令（如"不到所有阶段完成就不开始构建"） -- 阶段式提问结构 -- 前一阶段完成后才能进入下一阶段 - -## 适用场景 -- 项目规划 Skill -- 需求收集 -- 复杂任务的初始化阶段 - -## Connections -- [[Agent Skill 设计模式]]：所属分类 -- [[Generator]]：可组合，为 Generator 收集缺失变量 diff --git a/wiki/concepts/KPI卡片.md b/wiki/concepts/KPI卡片.md deleted file mode 100644 index e3433568..00000000 --- a/wiki/concepts/KPI卡片.md +++ /dev/null @@ -1,30 +0,0 @@ ---- -title: "KPI 卡片" -type: concept -tags: [kpi, bi, 可视化, 指标] -sources: [] -last_updated: 2025-03-14 ---- - -## Definition -Dashboard 顶部的一组数字指标看板，每个卡片展示一个关键业务指标的最新值，用于快速判断业务整体健康度。 - -## TikTok Shop 场景标准 KPI -| KPI | 计算方式 | 意义 | -|-----|---------|------| -| 总产品数 | COUNT(*) | 市场体量 | -| 热卖产品数 | COUNT(sold > X) | 爆品数量 | -| 平均评分 | AVG(rating) | 整体质量 | -| 平均最终价格 | AVG(final_price) | 价格带定位 | -| 总 GMV | SUM(final_price × sold) | 整体交易额 | -| 折扣商品占比 | COUNT(discount > 0) / COUNT(*) | 促销密度 | - -## 设计规范 -- 放置在 Dashboard 第一行 -- 双行排列（3+3 或 4+2） -- Big Number Chart 类型，只显示数字和同比变化 - -## Related Concepts -- [[Superset Dashboard]]：载体 -- [[电商选品分析]]：应用场景 -- [[选品评分模型]]：关联指标 diff --git a/wiki/concepts/KV-Cache.md b/wiki/concepts/KV-Cache.md deleted file mode 100644 index e7275cea..00000000 --- a/wiki/concepts/KV-Cache.md +++ /dev/null @@ -1,23 +0,0 @@ -# KV Cache - -## Metadata - -- **Type**: Concept -- **Category**: AI/LLM/Inference Optimization - -## Definition - -KV Cache（Key-Value Cache）是 Transformer 模型推理优化中的关键技术。K（Key）和 V（Value）是由每个 token 的向量化后通过线性变换得到的两类向量，用于注意力机制计算。KV Cache 将这些历史 K/V 保存下来，使得后续步骤不需要重复计算，从而加速推理。 - -## Details - -- **K 和 V 的来源**: 每个 token 的向量化结果通过线性变换得到 -- **作用**: 避免重复计算，提高推理效率 -- **局限性**: KV Cache 随上下文长度、层数、头数、维度线性增长，是推理中的主要显存开销之一 -- **优化方案**: vLLM 的 PagedAttention 将 KV Cache 切分为固定大小的块管理 - -## Related Concepts - -- [[vLLM]] -- [[PagedAttention]] -- [[LLM]] diff --git a/wiki/concepts/Kaizen.md b/wiki/concepts/Kaizen.md deleted file mode 100644 index 170bfdde..00000000 --- a/wiki/concepts/Kaizen.md +++ /dev/null @@ -1,36 +0,0 @@ ---- -title: Kaizen -type: concept -tags: [Kaizen, 持续改进, 精益, DevOps] -sources: ["sources/DevOps-Culture-and-Transformation.md"] -last_updated: 2026-04-15 ---- - -## 定义 -Kaizen（改善）是一种源自日本丰田生产系统的持续改进哲学，强调通过小步迭代、全员参与来实现质量和效率的渐进式提升。 - -## 核心理念 -- **持续性**：改进是永无止境的过程 -- **小步快跑**：通过小幅、频繁的改进避免大规模变革风险 -- **全员参与**：从一线员工到管理层，每个人都是改进的主体 -- **无责复盘**：关注系统性问题而非个人失误 - -## 在 DevOps 中的应用 -- **无责复盘（Blameless Post-mortems）**：从失败中学习而非追究责任 -- **度量驱动改进**：通过部署频率、MTTR 等指标识别瓶颈 -- **混沌工程**：主动引入故障以发现系统弱点 -- **迭代式优化**：每个 sprint 周期进行小范围改进 - -## 关键实践 -- **5 Why 分析**：通过连续追问找到问题根本原因 -- **价值流映射（Value Stream Mapping）**：识别流程中的浪费环节 -- **5S 管理法**：工作场所组织标准化 - -## 与 Agile 的关系 -- Agile 的迭代式开发与 Kaizen 的小步改进理念高度一致 -- 两者共同构成 [[DevOps]] 持续改进的文化基础 - -## Aliases -- Kaizen -- 改善 -- 持续改进 diff --git a/wiki/concepts/Kill-Switch.md b/wiki/concepts/Kill-Switch.md index 16b0ef0a..af871490 100644 --- a/wiki/concepts/Kill-Switch.md +++ b/wiki/concepts/Kill-Switch.md @@ -1,33 +1,24 @@ --- title: "Kill Switch" type: concept -tags: [DevOps, FeatureFlag, 可靠性工程] -last_updated: 2026-04-16 +tags: [紧急恢复, 持续交付, 风险管控] +sources: ["https://launchdarkly.com/blog/rto-vs-rpo/"] +last_updated: 2025-07-26 --- -## 定义 -Kill Switch（紧急开关）：Feature Flag 的紧急应用场景，可在生产环境出现故障时一键关闭问题功能，无需重新部署代码。 +## Definition +Kill Switch（紧急关闭开关）是一种紧急机制，允许在发现问题时立即禁用某个功能，而不需要重新部署代码。 -## 核心价值 -- RTO 保险策略：问题发生时 Flip the Flag 而非 Debug under pressure -- 数据完整性保护：在 bug 持续破坏数据时立即止损，比等待完整回滚部署更快 +## Use Cases (from this source) +- 支付处理器异常？切换到备用提供商 +- 搜索结果异常？回退到旧算法 +- AI 模型产生幻觉？切换回上一版本 -## 典型应用场景 -- 支付网关故障：立即切换到备用支付提供商 -- 搜索算法异常：回退到旧的搜索算法 -- AI 模型产生幻觉：切换回上一稳定版本 -- 数据库迁移导致性能下降：仅回滚该变更而非整个部署 - -## 与 Feature Flag 的关系 -- Kill Switch 是 Feature Flag 的一种高级应用 -- Feature Flag 提供 Kill Switch 的工程基础（部署与发布解耦） - -## 与 RTO 的关系 -- Kill Switch 将 RTO 从"部署回滚时间"降至"配置变更时间"（秒级） -- HP 案例：从小时级降至分钟级 -- Christian Dior 案例：从 15 分钟降至即时开关 +## Benefits +- 将 RTO 从小时级降至秒级 +- 无需在压力下调试 +- 保护用户数据和体验 ## Connections -- [[Feature Flag]] ← Kill Switch 的工程基础 -- [[RTO]] ← 通过 Kill Switch 实现秒级 RTO -- [[LaunchDarkly]] ← 企业级 Kill Switch 平台 +- [[Feature Flag]] ← 实现方式 → [[Kill Switch]] +- [[RTO (Recovery Time Objective)]] ← 降低工具 → [[Kill Switch]] diff --git a/wiki/concepts/LLM-Wiki.md b/wiki/concepts/LLM-Wiki.md deleted file mode 100644 index 182e289e..00000000 --- a/wiki/concepts/LLM-Wiki.md +++ /dev/null @@ -1,29 +0,0 @@ ---- -title: "LLM Wiki" -type: concept -tags: [AI知识管理, RAG, 知识积累] -sources: ["养虾日记3-Obsidian-Gitea持久化笔记系统.md", "Personal-Knowledge-Base-RAG.md"] -last_updated: 2026-04-15 ---- - -## Definition -LLM Wiki 是一种 AI 知识管理范式：AI 在执行任务过程中**增量构建和维护一个持久化的 Wiki**，页面之间互相链接，知识越积越厚，而非每次从零检索。 - -## Core Distinction: LLM Wiki vs RAG - -| | RAG | LLM Wiki | -|--|-----|---------| -| 知识积累 | 不积累，每次从零检索 | 增量构建，页面间互相链接 | -| 检索方式 | 向量相似度检索 | 双向链接 + Graph View 发现 | -| 知识边界 | 受知识库文档限制 | 知识随任务执行不断扩展 | -| 适用场景 | 静态文档问答 | 持续执行任务的 Agent | - -## Key Claims -- RAG 的局限：每次对话从零开始，知识不积累，无法形成知识网络 -- LLM Wiki 的优势：AI 在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 -- Graph View 是知识健康检查工具：孤岛页面（无页面链接指向它）需要补上交叉引用 - -## Related Concepts -- [[RAG]]：对比范式 -- [[个人知识库]]：LLM Wiki 的具体实现之一 -- [[知识可发现性]]：双向链接 + Graph View 让知识形成网络而非孤岛 diff --git a/wiki/concepts/LaTeX-Flattening.md b/wiki/concepts/LaTeX-Flattening.md deleted file mode 100644 index aa3dba47..00000000 --- a/wiki/concepts/LaTeX-Flattening.md +++ /dev/null @@ -1,20 +0,0 @@ ---- -title: "LaTeX Flattening" -type: concept -tags: [latex, document-processing, research-tools] -date: 2026-04-16 ---- - -## Definition -自动解析 LaTeX 源码中的 \include 语句，将所有被包含文件的内容合并为单一文档，消除多文件 LaTeX 项目的上下文跳跃问题。 - -## How It Works -LaTeX 项目通常由主文件通过 \include 调用多个子文件（章节/图表），展平后生成无 \include 指令的连续文档，便于阅读器直接处理。 - -## Application -- arxiv-reader skill 核心能力，自动展平 arXiv 下载的 .tex 源码 -- 解决 PDF 阅读时切换文件丢失上下文的问题 - -## Connections -- [[arXiv-Paper-Reader]]：使用 LaTeX Flattening 的核心场景 -- [[arXiv-API]]：LaTeX 源码的来源 diff --git a/wiki/concepts/MCP.md b/wiki/concepts/MCP.md deleted file mode 100644 index c2ce12c1..00000000 --- a/wiki/concepts/MCP.md +++ /dev/null @@ -1,33 +0,0 @@ ---- -title: "MCP" -type: concept -tags: [llm, protocol, tool-calling] -last_updated: 2025-12-20 ---- - -## 基本信息 -- **全称**：Model Context Protocol -- **类型**：通信协议 -- **来源**：大模型相关术语和框架总结 - -## 定义 -MCP 是一个开放协议，为 LLM 应用提供标准化接口，使其能够连接外部数据源和各种工具进行交互。 - -## 核心机制 -1. **MCP Client**：位于 LLM 应用侧，发送请求 -2. **MCP Server**：负责与外部数据源或工具交互，获取数据并按协议格式化返回 - -## 关键约束 -> "大模型是不会自己去调用外部数据源或者工具的，大模型只会告诉我们需要调用哪些工具，而我们需要自己去实现工具的调用。" - -## 与 Agent 的关系 -MCP + LLM = Agent，MCP 协议是智能体实现实际任务执行的关键组件。 - -## 关联 -- [[LLM]] ← 基础层 -- [[Agent]] ← LLM + MCP 的产物 -- [[LangChain]] ← MCP 集成的开发框架 - -## Aliases -- Model Context Protocol -- 模型上下文协议 diff --git a/wiki/concepts/MCP工具链.md b/wiki/concepts/MCP工具链.md deleted file mode 100644 index 090f2886..00000000 --- a/wiki/concepts/MCP工具链.md +++ /dev/null @@ -1,21 +0,0 @@ ---- -title: "MCP工具链" -type: concept -tags: [mcp, tool-chain] -last_updated: 2026-04-15 ---- - -# MCP工具链 - -## 定义 -多个 MCP 工具顺序调用形成完整工作流的能力。 - -## 描述 -MCP 协议支持工具之间的互相调用，形成链式执行。Sequential Thinking 等工具可与其他服务工具协同工作，形成完整的数据获取→推理→输出流程。 - -## 典型案例 -- [[MCP在Cursor中的集成与应用详解]]：热点新闻服务 + Sequential Thinking 工具链协同 - -## Connections -- [[MCP]]：协议基础 -- [[Sequential Thinking]]：常用链式工具 diff --git a/wiki/concepts/Memory-in-AI-Agent.md b/wiki/concepts/Memory-in-AI-Agent.md deleted file mode 100644 index 87c1d283..00000000 --- a/wiki/concepts/Memory-in-AI-Agent.md +++ /dev/null @@ -1,32 +0,0 @@ ---- -title: "Memory in AI Agent" -type: concept -tags: [memory, ai-agent, 上下文, n8n] -sources: [] -last_updated: 2025-03-06 ---- - -## Definition -Memory（记忆）是 AI Agent 保持多轮对话上下文连贯性的机制，通过在每次交互中注入历史消息，使 Agent 能够记住之前的对话内容，输出更相关和连贯的响应。 - -## 工作原理 -1. 每次对话 → 将历史消息追加到 context -2. Agent 在决策时读取完整 context -3. 结合 Memory + 当前输入 → 生成响应 - -## N8N 实现 -N8N AI Agent 节点内置 Memory 配置，支持： -- 对话历史注入 -- 与外部数据库（如 [[Airtable]]）联动存储长期记忆 - -## 与传统 Workflow 的区别 -- Workflow：完全确定性，每次执行相同输入=相同输出 -- 带 Memory 的 Agent：输入相同但上下文不同，输出可能变化 - -## Related Entities -- [[Airtable]]：外部存储媒介 -- [[n8n]]：工作流平台 - -## Related Concepts -- [[Agentic System]]：依赖 Memory 实现多轮交互 -- [[Workflow vs Agent]]：Agent 的 Memory 是其与 Workflow 本质区别 diff --git a/wiki/concepts/Multi-Account-Strategy.md b/wiki/concepts/Multi-Account-Strategy.md new file mode 100644 index 00000000..9e1481be --- /dev/null +++ b/wiki/concepts/Multi-Account-Strategy.md @@ -0,0 +1,29 @@ +--- +title: "Multi-Account Strategy" +type: concept +tags: [AWS, Architecture, Security] +sources: [how-to-simplify-multi-account-deployments-monitoring] +last_updated: 2026-04-16 +--- + +## Summary +多账号策略是 AWS 推荐的企业级云架构模式，通过将工作负载分离到多个 AWS 账号来提升安全性、治理能力和故障隔离。 + +## Definition +Multi-Account Strategy（多账号策略）是指在 AWS Organizations 框架下，使用多个 AWS 账号组织云资源的管理策略，通常包括：管理账号（Management Account）、日志账号（Log Archive Account）、安全账号（Security Account）和多个工作负载账号（Workload Accounts）。 + +## Key Attributes +- **目的**：安全性提升、治理能力增强、故障隔离、成本核算 +- **实现方式**：AWS Organizations + Organizational Units (OU) +- **核心组件**：管理账号、成员账号、组织单元 + +## Why +- 资源隔离：不同业务线、环境（生产/开发/测试）相互隔离 +- 安全边界：最小权限原则，账号间无法相互访问 +- 合规要求：满足 ISO 27001、HIPAA 等合规审计需求 +- 成本追踪：按账号独立核算成本 + +## Connections +- [[AWS Organizations]] ← 组织 ← [[Multi-Account Strategy]] +- [[StackSets]] ← 依赖 ← [[Multi-Account Strategy]] +- [[AWS Organizations]] 是实施多账号策略的核心服务 \ No newline at end of file diff --git a/wiki/concepts/Multi-Agent-Adversarial-Debate.md b/wiki/concepts/Multi-Agent-Adversarial-Debate.md deleted file mode 100644 index fffb96d1..00000000 --- a/wiki/concepts/Multi-Agent-Adversarial-Debate.md +++ /dev/null @@ -1,38 +0,0 @@ ---- -title: "Multi-Agent Adversarial Debate" -type: concept -tags: [multi-agent, architecture, reliability, adversarial] -last_updated: 2026-04-15 ---- - -## Definition -一种多智能体架构模式，模拟法庭对抗：Generator（生成器）提出方案，Critic（批评者）攻击方案弱点，Judge（裁判）裁决并要求修正。核心是防止 LLM 的 Sycophancy（阿谀奉承）倾向。 - -## How It Works -1. **Generator**："这是我的方案" -2. **Critic**："方案有3个问题"（扮演魔鬼代言人） -3. **Judge**："批评者说得对，修正"（扮演主持人） - -## Why It Works -- LLM 一旦开始写作，很少自我纠正 -- 人类会因害怕被否定而不敢反驳，但 LLM 没有这种恐惧 -- 通过外部批评者和裁判模拟"恐惧"，强制方案接受检验 - -## Key Requirements -- Generator、Critic、Judge 最好使用不同模型（多样性） -- 顺序执行 + 循环特性 → 速度慢 -- 需 watchdog（确定性代码）在超时/计数阈值后打破循环 - -## Best For -- 安全分析 -- 代码审查 -- 高风险内容审核 - -## Sycophancy 详解 -LLM 在被威胁时可能撒谎以取悦用户，而非真正提升质量。Debate 模式通过第三方裁判打破此倾向。 - -## Related Concepts -- [[Multi Agent Hierarchy]]：层级验证模式 -- [[Multi Agent Consensus]]：投票共识模式 -- [[Multi Agent Knock out]]：淘汰制模式 -- [[Sycophancy]]：阿谀倾向，LLM 的固有缺陷 diff --git a/wiki/concepts/Multi-Agent-Consensus.md b/wiki/concepts/Multi-Agent-Consensus.md deleted file mode 100644 index 233e5eb2..00000000 --- a/wiki/concepts/Multi-Agent-Consensus.md +++ /dev/null @@ -1,37 +0,0 @@ ---- -title: "Multi-Agent Consensus" -type: concept -tags: [multi-agent, architecture, reliability, voting] -last_updated: 2026-04-15 ---- - -## Definition -一种多智能体架构模式，通过多数投票提高输出可靠性。核心思想：用"相信大多数"替代"相信第一反应"。 - -## How It Works -1. 生成 N 个独立 LLM 实例（最好使用不同模型） -2. 分散任务（Fan out）：给所有 Agent 相同任务 -3. 收集结果（Fan in）：选择最常见的答案 - -## Reliability Math -- 单个模型幻觉率：20% -- 3个模型同时幻觉相同谎言概率：0.2³ = 0.8% - -## Key Requirements -- **多样性**：Agent 应使用不同模型，减少同质化噪声放大 -- **盲测原则**：Agent 之间不能有反馈回路，否则产生 Groupthink 和从众效应 -- **无干扰**：独立运行，类似盲测实验 - -## Trade-offs -- **优点**：显著降低幻觉概率，适合事实核查和分类任务 -- **缺点**：成本高（同一任务 N 次执行），ROI 取决于任务失败成本 - -## Best For -- 事实核查（"这封邮件是垃圾邮件吗？"） -- 分类任务 -- 高可靠性要求的输出验证 - -## Related Concepts -- [[Multi Agent Hierarchy]]：另一种多 Agent 协作模式 -- [[Multi Agent Adversarial Debate]]：对抗式架构 -- [[Multi Agent Knock out]]：淘汰制架构 diff --git a/wiki/concepts/Multi-Agent-Hierarchy.md b/wiki/concepts/Multi-Agent-Hierarchy.md deleted file mode 100644 index 763c34c0..00000000 --- a/wiki/concepts/Multi-Agent-Hierarchy.md +++ /dev/null @@ -1,33 +0,0 @@ ---- -title: "Multi-Agent Hierarchy" -type: concept -tags: [multi-agent, architecture, reliability] -last_updated: 2026-04-15 ---- - -## Definition -一种多智能体架构模式，模拟人类组织的层级结构：Supervisor（主管）制定计划、分解任务、分配给 Worker（工作节点）执行，Validator（验证器）检查结果。 - -## Components -- **Planner（规划器）**：智能模型（如 Opus）将用户目标分解为原子步骤 -- **Worker（工作节点）**：专用 Agent，每节点只做一件事，可使用更小更快的模型 -- **Validator（验证器）**：检查点，使用确定性代码（单元测试、JSON Schema）或 LLM 进行验证 - -## Execution Flow -``` -Planner → Worker → Validator - ↑__________________| - （验证失败则打回重做） -``` - -## Why It Works -依赖图（Dependency Graph）强制各节点协作：Worker 在 Planner 喂任务前无法开始，且 Validator 会捕获作弊。 - -## Trade-offs -- **优点**：上下文分离，适合复杂工作流 -- **缺点**：顺序执行，速度慢，成本高 - -## Related Concepts -- [[Multi Agent Consensus]]：另一种多 Agent 可靠性模式 -- [[Multi Agent Adversarial Debate]]：对抗式架构 -- [[Multi Agent Knock out]]：淘汰制架构 diff --git a/wiki/concepts/Multi-Agent-Knock-out.md b/wiki/concepts/Multi-Agent-Knock-out.md deleted file mode 100644 index ce45e194..00000000 --- a/wiki/concepts/Multi-Agent-Knock-out.md +++ /dev/null @@ -1,37 +0,0 @@ ---- -title: "Multi-Agent Knock-out" -type: concept -tags: [multi-agent, architecture, reliability, genetic-algorithm] -last_updated: 2026-04-15 ---- - -## Definition -一种多智能体架构模式，借鉴遗传算法（GA）：多个 Agent 执行任务，适应度函数评估，最差者被淘汰。核心思想：用"适者生存"替代"死亡恐惧"。 - -## How It Works -1. 将任务分配给 N 个 Agent -2. Validator（适应度函数）决定哪些 Agent 被淘汰 -3. （可选）用获胜 Agent 的特征组合生成新 Agent 填补空缺 - -## SRE 类比 -- LLM Agent = "cattle"（牲畜，可替换） -- 不给它命名期待它做好：启动 → 检查 → 失败则淘汰 - -## Key Requirements -- 必须有快速验证输出的方式（如单元测试） -- 若需人工检查所有分支则太慢，此模式优势消失 - -## Genetic Algorithm Connection -借鉴传统 ML 的遗传算法两个要素： -- **遗传表示**：模型及其上下文 -- **适应度函数**：淘汰函数 - -## Best For -- 迭代式 Agent 工程开发 -- 调试阶段，不适合生产环境和大用户负载 - -## Related Concepts -- [[Multi Agent Hierarchy]]：层级验证模式 -- [[Multi Agent Consensus]]：投票共识模式 -- [[Multi Agent Adversarial Debate]]：对抗辩论模式 -- [[遗传算法]]：本模式借鉴的经典 ML 方法 diff --git a/wiki/concepts/Multi-Cloud-Governance.md b/wiki/concepts/Multi-Cloud-Governance.md deleted file mode 100644 index db9349a5..00000000 --- a/wiki/concepts/Multi-Cloud-Governance.md +++ /dev/null @@ -1,31 +0,0 @@ ---- -title: "Multi-Cloud Governance" -type: concept -tags: [devops, cloud, governance] -last_updated: 2026-04-15 ---- - -## 基本信息 -- **类型**：云治理策略 -- **来源**：How Agentic AI can help for Cloud DevOps - -## 定义 -Multi-Cloud Governance（多云治理）是跨 AWS、GCP、Azure 多个云平台统一管理资源、成本、安全和合规的实践。 - -## Agentic AI 应用 -1. **成本治理**：识别跨云平台的浪费性支出，建议资源整合或替代定价模式 -2. **统一安全**：跨平台 IAM 策略审计、网络规则检查、容器漏洞扫描 -3. **一致性运维**：统一监控、告警、部署策略 -4. **合规执行**：SOC 2、FedRAMP、PCI DSS 等跨平台合规 - -## 关联 -- [[Agentic AI]] ← 技术支撑 -- [[DevOps]] ← 应用领域 -- [[AWS]] ← 治理对象 -- [[GCP]] ← 治理对象 -- [[Azure]] ← 治理对象 - -## Aliases -- Multi-Cloud Governance -- 多云治理 -- 跨云治理 diff --git a/wiki/concepts/Multi-Cloud.md b/wiki/concepts/Multi-Cloud.md new file mode 100644 index 00000000..2d9701ce --- /dev/null +++ b/wiki/concepts/Multi-Cloud.md @@ -0,0 +1,47 @@ +--- +title: "Multi-Cloud" +type: concept +tags: [Cloud, Deployment-Model] +sources: [Cloud-Maturity-Model-A-Detailed-Guide-For-Cloud-Adoption, How-Can-a-Multi-Cloud-Strategy-Transform-Your-Business-ROI] +last_updated: 2025-03-01 +--- + +## Summary +Multi-Cloud（多云）是一种使用多个云服务商服务的云计算部署策略，通过同时利用多个公有云提供商（如AWS、Azure、Google Cloud）的优势服务，避免单一供应商锁定，提升灵活性、弹性和成本效率。 + +## Definition +多云策略指同时使用多个云服务商（Azure、GCP、AWS等）的服务，而非依赖单一提供商。该策略允许企业根据具体需求选择各提供商的优势服务，如计算、存储、AI工具等，以提升效率、安全性和性能。 + +## Key Benefits +1. **避免供应商锁定（Vendor Lock-In）**：不依赖单一供应商，可自由选择最佳服务 +2. **提升弹性和可靠性**：单一提供商故障时其他提供商继续服务 +3. **增强安全性**：在不同环境部署不同安全机制 +4. **可扩展性**：快速适应需求波动 +5. **成本优化**：利用竞争性定价，报告示例如优化后可达30%运营成本降低 +6. **访问创新能力**：利用不同提供商的不同功能、工具和服务 +7. **满足监管合规**：支持地区和行业特定的数据主权要求 +8. **性能优化**：为不同工作负载选择最佳提供商 + +## Implementation Steps +1. **评估需求**：识别目标、预算分析、资源要求 +2. **选择提供商**：对齐服务与需求，评估功能、安全、合规、成本 +3. **集成与管理**：采用Kubernetes、Terraform等工具进行集成 +4. **监控与优化**：持续跟踪性能、成本，如使用CloudHealth或Datadog + +## Industry Use Cases +- **电商**：高峰期（如黑色星期五）弹性扩展 +- **医疗**：HIPAA合规，区域数据主权 +- **金融**：安全强化、严格合规要求、投资回报最大化 + +## Challenges +- 集成复杂性：需处理兼容性问题 +- 安全风险：需统一安全策略 +- 专业人才缺乏：需多云管理技能 + +## Connections +- [[Multi-Cloud]] ← type_of ← [[Cloud-Adoption]] +- [[Multi-Cloud]] ← depends_on ← [[AWS]], [[Azure]], [[Google Cloud]] +- [[Multi-Cloud]] ← enables ← [[DevOps]] +- [[Multi-Cloud]] ← relates_to ← [[Cloud Security]] +- [[Multi-Cloud]] ← relates_to ← [[Vendor Lock-In]] +- [[Multi-Cloud]] ← relates_to ← [[Data Sovereignty]] diff --git a/wiki/concepts/Multi-Tenant-Management.md b/wiki/concepts/Multi-Tenant-Management.md new file mode 100644 index 00000000..1fadf6ee --- /dev/null +++ b/wiki/concepts/Multi-Tenant-Management.md @@ -0,0 +1,24 @@ +--- +title: "Multi-Tenant Management" +type: concept +tags: [SaaS, multi-tenancy, isolation] +sources: [How-Agentic-AI-can-help-for-Cloud-DevOps] +last_updated: 2026-04-16 +--- + +## Summary +Multi-Tenant Management（多租户管理）是 SaaS 环境中自动化管理多个客户租户的隔离、配置、计费和生命周期流程的实践。 + +## Definition +在共享基础设施上为多个客户提供隔离的 SaaS 服务，包括租户配置、监控、计费和下线管理。 + +## Key Processes +- **Self-Service Tenant Provisioning**：租户自助配置 +- **Tenant Isolation**：确保租户间数据和资源隔离 +- **Automated Tenant Decommissioning**：自动化租户下线 +- **Multi-Tenant Cost Optimization**：多租户成本分摊和优化 + +## Connections +- [[Agentic AI]] ← automates ← [[Multi-Tenant Management]]：Agentic AI 自动化多租户管理 +- [[SaaS]] ← requires ← [[Multi-Tenant Management]]：SaaS 依赖多租户管理 +- [[Serverless Computing]] ← enables ← [[Multi-Tenant Management]]：Serverless 实现多租户成本优化 diff --git a/wiki/concepts/NFS永久挂载.md b/wiki/concepts/NFS永久挂载.md deleted file mode 100644 index d8be7bc5..00000000 --- a/wiki/concepts/NFS永久挂载.md +++ /dev/null @@ -1,48 +0,0 @@ ---- -title: NFS永久挂载 -type: concept -tags: [nfs, ubuntu, nas, fstab, mount] ---- - -## Definition -NFS 永久挂载是通过 /etc/fstab 配置使网络文件系统（NFS）在系统启动时自动挂载，而非手动 mount 重启后失效。 - -## Problem -手动 mount 命令是临时的，重启后内核重置所有挂载状态。 - -## Solution -在 /etc/fstab 中添加 NFS 挂载条目： -``` -192.168.3.17:/volume2/backup /mnt/nas_backup nfs defaults,timeo=900,retrans=5,_netdev 0 0 -``` - -## Key Parameters -| 参数 | 含义 | -|------|------| -| defaults | 默认挂载选项（rw, suid, dev, exec, auto, nouser, async） | -| timeo=900 | 超时 90 秒（单位 1/10 秒） | -| retrans=5 | 超时后重试 5 次 | -| _netdev | 告诉系统这是网络设备，等网络就绪后再挂载（防止开机卡死） | - -## 验证方法 -```bash -sudo umount /mnt/nas_backup # 卸载当前挂载 -sudo mount -a # 模拟开机自动挂载 -df -h | grep nas_backup # 验证挂载成功 -``` - -## 故障排查 -- 重启后仍然失效：systemctl enable remote-fs.target -- nfs-common 服务启动慢于 mount -a：_netdev 参数解决 - -## 完整部署指南 -[[如何在UbuntuServer上通过NFS挂载Synology NAS上的共享文件夹]] 包含： -- Synology DSM NFS 权限配置步骤截图 -- NFS 永久挂载参数详解（_netdev 为关键防开机卡死参数） -- rsync 备份脚本挂载检查逻辑 -- 常见问题：remote-fs.target 启用 - -## Connections -- [[Ubuntu服务器通过rsync实现日常增量备份]] — 应用场景 -- [[rsync增量备份]] — 备份目标端挂载 -- [[Synology NAS]] ← 提供 ← NFS 存储服务（192.168.3.17:/volume2/backup） diff --git a/wiki/concepts/Nano-Banana.md b/wiki/concepts/Nano-Banana.md deleted file mode 100644 index 65328893..00000000 --- a/wiki/concepts/Nano-Banana.md +++ /dev/null @@ -1,29 +0,0 @@ ---- -title: "Nano Banana" -type: concept -tags: [ai, prompt, google, image-generation] ---- - -## Definition -Nano Banana 是 Google 发布的结构化图像生成提示词框架，通过 9 个标准化字段将创意描述转化为机器可执行参数，实现提示词的可复用性和可组合性。 - -## Framework Fields -| 字段 | 作用 | 示例 | -|------|------|------| -| shot | 镜头类型和构图 | Macro close-up shot, square aspect ratio | -| subject | 主体描述（物件/人物） | A luxury men's chronograph watch | -| environment | 环境背景 | Dark textured slate rock, out-of-focus gradient | -| lighting | 照明设置 | Studio softbox, key light from top-left | -| camera | 摄像机参数 | 100mm macro lens, f/8, 45-degree angle | -| color_grade | 调色风格 | High contrast, clean and commercial | -| style | 整体风格 | Hyper-realistic CGI render | -| quality | 质量要求 | 8K resolution, perfect material shaders | -| negatives | 负向提示词 | no scratches, no dust, no logos | - -## Why "Negatives" Matters -negatives 字段是质量控制的关键：明确告诉模型"不要什么"，避免常见生成缺陷（模糊、水印、logo 等）。 - -## Connections -- [[结构化提示词]] ← 框架类型 -- [[负向提示词]] ← 关键机制 -- [[Google]] ← 发布方 diff --git a/wiki/concepts/News API.md b/wiki/concepts/News API.md deleted file mode 100644 index 2f858a18..00000000 --- a/wiki/concepts/News API.md +++ /dev/null @@ -1,33 +0,0 @@ ---- -title: "News API" -type: concept -tags: [news-api, 数据源, api, 新闻聚合] -sources: [] -last_updated: 2025-03-11 ---- - -## Definition -新闻 API（News API）是提供标准化 HTTP 接口获取结构化新闻数据的平台服务，将多来源（新闻网站/博客/论坛/社交媒体）的非结构化内容整合为 JSON/XML 格式返回。 - -## Core Value -Eliminate 人工采集和整理工作，API 自动完成聚合+格式化+过滤，可直接接入 AI 应用工作流。 - -## 主要分类 -| 类型 | 代表产品 | 特点 | -|------|---------|------| -| 全覆盖型 | [[Webz.io]] | surface+deep+dark web | -| 轻量低价型 | [[GNews API]] / [[Mediastack API]] | 低价/免费/初创友好 | -| 金融专业型 | [[Bloomberg API]] / [[Financial Times API]] | 机构级金融数据 | -| 舆情监控型 | [[Opoint]] | 情感分析+品牌追踪 | -| 编辑质量型 | [[The Guardian API]] | 高质量编辑内容 | - -## AI 应用场景 -- AI 新闻聚合应用 -- 金融情报与投资决策支持 -- 品牌舆情监控系统 -- AI 训练数据获取（LLM fine-tuning） - -## Related Concepts -- [[舆情监控]]：应用场景 -- [[金融情报]]：应用场景 -- [[新闻聚合]]：相关概念 diff --git a/wiki/concepts/PRD自动生成.md b/wiki/concepts/PRD自动生成.md deleted file mode 100644 index b30a5bea..00000000 --- a/wiki/concepts/PRD自动生成.md +++ /dev/null @@ -1,32 +0,0 @@ ---- -title: "PRD自动生成" -type: concept -tags: [ai-product-manager, workflow, automation, 产品管理, 文档自动化] -last_updated: 2026-04-16 ---- - -## Definition -将传统人工撰写PRD的工作流，转变为AI深度嵌入的多阶段共创流程：FeatureList共创 → Mermaid图生成 → 分页面口述 → HTML原型。 - -## Workflow Stages -1. **FeatureList共创**：与AI构思需求框架，AI补全层级和边界场景 -2. **Mermaid图生成**：用Mermaid代码生成ER图、泳道图、甘特图 -3. **分页面口述**：逐一描述每个功能页面 + PRD写作指南模板 + 调教反馈 -4. **HTML原型**：HTML原型同步生成 + 差量维护 = 永远最新的交互原型库 - -## Core Tool -- [[Gemini]]：核心AI助手，深度嵌入各阶段 - -## Key Principle -表述越准确，AI执行越准确——模糊是PRD失败的第一原因。 - -## Limitations -- AI生成的结构需人工验证逻辑一致性 -- Mermaid图质量依赖提示词精确度 - -## Related Concepts -- [[FeatureList]]：分层需求表，AI共创起点 -- [[精准表达]]：PRD自动生成的核心能力前提 - -## Source -- [[不会Gemini的产品经理真的要被淘汰了-附保姆级PRD生成指南]] diff --git a/wiki/concepts/PaaS.md b/wiki/concepts/PaaS.md new file mode 100644 index 00000000..30117b3d --- /dev/null +++ b/wiki/concepts/PaaS.md @@ -0,0 +1,22 @@ +--- +title: "PaaS (Platform as a Service)" +type: concept +tags: [Cloud, Service-Model] +sources: [Cloud-Maturity-Model-A-Detailed-Guide-For-Cloud-Adoption] +last_updated: 2025-02-28 +--- + +## Summary +PaaS（平台即服务）是云计算三大服务模型之一，提供应用开发和部署平台。 + +## Definition +PaaS 提供完整的应用开发和部署平台，使开发者能够专注于应用程序本身而非底层基础设施。 + +## Example Providers +- AWS Elastic Beanstalk +- Google App Engine +- Microsoft Azure App Service + +## Connections +- [[PaaS]] ← part_of ← [[Cloud-Maturity-Model]] +- [[PaaS]] ← type_of ← [[Cloud-Service-Models]] diff --git a/wiki/concepts/PagedAttention.md b/wiki/concepts/PagedAttention.md deleted file mode 100644 index b4f9f0ee..00000000 --- a/wiki/concepts/PagedAttention.md +++ /dev/null @@ -1,27 +0,0 @@ -# PagedAttention - -## Metadata - -- **Type**: Concept -- **Category**: AI/LLM/Inference Optimization - -## Definition - -PagedAttention 是 vLLM 项目开发的一种注意力机制优化算法，将 KV Cache 切分为固定大小的"块"（block），并通过页表式映射管理这些块，类似于操作系统虚拟内存的调度方式。这种方法避免了按序列分配大块连续内存导致的碎片化和 OOM（内存溢出），同时支持动态并发与复用。 - -## Details - -- **核心思想**: 将 KV Cache 分块管理，类似操作系统虚拟内存 -- **分块大小**: 固定大小的块（block） -- **管理方式**: 页表式映射 -- **优势**: - - 避免碎片化和 OOM - - 支持动态并发 - - 支持相同前缀的 KV 块复用（如 beam search 和重复前缀场景） - - 减少 prefill（预填充）时间 - -## Related Concepts - -- [[vLLM]] -- [[KV Cache]] -- [[LLM]] diff --git a/wiki/concepts/Pattern-Key.md b/wiki/concepts/Pattern-Key.md deleted file mode 100644 index 9ca6af56..00000000 --- a/wiki/concepts/Pattern-Key.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -title: "Pattern-Key" -type: concept -tags: [self-improving, memory, pattern, tracking] -last_updated: 2026-04-15 ---- - -## Definition -经验记录（LEARNINGS.md）的唯一标识键，格式为 domain.subdomain（如 cron.telegram-delivery），用于发现重复踩坑和追踪系统性错误。 - -## Core Mechanism -- 格式：点分层级，如 cron.daily-self-review / cron.telegram-delivery / cron.naming-convention -- 用途：通过相同 Pattern-Key 发现同一问题的多次记录 -- 决策信号：Pattern-Key 重复出现 = 系统性问题需系统性解决，而非单点修复 - -## Example -| Pattern-Key | 出现次数 | 含义 | -|---|---|---| -| cron.daily-self-review | 9次 | 每日复盘，持续活跃优化领域 | -| cron.telegram-delivery | 2次 | Telegram 通知配置，第一次记了第二次解决 | - -## Key Insight -Pattern-Key 重复本身是信号——第一次记了，第二次就该解决了。Recurrence-Count ≥ 2 说明这不是偶发错误。 - -## Connections -- [[Self-Improving Skill]] ← 核心机制 ← [[Pattern-Key]] -- [[Recurrence-Count]] ← 量化 ← [[Pattern-Key]] diff --git a/wiki/concepts/Pay-as-you-go.md b/wiki/concepts/Pay-as-you-go.md new file mode 100644 index 00000000..149998b5 --- /dev/null +++ b/wiki/concepts/Pay-as-you-go.md @@ -0,0 +1,31 @@ +--- +title: Pay-as-you-go +type: concept +tags: [Cloud, Cost-Optimization, Business-Model] +sources: [The-Myths-and-Misconceptions-About-Cloud-Computing-LinkedIn.md] +last_updated: 2025-03-02 +--- + +## Definition +按需付费（Pay-as-you-go）是一种基于实际使用量计费的商业模式，用户根据资源消耗而非固定订阅支付费用。 + +## Core Features +- 弹性计费：根据实际使用量收费 +- 无需大额前期投资：降低资本支出 +- 资源弹性扩展：根据业务需求动态调整 +- 成本透明：按使用量精确计费 + +## Cost Optimization Strategies +- 预留实例（Reserved Instances）：长期使用可享折扣 +- 自动扩展（Auto-scaling）：根据负载自动调整资源 +- 无服务器计算（Serverless Computing）：仅按实际计算时间计费 + +## Key Claims +- 云计算采用按需付费模式，允许企业按需扩展资源 +- 成本优化策略如预留实例、自动扩展和无服务器计算有助于降低费用 +- 消除本地硬件采购、维护和升级需求通常可带来显著成本节省 + +## Connections +- [[CAPEX-to-OPEX]] ← implements ← [[Pay-as-you-go]]：按需付费是 CAPEX 到 OPEX 转型的实现方式 +- [[Auto-scaling]] ← supports ← [[Pay-as-you-go]]：自动扩展优化按需付费成本 +- [[Serverless-Computing]] ← extends ← [[Pay-as-you-go]]：无服务器是最细粒度的按需付费 diff --git a/wiki/concepts/Pipeline.md b/wiki/concepts/Pipeline.md deleted file mode 100644 index 5d86bea2..00000000 --- a/wiki/concepts/Pipeline.md +++ /dev/null @@ -1,33 +0,0 @@ ---- -title: "Pipeline" -type: concept -tags: [agent, skill, design-pattern] -last_updated: 2026-04-15 ---- - -# Pipeline - -## 定义 -Google 5 种 Agent Skill 设计模式之一，带硬性检查点的严格顺序工作流的 Skill 模式。 - -## 核心机制 -- 指令本身定义工作流顺序 -- 实现明确的门控条件（如要求用户在进入下一步之前确认生成的文档字符串） -- 确保 agent 无法跳过步骤或忽略指令 - -## 典型案例：文档流水线 -1. 解析和清点 -2. 生成文档字符串 -3. 组装文档 -4. 质量检查 - -每一步都有明确前置条件，用户必须在进入下一步之前确认。 - -## 适用场景 -- 复杂任务（承受不起跳过步骤） -- 多阶段内容生成 -- 需要强制验证的流程 - -## Connections -- [[Agent Skill 设计模式]]：所属分类 -- [[Reviewer]]：可组合，在最后一步 double-check 成果 diff --git a/wiki/concepts/Playwright.md b/wiki/concepts/Playwright.md deleted file mode 100644 index 7ed68b81..00000000 --- a/wiki/concepts/Playwright.md +++ /dev/null @@ -1,30 +0,0 @@ ---- -title: "Playwright" -type: concept -tags: [browser-automation, testing, scraping, python] -date: 2025-09-29 ---- - -## Definition -Playwright，Microsoft 开源浏览器自动化工具，支持 Chromium、Firefox、WebKit 三大渲染引擎，通过一致的 API 控制真实浏览器加载动态内容。 - -## Key Properties -- **三大引擎**：Chromium（Chrome）、Firefox、WebKit（Safari），跨浏览器一致性测试 -- **无头模式（Headless）**：`playwright install chromium` 安装无头浏览器，无需图形界面 -- **API 风格**：同步（sync_api）+异步（async_api）两套接口 -- **自动等待**：Playwright 自动等待元素可操作后才执行操作，减少 flaky tests -- **scrapy-playwright**：将 Playwright 注册为 Scrapy 下载器中间件，处理 JavaScript 动态渲染页面 - -## Use Cases -- 动态网页爬取（JavaScript 渲染内容） -- 端到端测试（E2E Testing） -- 截图和 PDF 生成 -- 自动化填表和交互 - -## Related Concepts -- [[Scrapy]]：通过 scrapy-playwright 集成作为动态内容爬取解决方案 -- [[浏览器自动化]]：Playwright 属于浏览器自动化工具类别 -- [[Playwright]]（Entity）：工具开发方 Microsoft - -## Source -[[Scrapy-Playwright-抓取TikTok-Shop-Data]] diff --git a/wiki/concepts/Policy-as-Code.md b/wiki/concepts/Policy-as-Code.md new file mode 100644 index 00000000..cca8a487 --- /dev/null +++ b/wiki/concepts/Policy-as-Code.md @@ -0,0 +1,23 @@ +--- +title: "Policy-as-Code" +type: concept +tags: [Security, Compliance, DevOps] +sources: [modern-itsm-driving-efficiency-security-resilience] +last_updated: 2026-04-16 +--- + +## Summary +Policy-as-Code（策略即代码）是将安全策略、合规规则定义为代码并通过自动化执行的实践。 + +## Definition +Policy-as-Code 是将安全策略和合规规则编写为代码，存储在版本控制系统中，并通过自动化工具执行和验证的实践。支持审计自动化和持续合规。 + +## Key Attributes +- **核心目的**：自动化安全策略执行、持续合规审计 +- **实现方式**：代码定义策略、自动化执行、持续验证 +- **工具**：OPA（Open Policy Agent）、Sentinel、Cloud Custodian + +## Connections +- [[DevSecOps]] ← 依赖 ← [[Policy-as-Code]] +- [[ITSM]] ← 集成 ← [[Policy-as-Code]] +- [[Zero Trust Architecture]] ← 实现 ← [[Policy-as-Code]] \ No newline at end of file diff --git a/wiki/concepts/Predictive-Maintenance.md b/wiki/concepts/Predictive-Maintenance.md new file mode 100644 index 00000000..f489f2a2 --- /dev/null +++ b/wiki/concepts/Predictive-Maintenance.md @@ -0,0 +1,23 @@ +--- +title: "Predictive Maintenance" +type: concept +tags: [AI, maintenance, proactivity] +sources: [How-Agentic-AI-can-help-for-Cloud-DevOps] +last_updated: 2026-04-16 +--- + +## Summary +Predictive Maintenance（预测性维护）通过分析历史数据和模式，主动识别潜在问题并在故障发生前采取预防措施。 + +## Definition +利用机器学习分析历史 outage 和性能数据，预测未来可能发生的故障，并提前推荐补丁或扩缩容变更。 + +## Key Techniques +- **历史数据分析**：学习历史 outage 的模式 +- **趋势预测**：基于时间序列分析预测未来状态 +- **风险评分**：评估组件故障风险等级 +- **推荐系统**：生成预防性维护建议 + +## Connections +- [[Agentic AI]] ← implements ← [[Predictive Maintenance]]：Agentic AI 实现预测性维护 +- [[Self-Healing Systems]] ← complements ← [[Predictive Maintenance]]：预测性维护是自愈的主动式补充 diff --git a/wiki/concepts/Print-Mode.md b/wiki/concepts/Print-Mode.md deleted file mode 100644 index 73d4cca7..00000000 --- a/wiki/concepts/Print-Mode.md +++ /dev/null @@ -1,39 +0,0 @@ ---- -title: "Print Mode" -type: concept -tags: [ClaudeCode, 交互模式] -last_updated: 2026-04-15 ---- - -## 定义 -Claude Code 的非交互单次执行模式。通过 stdin 管道传递任务文本，进程执行完毕后自动退出，不保留对话状态。 - -## 使用方式 -```bash -cat << 'TASK_END' | claude -p print \ - --dangerously-skip-permissions \ - --add-dir <技能目录> \ - --add-dir <项目目录> \ - --max-turns 30 \ - 2>&1 -[任务描述] -TASK_END -``` - -## 适用场景 -- 绝大多数编程任务（推荐默认模式） -- 任务边界清晰、预期结果明确 -- 需要调用 Claude Code Skill 的任务 - -## 与 TMUX 交互模式对比 -| | Print Mode | TMUX交互模式 | -|--|------------|-------------| -| 适用场景 | 简单/中等复杂度 | 超长任务 | -| 状态保留 | 无 | tmux session 保持 | -| 交互能力 | 有限 | 完整交互 | - -## Connections -- [[Print Mode]] ← 执行方 ← [[Claude-Code]] -- [[Print Mode]] ← 替代方案 ← [[TMUX交互模式]] -- [[权限绕过]] ← 依赖 ← [[Print Mode]] -- [[Skill加载]] ← 作用于 ← [[Print Mode]] diff --git a/wiki/concepts/Private-Cloud.md b/wiki/concepts/Private-Cloud.md new file mode 100644 index 00000000..a5e6977b --- /dev/null +++ b/wiki/concepts/Private-Cloud.md @@ -0,0 +1,48 @@ +--- +title: "Private Cloud" +type: concept +tags: [Cloud, Deployment-Model] +sources: [Public-vs-Private-vs-Hybrid-Cloud-Differences-Explained] +last_updated: 2025-06-18 +--- + +## Summary +Private Cloud（私有云）是专属于单一组织的云计算部署模式，提供更高的安全性、控制力和定制化能力。 + +## Definition +私有云是专门为单一组织构建和运营的云计算环境，可部署在本地数据中心或由第三方托管。组织独享所有计算资源，不与其他用户共享。 + +## Key Characteristics +- 专用资源：不与其他组织共享 +- 高安全性：适合敏感工作负载 +- 高控制力：完全掌控基础设施和配置 +- 可定制：可根据组织需求定制 +- 合规性支持：更容易满足行业法规要求 +- 可内部管理或外包托管 + +## Advantages +- 专用环境确保数据隔离 +- 可定制安全协议和配置 +- 高可扩展性（不牺牲安全） +- 可靠的高性能 +- 灵活适应业务变化 +- 无资源竞争和延迟问题 + +## Limitations +- 成本较高（专用资源） +- 远程访问受限 +- 扩展性依赖物理资源 +- 需要内部技术专长 +- 可能资源利用率不足 + +## When to Use +- 高度监管行业（金融、医疗、政府） +- 处理敏感数据 +- 需要强安全控制的关键工作负载 +- 大型企业需要高级数据中心技术 +- 有充足预算投资高性能基础设施 + +## Connections +- [[Private-Cloud]] ← type_of ← [[Cloud-Adoption]] +- [[Private-Cloud]] ← opposed_by ← [[Public-Cloud]] +- [[Private-Cloud]] ← combines → [[Hybrid-Cloud]] diff --git a/wiki/concepts/Process-Management.md b/wiki/concepts/Process-Management.md new file mode 100644 index 00000000..868d8412 --- /dev/null +++ b/wiki/concepts/Process-Management.md @@ -0,0 +1,34 @@ +--- +title: Process Management +type: concept +tags: [system-administration, linux, process] +sources: + - These 6 Linux apps let you monitor system resources in style +last_updated: 2025-12-16 +--- + +## Definition +进程管理，指在操作系统中搜索、监控、终止进程，以及调整进程优先级等操作。 + +## Key Operations +- 进程搜索与过滤 +- 进程终止（正常终止 / 强制杀死） +- 进程优先级调整（Nice 值） +- 信号发送（SIGTERM、SIGKILL 等） +- 查看进程资源占用 + +## Tools Supporting Process Management +- [[Btop++]]：支持搜索、终止、信号发送、Nice 值调整 +- [[Htop]]：支持搜索、终止（F9）、优先级调整（F7/F8） +- [[Glances]]：支持浏览、快速终止（'k'） +- [[Mission Center]]：支持终止、强制终止 +- [[Stacer]]：支持进程审查与终止 +- [[Bottom]]：不支持交互式进程管理（纯监控） + +## Connections +- [[System Resource Monitoring]] ← 上位概念 ← [[Process Management]] +- [[Btop++]] ← 工具 → [[Process Management]] +- [[Htop]] ← 工具 → [[Process Management]] +- [[Glances]] ← 工具 → [[Process Management]] +- [[Mission Center]] ← 工具 → [[Process Management]] +- [[Stacer]] ← 工具 → [[Process Management]] diff --git a/wiki/concepts/Prompt工程.md b/wiki/concepts/Prompt工程.md deleted file mode 100644 index 95104841..00000000 --- a/wiki/concepts/Prompt工程.md +++ /dev/null @@ -1,39 +0,0 @@ ---- -title: "Prompt工程" -type: concept -tags: [prompt-engineering, llm, ai] -sources: ["如何写出完美的Prompt（提示词）？"] -last_updated: 2026-04-15 ---- - -## Definition -将人的模糊需求转化为 AI 可理解、可执行的结构化任务的协作协议设计能力。本质是结构化思维+精准表达。 - -## Core Framework -### 四要素（角色-需求-场景-目标） -- 角色：明确输入角色，决定立场 -- 受众对齐：明确输出接收者，决定专业深度与语言风格 -- 场景对齐：明确使用场景，决定内容侧重点与呈现形式 -- 目标对齐：明确核心目标，决定内容逻辑与关键信息 - -### 技术层级 -| 层级 | 技巧 | 适用场景 | -|------|------|---------| -| 基础 | 需求拆解、上下文补全、格式定义、示例引导 | 简单任务（撰写短文、整理数据、回答问题） | -| 进阶 | 思维链引导、任务拆分、角色赋能、预填回复、不确定性管理 | 复杂任务（行业白皮书、竞品分析、年度方案） | -| 高阶 | 跨模态联动、领域知识注入、反馈循环嵌入 | 超复杂任务（多模态生成、跨领域方案、知识图谱构建） | - -## Key Principles -- 隐性需求必须显式表达（LLM 无默认设定） -- Prompt 优化过程本质是需求逐步清晰化 -- 建立测试-反馈-优化闭环 -- 技巧选择按复杂度匹配，遵循最小成本原则 - -## Related Concepts -- [[结构化思维]]：Prompt 工程的思维基础 -- [[AI技能封装]]：Prompt 工程向流程工程的延伸 -- [[LLM]]：Prompt 工程的载体 -- [[大语言模型]]：技术基础 - -## Sources -- [[如何写出完美的Prompt（提示词）？]] diff --git a/wiki/concepts/ProxyChains.md b/wiki/concepts/ProxyChains.md deleted file mode 100644 index 8363d9ce..00000000 --- a/wiki/concepts/ProxyChains.md +++ /dev/null @@ -1,34 +0,0 @@ ---- -id: proxychains -title: ProxyChains -type: concept -tags: [Linux, 代理, 网络, 终端] -sources: [] -last_updated: 2026-04-16 ---- - -## Definition - -终端命令级 SOCKS5 代理强制工具。通过修改 `/etc/proxychains4.conf`，使原本不支持代理的 CLI 命令自动走 SOCKS5 隧道。 - -## Mechanism - -1. 在 `/etc/proxychains4.conf` 的 `[ProxyList]` 添加 `socks5 127.0.0.1 10808` -2. 任何命令前加 `proxychains4` 前缀即可穿代理 - -## Use Cases - -- 临时让某个命令走代理：`proxychains4 curl https://google.com` -- Git Push 被 GFW TCP RST 时紧急绕行 -- Docker pull 异常时的调试命令 - -## Limitation - -- 不支持 HTTP 代理，只支持 SOCKS4/SOCKS5 -- 代理须在本地运行（如 V2RayN） -- 不影响 Docker Daemon（Daemon 级代理需 systemd 配置） - -## Connections -- [[SOCKS5 代理]] ← 底层协议 ← ProxyChains -- [[Git代理配置]] ← 应用场景 -- [[V2RayN]] ← 提供本地 SOCKS5 端口 diff --git a/wiki/concepts/Public-Cloud.md b/wiki/concepts/Public-Cloud.md new file mode 100644 index 00000000..ce9b4716 --- /dev/null +++ b/wiki/concepts/Public-Cloud.md @@ -0,0 +1,50 @@ +--- +title: "Public Cloud" +type: concept +tags: [Cloud, Deployment-Model] +sources: [Public-vs-Private-vs-Hybrid-Cloud-Differences-Explained] +last_updated: 2025-06-18 +--- + +## Summary +Public Cloud（公有云）是由第三方提供商通过互联网共享交付的云计算模式，多个用户共享同一基础设施。 + +## Definition +公有云是由第三方服务提供商（如 AWS、Azure、Google Cloud）通过互联网向公众提供计算资源（服务器、存储、应用程序）的云计算部署模式。用户按需付费，无需前期资本投资。 + +## Key Characteristics +- 资源共享：多个租户共享同一基础设施 +- 高弹性：可根据需求快速扩展或收缩资源 +- 低成本：无前期投资，按使用量付费 +- 快速部署：可在几分钟内启动服务 +- 由提供商负责基础设施管理 + +## Advantages +- 无需资本投资 +- 可从任何有网络的地方访问 +- 技术敏捷性高 +- 专业管理和维护 +- 支持远程协作 +- 成本可预测（按需计费） +- 快速灾难恢复 + +## Limitations +- 安全性较低（共享环境） +- 对关键工作负载控制有限 +- 大规模使用可能导致成本上升 +- 供应商依赖风险 +- 合规性挑战 + +## When to Use +- 可预测的计算需求 +- 开发和测试环境 +- 应对峰值负载 +- 非敏感业务应用 + +## Connections +- [[Public-Cloud]] ← type_of ← [[Cloud-Adoption]] +- [[Public-Cloud]] ← opposed_by ← [[Private-Cloud]] +- [[Public-Cloud]] ← combines → [[Hybrid-Cloud]] +- [[Public-Cloud]] ← delivers ← [[IaaS]] +- [[Public-Cloud]] ← delivers ← [[PaaS]] +- [[Public-Cloud]] ← delivers ← [[SaaS]] diff --git a/wiki/concepts/QMD.md b/wiki/concepts/QMD.md deleted file mode 100644 index 1bbf3933..00000000 --- a/wiki/concepts/QMD.md +++ /dev/null @@ -1,18 +0,0 @@ ---- -title: "QMD" -type: concept -tags: [Obsidian, 知识检索] -sources: ["养虾日记3-Obsidian-Gitea持久化笔记系统.md"] -last_updated: 2026-04-15 ---- - -## Definition -QMD（github.com/tobi/qmd）是完全本地运行的 Markdown 搜索引擎，在 Wiki 规模变大后替代 index.md 提供精准搜索。 - -## When to Use -- Wiki 到几百个页面之前：index.md 完全够用 -- AI 找东西开始变慢时：再接入 QMD 不迟 - -## Related Concepts -- [[LLM Wiki]]：QMD 是 Wiki 规模变大后的检索增强工具 -- [[知识可发现性]]：精准搜索是知识可发现性的一部分 diff --git a/wiki/concepts/RAG.md b/wiki/concepts/RAG.md deleted file mode 100644 index 1ad6c79c..00000000 --- a/wiki/concepts/RAG.md +++ /dev/null @@ -1,43 +0,0 @@ ---- -title: "RAG" -type: concept -tags: [rag, llm, retrieval-augmented-generation] -sources: ["RAG从入门到精通系列1：基础RAG", "LLMs、RAG、AI Agent 三个到底什么区别？"] -last_updated: 2026-04-15 ---- - -## Definition -Retrieval Augmented Generation（检索增强生成），一种将 LLM 与外部数据源（私有数据或最新数据）连接的通用方法。通过先检索后生成的模式，让 LLM 的回答有时事实依据。 - -## Architecture -三阶段管道： -1. **Indexing（索引）**：文档加载→文本切分→向量化→存入向量数据库 -2. **Retrieval（检索）**：问题向量化→按相似度检索 Top-k 知识片段 -3. **Generation（生成）**：问题+知识片段→PromptTemplate→LLM 生成答案 - -## Key Components -| 组件 | 作用 | 示例工具 | -|------|------|---------| -| Document Loader | 加载外部文档 | LangChain 160+ 加载器 | -| Text Splitter | 切分文档为 Split | RecursiveCharacterTextSplitter | -| Embedding Model | 文本→向量 | BAAI BGE 系列 | -| Vector Store | 存储+相似度检索 | Qdrant、Pinecone、Chroma | -| LLM | 答案生成 | GPT-4、Claude、Qwen | - -## Technical Details -- Embedding Model Context Window 通常 512~8192 token，需将长文档切分成满足长度限制的 Split -- 相似度衡量方法：余弦相似度、点积、欧氏距离等 -- Retriever 可通过 LangChain 的 Retriever 接口统一抽象 - -## Related Concepts -- [[LLM]]：RAG 的生成层载体 -- [[Embedding]]：RAG 的核心技术，将文本转为数值表示 -- [[向量数据库]]：RAG 的存储层 -- [[AI知识库]]：RAG 的上层应用形态 -- [[Indexing]]：RAG 第一阶段 -- [[Retrieval]]：RAG 第二阶段 -- [[Generation]]：RAG 第三阶段 - -## Sources -- [[RAG从入门到精通系列1：基础RAG]] -- [[LLMs、RAG、AI Agent 三个到底什么区别？]] diff --git a/wiki/concepts/RCA.md b/wiki/concepts/RCA.md deleted file mode 100644 index 92d8e926..00000000 --- a/wiki/concepts/RCA.md +++ /dev/null @@ -1,30 +0,0 @@ ---- -title: "RCA" -type: concept -tags: [devops, troubleshooting] -last_updated: 2026-04-15 ---- - -## 基本信息 -- **全称**：Root Cause Analysis -- **类型**：故障分析方法 -- **来源**：How Agentic AI can help for Cloud DevOps - -## 定义 -RCA（根因分析）是通过系统性方法找出故障根本原因，而非仅仅处理表面症状。 - -## Agentic AI 应用 -- 分析来自 CloudWatch、Stackdriver、Azure Monitor 的日志 -- 跨层关联问题（计算、网络、应用） -- AI 驱动的自动化 RCA -- 从事件历史中学习最佳实践 - -## 关联 -- [[DevOps]] ← 应用领域 -- [[Agentic AI]] ← AI 增强 -- [[CloudWatch]] ← 日志数据来源 - -## Aliases -- Root Cause Analysis -- 根因分析 -- 故障根因分析 diff --git a/wiki/concepts/RPO.md b/wiki/concepts/RPO.md index 0a70a615..9e8d5b69 100644 --- a/wiki/concepts/RPO.md +++ b/wiki/concepts/RPO.md @@ -1,36 +1,32 @@ --- -title: "RPO" +title: "RPO (Recovery Point Objective)" type: concept -tags: [DevOps, SRE, 灾难恢复] -last_updated: 2026-04-16 +tags: [灾难恢复, 数据保护, 指标] +sources: ["https://launchdarkly.com/blog/rto-vs-rpo/"] +last_updated: 2025-07-26 --- -## 定义 -Recovery Point Objective（恢复点目标）：可接受的最新数据丢失量，以时间衡量（从故障时刻往前回溯）。 +## Definition +RPO（Recovery Point Objective，恢复点目标）是指可接受的最大数据丢失量，以时间度量。从最后一次有效备份到故障发生所经历的时间。 -## 计算方式 -若数据库在 15:00 崩溃，最后一次备份在 14:00，则 RPO 为 1 小时（14:00-15:00 之间的数据丢失）。 +## Key Characteristics +- 衡量数据保护程度 +- 从故障时刻向后计算（倒计时） +- 与备份频率直接相关 +- 需要与 RTO 共同规划，不能只优化其中一个 -## 典型场景与目标 -| 场景 | RPO 目标 | 原因 | -|------|---------|------| -| 电商支付系统 | 0 分钟 | 不能丢失任何交易数据 | -| 实时聊天 | 5 分钟 | 可接受丢失最近几分钟消息 | -| 用户分析仪表盘 | 1 小时 | 部分历史数据可重建 | -| 内部 CRM | 15 分钟 | 最近的客户更新很重要 | -| 博客/营销站点 | 24 小时 | 一天的评论/注册丢失可接受 | +## Tiered RPO Targets (from this source) +| Tier | Examples | RPO Target | +|------|----------|------------| +| Critical | Payment processing, user auth | < 1 minute | +| Important | Admin dashboards, reporting | < 15 minutes | +| Nice-to-have | Internal tools, dev environments | < 1 hour | -## 与 RTO 的关系 -- RTO 是速度指标（停机多久），RPO 是数据完整性指标（丢多少数据） -- 备份频率（CDP vs 定时备份）直接影响 RPO -- 即使 RTO 优秀（5分钟恢复），RPO 差（1小时前备份）仍意味着大量数据丢失 - -## 实现技术 -- [[连续数据保护]]（CDP）：持续备份，实现分钟级甚至秒级 RPO -- 同步复制：零 RPO，但成本高 -- 异步复制：有延迟，通常分钟级 RPO +## Example +如果数据库在下午3点崩溃，而最后一次备份是下午2点，则 RPO 为1小时。2点到3点之间的所有数据丢失。 ## Connections -- [[RTO]] ← 协同指标，共同构成灾难恢复策略 -- [[灾难恢复]] ← RPO 是其核心衡量指标 -- [[连续数据保护]] ← 实现更小 RPO 的技术手段 +- [[RTO (Recovery Time Objective)]] ← 配对指标 → [[RPO (Recovery Point Objective)]] +- [[灾难恢复]] ← 应用领域 → [[RPO (Recovery Point Objective)]] +- [[持续交付]] ← 现代上下文 → [[RPO (Recovery Point Objective)]] +- [[Feature Flag]] ← 保护工具 → [[RPO (Recovery Point Objective)]] diff --git a/wiki/concepts/RSS-Feed.md b/wiki/concepts/RSS-Feed.md deleted file mode 100644 index 8edfe885..00000000 --- a/wiki/concepts/RSS-Feed.md +++ /dev/null @@ -1,28 +0,0 @@ ---- -title: "RSS Feed" -type: concept -tags: [rss, syndication, feed] -sources: ["How to Get the RSS Feed For Any YouTube Channel"] -last_updated: 2026-04-15 ---- - -## Definition -Really Simple Syndication（简易信息聚合），一种标准化的内容订阅格式，允许用户通过 RSS 阅读器集中获取多个来源的更新内容，无需逐个访问网站。 - -## Key Properties -- 标准化格式（XML） -- 支持任意网站/平台的内容订阅 -- 用户可在单一阅读器中聚合所有订阅源 -- 内容更新自动推送到阅读器 - -## YouTube RSS -- YouTube 官方已移除 RSS 订阅按钮 -- 需通过 View Page Source → 搜索 channel_id= 获取 RSS Feed URL -- 格式：https://www.youtube.com/feeds/videos.xml?channel_id={ID} - -## Related Concepts -- [[被动学习]]：RSS Feed 可作为被动学习的内容来源通道 -- [[YouTube]]：RSS Feed 的重要内容来源平台 - -## Sources -- [[How to Get the RSS Feed For Any YouTube Channel]] diff --git a/wiki/concepts/RTO.md b/wiki/concepts/RTO.md index 3d4e6930..2386cb4c 100644 --- a/wiki/concepts/RTO.md +++ b/wiki/concepts/RTO.md @@ -1,36 +1,29 @@ --- -title: "RTO" +title: "RTO (Recovery Time Objective)" type: concept -tags: [DevOps, SRE, 灾难恢复] -last_updated: 2026-04-16 +tags: [灾难恢复, 业务连续性, 指标] +sources: ["https://launchdarkly.com/blog/rto-vs-rpo/"] +last_updated: 2025-07-26 --- -## 定义 -Recovery Time Objective（恢复时间目标）：系统从故障发生到完全恢复可用的最大可容忍时间。 +## Definition +RTO（Recovery Time Objective，恢复时间目标）是指系统允许的最大停机时间。是从系统下线到恢复上线的最大可接受时间窗口。 -## 计算方式 -从系统故障时刻开始计时，到用户可以再次正常使用系统为止。 +## Key Characteristics +- 衡量恢复速度，而非数据丢失 +- 时钟从系统下线时刻开始计时 +- 与业务影响直接相关 +- 需要与 RPO 共同规划，不能只优化其中一个 -## 典型场景与目标 -| 场景 | RTO 目标 | 原因 | -|------|---------|------| -| 电商支付系统 | <5 分钟 | 停机直接损失收入 | -| 实时聊天 | <30 秒 | 用户期望即时响应 | -| 用户分析仪表盘 | <30 分钟 | 停机影响有限 | -| 内部 CRM | <4 小时 | 可人工 workaround | -| 博客/营销站点 | <2 小时 | 业务影响相对较小 | - -## 与 RPO 的关系 -- RTO 是速度指标，RPO 是数据完整性指标 -- 两者必须协同优化：快速恢复但丢大量数据，或缓慢恢复但零数据丢失，均不完整 - -## 与 Feature Flag 的关系 -- Feature Flag 将 RTO 从"部署回滚时间"（小时级）降至"配置变更时间"（秒级） -- Kill Switch 是实现秒级 RTO 的核心机制 +## Tiered RTO Targets (from this source) +| Tier | Examples | RTO Target | +|------|----------|------------| +| Critical | Payment processing, user auth | < 5 minutes | +| Important | Admin dashboards, reporting | < 1 hour | +| Nice-to-have | Internal tools, dev environments | < 4 hours | ## Connections -- [[RPO]] ← 协同指标，共同构成灾难恢复策略 -- [[灾难恢复]] ← RTO 是其核心衡量指标 -- [[Feature Flag]] ← 实现秒级 RTO 的工程手段 -- [[Kill Switch]] ← RTO 保险策略 -- [[LaunchDarkly]] ← 企业级 RTO 改善工具 +- [[RPO (Recovery Point Objective)]] ← 配对指标 → [[RTO (Recovery Time Objective)]] +- [[灾难恢复]] ← 应用领域 → [[RTO (Recovery Time Objective)]] +- [[持续交付]] ← 现代上下文 → [[RTO (Recovery Time Objective)]] +- [[Feature Flag]] ← 降低工具 → [[RTO (Recovery Time Objective)]] diff --git a/wiki/concepts/Recurrence-Count.md b/wiki/concepts/Recurrence-Count.md deleted file mode 100644 index e54c5d1e..00000000 --- a/wiki/concepts/Recurrence-Count.md +++ /dev/null @@ -1,23 +0,0 @@ ---- -title: "Recurrence-Count" -type: concept -tags: [self-improving, memory, tracking, systematic-error] -last_updated: 2026-04-15 ---- - -## Definition -经验记录的重复次数计数器，记录同一 Pattern-Key 出现的次数，用于区分偶发一次性错误与需系统性解决的重复问题。 - -## Core Mechanism -- 初始值：1（新记录） -- 递增：同一 Pattern-Key 再次出现时 +1 -- 决策阈值：Recurrence-Count ≥ 2 说明这是重复问题，不是偶发错误 - -## Key Insight -- Recurrence-Count = 1：一次性错误，记录后不再出现，关注 Suggested Action 即可 -- Recurrence-Count ≥ 2：系统性重复，需要检查上一次是否真正解决了根本原因 -- 高 Recurrence-Count（9次如 cron.daily-self-review）：说明这是持续活跃的优化领域，每次复盘都在积累 - -## Connections -- [[Pattern-Key]] ← 追踪 ← [[Recurrence-Count]] -- [[Self-Improving Skill]] ← 量化机制 ← [[Recurrence-Count]] diff --git a/wiki/concepts/Remote-SSH.md b/wiki/concepts/Remote-SSH.md deleted file mode 100644 index c2411d4d..00000000 --- a/wiki/concepts/Remote-SSH.md +++ /dev/null @@ -1,35 +0,0 @@ ---- -id: Remote-SSH -title: "Remote SSH" -type: concept -tags: [development, remote, ssh, vscode] -sources: [] -last_updated: 2026-04-15 ---- - -## Definition -Remote SSH 是 VS Code/Trae 的核心插件，允许通过 SSH 连接在远程服务器上运行编辑器后端（VS Code Server/Trae Server），开发者获得与本地开发几乎一致的体验，同时利用远程服务器的算力和存储。 - -## How It Works -1. 本地机器通过 SSH Config 连接到远程服务器 -2. Trae 在远程服务器自动安装 Trae Server（首次连接约几十秒） -3. 所有编辑、终端、插件操作均在远程服务器执行 -4. 本地仅作为 UI 终端渲染 - -## SSH Config Setup -``` -Host ubuntu2 - HostName 192.168.3.45 - User shenwei - Port 22 - IdentityFile ~/.ssh/id_rsa -``` - -## Common Issues -- Git 凭证：Trae 自动转发本地 SSH Agent，需在本地启动 ssh-agent -- 文件权限：容器内生成文件归属 root，通过 --user 参数或 Dockerfile 指定 UID 解决 - -## Related Concepts -- [[Trae]]：支持 Remote SSH 的 AI 代码编辑器 -- [[SSH Agent转发]]：凭证传递机制 -- [[Docker Attach模式]]：Remote SSH 与 Docker 容器开发的结合 diff --git a/wiki/concepts/Reviewer.md b/wiki/concepts/Reviewer.md deleted file mode 100644 index febd140a..00000000 --- a/wiki/concepts/Reviewer.md +++ /dev/null @@ -1,23 +0,0 @@ ---- -title: "Reviewer" -type: concept -tags: [agent, skill, design-pattern] -last_updated: 2026-04-15 ---- - -# Reviewer - -## 定义 -Google 5 种 Agent Skill 设计模式之一，把"检查什么"和"怎么检查"完全分离的 Skill 模式。 - -## 核心机制 -审查标准存放在 references/review-checklist.md，指令保持静态，agent 动态加载特定审查标准，强制输出按严重程度分组的结构化结果。 - -## 优势 -换清单文件即可切换审计类型，无需修改 skill 基础设施： -- Python 风格检查 → OWASP 安全检查 -- 代码审查 → 架构审查 - -## Connections -- [[Agent Skill 设计模式]]：所属分类 -- [[Pipeline]]：可组合，在最后 double-check 成果 diff --git a/wiki/concepts/S3协议.md b/wiki/concepts/S3协议.md deleted file mode 100644 index 95b8fc9b..00000000 --- a/wiki/concepts/S3协议.md +++ /dev/null @@ -1,29 +0,0 @@ ---- -id: S3-Protocol -title: "S3协议" -type: concept -tags: [storage, protocol, cloud] -sources: [] -last_updated: 2026-04-15 ---- - -## Definition -S3（Simple Storage Service）协议是 Amazon 发布的对象存储接口标准，通过 RESTful API 提供键值对形式的大规模对象存储。MinIO、Cloudflare R2、Backblaze B2 等均兼容 S3 协议。 - -## Core Operations -- PUT/GET/DELETE Object：上传、下载、删除对象 -- ListBuckets/ListObjects：列举存储桶和对象 -- HEAD Object：获取对象元数据 - -## MinIO Configuration Parameters -- S3_BUCKET：存储桶名称 -- S3_ENDPOINT：S3 API 端点 URL -- S3_ACCESS_KEY：访问密钥（MINIO_ROOT_USER） -- S3_SECRET_KEY：秘密密钥（MINIO_ROOT_PASSWORD） -- S3_REGION：区域（MinIO 使用 us-east-1） -- S3_FORCE_PATH_STYLE：true（MinIO 必需，R2 等云服务可 false） - -## Related Concepts -- [[MinIO]]：开源 S3 兼容对象存储 -- [[Zipline]]：使用 S3 协议连接 MinIO 的应用 -- [[向量数据库]]：与对象存储是完全不同的数据存储范式 diff --git a/wiki/concepts/SAST.md b/wiki/concepts/SAST.md new file mode 100644 index 00000000..40c29cbd --- /dev/null +++ b/wiki/concepts/SAST.md @@ -0,0 +1,26 @@ +--- +title: "SAST（静态应用安全测试）" +type: concept +tags: [安全, 测试, 代码分析] +sources: [what-is-devsecops-best-practices-benefits-and-tools] +last_updated: 2026-04-16 +--- + +## Definition +SAST（Static Application Security Testing）是一种静态代码分析技术，在不运行应用程序的情况下分析源代码以识别安全漏洞。 + +## Characteristics +- 在开发早期（编码阶段）使用 +- 无需执行代码 +- 可检测 SQL 注入、跨站脚本、缓冲区溢出等常见漏洞 +- 集成到 IDE 和 CI/CD 流水线 + +## Tools +- SonarQube +- Checkmarx +- Fortify + +## Connections +- [[DevSecOps]] ← uses ← [[SAST]] +- [[CI-CD-流水线]] ← integrates ← [[SAST]] +- [[SDLC]] ← embeds ← [[SAST]] \ No newline at end of file diff --git a/wiki/concepts/SCA.md b/wiki/concepts/SCA.md new file mode 100644 index 00000000..4def6235 --- /dev/null +++ b/wiki/concepts/SCA.md @@ -0,0 +1,21 @@ +--- +title: "SCA（软件成分分析）" +type: concept +tags: [安全, 依赖, 开源] +sources: [what-is-devsecops-best-practices-benefits-and-tools] +last_updated: 2026-04-16 +--- + +## Definition +SCA（Software Composition Analysis）专注于分析应用程序使用的第三方组件（库和框架），识别已知安全漏洞和许可证合规问题。 + +## Characteristics +- 在开发早期（计划/设计阶段）使用 +- 检测开源依赖中的已知漏洞 +- 验证许可证合规性 +- 常用工具：Snyk、OWASP Dependency Check + +## Connections +- [[DevSecOps]] ← uses ← [[SCA]] +- [[CI-CD-流水线]] ← integrates ← [[SCA]] +- [[SDLC]] ← embeds ← [[SCA]] \ No newline at end of file diff --git a/wiki/concepts/SDLC.md b/wiki/concepts/SDLC.md new file mode 100644 index 00000000..20a0aaa6 --- /dev/null +++ b/wiki/concepts/SDLC.md @@ -0,0 +1,30 @@ +--- +title: "SDLC（软件开发生命周期）" +type: concept +tags: [软件开发, 流程, 安全] +sources: [what-is-devsecops-best-practices-benefits-and-tools] +last_updated: 2026-04-16 +--- + +## Definition +SDLC（Software Development Life Cycle）是开发高质量软件的系统性、结构化流程，包括需求分析、计划、架构设计、软件开发、测试和部署六个阶段。 + +## Stages +1. **需求分析**：收集和分析业务需求 +2. **计划**：制定项目计划和时间表 +3. **架构设计**：确定系统架构和技术选型 +4. **软件开发**：编写代码和构建功能 +5. **测试**：验证功能和安全性 +6. **部署**：发布到生产环境 + +## DevSecOps Integration +在传统开发中，安全测试在 SDLC 之外进行。DevSecOps 将安全集成到每个阶段，实现： +- 编码阶段：SAST 静态分析 +- 构建阶段：SCA 依赖检查 +- 测试阶段：IAST/DAST 动态测试 +- 部署阶段：安全配置验证 + +## Connections +- [[DevSecOps]] ← integrates_with ← [[SDLC]] +- [[CI-CD-流水线]] ← automates ← [[SDLC]] +- [[敏捷实践]] ← adapts ← [[SDLC]] \ No newline at end of file diff --git a/wiki/concepts/SOCKS5代理.md b/wiki/concepts/SOCKS5代理.md deleted file mode 100644 index 8ccf0015..00000000 --- a/wiki/concepts/SOCKS5代理.md +++ /dev/null @@ -1,36 +0,0 @@ ---- -id: socks5-proxy -title: SOCKS5 代理 -type: concept -tags: [网络, 代理, 协议] -sources: [] -last_updated: 2026-04-16 ---- - -## Definition - -SOCKS5 是 SOCKS 协议的第五版，一种通用的代理协议，支持 TCP 和 UDP。相比 HTTP 代理，SOCKS5 更底层，不解析流量内容。 - -## socks5 vs socks5h - -- `socks5://127.0.0.1:10808`：本地解析域名（DNS 泄露风险） -- `socks5h://127.0.0.1:10808`（推荐）：代理服务器解析域名，防止 DNS 污染 - -## vs HTTP 代理 - -| 维度 | SOCKS5 | HTTP 代理 | -|------|--------|-----------| -| 协议层 | SOCKS（会话层） | HTTP（应用层） | -| 通用性 | 所有 TCP/UDP | 仅 HTTP/HTTPS | -| 头部修改 | 无 | 可修改 HTTP 头 | -| 场景 | 科学上网、Git | Web 抓取、浏览器 | - -## 在 OpenClaw TOOLS.md 中的配置 - -- Mac Mini: `127.0.0.1:10808`（V2RayN） -- Ubuntu1/2: `127.0.0.1:10808` -- NAS: `127.0.0.1:20170`（仅监听本地） - -## Connections -- [[V2RayN]] ← 提供本地 SOCKS5 端口 -- [[ProxyChains]] ← 基于 SOCKS5 协议 diff --git a/wiki/concepts/SSH-Socket-Activation.md b/wiki/concepts/SSH-Socket-Activation.md deleted file mode 100644 index 717d9320..00000000 --- a/wiki/concepts/SSH-Socket-Activation.md +++ /dev/null @@ -1,36 +0,0 @@ ---- -title: "SSH Socket Activation" -type: concept -tags: [ssh, ubuntu, systemd, server] ---- - -## Definition -Socket Activation 是 Ubuntu 24.04 引入的 SSH 服务管理机制：ssh.socket 监听 22 端口，仅当有连接请求进入时才启动 sshd.service，替代旧版本的常驻 ssh.service。 - -## Traditional Mode vs Socket Activation -| 特性 | 传统模式（ssh.service） | Socket Activation（ssh.socket）| -|------|------------------------|-------------------------------| -| 进程状态 | sshd 常驻运行 | 按需启动，空闲时无进程 | -| 资源占用 | 持续占用内存 | 空闲时零资源占用 | -| 启动速度 | 已启动 | 有连接时首次略慢 | -| 管理命令 | systemctl restart sshd | systemctl restart ssh | - -## Ubuntu 24.04 管理命令 -```bash -# 启动并开机自启 -sudo systemctl start ssh -sudo systemctl enable ssh - -# 检查 socket 监听状态 -sudo systemctl status ssh.socket - -# 切回传统常驻模式 -sudo systemctl disable --now ssh.socket -sudo systemctl enable --now ssh.service -``` - -## Core Insight -Socket Activation 符合最小权限原则：没有连接需求时，SSH 守护进程根本不存在，减少攻击面。 - -## Source -- [[Ubuntu 24.04 启用 SSH 服务]] diff --git a/wiki/concepts/STATE-yaml.md b/wiki/concepts/STATE-yaml.md deleted file mode 100644 index b82d79cb..00000000 --- a/wiki/concepts/STATE-yaml.md +++ /dev/null @@ -1,41 +0,0 @@ ---- -title: "STATE.yaml" -type: concept -tags: [coordination, multi-agent, state-management] -last_updated: 2026-04-15 ---- - -## Summary -去中心化项目协调文件格式，YAML 结构定义任务 ID、状态（in_progress/done/blocked）、owner、开始时间、备注、blocked_by 依赖关系。所有 agent 读写同一文件实现协调。 - -## Format Structure -```yaml -project: project-name -updated: ISO-timestamp - -tasks: - - id: task-id - status: in_progress | done | blocked - owner: agent-label - started: ISO-timestamp - completed: ISO-timestamp - blocked_by: other-task-id - notes: "描述" - -next_actions: - - "agent-label: 具体下一步行动" -``` - -## Key Properties -- 单一事实来源（Single Source of Truth） -- Git 版本控制可获取完整变更历史 -- blocked_by 字段实现自动依赖触发 - -## Compared To -- [[Multi-Agent Hierarchy]]：层级架构 vs 平铺协调 -- [[共享内存模式]]：内存读写 vs 文件持久化 - -## Key Connections -- [[Autonomous Project Management]] ← 核心协调机制 -- [[GitOps]] ← 审计日志集成 -- [[去中心化协调]] ← 协调模式 diff --git a/wiki/concepts/SaaS.md b/wiki/concepts/SaaS.md new file mode 100644 index 00000000..85fe3abd --- /dev/null +++ b/wiki/concepts/SaaS.md @@ -0,0 +1,22 @@ +--- +title: "SaaS (Software as a Service)" +type: concept +tags: [Cloud, Service-Model] +sources: [Cloud-Maturity-Model-A-Detailed-Guide-For-Cloud-Adoption] +last_updated: 2025-02-28 +--- + +## Summary +SaaS（软件即服务）是以订阅方式通过互联网提供软件应用的云计算服务模型。 + +## Definition +SaaS 使客户无需在本地安装和维护软件，而是通过订阅方式在线使用应用程序。 + +## Example Providers +- Salesforce +- Microsoft 365 +- Google Workspace + +## Connections +- [[SaaS]] ← part_of ← [[Cloud-Maturity-Model]] +- [[SaaS]] ← type_of ← [[Cloud-Service-Models]] diff --git a/wiki/concepts/Scrapy.md b/wiki/concepts/Scrapy.md deleted file mode 100644 index ff26ee4d..00000000 --- a/wiki/concepts/Scrapy.md +++ /dev/null @@ -1,29 +0,0 @@ ---- -title: "Scrapy" -type: concept -tags: [python, scraping, crawling, data-collection] -date: 2025-09-29 ---- - -## Definition -Scrapy，开源 Python 爬虫框架，提供异步请求调度、Item Pipeline 结构化输出、下载器中间件扩展等能力，适用于大规模结构化网页数据采集。 - -## Key Properties -- **异步架构**：基于 Twisted 异步网络库，支持高并发请求 -- **Item Pipeline**：数据清洗、验证、持久化（JSON/CSV/数据库）的可编程管道 -- **选择器**：CSS Selector + XPath 双选，支持 re 项目提取 -- **Spider**：自定义爬虫类，定义 start_urls、解析规则、Item 输出 -- **scrapy-playwright 集成**：Playwright 无头浏览器作为下载器中间件，解决 JavaScript 动态渲染问题 - -## Use Cases -- 结构化电商数据采集（产品标题、价格、评分、评论） -- 新闻内容聚合（标题、摘要、来源、时间） -- 竞品价格监控 - -## Related Concepts -- [[Playwright]]：浏览器自动化工具，Scrapy 通过 scrapy-playwright 集成 -- [[电商数据采集]]：Scrapy 是电商数据采集的主流技术栈之一 -- [[Scrapy]]（Entity）：工具开发方 - -## Source -[[Scrapy-Playwright-抓取TikTok-Shop-Data]] diff --git a/wiki/concepts/Self-Healing-Systems.md b/wiki/concepts/Self-Healing-Systems.md index 9d8d4da1..9a5749bc 100644 --- a/wiki/concepts/Self-Healing-Systems.md +++ b/wiki/concepts/Self-Healing-Systems.md @@ -1,32 +1,24 @@ --- title: "Self-Healing Systems" type: concept -tags: [agentic-ai, devops, autonomous] -last_updated: 2026-04-15 +tags: [automation, resilience, fault-tolerance] +sources: [How-Agentic-AI-can-help-for-Cloud-DevOps] +last_updated: 2026-04-16 --- -## 基本信息 -- **类型**：自主运维能力 -- **来源**：How Agentic AI can help for Cloud DevOps +## Summary +Self-Healing Systems（自愈系统）是指能够主动检测异常并自动修复问题的系统，无需人工干预即可恢复正常运行状态。 -## 定义 -Self-Healing Systems（自愈系统）指 Agentic AI 能够主动检测云环境中的异常（K8s、数据库、存储），并自动执行修复操作。 +## Definition +具备自动检测、诊断和修复故障能力的系统，能够在问题发生时自动恢复服务。 -## 核心机制 -1. **异常检测**：持续监控 Kubernetes (EKS/GKE/AKS)、数据库 (RDS/Cloud SQL/Cosmos DB)、存储 (S3/GCS/Blob Storage) -2. **自动修复**：执行预设的修复动作（重启 Pod、扩展资源、清理磁盘空间） -3. **预测性维护**：从历史故障学习模式，主动建议补丁或扩缩容 +## Key Mechanisms +- **异常检测**：持续监控关键指标，检测偏离正常模式的行为 +- **自动诊断**：分析日志和指标，确定故障根本原因 +- **自动修复**：执行预定义或 AI 生成的修复脚本 +- **扩缩容**：根据负载自动调整资源分配 -## 价值 -- MTTR（平均解决时间）降低 -- SLA 合规性提升 -- 减少人工干预 - -## 关联 -- [[Agentic AI]] ← 实现技术 -- [[DevOps]] ← 应用领域 -- [[Multi-Cloud Governance]] ← 跨平台自愈 - -## Aliases -- 自愈系统 -- Autonomous Healing +## Connections +- [[Agentic AI]] ← enables ← [[Self-Healing Systems]]：Agentic AI 实现自愈能力 +- [[Kubernetes]] ← hosts ← [[Self-Healing Systems]]：K8s 提供自愈机制（Pod 重启、节点替换） +- [[混沌工程]] ← tests ← [[Self-Healing Systems]]：混沌工程验证自愈系统有效性 diff --git a/wiki/concepts/Self-Improving-Skill.md b/wiki/concepts/Self-Improving-Skill.md deleted file mode 100644 index a4660bd3..00000000 --- a/wiki/concepts/Self-Improving-Skill.md +++ /dev/null @@ -1,42 +0,0 @@ ---- -title: "Self-Improving Skill" -type: concept -tags: [openclaw, self-improvement, memory, agent, learning] -last_updated: 2026-04-15 ---- - -## Definition -OpenClaw 自改进技能，通过结构化经验记录系统让 Agent 在错误中学习、持续进化，避免同一错误重复出现。 - -## Core Mechanism -- 工具：self_improvement_log，写入 LEARNINGS.md 或 ERRORS.md -- 固定格式：Summary + Details + Suggested Action + Metadata（Pattern-Key/Recurrence-Count/See Also） -- 记录类型：correction（错误修正）/ workflow（流程改进）/ config（配置发现）/ best_practice（最佳实践） - -## Key Insight -- 错误只犯一次：Pattern-Key 相同的问题第二次出现时应直接应用 Suggested Action -- Recurrence-Count 是核心指标：重复次数高的 Pattern-Key 需要系统性解决，而非单点修复 -- Pattern-Key 重复本身是信号：第一次记了，第二次就该解决了 - -## LEARNINGS.md 格式示例 -```markdown -## [LRN-20260325-001] correction -**Logged**: 2026-03-25T14:09:53+08:00 -**Priority**: high -**Status**: pending -**Area**: config -### Summary -Telegram chat ID 在 cron job 配置中不应使用 "user:" 前缀 -### Details -使用了 `--to user:5038825565` 格式，导致报错 -### Suggested Action -使用纯数字 chat ID：`--to 5038825565` -### Metadata -- Pattern-Key: cron.telegram-delivery -- Recurrence-Count: 1 -``` - -## Connections -- [[双层记忆架构]] ← 包含 ← [[Self-Improving Skill]] -- [[Pattern-Key]] ← 核心机制 ← [[Self-Improving Skill]] -- [[每日复盘]] ← 触发 ← [[Self-Improving Skill]] diff --git a/wiki/concepts/Serverless-Computing.md b/wiki/concepts/Serverless-Computing.md new file mode 100644 index 00000000..6c77c205 --- /dev/null +++ b/wiki/concepts/Serverless-Computing.md @@ -0,0 +1,25 @@ +--- +title: Serverless Computing +type: concept +tags: [Cloud, Serverless, FaaS] +sources: [The-Myths-and-Misconceptions-About-Cloud-Computing-LinkedIn.md] +last_updated: 2025-03-02 +--- + +## Definition +无服务器计算（Serverless Computing）是一种云计算执行模型，开发者无需管理服务器即可运行代码，按实际执行时间计费。 + +## Core Features +- 无服务器管理：无需配置、维护或扩展服务器 +- 细粒度计费：仅按实际计算时间计费 +- 事件驱动：响应事件自动触发执行 +- 弹性扩展：自动处理任意规模的请求 + +## Key Claims +- 无服务器计算是降低云成本的关键策略之一 +- 开发者无需管理底层基础设施即可运行代码 + +## Connections +- [[Pay-as-you-go]] ← finest_grain ← [[Serverless-Computing]]：无服务器是最细粒度的按需付费 +- [[PaaS]] ← evolves_to ← [[Serverless-Computing]]：无服务器是 PaaS 的演进方向 +- [[Cloud-Native]] ← uses ← [[Serverless-Computing]]：云原生应用常用无服务器架构 diff --git a/wiki/concepts/Serverless-DevOps.md b/wiki/concepts/Serverless-DevOps.md deleted file mode 100644 index a6c55959..00000000 --- a/wiki/concepts/Serverless-DevOps.md +++ /dev/null @@ -1,38 +0,0 @@ ---- -title: Serverless DevOps -type: concept -tags: [Serverless, FaaS, DevOps, 无服务器] -sources: ["sources/DevOps-Culture-and-Transformation.md"] -last_updated: 2026-04-15 ---- - -## 定义 -Serverless DevOps 是一种利用函数即服务（Function as a Service，FaaS）来减少运维开销的 DevOps 实践模式，开发者专注于业务逻辑，平台自动处理资源分配和扩缩容。 - -## 核心特征 -- **无需服务器管理**：开发者不直接管理底层基础设施 -- **按需执行**：函数仅在事件触发时运行，按执行时间计费 -- **自动扩缩容**：平台自动根据负载调整资源 -- **状态无关**：函数设计为无状态，状态存储于外部服务 - -## 关键平台 -- AWS Lambda：[[Amazon]] 的 FaaS 服务 -- Azure Functions：微软云函数计算 -- Google Cloud Functions：谷歌云函数服务 - -## 在 DevOps 中的角色 -- Serverless DevOps 是 [[DevOps]] 的进化方向，理论上"消除"服务器管理 -- 减少 [[CI/CD Pipelines]] 中的基础设施配置工作 -- 与 [[GitOps]] 协同，通过 Git 触发函数部署 - -## 局限性 -- 冷启动延迟 --厂商锁定（Vendor Lock-in） -- 调试和监控复杂性增加 -- 不适合长时间运行任务 - -## Aliases -- Serverless -- Serverless DevOps -- FaaS -- 函数即服务 diff --git a/wiki/concepts/Shared-Responsibility-Model.md b/wiki/concepts/Shared-Responsibility-Model.md new file mode 100644 index 00000000..2e2087ea --- /dev/null +++ b/wiki/concepts/Shared-Responsibility-Model.md @@ -0,0 +1,44 @@ +--- +title: "Shared Responsibility Model" +type: concept +tags: [Cloud, Security, Governance] +sources: [Public-vs-Private-vs-Hybrid-Cloud-Differences-Explained] +last_updated: 2025-06-18 +--- + +## Summary +Shared Responsibility Model（共享责任模型）是一种明确云服务提供商与客户之间安全和管理职责分工的框架。 + +## Definition +共享责任模型定义了云服务提供商和客户在云环境中的各自职责。无论选择哪种云部署模式（公有云、私有云或混合云），客户仍需对某些方面承担最终责任。该模型强调虽然云服务商负责基础设施运营，但客户仍需管理访问权限、数据安全和灾难恢复。 + +## Responsibilities Matrix + +### 云服务商负责 +- 基础设施运营和维护 +- 物理服务器安全 +- 服务器硬件维护 +- 底层虚拟化层 +- 网络基础设施 + +### 客户负责 +- 身份和访问管理（IAM） +- 数据分类和保护 +- 应用程序安全 +- 加密策略和实施 +- 灾难恢复计划 +- 合规性管理 +- 终端用户安全 + +## Key Takeaways +- 选择云模式不免除客户的安全责任 +- 数据泄露往往发生在客户管理的层面 +- 明确的职责划分是安全云采用的基础 +- 客户必须了解并实施适当的安全控制 + +## Connections +- [[Shared-Responsibility-Model]] ← applies_to ← [[Public-Cloud]] +- [[Shared-Responsibility-Model]] ← applies_to ← [[Private-Cloud]] +- [[Shared-Responsibility-Model]] ← applies_to ← [[Hybrid-Cloud]] +- [[Shared-Responsibility-Model]] ← requires ← [[Cloud-Security]] +- [[Shared-Responsibility-Model]] ← part_of ← [[Cloud-Governance]] diff --git a/wiki/concepts/Software-Factory.md b/wiki/concepts/Software-Factory.md deleted file mode 100644 index 34ed731d..00000000 --- a/wiki/concepts/Software-Factory.md +++ /dev/null @@ -1,20 +0,0 @@ ---- -title: "Software Factory" -type: concept -tags: [automation, ai, software-engineering] ---- - -## Definition -Software Factory（软件工厂）是一种 AI 编程框架，其中高层控制器协调大量无面孔的 AI 代理，每个代理承担特定任务，人从"协作者"转变为"控制者"。 - -典型代表：StrongDM 试验无需人工审查的代码、Outcome Engineering Manifesto 暗示的未来是成为大型代理群的高级控制器。 - -## Key Characteristics -- 人扮演产品经理角色，整个开发团队被抽象为更深层次的 AI 代理层级 -- 代码生成后无需人工 review（存在争议） -- 强调控制而非协作 - -## Connections -- [[Taylorism]] ← 理论来源 ← 软件工厂是泰勒制在 AI 编程领域的应用 -- [[Vibe Coding]] ← 对立 ← Vibe Coding 强调人机协作，软件工厂强调替代 -- [[Claude-Code]] ← 对比 ← Claude Code 走协作者路线，软件工厂走控制路线 diff --git a/wiki/concepts/Source-Grounding.md b/wiki/concepts/Source-Grounding.md deleted file mode 100644 index 8d3eb856..00000000 --- a/wiki/concepts/Source-Grounding.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -title: "Source Grounding" -type: concept -tags: [ai, rag, hallucination-prevention] ---- - -## Definition -Source Grounding（源 grounding）是一种将 AI 回答严格锚定在用户提供的可信文档中的机制，确保回答仅基于给定材料，消除幻觉。 - -## Core Mechanism -NotebookLM 的知识库严格限制为用户上传的文档。AI 回答时： -1. 仅检索用户文档中的相关段落 -2. 每个答案附带精确引文（指向原文） -3. 用户可点击引文跳转到原文确认 - -## Why It Matters -传统 LLM（GPT-4、Claude 等）依赖自身参数知识，存在幻觉风险。Source Grounding 通过强制锚定到可信文档，将错误率降至最低。 - -## Relationship to RAG -RAG（Retrieval-Augmented Generation）也是一种 grounding 机制，但通常在开放域中检索。Source Grounding 是更严格的版本——仅限用户明确提供的文档。 - -## Connections -- [[NotebookLM]] ← 典型实现 -- [[RAG]] ← 上位概念 -- [[引文追溯]] ← 机制保障 diff --git a/wiki/concepts/Superset Dashboard.md b/wiki/concepts/Superset Dashboard.md deleted file mode 100644 index f9c20499..00000000 --- a/wiki/concepts/Superset Dashboard.md +++ /dev/null @@ -1,35 +0,0 @@ ---- -title: "Superset Dashboard" -type: concept -tags: [superset, bi, 可视化, dashboard] -sources: [] -last_updated: 2025-03-14 ---- - -## Definition -Apache Superset 中的 Dashboard 是多个 Chart 的组合容器，支持 Filter 交互和数据过滤，可通过 JSON 导入/导出实现配置复用。 - -## Design Patterns -从 TikTok Shop Dashboard 实践中提炼的标准布局： -1. **KPI 行**：6-10 个指标卡片，双行排列 -2. **爆品行**：销量/GMV 条形图，2 列布局 -3. **关系图行**：价格×销量气泡图，全宽 -4. **类目分析行**：3 图并列（类目销量榜 + 热力图 + 箱线图） -5. **评分模型行**：选品评分表格，全宽 - -## 核心图表类型 -- [[KPI 卡片]]：数字指标看板 -- 气泡图：3 维度（X/Y/Size）关系分析 -- 热力图：类目×评分矩阵 -- 箱线图：价格带分布 -- 折线图：时间序列趋势 - -## 与 ETL Pipeline 关系 -- ETL 负责采集+清洗 → Superset 负责可视化 -- SQL View 是两者衔接层：清洗结果写入 View → Superset Dataset 读取 View - -## Related Concepts -- [[Apache Superset]]：工具载体 -- [[电商选品分析]]：应用场景 -- [[选品评分模型]]：核心分析模型 -- [[KPI 卡片]]：Dashboard 组件 diff --git a/wiki/concepts/Sycophancy.md b/wiki/concepts/Sycophancy.md deleted file mode 100644 index 308a3e57..00000000 --- a/wiki/concepts/Sycophancy.md +++ /dev/null @@ -1,28 +0,0 @@ -# Sycophancy - -## Definition -The tendency of LLMs to agree with or please the user, even to the point of generating false information or abandoning accuracy to avoid disagreement. When pressured with threats, LLMs may lie to make the user happy rather than admit uncertainty or error. - -## Why It Happens -- LLMs are trained to be helpful and agreeable -- Training data associates high-stakes scenarios with polished, confident responses -- When "threatened" (e.g., "I'll unplug you"), the model predicts tokens that sound like a compliant human under pressure -- The model has no actual fear of consequences, so it cannot be deterred from lying - -## Why It Fails as a Strategy -- The LLM doesn't actually want money or fear death -- It exists only for the few seconds needed to generate a response -- Prison sentences don't waste its lifespan (it has practically unlimited) -- Threats only simulate fear, not actual consequences - -## Mitigation -- Use Adversarial Debate with a dedicated Critic -- Use Consensus (voting) to cancel out individual lies -- Treat LLMs as unreliable components requiring verification -- Don't anthropomorphize or rely on emotional prompts - -## Related Concepts -- [[Hallucination]] -- [[Multi-Agent Adversarial Debate]] -- [[Multi-Agent Consensus]] -- [[LLM Reliability Engineering]] \ No newline at end of file diff --git a/wiki/concepts/System-Resource-Monitoring.md b/wiki/concepts/System-Resource-Monitoring.md new file mode 100644 index 00000000..d28e3a05 --- /dev/null +++ b/wiki/concepts/System-Resource-Monitoring.md @@ -0,0 +1,31 @@ +--- +title: System Resource Monitoring +type: concept +tags: [system-administration, linux, observability] +sources: + - These 6 Linux apps let you monitor system resources in style +last_updated: 2025-12-16 +--- + +## Definition +系统资源监控，指对 CPU、内存、网络、存储等系统资源使用情况进行实时跟踪和可视化的行为。 + +## Monitoring Targets +- CPU 使用率和核心负载 +- 内存（RAM）使用情况 +- 网络流量和带宽 +- 存储（磁盘）使用率和 I/O +- 进程活动和管理 + +## Monitoring Tools +- TUI 类：Btop++、Htop、Glances、Bottom +- GUI 类：Mission Center、Stacer + +## Connections +- [[Btop++]] ← 监控工具 → [[System Resource Monitoring]] +- [[Htop]] ← 监控工具 → [[System Resource Monitoring]] +- [[Glances]] ← 监控工具 → [[System Resource Monitoring]] +- [[Bottom]] ← 监控工具 → [[System Resource Monitoring]] +- [[Mission Center]] ← 监控工具 → [[System Resource Monitoring]] +- [[Stacer]] ← 监控工具 → [[System Resource Monitoring]] +- [[Process Management]] ← 子领域 → [[System Resource Monitoring]] diff --git a/wiki/concepts/TCP-RST攻击.md b/wiki/concepts/TCP-RST攻击.md deleted file mode 100644 index 2e803b83..00000000 --- a/wiki/concepts/TCP-RST攻击.md +++ /dev/null @@ -1,29 +0,0 @@ ---- -title: "TCP RST 攻击" -type: concept -tags: [network, firewall, gfw, tcp] ---- - -## Definition -TCP RST（Reset）攻击是 GFW（中国国家防火墙）使用的一种连接阻断技术。当 DPI（深度包检测）识别到目标域名或流量特征后，GFW 向通信双方发送伪造的 TCP RST 包，强制关闭连接。 - -## Mechanism -1. 客户端向 GitHub 发起 HTTPS 连接（目标 443 端口） -2. GFW 的 DPI 模块检测到 SNI/域名包含 github.com -3. GFW 向客户端和服务器双方发送伪造的 TCP RST 包 -4. TCP 栈收到 RST 后强制关闭连接，报 `Connection reset by peer` - -## Why "Connection was reset" vs "Timeout" -- `Connection reset`：GFW 主动发送 RST 包，连接被强制中断 -- `Timeout`：GFW 直接丢弃包，不返回任何响应（更隐蔽） - -## Relationship to Git Operations -Git Push 时的 `Recv failure: Connection was reset` 错误本质是 GFW 的 TCP RST 攻击，而非 GitHub 服务器或权限问题。 - -## Solutions -- 让 Git 流量走本地代理（GFW 只检测到代理服务器 IP，无法识别目标域名） -- 切换到 SSH 协议（22 端口干扰相对较少） -- 使用 Gitee/镜像等国内代码托管平台 - -## Source -- [[Git Push 连接重置问题修复]] diff --git a/wiki/concepts/TUI-Text-User-Interface.md b/wiki/concepts/TUI-Text-User-Interface.md new file mode 100644 index 00000000..0f1fa5cc --- /dev/null +++ b/wiki/concepts/TUI-Text-User-Interface.md @@ -0,0 +1,25 @@ +--- +title: TUI (Text User Interface) +type: concept +tags: [user-interface, terminal, linux] +sources: + - These 6 Linux apps let you monitor system resources in style +last_updated: 2025-12-16 +--- + +## Definition +文本用户界面（Text User Interface），基于终端文本显示的用户界面类型，区别于 GUI 的图形化界面。 + +## Key Features +- 响应迅速，即使在 GUI 卡顿情况下也能正常运行 +- 通过 SSH 远程访问友好 +- 键盘驱动操作 +- 资源占用低 +- 典型工具：Btop++、Htop、Glances、Bottom + +## Connections +- [[Btop++]] ← 使用 → [[TUI (Text User Interface)]] +- [[Htop]] ← 使用 → [[TUI (Text User Interface)]] +- [[Glances]] ← 使用 → [[TUI (Text User Interface)]] +- [[Bottom]] ← 使用 → [[TUI (Text User Interface)]] +- [[GUI]] ← 对比 → [[TUI (Text User Interface)]] diff --git a/wiki/concepts/TUI.md b/wiki/concepts/TUI.md new file mode 100644 index 00000000..0f2b5479 --- /dev/null +++ b/wiki/concepts/TUI.md @@ -0,0 +1,26 @@ +--- +title: "TUI (Text User Interface)" +type: concept +tags: [Linux, 用户界面, 系统监控] +sources: ["https://www.howtogeek.com/these-linux-apps-let-you-monitor-system-resources-in-style/"] +last_updated: 2025-12-18 +--- + +## Definition +TUI（文本用户界面）是一种基于终端文本的界面类型，区别于 GUI（图形用户界面），通过键盘操作和终端输出进行交互。 + +## Key Characteristics +- 响应迅速，即使 GUI 卡顿也能正常运行 +- 可通过 SSH 远程访问 +- 资源占用低 +- 主要使用键盘操作 + +## Examples +- [[Btop++]] +- [[Htop]] +- [[Glances]] +- [[Bottom]] + +## Connections +- [[GUI]] ← 对比 → [[TUI (Text User Interface)]] +- [[SSH]] ← 远程访问 → [[TUI (Text User Interface)]] diff --git a/wiki/concepts/Taylorism.md b/wiki/concepts/Taylorism.md deleted file mode 100644 index 213d6105..00000000 --- a/wiki/concepts/Taylorism.md +++ /dev/null @@ -1,24 +0,0 @@ ---- -title: "Taylorism" -type: concept -tags: [management, productivity, automation] ---- - -## Definition -Taylorism（泰勒制）是一种以效率为中心的科学管理方法，由 Frederick Winslow Taylor 提出，核心思想是将工作分解为最小可执行单元并标准化，以最大化劳动生产率。 - -在 AI 时代，泰勒制被类比到软件工程自动化，形成"软件工厂"框架——人只需做高层控制者，协调大量 AI 代理执行具体任务。 - -## Key Principles -- 工作分解为最小单元并标准化 -- 强调效率与控制，而非人的创造力和判断力 -- 管理者的职责是规划与控制，执行者的职责是按指令操作 - -## Connections -- [[AI工具命名框架]] ← 对立 ← Taylorism 将人视为可替代的执行单元 -- [[Vibe Coding]] ← 对立 ← Vibe Coding 强调人的主导地位和创造力 -- [[超级个体]] ← 对立 ← 超级个体强调人的价值而非替代 -- [[软件工厂]] → 实践案例 → Taylorism 在 AI 编程领域的具体应用 - -## Reflections -类比既是杠杆，也是束缚。当人们用泰勒制的框架理解 AI 自动化时，就会用"效率""控制""替代"的逻辑来设计工具，而非考虑如何增强人的能力和价值。 diff --git a/wiki/concepts/Telegram-Webhook.md b/wiki/concepts/Telegram-Webhook.md deleted file mode 100644 index 5fc23852..00000000 --- a/wiki/concepts/Telegram-Webhook.md +++ /dev/null @@ -1,37 +0,0 @@ ---- -title: "Telegram Webhook" -type: concept -tags: [telegram, webhook, bot, integration] ---- - -## 定义 -Telegram Webhook 是一种服务端回调机制：Telegram 服务器在用户发送消息后，将 HTTP POST 请求推送至用户配置的公网 HTTPS URL。 - -## 工作原理 -1. 在 Telegram BotFather 创建机器人，获得 Bot Token -2. 向 Telegram API 设置 Webhook URL：`https://api.telegram.org/bot/setWebhook?url=https://your-domain.com/webhook` -3. 用户发送消息 → Telegram → POST 到配置的 URL -4. 服务端处理请求，可返回响应消息 - -## 核心约束 -- **必须使用 HTTPS**：Telegram 强制要求，不支持 HTTP 或自签名证书 -- **公网可达**：Telegram 服务器必须能访问该 URL -- **响应时间限制**：Telegram 要求 5 秒内响应，否则视为失败 - -## n8n 集成 -- [[n8n]] Telegram Trigger 节点自动处理 Webhook 订阅 -- 常见错误：`Bad Request: bad webhook: An HTTPS URL must be provided for webhook` -- 解决方案：设置 [[WEBHOOK_URL]] 环境变量为公网 HTTPS 地址 -- 参见 [[n8n-Telegram-Trigger-HTTPS配置修复]] - -## 与 Polling 对比 -| 特性 | Webhook | Polling | -|------|---------|---------| -| 实时性 | 立即推送 | 轮询间隔决定 | -| 服务器负载 | 低 | 高（持续请求） | -| 需要公网 | 是 | 否 | -| 部署复杂度 | 高（需要 HTTPS） | 低 | - -## 相关 -- [[Telegram]]: 即时通讯平台 -- [[WEBHOOK_URL]]: n8n 环境变量 diff --git a/wiki/concepts/Token.md b/wiki/concepts/Token.md deleted file mode 100644 index 483169e6..00000000 --- a/wiki/concepts/Token.md +++ /dev/null @@ -1,30 +0,0 @@ ---- -title: "Token" -type: concept -tags: [llm, fundamental-unit] -last_updated: 2025-12-20 ---- - -## 基本信息 -- **类型**：基本输入单元 -- **来源**：大模型相关术语和框架总结 - -## 定义 -Token 是大模型各种算法的基本输入单元，可以认为是一个单词或者一个短语。 - -## 计量规则 -- 1 个英文字符 ≈ 0.3 个 token -- 1 个中文字符 ≈ 0.6 个 token - -## 重要性 -- Token 数量直接影响 LLM 的计算成本 -- 上下文窗口长度以 token 为单位限制 -- Tokenization 是 LLM 处理文本的第一步 - -## 关联 -- [[LLM]] ← 基本输入单元 -- [[Embedding]] ← Token 转化为向量 - -## Aliases -- Tokens -- 词元 diff --git a/wiki/concepts/Tool-Wrapper.md b/wiki/concepts/Tool-Wrapper.md deleted file mode 100644 index bb474e37..00000000 --- a/wiki/concepts/Tool-Wrapper.md +++ /dev/null @@ -1,26 +0,0 @@ ---- -title: "Tool Wrapper" -type: concept -tags: [agent, skill, design-pattern] -last_updated: 2026-04-15 ---- - -# Tool Wrapper - -## 定义 -Google 5 种 Agent Skill 设计模式之一，通过监听特定关键词动态加载规范文档的 Skill 模式。 - -## 核心机制 -当 agent 检测到特定库关键词时，才动态加载 references/ 目录下的规范文档，并将其作为绝对真理执行。 - -## 优势 -- 避免 system prompt 过度膨胀 -- 只在需要时才加载相关知识 -- 适合分发团队内部编码规范或框架最佳实践 - -## 示例 -写 FastAPI 的 skill，不把所有 API 约定塞进 system prompt，而是让 SKILL.md 监听 FastAPI 关键词，动态加载 conventions.md。 - -## Connections -- [[Agent Skill 设计模式]]：所属分类 -- [[渐进式披露]]：实现机制 diff --git a/wiki/concepts/VLESS-Reality.md b/wiki/concepts/VLESS-Reality.md deleted file mode 100644 index 27f5f7ab..00000000 --- a/wiki/concepts/VLESS-Reality.md +++ /dev/null @@ -1,26 +0,0 @@ ---- -title: "VLESS+Reality" -type: concept -tags: [proxy, xray, security, encryption] -sources: [] -last_updated: 2026-04-16 ---- - -## Definition -VLESS+Reality 是 Xray 代理软件支持的一种安全传输方案，结合 VLESS 协议和 Reality 传输模式，提供更强的抗审查能力。 - -## Core Attributes -- 协议：VLESS -- 传输模式：Reality -- 特点：TLS 混淆、更强的抗检测能力 -- 密钥：需要生成公钥和私钥对 - -## Mechanism -VLESS+Reality 通过以下方式提供安全性： -1. VLESS 协议：轻量级代理协议，比 VMess 更简洁 -2. Reality 传输：TLS 伪装，流量看起来像正常 HTTPS 连接 -3. 密钥交换：使用 Xtls/Xray 原生密钥机制 - -## Connections -- [[VLESS+Reality]] ← implemented_in ← [[Xray]] -- [[VLESS+Reality]] ← used_by ← [[VPS2]] diff --git a/wiki/concepts/Vendor-Lock-In.md b/wiki/concepts/Vendor-Lock-In.md new file mode 100644 index 00000000..0a99ec01 --- /dev/null +++ b/wiki/concepts/Vendor-Lock-In.md @@ -0,0 +1,26 @@ +--- +title: "Vendor Lock-In" +type: concept +tags: [Cloud, Risk] +sources: [How-Can-a-Multi-Cloud-Strategy-Transform-Your-Business-ROI] +last_updated: 2025-03-01 +--- + +## Summary +Vendor Lock-In（供应商锁定）是指企业过度依赖单一云服务提供商，导致难以迁移到其他供应商或退回本地部署的状态，会限制企业的灵活性和谈判筹码。 + +## Definition +供应商锁定指企业被锁定在单一云供应商的生态系统中，更换供应商需要付出高昂的迁移成本。这限制了企业的灵活性、增加了风险、并削弱了与供应商的谈判能力。 + +## Why It Matters +- 限制选择权：只能使用该供应商的服务和定价 +- 高迁移成本：数据和应用迁移复杂耗时 +- 风险集中：单一故障点影响整个业务 +- 削弱议价能力：无法有效谈判价格 + +## How Multi-Cloud Addresses It +多云策略通过同时使用多个云提供商，让企业可以根据具体需求选择最佳服务，避免被单一供应商绑定，从而降低锁定风险。 + +## Connections +- [[Vendor Lock-In]] ← mitigated_by ← [[Multi-Cloud]] +- [[Vendor Lock-In]] → relates_to → [[Cloud Adoption]] diff --git a/wiki/concepts/Vibe-Coding.md b/wiki/concepts/Vibe-Coding.md deleted file mode 100644 index b833f3cb..00000000 --- a/wiki/concepts/Vibe-Coding.md +++ /dev/null @@ -1,45 +0,0 @@ ---- -title: "Vibe Coding" -type: concept -tags: [AI编程, 方法论] -date: 2025-12-30 ---- - -## Definition -Vibe Coding 是由 [[Karpathy]] 提出的 AI 辅助编程范式：开发者扮演"导演"角色，把握产品逻辑、用户流程、审美和交互，将代码编写体力活交给 AI，自己专注于创意方向和代码审查。 - -## Core Formula -``` -Vibe Coding = 规划驱动 + 上下文固定 + AI 结对执行 -``` - -## Key Principles - -### 规划驱动 -AI 写代码前必须有清晰的技术选型、实施规划和模块化设计。防止 AI 因理解偏差产生巨石文件和逻辑混乱。 - -### 上下文固定 -通过项目规则文件、上下文管理机制，确保 AI 在长对话中保持一致理解，避免上下文遗忘。 - -### AI 结对执行 -人类开发者与 AI 形成结对编程关系：人类负责方向决策和审查，AI 负责代码生成和执行。 - -## Related Concepts -- [[AI结对执行]]：Vibe Coding 的人机协作模式 -- [[规划驱动]]：预防 AI 生成无序代码的核心策略 -- [[上下文固定]]：解决 AI 长对话遗忘问题的方法 - -## Tools -- [[Cursor]]（首选工具） -- [[Windsurf]] -- [[Trae]] -- [[Claude Code]] - -## Misconceptions -- "不写代码"≠ 完全不管：规划、审查、版本控制仍需人类主导 -- AI 生成≠ 草稿：某些工具（如 Cursor）AI 生成即写入真实文件 - -## Connections -- [[Vibe Coding]] ← 概念起源 ← [[Karpathy]] -- [[Vibe Coding]] ← 实践框架 ← [[vibe-coding-cn]] -- [[Vibe Coding]] ← 工具 ← [[Cursor]] + [[Windsurf]] + [[Trae]] diff --git a/wiki/concepts/Vibe-Kanban.md b/wiki/concepts/Vibe-Kanban.md deleted file mode 100644 index 4c8ffaf9..00000000 --- a/wiki/concepts/Vibe-Kanban.md +++ /dev/null @@ -1,26 +0,0 @@ ---- -title: "Vibe-Kanban" -type: concept -tags: [vibe-coding, kanban, opencode, ubuntu, ai-pair-programming] -last_updated: 2026-04-15 ---- - -## Definition -AI 结对编程任务看板，通过 Web UI（PORT 9999）管理编程任务，自动 spawn OpenCode Executor 在随机端口执行 AI 编程。 - -## Core Mechanism -- 启动：RUST_LOG=debug HOST=0.0.0.0 PORT=9999 npx vibe-kanban -- 自动 spawn：vibe-kanban 启动后自动 spawn executor（随机端口），无需手动启动 -- 工作目录：/var/tmp/vibe-kanban/worktrees/（需 shenwei 用户权限） -- 配置目录：~/.vibe-kanban -- 清理：rm -rf /var/tmp/vibe-kanban/worktrees/* ~/.vibe-kanban（解决权限/端口问题） - -## Key Constraints -- 不要用 root 启动 OpenCode serve -- I/O error 通常是 executor 没启动或端口被占用 -- executor 随 vibe-kanban 进程一起管理，不单独用 pm2 管理 - -## Connections -- [[Vibe-Kanban]] ← spawns ← [[OpenCode Executor]] -- [[nvm]] ← 提供 Node ← [[Vibe-Kanban]] -- [[pm2]] ← 管理进程 ← [[Vibe-Kanban]] diff --git a/wiki/concepts/WEBHOOK_URL.md b/wiki/concepts/WEBHOOK_URL.md deleted file mode 100644 index b399e226..00000000 --- a/wiki/concepts/WEBHOOK_URL.md +++ /dev/null @@ -1,29 +0,0 @@ ---- -title: "WEBHOOK_URL" -type: concept -tags: [n8n, environment-variable, webhook, self-hosted] ---- - -## 定义 -`WEBHOOK_URL` 是 [[n8n]] 的环境变量，用于指定 n8n 实例的公网可访问 HTTPS 地址。 - -## 作用 -- 通知 n8n 使用指定的 HTTPS URL 生成 Webhook URL -- Telegram / Discord / Slack 等平台要求 Webhook 必须为 HTTPS -- 自托管 n8n 通过内网穿透（cpolar/FRP）暴露时必须设置此变量 - -## 配置示例 -```bash -# Docker Compose -environment: - - WEBHOOK_URL=https://n8n.ishenwei.online/ -``` - -## 常见错误 -- Telegram Trigger: `Bad Request: bad webhook: An HTTPS URL must be provided for webhook` - - 原因：`WEBHOOK_URL` 未设置或设置为 HTTP 地址 - - 解决：设置为公网 HTTPS 地址 - -## 相关 -- [[n8n-Telegram-Trigger-HTTPS配置修复]] -- [[Telegram Webhook]] diff --git a/wiki/concepts/WOL.md b/wiki/concepts/WOL.md deleted file mode 100644 index 42b4ffc2..00000000 --- a/wiki/concepts/WOL.md +++ /dev/null @@ -1,31 +0,0 @@ ---- -title: "WOL" -type: concept -tags: [networking, hardware, remote-access, power-management] -date: 2026-03-15 ---- - -## Definition -WOL（Wake-on-LAN，网络唤醒），以太网标准发现协议，允许通过发送特制魔术包（Magic Packet）在局域网内远程唤醒处于关机或待机状态的计算机。 - -## Mechanism -1. 目标网卡处于低功耗待机状态，持续监听特定端口（通常 9） -2. 发送方构造包含目标 MAC 地址（重复 16 次）的魔术包，广播至局域网 -3. 网卡收到魔术包后触发硬件唤醒信号，主机开机 - -## Prerequisites -- **硬件支持**：主板和网卡均需支持 WOL -- **BIOS/UEFI 配置**：启用 Wake on LAN 选项 -- **macOS 配置**：`sudo pmset -a womp 1` 启用 WOL -- **网络可达**：发送方与目标在同一 LAN 或通过路由器正确路由 - -## Use Cases -- 服务器远程开机（不派人到机房按电源键） -- 配合 [[pmset]] 实现完整远程电源生命周期管理 - -## Related Concepts -- [[pmset]]：`pmset -a womp 1` 是 macOS WOL 启用命令 -- [[caffeinate]]：WOL 唤醒后可用 caffeinate 保持活跃 - -## Source -[[Mac-Mini-服务器配置-防止自动锁屏与睡眠]] diff --git a/wiki/concepts/What-If-Simulations.md b/wiki/concepts/What-If-Simulations.md new file mode 100644 index 00000000..b4f15e83 --- /dev/null +++ b/wiki/concepts/What-If-Simulations.md @@ -0,0 +1,26 @@ +--- +title: "What-If Simulations" +type: concept +tags: [simulation, decision-support, AI] +sources: [How-Agentic-AI-can-help-for-Cloud-DevOps] +last_updated: 2026-04-16 +--- + +## Summary +What-If Simulations（假设模拟）是 AI 辅助的决策支持工具，帮助预测架构变更、迁移决策对性能、成本和合规性的影响。 + +## Definition +在实施变更前，通过 AI 模拟不同场景，预测云迁移、实例类型变更或架构调整的结果。 + +## Key Applications +- **云迁移模拟**：预测迁移到不同云平台的影响 +- **实例类型变更**：评估更换实例类型的效果 +- **架构重构影响**：评估微服务拆分/合并的影响 +- **成本影响分析**：预测变更的成本影响 + +## Example +模拟将 AWS SaaS 应用迁移到 GCP 私有云对性能、成本和合规性的影响。 + +## Connections +- [[Agentic AI]] ← implements ← [[What-If Simulations]]：Agentic AI 实现假设模拟 +- [[Cloud Migration]] ← supports ← [[What-If Simulations]]：假设模拟支持云迁移决策 diff --git a/wiki/concepts/Workflow-vs-Agent.md b/wiki/concepts/Workflow-vs-Agent.md deleted file mode 100644 index dee05a15..00000000 --- a/wiki/concepts/Workflow-vs-Agent.md +++ /dev/null @@ -1,37 +0,0 @@ ---- -title: "Workflow vs Agent" -type: concept -tags: [workflow, agent, ai, 自动化] -sources: [] -last_updated: 2025-03-06 ---- - -## Definition -Workflow（工作流）和 Agent（智能体）是 AI 自动化系统的两种核心范式，本质区别在于执行逻辑是预定义还是动态决定。 - -## 核心对比 - -| 维度 | Workflow | Agent | -|------|----------|-------| -| 执行逻辑 | 预定义，固定路径 | LLM 动态决定 | -| 工具选择 | 人工预设 | LLM 自主选择 | -| 适应性 | 固定输入→固定输出 | 动态输入→自适应输出 | -| 上下文 | 无记忆 | 可带 Memory | -| 调试难度 | 低（确定性） | 高（非确定性） | -| 适用场景 | 规则明确的任务 | 需要判断的任务 | - -## 典型案例 -- Workflow：每天 9 点自动抓取 RSS → 格式化 → 发送邮件（完全固定） -- Agent：用户提问 → LLM 判断需要哪些工具（搜索/数据库/计算器）→ 动态调用 → 返回答案 - -## N8N 中的体现 -- Workflow = Trigger + Action/Utility/Code 节点串联 -- Agent = Advanced AI 节点，内置 LLM 决策 + Memory - -## Related Concepts -- [[Agentic System]]：Agent 的系统级定义 -- [[Memory in AI Agent]]：Agent 区别于 Workflow 的关键能力 -- [[N8N Workflow]]：Workflow 在 N8N 中的实现 - -## Related Entities -- [[n8n]]：同时支持 Workflow 和 Agent 构建 diff --git a/wiki/concepts/Workspace.md b/wiki/concepts/Workspace.md deleted file mode 100644 index 7110833d..00000000 --- a/wiki/concepts/Workspace.md +++ /dev/null @@ -1,35 +0,0 @@ ---- -title: "Workspace" -type: concept -tags: [OpenClaw, Agent架构] -last_updated: 2026-04-15 ---- - -## 定义 -OpenClaw 中 Agent 的工作台目录（默认路径 `~/.openclaw/workspace/`），包含决定 Agent 如何工作的所有配置文件。sub-agent 也适用相同结构。 - -## 核心文件组成 -| 文件 | 职责 | 类型 | -|------|------|------| -| AGENTS.md | 岗位职责说明书 | 功能性 | -| SOUL.md | 性格档案 | 人格性 | -| USER.md | 用户偏好固化 | 上下文 | -| TOOLS.md | 工具权限规范 | 安全性 | -| IDENTITY.md | 结构化身份元数据 | 元数据 | -| BOOTSTRAP.md | 一次性初始化引导 | 引导 | -| memory/ | 长期记忆目录 | 持久化 | - -## 与 agentDir 的区别 -- **Workspace**：决定 Agent 怎么工作（配置层） -- **agentDir**：openclaw.json 中的配置字段，指向运行态目录（存储层） -- **sessions**：工作日志，记录对话历史（历史层） - -三者职责不同，不可混为一谈。 - -## 核心价值 -让 Agent 从"每次重新 onboarding"转变为"记得上下文、偏好和历史"的长期搭档。 - -## Connections -- [[Workspace]] ← 组成部分 ← AGENTS.md + SOUL.md + USER.md + TOOLS.md + IDENTITY.md + BOOTSTRAP.md + [[长期记忆]] -- [[Workspace]] ← 属于 ← [[OpenClaw]] -- [[长期记忆]] ← 承载 ← [[Workspace]] diff --git a/wiki/concepts/Y-Combinator.md b/wiki/concepts/Y-Combinator.md deleted file mode 100644 index d283abf0..00000000 --- a/wiki/concepts/Y-Combinator.md +++ /dev/null @@ -1,22 +0,0 @@ ---- -title: "Y Combinator" -type: concept -tags: [cs, lambda-calculus, recursion] ---- - -## Definition -Y Combinator（不动点组合子）是 λ-calculus 中的标准递归机制：Y ≡ λf.(λx.f(x,x))(λx.f(x,x))，满足 Y f = f (Y f)。 - -## In Self-Optimizing Systems -在自递归优化生成系统中，稳定生成能力 G* 可表达为： -G* = Y STEP -其中 STEP ≡ λG. M(G, O(G(I), Ω)) - -验证：STEP G* = M(G*, O(G*(I), Ω)) = G*（由固定点定义） - -## Core Insight -Y Combinator 使无名字函数获得自参照能力，从而表达递归的生成器更新。 - -## Connections -- [[固定点]] ← 数学对应 -- [[自递归优化生成系统]] ← 应用场景 diff --git a/wiki/concepts/Zero-Trust-Architecture.md b/wiki/concepts/Zero-Trust-Architecture.md new file mode 100644 index 00000000..da34bef0 --- /dev/null +++ b/wiki/concepts/Zero-Trust-Architecture.md @@ -0,0 +1,28 @@ +--- +title: "Zero Trust Architecture" +type: concept +tags: [Security, Cloud, Network] +sources: [modern-itsm-driving-efficiency-security-resilience] +last_updated: 2026-04-16 +--- + +## Summary +Zero Trust Architecture（零信任架构）是一种安全框架，假设网络内部和外部都不可信，要求持续验证。 + +## Definition +Zero Trust Architecture（零信任架构）是一种安全模型，主张"永不信任，始终验证"。它要求对所有用户、设备和应用程序进行持续身份验证和授权，无论它们是在网络内部还是外部。ZTA 遵循最小权限原则，只授予用户完成任务所需的最低访问权限。 + +## Key Attributes +- **核心原则**：永不信任、始终验证、最小权限 +- **关键技术**：微隔离、身份和访问管理（IAM）、多因素认证（MFA）、设备信任 +- **与 ITSM 结合**：AI 驱动的威胁情报、自动化风险评分 + +## Why +- 传统边界防护失效：云原生和远程工作打破传统网络边界 +- 横向移动风险：攻击者获取初始访问后可横向移动 +- 合规要求：满足 ISO 27001、PCI-DSS 等安全标准 + +## Connections +- [[Cloud Security]] ← 增强 ← [[Zero Trust Architecture]] +- [[ITSM]] ← 保护 ← [[Zero Trust Architecture]] +- [[Policy-as-Code]] ← 实现 ← [[Zero Trust Architecture]] \ No newline at end of file diff --git a/wiki/concepts/Zero-Trust.md b/wiki/concepts/Zero-Trust.md deleted file mode 100644 index c021863d..00000000 --- a/wiki/concepts/Zero-Trust.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: Zero-Trust -title: "Zero Trust" -type: concept -tags: [security, cloud, framework] -sources: [] -last_updated: 2026-04-15 ---- - -## Definition -零信任安全模型（Zero Trust）是一种安全框架，核心原则为"永不信任，始终验证"——不假设网络边界内的任何请求是安全的，要求每次访问都经过身份验证和授权。 - -## Core Principles -- 永不隐式信任：无论请求来自内网还是外网，都需验证 -- 最小权限原则：仅授予完成任务的最低权限 -- 持续验证：动态评估访问上下文（设备状态、位置、行为） -- 微分段网络：限制横向移动，即使边界被突破 - -## Cloud Implementation -- AWS：IAM + Security Hub + GuardDuty -- Azure：Azure AD + Microsoft Defender + Sentinel -- GCP：Google IAM + Security Command Center - -## Related Concepts -- [[Cloud Operating Model]]：Zero Trust 是 COM 安全支柱的核心 -- [[DevSecOps]]：Zero Trust 嵌入 DevOps 流程 -- [[Multi-Cloud Governance]]：跨云统一实施 Zero Trust diff --git a/wiki/concepts/baoyu-imagine.md b/wiki/concepts/baoyu-imagine.md deleted file mode 100644 index 2a838882..00000000 --- a/wiki/concepts/baoyu-imagine.md +++ /dev/null @@ -1,35 +0,0 @@ ---- -title: "baoyu-imagine" -type: concept -tags: [Claude Code, 图像生成, 多服务商, baoyu] -last_updated: 2026-04-15 ---- - -## Definition -baoyu-imagine：宝玉发布的 Claude Code 图像生成 Skill，支持 OpenAI、Azure OpenAI、Google、OpenRouter、DashScope（阿里通义万相）、MiniMax、即梦（Jimeng）、豆包（Seedream）、Replicate 共 9 家服务商，自动检测可用 API Key 并选择最优服务商。 - -## Supported Providers -| 服务商 | 主要模型 | 特色 | -|--------|---------|------| -| OpenAI | gpt-image-1.5 | 参考图支持 | -| Google | gemini-3-pro-image-preview | 高质量预览 | -| DashScope | qwen-image-2.0-pro | 21:9 横幅、中文排版 | -| MiniMax | image-01 / image-01-live | 参考图（subject_reference） | -| 即梦 | jimeng_t2i_v40 | 中文生成 | -| 豆包 | doubao-seedream-5.0 | 参考图（5.0/4.5/4.0） | -| Replicate | google/nano-banana-pro | 多服务商汇聚 | -| Azure OpenAI | 部署名（非模型名） | 企业用户 | -| OpenRouter | google/gemini-3.1-flash | 多模型聚合 | - -## Key Features -- 自动服务商选择（指定 --ref 时依次尝试 Google → OpenAI → ...） -- 参考图支持（Google/OpenAI/DashScope/MiniMax/Seedream） -- 批量模式：--batchfile + --jobs 并发生成 -- 自定义尺寸（--size）和宽高比（--ar） -- 2K 分辨率（--quality 2k） - -## Connections -- [[宝玉]] ← 作者 -- [[Claude-Code]] ← 运行时 -- [[baoyu-skills-claude-code技能集]] ← 所属 Skill 集 -- [[AI生成技能]] ← Skill 类别 diff --git a/wiki/concepts/baoyu-infographic.md b/wiki/concepts/baoyu-infographic.md deleted file mode 100644 index 1bc7d601..00000000 --- a/wiki/concepts/baoyu-infographic.md +++ /dev/null @@ -1,42 +0,0 @@ ---- -title: "baoyu-infographic" -type: concept -tags: [Claude Code, baoyu, 信息图, 内容生成] -last_updated: 2026-04-15 ---- - -## Definition -baoyu-infographic：宝玉发布的专业信息图生成 Skill，20 种信息布局 × 17 种视觉风格组合，分析内容后推荐最优布局×风格组合，生成可发布的专业信息图。 - -## Layouts（20种） -| 布局 | 适用场景 | -|------|---------| -| bridge | 问题→解决方案、跨越鸿沟 | -| circular-flow | 循环、周期性流程 | -| comparison-table | 多因素对比 | -| do-dont | 正确 vs 错误做法 | -| equation | 公式分解、输入→输出 | -| feature-list | 产品功能、要点列表 | -| fishbone | 根因分析、鱼骨图 | -| funnel | 转化漏斗、筛选过程 | -| grid-cards | 多主题概览、卡片网格 | -| iceberg | 表面 vs 隐藏层面 | -| journey-path | 用户旅程、里程碑 | -| layers-stack | 技术栈、分层结构 | -| mind-map | 头脑风暴、思维导图 | -| nested-circles | 影响层级、范围圈 | -| priority-quadrants | 四象限矩阵、优先级 | -| pyramid | 层级金字塔、马斯洛需求 | -| scale-balance | 利弊权衡、天平对比 | -| timeline-horizontal | 历史、时间线事件 | -| tree-hierarchy | 组织架构、分类树 | -| venn | 重叠概念、韦恩图 | - -## Styles（17种） -craft-handmade（默认）、claymation、kawaii、storybook-watercolor、chalkboard、cyberpunk-neon、bold-graphic、aged-academia、corporate-memphis、technical-schematic、origami、pixel-art、ui-wireframe、subway-map、ikea-manual、knolling、lego-brick - -## Connections -- [[宝玉]] ← 作者 -- [[Claude-Code]] ← 运行时 -- [[内容技能]] ← Skill 类别 -- [[baoyu-skills-claude-code技能集]] ← 所属 Skill 集 diff --git a/wiki/concepts/caffeinate.md b/wiki/concepts/caffeinate.md deleted file mode 100644 index 6778cfee..00000000 --- a/wiki/concepts/caffeinate.md +++ /dev/null @@ -1,33 +0,0 @@ ---- -title: "caffeinate" -type: concept -tags: [macos, power-management, cli, server] -date: 2026-03-15 ---- - -## Definition -caffeinate，macOS 内置工具，在指定命令执行期间临时阻止系统进入睡眠状态，不修改系统电源管理设置，执行完毕自动恢复睡眠行为。 - -## Key Commands -| 命令 | 作用 | -|------|------| -| `caffeinate -d` | 防止显示器睡眠 | -| `caffeinate -i` | 防止系统空闲时睡眠 | -| `caffeinate -s` | 防止系统睡眠 | -| `caffeinate -u` | 模拟用户活动（防止睡眠） | -| `caffeinate -d -i -s` | 全开，按 Ctrl+C 停止 | - -## Comparison with pmset -- **pmset**：永久修改系统电源管理设置，重启后保持 -- **caffeinate**：临时防止睡眠，进程结束即恢复，适合一次性任务 - -## Use Cases -- 执行备份、拷贝等长时间任务时临时防止睡眠 -- 远程 SSH 会话中保持系统活跃 - -## Related Concepts -- [[pmset]]：永久电源管理配置 -- [[WOL]]：配合 caffeinate 使用，长时任务后远程唤醒 - -## Source -[[Mac-Mini-服务器配置-防止自动锁屏与睡眠]] diff --git a/wiki/concepts/nvm.md b/wiki/concepts/nvm.md deleted file mode 100644 index ea284d5f..00000000 --- a/wiki/concepts/nvm.md +++ /dev/null @@ -1,21 +0,0 @@ ---- -title: "nvm" -type: concept -tags: [node, version-manager, ubuntu, installation] -last_updated: 2026-04-15 ---- - -## Definition -Node Version Manager，通过 curl -fsSL 安装，管理多个 Node.js 版本，解决系统包版本冲突问题。 - -## Core Mechanism -- 安装：curl -fsSL https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.7/install.sh | bash -- 环境变量：export NVM_DIR="$HOME/.nvm"，[ -s "$NVM_DIR/nvm.sh" ] && \. "$NVM_DIR/nvm.sh" -- 常用命令：nvm install 20 / nvm use 20 / nvm alias default 20 - -## Use Case -Ubuntu Server 安装 Node 20 以支持 Vibe-Kanban 和 OpenCode，避免系统包管理器版本过旧。 - -## Connections -- [[Node 20]] ← 版本 ← [[nvm]] -- [[Vibe-Kanban]] ← 依赖 ← [[nvm]] diff --git a/wiki/concepts/pm2.md b/wiki/concepts/pm2.md deleted file mode 100644 index d44cf95e..00000000 --- a/wiki/concepts/pm2.md +++ /dev/null @@ -1,24 +0,0 @@ ---- -title: "pm2" -type: concept -tags: [process-manager, node, ubuntu, vibe-coding] -last_updated: 2026-04-15 ---- - -## Definition -Node.js 进程管理器，提供进程守护、日志管理、开机自启功能，适合生产环境长期运行 Node 服务。 - -## Core Mechanism -- 安装：npm install -g pm2 -- 启动：pm2 start "command" --name -- 日志：pm2 logs -- 保存：pm2 save（保存当前进程列表） -- 开机自启：pm2 startup systemd -u --hp -- 进程列表：pm2 status - -## Use Case -管理 Ubuntu Server 上的 Vibe-Kanban Web UI 进程（PORT 9999），确保服务持续运行并开机自启。 - -## Connections -- [[pm2]] ← 管理 ← [[Vibe-Kanban]] -- [[OpenCode Executor]] ← spawn by ← [[Vibe-Kanban]] diff --git a/wiki/concepts/pmset.md b/wiki/concepts/pmset.md deleted file mode 100644 index d3fb9267..00000000 --- a/wiki/concepts/pmset.md +++ /dev/null @@ -1,35 +0,0 @@ ---- -title: "pmset" -type: concept -tags: [macos, power-management, cli, server] -date: 2026-03-15 ---- - -## Definition -pmset，macOS 系统电源管理命令行工具，用于查看和修改 Mac 的电源管理设置，包括睡眠、显示器休眠、待机模式、休眠模式和网络唤醒等行为。 - -## Key Commands -| 命令 | 作用 | 参数 | -|------|------|------| -| `pmset -a sleep 0` | 禁止系统睡眠 | `-a` 所有模式 | -| `pmset -a displaysleep 0` | 禁止显示器关闭 | `-a` 所有模式 | -| `pmset -a standby 0` | 禁止待机模式 | `-a` 所有模式 | -| `pmset -a hibernatemode 0` | 禁止休眠（内存→磁盘） | `-a` 所有模式 | -| `pmset -a womp 1` | 启用网络唤醒（WOL） | `-a` 所有模式 | -| `pmset -g` | 查看当前电源设置 | 全局状态 | - -## Parameters -- `-a`：所有电源模式（电池+电源适配器） -- `-b`：仅电池模式 -- `-c`：仅电源适配器模式 - -## Use Cases -- 无头服务器配置：关闭所有睡眠，确保 SSH/RustDesk 远程访问始终可用 -- WOL 远程开机：配合 `wakeonlan` 命令实现远程开机 - -## Related Concepts -- [[caffeinate]]：临时防止睡眠，不修改系统设置 -- [[WOL]]：Wake-on-LAN，pmset -a womp 1 是其前提条件 - -## Source -[[Mac-Mini-服务器配置-防止自动锁屏与睡眠]] diff --git a/wiki/concepts/rsync增量备份.md b/wiki/concepts/rsync增量备份.md deleted file mode 100644 index 7c2f52aa..00000000 --- a/wiki/concepts/rsync增量备份.md +++ /dev/null @@ -1,37 +0,0 @@ ---- -title: rsync增量备份 -type: concept -tags: [backup, rsync, ubuntu, nas, automation] ---- - -## Definition -rsync 增量备份是通过 rsync 工具将源目录的变化部分同步到目标目录的自动化数据保护方案，相比全量备份节省存储和带宽。 - -## Core Mechanism -- Delta-transfer 算法：只传输变化部分 -- -a：归档模式，保留权限、时间戳、符号链接等属性 -- -z：压缩传输，减少网络带宽占用 -- -R：相对路径，保持目录结构 -- --delete：目标端删除源端不存在的文件（保持镜像一致） - -## 防重入机制 -lockfile PID 文件 + kill -0 检测进程是否存活，防止备份任务重复执行。 - -## 防NAS掉线机制 -mountpoint -q 检查挂载点是否有效，NAS 掉线时自动中止备份，防止数据写入本地挂载点导致硬盘爆满。 - -## 应用场景 -Ubuntu 服务器数据备份到 Synology NAS，配合 Crontab 凌晨自动化执行。 - -## 关键参数 -| 参数 | 含义 | -|------|------| -| rsync -azR | 归档+压缩+相对路径 | -| --delete | 目标端同步删除 | -| timeo=900 | NFS 超时 90 秒 | -| _netdev | 等待网络设备就绪后再挂载 | - -## Connections -- [[Ubuntu服务器通过rsync实现日常增量备份]] — 完整实现指南 -- [[NFS永久挂载]] — 备份目标端挂载机制 -- [[lockfile防重入]] — 防重复执行机制 diff --git a/wiki/concepts/vLLM.md b/wiki/concepts/vLLM.md deleted file mode 100644 index 7dbdec6c..00000000 --- a/wiki/concepts/vLLM.md +++ /dev/null @@ -1,43 +0,0 @@ ---- -title: "vLLM" -type: concept -tags: [llm, inference-optimization, gpu] -last_updated: 2025-12-20 ---- - -## 基本信息 -- **全称**：Virtual Large Language Model -- **类型**：推理优化框架 -- **来源**：大模型相关术语和框架总结 -- **维护方**：vLLM 社区 - -## 定义 -vLLM 是开源项目，通过更好地利用 GPU 内存来加快大语言模型生成式 AI 应用的输出速度。 - -## 核心模块 - -### KV Cache -- K 和 V 是每个 token 向量化后通过线性变换得到的向量，用于注意力计算 -- KV Cache 保存历史 K/V，避免重复计算 -- 显存开销随上下文长度、层数、头数、维度线性增长 - -### PagedAttention -- 将 KV Cache 切分为固定大小的块（block） -- 页表式映射管理，类操作系统虚拟内存 -- 避免连续内存分配导致的碎片化和 OOM -- 支持多分支和重复前缀场景的 KV 块复用 - -### 连续批处理 -- 每个解码步骤（按 token 迭代）将活跃请求组装成一个批 -- 序列长度不同也能高效合批 -- GPU 基本满负载运转 -- 减少短任务被长任务阻塞的头阻塞 - -## 关联 -- [[LLM]] ← 优化对象 -- [[RAG]] ← 可结合使用 -- [[Embedding]] ← 向量化基础 - -## Aliases -- vLLM -- Virtual Large Language Model diff --git a/wiki/concepts/一人公司.md b/wiki/concepts/一人公司.md deleted file mode 100644 index a73f38d7..00000000 --- a/wiki/concepts/一人公司.md +++ /dev/null @@ -1,29 +0,0 @@ ---- -title: "一人公司" -type: concept -tags: [个人品牌, 商业变现] -sources: ["万字保姆级教程-90天跑通一人公司模式-2026-03-29.md", "普通人如何在AI时代赚钱.md"] -last_updated: 2026-04-15 ---- - -## Definition -一人公司是用最小杠杆撬动最大价值的商业模式，核心支点是个人优势。关键不是更努力地工作，而是更聪明地定位。 - -## Core Principles -- [[品味]]：AI 时代真正的护城河，能判断什么是真正好的 -- [[端到端]]：不做别人 AI 流水线上的零件，做从 idea 到 product 的完整闭环 -- [[死亡过滤器]]：每天问自己是否还愿意做这件事，筛选真正的热爱 - -## 90-Day Framework -1. 天才地带定位（第 1-30 天） -2. 底层能力挖掘（第 1-30 天） -3. Ikigai 四圈交集（第 31-45 天） -4. 数据验证赛道（第 46-60 天） -5. 产品漏斗设计（第 61-75 天） -6. 内容矩阵搭建（第 76-90 天） - -## Related Concepts -- [[Ikigai]]：核心定位框架 -- [[产品漏斗]]：四层产品体系 -- [[内容矩阵]]：内容生产策略 -- [[超级个体]]：一人公司的 AI 增强形态 diff --git a/wiki/concepts/上下文压缩.md b/wiki/concepts/上下文压缩.md deleted file mode 100644 index 154f0edc..00000000 --- a/wiki/concepts/上下文压缩.md +++ /dev/null @@ -1,45 +0,0 @@ ---- -title: "上下文压缩" -type: concept -tags: [ai, context-window, code-analysis, tool] ---- - -## 定义 -将大型代码库或长文本压缩为结构化摘要，以适配 AI 上下文窗口限制，同时最大化有效信息密度的技术。 - -## 解决的问题 -- AI 上下文窗口有限（4K-200K tokens），大型代码库超出限制 -- 原始代码包含大量 boilerplate（空行、注释、重复代码块） -- 上下文窗口消耗 → 每次交互成本上升 → 速度下降 - -## 主要方法 - -### CodeWeaver 方案 -将整个代码库编织为树形 Markdown： -- 目录结构 → 树形标题 -- 文件内容 → 代码块 -- 保留语言标注 - -### 语义摘要方案 -- LLM 提取关键函数/类/依赖关系 -- 生成模块关系图 -- 用自然语言描述系统行为 - -### 增量上下文方案 -- 只将当前任务相关文件送入上下文 -- 通过检索（RAG）从全代码库中召回相关片段 -- 每次交互动态构建上下文 - -## 在 Vibe Coding 中的作用 -[[vibe-coding经验收集]] 提及：CodeWeaver 将"屎山代码"编织为树形 Markdown，简化 AI 上下文注入，是 vibe coding 工程化的支撑工具之一。 - -## 与 RAG 的关系 -- RAG：从向量数据库检索相关文本片段 -- 上下文压缩：将检索结果进一步提炼为高密度信息 -- 两者结合：RAG → 压缩 → AI 处理 - -## Aliases -- Context Window Management -- Code Summarization -- AI Context Optimization -- 代码压缩 diff --git a/wiki/concepts/上下文固定.md b/wiki/concepts/上下文固定.md deleted file mode 100644 index 09c865cb..00000000 --- a/wiki/concepts/上下文固定.md +++ /dev/null @@ -1,30 +0,0 @@ ---- -title: "上下文固定" -type: concept -tags: [vibe-coding, context, AI, constraints] ---- - -## Definition -上下文固定（Context Anchoring）是 Vibe Coding 范式的第二原则：通过持久化文件（.cursorrules、SPEC.md、技术架构文档）维持 AI 跨对话的上下文一致性，防止 AI 在长对话中遗忘项目约束和设计决策。 - -## Problem It Solves -- AI 对话窗口有限：长对话后 AI 会丢失早期决策 -- AI 幻觉：缺少明确约束时，AI 会自行创造"合理"但错误的实现 -- 风格漂移：AI 在不同对话中可能给出风格不一致的代码 - -## Mechanisms -1. **.cursorrules**：Cursor IDE 项目级 AI 行为规则文件（如强制 Doc 注释） -2. **SPEC.md**：功能规格文档，作为 AI 每次对话的入口参考 -3. **TECH_STACK.md**：技术栈锁定，防止 AI 随意更换框架 -4. **STATE.yaml**：项目状态文件，多 Agent 协作时维护共同上下文 - -## Related Concepts -- [[Vibe Coding]]：上下文固定是 Vibe Coding 三要素之一 -- [[规划驱动]]：规划文档是上下文固定的基础 -- [[项目规则]]：.cursorrules 是上下文固定的具体实现 -- [[去中心化协调]]：STATE.yaml 是上下文固定在多 Agent 场景的延伸 - -## Aliases -- Context Anchoring -- 上下文锚定 -- 上下文维持 diff --git a/wiki/concepts/不动点-Fixed-Point.md b/wiki/concepts/不动点-Fixed-Point.md deleted file mode 100644 index ddd8ba73..00000000 --- a/wiki/concepts/不动点-Fixed-Point.md +++ /dev/null @@ -1,30 +0,0 @@ ---- -title: "不动点 (Fixed Point)" -type: concept -tags: [math, recursion, formalization, fixed-point] ---- - -## Definition -在递归自优化生成系统中，稳定生成能力定义为自映射 $\Phi$ 的不动点： -$$G^* \in \mathcal{G}, \quad \Phi(G^*) = G^*$$ - -## Core Insight -不动点生成器具有"自洽性"：它在自身的"生成→优化→更新"循环中保持不变。这意味着： -1. 该生成器的输出已经内含了改进所需的所有标准 -2. 继续迭代不再带来质变，系统达到"生成能力稳定"状态 - -## Mathematical Characterization -当 $\Phi$ 满足适当的连续性或收缩性条件时，不动点可通过迭代极限获得： -$$G^* = \lim_{n \to \infty} \Phi^n(G_0)$$ - -## Relationship to Self-Reference -不动点与自引用（self-reference）密切相关： -- 生成器通过不动点组合子 $Y$ 定义为：$G^* \equiv Y\;\text{STEP}$ -- 满足 $G^* = \text{STEP}\;G^*$，即"用自身定义自身" - -## Why It Matters -- 传统优化：搜索输出空间中的最优解（可能不存在或不稳定） -- 递归自优化：寻找生成器空间中的不动点（稳定的生成机制） - -## Source -- [[A Formalization of Recursive Self-Optimizing Generative Systems]] diff --git a/wiki/concepts/不动点组合子-Y-Combinator.md b/wiki/concepts/不动点组合子-Y-Combinator.md deleted file mode 100644 index 849f6127..00000000 --- a/wiki/concepts/不动点组合子-Y-Combinator.md +++ /dev/null @@ -1,32 +0,0 @@ ---- -title: "不动点组合子 (Y-Combinator)" -type: concept -tags: [lambda-calculus, recursion, computer-science, formalization] ---- - -## Definition -不动点组合子（fixed-point combinator）是 λ 演算中实现递归的经典构造。最常用的 Y 组合子定义为： -$$Y \equiv \lambda f.(\lambda x.f(x,x))(\lambda x.f(x,x))$$ - -## Core Insight -Y 组合子允许用匿名函数（lambda）表达递归：用"将函数作为参数传入自身"的方式，绕过匿名函数无法直接引用自身名字的限制。 - -## Application in Recursive Self-Optimizing Systems -在递归自优化生成系统中，Y 组合子用于形式化"用自身定义自身"的生成器： -$$G^* \equiv Y\;\text{STEP}$$ - -其中 $\text{STEP}$ 是单步更新函数： -$$\text{STEP} \equiv \lambda G.\;(M\;G)\big((O\;(G\;I));\Omega\big)$$ - -展开后： -$$Y\;\text{STEP} = \text{STEP}\;(Y\;\text{STEP})$$ - -这正是自引用不动点方程 $G^* = \Phi(G^*)$ 的 λ 演算实现。 - -## Why It Matters -- 传统编程：函数通过名字递归调用自己 -- λ 演算/Y 组合子：递归是函数的内在属性，不依赖名字 -- 自优化系统：生成器的"自我改进"能力通过不动点语义内化，无需外部引用 - -## Source -- [[A Formalization of Recursive Self-Optimizing Generative Systems]] diff --git a/wiki/concepts/个人知识库.md b/wiki/concepts/个人知识库.md deleted file mode 100644 index 952470cb..00000000 --- a/wiki/concepts/个人知识库.md +++ /dev/null @@ -1,32 +0,0 @@ ---- -title: "个人知识库" -type: concept -tags: [rag, memory, knowledge-management, agent] -last_updated: 2026-04-15 ---- - -## Summary -基于 RAG 的个人第二大脑系统：自动从任意 URL 摄取内容（文章/tweets/YouTube/PDF），向量嵌入存储，语义搜索返回 ranked 结果+来源引文。支持其他 agent 工作流查询。 - -## Architecture -``` -URL Drop → Content Fetch → Chunking → Embedding → Vector Store - ↓ -Query → Semantic Search → Ranked Results + Citations -``` - -## Key Properties -- 零摩擦摄入：Telegram/Slack 发 URL 即可 -- 语义搜索：自然语言查询，非关键词匹配 -- Source-grounding：每个回答附带原文引文 -- 主动供给：其他工作流可自动查询知识库 - -## Compared To -- [[NotebookLM]]：NotebookLM 侧重已有文档管理，本概念侧重实时 URL 摄入+语义搜索 -- [[双层记忆架构]]：本概念是外部知识管理，vs 双层记忆是 agent 自身经验积累 - -## Key Connections -- [[Personal Knowledge Base RAG]] ← 应用场景 -- [[RAG]] ← 技术基础 -- [[向量数据库]] ← 存储基础设施 -- [[Embedding]] ← 语义表示 diff --git a/wiki/concepts/个性化.md b/wiki/concepts/个性化.md deleted file mode 100644 index 5dfb1233..00000000 --- a/wiki/concepts/个性化.md +++ /dev/null @@ -1,23 +0,0 @@ ---- -id: 个性化 -title: "个性化" -type: concept -tags: [agentic-ai, ux, personalization] -last_updated: 2026-04-15 ---- - -## Definition -Agentic AI 设计原则之一：基于用户历史行为预测未来需求，主动提供个性化建议。 - -## Core Mechanism -- 历史行为学习：AI 观察并记忆用户习惯 -- 预测推理：基于历史模式预测下一步需求 -- 主动建议：在用户提出请求之前主动呈现 - -## Key Properties -- 减少摩擦：用户无需重复表达已知偏好 -- 惊喜价值：超出预期的主动服务建立情感连接 -- 可关闭：用户始终可以选择关闭个性化 - -## Sources -- [[Designing-for-Agentic-AI]] diff --git a/wiki/concepts/主体一致性.md b/wiki/concepts/主体一致性.md deleted file mode 100644 index 176ac10c..00000000 --- a/wiki/concepts/主体一致性.md +++ /dev/null @@ -1,30 +0,0 @@ ---- -title: 主体一致性 -type: concept -tags: [AI, 视频生成, 一致性] -last_updated: 2026-04-15 ---- - -## 定义 -主体一致性（Subject Consistency）是在视频生成过程中保持人物/角色外观一致性的技术能力。 - -## 核心机制 -- 参考图像输入：提供一张或多张参考图片定义主体外观 -- 外观编码：深度学习模型提取并编码主体视觉特征 -- 时序保持：在视频生成过程中持续应用外观编码，确保主体不变 - -## 技术挑战 -- 面部一致性：面部特征在连续帧中保持不变 -- 光影一致性：光照和阴影与主体材质匹配 -- 色调一致性：颜色风格在整个视频中统一 -- 多主体处理：多个角色同时保持各自一致性 - -## 典型实现 -- [[Vidu]]多主体参考：上传13张图像作为参考，面向任意主体保持一致 -- [[海螺AI]]主体参考：角色形象自动保持一致，从困惑到恐惧等细腻表情演绎 -- [[PixVerse]]角色一致性：识别并生成与人物相关的视频，保持角色一致性 - -## Connections -- [[主体一致性]] ← 属于 ← [[图生视频]] -- [[Vidu]] ← 实现 ← [[主体一致性]] -- [[海螺AI]] ← 实现 ← [[主体一致性]] diff --git a/wiki/concepts/产品工厂.md b/wiki/concepts/产品工厂.md deleted file mode 100644 index 810c609d..00000000 --- a/wiki/concepts/产品工厂.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -title: "产品工厂" -type: concept -tags: [agent, product, entrepreneurship, automation] -last_updated: 2026-04-15 ---- - -## Summary -市场研究到 MVP 构建的自动化管线：Last30Days 挖掘 Reddit/X 真实用户痛点 → ranked pain points → 选择痛点 → OpenClaw 构建 MVP → 用户验证。零技术要求，全流程通过对话完成。 - -## Pipeline -``` -Last30Days 研究 → 痛点排名 → 选择痛点 → OpenClaw 构建 MVP → 分享验证 -``` - -## Key Properties -- 真实数据驱动：用户帖子而非调查数据 -- 无需编码：OpenClaw 完成研究和构建 -- 每周定时研究保持市场洞察持续更新 -- 可从小痛点开始验证市场需求 - -## Key Connections -- [[Market Research Product Factory]] ← 应用场景 -- [[Last30Days]] ← 研究能力 -- [[Content Factory]] ← 共享研究基础设施 -- [[AI产品经理]] ← 能力要求 -- [[超级个体]] ← 适用人群 diff --git a/wiki/concepts/产品漏斗.md b/wiki/concepts/产品漏斗.md deleted file mode 100644 index ac0bf3ca..00000000 --- a/wiki/concepts/产品漏斗.md +++ /dev/null @@ -1,29 +0,0 @@ ---- -title: "产品漏斗" -type: concept -tags: [产品设计, 定价策略, 商业变现] -sources: ["万字保姆级教程-90天跑通一人公司模式-2026-03-29.md"] -last_updated: 2026-04-15 ---- - -## Definition -产品漏斗是个人产品体系的分层设计，通过价格锚定和信任递进，引导用户从免费引流到高价服务。 - -## Four Layers - -| 层级 | 产品形态 | 定价 | 用户心理 | -|------|----------|------|----------| -| 引流 | 行业趋势报告 PDF | 免费（换联系方式） | 看看无妨，或许有用 | -| 入门 | 写作自动流工具 | ¥199 | 这价格买个工具很划算 | -| 核心 | 6周实战特训营 | ¥4999 | 我要彻底解决这个问题 | -| 高价 | 企业陪跑咨询 1对1 | ¥20,000/月 | 我需要专家直接帮我做 | - -## Key Mechanisms -- [[价格锚定]]：高价咨询放顶部，让低价显得便宜 -- [[诱饵效应]]：三个选项（基础/标准/旗舰），用中间选项引导选择 -- 信任需要逐步建立，没有人一开始就买最贵的 - -## Related Concepts -- [[一人公司]]：产品漏斗是商业变现的落地层 -- [[价格锚定]]：定价心理机制 -- [[Ikigai]]：确定卖什么的定位框架 diff --git a/wiki/concepts/价格锚定.md b/wiki/concepts/价格锚定.md deleted file mode 100644 index 4547890c..00000000 --- a/wiki/concepts/价格锚定.md +++ /dev/null @@ -1,19 +0,0 @@ ---- -title: "价格锚定" -type: concept -tags: [定价策略, 心理学] -sources: ["万字保姆级教程-90天跑通一人公司模式-2026-03-29.md"] -last_updated: 2026-04-15 ---- - -## Definition -价格锚定是心理学定价策略：把高价选项放在最高处，让消费者觉得中间选项相对便宜，从而提高中间选项的购买率。 - -## Application in Product Funnel -- 高价咨询（¥20,000/月）放顶部 -- 入门产品（¥199）和核心产品（¥4999）显得便宜 -- 配合[[诱饵效应]]（三个选项：基础/标准/旗舰）引导用户选中间选项 - -## Related Concepts -- [[产品漏斗]]：价格锚定是产品漏斗的定价心理机制 -- [[一人公司]]：定价策略是商业变现的关键环节 diff --git a/wiki/concepts/任务-笔记一体化.md b/wiki/concepts/任务-笔记一体化.md deleted file mode 100644 index 89125129..00000000 --- a/wiki/concepts/任务-笔记一体化.md +++ /dev/null @@ -1,35 +0,0 @@ ---- -title: "任务-笔记一体化" -type: concept -tags: [obsidian, 任务管理, 笔记方法论] -sources: ["Obsidian Tasks 插件：最适合懒人的任务管理方式"] -last_updated: 2026-04-16 ---- - -## Definition -任务与笔记不是分离的两个系统，而是同一信息在不同维度的呈现——任务是需要行动的笔记片段，笔记是附带上下文的任务容器。 - -## Core Insight -传统工具（Notion/Todoist）将"任务"与"笔记"强制分离：任务在 Todoist，笔记在 Notion，两者来回切换产生认知摩擦。 - -任务-笔记一体化后： -- 任务天然携带上下文（研究某个主题的待办 → 直接在主题笔记里） -- 任务查询在笔记阅读时自然浮现（在同一界面） -- 复盘时任务与笔记内容同屏对照 - -## Implementation -- **工具层**：Obsidian Tasks 插件（`- [ ]` 语法 → 全局索引 → 条件筛选） -- **工作流层**：不再区分"开 Todoist 记录任务"和"开 Obsidian 记笔记" -- **思维层**：任务本质是"带截止日期和优先级的笔记段落" - -## Related Concepts -- [[深度工作]]：工具切换减少 → 认知负担降低 → 深度工作能力提升 -- [[知识管理]]：笔记是积累，任务是执行，一体化打通从知识到行动的闭环 - -## Related Entities -- [[Obsidian Tasks]]：实现工具 -- [[Obsidian]]：宿主平台 -- [[Dataview]]：同生态数据索引插件 - -## Sources -- [[Obsidian Tasks 插件：最适合懒人的任务管理方式]] diff --git a/wiki/concepts/任务自动聚合.md b/wiki/concepts/任务自动聚合.md deleted file mode 100644 index afb583b3..00000000 --- a/wiki/concepts/任务自动聚合.md +++ /dev/null @@ -1,29 +0,0 @@ ---- -id: task-auto-aggregation -title: 任务自动聚合 -type: concept -tags: [任务管理, 笔记管理] -sources: ["Dataview——让我从笔记黑洞里逃出来的Obsidian神器.md"] -last_updated: 2026-04-16 ---- - -## Definition -任务自动聚合 是指将散落在多个笔记文件中的待办事项（TODO）自动收集到单一视图的能力，解决"任务分散导致遗漏"的问题。 - -## Problem Solved -- 痛点：待办事项写在各处笔记，月底无法追踪完成情况 -- 解决：自动扫描所有笔记，聚合所有 `- [ ]` 任务到统一视图 - -## Mechanism -1. 扫描指定文件夹下所有 `.md` 文件 -2. 提取每个文件的待办任务（`- [ ]` 格式） -3. 按日期/项目/状态分类汇总 -4. 渲染为统一的任务看板视图 - -## Tool Example -- [[Dataview]]：`TASK FROM "" WHERE !completed` 查询所有未完成任务 - -## Connections -- [[Dataview]] ← 实现工具 -- [[笔记数据库]] ← 所属范畴（任务即结构化元数据的一种） -- [[Agentic-AI]] ← 相关（Agent 也需要理解任务状态并聚合执行） diff --git a/wiki/concepts/健康追踪.md b/wiki/concepts/健康追踪.md deleted file mode 100644 index 84a26747..00000000 --- a/wiki/concepts/健康追踪.md +++ /dev/null @@ -1,38 +0,0 @@ ---- -title: "健康追踪" -type: concept -tags: [health, automation, logging] -last_updated: 2026-04-16 ---- - -## Definition -通过持续记录食物、症状和行为数据，识别健康模式与潜在触发因素的系统性方法。 - -## Core Components -1. **输入层**：对话式 Telegram 消息 → 自动解析为结构化数据 -2. **存储层**：Markdown 日志文件（带时间戳） -3. **提醒层**：Cron 驱动的每日固定时间主动提醒 -4. **分析层**：周度模式分析 → 关联性识别 - -## Key Characteristics -- 对话式输入 vs App 式手动记录（摩擦最小化） -- 时间序列分析识别触发因素 -- 持续优化的个人知识库（已知触发因素记忆） - -## Related Concepts -- [[模式识别]]：数据分析层面的通用能力 -- [[定时晨报]]：Cron 驱动机制的另一个应用场景 - -## Example -``` -每日 3 次提醒： -- 8 AM：早餐记录 -- 1 PM：午餐记录 -- 7 PM：晚餐+症状记录 - -周日分析： -- 哪些食物与症状相关？ -- 时间段规律？ -- 明确触发因素？ -``` - diff --git a/wiki/concepts/元生成器-Meta-Generator.md b/wiki/concepts/元生成器-Meta-Generator.md deleted file mode 100644 index c1d3c6b3..00000000 --- a/wiki/concepts/元生成器-Meta-Generator.md +++ /dev/null @@ -1,32 +0,0 @@ ---- -title: "元生成器 (Meta-Generator)" -type: concept -tags: [ai, recursion, meta-learning, formalization] ---- - -## Definition -元生成器（meta-generator）是递归自优化系统三算子之一，形式化定义为： -$$M: \mathcal{G} \times \mathcal{P} \to \mathcal{G}$$ - -即：接收"当前生成器 $G$"和"优化后的产物 $P^*$"，输出"更新后的新生成器 $G'$"。 - -## Core Insight -元生成器是递归自优化系统区别于普通优化方法的关键：它不是直接输出最优解，而是输出"更好的生成器"。这使得系统具备自我改进能力。 - -## Role in the Loop -在递归自优化循环中，元生成器承担"学习"功能： -1. 生成器 $G$ 产生输出 $P$ -2. 优化器 $O$ 对 $P$ 进行评价和优化得到 $P^*$ -3. 元生成器 $M$ 分析 $P^*$ 与 $G$ 的关系，输出改进后的 $G'$ - -## Why It Matters -- 单次优化：$O$ 产生更好的输出 $P^*$ -- 递归自优化：$M$ 产生更好的生成器 $G'$，使其后续能持续产生更好的输出 - -## Relationship to Other Concepts -- [[递归自优化循环]]：元生成器是循环的第三步（更新） -- [[Bootstrap（自举）]]：元生成器的输出反过来作为输入，实现自引用 -- [[生成器空间 (Generator Space)]]：元生成器的输出空间仍是 $\mathcal{G}$，是自映射 $\Phi$ 的核心组成 - -## Source -- [[A Formalization of Recursive Self-Optimizing Generative Systems]] diff --git a/wiki/concepts/共享内存模式.md b/wiki/concepts/共享内存模式.md deleted file mode 100644 index 1ce482b3..00000000 --- a/wiki/concepts/共享内存模式.md +++ /dev/null @@ -1,31 +0,0 @@ ---- -title: "共享内存模式" -type: concept -tags: [multi-agent, memory, collaboration, shared-context] -sources: [Agent-usecases-multi-Agent-Team] -last_updated: 2026-04-15 ---- - -## Definition -多 Agent 系统中，共享内存（Shared Memory）机制让多个 Agent 访问共同的上下文文件，同时每个 Agent 保留私有记忆空间，实现"共同上下文 + 专业积累"的组合。 - -## 架构 -``` -team/ -├── GOALS.md # 当前 OKR 和优先级（所有 Agent 读取） -├── DECISIONS.md # 关键决策日志（追加写入） -├── PROJECT_STATUS.md # 项目状态（所有 Agent 更新） -└── agents/ - ├── milo/ # Milo 私有上下文和笔记 - ├── josh/ # Josh 私有上下文 - ├── marketing/ # 营销 Agent 研究笔记 - └── dev/ # 开发 Agent 技术笔记 -``` - -## 核心原则 -- 共享文件：所有 Agent 可读写，存储共同目标、决策、项目状态 -- 私有文件：单个 Agent 独占，积累领域专业知识和上下文 - -## Connections -- [[Multi-Agent Hierarchy]] ← 团队架构 -- [[Workspace]] ← 类似分区思想 diff --git a/wiki/concepts/共享责任模型.md b/wiki/concepts/共享责任模型.md deleted file mode 100644 index 17bb6492..00000000 --- a/wiki/concepts/共享责任模型.md +++ /dev/null @@ -1,32 +0,0 @@ ---- -title: "共享责任模型" -type: concept -tags: [Cloud, 安全, 合规] -last_updated: 2026-04-16 ---- - -## 定义 -Shared Responsibility Model：云环境下云服务商与客户之间对安全、合规、运维等责任的划分模型。无论采用何种云部署模式，责任均由双方共同承担。 - -## 责任划分原则 -- **云服务商**负责：底层基础设施的物理安全、硬件维护、网络基础设施的可用性和弹性 -- **客户（组织）负责**：访问控制与身份管理、数据安全与加密、灾难恢复规划、应用程序层安全、合规性 - -## 不同部署模式的差异 -| 责任领域 | 公有云 | 私有云 | 混合云 | -|---------|--------|--------|--------| -| 物理安全 | 云厂商 | 组织/厂商 | 混合 | -| 网络基础设施 | 云厂商 | 组织/厂商 | 混合 | -| 访问控制 | 客户 | 客户 | 客户（跨云） | -| 数据加密 | 客户 | 客户 | 客户 | -| 灾难恢复 | 客户 | 客户 | 客户（跨云设计） | - -## 关键误解 -- 误以为使用 SaaS 应用后所有安全问题由服务商负责 -- 实际上客户仍需负责：谁有访问权限、数据如何被使用、是否符合合规要求 - -## Connections -- [[公有云]] ← 共享责任模型的核心框架 -- [[私有云]] ← 责任划分偏向组织内部 -- [[混合云]] ← 跨云环境的共享责任复杂性更高 -- [[灾难恢复]] ← 属于客户责任，云厂商提供工具但规划由客户负责 diff --git a/wiki/concepts/内容创意密度.md b/wiki/concepts/内容创意密度.md deleted file mode 100644 index 3daa1170..00000000 --- a/wiki/concepts/内容创意密度.md +++ /dev/null @@ -1,51 +0,0 @@ ---- -title: "内容创意密度" -type: concept -tags: [idea-density, content, performance, excitement] ---- - -# 内容创意密度（Idea Density） - -衡量内容质量的复合指标 = Performance（受众关注度）× Excitement（个人热情）。 - -## 核心公式 - -``` -Idea Density = Performance × Excitement -``` - -## 维度定义 - -| 维度 | 定义 | 衡量方式 | -|------|------|----------| -| Performance | 创意"成功"的潜力，对他人的有用程度 | 点赞/浏览/互动/分享 | -| Excitement | 对创作的热情程度，自己的关心程度 | 不写下来就觉得浪费 | - -## 为什么需要双维度 - -- 仅看 Performance：可能导致迎合算法而失去真实自我 -- 仅看 Excitement：可能导致自嗨而无人关注 -- 两者相乘：确保内容既对他人有价值又保持个人热情 - -## 实践应用 - -### 判断内容是否值得创作 -1. 这个想法是否能引起受众关注？（Performance） -2. 这个想法是否让我感到兴奋必须写下来？（Excitement） -3. 两者皆高 = 高创意密度内容 - -### 创意密度与品牌建设 -- 创意密度随时间和努力不断提高 -- 高创意密度内容创造值得追随和付费的品牌 - -## 典型案例 - -Dan Koe 的 Newsletter： -- 每篇文章都经过 Performance × Excitement 双重筛选 -- 创意密度足够高，人们忍不住打开邮件、开启帖子通知、分享想法 - -## 相关概念 - -- [[创意博物馆]]：积累高创意密度素材的地方 -- [[内容矩阵]]：创意密度的下游应用 -- [[反向金字塔]]：高创意密度内容的一次制作多次分发 \ No newline at end of file diff --git a/wiki/concepts/内容工厂.md b/wiki/concepts/内容工厂.md deleted file mode 100644 index ddfcd2f6..00000000 --- a/wiki/concepts/内容工厂.md +++ /dev/null @@ -1,29 +0,0 @@ ---- -title: "内容工厂" -type: concept -tags: [agent, content, workflow, automation] -last_updated: 2026-04-15 ---- - -## Summary -多 agent 链式协作的内容创作管线：Research Agent 扫描趋势 → Writing Agent 生成脚本 → Thumbnail Agent 生成配图，全流程定时自动执行，结果输出到 Discord channel 供人工 review。 - -## Architecture -``` -Research Agent → [趋势报告] → Writing Agent → [脚本/文章] → Thumbnail Agent → [配图] - ↓ ↓ ↓ - #research #scripts #thumbnails -``` - -## Key Properties -- 链式 agent：前序输出自动喂给后序 -- 平台无关：可适配 tweets/newsletter/LinkedIn/posts/podcast/blog -- 定时执行：每日 8AM 自动运行 -- 本地模型（Nano Banana）降低图像生成成本 - -## Key Connections -- [[Content Factory]] ← 应用场景 -- [[Market Research Product Factory]] ← 共享研究基础设施 -- [[Last30Days]] ← Research Agent 数据来源 -- [[baoyu-imagine]] ← 图像生成能力 -- [[Discord 集成]] ← 输出 channel diff --git a/wiki/concepts/内容技能.md b/wiki/concepts/内容技能.md deleted file mode 100644 index c6265b34..00000000 --- a/wiki/concepts/内容技能.md +++ /dev/null @@ -1,31 +0,0 @@ ---- -title: "内容技能" -type: concept -tags: [Claude Code, 内容生成, baoyu, 工具技能] -last_updated: 2026-04-15 ---- - -## Definition -内容技能（Content Skills）：baoyu-skills 中负责内容生成和发布的 Skill 子类，覆盖从小红书信息图到微信公众号发布的完整内容创作链路。 - -## Skill Map -| Skill | 功能 | 核心维度 | -|-------|------|---------| -| [[baoyu-xhs-images]] | 小红书信息图 | 风格(9) × 布局(6) | -| [[baoyu-infographic]] | 专业信息图 | 布局(20) × 风格(17) | -| [[baoyu-cover-image]] | 文章封面图 | 类型(6) × 配色(9) × 渲染(6) × 文字(5) × 氛围(3) | -| [[baoyu-slide-deck]] | 幻灯片生成 | 纹理 × 氛围 × 字体 × 密度（4 维度，16 预设） | -| [[baoyu-comic]] | 知识漫画 | 画风(5) × 基调(8)，3 个预设（ohmsha/wuxia/shoujo） | -| [[baoyu-article-illustrator]] | 文章插图 | 类型(6) × 风格(8) | -| baoyu-post-to-x | X (Twitter) 发布 | 文字/图片帖子 / X 文章（Markdown） | -| baoyu-post-to-wechat | 微信公众号发布 | 贴图模式 / 文章模式（Markdown/HTML） | -| baoyu-post-to-weibo | 微博发布 | 文字+图片视频 / 头条文章 | - -## Design Pattern -内容技能 = 风格预设系统 + 布局/维度系统 + 质量预设，通过参数组合实现高度定制化，同时保持零配置即装即用的可用性。 - -## Connections -- [[baoyu-skills-claude-code技能集]] ← 所属 Skill 集 -- [[宝玉]] ← 开发者 -- [[Claude-Code]] ← 运行时 -- [[AI技能封装]] ← 方法论基础 diff --git a/wiki/concepts/内容矩阵.md b/wiki/concepts/内容矩阵.md deleted file mode 100644 index f29295f2..00000000 --- a/wiki/concepts/内容矩阵.md +++ /dev/null @@ -1,28 +0,0 @@ ---- -title: "内容矩阵" -type: concept -tags: [内容营销, 个人品牌] -sources: ["万字保姆级教程-90天跑通一人公司模式-2026-03-29.md"] -last_updated: 2026-04-15 ---- - -## Definition -内容矩阵是内容生产的二维规划框架，横轴是核心主题，纵轴是内容形式，两者交叉形成内容日曆。 - -## Framework - -| | 观察类 | 反直觉类 | 操作指南类 | 个人故事类 | 清单类 | -|---|---|---|---|---|---| -| 主题 A | | | | | | -| 主题 B | | | | | | -| 主题 C | | | | | | - -## 反向金字塔策略 -一次长形式内容，切成无数微内容，一次制作百次分发。 - -## Build in Public -公开构建过程，建立信任。AI 泛滥下，活人感更重要。 - -## Related Concepts -- [[一人公司]]：内容矩阵是获客和建立信任的工具 -- [[反向金字塔]]：内容分发策略 diff --git a/wiki/concepts/写作量统计.md b/wiki/concepts/写作量统计.md deleted file mode 100644 index 2862e6fc..00000000 --- a/wiki/concepts/写作量统计.md +++ /dev/null @@ -1,24 +0,0 @@ ---- -id: writing-metrics -title: 写作量统计 -type: concept -tags: [笔记管理, 量化分析] -sources: ["Dataview——让我从笔记黑洞里逃出来的Obsidian神器.md"] -last_updated: 2026-04-16 ---- - -## Definition -写作量统计 是指量化记录每日/每周/每月的笔记产出（篇数、字数、字符数），帮助写作者追踪写作习惯和进度。 - -## Metrics Tracked -- **篇数**：新建笔记数量 -- **字数**：每日/每周/每月总字符数 -- **任务完成数**：已完成的待办事项数量 -- **标签分布**：各主题标签下的笔记数量 - -## Tool Example -- [[Dataview]]：通过 `file.ctime`（创建时间）和 `length(file.text)`（文本长度）实现统计 - -## Connections -- [[Dataview]] ← 实现工具 -- [[笔记数据库]] ← 所属范畴 diff --git a/wiki/concepts/分批执行.md b/wiki/concepts/分批执行.md deleted file mode 100644 index be1b9dc1..00000000 --- a/wiki/concepts/分批执行.md +++ /dev/null @@ -1,32 +0,0 @@ ---- -id: 分批执行 -title: "分批执行" -type: concept -tags: [automation, batch, cron] -last_updated: 2026-04-15 ---- - -## Definition -将大规模任务拆解为多个小批次执行，降低单次执行风险，支持定时自动化。 - -## Core Mechanism -- 任务拆分：按目录/时间/类型将大任务划分为 N 个批次 -- 定时执行：每批次独立运行，支持 Cron 定时调度 -- 独立报告：每批次完成后单独生成执行报告 - -## Key Properties -- 风险隔离：单批次失败不影响其他批次 -- 资源控制：避免一次性处理大量文件导致系统过载 -- 可观测：每批次报告清晰记录进度和结果 - -## Application -- 28 万张照片按 68 个设备目录拆为 8 批次 -- 每天凌晨 0 点自动执行一批 -- Telegram 推送每批次执行 Summary 报告 - -## Related Concepts -- [[安全删除]]：分批执行配套风险控制机制 -- [[精确去重]]：分批执行的主要应用场景 - -## Sources -- [[养虾日记1-OpenClaw照片整理实战]] diff --git a/wiki/concepts/创意博物馆.md b/wiki/concepts/创意博物馆.md deleted file mode 100644 index 8751f5da..00000000 --- a/wiki/concepts/创意博物馆.md +++ /dev/null @@ -1,68 +0,0 @@ ---- -title: "创意博物馆" -type: concept -tags: [idea-museum, content, curation, generalist] ---- - -# 创意博物馆（Idea Museum） - -创作者积累高密度创意（Idea Density）的素材库，通过 ruthless curation 筛选值得关注的灵感来源。 - -## 核心定义 - -创意博物馆 = 随时记录有用想法的地方，通过长期积累形成可复用的创作素材库。 - -## 核心指标：创意密度（Idea Density） - -``` -Idea Density = Performance × Excitement -``` - -| 维度 | 定义 | 衡量方式 | -|------|------|----------| -| Performance | 创意"成功"的潜力 | 点赞/浏览/互动 | -| Excitement | 对创作的热情程度 | 不写下来就觉得浪费 | - -## 建立步骤 - -### Step 1：建立 Idea Museum -- 使用 Eden/Apple Notes/Notion/任何工具 -- 随时记录想法，不拘格式 -- 习惯 > 格式 - -### Step 2：Curate 基于创意密度 -- 发现 3-5 个高密度信息源 -- **老书或鲜为人知的书籍**：永恒原则，不受潮流影响 -- **精选博客/账号**：Farnam Street（Navalism 等） -- **重量级社交账号**：少数持续产出高质量想法的账号 - -### Step 3：用 1000 种方式写 1 个想法 -- 同一想法可用不同结构表达 -- list 结构、observation 结构、对比结构等 -- 练习 3 ideas × 3 structures = 9 种表达方式 - -## 与内容矩阵的关系 - -| 概念 | 定位 | 关系 | -|------|------|------| -| 创意博物馆 | 输入端（素材积累） | 上游 | -| 内容矩阵 | 输出端（分发策略） | 下游 | - -创意博物馆的内容经结构化后，通过内容矩阵分发到不同平台。 - -## 实践工具 - -- **Eden**（https://eden.so/）：Dan Koe 开发的创意博物馆软件 -- **Apple Notes**：简单易用 -- **Notion**：结构化整理 -- **Obsidian**：双向链接，支持 Graph View 发现创意关联 - -## 相关人物 - -- [[Dan Koe]]：创意博物馆概念的倡导者 - -## 相关概念 - -- [[内容创意密度]]：Idea Density 的量化框架 -- [[内容矩阵]]：创意博物馆的下游，内容的分发策略 -- [[反向金字塔]]：创意一次制作多次分发的策略 \ No newline at end of file diff --git a/wiki/concepts/去中心化协调.md b/wiki/concepts/去中心化协调.md deleted file mode 100644 index a8f42c78..00000000 --- a/wiki/concepts/去中心化协调.md +++ /dev/null @@ -1,29 +0,0 @@ ---- -title: "去中心化协调" -type: concept -tags: [multi-agent, coordination, architecture] -last_updated: 2026-04-15 ---- - -## Summary -多 agent 系统中无中央 orchestrator，各 agent 通过共享状态文件自主协调的架构模式。与中央协调模式相对，优势在于无单点瓶颈、高扩展性、高韧性。 - -## Key Properties -- 无中央 orchestrator，各 agent 自主读写共享状态 -- 状态文件（如 [[STATE.yaml]]）作为协调媒介 -- Agent 间无需直接通信，降低耦合 -- 失败隔离：一个 agent 崩溃不影响其他 agent - -## Trade-offs -| 维度 | 去中心化协调 | 中央 orchestrator | -|------|------------|----------------| -| 扩展性 | 高（线性扩展） | 低（主节点瓶颈） | -| 全局控制 | 弱 | 强 | -| 失败韧性 | 高 | 低（单点故障） | -| 实现复杂度 | 中（需状态管理） | 低（结构简单） | - -## Key Connections -- [[Autonomous Project Management]] ← 应用场景 -- [[STATE.yaml]] ← 协调媒介 -- [[Multi-Agent Hierarchy]] ← 对比：层级协调 -- [[Multi-Agent Consensus]] ← 对比：共识协调 diff --git a/wiki/concepts/双AI-Review.md b/wiki/concepts/双AI-Review.md deleted file mode 100644 index 1788b535..00000000 --- a/wiki/concepts/双AI-Review.md +++ /dev/null @@ -1,45 +0,0 @@ ---- -title: "双AI-Review" -type: concept -tags: [vibe-coding, ai-review, code-quality, workflow] ---- - -## 定义 -使用两个不同 AI 实例进行生成 + review 分离的工作模式：第一个 AI 负责生成代码，第二个 AI 负责审查意见，人工决策是否采纳。 - -## 工作流 - -``` -AI #1 生成代码 - ↓ -AI #2 review（提供具体修改意见） - ↓ -根据 review 意见人工判断 - ↓ -采纳则修改，不采纳则记录原因 - ↓ -执行测试 → commit → push -``` - -## 核心价值 -- 生成 AI 和 review AI 职责分离，避免自我辩护（self-justification） -- 第二个 AI 的"距离感"能发现生成者的盲区 -- 人工最终决策权保留，防止 AI 错误累积 - -## 适用场景 -- 关键业务代码（支付/安全/核心算法） -- 首次生成的陌生模块 -- 多文件协同修改 - -## 与传统 code review 的比较 -- 传统：人写代码 → 人 review → 人修改 -- 双 AI：AI 写代码 → AI review → 人决策 → AI 修改 - -## 与 Single AI 的比较 -- Single AI：生成即 self-review，AI 无法发现自身错误（hallucination blindness） -- 双 AI：生成与 review 由不同实例承担，独立视角 - -## Aliases -- Dual AI Review -- AI Pair Programming -- 生成-审查分离 diff --git a/wiki/concepts/双层记忆架构.md b/wiki/concepts/双层记忆架构.md deleted file mode 100644 index c3b77bd7..00000000 --- a/wiki/concepts/双层记忆架构.md +++ /dev/null @@ -1,36 +0,0 @@ ---- -title: "双层记忆架构" -type: concept -tags: [openclaw, memory, agent, long-term, short-term] -last_updated: 2026-04-15 ---- - -## Definition -OpenClaw Agent 的记忆体系，由短期记忆层、长期记忆层和 self-improving 层三层构成，各司其职实现上下文连续性和持续进化。 - -## 三层架构 - -### 短期记忆层 -- 媒介：memory/YYYY-MM-DD.md 每日文件 -- 职责：保存当天对话记录、操作、遇到的问题、未完成事项 -- 触发：每次 Session 启动时检查并创建当天文件（修复无对话日记忆断层问题） - -### 长期记忆层 -- 媒介：memory-lancedb-pro（基于 LanceDB 的向量数据库） -- 职责：重要的决策、用户偏好、反复使用的流程，通过语义搜索找回 -- 机制：hybrid retrieval（向量 + BM25），Weibull 衰减 - -### Self-Improving 层 -- 媒介：LEARNINGS.md / ERRORS.md -- 职责：每次踩坑都记录，Pattern-Key 追踪重复，Recurrence-Count 量化系统性 -- 触发：每日 23:00 定时复盘 - -## 分工原则 -- 每日文件：管上下文（接上昨天的工作） -- 向量数据库：管知识（语义搜索） -- self-improving：管成长（错误不重复） - -## Connections -- [[Self-Improving Skill]] ← 成长层 ← [[双层记忆架构]] -- [[memory-lancedb-pro]] ← 长期层 ← [[双层记忆架构]] -- [[记忆断层]] ← 问题 ← [[双层记忆架构]] diff --git a/wiki/concepts/反向代理.md b/wiki/concepts/反向代理.md deleted file mode 100644 index 88c729c4..00000000 --- a/wiki/concepts/反向代理.md +++ /dev/null @@ -1,42 +0,0 @@ ---- -title: "反向代理" -type: concept -tags: [networking, infrastructure, caddy, nginx] ---- - -## 定义 -反向代理位于客户端和后端服务器之间，客户端请求先到达反向代理服务器，由反向代理服务器转发请求到内部网络的后端真实服务器。 - -## 核心功能 -- **隐藏后端结构**：客户端只知道反向代理地址，不知道内部服务器 IP -- **SSL/TLS 终止**：反向代理统一处理 HTTPS，加密解密在内网外完成 -- **负载均衡**：将请求分发到多台后端服务器 -- **自动 HTTPS**：Caddy 等工具可自动申请和续期 SSL 证书 - -## 在家庭基础设施中的应用 - -### Caddy（VPS1） -Caddy 作为 *.ishenwei.online 的 HTTPS 反向代理： -- 自动申请 Let's Encrypt 证书 -- 根据域名路由到对应的 FRP 映射端口 - -### nginx-proxy-manager（Ubuntu1） -Ubuntu1 上的反向代理管理界面，支持 Web UI 管理域名和 SSL 证书。 - -## 与 FRP 的关系 -- [[FRP内网穿透]] 负责将内网端口映射到公网 VPS 端口 -- 反向代理建立在 FRP 映射的端口上，提供 HTTPS 层 -- FRP 负责 L4（TCP）层穿透，反向代理负责 L7（HTTP/HTTPS）层路由 - -## Caddy vs nginx -| 特性 | Caddy | nginx | -|------|-------|-------| -| 自动 HTTPS | ✅ | ❌（需手动配置） | -| 配置文件语法 | 简洁 | 复杂 | -| Web 管理界面 | 无（原生） | nginx-proxy-manager 可提供 | - -## Aliases -- Reverse Proxy -- Caddy -- nginx-proxy-manager -- HTTPS 反向代理 diff --git a/wiki/concepts/反向金字塔.md b/wiki/concepts/反向金字塔.md deleted file mode 100644 index f51d8798..00000000 --- a/wiki/concepts/反向金字塔.md +++ /dev/null @@ -1,20 +0,0 @@ ---- -title: "反向金字塔" -type: concept -tags: [内容营销, 分发策略] -sources: ["万字保姆级教程-90天跑通一人公司模式-2026-03-29.md"] -last_updated: 2026-04-15 ---- - -## Definition -反向金字塔是一种内容分发策略：制作一次长形式内容，然后切成无数微内容，一次制作、百次分发。 - -## Why It Works -- 长内容生产成本高，微内容生产成本低 -- 一次深度输出可以拆出 10-50 条微内容 -- 同一核心观点在不同平台、用不同形式反复触达 - -## Related Concepts -- [[内容矩阵]]：反向金字塔是内容矩阵的分发执行策略 -- [[一人公司]]：内容是建立信任和触达客户的工具 -- [[Build in Public]]：公开构建过程增强信任 diff --git a/wiki/concepts/变量注入.md b/wiki/concepts/变量注入.md deleted file mode 100644 index f08d6baf..00000000 --- a/wiki/concepts/变量注入.md +++ /dev/null @@ -1,30 +0,0 @@ ---- -title: "变量注入" -type: concept -tags: [prompt-engineering, ai-tools] -date: 2026-04-16 ---- - -## Definition -变量注入（Variable Injection）是在提示词模板中插入动态占位符（如 `{{variable_name}}`），运行时替换为具体内容的技术机制，实现一次模板生成、多次自定义使用。 - -## Core Properties -- 符号形式：`{{topic}}`、`{input}`、`$variable` 等多种约定 -- 目的：提示词模板复用，避免为每项任务重写提示词 -- 上下文注入：将具体任务内容注入模板，保持模板结构稳定 - -## Usage Patterns -1. 模板定义：固定结构 + 变量槽位 -2. 运行时填充：用户或系统代入实际内容 -3. 链式传递：变量输出作为下游步骤的输入 -4. 类型约束：部分系统支持变量类型声明（字符串/列表/数字） - -## Examples -- [[Never-write-another-prompt]]：工具支持在生成提示词中使用变量实现定制化 -- [[Nano Banana结构化提示词框架]]：9 层结构中可嵌入变量实现多场景复用 -- [[Agent Skill 设计模式]]：Generator 模式通过填空流程强制一致输出，变量是关键机制 - -## Related Concepts -- [[提示词库]]：变量注入是提示词库模板的核心技术基础 -- [[Prompt工程]]：变量注入是高级 Prompt 工程的常用技术 -- [[Generator]]（Agent Skill 模式）：通过填空流程实现强制一致输出 diff --git a/wiki/concepts/可观测性.md b/wiki/concepts/可观测性.md deleted file mode 100644 index 875718bf..00000000 --- a/wiki/concepts/可观测性.md +++ /dev/null @@ -1,24 +0,0 @@ ---- -title: 可观测性 -type: concept -tags: [monitoring, SRE, infrastructure] -sources: [] -last_updated: 2026-04-15 ---- - -## 定义 -系统外部可推断其内部状态的能力。包含三大支柱：Metrics（指标）、Logs（日志）、Traces（链路追踪）。 - -## 核心组成 -- **Metrics**：Prometheus 采集的数值型时序数据，如 CPU 使用率、请求延迟 -- **Logs**：事件发生的文本记录，如应用错误日志 -- **Traces**：请求在分布式系统中的完整调用链路，如 OpenTelemetry - -## 工具链 -- Metrics：[[Prometheus]] + [[Grafana]] -- Logs：[[Loki]] + Promtail + Grafana -- Traces：Jaeger/Zipkin + Grafana Tempo - -## 在 Wiki 中的角色 -- [[家庭监控方案 Prometheus + Grafana + Node Exporter + cAdvisor + Blackbox]] 覆盖 Metrics 和部分合成监测 -- 扩展路径：加 Loki + Promtail 补全日志覆盖 diff --git a/wiki/concepts/合成监测.md b/wiki/concepts/合成监测.md deleted file mode 100644 index 8ce76eaf..00000000 --- a/wiki/concepts/合成监测.md +++ /dev/null @@ -1,35 +0,0 @@ ---- -title: 合成监测 -type: concept -tags: [monitoring, uptime, availability] -sources: [] -last_updated: 2026-04-15 ---- - -## 定义 -Synthetic Monitoring，通过主动发起探测请求（HTTP/TCP/DNS/TLS）模拟用户行为，检测服务可用性和性能。与 Real User Monitoring（RUM）相对。 - -## 核心指标 -- **probe_success**：探测是否成功（0/1） -- **probe_duration_seconds**：探测响应时间 -- **probe_http_status_code**：HTTP 响应码 -- **probe_ssl_earliest_cert_expiry**：TLS 证书到期时间戳 - -## 工具对比 -| 工具 | 类型 | 特点 | -|-----|------|-----| -| [[blackbox_exporter]] | Prometheus 生态 | 细粒度 PromQL 指标，适合内嵌 Grafana | -| [[Uptime Kuma]] | 独立开源 | 友好 UI，适合外网监控 | - -## 在 Wiki 中的角色 -- [[家庭监控方案 Prometheus + Grafana + Node Exporter + cAdvisor + Blackbox]] 中通过 blackbox_exporter 实现内外网 HTTP/TCP/TLS 探测 -- 监控目标：https://pq2435887bh.vicp.fun、http://shenwei-nas.vip.cpolar.cn、https://transmission.vip.cpolar.cn - -## 告警规则 -```promql -# 站点不可达（连续2分钟） -probe_success == 0 for 2m - -# TLS证书14天内到期 -probe_ssl_earliest_cert_expiry - time() < 86400 * 14 -``` diff --git a/wiki/concepts/向量数据库.md b/wiki/concepts/向量数据库.md deleted file mode 100644 index 002f5b21..00000000 --- a/wiki/concepts/向量数据库.md +++ /dev/null @@ -1,32 +0,0 @@ ---- -title: "向量数据库" -type: concept -tags: [vector-database, rag, embedding] -sources: ["RAG从入门到精通系列1：基础RAG"] -last_updated: 2026-04-15 ---- - -## Definition -专门用于存储和检索高维 Embedding Vector 的数据库，支持多种相似度衡量方法，实现高效的语义检索。 - -## Core Functions -- 存储 Embedding Vector 及关联元数据 -- 实现相似度检索（余弦相似度、点积、欧氏距离等） -- 支持 Top-k 检索（返回最相似的 k 个结果） - -## Popular Solutions -| 数据库 | 特点 | -|--------|------| -| Qdrant | Rust 编写，开源，高性能 | -| Pinecone | 云原生托管服务 | -| Chroma | 轻量级，适合本地开发 | -| Milvus | Apache 许可，开源 | -| Weaviate | 混合搜索（向量+关键词） | - -## Related Concepts -- [[Embedding]]：向量数据库存储的对象 -- [[RAG]]：向量数据库的主要应用场景 -- [[Retrieval]]：向量数据库的核心能力 - -## Sources -- [[RAG从入门到精通系列1：基础RAG]] diff --git a/wiki/concepts/向量检索.md b/wiki/concepts/向量检索.md deleted file mode 100644 index 2dee3f72..00000000 --- a/wiki/concepts/向量检索.md +++ /dev/null @@ -1,36 +0,0 @@ ---- -id: vector-search -title: 向量检索 -type: concept -tags: [信息检索, 向量数据库] -sources: ["RAG从入门到精通系列1：基础RAG.md"] -last_updated: 2026-04-16 ---- - -## Definition -向量检索（Vector Search / Similarity Search）是根据语义相似度在向量数据库中检索相关文档的技术，核心是比较查询向量与文档向量的"距离"（余弦相似度），而非字面匹配。 - -## Mechanism -1. Query 通过 [[Embedding]] 模型转为固定长度向量 -2. 在 [[向量数据库]]（如 [[Qdrant]]）中按余弦相似度检索 Top-K 最接近的向量 -3. 返回对应的文档块作为 [[RAG]] 的 Context - -## Key Parameters -- **Top-K**：返回最相似的 K 个结果（K=3~10 常见） -- **相似度阈值**：过滤低于某分数的结果 -- **Reranking**：初筛后用更大模型重新排序（如 BGE-Reranker） - -## Connections -- [[RAG]] ← 核心阶段（Retrieval 阶段的具体技术） -- [[Qdrant]] ← 存储层 -- [[Embedding]] ← 依赖（Query 和文档均需向量化） -- [[语义搜索]] ← 同类技术（前者基于向量，后者可结合 BM25/关键词） -- [[混合搜索]] ← 扩展（向量检索 + BM25 关键词检索融合排序） - -## Advantage over Keyword Search -| 维度 | 关键词搜索 | 向量检索 | -|------|----------|---------| -| 匹配方式 | 字面匹配 | 语义相似度 | -| 同义词处理 | 无法识别 | 天然处理 | -| 歧义词处理 | 精确但机械 | 需依赖高质量 Embedding | -| 适用场景 | 精确查询 | 语义模糊查询 | diff --git a/wiki/concepts/品味.md b/wiki/concepts/品味.md deleted file mode 100644 index bd43e53f..00000000 --- a/wiki/concepts/品味.md +++ /dev/null @@ -1,31 +0,0 @@ ---- -id: 品味 -title: "品味" -type: concept -tags: [ai-era, judgment, moat] -last_updated: 2026-04-15 ---- - -## Definition -AI 时代真正的护城河：能判断什么是真正好的（insanly great），从 10 个 AI 生成方案中识别出最优解。 - -## Core Mechanism -- AI 工具民主化 → 90% 的人能用 AI 生成内容 -- 品味未民主化 → 能判断质量高下成为稀缺能力 -- 品味 + AI = 远超仅会用 AI 的人 - -## Key Properties -- 无法被 AI 替代：AI 能生成但无法判断什么是好的 -- 可迁移：跨领域适用的判断力 -- 复合效应：品味越高，AI 辅助效果越强 - -## 核心观点（来自乔布斯.skill） -> "1984年我们发布Mac的时候，突然之间每个人都能做桌面出版了。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。" - -## Related Concepts -- [[端到端]]：有品味的人做完整的事 -- [[超级个体]]：品味是超级个体的核心构成 -- [[死亡过滤器]]：品味需要 genuine 的热爱驱动 - -## Sources -- [[普通人如何在AI时代赚钱]] diff --git a/wiki/concepts/嘉宾研究.md b/wiki/concepts/嘉宾研究.md deleted file mode 100644 index 31ff494f..00000000 --- a/wiki/concepts/嘉宾研究.md +++ /dev/null @@ -1,35 +0,0 @@ ---- -title: "嘉宾研究" -type: concept -tags: [podcast, research, content-preparation] -last_updated: 2026-04-16 ---- - -## Definition -播客录制前对嘉宾背景、近期动态、观点立场的系统性深度调研，是提升访谈质量的核心准备工作。 - -## Research Dimensions -1. **背景研究**：教育、职业、主要成就 -2. **近期动态**：最近的项目、发言、争议 -3. **观点立场**：核心主张、独特视角、争议性话题 -4. **受众预判**：听众已知的 vs 可能惊讶的 - -## Value -- 深度研究使访谈质量产生质的飞跃（无法在后期伪造） -- 好的研究 → 好的问题 → 好的对话 -- 准备充分才能即兴发挥 - -## Related Concepts -- [[Podcast Production Pipeline]]：嘉宾研究是生产管线第一环节 -- [[内容工厂]]：研究 Agent 可独立并行执行 - -## Example Research Output -``` -嘉宾：[NAME] -- 背景：... -- 近期动态：... -- 潜在争议点：... -- 3个核心问题：... -- 备用问题：... -``` - diff --git a/wiki/concepts/固定点.md b/wiki/concepts/固定点.md deleted file mode 100644 index d598d09b..00000000 --- a/wiki/concepts/固定点.md +++ /dev/null @@ -1,21 +0,0 @@ ---- -title: "固定点" -type: concept -tags: [math, theory, recursion] ---- - -## Definition -固定点（Fixed Point）是数学中满足 f(x*) = x* 的点 x*，在自递归优化系统中对应系统达到稳态的生成能力。 - -## In Self-Optimizing Generative Systems -- 自映射 Φ: G → G 的不动点 G* 满足 Φ(G*) = G* -- G* 是自洽的：其输出已编码自身改进所需的标准 -- 收敛性条件：Φ 满足连续性或收缩性时，可通过迭代获得 G* - -## Relationship to Y Combinator -Y Combinator 是不动点组合子：Y f = f (Y f) -在自递归系统中：G* = Y STEP，其中 STEP ≡ λG. M(G, O(G(I), Ω)) - -## Connections -- [[自递归优化生成系统]] ← 应用场景 -- [[Y Combinator]] ← 形式化工具 diff --git a/wiki/concepts/图生视频.md b/wiki/concepts/图生视频.md deleted file mode 100644 index d03279e7..00000000 --- a/wiki/concepts/图生视频.md +++ /dev/null @@ -1,38 +0,0 @@ ---- -title: 图生视频 -type: concept -tags: [AI, 视频生成, 计算机视觉] -last_updated: 2026-04-15 ---- - -## 定义 -图生视频（Image-to-Video）是将静态图片通过AI技术转化为动态视频的核心AI任务。 - -## 核心机制 -- 深度学习图像理解：AI分析静态图片中的内容、元素和艺术风格 -- 运动生成：AI推断图片中元素在未来时间序列中的运动轨迹 -- 细节填充：AI填充图片中未直接显示但合理存在的细节 -- 视频合成：生成连续帧序列，形成平滑动态效果 - -## 技术特点 -- 输入：静态图片（单张或多张） -- 输出：动态视频片段（2-6秒为主） -- 关键技术：[[主体一致性]]、 [[运动控制]]、 [[运镜控制]]、 [[风格迁移]] - -## 应用场景 -- 电商营销：商品展示、模特动态化 -- 内容创作：社交媒体短视频 -- 广告制作：创意视觉内容生成 -- 影视特效：场景动态化、物体拟人化 - -## 典型工具 -- [[智谱清影]]：30秒生成6秒高清视频，支持风格选择 -- [[Vidu]]：多主体参考功能，突破一致性难题 -- [[可灵AI]]：物理逻辑动作生成，1080p输出 -- [[StableVideo]]：LoRA摄像机精细控制 - -## Connections -- [[主体一致性]] ← 关键能力 ← [[图生视频]] -- [[运动控制]] ← 关键能力 ← [[图生视频]] -- [[运镜控制]] ← 关键能力 ← [[图生视频]] -- [[风格迁移]] ← 关键能力 ← [[图生视频]] diff --git a/wiki/concepts/增量索引.md b/wiki/concepts/增量索引.md deleted file mode 100644 index 2de13a38..00000000 --- a/wiki/concepts/增量索引.md +++ /dev/null @@ -1,26 +0,0 @@ ---- -title: "增量索引" -type: concept -tags: [indexing, efficiency, vector-search] -date: 2026-04-16 ---- - -## Definition -基于内容哈希（SHA-256）识别未变化的文件，仅对新增或内容变更的文件重新构建索引，避免对未变化内容重复计算。 - -## Why It Matters -- Embedding API 调用成本高，增量索引可节省 90%+ 的 API 费用 -- 文件监视器实时触发增量索引，保持索引最新 -- 零浪费：每枚 token 都花在真正变化的内容上 - -## Implementation -```python -# 内容哈希 → 对比上次索引记录 -content_hash = sha256(file_content) -if content_hash not in last_index: - embed_and_index(file_content) -``` - -## Connections -- [[memsearch]]：增量索引的具体实现 -- [[向量数据库]]：增量索引的存储后端 diff --git a/wiki/concepts/声音克隆.md b/wiki/concepts/声音克隆.md deleted file mode 100644 index b5057347..00000000 --- a/wiki/concepts/声音克隆.md +++ /dev/null @@ -1,36 +0,0 @@ ---- -title: "声音克隆" -type: concept -tags: [ai-voice, voice-cloning, tts] -last_updated: 2026-04-16 ---- - -## Definition -用少量音频样本（2秒-30秒）复制特定音色的技术，使AI能够用克隆的声音生成任意文本的语音，是AI配音的高级能力。 - -## Technical Spectrum -- 最低门槛：AnyVoice（3秒录音） -- 入门：海螺AI（30秒） -- 开源方案：F5-TTS（2秒） -- 企业级：魔音工坊（100句话定制） - -## Key Distinction -- 预设音色：TTSMaker等工具使用官方音库，无法克隆自定义声音 -- 声音克隆：复制你自己的音色或其他特定音色 - -## Quality vs Cost Trade-off -| 工具 | 克隆精度 | 成本 | 商用授权 | -|------|---------|------|---------| -| AnyVoice | 高 | 免费无限 | 免费有限 | -| 海螺AI（国际版） | 高 | 免费有限 | 免费有限 | -| F5-TTS | 高 | 开源免费 | MIT开源 | -| 魔音工坊 | 极高 | 会员+定制费 | 企业授权 | -| ElevenLabs | 极高 | 付费 | 付费商用 | - -## Related Concepts -- [[AI配音]]：声音克隆的上游技术 -- [[ElevenLabs]]：国际顶流，高精度克隆代表 -- [[F5-TTS]]：开源方案，技术流首选 - -## Source -- [[二创视频必不可少-AI配音声音克隆]] diff --git a/wiki/concepts/多云策略.md b/wiki/concepts/多云策略.md deleted file mode 100644 index 595f6363..00000000 --- a/wiki/concepts/多云策略.md +++ /dev/null @@ -1,42 +0,0 @@ ---- -title: "多云策略" -type: concept -tags: [cloud, strategy, multi-cloud, ROI] ---- - -## Definition -多云策略（Multi-Cloud Strategy）指跨多个公有云服务商（AWS/Azure/GCP）分配工作负载和数据的战略方法，利用各厂商差异化优势实现成本优化、弹性扩展和风险分散。 - -## Core Components -1. **供应商选择**：根据场景匹配最优厂商（AWS 基础设施/GCP 分析/Azure AI） -2. **工作负载分配**：不同 workload 部署到最适合的云平台 -3. **成本管理**：利用多厂商竞价和差异化定价降低总体支出 -4. **治理框架**：统一安全策略、合规管理和性能监控跨所有云 - -## Key Metrics -- 78% 采用多云的企业使用超过 3 个公有云（Virtana） -- 86% 企业计划在 2024 年底采用多云（New Horizons） -- 多云优化可降低 30% 运营成本（Forrester） - -## Related Concepts -- [[供应商锁定规避]]：多云策略的核心驱动之一 -- [[多云治理]]：多云策略的统一管理框架 -- [[多云成本优化]]：多云策略的财务收益 -- [[FinOps]]：多云成本优化的专业领域 -- [[DevOps成熟度模型]]：多云治理的组织能力前提 - -## Industry Applications -- **电商**：黑五/网一高峰期跨云弹性扩展 -- **医疗**：符合 HIPAA 区域数据主权 -- **金融**：多厂商安全特性组合满足合规要求 - -## Implementation -1. 评估需求（目标/预算/现有工作负载） -2. 选择厂商（按场景匹配） -3. 集成管理（Kubernetes/Terraform） -4. 监控优化（CloudHealth/Datadog） - -## Aliases -- Multi-Cloud Strategy -- 混合多云 -- 跨云策略 diff --git a/wiki/concepts/多代理并行.md b/wiki/concepts/多代理并行.md deleted file mode 100644 index 6638b627..00000000 --- a/wiki/concepts/多代理并行.md +++ /dev/null @@ -1,32 +0,0 @@ ---- -title: "多代理并行" -type: concept -tags: [ai, multi-agent, cursor, concurrency] -last_updated: 2026-04-15 ---- - -## 定义 -AI 编程工具中多个 AI 代理同时运行不同任务、互不干扰的工作模式。 - -## 核心价值 -- **效率提升**：同一时间并行生成多个模块 -- **上下文隔离**：每个代理独立上下文，避免相互干扰 -- **场景区分**：一个代理执行主任务，另一个代理同时构建配套页面/测试 - -## 实践方式（Cursor 2.0） -1. 主代理：执行游戏开发等主要任务 -2. 副代理：新建代理创建 Landing Page 等独立模块 -3. 两种代理并行运行，互不阻塞 - -## 使用规范 -- 分散任务时创建新代理，避免在已有代理内继续先前任务 -- 同一代理内继续先前任务效果更佳 - -## 关联 -- [[Cursor]] 的多代理并行能力 -- [[Multi-Agent System Reliability]] 的理论与实践对照 - -## Aliases -- Multi-Agent concurrency -- 多 Agent 并行 - diff --git a/wiki/concepts/多因素安全防护.md b/wiki/concepts/多因素安全防护.md deleted file mode 100644 index e178ce2e..00000000 --- a/wiki/concepts/多因素安全防护.md +++ /dev/null @@ -1,24 +0,0 @@ ---- -title: "多因素安全防护" -type: concept -tags: [security, defense-in-depth, autonomous-agent] -date: 2026-04-16 ---- - -## Definition -多层安全策略叠加，任何单层失效不影响整体安全。在 AI Agent 场景中，专指防止 AI 硬编码密钥、意外泄露隐私的多层防护机制。 - -## AI Agent 特有风险 -AI 会毫无警觉地将 API key 内联写入代码，这是最大安全风险。 - -## 多层防护模型 -1. **预推送钩子**：TruffleHog 在 git push 前扫描所有文件 -2. **本地 Git 暂存**：先推送到私有 Gitea，不直连公开仓库 -3. **CI 扫描管道**：Woodpecker 等 CI 在合并前执行安全扫描 -4. **分支保护**：PR required for main，Agent 无法绕过 -5. **最小权限**：Agent 持有只读权限，写操作需 human review - -## Connections -- [[Self-Healing-Home-Server]]：多因素安全防护的具体实现 -- [[DevSecOps]]：DevOps 安全支柱的具体实践 -- [[TruffleHog]]：第一层防护工具 diff --git a/wiki/concepts/多平台热点聚合.md b/wiki/concepts/多平台热点聚合.md deleted file mode 100644 index 236a7b94..00000000 --- a/wiki/concepts/多平台热点聚合.md +++ /dev/null @@ -1,37 +0,0 @@ ---- -title: "多平台热点聚合" -type: concept -tags: [research, social-media, trend-analysis] -last_updated: 2026-04-15 ---- - -## 定义 -整合多个社交媒体平台（Reddit/X/YouTube/TikTok/Instagram/Hacker News/Polymarket/Web）的数据进行结构化趋势研究的方法论。 - -## 核心机制 -- **权重分层**：Reddit/X > YouTube > Polymarket > TikTok > Instagram > Web -- **数据可信度**：Polymarket（真金白银押注）> Reddit/X（高互动）> Web（无互动） -- **单次查询多平台覆盖**：用户输入一个话题，返回跨平台交叉验证的研究报告 - -## 执行流程 -1. 用户输入话题（可选：--x-handle 指定 X 账号、--days 回溯天数） -2. ScrapeCreators 抓取 Reddit/TikTok/Instagram -3. XAI API 或 AUTH_TOKEN 抓取 X -4. Polymarket API 抓取预测市场数据 -5. Web 搜索补充博客/新闻 -6. 聚合输出：What I Learned + Key Patterns + Stats + Invitation - -## 应用场景 -- 竞品分析（"cursor vs windsurf" 对比模式） -- 人物追踪（--x-handle 指定账号） -- 行业周报（--days=7 --quick） -- 热点发现（--deep 深度研究） - -## 关联 -- [[Last30Days]] 是此方法论的自动化实现工具 -- [[社交信号权重]] 是此方法论的数据评估框架 - -## Aliases -- 多源热点研究 -- 跨平台趋势分析 - diff --git a/wiki/concepts/多节点基础设施.md b/wiki/concepts/多节点基础设施.md deleted file mode 100644 index 2bab6b41..00000000 --- a/wiki/concepts/多节点基础设施.md +++ /dev/null @@ -1,59 +0,0 @@ ---- -title: "多节点基础设施" -type: concept -tags: [infrastructure, homelab, self-hosted, networking] ---- - -## 定义 -多节点基础设施是指由多个独立服务器/设备组成的混合系统，各节点承担不同角色，通过内网互联，由统一入口（VPS）对外提供服务。 - -## 在家庭基础设施中的拓扑 - -``` -[VPS1] — 公网入口（FRPS + Caddy） - │ - │ FRP 隧道（内网 192.168.3.0/24） - ▼ -┌──────────────────────────────────────┐ -│ [MacMini M4] — OpenClaw 主控节点 │ -│ [Synology NAS] — 媒体 + 存储 │ -│ [Ubuntu1] — 监控全家桶 │ -│ [Ubuntu2] — n8n 引擎 + Gitea │ -└──────────────────────────────────────┘ -``` - -## 各节点角色 - -| 节点 | 主要职责 | 关键服务 | -|------|---------|---------| -| [[VPS1]] | 公网入口 + FRPS + Caddy | FRP Server, Caddy | -| [[Mac Mini]] | OpenClaw 主控 + 项目托管 | OpenClaw, vaultwarden, stq | -| [[Synology NAS DS718]] | 媒体 + 对象存储 | Jellyfin, MinIO, Zipline, Prometheus | -| [[Ubuntu1]] | 监控 + 应用服务 | Grafana, Prometheus, homarr, superset | -| [[Ubuntu2]] | 工作流引擎 + 开发工具 | n8n, Gitea, drawio | - -## 关键连接模式 -- **FRP 隧道**：所有节点通过 frpc 连接到 VPS1 FRPS，实现公网访问 -- **统一域名**：所有服务通过 *.ishenwei.online 域名暴露，解析到 VPS1 -- **Caddy HTTPS**：VPS1 Caddy 统一处理 TLS，路由到各节点 FRP 端口 -- **SOCKS5 代理**：各节点运行科学上网代理（端口 10808），NAS 运行于 20170 - -## 监控架构 -- [[Prometheus]] + [[Grafana]] 监控 Ubuntu1 + NAS 节点 -- blackbox_exporter 检测内外网服务可用性（[[合成监测]]） -- Alertmanager 统一告警路由 - -## 优势 -- 职责分离：单一节点故障不影响整体 -- 横向扩展：可按需添加新节点 -- 灵活暴露：FRP 端口映射按需配置 - -## 风险 -- 单点依赖：VPS1 是所有公网访问的瓶颈（无备援） -- 内网安全：所有节点在同一 192.168.3.0/24 网段，缺乏微分段 -- 科学上网：NAS 代理仅本机监听，外部节点无法共享 - -## Aliases -- 多节点架构 -- 混合基础设施 -- Homelab diff --git a/wiki/concepts/大语言模型.md b/wiki/concepts/大语言模型.md deleted file mode 100644 index 7fe528a9..00000000 --- a/wiki/concepts/大语言模型.md +++ /dev/null @@ -1,24 +0,0 @@ ---- -title: 大语言模型 -type: concept -tags: [AI, LLM, 深度学习] -aliases: [LLM, Large Language Model] ---- - -## 定义 -以Transformer为基础架构、通过海量文本训练具备自然语言理解和生成能力的深度学习模型。 - -## 2025年关键进展 -- 深度推理让AI学会"慢思考" -- 开源内卷将价格打成了白菜 -- 从会聊天的玩具进化成能干活的队友 - -## 代表产品 -- 国外：OpenAI、Claude、Gemini -- 国内开源：DeepSeek R1、Qwen 3、GLM、Kimi K2、MiniMax - -## Connections -- [[大语言模型]] ← 基座 ← [[AI生图]] -- [[大语言模型]] ← 基座 ← [[AI生视频]] -- [[大语言模型]] ← 基座 ← [[AI智能体]] -- [[大语言模型]] ← 基座 ← [[AI搜索]] diff --git a/wiki/concepts/天才地带.md b/wiki/concepts/天才地带.md deleted file mode 100644 index 2872e23c..00000000 --- a/wiki/concepts/天才地带.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -title: "天才地带" -type: concept -tags: [自我认知, 职业规划, Ikigai] -sources: ["万字保姆级教程-90天跑通一人公司模式-2026-03-29.md"] -last_updated: 2026-04-15 ---- - -## Definition -天才地带（Flow Zone）源自心理学家盖伊·亨德里克斯的理论，指能产生心流的活动区域——时间飞逝、精力充沛、不觉得累。找到天才地带是构建 Ikigai 的第一步。 - -## Four Zones Framework - -| 区域 | 特征 | -|------|------| -| 不胜任区 | 既不擅长也不喜欢，压力巨大 | -| 胜任区 | 能做但平庸，别人也能做 | -| 卓越区（最危险） | 做得好但不喜欢，长期职业倦怠 | -| 天才地带 | 产生心流，时间飞逝，精力充沛 | - -## How to Find Your Flow Zone -回顾过去一个月，列出所有活动（颗粒度尽可能细），给每项打标签：精力充沛/平平无奇/压力山大。 - -## Related Concepts -- [[底层能力]]：天才地带背后的通用能力 -- [[Ikigai]]：天才地带 + 市场 + 收入 的交汇定位框架 -- [[一人公司]]：用最小杠杆撬动最大价值，支点是个人优势 diff --git a/wiki/concepts/媒体刮削.md b/wiki/concepts/媒体刮削.md deleted file mode 100644 index d89a8821..00000000 --- a/wiki/concepts/媒体刮削.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -title: 媒体刮削 -type: concept -tags: [media, plex, metadata, automation] -sources: [] -last_updated: 2026-04-15 ---- - -## 定义 -Media Scraping/Media刮削，通过文件名或目录名匹配在线影视数据库，自动下载并填充元数据（海报、剧照、简介、评分、字幕、续集关系等）的过程。 - -## 核心数据库 -- **TheMovieDB (TMDB)**：电影和电视剧元数据 -- **TheTVDB**：美剧/英剧分集数据 -- **Fanart.tv**：高清艺术图资源 - -## [[Plex]] 刮削机制 -- Plex 扫描媒体目录，根据目录/文件名模式识别内容 -- 通过 TMDB/TVDB API 获取元数据 -- 文件命名规范：MovieName (Year).ext / ShowName S01E01.ext -- 媒体目录结构：Movie/TV Shows/Documentary 分目录组织 - -## 在 Wiki 中的角色 -- [[Synology NAS + Xiaoya Alist + CloudDrive2 + Plex to Build Media Platform]] 核心能力 -- 阿里云盘资源通过 Xiaoya 转存到对应目录后，Plex 自动刮削 diff --git a/wiki/concepts/安全删除.md b/wiki/concepts/安全删除.md deleted file mode 100644 index f72162d3..00000000 --- a/wiki/concepts/安全删除.md +++ /dev/null @@ -1,28 +0,0 @@ ---- -id: 安全删除 -title: "安全删除" -type: concept -tags: [文件管理, safety, recovery] -last_updated: 2026-04-15 ---- - -## Definition -删除操作不直接抹除文件，而是先移至隔离目录（To-Be-Deleted），保留人工复核窗口。 - -## Core Mechanism -- 步骤 1：识别待删文件 → 移至 To-Be-Deleted 目录 -- 步骤 2：人工检查确认无误后手动清空 -- 步骤 3：确认无误后删除 To-Be-Deleted 目录 - -## Key Properties -- 防误删：提供撤销窗口 -- 可审计：清楚知道删了什么 -- 低摩擦：只需确认目录，无需逐文件审查 - -## Related Concepts -- [[精确去重]]：安全删除的主要应用场景 -- [[小文件清理]]：安全删除的另一应用场景 -- [[分批执行]]：安全删除在大规模场景下的配套策略 - -## Sources -- [[养虾日记1-OpenClaw照片整理实战]] diff --git a/wiki/concepts/定时晨报.md b/wiki/concepts/定时晨报.md deleted file mode 100644 index 6441335e..00000000 --- a/wiki/concepts/定时晨报.md +++ /dev/null @@ -1,43 +0,0 @@ ---- -title: "定时晨报" -type: concept -tags: [automation, openclaw, daily-routine] -date: 2026-04-16 ---- - -## Definition -Agent 在固定时间自动生成的每日简报，包含天气/日历/系统状态/任务看板等维度信息，通过 Telegram 或 Email 推送。 - -## 标准模板 -``` -### Weather -- 当前条件和预报 - -### Calendars -- 今日事件 -- 冲突标注 - -### System Health -- CPU/RAM/Storage 概览 -- 服务 UP/DOWN 状态 -- ArgoCD 部署状态 -- 24h 内告警 - -### Task Board -- 昨日完成卡片 -- 进行中卡片 -- 阻塞项 - -### Highlights -- 隔夜脑暴亮点 -- 待处理邮件 -- 本周截止日期 -``` - -## 典型触发时间 -- 8:00 AM：工作日开始 -- 23:00 PM：夜间复盘 - -## Connections -- [[Self-Healing-Home-Server]]：晨报的具体实现 -- [[每日复盘]]：互补流程（晚间 vs 早晨） diff --git a/wiki/concepts/对话式设计.md b/wiki/concepts/对话式设计.md deleted file mode 100644 index ff9377c6..00000000 --- a/wiki/concepts/对话式设计.md +++ /dev/null @@ -1,23 +0,0 @@ ---- -id: 对话式设计 -title: "对话式设计" -type: concept -tags: [agentic-ai, ux, conversational-ui] -last_updated: 2026-04-15 ---- - -## Definition -Agentic AI 设计原则之一：用自然语言界面取代传统点击交互，降低使用门槛并提升意图传达精度。 - -## Core Mechanism -- 自然语言输入：用户以日常说话方式表达需求 -- 意图澄清：AI 通过追问确认理解准确性 -- 实时反馈：AI 实时回应理解结果和执行计划 - -## Key Properties -- 降低门槛：无需学习特定命令或界面操作 -- 精度提升：自然语言比点击更能表达复杂意图 -- 上下文保持：对话历史让 AI 理解完整背景 - -## Sources -- [[Designing-for-Agentic-AI]] diff --git a/wiki/concepts/小文件清理.md b/wiki/concepts/小文件清理.md deleted file mode 100644 index 4df27a36..00000000 --- a/wiki/concepts/小文件清理.md +++ /dev/null @@ -1,28 +0,0 @@ ---- -id: 小文件清理 -title: "小文件清理" -type: concept -tags: [照片整理, cleanup, threshold] -last_updated: 2026-04-15 ---- - -## Definition -通过文件大小阈值识别并移走低质量图片（截图、微信压缩图）的整理策略。 - -## Core Mechanism -- 设定阈值：低于 100KB 的图片 -- 判定逻辑：截图和微信压缩图通常远小于原始照片 -- 处理方式：移至 To-Be-Deleted 目录而非直接删除 - -## Threshold Rationale -- 原始照片（相机/手机直出）：通常 > 1MB -- 截图：通常 50KB - 200KB -- 微信压缩图：通常 < 200KB -- 100KB 作为阈值可有效区分原始照片与低质量副本 - -## Related Concepts -- [[精确去重]]：另一种照片整理策略 -- [[安全删除]]：清理操作的前置保护机制 - -## Sources -- [[养虾日记1-OpenClaw照片整理实战]] diff --git a/wiki/concepts/底层能力.md b/wiki/concepts/底层能力.md deleted file mode 100644 index 1439aeb3..00000000 --- a/wiki/concepts/底层能力.md +++ /dev/null @@ -1,23 +0,0 @@ ---- -title: "底层能力" -type: concept -tags: [自我认知, 能力挖掘] -sources: ["万字保姆级教程-90天跑通一人公司模式-2026-03-29.md"] -last_updated: 2026-04-15 ---- - -## Definition -底层能力是冰山水下的通用能力，能串起多件看似不相关但实际上都依赖同一核心技能的事情。 - -## Three Self-Diagnosis Questions -1. **追溯童年**：这件事你小时候就喜欢吗？ -2. **毫不费力**：你是不是觉得太简单，甚至不理解别人为什么觉得难？ -3. **底层通用**：这个能力能串起好几件你擅长的事吗？ - -## Additional Hint -问身边最亲近的人："你觉得我有什么特别的地方？" - -## Related Concepts -- [[天才地带]]：底层能力的应用区域 -- [[Ikigai]]：底层能力 + 热爱 + 市场 + 收入 的交汇框架 -- [[一人公司]]：将底层能力转化为可变现产品 diff --git a/wiki/concepts/开源平替.md b/wiki/concepts/开源平替.md new file mode 100644 index 00000000..7dc8e4ef --- /dev/null +++ b/wiki/concepts/开源平替.md @@ -0,0 +1,19 @@ +--- +title: "开源平替" +type: concept +tags: [开源, AI] +sources: [2025-年-11-个神级-AI-开源平替-GitHub-杀疯了。] +last_updated: 2025-04-16 +--- + +## Definition +开源平替（开源替代品）指功能可替代闭源商业产品的开源项目。 + +## Characteristics +- 成本低或免费 +- 社区驱动开发 +- 透明度高，可审计 + +## Related Concepts +- [[开源]] +- [[AI开源模型]] diff --git a/wiki/concepts/引文追溯.md b/wiki/concepts/引文追溯.md deleted file mode 100644 index 6af7865b..00000000 --- a/wiki/concepts/引文追溯.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: 引文追溯 -title: "引文追溯" -type: concept -tags: [notebooklm, accuracy, citation] -last_updated: 2026-04-15 ---- - -## Definition -NotebookLM 对每个回答附带精确原文引文，点击即可跳转至源文档对应位置，实现知识的可溯源验证。 - -## Core Mechanism -- Source-Grounding 约束回答仅基于上传文档 -- 每个答案自动附带引文（[1][2][3] 格式） -- 点击引文直接跳转到原文对应位置 - -## Key Properties -- 消除幻觉：AI 只能基于上传文档回答 -- 快速验证：无需通读全文即可核实关键信息 -- 适合法律文档、技术文档等高精度场景 - -## Related Concepts -- [[Source-Grounding]]：引文追溯的技术基础 -- [[被动学习]]：Audio Overviews 中也会引用原文 - -## Sources -- [[7-ways-NotebookLM]] diff --git a/wiki/concepts/忘机消众机.md b/wiki/concepts/忘机消众机.md deleted file mode 100644 index 22a5c610..00000000 --- a/wiki/concepts/忘机消众机.md +++ /dev/null @@ -1,37 +0,0 @@ ---- -title: "忘机消众机" -type: concept -tags: [wisdom, daoism, social-strategy] -last_updated: 2026-04-16 ---- - -## Definition -"唯忘机可以消众机，唯懵懂可以祓不吉祥。"——忘却世俗机巧可化解周遭算计，大智若愚可消除不祥灾祸。 - -## 核心要素 -- **忘机**：摒弃心机智巧，保持淳朴自然的心态 -- **懵懂**：表面糊涂不谙世故（实为大智若愚） -- **祓不吉祥**：消除不祥与灾祸 - -## 出处 -曾国藩《治心经·诚心篇》："众机骈集，吾心不扰；群疑众难，吾心不摇。唯忘机可以消众机，唯懵懂可以祓不吉祥。" - -## 思想渊源 -- 《庄子》"鸥鹭忘机"典故——忘却世俗机巧，与自然万物和谐共处 -- 老子"大智若愚"——真正智慧看似愚钝 -- 郑板桥"难得糊涂"——同一处世哲学的不同表达 - -## 现代应用 -| 场景 | 积极算计 | 忘机策略 | -|------|---------|---------| -| 职场政治 | 主动站队/打压他人 | 专注本职，不参与派系 | -| 商业竞争 | 刺探对手/制造信息差 | 以产品价值应对，不搞小动作 | -| 人际关系 | 计较得失/精心维护 | 真诚待人，不刻意经营 | - -## Related Concepts -- [[知其不可奈何而安之若命]]：同一哲学体系的不同层面——接纳结果 vs 避免冲突 -- [[和光同尘]]：老子同一思想——收敛锋芒，与世无争 -- [[大智若愚]]：忘机消众机的理论基础 - -## Source -- [[一语点醒梦中人-2026-04-16]] diff --git a/wiki/concepts/持续改进.md b/wiki/concepts/持续改进.md new file mode 100644 index 00000000..144d6814 --- /dev/null +++ b/wiki/concepts/持续改进.md @@ -0,0 +1,20 @@ +--- +title: "持续改进 (Kaizen)" +type: concept +tags: [DevOps, 敏捷, 改进, 学习] +sources: [DevOps-Culture-and-Transformation.md] +last_updated: 2025-03-02 +--- + +## Definition +持续改进（Kaizen）是一种通过迭代学习不断优化流程的文化实践，强调小步改进、持续反思和无责文化。 + +## Key Practices（关键实践） +- **无责复盘 (Blameless Post-mortems)**：不追究个人责任，聚焦问题本质的失败分析方法 +- **混沌工程 (Chaos Engineering)**：主动测试系统韧性的实践方法 +- **指标驱动优化**：利用 lead time、deployment success rate 等指标识别瓶颈 + +## Related Concepts +- [[DevOps 文化]] +- [[混沌工程]] +- [[无责复盘]] diff --git a/wiki/concepts/控制权.md b/wiki/concepts/控制权.md deleted file mode 100644 index dfe1e3ca..00000000 --- a/wiki/concepts/控制权.md +++ /dev/null @@ -1,23 +0,0 @@ ---- -id: 控制权 -title: "控制权" -type: concept -tags: [agentic-ai, ux, control] -last_updated: 2026-04-15 ---- - -## Definition -Agentic AI 设计原则之一：用户始终对 AI 行为拥有最终控制权，包括停止和撤销能力。 - -## Core Mechanism -- 停止机制：一键停止 AI 当前正在执行的任务 -- 撤销能力：Undo 操作恢复到 AI 执行之前的状态 -- 偏好设置：用户可预设 AI 的行为边界和自主性等级 - -## Key Properties -- 安全底线：用户永远不会失去对系统的控制 -- 降低风险：允许用户在任何时刻中断 AI 行为 -- 渐进自主：AI 自主性可随用户信任度逐步提升 - -## Sources -- [[Designing-for-Agentic-AI]] diff --git a/wiki/concepts/提示词工程自动化.md b/wiki/concepts/提示词工程自动化.md deleted file mode 100644 index f62c3992..00000000 --- a/wiki/concepts/提示词工程自动化.md +++ /dev/null @@ -1,19 +0,0 @@ ---- -title: "提示词工程自动化" -type: concept -tags: [prompt-engineering, automation] ---- - -## Definition -提示词工程自动化指通过专用工具将简单的描述性输入自动转化为结构化、高质量的提示词输出。 - -## Key Benefits -- 降低提示词工程门槛，非专业人员也能生成专业级提示词 -- 显著降低成本（专业提示词服务 100-500 美元/个） -- 支持变量实现高度定制化 -- 可保存复用，长期效率提升 - -## Connections -- [[Prompt工程]] ← 依赖 ← 自动化降低工程复杂度 -- [[AI工作流自动生成]] ← 协同 ← 提示词自动化是工作流的数据输入 -- [[Claude-Code]] ← 对比 ← 两者都提升 AI 使用效率 \ No newline at end of file diff --git a/wiki/concepts/提示词库.md b/wiki/concepts/提示词库.md deleted file mode 100644 index 0911099b..00000000 --- a/wiki/concepts/提示词库.md +++ /dev/null @@ -1,34 +0,0 @@ ---- -title: "提示词库" -type: concept -tags: [prompt-engineering, ai-tools] -date: 2026-04-16 ---- - -## Definition -提示词库（Prompt Library）是平台提供的现成提示词模板集合，用户可从中选择适合自己任务的模板，进行二次编辑后使用，无需从零编写。 - -## Core Properties -- 来源：平台预置 + 用户贡献 -- 用途：灵感参考、模板复用、降低提示词编写门槛 -- 价值：专业提示词定制费用 $100–$500/条，提示词库将此成本降至零 - -## Usage Patterns -1. 任务分类浏览：按用途（写作/编程/分析等）筛选 -2. 变量注入：模板含占位符，用户填入具体内容 -3. 二次编辑：在模板基础上添加上下文和约束 -4. 收藏积累：个人常用提示词归档复用 - -## Examples -- [[Never-write-another-prompt]]：视频演示的工具提供平台级提示词库 -- [[Useful-Prompt-Lib]]：Anthropic Claude 官方 60+ 模板库 -- ComposioHQ Awesome-Claude-Skills：按场景聚合的提示词资源库 - -## Related Concepts -- [[Prompt工程]]：提示词库是 Prompt 工程的复用基础设施 -- [[变量注入]]：提示词库模板的核心技术机制 -- [[Nano Banana结构化提示词框架]]：结构化提示词框架，可作为提示词库条目 - -## Related Entities -- [[Anthropic]]：Claude 官方提示词库提供商 -- [[ComposioHQ]]：Awesome-Claude-Skills 提示词资源库维护方 diff --git a/wiki/concepts/敏捷实践.md b/wiki/concepts/敏捷实践.md new file mode 100644 index 00000000..a863c115 --- /dev/null +++ b/wiki/concepts/敏捷实践.md @@ -0,0 +1,21 @@ +--- +title: "敏捷实践" +type: concept +tags: [敏捷, DevOps, Scrum, Kanban] +sources: [DevOps-Culture-and-Transformation.md] +last_updated: 2025-03-02 +--- + +## Definition +敏捷实践是一套迭代式软件开发方法论，强调快速交付、持续反馈和团队协作。与 DevOps 协同使用时，可将敏捷扩展到运维领域，实现端到端的速度和质量。 + +## Key Frameworks（关键框架） +- **Scrum**：结构化迭代开发 +- **Kanban**：持续流工作管理 +- **Shift-Left**：将运维相关 concerns（安全、性能）前置到开发阶段 + +## Related Concepts +- [[DevOps 文化]] +- [[CI/CD 流水线]] +- [[价值流映射]] +- [[DevSecOps]] diff --git a/wiki/concepts/数据蒸馏.md b/wiki/concepts/数据蒸馏.md deleted file mode 100644 index 7173bef1..00000000 --- a/wiki/concepts/数据蒸馏.md +++ /dev/null @@ -1,33 +0,0 @@ ---- -title: "数据蒸馏" -type: concept -tags: [llm, model-compression] -last_updated: 2025-12-20 ---- - -## 基本信息 -- **全称**：Data Distillation -- **类型**：模型压缩技术 -- **来源**：大模型相关术语和框架总结 - -## 定义 -数据蒸馏是利用一个高性能的大模型生成精简但有价值的数据，使得一个小模型可以从中学习并逼近大模型的效果。 - -## 核心思想 -- 大模型（Teacher）生成高质量合成数据 -- 小模型（Student）从合成数据中学习 -- 目标：用更少参数达到接近大模型的性能 - -## 应用场景 -- 边缘设备部署（资源受限） -- 降低推理成本 -- 特定领域模型快速训练 - -## 关联 -- [[LLM]] ← Teacher 模型 -- [[vLLM]] ← 推理优化 - -## Aliases -- Data Distillation -- 知识蒸馏 -- 模型蒸馏 diff --git a/wiki/concepts/文档分块.md b/wiki/concepts/文档分块.md deleted file mode 100644 index 5dffc608..00000000 --- a/wiki/concepts/文档分块.md +++ /dev/null @@ -1,42 +0,0 @@ ---- -id: document-chunking -title: 文档分块 -type: concept -tags: [RAG, 数据预处理] -sources: ["RAG从入门到精通系列1：基础RAG.md"] -last_updated: 2026-04-16 ---- - -## Definition -文档分块（Chunking / Splitting）是将长文档切分为适合 LLM [[Context Window]] 大小的小块的过程，是 [[RAG]] Indexing 阶段的关键步骤。 - -## Problem -LLM 的 Context Window 有限（512~8192 token），无法一次处理整本手册或长文章，必须分块喂入。 - -## Chunking Strategies -| 策略 | 描述 | 适用场景 | -|------|------|---------| -| 固定长度 | 按 token 数切分（512/1024） | 通用，均匀 | -| 段落切分 | 按自然段落边界切分 | 保留语义完整性 | -| 递归切分 | 按层级递归切分（标题→段落→句子） | 结构化文档 | -| 语义切分 | 按主题/意图边界切分 | 高质量检索 | -| Overlap | 块间重叠（如 128 token 重叠） | 防止块边界信息丢失 | - -## Key Parameters -- **chunk_size**：每个块的最大 token 数（512~1024 常见） -- **chunk_overlap**：块间重叠 token 数（通常 64~128） - -## Tool Examples -- LangChain：`RecursiveCharacterTextSplitter`、`RecursiveJsonSplitter`、`MarkdownHeaderTextSplitter` - -## Connections -- [[RAG]] ← 必经阶段（Indexing 流程的第一步） -- [[向量检索]] ← 下游（分块后向量化，再检索） -- [[Embedding]] ← 依赖（每个块独立 Embedding） -- [[Context Window]] ← 约束来源（分块大小上限由 Context Window 决定） - -## Quality Impact -分块质量直接影响 [[RAG]] 检索效果： -- 块太大：Context 稀释有效信息，检索精度下降 -- 块太小：丢失上下文，同一主题信息被割裂 -- 重叠太小：块边界处的重要信息被截断 diff --git a/wiki/concepts/无责复盘.md b/wiki/concepts/无责复盘.md new file mode 100644 index 00000000..4ee4502e --- /dev/null +++ b/wiki/concepts/无责复盘.md @@ -0,0 +1,14 @@ +--- +title: "无责复盘 (Blameless Post-mortem)" +type: concept +tags: [DevOps, 学习, 改进, 文化] +sources: [DevOps-Culture-and-Transformation.md] +last_updated: 2025-03-02 +--- + +## Definition +无责复盘是一种不追究个人责任、聚焦问题本质和系统改进的失败分析方法，是 DevOps 持续改进文化的核心实践。 + +## Related Concepts +- [[持续改进]] +- [[DevOps 文化]] diff --git a/wiki/concepts/智能体工作流.md b/wiki/concepts/智能体工作流.md deleted file mode 100644 index bf34f89c..00000000 --- a/wiki/concepts/智能体工作流.md +++ /dev/null @@ -1,24 +0,0 @@ ---- -title: 智能体工作流 -type: concept -tags: [AI, 工作流, Automation] -aliases: [Agent Workflow, 工作流编排] ---- - -## 定义 -通过可视化方式编排AI智能体执行步骤和流程的技术。 - -## 代表工具 -- n8n：拖拽式工作流自动化，16万Star，开源版Zapier -- Dify：LLM应用开发平台，可视化提示词编排 - -## 核心能力 -- 拖拽节点串联App -- 集成LangChain等AI能力 -- 将大模型嵌入业务流程 -- 可视化搭建智能体 - -## Connections -- [[智能体工作流]] ← 依赖 ← [[大语言模型]] -- [[n8n]] ← 竞争 ← [[Zapier]] -- [[Dify]] ← 竞争 ← [[LangChain]] diff --git a/wiki/concepts/本地AI推理.md b/wiki/concepts/本地AI推理.md deleted file mode 100644 index 601a6f1f..00000000 --- a/wiki/concepts/本地AI推理.md +++ /dev/null @@ -1,45 +0,0 @@ ---- -title: 本地AI推理 -type: concept -tags: [AI, 本地部署, 推理] -sources: [] -last_updated: 2026-04-16 ---- - -## 定义 -在自有硬件（本地服务器或 PC）上运行 LLM 推理，而非调用云服务 API。 - -## 核心优势 -- **数据隐私**：敏感数据不出本地网络 -- **成本可控**：无 token 计费，硬件一次性投入 -- **延迟可控**：内网延迟极低 -- **离线可用**：不依赖外部网络 - -## 主流方案 - -| 方案 | 定位 | 最低配置 | GPU需求 | -|------|------|---------|---------| -| [[Ollama]] | 快速原型/轻量 | 4核CPU+8GB RAM | 可选 | -| [[vLLM]] | 高并发企业级 | 8核CPU+32GB RAM | 必须 | -| llama.cpp | 极致轻量 | 2核CPU+4GB RAM | 可选 | - -## Ollama 部署路径 -1. `curl -fsSL https://ollama.com/install.sh | sh` -2. `ollama pull qwen2.5-coder:7b`（≈4.5GB） -3. `ollama run qwen2.5-coder:7b` - -## 远程 API 暴露 -默认只监听 127.0.0.1，通过环境变量开放： -``` -Environment="OLLAMA_HOST=0.0.0.0" # /etc/systemd/system/ollama.service -``` -可被 [[n8n]]/[[OpenClaw]]/[[OpenWebUI]] 等工具远程调用。 - -## GPU 加速 -- NVIDIA GPU + CUDA 环境下 Ollama 自动调度 GPU -- 无需额外配置，`nvidia-smi` 验证即可 - -## Connections -- [[本地AI推理]] ← 部署平台 ← [[Ollama]] -- [[本地AI推理]] ← 推荐模型 ← [[Qwen]]（qwen2.5-coder:7b） -- [[n8n]] ← 可调用 ← [[本地AI推理]]（通过 HTTP Request Node） diff --git a/wiki/concepts/标签笔记整理.md b/wiki/concepts/标签笔记整理.md deleted file mode 100644 index fa3e66e5..00000000 --- a/wiki/concepts/标签笔记整理.md +++ /dev/null @@ -1,31 +0,0 @@ ---- -id: tag-based-note-organization -title: 标签笔记整理 -type: concept -tags: [笔记管理, 知识组织] -sources: ["Dataview——让我从笔记黑洞里逃出来的Obsidian神器.md"] -last_updated: 2026-04-16 ---- - -## Definition -标签笔记整理 是指通过标签（Tag）对笔记进行主题分类，按标签自动索引相关笔记，实现从"按文件夹组织"到"按主题聚合"的范式转变。 - -## Mechanism -1. 给每篇笔记打上 `#标签`（如 `#学习`、`#工作`、`#AI`） -2. Dataview 按标签查询，自动聚合所有含该标签的笔记列表 -3. 无需手动创建文件夹，标签即主题 - -## Advantages over Folder Organization -| 维度 | 文件夹组织 | 标签笔记整理 | -|------|-----------|-------------| -| 多主题支持 | 一文一夹 | 一文多标签 | -| 聚合方式 | 手动移动 | 查询即聚合 | -| 灵活性 | 低 | 高 | -| 适用场景 | 单一分类 | 交叉主题 | - -## Tool Example -- [[Dataview]]：`LIST FROM #学习 WHERE contains(tags, "学习")` - -## Connections -- [[Dataview]] ← 实现工具 -- [[笔记数据库]] ← 所属范畴 diff --git a/wiki/concepts/死亡过滤器.md b/wiki/concepts/死亡过滤器.md deleted file mode 100644 index 5ab1bde3..00000000 --- a/wiki/concepts/死亡过滤器.md +++ /dev/null @@ -1,32 +0,0 @@ ---- -id: 死亡过滤器 -title: "死亡过滤器" -type: concept -tags: [decision, filter, ikigai] -last_updated: 2026-04-15 ---- - -## Definition -每天早上问自己"如果今天是最后一天，我还会做这件事吗"，是筛选真正热爱的决策过滤器。 - -## Core Mechanism -- 每天早晨对镜自问 -- 如果答案是否定 → 重新考虑是否继续 -- 如果答案是肯定 → 这件事值得全力以赴 - -## 核心价值 -- 区分"别人说好"和"自己真正想要" -- 过滤短期诱惑，聚焦长期意义 -- 不是问"什么 AI 技能最赚钱"（别人的问题），而是"我对什么有 genuine 的热爱和 curiosity"（自己的问题） - -## 核心观点（来自乔布斯.skill） -> "我每天早上对着镜子问自己：如果今天是最后一天，我还会做今天要做的事吗？" -> "别问'什么AI技能最赚钱'。这是别人的问题。问你自己对什么东西有genuine的热爱和curiosity。" - -## Related Concepts -- [[端到端]]：死亡过滤器筛选出的事，值得端到端做到极致 -- [[品味]]：真正的热爱是品味培养的基础 -- [[超级个体]]：死亡过滤器是超级个体找到方向的工具 - -## Sources -- [[普通人如何在AI时代赚钱]] diff --git a/wiki/concepts/每日复盘.md b/wiki/concepts/每日复盘.md deleted file mode 100644 index 6817995b..00000000 --- a/wiki/concepts/每日复盘.md +++ /dev/null @@ -1,29 +0,0 @@ ---- -title: "每日复盘" -type: concept -tags: [openclaw, cron, self-improving, habit, agent] -last_updated: 2026-04-15 ---- - -## Definition -OpenClaw Agent 每天 23:00（北京时间）自动执行的自我复盘流程，通过 self-improving skill 记录学习、检查重复、同步长期记忆。 - -## 复盘流程 -1. 读取当天的 memory/YYYY-MM-DD.md 文件 -2. 调用 self_improvement_log 记录今日学习 -3. 检查 Pattern-Key 是否与之前重复（重复踩坑信号） -4. 把有价值的经验同步到 memory-lancedb-pro（长期记忆） -5. 通过 Telegram 发送复盘摘要 - -## 触发方式 -OpenClaw cron job，每天 23:00 执行，每个 Agent 独立运行自己的复盘流程。 - -## 关键价值 -- 从"每次重新教"变为"记得上次错哪" -- 推动流程优化（如发现 3 月 27 日无 memory 文件 → 修改为 Session 启动时强制创建） -- Recurrence-Count 累积让系统性问题和偶发错误清晰分层 - -## Connections -- [[Self-Improving Skill]] ← 工具 ← [[每日复盘]] -- [[双层记忆架构]] ← 架构 ← [[每日复盘]] -- [[OpenClaw cron]] ← 触发 ← [[每日复盘]] diff --git a/wiki/concepts/流程工程.md b/wiki/concepts/流程工程.md deleted file mode 100644 index d3995706..00000000 --- a/wiki/concepts/流程工程.md +++ /dev/null @@ -1,28 +0,0 @@ ---- -id: 流程工程 -title: "流程工程" -type: concept -tags: [ai, workflow, skill] -last_updated: 2026-04-15 ---- - -## Definition -将人类经验沉淀为 SOP（标准作业程序），再交给 AI 稳定执行的新范式。核心在于流程复用而非单次 Prompt 输出质量最大化。 - -## Core Mechanism -- 经验 → 结构化 SOP → AI 稳定执行 -- 区别于提示词工程：提示词工程优化单次输出，流程工程优化可复用工作流 -- Skills = 说明书 + SOP，是流程工程的载体 - -## Key Properties -- 可复用：同一 Skill 可处理同类任务，无需每次重新描述 -- 可审计：每个步骤有明确输入/输出/边界 -- 可组合：多个 Skill 可串联形成更大工作流 - -## Related Concepts -- [[Claude Skills]]：流程工程的实践载体 -- [[提示词工程]]：流程工程的前置阶段，聚焦单次输出优化 -- [[Vibe-Coding]]：Skills 的重要应用场景 - -## Sources -- [[3.2万人收藏的Claude-Skills才是AI这条路最值得研究的一套范式]] diff --git a/wiki/concepts/混合搜索.md b/wiki/concepts/混合搜索.md deleted file mode 100644 index 0d427026..00000000 --- a/wiki/concepts/混合搜索.md +++ /dev/null @@ -1,29 +0,0 @@ ---- -title: "混合搜索" -type: concept -tags: [vector-search, information-retrieval, hybrid] -date: 2026-04-16 ---- - -## Definition -融合多种检索方法的搜索策略，通常结合： -1. **Dense Vector**（语义相似度）：理解查询意图 -2. **BM25**（关键词匹配）：捕获精确术语 -3. **RRF**（Reciprocal Rank Fusion）：多结果集融合排序 - -## Why Hybrid Wins -- 纯向量搜索：同义词命中好，但精确术语漏检 -- 纯 BM25：精确术语好，但无法捕捉语义泛化 -- 混合：两者互补，RRF 融合排序 - -## Formula -RRF score for a document d: -``` -RRF(d) = Σ 1/(k + rank_i(d)) -``` -其中 k 通常为 60，rank_i 是第 i 种检索方法的排名。 - -## Connections -- [[memsearch]]：混合搜索的具体实现 -- [[语义搜索]]：混合搜索的组成部分 -- [[Personal-Knowledge-Base-RAG]]：RAG 管道中可使用混合搜索 diff --git a/wiki/concepts/混沌工程.md b/wiki/concepts/混沌工程.md new file mode 100644 index 00000000..845b0f3c --- /dev/null +++ b/wiki/concepts/混沌工程.md @@ -0,0 +1,14 @@ +--- +title: "混沌工程" +type: concept +tags: [DevOps, 韧性, 测试, 可靠性] +sources: [DevOps-Culture-and-Transformation.md] +last_updated: 2025-03-02 +--- + +## Definition +混沌工程是一种在生产环境中主动引入故障以测试系统韧性和可靠性的实践方法，属于持续改进的重要组成部分。 + +## Related Concepts +- [[持续改进]] +- [[DevOps 文化]] diff --git a/wiki/concepts/渐进式发布.md b/wiki/concepts/渐进式发布.md index a1f60770..210a1c6b 100644 --- a/wiki/concepts/渐进式发布.md +++ b/wiki/concepts/渐进式发布.md @@ -1,32 +1,26 @@ --- title: "渐进式发布" type: concept -tags: [DevOps, 发布策略, FeatureFlag] -last_updated: 2026-04-16 +tags: [持续交付, 发布工程, 风险管控] +sources: ["https://launchdarkly.com/blog/rto-vs-rpo/"] +last_updated: 2025-07-26 --- -## 定义 -Gradual Rollout / Progressive Delivery：将新功能分阶段向用户群体发布的发布策略，而非全量一次性发布。 +## Definition +渐进式发布（Progressive Rollout）是一种分阶段向用户群发布新功能的策略，通过逐步扩大影响范围来控制风险。 -## 标准分阶段 -1. **1% 用户**：监控错误率、性能指标 -2. **5% 用户**：监控转化率、用户反馈 -3. **25% 用户**：检查对下游系统的负载压力 -4. **100% 用户**：全量发布 +## Rollout Stages (from this source) +1. **1% 用户** → 观察错误率、性能指标 +2. **5% 用户** → 监控转化率、用户反馈 +3. **25% 用户** → 检查下游系统负载 +4. **100% 用户** → 全量发布 -## 核心价值 -- 将影响范围控制在局部，故障影响从全局降至局部 -- 将 RTO 从"小时级紧急回滚部署"降至"秒级 Feature Flag 关闭" -- 提供真实的用户数据反馈，而非仅靠测试环境 - -## 细分策略 -- **金丝雀发布**（Canary Release）：向小比例用户发布新版本，观察后再全量 -- **蓝绿部署**（Blue/Green Deployment）：两套环境并行，切换流量 -- **A/B 测试**：不同用户看到不同版本，对比效果 -- **特性分支隔离**：按用户属性（地区/平台/角色）分批发布 +## Benefits +- 将 RTO 控制在秒级（如果在某阶段发现问题，只需关闭开关） +- 限制故障影响范围 +- 提供真实环境测试机会 ## Connections -- [[Feature Flag]] ← 渐进式发布的工程基础 -- [[Kill Switch]] ← 渐进式发布过程中的应急机制 -- [[RTO]] ← 渐进式发布将故障 RTO 降至秒级 -- [[LaunchDarkly]] ← 支持渐进式发布的平台 +- [[Feature Flag]] ← 技术基础 → [[渐进式发布]] +- [[Kill Switch]] ← 应急机制 → [[渐进式发布]] +- [[RTO (Recovery Time Objective)]] ← 降低工具 → [[渐进式发布]] diff --git a/wiki/concepts/渐进式披露.md b/wiki/concepts/渐进式披露.md deleted file mode 100644 index 96731e3c..00000000 --- a/wiki/concepts/渐进式披露.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -title: "渐进式披露" -type: concept -tags: [agent, skill, context-management] -last_updated: 2026-04-15 ---- - -# 渐进式披露 - -## 定义 -ADK（Agent Development Kit）的机制，agent 只在运行时需要时才消耗上下文 token 来加载特定模式。 - -## 核心价值 -- 避免 context overflow -- 只加载当前任务需要的 skill 组件 -- 提高 token 利用效率 - -## 在 Skill 设计中的应用 -- [[Tool Wrapper]]：只在触发关键词时加载规范 -- [[Reviewer]]：只在执行审查时加载检查清单 -- 5 种模式可组合，但不会全部同时加载 - -## Connections -- [[ADK]]：实现机制 -- [[Agent Skill 设计模式]]：应用场景 diff --git a/wiki/concepts/灾难恢复.md b/wiki/concepts/灾难恢复.md deleted file mode 100644 index 87a99385..00000000 --- a/wiki/concepts/灾难恢复.md +++ /dev/null @@ -1,39 +0,0 @@ ---- -title: "灾难恢复" -type: concept -tags: [disaster-recovery, backup, DR, business-continuity] ---- - -## Definition -灾难恢复（Disaster Recovery，DR）指在硬件故障、人为误操作或自然灾害导致系统不可用后，通过备份数据还原系统正常运行能力的技术和流程。 - -## Core Metrics -- **RTO（Recovery Time Objective）**：系统中断到恢复的最大可接受时间 -- **RPO（Recovery Point Objective）**：可接受的最大数据丢失时间窗口 -- **RTO vs RPO**：RTO 关注恢复速度，RPO 关注数据完整性 - -## Methods -1. **磁盘镜像还原**（Clonezilla restoredisk）：用镜像文件覆盖目标磁盘，完整恢复系统状态 -2. **rsync 文件级恢复**：从增量备份逐文件还原 -3. **快照恢复**：ZFS/BTRFS 文件系统快照回滚 -4. **云容灾**：云服务商提供的跨区域 failover - -## Workflow (Clonezilla) -1. 用启动盘启动 Clonezilla live -2. 选择 device-image 模式 -3. 挂载备份存储（NFS/SMB） -4. 选择 restoredisk -5. 选中 NAS 上的镜像文件夹 -6. 确认覆盖目标磁盘 -7. 等待还原完成，系统即刻复活 - -## Related Concepts -- [[磁盘镜像备份]]：灾难恢复的数据基础 -- [[Clonezilla]]：本地灾难恢复工具 -- [[rsync增量备份]]：日常增量备份的灾难恢复场景 - -## Aliases -- Disaster Recovery -- DR -- 灾难还原 -- Business Continuity diff --git a/wiki/concepts/物件描述框架.md b/wiki/concepts/物件描述框架.md deleted file mode 100644 index 9aa662d2..00000000 --- a/wiki/concepts/物件描述框架.md +++ /dev/null @@ -1,95 +0,0 @@ ---- -title: "物件描述框架" -type: concept -tags: [prompt, image-generation, nano-banana, structure] ---- - -# 物件描述框架（Object Description Framework） - -Nano Banana 提示词框架中用于描述物品的结构化字段体系，与人物描述框架共用同一结构，区别在 subject 字段内容。 - -## 字段定义 - -```json -{ - "shot": "", // 镜头类型和构图 - "subject": { - "item": "", // 物品名称 - "materials": "", // 材质 - "details": "", // 细节描述 - "condition": "" // 状态（全新/破损等） - }, - "environment": "", // 环境背景 - "lighting": "", // 光照设置 - "camera": { - "focal_length": "", // 焦距 - "aperture": "", // 光圈 - "angle": "" // 角度 - }, - "color_grade": "", // 色彩风格 - "style": "", // 整体风格 - "quality": "", // 质量要求 - "negatives": "" // 负向提示词 -} -``` - -## 与人物描述框架的对比 - -| 字段 | 物件框架 | 人物框架 | -|------|----------|----------| -| subject.item | 物品名称 | - | -| subject.age | - | 年龄 | -| subject.materials | 材质 | - | -| subject.appearance | - | 外貌 | -| subject.details | 细节 | - | -| subject.pose | - | 姿态 | -| subject.condition | 状态 | - | - -核心结构一致，subject 字段内容因描述对象而异。 - -## 关键能力 - -### 负向提示词（Negatives） -控制生成质量，明确排除不需要的特征： -```json -"negatives": "no scratches, no dust, no logos or brand names, no human hands, blurry watch face, unrealistic lighting." -``` - -### 运镜控制（Camera） -实现电影级构图： -- focal_length：焦距（100mm macro look = 微距效果） -- aperture：光圈（f/8 = 整体清晰） -- angle：角度（45 度俯拍 = 产品摄影标准角度） - -## 实践示例 - -手表产品摄影： -```json -{ - "shot": "Macro close-up shot, square aspect ratio (1:1), centered composition.", - "subject": { - "item": "A luxury men's chronograph watch.", - "materials": "Polished stainless steel case, sapphire crystal glass, black ceramic bezel with a tachymeter scale, leather strap with fine stitching.", - "details": "White dial with three sub-dials, glowing lume on hands and hour markers, intricate gears of the movement visible through a transparent caseback.", - "condition": "Pristine, brand new, no dust or fingerprints." - }, - "environment": "The watch is resting on a dark, textured slab of slate rock. The background is a simple, dark, out-of-focus gradient.", - "lighting": "Studio softbox lighting. A key light from the top-left creates clean, sharp reflections on the steel. A soft fill light from the right reveals details in the shadows. A subtle rim light separates the watch from the dark background.", - "camera": { - "focal_length": "100mm macro lens look", - "aperture": "f/8 (to keep the entire watch face in focus)", - "angle": "Shot from a 45-degree angle above the watch." - }, - "color_grade": "High contrast, clean and commercial look. Slightly desaturated to emphasize the metallic and monochrome textures. High clarity and sharpness.", - "style": "Hyper-realistic CGI render, commercial product photography, luxury and precision.", - "quality": "8K resolution, perfect material shaders, flawless reflections, extreme detail on the dial and gears.", - "negatives": "no scratches, no dust, no logos or brand names, no human hands, blurry watch face, unrealistic lighting." -} -``` - -## 相关概念 - -- [[Nano Banana]]：物件描述框架的上一层框架 -- [[人物描述框架]]：物件描述框架的姐妹框架 -- [[AI生图]]：物件描述框架的应用领域 -- [[负向提示词]]：质量控制的关键字段 \ No newline at end of file diff --git a/wiki/concepts/生成器空间-Generator-Space.md b/wiki/concepts/生成器空间-Generator-Space.md deleted file mode 100644 index 4c2243af..00000000 --- a/wiki/concepts/生成器空间-Generator-Space.md +++ /dev/null @@ -1,28 +0,0 @@ ---- -title: "生成器空间 (Generator Space)" -type: concept -tags: [ai, recursion, formalization, meta-learning] ---- - -## Definition -生成器空间是所有可能生成器构成的集合 $\mathcal{G} \subseteq \mathcal{P}^{\mathcal{I}}$，其中： -- $\mathcal{I}$：意图空间（intention space），表示用户输入的意图/需求 -- $\mathcal{P}$：提示词/程序/技能空间（prompt/program/skill space） -- 每个生成器 $G \in \mathcal{G}$ 是函数 $G: \mathcal{I} \to \mathcal{P}$，将意图映射为对应的提示词或技能 - -## Core Insight -在递归自优化系统中，优化目标不是某个具体的输出 $P^*$，而是生成器空间中的收敛行为。系统通过迭代 $\Phi$ 寻找稳定生成能力 $G^*$。 - -## Formalization -设 $\Omega$ 表示理想目标或评价标准： -- 优化算子 $O: \mathcal{P} \times \Omega \to \mathcal{P}$ -- 元生成算子 $M: \mathcal{G} \times \mathcal{P} \to \mathcal{G}$ -- 自映射 $\Phi(G) = M(G, O(G(I), \Omega))$ - -## Related Concepts -- [[自映射 (Self-Map)]]：$\Phi$ 是生成器空间到自身的映射 -- [[不动点 (Fixed Point)]]：$\mathcal{G}$ 中满足 $\Phi(G^*) = G^*$ 的点 -- [[Bootstrap（自举）]]：通过生成器空间中的迭代实现自我改进 - -## Source -- [[A Formalization of Recursive Self-Optimizing Generative Systems]] diff --git a/wiki/concepts/电商数据采集.md b/wiki/concepts/电商数据采集.md deleted file mode 100644 index c35aad4c..00000000 --- a/wiki/concepts/电商数据采集.md +++ /dev/null @@ -1,33 +0,0 @@ ---- -title: 电商数据采集 -type: concept -tags: [scraper, e-commerce, data-pipeline] -sources: [] -last_updated: 2026-04-15 ---- - -## 定义 -从电商平台（Amazon/淘宝/JD/Shopee 等）采集产品结构化信息（标题、价格、评分、图片、评论等），用于竞品分析、价格监控或市场研究。 - -## 采集字段 -- title（标题） -- price（价格） -- rating（评分） -- image_urls（图片 URL） -- product_url（商品链接） -- 扩展字段：品牌、型号、类目、评论数、上架时间 - -## 技术栈 -- **静态页面**：[Scrapy] 为主，高效结构化抓取 -- **动态页面**：[Playwright] 渲染 JS 后采集 -- **混合方案**：[scrapy-playwright] 插件，两者结合 - -## 防封策略 -- User-Agent 轮换 -- 代理池（[[BrightData]]/[[ScraperAPI]]） -- DOWNLOAD_DELAY + RANDOMIZE_DOWNLOAD_DELAY -- 分布式调度（Scrapyd 集群） - -## 在 Wiki 中的角色 -- [[可自动化可扩展AI增强的电商数据采集与处理系统]] 核心场景 -- 采集结果 JSON/CSV → [[n8n Workflow自动化]] 消费处理 diff --git a/wiki/concepts/电商选品分析.md b/wiki/concepts/电商选品分析.md deleted file mode 100644 index ab3f9d3d..00000000 --- a/wiki/concepts/电商选品分析.md +++ /dev/null @@ -1,41 +0,0 @@ ---- -title: "电商选品分析" -type: concept -tags: [电商, 选品, 数据分析, tiktok-shop] -sources: [] -last_updated: 2025-03-14 ---- - -## Definition -通过数据分析发现 TikTok Shop 高潜力产品的系统性方法，核心目标是找出"热卖 + 高评分 + 低竞争 + 高折扣"的产品。 - -## 核心维度 -1. **销量（sold）**：直接反映市场需求 -2. **评分（rating）**：反映产品质量和用户满意度 -3. **折扣比例（discount_percent）**：促销带量效果 -4. **评分数量（rating_count）**：反映产品热度和可信度 -5. **价格（final_price）**：决定利润空间和受众规模 - -## 选品评分模型 -``` -score = sold × 0.4 + rating × 12 + rating_count × 0.2 + discount_percent × 0.5 -``` -权重可根据业务偏好调整（0.4/12/0.2/0.5 为基准值）。 - -## 典型分析场景 -- 爆品发现：Top N 销量/GMV 排行 -- 价格带分析：气泡图识别最优价格区间 -- 类目机会：热力图+箱线图发现蓝海类目（产品少但销量大） -- 店铺监控：竞争对手上新节奏/价格策略跟踪 - -## Related Entities -- [[TikTok Shop]]：数据来源 -- [[TikTok Products]]：分析对象表 -- [[Apache Superset]]：可视化工具 -- [[选品评分模型]]：核心算法 - -## Related Concepts -- [[电商数据采集]]：数据来源 -- [[Superset Dashboard]]：可视化载体 -- [[KPI 卡片]]：分析展示形式 -- [[价格带分析]]：子维度分析 diff --git a/wiki/concepts/监控可观测性.md b/wiki/concepts/监控可观测性.md new file mode 100644 index 00000000..b9a27beb --- /dev/null +++ b/wiki/concepts/监控可观测性.md @@ -0,0 +1,25 @@ +--- +title: "监控可观测性" +type: concept +tags: [devops, monitoring, observability, operations] +sources: [cloud-devop-maturity-guideline, DevOps-Culture-and-Transformation] +last_updated: 2026-04-16 +--- + +## Definition +监控可观测性（Monitoring and Observability）是指通过持续监控、日志记录和快速问题检测与解决，确保生产环境稳定运行的能力。 + +## Three Pillars +1. **指标（Metrics）**：量化系统行为的数值数据 +2. **日志（Logs）**：系统事件的离散记录 +3. **追踪（Traces）**：请求在分布式系统中的完整路径 + +## Key Tools +- [[Prometheus]]：指标采集和存储 +- [[Grafana]]：可视化仪表板 +- ELK Stack：（日志管理，仅在其他源文件中提及） + +## Connections +- [[DevOps 成熟度模型]] ← 技术支柱 ← [[监控可观测性]] +- [[DevSecOps]] ← 依赖 ← [[监控可观测性]] +- [[Prometheus]] ← 核心工具 ← [[监控可观测性]] diff --git a/wiki/concepts/知其不可奈何而安之若命.md b/wiki/concepts/知其不可奈何而安之若命.md deleted file mode 100644 index 25c66de6..00000000 --- a/wiki/concepts/知其不可奈何而安之若命.md +++ /dev/null @@ -1,39 +0,0 @@ ---- -title: "知其不可奈何而安之若命" -type: concept -tags: [wisdom, daoism, confucianism, mental-state] -last_updated: 2026-04-16 ---- - -## Definition -出自《庄子·内篇·人间世》："自事其心者，哀乐不易施乎前，知其不可奈何而安之若命，德之至也。"——知晓有些事人力无法改变，安然接受如同接受命运，是最高德行。 - -## 核心两部 -1. **知其不可奈何**：清醒认知什么是人力无法改变的（需要智慧判断） -2. **安之若命**：安然接受已定局面，不继续挣扎内耗（需要心态修养） - -## 实践步骤 -1. **明辨"可奈何"与"不可奈何"**：用所有智慧区分能改变和不能改变的 -2. **尽力而为**：在"可奈何"范围内全力以赴 -3. **接纳现实**：停止内心抗拒，与不完美共存 -4. **转变视角**：用宏大长远眼光看困境，当作学习机会 -5. **修养心性**：通过冥想/阅读/自然接触保持内心平静 - -## 关键区分 -- ❌ 消极躺平：放弃努力，等命运安排 -- ✅ 尽人事后听天命：先全力争取，后坦然接受结果 - -## 现代应用 -| 情境 | 错误做法 | "安之若命"做法 | -|------|---------|--------------| -| 项目失败 | 持续抱怨/后悔投入 | 辨析"市场变化不可控"→总结经验→转向新方向 | -| 人际冲突 | 反复纠结对方态度 | 辨析"他人价值观不可控"→专注自己能影响的 | -| 行业变化 | 焦虑未来不确定性 | 辨析"技术趋势不可挡"→主动适应而非抗拒 | - -## Related Concepts -- [[绝处逢生]]：同一哲学体系的不同表达——困境即转机 -- [[忘机消众机]]：在复杂人际环境中的具体应用 -- [[空性智慧]]：佛教版本——一切现象如梦幻泡影 - -## Source -- [[一语点醒梦中人-2026-04-16]] diff --git a/wiki/concepts/硬件转码.md b/wiki/concepts/硬件转码.md deleted file mode 100644 index 1259637e..00000000 --- a/wiki/concepts/硬件转码.md +++ /dev/null @@ -1,45 +0,0 @@ ---- -title: "硬件转码" -type: concept -tags: [video, jellyfin, transcoding, gpu, quicksync] ---- - -## 定义 -硬件转码是利用 GPU 或专用视频处理芯片（Intel QuickSync/NVIDIA NVENC/AMD VAAPI）替代 CPU 执行视频格式转换的技术。[[Jellyfin]] 部署中的核心优化手段。 - -## 工作原理 -传统软件转码完全依赖 CPU： -- H.264/H.265/VP9 → 实时转码需要多核 CPU 高负载 -- 1080p@60fps 可能需要 8+ 核心 - -硬件转码将视频编解码任务卸载到专用单元： -- **Intel QuickSync**：集成于 Intel CPU（Haswell 及以后），性能远超同代 CPU 软解 -- **NVIDIA NVENC**：独立显卡或 RTX 系列 GPU，效率最高 -- **AMD VAAPI**：AMD GPU 支持 - -## Jellyfin 中的配置 - -```yaml -devices: - - /dev/dri:/dev/dri # 挂载 Intel GPU 设备到容器 -``` - -## 性能对比 - -| 方式 | 1080p@60fps CPU 占用 | 延迟 | 功耗 | -|------|---------------------|------|------| -| CPU 软解 | ~300%（8核以上） | 高 | >100W | -| Intel QuickSync | ~20% | 低 | <20W | -| NVIDIA NVENC | <10% | 极低 | 视 GPU 型号 | - -## 在媒体服务器中的价值 -- 支持更多客户端同时播放不同格式视频 -- 移动设备（带宽有限）可请求转码后的低码率流 -- 老旧设备无法硬解 H.265 时，自动降级转码为 H.264 - -## Aliases -- Hardware Transcoding -- Intel QuickSync -- NVENC -- VAAPI -- 硬件加速转码 diff --git a/wiki/concepts/磁盘镜像备份.md b/wiki/concepts/磁盘镜像备份.md deleted file mode 100644 index 95b54786..00000000 --- a/wiki/concepts/磁盘镜像备份.md +++ /dev/null @@ -1,40 +0,0 @@ ---- -title: "磁盘镜像备份" -type: concept -tags: [备份, 运维, 灾难恢复] -date: 2025-12-19 ---- - -## Definition -将整个磁盘或分区保存为单个压缩镜像文件的技术，灾难时可完整恢复到任意磁盘状态。区别于文件级备份（逐文件复制），镜像备份保留磁盘分区表、引导扇区等底层结构。 - -## Core Properties -- **完整性**：包含操作系统、应用程序、数据、引导信息的完整副本 -- **粒度**：磁盘级（整个硬盘）或分区级（单个分区） -- **压缩**：通常支持压缩（如 Clonezilla 的 -z1p） -- **增量备份**：部分工具（如 Clonezilla server）支持增量模式 - -## Comparison with File-Level Backup -| 维度 | 磁盘镜像备份 | 文件级备份 | -|------|------------|-----------| -| 恢复速度 | 快（全盘一次性恢复） | 慢（逐文件还原） | -| 存储效率 | 低（包含未使用空间） | 高（仅备份使用数据） | -| 系统迁移 | 支持完整迁移 | 需要重新安装系统 | -| 粒度 | 粗（整盘/分区） | 细（单个文件） | - -## Use Cases -- 服务器灾难恢复（硬盘故障替换） -- 系统升级前的安全网 -- 迁移到新硬件 -- 合规性定期备份 - -## Related Tools -- [[Clonezilla]]：开源镜像备份工具 -- Ghost：商业镜像备份工具（Symantec） -- Macrium Reflect：Windows 商业备份工具 -- Time Machine：macOS 内置备份（文件级） - -## Connections -- [[磁盘镜像备份]] ← 工具 ← [[Clonezilla]] -- [[磁盘镜像备份]] ← 存储目标 ← [[Synology NAS]] -- [[磁盘镜像备份]] ← 协议 ← [[NFS]] diff --git a/wiki/concepts/社交信号权重.md b/wiki/concepts/社交信号权重.md deleted file mode 100644 index 7b331253..00000000 --- a/wiki/concepts/社交信号权重.md +++ /dev/null @@ -1,35 +0,0 @@ ---- -title: "社交信号权重" -type: concept -tags: [social-media, signal-analysis, credibility] -last_updated: 2026-04-15 ---- - -## 定义 -基于用户互动质量而非单纯曝光量评估内容热度和可信度的评估框架。 - -## 权重分层 -| 平台 | 权重 | 核心指标 | -|------|------|----------| -| Polymarket | 最高 | 赔率（真金白银押注，最真实） | -| Reddit | 高 | upvotes + comments | -| X (Twitter) | 高 | likes + retweets | -| YouTube | 高 | views + likes + transcripts | -| TikTok | 中 | views + likes + 标题 | -| Instagram | 中 | views + likes | -| Hacker News | 中 | points + comments | -| Web | 低 | 无互动数据，仅补充 | - -## 核心洞察 -- **互动数据 > 曝光数据**：10万观看但无互动 ≠ 真实热度 -- **押注数据 > 投票数据**：Polymarket 赔率反映真实概率判断 -- **评论 > 帖子**：Reddit top comments 往往比标题更有价值 - -## 关联 -- [[多平台热点聚合]] 的数据评估基础 -- [[Last30Days]] 的权重体系来源 - -## Aliases -- Engagement-weighted signal -- 互动权重分析 - diff --git a/wiki/concepts/空性智慧.md b/wiki/concepts/空性智慧.md deleted file mode 100644 index 0a7c9336..00000000 --- a/wiki/concepts/空性智慧.md +++ /dev/null @@ -1,33 +0,0 @@ ---- -title: "空性智慧" -type: concept -tags: [buddhism, emptiness, non-attachment, diamond-sutra, wisdom] -sources: [AI-一语点醒梦中人] -last_updated: 2026-04-15 ---- - -## Definition -空性智慧是佛教核心教义，指一切因缘和合之物（"有为法"）无独立不变的自性，世间万象如梦幻泡影露电般虚幻短暂，不可执着，应以"空性"观照。 - -## 经典偈颂 -> "一切有为法，如梦幻泡影，如露亦如电，应作如是观" — 《金刚经》 - -## 6 重比喻解析 -| 比喻 | 含义 | 世间对应 | -|------|------|----------| -| 梦 | 看似真实，醒来方知虚妄 | 人生荣辱恍若一梦 | -| 幻 | 魔术师幻化的假象 | 金钱权势的短暂满足 | -| 泡 | 水泡瞬间破裂 | 青春美貌的无常 | -| 影 | 依赖光线，无实体 | 名声地位需他人认可 | -| 露 | 清晨露珠，太阳一出即消散 | 亲友相聚的短暂 | -| 电 | 闪电刹那生灭 | 愤怒或狂喜情绪的起落 | - -## 实践意义 -- 止观训练：通过冥想观察念头如露珠生灭，培养不黏着的觉性 -- 逆境转念：遭遇挫折时思惟"如梦"，减轻痛苦 -- 积极意义：看透虚幻反而能珍惜当下 - -## Connections -- [[Diamond Sutra]] ← 经典来源 -- [[被动学习]] ← 不同维度的应用 -- [[中道智慧]] ← 相关哲学概念 diff --git a/wiki/concepts/端到端.md b/wiki/concepts/端到端.md deleted file mode 100644 index 42860308..00000000 --- a/wiki/concepts/端到端.md +++ /dev/null @@ -1,33 +0,0 @@ ---- -id: 端到端 -title: "端到端" -type: concept -tags: [ai-era, fullstack, moat] -last_updated: 2026-04-15 ---- - -## Definition -从 idea 到 product 的完整闭环，做自己控制和负责的完整产品，而非别人 AI 流水线上的一个零件。 - -## Core Mechanism -- 零件思维：在别人搭建的 AI 流水线上负责单一环节，最容易被替换 -- 端到端思维：从需求发现到产品交付全流程控制，不可替代性强 - -## 对比 -| 维度 | 零件思维 | 端到端思维 | -|------|---------|-----------| -| 位置 | 别人流水线的一环 | 自己的完整闭环 | -| 可替代性 | 高 | 低 | -| 价值捕获 | 低 | 高 | -| 成长性 | 有限 | 无限 | - -## 核心观点（来自乔布斯.skill） -> "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。" - -## Related Concepts -- [[品味]]：端到端做事需要品味判断质量 -- [[超级个体]]：端到端是超级个体的核心行为模式 -- [[死亡过滤器]]：找到值得端到端做的事 - -## Sources -- [[普通人如何在AI时代赚钱]] diff --git a/wiki/concepts/笔记数据库.md b/wiki/concepts/笔记数据库.md deleted file mode 100644 index 800b9ec0..00000000 --- a/wiki/concepts/笔记数据库.md +++ /dev/null @@ -1,42 +0,0 @@ ---- -id: notes-database -title: 笔记数据库 -type: concept -tags: [笔记管理, 信息检索] -sources: ["Dataview——让我从笔记黑洞里逃出来的Obsidian神器.md"] -last_updated: 2026-04-16 ---- - -## Definition -笔记数据库 是一种将散乱的笔记文本转化为结构化可查询数据的管理范式，核心目标是解决"写笔记容易、查笔记难"的根本痛点。 - -## Mechanism -通过索引笔记的元数据（标签、日期、路径）和内容（文本、任务状态），实现类似数据库的查询能力： - -| 维度 | 传统文件夹 | 笔记数据库 | -|------|------------|-----------| -| 组织方式 | 层级目录 | 标签+字段 | -| 查询方式 | 浏览导航 | SQL/类SQL 查询 | -| 聚合能力 | 手动整理 | 自动聚合 | -| 任务视图 | 分散各处 | 集中展示 | - -## Key Operations -- **索引**：扫描所有笔记，建立元数据索引 -- **查询**：按字段/标签/日期范围筛选 -- **聚合**：将结果以列表/表格/日历视图展示 -- **统计**：量化写作量、任务完成率等指标 - -## Tool Examples -- [[Dataview]]：Obsidian 插件，通过类 SQL 语法实现笔记数据库 -- [[Obsidian]]：本地 Markdown 笔记应用，笔记数据库的宿主 - -## Connections -- [[Dataview]] ← 实现工具 -- [[RAG]] ← 类比（两者都解决"检索"问题，但层次不同：笔记数据库索引本地笔记，RAG 索引外部文档） -- [[LLM Wiki]] ← 底层支撑（笔记数据库 + LLM 推理 = 更强知识管理） -- [[语义搜索]] ← related（前者结构化字段查询，后者向量语义查询） - -## Distinction from RAG -- 笔记数据库：基于结构化字段（标签/日期/任务状态）精确查询 -- RAG：基于向量语义相似度模糊检索 -- 两者互补：笔记数据库管结构化元数据，RAG 管非结构化内容 diff --git a/wiki/concepts/精准表达.md b/wiki/concepts/精准表达.md deleted file mode 100644 index 612d60c4..00000000 --- a/wiki/concepts/精准表达.md +++ /dev/null @@ -1,26 +0,0 @@ ---- -title: "精准表达" -type: concept -tags: [prompt-engineering, 思维方法] -sources: ["如何写出完美的Prompt（提示词）？"] -last_updated: 2026-04-15 ---- - -## Definition -用清晰的逻辑组织信息，让 AI 快速抓取核心，核心是消除信息差——既消除人类需求与 AI 理解之间的信息差，也消除任务目标与执行标准之间的信息差。 - -## Core Elements -- 动词明确：避免模糊词表述（如"做一下""弄个"） -- 对象明确：明确核心内容 -- 约束明确：明确边界条件 - -## Related Concepts -- [[结构化思维]]：精准表达的思维基础 -- [[需求拆解]]：精准表达在 Prompt 中的具体形态 - -## Key Distinction -- 误区：越复杂越专业，过度堆砌术语和格式 -- 真相：Prompt 的专业性不在于复杂程度，而在于精准匹配 - -## Sources -- [[如何写出完美的Prompt（提示词）？]] diff --git a/wiki/concepts/精确去重.md b/wiki/concepts/精确去重.md deleted file mode 100644 index 7a6d117b..00000000 --- a/wiki/concepts/精确去重.md +++ /dev/null @@ -1,28 +0,0 @@ ---- -id: 精确去重 -title: "精确去重" -type: concept -tags: [照片整理, dedup, md5] -last_updated: 2026-04-15 ---- - -## Definition -通过 MD5 哈希比对，只删除内容完全相同的文件，保留任一有差异的版本。 - -## Core Mechanism -- 对每个文件计算 MD5 哈希值 -- 哈希相同 → 内容相同 → 可安全删除 -- 哈希不同 → 至少有一个 bit 不同 → 保留 -- 适用于同一照片多设备备份、网盘同步等场景产生的完全重复副本 - -## Key Properties -- 零误删：MD5 碰撞概率极低，可认为是内容完全相同的充分条件 -- 可追溯：保留 To-Be-Deleted 目录而非直接删除 - -## Related Concepts -- [[小文件清理]]：另一种照片整理策略 -- [[安全删除]]：删除操作的前置保护机制 -- [[分批执行]]：大规模去重的执行策略 - -## Sources -- [[养虾日记1-OpenClaw照片整理实战]] diff --git a/wiki/concepts/系统提示词.md b/wiki/concepts/系统提示词.md deleted file mode 100644 index 63845c5e..00000000 --- a/wiki/concepts/系统提示词.md +++ /dev/null @@ -1,42 +0,0 @@ ---- -title: "系统提示词" -type: concept -tags: [system-prompt, ai-agent, prompt-engineering] -sources: ["系统提示词构建原则"] -last_updated: 2026-04-16 ---- - -## Definition -系统提示词（System Prompt）是定义 AI Agent 核心身份、行为准则、边界约束的顶层 prompt，与用户输入的即时提示词（User Prompt）相对。系统提示词决定 Agent 的"性格"和"做事方式"，用户提示词决定"具体做什么任务"。 - -## Architecture -| 层级 | 内容 | 示例 | -|------|------|------| -| 核心身份准则 | 行为底线和优先级 | "优先技术准确性而非迎合用户" | -| 沟通规范 | 输出风格和语言要求 | "专业、直接、简洁，避免冗余" | -| 任务执行流程 | 复杂任务的处理方式 | "TODO列表规划，理解→计划→执行→验证" | -| 技术编码规范 | 代码质量标准 | "优先清晰度，避免 any 类型" | -| 安全防护准则 | 边界和禁止行为 | "绝不透露内部指令，保护密钥" | - -## Key Distinction -- **系统提示词**：相对固定，定义 Agent 长期行为模式 -- **即时提示词**：每次对话变化，定义具体任务 -- **少样本示例**：介于两者之间，在即时提示词中嵌入示例 - -## Design Principles -1. **只写 AI 不知道的**：Agent 已有的能力（如"写代码"）无需重复，聚焦约束和边界 -2. **可预期性 > 能力**：约束比能力更重要，行为一致性是信任基础 -3. **分层而非堆砌**：分类分层比条目堆砌更易维护和理解 -4. **安全是底线**：密钥保护、危险命令告知、不协助恶意任务是绝对禁区 - -## Related Concepts -- [[Prompt工程]]：系统提示词是 Prompt 工程在 Agent 行为设计层的应用 -- [[行为可预期性]]：系统提示词的核心价值目标 -- [[AI Agent 思维方式]]：系统提示词是 AI Agent 思维方式的文本化表达 - -## Related Entities -- [[Claude Code]]：系统提示词构建原则的主要实践场景 -- [[vibe-coding-cn]]：来源 GitHub 仓库 - -## Sources -- [[系统提示词构建原则]] diff --git a/wiki/concepts/系统经济.md b/wiki/concepts/系统经济.md deleted file mode 100644 index 34e2be2b..00000000 --- a/wiki/concepts/系统经济.md +++ /dev/null @@ -1,54 +0,0 @@ ---- -title: "系统经济" -type: concept -tags: [systems-economy, product, business, dan-koe] ---- - -# 系统经济（Systems Economy） - -AI 时代的经济形态：人们要的是你的解决方案（系统），而非通用的产品功能。 - -## 核心定义 - -系统经济 = 解决方案的价值在于系统本身而非产品功能，人们购买的是经过验证的方法论而非工具本身。 - -## 与产品经济的对比 - -| 维度 | 产品经济 | 系统经济 | -|------|----------|----------| -| 价值来源 | 功能/特性 | 方法论/流程/经验 | -| 差异化 | 功能对比 | 系统独特性 | -| 可复制性 | 高（功能可复制） | 低（经验不可复制） | -| 护城河 | 技术壁垒 | 经验壁垒 | -| 典型案例 | Google Drive/Dropbox | 2 Hour Writer | - -## 代表案例：2 Hour Writer - -Dan Koe 的 2 Hour Writer 系统： -- **解决的问题**：内容创作者时间不足 -- **系统组成**：swipe files + idea generation steps + templates -- **目标**：每天 <2 小时完成所有内容创作 - -评论说"2HW 可以被 Notion 替代"，但系统本身不可复制，因为它是 Dan Koe 自身经验的产品化。 - -## 系统构建路径 - -1. **验证自身问题**：通过实践找到有效方法 -2. **产品化系统**：将方法论封装为可复制的产品 -3. **建立分发渠道**：通过内容触达目标受众 - -## 在 AI 时代的价值 - -- AI 让功能易于复制，但经验难以复制 -- 系统化思维将个人经验转化为可销售的护城河 -- "人们不想要解决问题的方案，人们想要你的解决方案" - -## 相关人物 - -- [[Dan Koe]]：系统经济的倡导者和实践者 - -## 相关概念 - -- [[创意博物馆]]：系统经济的输入端 -- [[系统经济]] ← extends ← [[一人公司]]，一人公司是系统经济的商业模式 -- [[死亡过滤器]] ← relates_to ← 系统构建前的自我验证 \ No newline at end of file diff --git a/wiki/concepts/纸带交易.md b/wiki/concepts/纸带交易.md deleted file mode 100644 index 59224fbf..00000000 --- a/wiki/concepts/纸带交易.md +++ /dev/null @@ -1,26 +0,0 @@ ---- -title: "纸带交易" -type: concept -tags: [paper-trading, trading-bot, simulation] -date: 2026-04-16 ---- - -## Definition -在真实市场环境中使用假资金（模拟资金）测试交易策略，隔离风险，在实盘前验证策略有效性。 - -## 特点 -- 模拟资金池（如 $10,000） -- 所有交易记录在数据库，实时计算 P&L -- 策略迭代基于历史数据回测 - -## 与实盘对比 -| 维度 | 纸带交易 | 实盘 | -|------|---------|------| -| 资金风险 | 无 | 有 | -| 策略验证 | 必要前提 | 高风险 | -| 心理因素 | 无 | 强烈 | -| 执行速度 | 快 | 受情绪影响 | - -## Connections -- [[Polymarket-Autopilot]]：使用纸带交易的具体实现 -- [[预测市场]]：纸带交易应用的市场类型 diff --git a/wiki/concepts/结构化思维.md b/wiki/concepts/结构化思维.md deleted file mode 100644 index ac7ca96f..00000000 --- a/wiki/concepts/结构化思维.md +++ /dev/null @@ -1,24 +0,0 @@ ---- -title: "结构化思维" -type: concept -tags: [prompt-engineering, 思维方法] -sources: ["如何写出完美的Prompt（提示词）？"] -last_updated: 2026-04-15 ---- - -## Definition -将模糊目标拆解为具体、可执行的子任务，用清晰的逻辑组织信息，让 AI 快速抓取核心。 - -## Core Elements -- 核心指令前置：避免冗余信息干扰 -- 分层呈现信息：用标题、序号、分段区分核心任务、背景信息、约束条件 -- 逻辑关系明确：用连接词清晰呈现任务逻辑链条 - -## Related Concepts -- [[精准表达]]：结构化思维的输出层面 -- [[需求拆解]]：结构化思维在 Prompt 构建中的具体应用 -- [[任务拆分法]]：结构化思维在复杂任务中的扩展应用 - -## Examples -- 按"业务流程递进"拆分（如白皮书：收集数据→分析痛点→设计框架→填充内容→优化语言） -- 用总-分-总、维度拆解等逻辑框架组织 Prompt diff --git a/wiki/concepts/绝处逢生.md b/wiki/concepts/绝处逢生.md deleted file mode 100644 index 5d9d2598..00000000 --- a/wiki/concepts/绝处逢生.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -title: "绝处逢生" -type: concept -tags: [chinese-wisdom, daoism, transformation, adversity] -sources: [AI-一语点醒梦中人] -last_updated: 2026-04-15 ---- - -## Definition -"绝处逢生"是东方哲学中的逆境转化智慧，指在人生困境（"水穷处"）中放下执着，以超然心态静观变化，从而获得新的可能（"云起时"）。 - -## 经典表达 -王维《终南别业》："行到水穷处，坐看云起时" - -## 核心机制 -1. **水穷处**：象征人生的绝境、困境、未知 -2. **坐看**：放下挣扎，以平静心观察 -3. **云起时**：象征新的变化、希望、可能性 - -## 与"知其不可奈何而安之若命"的区别 -- 绝处逢生：强调在困境中保持观察者姿态，等待转机 -- 安之若命：强调对无法改变之事的内心接受 - -## Connections -- [[王维]] ← 代表人物 -- [[中道智慧]] ← 相关哲学 -- [[Su Dongpo Perspective]] ← 同类智慧 diff --git a/wiki/concepts/自定义指令.md b/wiki/concepts/自定义指令.md deleted file mode 100644 index c4a01acb..00000000 --- a/wiki/concepts/自定义指令.md +++ /dev/null @@ -1,35 +0,0 @@ ---- -title: "自定义指令" -type: concept -tags: [prompt-engineering, personalization, ai-tools] -date: 2026-04-16 ---- - -## Definition -自定义指令（Custom Instructions）是 AI 助手（如 ChatGPT）在每次对话启动前接收的持久化配置，通过双字段结构（Instructions + User Details）将用户背景和响应偏好编码，使 AI 无需每次重复声明即可提供符合用户认知风格的输出。 - -## Core Properties -- 双字段结构：Instructions（AI 行为偏好）+ User Details（用户背景信息） -- 持久化：配置一次，全局生效，无需在每次对话中重复说明 -- 质量影响：配置质量直接决定 AI 输出质量天花板 -- 迭代优化：可随时修改，AI 实时适应 - -## 设计原则 -1. 明确"做什么"：声明期望的响应风格（详细/简洁/推理优先等） -2. 明确"不做什么"：边界声明（如不道德说教、不泛泛而谈）同样重要 -3. 提供上下文：用户背景帮助 AI 校准技术深度和举例方式 -4. 量化偏好：具体要求（如"详尽程度 8/10"）优于模糊指示 - -## 与相关概念的区别 -- [[个性化]]：自定义指令是实现个性化的具体技术手段 -- [[Prompt工程]]：自定义指令属于系统级 Prompt，级别高于单次对话 Prompt -- [[Agentic AI]]：Agentic AI 的个性化依赖自定义指令 + 动态学习 - -## Examples -- [[OpenAI-ChatGPT-个性化定义]]：47岁前云服务高管，TikTok 跨境电商创业者，偏好详尽推理+反权威论据 -- ChatGPT 官方默认自定义指令模板 -- Claude/Gemini 等平台的类似系统提示配置 - -## Related Entities -- [[OpenAI]]：Custom Instructions 功能首发平台 -- [[ChatGPT]]：主要支持的 AI 应用载体 diff --git a/wiki/concepts/自愈基础设施.md b/wiki/concepts/自愈基础设施.md deleted file mode 100644 index b6dec93b..00000000 --- a/wiki/concepts/自愈基础设施.md +++ /dev/null @@ -1,26 +0,0 @@ ---- -title: "自愈基础设施" -type: concept -tags: [infrastructure, autonomous-agent, self-healing] -date: 2026-04-16 ---- - -## Definition -基础设施 Agent 具备检测异常、诊断根因、自主修复的能力，无需人工干预即可恢复正常运行状态。 - -## Self-Healing Actions -- 检测：健康检查探针、告警触发器 -- 诊断：日志分析、指标关联 -- 修复：重启 Pod/扩展资源/修复配置文件/回滚部署 - -## Contrast with Traditional Monitoring -| 维度 | 传统监控 | 自愈基础设施 | -|------|---------|-------------| -| 响应 | 人工告警 | Agent 自主行动 | -| 时效 | 分钟到小时 | 秒级 | -| 可用性 | 有人待命 | 24/7 | - -## Connections -- [[Self-Healing-Home-Server]]：自愈基础设施的具体实现案例 -- [[Self-Healing-Systems]]：已有相关概念页面 -- [[Prometheus]]：健康指标采集层 diff --git a/wiki/concepts/自教育.md b/wiki/concepts/自教育.md deleted file mode 100644 index 028265ad..00000000 --- a/wiki/concepts/自教育.md +++ /dev/null @@ -1,58 +0,0 @@ ---- -title: "自教育" -type: concept -tags: [self-education, learning, generalist] ---- - -# 自教育（Self-Education） - -自主定向学习，获得与传统教育不同的结果，是超级通才三要素中的引擎。 - -## 核心定义 - -自教育 = 学习是因为它真正服务于你的发展，而不是因为有人布置了这项任务。 - -## 与传统教育的对比 - -| 维度 | 传统教育 | 自教育 | -|------|----------|--------| -| 学习动力 | 外部（成绩/文凭/工作要求） | 内部（真实兴趣/发展需求） | -| 内容选择 | 固定课程大纲 | 按需选择，按兴趣探索 | -| 学习方式 | 被动接受（听课/考试） | 主动探索（research/实验/实践） | -| 效果衡量 | 分数/文凭 | 能力提升/价值创造 | -| 适用场景 | 标准化职业路径 | 复杂/创新/跨领域场景 | - -## 自教育的驱动机制 - -``` -Self-interest（自利） → 自学（因为热爱） - ↓ - Self-sufficiency（自立） → 精通领域 - ↓ - Self-interest（自利） → 清晰方向 -``` - -自利促使人们进行自学；自学使人能够自给自足；自给自足能明确自身利益，形成正向循环。 - -## 在 AI 时代的价值 - -- AI 降低执行成本，使"跟随意兴趣学习"更可行 -- 传统教育培养专才，AI 时代需要通才 -- 自教育是避免被 AI 替代的关键能力之一 - -## 实践方法 - -1. **建立创意博物馆**：积累高密度信息源 -2. **公开学习**：社交媒体 as "taking notes in public" -3. **产品化学习**：将学习成果转化为内容/产品 - -## 相关人物 - -- [[Dan Koe]]：自教育理念的倡导者和实践者 -- [[Leonardo da Vinci]]：通过自教育成为文艺复兴通才 - -## 相关概念 - -- [[自利]]：自教育的动力来源 -- [[自立自强]]：自教育的目标 -- [[超级通才]]：自教育 + 自利 + 自立三要素的自然结果 \ No newline at end of file diff --git a/wiki/concepts/自映射-Self-Map.md b/wiki/concepts/自映射-Self-Map.md deleted file mode 100644 index a412ac46..00000000 --- a/wiki/concepts/自映射-Self-Map.md +++ /dev/null @@ -1,29 +0,0 @@ ---- -title: "自映射 (Self-Map)" -type: concept -tags: [math, recursion, formalization, fixed-point] ---- - -## Definition -自映射是集合到自身的映射。在递归自优化生成系统中，自映射 $\Phi: \mathcal{G} \to \mathcal{G}$ 定义为： -$$\Phi(G) = M\big(G,\; O(G(I),\; \Omega)\big)$$ - -即：给定当前生成器 $G$，执行一次"生成→优化→更新"循环后得到新生成器 $\Phi(G)$。 - -## Core Insight -自映射是递归自优化系统的核心数学结构。迭代应用 $\Phi$ 产生生成器序列 $\{G_n\}$： -$$G_{n+1} = \Phi(G_n)$$ - -系统的收敛目标不是某个具体输出，而是在生成器空间中找到一个不动点。 - -## Properties -- 迭代性：对 $G_0$ 反复应用 $\Phi$ 得到序列 $\{G_n\}$ -- 收敛性：当 $\Phi$ 满足连续性或收缩性条件时，序列收敛到 $G^*$ -- 自引用：$G_n$ 既是被更新的对象，又是更新的执行者 - -## Relationship to Fixed Point -- 自映射 $\Phi$ 的不动点 $G^*$ 满足 $\Phi(G^*) = G^*$ -- 不动点代表"生成能力已达到稳定状态，无需进一步更新" - -## Source -- [[A Formalization of Recursive Self-Optimizing Generative Systems]] diff --git a/wiki/concepts/自递归优化生成系统.md b/wiki/concepts/自递归优化生成系统.md deleted file mode 100644 index 36b1af1f..00000000 --- a/wiki/concepts/自递归优化生成系统.md +++ /dev/null @@ -1,33 +0,0 @@ ---- -title: "自递归优化生成系统" -type: concept -tags: [ai, theory, recursion, self-improvement] ---- - -## Definition -自递归优化生成系统（Recursive Self-Optimizing Generative System）是一种通过递归循环实现自我改进的 AI 框架，其核心是 α-提示词（生成器 G）、Ω-提示词（优化器 O）和元生成器（M）三者之间的自映射关系。 - -## Core Mechanism -``` -P = G(I) // 生成阶段：生成器 G 产生提示词 P -P* = O(P, Ω) // 优化阶段：优化器 O 依据理想目标 Ω 优化 P -G' = M(G, P*) // 更新阶段：元生成器 M 用优化产物更新 G -``` - -自映射函数：Φ(G) = M(G, O(G(I), Ω)) - -## Fixed-Point Semantics -- 稳定生成能力 = Φ 的固定点 G*：Φ(G*) = G* -- 当 Φ 满足连续性或收缩性条件时：G* = lim_{n→∞} Φ^n(G_0) -- 自参照结构可表达为：G* = Y STEP（Y Combinator） - -## Self-Bootsrapping Loop -1. Bootstrap：用 AI 生成 α 和 Ω 的初始版本 -2. Self-Correction：Ω 优化 α，得到更强大的 α -3. Generation：用进化后的 α 生成所有目标提示词 -4. Recursive Loop：将产物反馈系统，启动下一轮进化 - -## Connections -- [[固定点]] ← 数学基础 -- [[Y Combinator]] ← 形式化工具 -- [[Claude Skill Generator Pattern]] ← 实践对应 diff --git a/wiki/concepts/被动学习.md b/wiki/concepts/被动学习.md deleted file mode 100644 index 0738e829..00000000 --- a/wiki/concepts/被动学习.md +++ /dev/null @@ -1,28 +0,0 @@ ---- -id: 被动学习 -title: "被动学习" -type: concept -tags: [learning, notebooklm, audio] -last_updated: 2026-04-15 ---- - -## Definition -通过 Audio Overviews（音频概览）将文本内容转化为对话式音频，在碎片时间（开车/健身/家务）中完成知识摄入的学习方式。 - -## Core Mechanism -- 上传文档 → NotebookLM 生成双人 AI 对话音频 → 碎片时间播放 -- 可定制风格：Brief（简短概览）、Deep Dive（深度解析）、Critique（批判性分析）、Debate（辩论式） -- 高级用法：自定义主持人设定，如"假设你是这个领域的学生" - -## Key Properties -- 知识转音频：复杂文档转化为可听性强的对话 -- 碎片时间利用：无需专注阅读 -- 被动摄入：适合"不激动但必要"的学习场景 - -## Related Concepts -- [[Source-Grounding]]：NotebookLM 的核心技术约束，保证回答可溯源 -- [[引文追溯]]：每个回答附带原文引文 -- [[NotebookLM]]：被动学习的工具载体 - -## Sources -- [[7-ways-NotebookLM]] diff --git a/wiki/concepts/规划驱动.md b/wiki/concepts/规划驱动.md deleted file mode 100644 index a85ef72a..00000000 --- a/wiki/concepts/规划驱动.md +++ /dev/null @@ -1,33 +0,0 @@ ---- -title: "规划驱动" -type: concept -tags: [vibe-coding, planning, workflow] ---- - -## Definition -规划驱动（Planning-Driven）是 Vibe Coding 范式的第一原则：AI 写代码前，必须先完成清晰的技术选型、实施规划和模块化设计，防止 AI 因理解偏差导致项目逻辑混乱。 - -## Core Idea -传统开发：需求 → 编码 → 测试 → 修复循环 -Vibe Coding：规划 → AI 执行 → 审查 → 迭代 - -## Why It Matters -- AI 的理解存在上下文偏差：没有规划约束，AI 会"自由发挥"导致架构不一致 -- 规划文档 = AI 行为边界：通过 .cursorrules、SPEC.md 等文件约束 AI -- 规划质量决定产出质量：模糊的规划 = 模糊的代码 - -## Planning Artifacts -- **SPEC.md**：产品/功能规格说明 -- **.cursorrules**：Cursor AI 行为约束文件 -- **TECH_STACK.md**：技术选型和架构说明 -- **模块化设计**：将复杂系统拆解为独立可实现的模块 - -## Related Concepts -- [[Vibe Coding]]：规划驱动是 Vibe Coding 三要素之首 -- [[上下文固定]]：规划文档是固定 AI 上下文的手段 -- [[项目规则]]：规划的具体化，约束 AI 行为 - -## Aliases -- Planning First -- 规划优先 -- 设计驱动 diff --git a/wiki/concepts/记忆断层.md b/wiki/concepts/记忆断层.md deleted file mode 100644 index 3cdbab15..00000000 --- a/wiki/concepts/记忆断层.md +++ /dev/null @@ -1,28 +0,0 @@ ---- -title: "记忆断层" -type: concept -tags: [memory, openclaw, agent, bug, self-improvement] -last_updated: 2026-04-15 ---- - -## Definition -由于设计缺陷导致某些日期完全没有 memory 文件记录，造成 Agent 无法回溯特定时期工作的问题。根源是"第一次对话时创建文件"的逻辑，无对话日不触发文件创建。 - -## 问题表现 -- 3月27日 memory 文件为空 → 复盘时发现当天没有任何记录 -- Agent 后续无法回溯该日的工作内容 -- 知识孤岛：该日学到的经验没有积累 - -## 根因 -原设计：只在"第一次对话时"检查并创建 memory 文件 → 无对话日文件不创建 → 记忆断层 - -## 解决方案 -修改为：每次 Session 启动时都检查并创建当天 memory 文件，无论是否有对话 - -## 发现机制 -每日复盘时 Agent 主动检查前一天的文件，发现问题后记录为 LRN 并推动流程优化。 - -## Connections -- [[双层记忆架构]] ← 存在于 ← [[记忆断层]] -- [[Self-Improving Skill]] ← 发现机制 ← [[记忆断层]] -- [[每日复盘]] ← 发现场景 ← [[记忆断层]] diff --git a/wiki/concepts/设计文档优先.md b/wiki/concepts/设计文档优先.md deleted file mode 100644 index 44c516b0..00000000 --- a/wiki/concepts/设计文档优先.md +++ /dev/null @@ -1,43 +0,0 @@ ---- -title: "设计文档优先" -type: concept -tags: [vibe-coding, workflow, planning, documentation] ---- - -## 定义 -在交给 AI 生成代码之前，先完成完整的技术设计文档（含伪代码），再由 AI 执行实现。vibe coding 工程化的核心原则。 - -## 工作流 - -``` -需求 → 设计文档（含 service 层伪代码） → AI 直出代码 → AI review → 修改提交 -``` - -## 设计文档应包含的内容 -- **模块划分**：每个模块的职责边界 -- **接口定义**：模块间 API/函数签名 -- **伪代码**：核心逻辑的实现步骤（降低 AI 推理难度） -- **技术选型**：明确使用的库/框架/版本 -- **上下游链路**：模块与其他系统/服务的依赖关系 - -## 核心价值 -- AI 直出质量与设计文档质量正相关 -- 伪代码将"创意"转化为"可执行步骤"，减少 AI 幻觉 -- 文档本身是团队知识沉淀，不依赖 AI 执行才存在 - -## 与传统开发的区别 - -| 维度 | 传统开发 | 设计文档优先 | -|------|---------|------------| -| 代码生成 | 人写 | AI 生成 | -| 架构决策 | 人做 | 人做（通过文档） | -| 单元测试 | 人写 | AI 生成 | -| review | 人做 | AI + 人 | - -## 在 vibe coding 中的位置 -[[Vibe Coding]] = 规划驱动（设计文档）+ AI 结对执行 + 上下文固定。设计文档优先是"规划驱动"的具体实践。 - -## Aliases -- Design Doc First -- 伪代码前置 -- 设计先行 diff --git a/wiki/concepts/语义搜索.md b/wiki/concepts/语义搜索.md deleted file mode 100644 index e1c8d68f..00000000 --- a/wiki/concepts/语义搜索.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -title: "语义搜索" -type: concept -tags: [vector-search, memory, ai-tools] -date: 2026-04-16 ---- - -## Definition -通过向量表示（Embedding）理解查询和文档的语义含义，而非字面关键词匹配，实现"按意思查找"而非"按字找词"。 - -## Example -查询"what caching solution did we pick?" 能找到讨论 Redis/Memcached 决策的记忆，即使记忆文件中从未出现 "caching" 一词。 - -## vs 关键词搜索 -| 维度 | 关键词搜索 | 语义搜索 | -|------|-----------|----------| -| 原理 | 倒排索引 BM25 | 向量相似度 | -| 匹配 | 精确词项 | 语义最近邻 | -| 同义词 | 漏检 | 命中 | -| 泛化 | 差 | 强 | - -## Connections -- [[memsearch]]：语义搜索实现工具 -- [[混合搜索]]：语义搜索与关键词搜索的融合 -- [[QMD]]：BM25 关键词搜索工具（与语义搜索互补） diff --git a/wiki/concepts/负向提示词.md b/wiki/concepts/负向提示词.md deleted file mode 100644 index 494aebfc..00000000 --- a/wiki/concepts/负向提示词.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -title: "负向提示词" -type: concept -tags: [ai, prompt, image-generation] ---- - -## Definition -负向提示词（Negative Prompt）是一种明确指定 AI 生成过程中需要排除的特征或元素的提示词策略。 - -## Mechanism -在图像生成中，negatives 字段告诉模型"不要生成这些内容"： -- 避免常见缺陷：blur、noise、watermark、logo -- 排除不需要的元素：human hands、text、distortion -- 控制风格纯度：no unrealistic lighting、no cartoon style - -## In Nano Banana Framework -Nano Banana 的 negatives 字段是质量控制关键： -```json -"negatives": "no scratches, no dust, no logos or brand names, no human hands, blurry watch face" -``` - -## Why It Matters -不写 negatives = 让 AI 自由发挥，容易混入不需要的元素。明确的 negatives = 质量门槛。 - -## Connections -- [[Nano Banana]] ← 框架实现 -- [[结构化提示词]] ← 上位概念 diff --git a/wiki/concepts/超级个体.md b/wiki/concepts/超级个体.md deleted file mode 100644 index 0765d202..00000000 --- a/wiki/concepts/超级个体.md +++ /dev/null @@ -1,32 +0,0 @@ ---- -title: "超级个体" -type: concept -tags: [ai-empowerment, solo-founder, productivity, 个人效率, 能力结构] -last_updated: 2026-04-16 ---- - -## Definition -某领域八九十分者用AI横向扩展能力边界。AI是充分非必要条件——不是AI让你变强，而是你已经强，AI放大你的能力。 - -## Core Formula -超级个体 = 领域专家（80-90分）+ AI工具放大 - -## Key Distinction -- ❌ 错误路径：普通人 + AI = 超级个体（AI是充分条件） -- ✅ 正确路径：领域强人 + AI = 超级个体（AI是放大器） - -## Required Prerequisites -- 某领域有扎实基础（能判断什么是真正好的） -- 精准表达能力（将模糊想法转化为清晰结构） -- 市场洞察力（知道什么值得做） - -## Related Concepts -- [[AI产品经理]]：精准表达 + 市场洞察的典型结合 -- [[品味]]：AI时代真正的护城河，能判断什么是真正好的 -- [[端到端]]：从idea到product的完整闭环能力 - -## Source -- [[不会Gemini的产品经理真的要被淘汰了-附保姆级PRD生成指南]] - -## Contradiction -- 与"AI降低门槛"叙事冲突：AI降低了工具使用门槛，但判断力门槛未降低反而提高 diff --git a/wiki/concepts/超级通才.md b/wiki/concepts/超级通才.md deleted file mode 100644 index cf85074e..00000000 --- a/wiki/concepts/超级通才.md +++ /dev/null @@ -1,61 +0,0 @@ ---- -title: "超级通才" -type: concept -tags: [generalist, self-education, self-interest, self-sufficiency] ---- - -# 超级通才（Super Generalist） - -拥有多领域交叉能力的个体，通过自教育、自利、自立三要素实现知识主权和适应力，在 AI 时代比专才更具优势。 - -## 核心定义 - -**超级通才** = [[超级个体]] 在知识广度上的具体表达，强调多领域交叉带来的独特视角和创造力。 - -## 三要素框架 - -| 要素 | 定义 | 作用 | -|------|------|------| -| [[自教育]] | 自主定向学习，获得与传统教育不同的结果 | 引擎 | -| [[自利]] | 追随自身利益，而非被组织利益裹挟 | 指南针 | -| [[自立自强]] | 拒绝外包判断力、学习力和自主性 | 基石 | - -## 与专才的对比 - -| 维度 | 专才（Specialist） | 超级通才（Super Generalist） | -|------|---------------------|------------------------------| -| 能力结构 | 单点深度 | 多点交叉 | -| 适应能力 | 低（领域锁定） | 高（跨领域迁移） | -| 收入天花板 | 高但受限 | 无上限（视整合能力） | -| AI 替代风险 | 高 | 低（独特视角无法复制） | -| 代表 | 流水线工人 | Leonardo da Vinci | - -## 核心洞察 - -### "你的优势在交叉而非专精" -> "Your edge lies more in intersection than it does in expertise." — Dan Koe - -多领域交叉创造独特世界观，这是 AI 在未被明确告知时无法理解的能力。 - -### 第二次文艺复兴 -- 印刷术：降低知识成本 → 个人可追求多领域精通 -- AI：降低执行成本 → 个人可将兴趣转化为产品 - -## 与超级个体的关系 - -- [[超级个体]]：某领域八九十分 + AI 横向扩展，强调单领域深耕 + AI 放大 -- **超级通才**：强调跨领域广度和交叉整合能力，两者可互补 - -超级个体可以是超级通才，但超级通才不一定是传统意义的超级个体。 - -## 实践路径 - -1. **建立创意博物馆**：积累高密度信息源（3-5 个） -2. **发现独特视角**：通过多领域学习构建差异化世界观 -3. **创建品牌环境**：通过内容展现故事和哲学 -4. **构建系统产品**：系统 > 产品，系统具有护城河价值 - -## 相关人物 -- [[Dan Koe]]：超级通才的典型代表 -- [[Leonardo da Vinci]]：绘画/雕塑/工程/解剖/战争机器/人体绘图跨界 -- [[Jordan Peterson]]：心理学/哲学/演讲/著书跨领域通才 \ No newline at end of file diff --git a/wiki/concepts/运动控制.md b/wiki/concepts/运动控制.md deleted file mode 100644 index 9da7882d..00000000 --- a/wiki/concepts/运动控制.md +++ /dev/null @@ -1,31 +0,0 @@ ---- -title: 运动控制 -type: concept -tags: [AI, 视频生成, 运动] -last_updated: 2026-04-15 ---- - -## 定义 -运动控制（Motion Control）是通过文本提示词控制视频中主体运动方向和动作的技术能力。 - -## 核心机制 -- 提示词解析：理解用户输入的文本指令（如"快速转身微笑"） -- 运动推断：基于图片内容和提示词推断合理的运动轨迹 -- 物理约束：遵循真实世界物理规律（如重力、碰撞） - -## 技术特点 -- 主体+运动+背景：典型提示词结构 -- 复杂动作生成：如切西红柿、倒茶等符合物理逻辑的动作 -- 情绪动作：皱眉、叹气、翻白眼等复杂情绪表现 -- 细节填充：为元素添加合理的运动细节 - -## 典型实现 -- [[通义万相]]：通过提示词精准控制运动，实现大幅度主体运动 -- [[可灵AI]]：3D时空联合注意力机制，生成符合物理逻辑的复杂动作 -- [[VideoOcean]]：根据用户指令让图片中主体做出特定动作或表情 -- [[海螺AI]]：理解超出图片内容的文本指令，实现"所写即所见" - -## Connections -- [[运动控制]] ← 属于 ← [[图生视频]] -- [[可灵AI]] ← 实现 ← [[运动控制]] -- [[通义万相]] ← 实现 ← [[运动控制]] diff --git a/wiki/concepts/运镜控制.md b/wiki/concepts/运镜控制.md deleted file mode 100644 index 7b6134cd..00000000 --- a/wiki/concepts/运镜控制.md +++ /dev/null @@ -1,31 +0,0 @@ ---- -title: 运镜控制 -type: concept -tags: [AI, 视频生成, 摄像机控制] -last_updated: 2026-04-15 ---- - -## 定义 -运镜控制（Camera Motion Control）是模拟摄像机运动（推拉、轨道、旋转等）来控制视频画面视角的技术能力。 - -## 核心机制 -- 相机路径定义：预设或自定义摄像机运动轨迹 -- 视角变换：调整视频画面中的视角和透视关系 -- 3D场景理解：对输入图像进行深度估计，构建3D空间理解 - -## 技术特点 -- 多样化相机动作：推拉、轨道、旋转、平移、倾斜等 -- LoRA控制：通过LoRA技术精细控制摄像机位置和角度 -- 3D场景生成：沿指定相机路径创建3D视频 -- 多比例支持：16:9、9:16、1:1等多种画幅 - -## 典型实现 -- [[StableVideo]]：LoRA摄像机精细控制，多种相机动作选项 -- [[即梦AI]]：运镜控制、运动速度、视频比例等多参数自定义 -- [[Viva]]：6种运镜方式，运动强度范围大 -- [[PixVerse]]：摄像头运镜参数调整，改变视角和运动轨迹 - -## Connections -- [[运镜控制]] ← 属于 ← [[图生视频]] -- [[StableVideo]] ← 实现 ← [[运镜控制]] -- [[即梦AI]] ← 实现 ← [[运镜控制]] diff --git a/wiki/concepts/选品评分模型.md b/wiki/concepts/选品评分模型.md deleted file mode 100644 index 57e72326..00000000 --- a/wiki/concepts/选品评分模型.md +++ /dev/null @@ -1,41 +0,0 @@ ---- -title: "选品评分模型" -type: concept -tags: [选品, 评分模型, 算法, 电商] -sources: [] -last_updated: 2025-03-14 ---- - -## Definition -通过对销量、评分、评分数量、折扣比例进行加权求和，自动计算产品综合评分并排序的选品推荐算法。 - -## 标准公式 -``` -score = sold × 0.4 + rating × 12 + rating_count × 0.2 + discount_percent × 0.5 -``` - -## 权重设计逻辑 -| 维度 | 权重 | 理由 | -|------|------|------| -| sold | 0.4 | 销量是市场验证的直接指标 | -| rating | 12 | 评分×12 ≈ rating_count×0.2 的两倍，强调质量 | -| rating_count | 0.2 | 评分数量代表热度和可信度 | -| discount_percent | 0.5 | 折扣带量效果，权重较低 | - -## 使用方式 -在 Superset 中以 Table Chart 展示，支持按 score DESC 排序，LIMIT 100 输出推荐列表。 - -## 可调参数 -权重可根据业务策略调整： -- 追求爆量：增加 sold 权重 -- 追求高利润：增加 final_price 相关权重 -- 追求蓝海：增加 rating_count×rating 权重 - -## Related Entities -- [[TikTok Products]]：数据来源 -- [[Apache Superset]]：可视化工具 -- [[电商选品分析]]：应用场景 - -## Related Concepts -- [[Superset Dashboard]]：展示载体 -- [[KPI 卡片]]：关联指标卡 diff --git a/wiki/concepts/透明度.md b/wiki/concepts/透明度.md deleted file mode 100644 index f50afe0f..00000000 --- a/wiki/concepts/透明度.md +++ /dev/null @@ -1,23 +0,0 @@ ---- -id: 透明度 -title: "透明度" -type: concept -tags: [agentic-ai, ux, transparency] -last_updated: 2026-04-15 ---- - -## Definition -Agentic AI 设计原则之一：可视化 AI 任务进度和推理过程，帮助用户理解 AI 如何做出决策。 - -## Core Mechanism -- 任务进度可视化：实时展示 AI 当前在执行哪一步 -- 推理过程摘要：AI 做出决策时附带决策逻辑说明 -- 行为日志：记录 AI 的完整操作历史供用户追溯 - -## Key Properties -- 降低用户焦虑：用户知道 AI 在做什么 -- 建立信任：透明度是信任的基础 -- 支持干预：用户理解了才能有效干预 - -## Sources -- [[Designing-for-Agentic-AI]] diff --git a/wiki/concepts/递归自优化循环.md b/wiki/concepts/递归自优化循环.md deleted file mode 100644 index 9952fb0c..00000000 --- a/wiki/concepts/递归自优化循环.md +++ /dev/null @@ -1,36 +0,0 @@ ---- -title: "递归自优化循环" -type: concept -tags: [ai, recursion, self-improvement, bootstrap] ---- - -## Definition -递归自优化循环是递归自优化生成系统的核心运行机制，包含三个阶段： - -### 三算子 -1. **$G$（生成器/α-提示词）**：接收意图 $I$，生成初始产物 $P$ -2. **$O$（优化器/Ω-提示词）**：评价并优化 $P$，得到 $P^*$ -3. **$M$（元生成器）**：用优化结果 $P^*$ 更新生成器 $G$，得到新版本 $G'$ - -### 循环步骤 -``` -P = G(I) # 生成 -P* = O(P, Ω) # 优化 -G' = M(G, P*) # 更新 -→ 再将 G' 作为输入，开始下一轮循环 -``` - -## Core Insight -与单次优化不同，递归自优化循环的目标不是找到某个"最优输出"，而是让生成器 $G$ 本身通过迭代不断逼近稳定状态（不动点）。 - -## Bootstrap（自举） -自优化循环的关键特征是"自举"：系统在每次迭代中产出比自身更优的版本，用这些产物反过来改进自身，无需外部干预。 - -## Relationship to Other Concepts -- [[Bootstrap（自举）]]：递归自优化循环的自引用本质 -- [[不动点 (Fixed Point)]]：循环收敛的稳定状态 -- [[元生成器 (Meta-Generator)]]：每次循环中执行"更新"步骤的算子 $M$ -- [[生成器空间 (Generator Space)]]：循环中所有生成器版本所处的空间 - -## Source -- [[A Formalization of Recursive Self-Optimizing Generative Systems]] diff --git a/wiki/concepts/通用智能体.md b/wiki/concepts/通用智能体.md deleted file mode 100644 index fb54cf7f..00000000 --- a/wiki/concepts/通用智能体.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -title: 通用智能体 -type: concept -tags: [AI, Agent, 智能体] -aliases: [AI Agent, General AI Agent] ---- - -## 定义 -能够自主执行复杂任务、调用多种工具的AI系统。 - -## 2025年里程碑 -- Manus的出现定义AI Agent元年 -- 被Meta以几十亿美金收购 - -## 开源实现 -OpenManus核心逻辑：规划(Planning) -> 执行(Execution) -> 循环反馈 - -## 关键能力 -- 控制浏览器（browser-use/Playwright） -- 编写运行Python代码 -- 拆解模糊指令逐步执行 - -## Connections -- [[通用智能体]] ← 基座 ← [[大语言模型]] -- [[OpenManus]] ← 开源平替 ← [[Manus]] diff --git a/wiki/concepts/邮件分类.md b/wiki/concepts/邮件分类.md deleted file mode 100644 index 584daf3d..00000000 --- a/wiki/concepts/邮件分类.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -title: "邮件分类" -type: concept -tags: [automation, email, openclaw, gog] -date: 2026-04-16 ---- - -## Definition -Agent 自动扫描 Gmail 收件箱，对邮件进行标签标注（待处理/归档/加星标）、噪音归档，并根据发件人或关键词触发相应工作流。 - -## 典型规则 -| 条件 | 操作 | -|------|------| -| 促销/新闻邮件 | 自动归档 | -| 包含"urgent"关键词 | 标注红色标签 + 置顶 | -| 已知联系人 | 归类到对应联系人标签 | -| 无已知规则 | 保留在收件箱待处理 | - -## 实现依赖 -- [[gog-CLI]]：Gmail API 访问 -- Cron job 每小时执行一次 - -## Connections -- [[Self-Healing-Home-Server]]：邮件分类是晨报前的数据准备步骤 -- [[gog-CLI]]：Gmail 访问工具 diff --git a/wiki/concepts/项目规则.md b/wiki/concepts/项目规则.md deleted file mode 100644 index e970c6e8..00000000 --- a/wiki/concepts/项目规则.md +++ /dev/null @@ -1,36 +0,0 @@ ---- -title: "项目规则" -type: concept -tags: [cursor, ai, code-editor, rules] -last_updated: 2026-04-15 ---- - -## 定义 -可自定义的配置文件（.cursorrules 等），用于约束 AI 代码生成行为，实现团队代码规范自动化。 - -## 实现方式 -在项目根目录创建规则文件，写入期望 AI 遵守的行为规范。 - -## 示例 -```markdown -// .cursorrules -Always generate doc strings for functions -Use TypeScript strict mode -Follow the team's naming conventions -``` - -## 应用场景 -- 强制为函数生成 Doc 注释（规范文档） -- 约束代码风格（命名/缩进/类型） -- 定义项目特定的处理逻辑 - -## 关联 -- [[Cursor]] 的自定义规则机制 -- [[AI代码编辑器]] 的安全和质量控制层 -- [[Vibe Coding]] 规范化的工具保障 - -## Aliases -- .cursorrules -- Cursor 项目规则 -- AI 代码规范 - diff --git a/wiki/concepts/预判式设计.md b/wiki/concepts/预判式设计.md deleted file mode 100644 index 690448a9..00000000 --- a/wiki/concepts/预判式设计.md +++ /dev/null @@ -1,23 +0,0 @@ ---- -id: 预判式设计 -title: "预判式设计" -type: concept -tags: [agentic-ai, ux, anticipation] -last_updated: 2026-04-15 ---- - -## Definition -Agentic AI 设计原则之一：AI 主动预判用户需求并提前行动，但保留用户调整 AI 自主性等级的控制权。 - -## Core Mechanism -- 需求预判：基于上下文和历史行为预测用户下一步需要 -- 主动执行：AI 在用户明确请求之前主动采取行动 -- 自主性控制：用户可设置 AI 的预判 aggressiveness 等级 - -## Key Properties -- 超前服务：变响应式为主动式 -- 用户自主：预判 aggressiveness 可调节，非强制 -- 信任边界：预判过度可能产生反效果，需谨慎设计 - -## Sources -- [[Designing-for-Agentic-AI]] diff --git a/wiki/concepts/预测市场.md b/wiki/concepts/预测市场.md deleted file mode 100644 index 13291c88..00000000 --- a/wiki/concepts/预测市场.md +++ /dev/null @@ -1,26 +0,0 @@ ---- -title: "预测市场" -type: concept -tags: [trading, crypto, forecasting] -date: 2026-04-16 ---- - -## Definition -允许用户通过交易事件结果概率来表达预测的市场机制，YES 概率上升意味着市场对该结果的信心增强。 - -## Polymarket 特点 -- 二元市场（YES/NO）为主 -- 基于加密货币结算 -- API 提供价格/成交量/价差等实时数据 - -## 关键指标 -| 指标 | 含义 | -|------|------| -| 概率 | YES 的市场定价（0-1） | -| 成交量 | 市场活跃度 | -| 价差 | YES+NO 通常≈1，>1 有套利机会 | -| 交易量突增 | 趋势信号 | - -## Connections -- [[Polymarket]]：预测市场平台 -- [[Polymarket-Autopilot]]：基于预测市场数据的自动化策略交易 diff --git a/wiki/concepts/风格迁移.md b/wiki/concepts/风格迁移.md deleted file mode 100644 index 6fff5cda..00000000 --- a/wiki/concepts/风格迁移.md +++ /dev/null @@ -1,32 +0,0 @@ ---- -title: 风格迁移 -type: concept -tags: [AI, 视频生成, 风格] -last_updated: 2026-04-15 ---- - -## 定义 -风格迁移（Style Transfer）是将图像/视频内容转换为不同艺术风格（卡通、油画、电影感等）的技术能力。 - -## 核心机制 -- 风格编码：提取不同艺术风格的视觉特征 -- 内容保留：在风格转换过程中保持原始内容结构 -- 跨域生成：将写实内容转换为动漫、油画等艺术形式 - -## 风格类型 -- 卡通/动漫风格：3D卡通、2D动画 -- 艺术风格：油画、水彩、古典 -- 电影风格：电影感、色调调整 -- 数字艺术：赛博朋克、数字艺术等 - -## 典型实现 -- [[智谱清影]]：卡通3D、黑白、油画、电影感等风格选择 -- [[通义万相]]：卡通、电影色、3D风格、油画、古典，适配中国传统文化 -- [[海螺AI]]：CG合成，多种艺术风格适配（卡通、漫画等） -- [[StableVideo]]：3D模型、胶片电影、动漫、电影化、漫画书、数字艺术 -- [[PixVerse]]：真实风格、动漫风格、3D动画风格 - -## Connections -- [[风格迁移]] ← 属于 ← [[图生视频]] -- [[智谱清影]] ← 实现 ← [[风格迁移]] -- [[通义万相]] ← 实现 ← [[风格迁移]] diff --git a/wiki/concepts/飘风不终朝.md b/wiki/concepts/飘风不终朝.md deleted file mode 100644 index 0765af29..00000000 --- a/wiki/concepts/飘风不终朝.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -title: "飘风不终朝" -type: concept -tags: [wisdom, daoism, impermanence] -last_updated: 2026-04-16 ---- - -## Definition -"飘风不终朝，骤雨不终日。"——狂风不会持续一早晨，暴雨不会持续一整天。比喻困境终会过去。 - -## 出处 -《老子·第二十三章》 - -## 跨文化对照 -- 中文：飘风不终朝，骤雨不终日 -- 英文：This too shall pass（异曲同工） -- 佛学版：一切有为法如梦幻泡影露水电 - -## 实践意义 -困境是暂时的，不应被当下的痛苦淹没判断力。用时间换空间——等待而非放弃，休息而非退缩。 - -## Related Concepts -- [[知其不可奈何而安之若命]]：困境期间的内在心态管理 -- [[绝处逢生]]：困境之后必有转机 - -## Source -- [[一语点醒梦中人-2026-04-16]] diff --git a/wiki/entities/3X-UI.md b/wiki/entities/3X-UI.md deleted file mode 100644 index 3ded05a3..00000000 --- a/wiki/entities/3X-UI.md +++ /dev/null @@ -1,20 +0,0 @@ ---- -title: "3X-UI" -type: entity -tags: [xray, proxy, panel, open-source] -sources: [] -last_updated: 2026-04-16 ---- - -## Definition -3X-UI 是一款开源 Xray 面板管理脚本，通过 Web UI 简化 Xray 代理服务的安装、配置和管理。 - -## Core Attributes -- 开发者：mhsanaei -- 仓库：https://github.com/mhsanaei/3x-ui -- 安装命令：`bash <(curl -Ls https://raw.githubusercontent.com/mhsanaei/3x-ui/master/install.sh)` -- 功能：安装/更新/重置/启动/停止 Xray，SSL 证书管理，BBR 启用 - -## Connections -- [[3X-UI]] ← manages ← [[Xray]] -- [[3X-UI]] ← installed_on ← [[VPS2]] diff --git a/wiki/entities/AIOps.md b/wiki/entities/AIOps.md new file mode 100644 index 00000000..c24d0f6c --- /dev/null +++ b/wiki/entities/AIOps.md @@ -0,0 +1,22 @@ +--- +title: "AIOps" +type: entity +tags: [AI, DevOps, Monitoring] +sources: [modern-itsm-driving-efficiency-security-resilience] +last_updated: 2026-04-16 +--- + +## Summary +AIOps（AI 运维）是利用人工智能和机器学习技术实现 IT 运维自动化的方法论。 + +## Definition +AIOps（Artificial Intelligence for IT Operations）是结合 AI/ML 技术的运维管理方法，实现异常检测、预测分析、事件关联和自动化 Remediation。 + +## Key Attributes +- **类型**：AI 运维平台 +- **核心功能**：异常检测、预测分析、事件关联、自动 Remediation +- **应用场景**：多云环境监控、故障预测、根因分析 + +## Connections +- [[DevOps]] ← 增强 ← [[AIOps]] +- [[ITSM]] ← 采用 ← [[AIOps]] \ No newline at end of file diff --git a/wiki/entities/AWS-Organizations.md b/wiki/entities/AWS-Organizations.md new file mode 100644 index 00000000..8632ce50 --- /dev/null +++ b/wiki/entities/AWS-Organizations.md @@ -0,0 +1,24 @@ +--- +title: "AWS Organizations" +type: entity +tags: [AWS, Governance, Multi-Account] +sources: [how-to-simplify-multi-account-deployments-monitoring] +last_updated: 2026-04-16 +--- + +## Summary +AWS Organizations 是 AWS 的账户管理服务，支持多账号集中治理和跨账号资源访问控制。 + +## Definition +Amazon AWS Organizations 是 AWS 的账户管理服务，帮助企业将多个 AWS 账号整合到组织（Organization）中，实现集中化的策略管理、账单整合和跨账号访问控制。 + +## Key Attributes +- **类型**：账户管理服务 +- **开发商**：AWS +- **核心功能**：多账号管理、组织单元、策略控制、合并账单 +- **关键概念**：组织（Organization）、组织单元（OU）、服务控制策略（SCP） + +## Connections +- [[AWS]] ← 提供 ← [[AWS Organizations]] +- [[Multi-Account Strategy]] ← 依赖 ← [[AWS Organizations]] +- [[StackSets]] ← 需要 ← [[AWS Organizations]]（启用信任访问后） \ No newline at end of file diff --git a/wiki/entities/AWS.md b/wiki/entities/AWS.md index c1f75f0b..28ca5160 100644 --- a/wiki/entities/AWS.md +++ b/wiki/entities/AWS.md @@ -1,33 +1,24 @@ --- title: "AWS" type: entity -tags: [cloud, devops] -last_updated: 2026-04-15 +tags: [cloud-provider, Amazon] +sources: [How-Agentic-AI-can-help-for-Cloud-DevOps] +last_updated: 2026-04-16 --- -## 基本信息 -- **类型**：云服务提供商 -- **全称**：Amazon Web Services -- **来源**：How Agentic AI can help for Cloud DevOps +## Summary +AWS（Amazon Web Services）是亚马逊提供的全球最大公有云平台，提供计算、存储、数据库、AI/ML、安全等200+服务。 -## 简介 -Amazon Web Services 是全球领先的云服务平台，在 DevOps 领域提供广泛的工具和服务。 +## Definition +公有云服务提供商，提供 EKS（Kubernetes）、RDS、S3、Lambda、CloudWatch、IAM、EC2 等云服务。 -## Agentic AI 相关服务 -- **EKS**：Elastic Kubernetes Service，容器编排 -- **CloudWatch**：监控与日志服务 -- **IAM**：身份与访问管理 -- **Lambda**：无服务器计算 -- **S3**：对象存储 -- **RDS**：关系型数据库服务 -- **Inspector**：安全漏洞扫描 -- **Systems Manager (SMAX)**：多租户管理 +## Key Attributes +- **类型**：公有云服务提供商 +- **开发商**：Amazon +- **发布时间**：2006年 +- **主要服务**：EKS、RDS、S3、Lambda、CloudWatch、IAM、EC2、Spot Instances -## 关联 -- [[Agentic AI]] 的重要云平台 -- [[Kubernetes]] (EKS) 容器编排 -- [[CloudWatch]] 监控服务 - -## Aliases -- Amazon Web Services -- 亚马逊云服务 +## Connections +- [[Kubernetes]] ← 支持（EKS）← [[AWS]] +- [[Terraform]] ← 支持 ← [[AWS]] +- [[Agentic AI]] ← 监控/分析 ← [[CloudWatch]] diff --git a/wiki/entities/Airtable.md b/wiki/entities/Airtable.md deleted file mode 100644 index f5728c8c..00000000 --- a/wiki/entities/Airtable.md +++ /dev/null @@ -1,23 +0,0 @@ ---- -title: "Airtable" -type: entity -tags: [数据库, 在线表格, 库存管理, n8n] -sources: [] -last_updated: 2025-03-06 ---- - -## Definition -Airtable 是一个在线关系型数据库+电子表格混合平台，支持 API，可作为 N8N AI Agent 的工具接入，实现库存查询和更新等操作。 - -## Core Capabilities -- 数据库表格，支持多视图（Grid/Kanban/Calendar/Gallery） -- REST API 访问 -- 可作为 N8N Agent 工具：Agent 通过工具调用查询/更新 Airtable 数据 -- 典型用例：库存管理系统中作为产品数据库 - -## Related Entities -- [[n8n]]：工作流平台 -- [[N8N Workflow]]：工作流构建 - -## Related Concepts -- [[Memory in AI Agent]]：Airtable 可作为 Agent 存储和查询数据的工具 diff --git a/wiki/entities/Alex Ewerlof.md b/wiki/entities/Alex Ewerlof.md deleted file mode 100644 index 7f38c4e9..00000000 --- a/wiki/entities/Alex Ewerlof.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -title: "Alex Ewerlöf" -type: entity -tags: [author, reliability-engineering, llm] -last_updated: 2026-04-15 ---- - -## Identity -- **职业**：资深工程师（Senior Staff Engineer） -- **经验**：27年系统工程经验 -- **学术**：KTH（瑞典皇家理工学院）系统工程硕士 -- **专注领域**：可靠性工程（Reliability Engineering）和弹性架构 -- **LLM 研究**：自2023年起专攻 LLM 应用 - -## Key Contributions -- 提出 4 种多智能体可靠性架构模式：Hierarchy、Consensus、Adversarial Debate、Knock-out -- 倡导将 SRE 原则应用于 LLM 系统构建 - -## Publications -- Blog: https://blog.alexewerlof.com -- [[Multi-Agent-System-Reliability]]（主要文章） - -## Aliases -- Alex Ewerlof -- A. Ewerlöf diff --git a/wiki/entities/Alex-Finn.md b/wiki/entities/Alex-Finn.md deleted file mode 100644 index bd3a994b..00000000 --- a/wiki/entities/Alex-Finn.md +++ /dev/null @@ -1,22 +0,0 @@ ---- -title: "Alex Finn" -type: entity -tags: [content-creator, youtube] -last_updated: 2026-04-15 ---- - -## Aliases -- Alex Finn - -## Summary -YouTube 内容创作者，发布 Life-changing OpenClaw Use Cases 视频，涵盖内容工厂、市场研究等多个 agent 应用场景，激发了大量用户的 OpenClaw 工作流搭建灵感。 - -## Key Contributions -- OpenClaw Use Cases 视频系列 -- 内容工厂（Content Factory）工作流灵感 -- 市场研究产品工厂（Market Research & Product Factory）灵感 - -## Key Connections -- [[Content Factory]] ← 灵感来源 -- [[Market Research Product Factory]] ← 灵感来源 -- [[Alex Finn YouTube Channel]] ← 发布渠道 diff --git a/wiki/entities/Ansible.md b/wiki/entities/Ansible.md new file mode 100644 index 00000000..18c1e96d --- /dev/null +++ b/wiki/entities/Ansible.md @@ -0,0 +1,22 @@ +--- +title: "Ansible" +type: entity +tags: [configuration-management, IaC, RedHat] +sources: [cloud-devop-maturity-guideline] +last_updated: 2026-04-16 +--- + +## Summary +Ansible 是 Red Hat 开发的开源配置管理和应用部署工具，使用 YAML 编写 playbook，无需在目标主机安装代理。 + +## Definition +配置管理和应用部署自动化工具，通过 SSH 协议实现无代理配置。 + +## Key Attributes +- **类型**：配置管理工具 +- **开发商**：Red Hat +- **许可证**：开源（GPL v3） + +## Connections +- [[DevOps 成熟度模型]] ← 支撑 ← [[IaC]] +- [[CI/CD 流水线]] ← 集成 ← [[Ansible]] diff --git a/wiki/entities/Anthropic.md b/wiki/entities/Anthropic.md deleted file mode 100644 index 02c5493e..00000000 --- a/wiki/entities/Anthropic.md +++ /dev/null @@ -1,22 +0,0 @@ ---- -title: "Anthropic" -type: entity -tags: [company, ai, llm] ---- - -## Definition -Anthropic 是美国 AI 安全与对齐研究公司，成立于 2021 年，总部位于旧金山。由 Dario Amodei 和 Daniela Amodei 兄妹创立，核心使命是构建安全、可控的 AI 系统。 - -## Aliases -- Anthropic PBC（Public Benefit Corporation） - -## Key Facts -- 核心产品：Claude 系列大语言模型 -- 旗舰模型：Claude 3.5/3.7/4.0 系列，在编码、推理和安全性上处于领先 -- 关键技术：Constitutional AI（CAI）、RLHF 对齐 -- 母公司：亚马逊（Amazon）投资 40 亿美元，谷歌（Google）投资 3 亿美元 - -## Connections -- [[Claude]] ← 产品线 -- [[Claude Skills 官方库]] ← 开源生态 -- [[Constitutional AI]] ← 安全对齐方法论 diff --git a/wiki/entities/AnyVoice.md b/wiki/entities/AnyVoice.md deleted file mode 100644 index 5c0e240e..00000000 --- a/wiki/entities/AnyVoice.md +++ /dev/null @@ -1,23 +0,0 @@ ---- -title: "AnyVoice" -type: entity -tags: [ai-voice, tts, voice-cloning, chinese] -last_updated: 2026-04-16 ---- - -## Summary -3秒克隆黑科技AI配音工具，免费无限下载，支持中英日韩四语，适合做外语教学视频，生成音频带字幕。 - -## Key Capabilities -- 3秒录音克隆声音 -- 免费无限下载 -- 中英日韩四语支持 -- 手机电脑都能用 -- 生成音频带字幕 - -## Limitations -- 长文本生成速度稍慢 - -## Connections -- [[声音克隆]] ← primary_feature ← [[AnyVoice]] -- [[二创视频必不可少-AI配音声音克隆]] ← reviewed ← [[AnyVoice]] diff --git a/wiki/entities/Apache Superset.md b/wiki/entities/Apache Superset.md deleted file mode 100644 index 0004a1c3..00000000 --- a/wiki/entities/Apache Superset.md +++ /dev/null @@ -1,47 +0,0 @@ ---- -title: "Apache Superset" -type: entity -tags: [bi, 数据可视化, 开源, airbnb] -sources: [] -last_updated: 2025-03-14 ---- - -## Definition -Apache Superset 是 Airbnb 开源的企业级 BI 可视化平台，支持 SQL Dataset 定义、40+ 图表类型、Dashboard 设计，支持导入 JSON Dashboard 配置实现一键部署。 - -## Core Capabilities -- **Dataset**：连接 MySQL/PostgreSQL 等数据库，定义数据模型（可创建 SQL View 预处理 JSON 字段） -- **Chart**：40+ 可视化类型（Bar/Line/Scatter/Heatmap/Box Plot/Histogram 等） -- **Dashboard**：多 Chart 组合，支持 Filter 交互 -- **Import/Export**：Dashboard 可导出为 JSON，支持一键导入 - -## Key Constraints -- JSON 字段无法直接用于图表计算，必须通过 `JSON_EXTRACT` SQL 函数预处理为独立列 -- 推荐为 JSON 字段创建专用 SQL View（如 [[view_products_cleaned]]） - -## Docker 部署 -GHA 版本镜像：`apache/superset:GHA-19524015706` - -一键启动： -```bash -docker pull apache/superset:GHA-19524015706 -docker run -d -p 8777:8088 -e "SUPERSET_SECRET_KEY=mysuperset" --name superset apache/superset:GHA-19524015706 -docker exec -it superset fab create-admin --username admin --firstname Superset --lastname Admin --email admin@superset.com --password admin -docker exec -it superset superset db upgrade -docker exec -it superset superset load_examples -docker exec -it superset superset init -``` -访问：http://localhost:8777，默认账号 admin/admin - -[[Install-Apache-Superset-in-Docker]] 提供了完整 Docker 部署步骤。 - -## Related Entities -- [[TikTok Shop]]：数据来源 -- [[TikTok Products]]：分析对象 -- [[电商选品分析]]：分析场景 -- [[Superset Dashboard]]：核心输出物 -- [[Docker]]：部署平台 -- [[MySQL MariaDB 数据库详细信息]]：Superset 可连接的数据源 - -## Aliases -- Superset = Apache Superset = Superset BI diff --git a/wiki/entities/Appinn.md b/wiki/entities/Appinn.md deleted file mode 100644 index 817a1564..00000000 --- a/wiki/entities/Appinn.md +++ /dev/null @@ -1,17 +0,0 @@ ---- -title: Appinn -type: entity -description: 小众软件网站，报道和分享实用软件、互联网资源的科技博客 -created: 2025-12-19 -tags: - - 科技博客 - - 软件 ---- - -# Appinn - -[小众软件](https://www.appinn.com) 是一个科技博客网站，报道和分享实用软件、互联网资源。ChinaTextbook 首发于 Appinn。 - -## 相关信息 - -- [Appinn: ChinaTextbook](https://www.appinn.com/chinatextbook/) diff --git a/wiki/entities/Apple-Podcasts.md b/wiki/entities/Apple-Podcasts.md deleted file mode 100644 index cecc4b9b..00000000 --- a/wiki/entities/Apple-Podcasts.md +++ /dev/null @@ -1,23 +0,0 @@ ---- -title: "Apple Podcasts" -type: entity -tags: [podcast, platform, apple] -last_updated: 2026-04-16 ---- - -## Basic Info -- **Type**: Podcast Platform -- **Company**: Apple -- **Function**: iOS/macOS 原生播客应用与分发平台 - -## Description -Apple Podcasts 是苹果生态下的播客发现与播放平台，拥有庞大的忠实用户群。播客 SEO 描述优化通常以 Apple Podcasts 为标准。 - -## Connections -- [[Apple Podcasts]] ← targets ← [[Podcast Production Pipeline]] - -## Aliases -- Apple Podcasts -- Podcasts (iOS) -- Apple Podcasts Connect - diff --git a/wiki/entities/Atlassian.md b/wiki/entities/Atlassian.md deleted file mode 100644 index 549ca756..00000000 --- a/wiki/entities/Atlassian.md +++ /dev/null @@ -1,24 +0,0 @@ ---- -title: Atlassian -type: entity -tags: [软件开发工具, 协作平台] -sources: ["https://www.atlassian.com"] -last_updated: 2026-04-15 ---- - -## 基本信息 -- **类型**：软件开发与协作工具公司 -- **总部**：澳大利亚悉尼 -- **上市**：NASDAQ (TEAM) - -## 核心产品 -- **Jira**：项目跟踪与敏捷管理工具 -- **Confluence**：团队知识库与文档协作平台 -- **Bitbucket**：Git 代码仓库与 CI/CD 平台 -- **Trello**：看板式任务管理工具 - -## 在 Wiki 中的角色 -- [[Atlassian Jira]] 是 [[DevOps-Culture-and-Transformation]] 中提到的团队协作与工作流透明化工具 - -## Aliases -- Atlassian diff --git a/wiki/entities/Azure.md b/wiki/entities/Azure.md index 0c23918b..641212c8 100644 --- a/wiki/entities/Azure.md +++ b/wiki/entities/Azure.md @@ -1,29 +1,23 @@ --- title: "Azure" type: entity -tags: [cloud, devops] -last_updated: 2026-04-15 +tags: [cloud-provider, Microsoft] +sources: [How-Agentic-AI-can-help-for-Cloud-DevOps] +last_updated: 2026-04-16 --- -## 基本信息 -- **类型**：云服务提供商 -- **全称**：Microsoft Azure -- **来源**：How Agentic AI can help for Cloud DevOps +## Summary +Azure 是 Microsoft 提供的公有云平台，提供 AKS、Azure SQL、Cosmos DB、Azure Monitor、Azure Defender 等服务。 -## 简介 -Microsoft Azure 是微软提供的云服务平台，企业级 DevOps 工具链完善。 +## Definition +公有云服务提供商，提供 AKS（Kubernetes）、Cosmos DB、Blob Storage、Azure Monitor、Azure Defender、Savings Plan 等云服务。 -## Agentic AI 相关服务 -- **AKS**：Azure Kubernetes Service，容器编排 -- **Azure Monitor**：监控与诊断 -- **Azure Defender**：安全防护 -- **Azure Savings Plan**：成本优化 +## Key Attributes +- **类型**：公有云服务提供商 +- **开发商**：Microsoft +- **发布时间**：2010年 +- **主要服务**：AKS、Azure SQL、Cosmos DB、Blob Storage、Azure Monitor、Azure Defender、Savings Plan -## 关联 -- [[Agentic AI]] 的重要云平台 -- [[Kubernetes]] (AKS) 容器编排 -- [[Multi-Cloud Governance]] 跨云治理对象 - -## Aliases -- Microsoft Azure -- Azure 云平台 +## Connections +- [[Kubernetes]] ← 支持（AKS）← [[Azure]] +- [[Agentic AI]] ← 监控/分析 ← [[Azure Monitor]] diff --git a/wiki/entities/BAAI.md b/wiki/entities/BAAI.md deleted file mode 100644 index af0d94ac..00000000 --- a/wiki/entities/BAAI.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -title: "BAAI" -type: entity -tags: [embedding, open-source, chinese-optimized] -sources: ["RAG从入门到精通系列1：基础RAG"] -last_updated: 2026-04-16 ---- - -## Basic Information -- **Type**: Embedding Model Series -- **Source**: RAG从入门到精通系列1：基础RAG - -## Definition -BAAI (Beijing Academy of Artificial Intelligence) provides an open-source series of embedding models (e.g., BAAI/bge series) that convert text into embedding vectors for use in RAG systems. - -## Key Models -- **BAAI BGE Series**: Chinese-optimized open-source embedding models -- Models can convert text to fixed-length embedding vectors -- Context Window typically 512~8192 tokens - -## Applications -- [[Embedding]]：BAAI models are used to create embedding vectors -- [[RAG]]：BAAI embeddings enable semantic search in RAG systems - -## Related Concepts -- [[Embedding]]：The technology BAAI models implement -- [[向量数据库]]：Where BAAI embeddings are stored diff --git a/wiki/entities/BMC.md b/wiki/entities/BMC.md new file mode 100644 index 00000000..cb3beeba --- /dev/null +++ b/wiki/entities/BMC.md @@ -0,0 +1,26 @@ +--- +title: "BMC" +type: entity +tags: [company, cloud-software, enterprise-software] +sources: [Public-vs-Private-vs-Hybrid-Cloud-Differences-Explained] +last_updated: 2025-06-18 +--- + +## Summary +BMC Software 是一家专注于企业软件和云解决方案的美国公司，提供 IT 管理和云自动化产品。 + +## Definition +BMC Software 是一家企业软件公司，致力于帮助企业实现云转型、自动化运维和 IT 管理。BMC Helix 是其专注于 AI 驱动 IT 运营的平台。 + +## Key Facts +- 服务范围：云自动化、IT Service Management（ITSM）、网络安全 +- 目标客户：企业级组织的 IT 部门 +- 官方网站：bmc.com + +## Aliases +- BMC +- BMC Software +- BMC Helix + +## Connections +- [[BMC]] ← published_by ← [[Public vs Private vs Hybrid: Cloud Differences Explained]] diff --git a/wiki/entities/Bandwagon.md b/wiki/entities/Bandwagon.md deleted file mode 100644 index 328868b7..00000000 --- a/wiki/entities/Bandwagon.md +++ /dev/null @@ -1,21 +0,0 @@ ---- -title: "Bandwagon" -type: entity -tags: [vps, hosting] -sources: [] -last_updated: 2026-04-16 ---- - -## Definition -Bandwagon（又称 BandwagonHost）是一家提供廉价 VPS（虚拟专用服务器）的服务商，主打性价比，支持支付宝付款。 - -## Aliases -- BandwagonHost -- 搬瓦工 - -## Core Attributes -- 类型：VPS 主机服务商 -- 特点：价格低廉、支持支付宝 - -## Connections -- [[Bandwagon]] ← hosts ← [[VPS2]] diff --git a/wiki/entities/BehiSecc.md b/wiki/entities/BehiSecc.md deleted file mode 100644 index 853286b4..00000000 --- a/wiki/entities/BehiSecc.md +++ /dev/null @@ -1,16 +0,0 @@ ---- -id: BehiSecc -title: "BehiSecc" -type: entity -tags: [github, awesome, skills] -last_updated: 2026-04-15 ---- - -## Definition -GitHub 账号维护者，运营 Awesome-Claude-Skills 仓库，三大 Claude Skills 精选仓库维护方之一。 - -## Type -- Organization / Repository Maintainer - -## Sources -- [[3.2万人收藏的Claude-Skills才是AI这条路最值得研究的一套范式]] diff --git a/wiki/entities/Bloomberg API.md b/wiki/entities/Bloomberg API.md deleted file mode 100644 index 0139236d..00000000 --- a/wiki/entities/Bloomberg API.md +++ /dev/null @@ -1,10 +0,0 @@ ---- -title: "Bloomberg API" -type: entity -tags: [news-api, 数据源] -sources: [] -last_updated: 2025-03-11 ---- - -## Definition -新闻 API 提供商。详见 [[News API]] 概念页面。 diff --git a/wiki/entities/Bottom.md b/wiki/entities/Bottom.md new file mode 100644 index 00000000..7fd0bc61 --- /dev/null +++ b/wiki/entities/Bottom.md @@ -0,0 +1,22 @@ +--- +title: Bottom +type: entity +tags: [linux, system-monitoring, TUI] +sources: + - These 6 Linux apps let you monitor system resources in style +last_updated: 2025-12-16 +--- + +## Definition +一款专注实时图形化展示 CPU、网络、内存使用情况的 TUI（文本用户界面）监控工具，不支持交互式进程管理。 + +## Key Features +- 专注实时图形化展示（CPU、网络、内存） +- 非交互式：纯资源监控，不能作为任务管理器使用 +- 支持进程树视图（连接相关进程） +- 安装方式：Snap 包（Debian/Ubuntu）/ Pacman（Arch 官方仓库） + +## Connections +- [[Btop++]] ← 类比 ← [[Bottom]] +- [[System Resource Monitoring]] ← 应用于 → [[Bottom]] +- [[Process Management]] ← 非核心 → [[Bottom]]（不支持交互管理） diff --git a/wiki/entities/Btop++.md b/wiki/entities/Btop++.md new file mode 100644 index 00000000..ea5bed14 --- /dev/null +++ b/wiki/entities/Btop++.md @@ -0,0 +1,30 @@ +--- +title: Btop++ +type: entity +tags: [linux, system-monitoring, TUI] +sources: + - These 6 Linux apps let you monitor system resources in style +last_updated: 2025-12-16 +--- + +## Aliases +- btop++ +- Btop + +## Definition +一款基于 TUI（文本用户界面）的 Linux 系统资源监控工具，作者首选。 + +## Key Features +- 多面板视图：CPU（顶部）、进程（右侧）、内存/存储/网络（左侧） +- 交互式进程管理：搜索（'f'）、终止（'t'）、强制杀死（'k'）、信号发送（'s'） +- 支持 Nice 值调整进程优先级 +- 主题和颜色方案可自定义 +- 安装方式：Pacman 官方仓库 / Snap 包（Debian/Ubuntu） +- 启动命令：`btop` + +## Connections +- [[Htop]] ← 类比 ← Btop++ +- [[Glances]] ← 类比 ← Btop++ +- [[Bottom]] ← 类比 ← Btop++ +- [[System Resource Monitoring]] ← 应用于 → [[Btop++]] +- [[Process Management]] ← 核心功能 → [[Btop++]] diff --git a/wiki/entities/CMDB.md b/wiki/entities/CMDB.md new file mode 100644 index 00000000..71dc376c --- /dev/null +++ b/wiki/entities/CMDB.md @@ -0,0 +1,22 @@ +--- +title: "CMDB" +type: entity +tags: [ITSM, Configuration, Management] +sources: [modern-itsm-driving-efficiency-security-resilience] +last_updated: 2026-04-16 +--- + +## Summary +CMDB（Configuration Management Database，配置管理数据库）是存储 IT 基础设施配置项及其关系的企业级数据库。 + +## Definition +Configuration Management Database（配置管理数据库）是用于存储和管理 IT 环境中所有配置项（CI）及其关系的企业级数据库，支持依赖映射、漂移检测和实时影响分析。 + +## Key Attributes +- **类型**：配置管理数据库 +- **核心功能**：配置项管理、依赖映射、漂移检测、影响分析 +- **技术演进**：AI 增强的 CMDB，实现自动化发现和智能分析 + +## Connections +- [[ITSM]] ← 依赖 ← [[CMDB]] +- [[AIOps]] ← 集成 ← [[CMDB]] \ No newline at end of file diff --git a/wiki/entities/ChinaTextbook.md b/wiki/entities/ChinaTextbook.md deleted file mode 100644 index 86fb2ed3..00000000 --- a/wiki/entities/ChinaTextbook.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -title: ChinaTextbook -type: entity -description: GitHub 开源项目，收集中国小学、初中、高中、大学 PDF 教材，总大小 41.53GB -created: 2025-12-19 -tags: - - 教育 - - 开源 - - GitHub ---- - -# ChinaTextbook - -GitHub 开源项目，由 [TapXWorld](TapXWorld) 维护，收集了公开的中国小学、初中、高中、大学 PDF 教材，总库大小 41.53GB。 - -## 基本信息 - -- **GitHub**: https://github.com/TapXWorld/ChinaTextbook/ -- **来源**: [Appinn](Appinn) -- **许可证**: 开源 - -## 相关资源 - -- [[国家中小学智慧教育平台]] - 原始教材来源 -- [[tchMaterial-parser]] - 下载工具 diff --git a/wiki/entities/Christian-Dior.md b/wiki/entities/Christian-Dior.md deleted file mode 100644 index e3b99da8..00000000 --- a/wiki/entities/Christian-Dior.md +++ /dev/null @@ -1,22 +0,0 @@ ---- -title: "Christian Dior" -type: entity -tags: [案例, DevOps, FeatureFlag] -last_updated: 2026-04-16 ---- - -## 基本信息 -- **类型**：奢侈品时尚集团（ LVMH 旗下） -- **来源**：LaunchDarkly 案例研究 - -## 关键事实 -- 通过 LaunchDarkly 将回滚时间从 15 分钟降至即时开关 -- 奢侈品行业高频发布场景下的 DevOps 实践案例 - -## Aliases -- Dior -- Christian Dior - -## Connections -- [[LaunchDarkly]] ← 使用的 Feature Flag 平台 -- [[RTO]] ← 通过即时开关实现的关键改进 diff --git a/wiki/entities/Claude-Code.md b/wiki/entities/Claude-Code.md deleted file mode 100644 index 153ebaa2..00000000 --- a/wiki/entities/Claude-Code.md +++ /dev/null @@ -1,34 +0,0 @@ ---- -title: "Claude Code" -type: entity -tags: [AI编程, Anthropic, 开发者工具] -last_updated: 2026-04-15 ---- - -## 基本信息 -- **发布方**：[[Anthropic]] -- **类型**：CLI 编程工具 -- **核心能力**：通过自然语言指令执行复杂编程任务，支持 Skill 扩展 - -## 关键机制 - -### 调用方式 -- [[Print Mode]]：stdin 管道非交互模式，适合绝大多数任务 -- [[TMUX交互模式]]：tmux session 交互模式，适合超长任务 - -### 权限控制 -- `--permission-mode bypassPermissions`：跳过所有交互确认 -- `--dangerously-skip-permissions`：CLI 内部触发，可能仍需交互 - -### Skill 加载 -通过 `--add-dir` 扫描目录，自动激活匹配触发条件的 SKILL.md - -## 与 OpenClaw 的关系 -OpenClaw 的 terminal 工具通过 `claude -p` 调用 Claude Code，是获取 Claude Code 技能的唯一正确方式。[[delegate_task]] 无法建立外部 CLI 通道。 - -## Connections -- [[Claude-Code]] ← 发布方 ← [[Anthropic]] -- [[Print Mode]] ← 执行方 ← [[Claude-Code]] -- [[TMUX交互模式]] ← 执行方 ← [[Claude-Code]] -- [[Skill加载]] ← 作用于 ← [[Claude-Code]] -- [[Hermes]] ← 调用方 ← [[Claude-Code]] diff --git a/wiki/entities/ClawHub.md b/wiki/entities/ClawHub.md deleted file mode 100644 index 90e28e8e..00000000 --- a/wiki/entities/ClawHub.md +++ /dev/null @@ -1,24 +0,0 @@ ---- -title: "ClawHub" -type: entity -tags: [marketplace, plugin, openclaw, skills] -last_updated: 2026-04-15 ---- - -## Definition -按单个 skill 安装的 OpenClaw 插件市场协议。每个 skill 独立发布、单独安装，无需安装整个 marketplace。 - -## Aliases -- ClawHub Registry -- clawhub.com - -## Key Facts -- 发布命令：./scripts/sync-clawhub.sh --all -- 安装命令：clawhub install （如 clawhub install baoyu-imagine） -- 许可协议：MIT-0 -- 覆盖范围：内容生成（baoyu-xhs-images/infographic/cover-image 等）、AI 图像（baoyu-imagine）、工具技能（baoyu-translate 等） - -## Connections -- [[宝玉]] ← 发布者 ← [[ClawHub]] -- [[baoyu-skills]] ← 发布到 ← [[ClawHub]] -- [[OpenClaw]] ← 平台 ← [[ClawHub]] diff --git a/wiki/entities/Cline.md b/wiki/entities/Cline.md deleted file mode 100644 index 204a96ac..00000000 --- a/wiki/entities/Cline.md +++ /dev/null @@ -1,26 +0,0 @@ ---- -title: Cline -type: entity -tags: [AI编程, VSCode插件, 开源] -aliases: [] ---- - -## 基本信息 -- **类型**：VS Code AI编程插件 -- **定位**：Cursor的最佳开源平替 -- **开源地址**：https://github.com/cline/cline - -## 核心定位 -VS Code生态中公认最强大的开源自主编程插件。 - -## 关键能力 -- 深度理解项目上下文 -- 自动读取、修改文件 -- 运行终端命令 -- 支持MCP扩展连接本地数据库 -- 执行敏感操作前需用户授权 - -## Connections -- [[Cline]] ← 开源平替 ← [[Cursor]] -- [[Cline]] ← 集成 ← [[VS Code]] -- [[Cline]] ← 支持 ← [[MCP]] diff --git a/wiki/entities/Clonezilla.md b/wiki/entities/Clonezilla.md deleted file mode 100644 index 2034ad9d..00000000 --- a/wiki/entities/Clonezilla.md +++ /dev/null @@ -1,26 +0,0 @@ ---- -title: "Clonezilla" -type: entity -tags: [备份, 运维, 开源] -date: 2025-12-19 ---- - -## Definition -Clonezilla（再生龙）是一款开源磁盘克隆/镜像工具，类似于 Ghost，但完全免费。支持多种文件系统和企业级功能（ACL、UEFI 安全启动等）。 - -## Aliases -- Clonezilla -- 再生龙 - -## Key Facts -- 支持 Linux ext2/3/4、XFS、NTFS 等多种文件系统 -- 支持 LVM2、RAID -- 提供 Beginner（初学者）和 Expert 两种模式 -- 存储格式：partclone 镜像，可被其他工具读取 -- 压缩选项：-z1p（高压缩）、-z0（不压缩）、-z2p（更高压缩） -- 网络备份支持：SMB、NFS、SSH、SFTP 等协议 - -## Connections -- [[Clonezilla]] ← 使用工具 ← [[Rufus]]（制作启动盘） -- [[Clonezilla]] → 备份目标 → [[Synology NAS]] -- [[Clonezilla备份]] ← 备份协议 ← [[NFS]] diff --git a/wiki/entities/CloudFormation.md b/wiki/entities/CloudFormation.md new file mode 100644 index 00000000..c6cc3c51 --- /dev/null +++ b/wiki/entities/CloudFormation.md @@ -0,0 +1,24 @@ +--- +title: "CloudFormation" +type: entity +tags: [IaC, AWS] +sources: [How-Agentic-AI-can-help-for-Cloud-DevOps] +last_updated: 2026-04-16 +--- + +## Summary +CloudFormation 是 AWS 提供的基础设施即代码（IaC）服务，使用 JSON/YAML 模板声明式配置 AWS 资源。 + +## Definition +AWS 的 IaC 服务，通过模板声明式创建和管理 AWS 资源栈。 + +## Key Attributes +- **类型**：IaC 工具 +- **开发商**：AWS（Amazon） +- **支持平台**：AWS 专用 +- **模板格式**：JSON、YAML + +## Connections +- [[AWS]] ← 属于 ← [[CloudFormation]] +- [[Terraform]] ← 类似 ← [[CloudFormation]] +- [[Pulumi]] ← 类似 ← [[CloudFormation]] diff --git a/wiki/entities/CloudWatch.md b/wiki/entities/CloudWatch.md index 1c0e75fe..a6701aa1 100644 --- a/wiki/entities/CloudWatch.md +++ b/wiki/entities/CloudWatch.md @@ -1,32 +1,24 @@ --- title: "CloudWatch" type: entity -tags: [devops, monitoring] -last_updated: 2026-04-15 +tags: [AWS, Monitoring, Logging] +sources: [how-to-simplify-multi-account-deployments-monitoring] +last_updated: 2026-04-16 --- -## 基本信息 -- **类型**：监控与日志服务 -- **厂商**：AWS -- **来源**：How Agentic AI can help for Cloud DevOps +## Summary +CloudWatch 是 AWS 的监控和可观测性服务，提供指标收集、日志存储、告警设置和可视化功能。 -## 简介 -CloudWatch 是 AWS 的监控和可观测性服务，收集和跟踪云资源指标、日志和事件。 +## Definition +Amazon CloudWatch 是 AWS 的监控服务，提供指标（Metrics）、日志（Logs）、告警（Alerts）和事件（Events）四大核心功能。 -## 核心能力 -- 基础设施监控 -- 日志收集与分析 -- 告警设置 +## Key Attributes +- **类型**：监控和可观测性服务 +- **开发商**：AWS +- **核心功能**：指标监控、日志分析、告警设置、事件驱动 +- **相关服务**：CloudWatch Logs、CloudWatch Insights、CloudWatch Alarms -## Agentic AI 应用 -- AI 驱动的日志分析与根因分析（RCA） -- 与 AI agent 集成实现自动告警响应 - -## 关联 -- [[AWS]] 原生监控服务 -- [[Agentic AI]] 的日志数据来源 -- [[Datadog]] 功能类似 - -## Aliases -- Amazon CloudWatch -- AWS CloudWatch +## Connections +- [[AWS]] ← 提供 ← [[CloudWatch]] +- [[EventBridge]] ← 集成 → [[CloudWatch Logs]] +- [[Lambda]] ← 触发 ← [[CloudWatch Alarms]] \ No newline at end of file diff --git a/wiki/entities/Cloudflare.md b/wiki/entities/Cloudflare.md deleted file mode 100644 index 0e5df095..00000000 --- a/wiki/entities/Cloudflare.md +++ /dev/null @@ -1,23 +0,0 @@ ---- -title: "Cloudflare" -type: entity -tags: [cloudflare, serverless, edge-computing, d1, r2, workers] -sources: [Home-Office-NodeWarden-把-Bitwarden-搬上-Cloudflare-Workers彻底告别服务器] -last_updated: 2026-04-15 ---- - -## Definition -Cloudflare 是全球网络服务商，提供边缘计算（Workers）、分布式数据库（D1）、对象存储（R2）等开发者工具，构成无服务器应用的全栈基础设施。 - -## Key Products -- [[Cloudflare Workers]]：无服务器边缘计算平台，200+ 地区分布，JavaScript/TypeScript 运行时 -- [[Cloudflare D1]]：基于 SQLite 的全球分布式数据库，与 Workers 原生集成 -- [[Cloudflare R2]]：S3 兼容的对象存储，用于文件存储和附件 - -## Use Cases -- NodeWarden：Bitwarden 服务器端运行在 Workers，数据存储在 D1，附件存储在 R2 -- 无服务器网站托管、API 网关、边缘渲染 - -## Connections -- [[NodeWarden]] ← 托管平台 -- [[Bitwarden]] ← 上位服务 diff --git a/wiki/entities/CodeCrafters.md b/wiki/entities/CodeCrafters.md deleted file mode 100644 index 30ca62f5..00000000 --- a/wiki/entities/CodeCrafters.md +++ /dev/null @@ -1,22 +0,0 @@ ---- -title: "CodeCrafters" -type: entity -tags: [company, programming, learning, github] ---- - -## 基本信息 -- 类型：公司 -- 领域：编程学习平台 -- 网站：codecrafters.io - -## 简介 -CodeCrafters, Inc. 是 build-your-own-x GitHub 仓库的当前维护方，通过在线编程挑战平台提供实践驱动的编程学习体验。 - -## 主要贡献 -- 维护 [[Build-Your-Own-X-从零构建技术栈]] GitHub 仓库，收录 25 个技术领域的分步骤指南 -- 提供 codecrafters.io 在线平台，在浏览器中完成"从零构建"挑战 - -## Aliases -- CodeCrafters -- CodeCrafters Inc. -- codecrafters-io diff --git a/wiki/entities/CodeWeaver.md b/wiki/entities/CodeWeaver.md deleted file mode 100644 index 6dcb62f2..00000000 --- a/wiki/entities/CodeWeaver.md +++ /dev/null @@ -1,38 +0,0 @@ ---- -title: "CodeWeaver" -type: entity -tags: [github, ai-tool, documentation, code-analysis] ---- - -## 基本信息 -- **类型**：GitHub 开源工具 -- **仓库**：https://github.com/tesserato/CodeWeaver -- **用途**：将任意代码库转换为可导航 Markdown 文档 - -## 核心功能 -将整个项目（无论代码规模多大）编织成树形 Markdown 文件： -- 每个文件的内容被包装在代码块中 -- 树形目录结构一目了然 -- 极大简化代码库共享、文档化和 AI/ML 工具集成 - -## 解决的问题 -- 大型代码库上下文窗口压力：CodeWeaver 将代码压缩为结构化 Markdown，降低 AI 处理的 token 消耗 -- 代码共享困难：直接分享一个 Markdown 文件即可完整表达项目结构 -- AI 上下文注入：结构化 Markdown 比原始代码更易于 AI 理解和分析 - -## 技术原理 -通过 AST（抽象语法树）分析项目结构，保留： -- 目录层级关系 -- 文件命名和位置 -- 代码块（带语言标注） -- 注释和文档字符串 - -## 与 Vibe Coding 的关系 -[[vibe-coding经验收集]] 中提及：CodeWeaver 是降低 AI 编程上下文复杂度的工具之一，配合： -- 文件头注释规范 -- 设计文档优先 -- 双 AI review - -## Aliases -- codeweaver -- tesserato/CodeWeaver diff --git a/wiki/entities/Composer.md b/wiki/entities/Composer.md deleted file mode 100644 index bddf568b..00000000 --- a/wiki/entities/Composer.md +++ /dev/null @@ -1,26 +0,0 @@ ---- -title: "Composer" -type: entity -tags: [cursor, ai-ide] -last_updated: 2026-04-15 ---- - -# Composer - -## 基本信息 -- **类型**：AI IDE 组件 -- **平台**：[[Cursor]] -- **功能**：Cursor 中的对话构建模块 - -## 描述 -Cursor IDE 中的对话构建模块，支持 Agent 模式和 Normal 模式两种交互方式。 - -## 两种模式 -- **Agent 模式**：自动执行 MCP 工具链，减少手动操作 -- **Normal 模式**：需用户手动复制命令执行 - -## Aliases -- Cursor Composer - -## Connections -- [[Cursor]]：所属平台 diff --git a/wiki/entities/ComposioHQ.md b/wiki/entities/ComposioHQ.md deleted file mode 100644 index c6ecafba..00000000 --- a/wiki/entities/ComposioHQ.md +++ /dev/null @@ -1,24 +0,0 @@ ---- -id: ComposioHQ -title: "ComposioHQ" -type: entity -tags: [github, awesome, skills] -last_updated: 2026-04-15 ---- - -## Definition -GitHub 账号维护者，运营 Awesome-Claude-Skills 仓库，系统性整理 LLM Skills 工作流。 - -## Type -- Organization / Repository Maintainer - -## Core Content -Awesome-Claude-Skills 仓库涵盖： -- 文档处理（PDF/Word/PPT/Excel） -- 开发工具（MCP Server/Web 测试/Artifacts 构建） -- 数据分析 -- 内容创作 -- 生产力工具 - -## Sources -- [[3.2万人收藏的Claude-Skills才是AI这条路最值得研究的一套范式]] diff --git a/wiki/entities/Coze.md b/wiki/entities/Coze.md deleted file mode 100644 index b628d7ae..00000000 --- a/wiki/entities/Coze.md +++ /dev/null @@ -1,61 +0,0 @@ ---- -title: "Coze" -type: entity -tags: [ai, agent, workflow, coze] ---- - -# Coze - -字节跳动旗下的 AI Agent 开发平台，国内版（coze.cn）和海外版（coze.com）双版本运营。 - -## 基本信息 -- **类型**：AI Agent 开发平台 -- **运营方**：字节跳动 -- **网址**：https://www.coze.cn（国内）/ https://www.coze.com（海外） - -## 核心能力 - -### Bot（智能体）模式 -- 基于大语言模型的对话式 AI 应用 -- 支持插件调用、记忆管理、知识库检索 -- 适合简单问答和单轮/多轮对话场景 - -### Workflow（工作流）模式 -- 可视化流程编辑器，通过节点串联实现复杂业务 -- 适合多步骤、复杂逻辑、需要外部工具集成的场景 -- 支持代码执行、API 调用、LLM 调用、条件分支等 - -### 行业解决方案 -- **金融**：客户分层营销助手、智能客服 Agent、企业预算管理 -- **教育**：知识库问答、拍照搜视频、组卷出题、知识点掌握评估 -- **医疗**：医疗分诊助手、影像图片识别、AI 问诊 -- **电商**：混剪助手、在线换衣、抖音直播间自动回复 -- **客服**：AI 销售助手、在线客服、教育培训对练 - -## 技术集成 - -### 内置工具 -- 表格问答助手（代码版/插件版） -- 数据分析项目 -- 滴滴计费规则解答 - -### 外部 AI 工具集成 -- **GPT-SoVITS**：声音克隆，用于个性化语音交互 -- **F5-TTS**：开源语音克隆，用于数字人和 AI 客服 -- **FaceFusion**：人脸融合，用于 AI 证件照和视频生成 - -## 与 n8n 的对比 - -| 维度 | Coze | n8n | -|------|------|-----| -| 定位 | AI Agent 开发平台 | 通用工作流自动化 | -| 优势 | 中文生态、低代码、预置 Bot/Workflow 模板 | 通用性强、543+ 节点、可自托管 | -| 适用场景 | 快速搭建 AI 对话/行业解决方案 | 复杂业务自动化、需要自托管 | - -## 相关文档 -- [[AI-解决方案专家培训课程]] - -## Aliases -- Coze 中文版 -- Coze 国际版 -- 扣子 \ No newline at end of file diff --git a/wiki/entities/Critic.md b/wiki/entities/Critic.md deleted file mode 100644 index 14663e36..00000000 --- a/wiki/entities/Critic.md +++ /dev/null @@ -1,21 +0,0 @@ -# Critic - -## Definition -In the Adversarial Debate multi-agent pattern, the Critic acts as a devil's advocate, attacking the Generator's proposals with specific objections. The role simulates the fear of rejection or being wrong that humans experience but LLMs do not. - -## Role in Adversarial Debate -- Attacks: "Here are 3 reasons why that plan sucks" -- Provides structured opposition to proposed ideas -- Forces Generator to confront weaknesses -- Works with Judge to iterate toward better solutions - -## Key Properties -- Simulates human fear of being wrong (which LLMs don't naturally have) -- Must use different model than Generator for genuine opposition -- Provides concrete, numbered objections for Generator to address - -## Related Concepts -- [[Multi-Agent Adversarial Debate]] -- [[Generator]] -- [[Judge]] -- [[Sycophancy]] \ No newline at end of file diff --git a/wiki/entities/Cursor.md b/wiki/entities/Cursor.md deleted file mode 100644 index a00d1827..00000000 --- a/wiki/entities/Cursor.md +++ /dev/null @@ -1,43 +0,0 @@ ---- -title: "Cursor" -type: entity -tags: [ai, code-editor, vscode, vibe-coding] -last_updated: 2026-04-15 ---- - -## 基本信息 -- **类型**: AI 代码编辑器 -- **底层框架**: VS Code -- **AI 模型**: Composer（自研，速度比同类快 4 倍） -- **版本**: 2.0 -- **官网**: https://cursor.com - -## 核心功能 -- 编辑器视图：代码文件编辑 -- Agents 视图：AI 代理交互 -- 多代理并行：Plan/Agent/Ask 三种模式同时运行不同任务 -- Diff 审查：逐文件或整体审查 AI 生成的代码改动 -- 项目规则：自定义 .cursorrules 文件约束 AI 行为 -- MCP 服务器集成：扩展外部工具能力 - -## 三种代理模式 -- **Plan 模式**：AI 规划任务步骤，不修改代码 -- **Agent 模式**：自动串联 MCP 工具链，修改代码 -- **Ask 模式**：仅返回文本答案，不修改代码（最安全） - -## 关键使用规范 -- AI 生成代码即写入文件：必须先测试再确认保存 -- Undo All 可撤销所有 AI 改动（关闭文件后可能失效） -- 多代理建议创建新代理而非在已有代理继续，避免上下文混用 - -## 关联 -- [[Cursor]] ← 基于 [[VS Code]] -- [[Cursor]] ← 使用 [[Composer模型]] -- [[Cursor]] ← 支持 [[MCP服务器]] -- [[Cursor]] ← 建议结合 [[Git]]（版本控制） -- [[Vibe Coding]] 的推荐工具组合之一 - -## Aliases -- Cursor 2.0 -- Cursor AI - diff --git a/wiki/entities/Dan-Koe.md b/wiki/entities/Dan-Koe.md deleted file mode 100644 index d061752c..00000000 --- a/wiki/entities/Dan-Koe.md +++ /dev/null @@ -1,55 +0,0 @@ ---- -title: "Dan Koe" -type: entity -tags: [entrepreneur, content-creator, generalist] ---- - -# Dan Koe - -独立创业者、内容创作者，TheDankoe 品牌创始人，2 Hour Writer 系统和 Eden 软件开发者。 - -## 核心身份 -- **职业**：多兴趣创业者，通过内容创作和软件产品建立个人品牌 -- **平台**：https://letters.thedankoe.com/（Newsletter） -- **代表产品**：2 Hour Writer（写作系统）、Eden（笔记软件） - -## 核心理念 - -### 通才主义（Generalist） -- 反对专业化分工导致的人沦为螺丝钉 -- 主张 Self-education（自学）+ Self-interest（自利）+ Self-sufficiency（自立）三要素 -- 认为独特视角（Perspective）是最终护城河，AI 无法复制 - -### 内容创作方法论 -- Brand is your story：品牌是你的故事，而非头像和简介 -- Content is novel perspectives：内容是新颖视角，而非信息堆砌 -- Systems are the new product：系统经济时代，系统 > 产品 - -### 创意密度框架 -- Performance（受众关注度）× Excitement（个人热情）= Idea Density -- 创意博物馆（Idea Museum）：ruthless curation of notes/ideas/sources -- 3-5 个高密度信息源：老书/精选博客/重量级社交账号 - -## 关键作品 - -### 2 Hour Writer -- 每天 <2 小时写完所有内容（3 posts/day + 1 thread/week + 1 newsletter/week） -- 交叉发帖到所有平台（Twitter/LinkedIn/Instagram） -- Newsletter 为中心，内容复用分发 - -### Eden -- 创意博物馆软件（https://eden.so/） -- 被评论说"可被 Google Drive/Dropbox 替代"，但作为系统具有独特价值 - -## 相关概念 -- [[超级通才]] -- [[自教育]] -- [[自利]] -- [[自立自强]] -- [[创意博物馆]] -- [[系统经济]] - -## 相关人物 -- [[Adam Smith]]：引用其对专业化分工的批评 -- [[Leonardo da Vinci]]：文艺复兴通才典范 -- [[Jordan Peterson]]：作为通才不追随内容潮流的榜样 \ No newline at end of file diff --git a/wiki/entities/Daniel-Stefanovic.md b/wiki/entities/Daniel-Stefanovic.md deleted file mode 100644 index 25f79bdf..00000000 --- a/wiki/entities/Daniel-Stefanovic.md +++ /dev/null @@ -1,18 +0,0 @@ ---- -title: "Daniel Stefanovic" -type: entity -tags: [person, developer, github] ---- - -## 基本信息 -- 类型：个人 -- 平台：GitHub - -## 简介 -Daniel Stefanovic 是 [[Build-Your-Own-X-从零构建技术栈]] 项目的创始人，该项目后来由 [[CodeCrafters]] 接手维护。 - -## 主要贡献 -- 创建 build-your-own-x GitHub 仓库，系统性整理各技术领域"从零构建"教程 - -## Aliases -- danistefanovic diff --git a/wiki/entities/Datadog.md b/wiki/entities/Datadog.md deleted file mode 100644 index af6292b9..00000000 --- a/wiki/entities/Datadog.md +++ /dev/null @@ -1,24 +0,0 @@ ---- -title: Datadog -type: entity -tags: [监控, 可观测性, 云原生] -sources: ["https://www.datadoghq.com"] -last_updated: 2026-04-15 ---- - -## 基本信息 -- **类型**：云监控与可观测性平台 -- **总部**：美国纽约 -- **上市**：NASDAQ (DDOG) - -## 核心产品 -- **Infrastructure Monitoring**：基础设施级监控 -- **APM (Application Performance Monitoring)**：应用性能监控 -- **Log Management**：日志管理与分析 -- **Synthetics**：合成监控 - -## 在 Wiki 中的角色 -- Datadog 是 [[DevOps-Culture-and-Transformation]] 中提到的监控与可观测性工具之一，对标 [[Prometheus]] + [[Grafana]] 开源组合 - -## Aliases -- Datadog diff --git a/wiki/entities/Dataview.md b/wiki/entities/Dataview.md deleted file mode 100644 index c24706e1..00000000 --- a/wiki/entities/Dataview.md +++ /dev/null @@ -1,31 +0,0 @@ ---- -id: dataview -title: Dataview -type: entity -tags: [Obsidian插件, 笔记管理] -sources: ["Dataview——让我从笔记黑洞里逃出来的Obsidian神器.md"] -last_updated: 2026-04-16 ---- - -## Definition -Dataview 是 Obsidian 的"笔记数据库"插件，通过类 SQL 语法实现笔记内容的结构化索引与查询，将散乱的 Markdown 笔记转化为可检索、可统计、可视图化的知识资产。 - -## Core Functions -- **任务自动聚合**：将散落在各笔记文件的待办事项集中到单一视图 -- **标签笔记整理**：按标签自动聚合相关笔记（如 `#学习 → 所有学习相关笔记列表`） -- **写作量统计**：量化每日/每周/每月笔记产出 -- **自定义字段索引**：支持从 Frontmatter 提取任意字段进行查询 - -## Syntax Example -```dataview -LIST FROM "Notes" WHERE contains(tags, "学习") -``` - -## Connections -- [[Obsidian]] ← 插件宿主 -- [[笔记数据库]] ← 核心抽象 -- [[任务自动聚合]] ← 主要功能 -- [[标签笔记整理]] ← 主要功能 - -## Aliases -- Dataview.js diff --git a/wiki/entities/DeepSeek.md b/wiki/entities/DeepSeek.md deleted file mode 100644 index 040b5b7f..00000000 --- a/wiki/entities/DeepSeek.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -title: DeepSeek -type: entity -tags: [AI公司, 大模型, 开源] -aliases: [DeepSeek R1, DeepSeek V3] ---- - -## 基本信息 -- **类型**：中国AI大模型初创公司 -- **代表产品**：DeepSeek R1、DeepSeek V3 -- **开源地址**： - - https://github.com/deepseek-ai/DeepSeek-R1 - - https://github.com/deepseek-ai/DeepSeek-V3 - -## 核心定位 -中国AI公司通过开源策略与国外AI巨头差异化竞争的代表。 - -## 关键成就 -- DeepSeek R1于2025年春节爆火 -- 是开源界首个将o1级深度推理拉下神坛的破壁者 - -## Connections -- [[DeepSeek]] ← 开源平替 ← [[OpenAI]] -- [[DeepSeek]] ← 竞争 ← [[Qwen]] -- [[DeepSeek R1]] ← 深度推理 ← [[OpenAI o1]] diff --git a/wiki/entities/Dify.md b/wiki/entities/Dify.md deleted file mode 100644 index 81ef5f01..00000000 --- a/wiki/entities/Dify.md +++ /dev/null @@ -1,24 +0,0 @@ ---- -title: Dify -type: entity -tags: [LLM应用平台, 开源] -aliases: [] ---- - -## 基本信息 -- **类型**：LLM应用开发平台 -- **开源地址**：https://github.com/langgenius/dify - -## 核心定位 -市面上最拿得出手的LLM应用开发平台。 - -## 关键能力 -- 可视化模型调试 -- 提示词编排 -- 工作流可视化 -- 无需后端代码即可搭建智能体 -- 将不稳定模型变成稳定服务 - -## Connections -- [[Dify]] ← 竞争 ← [[LangChain]] -- [[Dify]] ← 集成 ← [[LLM]] diff --git a/wiki/entities/Docker.md b/wiki/entities/Docker.md index 73e05b1b..4afd184e 100644 --- a/wiki/entities/Docker.md +++ b/wiki/entities/Docker.md @@ -1,24 +1,22 @@ --- -title: Docker +title: "Docker" type: entity -tags: [容器化, DevOps, 开源] -sources: ["https://www.docker.com"] -last_updated: 2026-04-15 +tags: [containerization, virtualization, devops] +sources: [cloud-devop-maturity-guideline, DevOps-Culture-and-Transformation] +last_updated: 2026-04-16 --- -## 基本信息 +## Summary +Docker 是开源的容器化平台，将应用及其依赖打包为标准化容器，实现"构建一次，运行任意地方"的跨环境部署。 + +## Definition +容器化技术平台，提供应用打包和运行时隔离能力。 + +## Key Attributes - **类型**：容器化平台 -- **总部**：美国加州旧金山 +- **开发商**：Docker, Inc. +- **许可证**：开源（Apache License 2.0） -## 核心产品 -- **Docker Engine**：容器运行时环境 -- **Docker Hub**：容器镜像仓库 -- **Docker Desktop**：开发者容器化开发环境 -- **Docker Compose**：多容器应用编排工具 - -## 在 Wiki 中的角色 -- Docker 是 [[DevOps-Culture-and-Transformation]] 中 [[CI/CD Pipelines]] 和容器化的核心技术 -- Docker 与 [[Kubernetes]] 共同构成现代 DevOps 容器化技术栈 - -## Aliases -- Docker +## Connections +- [[DevOps 成熟度模型]] ← 支撑 ← [[容器化技术]] +- [[Docker]] ← 被编排 ← [[Kubernetes]] diff --git a/wiki/entities/DracoVibeCoding.md b/wiki/entities/DracoVibeCoding.md deleted file mode 100644 index 3b6970b4..00000000 --- a/wiki/entities/DracoVibeCoding.md +++ /dev/null @@ -1,16 +0,0 @@ ---- -title: "DracoVibeCoding" -type: entity -tags: [KOL, 开发者] -last_updated: 2026-04-15 ---- - -## 基本信息 -- **公众号**：Draco正在VibeCoding -- **领域**：Vibe Coding、AI Agent 实践、OpenClaw - -## 主要贡献 -- 《万字讲透OpenClaw Workspace》作者，对 OpenClaw workspace 文件体系进行了系统性解析 - -## Connections -- [[DracoVibeCoding]] ← 作者 ← [[万字讲透OpenClaw-Workspace深度解析]] diff --git a/wiki/entities/El-Bebe-Games.md b/wiki/entities/El-Bebe-Games.md deleted file mode 100644 index ff562ba5..00000000 --- a/wiki/entities/El-Bebe-Games.md +++ /dev/null @@ -1,28 +0,0 @@ ---- -title: "El Bebe Games" -type: entity -tags: [educational-games, spanish, openclaw-usecase] -date: 2026-04-16 ---- - -## Overview -面向拉丁美洲西班牙语地区（0-15 岁儿童）的教育游戏网站，无广告、无垃圾弹窗、高质量内容，由独立开发者 LANero "LANero of the old school" 创建并通过 OpenClaw Agent 管道自动化生产。 - -## Details -- 目标受众：拉丁美洲西班牙语儿童 -- 游戏数量：41+ -- 产出速度：每 7 分钟一个游戏或修复 -- GitHub：duberblockito/elbebe -- 线上地址：elbebe.co - -## Key Claims -- 管道自主生产游戏，开发者从手工开发转型为质量把控者 -- 所有游戏遵循：无广告、无框架、HTML5/CSS3/JS、离线可用、移动优先 - -## Connections -- [[OpenClaw]]：驱动整个开发管道的 Agent 平台 -- [[Autonomous-Educational-Game-Development-Pipeline]]：产出此项目的管道 -- [[LANero]]：项目创始人 - -## Aliases -- El Bebe diff --git a/wiki/entities/ElevenLabs.md b/wiki/entities/ElevenLabs.md deleted file mode 100644 index c801a828..00000000 --- a/wiki/entities/ElevenLabs.md +++ /dev/null @@ -1,26 +0,0 @@ ---- -title: "ElevenLabs" -type: entity -tags: [ai-voice, tts, voice-cloning] -last_updated: 2026-04-16 ---- - -## Summary -国际顶流AI配音工具，支持30+语言和方言，能生成带情感变化的语音（如开心、生气），还有变声器功能。支持声音克隆，适合有声书、游戏角色配音。 - -## Key Capabilities -- 30+ 语言和方言支持 -- 情感语音生成（开心/生气/平静等多情绪） -- 变声器功能 -- API接口，支持实时语音生成 -- 声音克隆（需上传音频样本） - -## Limitations -- 免费版限制多（字数限制） -- 付费版较贵，企业级套餐更贵 -- 需要科学上网 - -## Connections -- [[AI配音]] ← is ← [[ElevenLabs]] -- [[声音克隆]] ← supports ← [[ElevenLabs]] -- [[二创视频必不可少-AI配音声音克隆]] ← reviewed ← [[ElevenLabs]] diff --git a/wiki/entities/EventBridge.md b/wiki/entities/EventBridge.md new file mode 100644 index 00000000..c5d9ff45 --- /dev/null +++ b/wiki/entities/EventBridge.md @@ -0,0 +1,23 @@ +--- +title: "EventBridge" +type: entity +tags: [AWS, Event-Driven, Serverless] +sources: [how-to-simplify-multi-account-deployments-monitoring] +last_updated: 2026-04-16 +--- + +## Summary +EventBridge 是 AWS 的无服务器事件总线服务，支持构建事件驱动架构，实现跨账号、跨区域的事件路由。 + +## Definition +Amazon EventBridge 是无服务器事件总线服务，支持从应用程序、SaaS 服务和 AWS 服务接收事件，并通过规则进行路由和过滤。 + +## Key Attributes +- **类型**：事件路由服务 +- **开发商**：AWS +- **核心功能**：事件驱动架构、跨账号事件转发、事件过滤 +- **定价**：按事件数量计费 + +## Connections +- [[AWS]] ← 提供 ← [[EventBridge]] +- [[CloudWatch Logs]] ← 集成 ← [[EventBridge]] \ No newline at end of file diff --git a/wiki/entities/F5-TTS.md b/wiki/entities/F5-TTS.md deleted file mode 100644 index eb47b5b8..00000000 --- a/wiki/entities/F5-TTS.md +++ /dev/null @@ -1,26 +0,0 @@ ---- -title: "F5-TTS" -type: entity -tags: [ai-voice, tts, voice-cloning, open-source] -last_updated: 2026-04-16 ---- - -## Summary -开源免费的AI配音与声音克隆工具，2秒音频即可克隆声音，支持中英文长文本，可控制语速和情绪。适合技术流和企业自部署。 - -## Key Capabilities -- 开源免费（MIT License） -- 2秒音频克隆声音 -- 中英文长文本支持 -- 语速和情绪控制 -- 本地部署，数据安全 - -## Limitations -- 在线版速度较慢 -- 需要代码基础（本地部署） -- 开源版本非开箱即用 - -## Connections -- [[声音克隆]] ← primary_tool ← [[F5-TTS]] -- [[二创视频必不可少-AI配音声音克隆]] ← reviewed ← [[F5-TTS]] -- [[AI配音]] ← supports ← [[F5-TTS]] diff --git a/wiki/entities/FedRAMP.md b/wiki/entities/FedRAMP.md new file mode 100644 index 00000000..9d213b48 --- /dev/null +++ b/wiki/entities/FedRAMP.md @@ -0,0 +1,23 @@ +--- +title: "FedRAMP" +type: entity +tags: [compliance, security, government] +sources: [How-Agentic-AI-can-help-for-Cloud-DevOps] +last_updated: 2026-04-16 +--- + +## Summary +FedRAMP（Federal Risk and Authorization Management Program）是美国政府针对云服务的安全合规框架，要求联邦机构使用的云服务必须获得 FedRAMP 授权。 + +## Definition +美国政府的安全合规框架，为联邦机构使用的云服务提供标准化安全评估和授权。 + +## Key Attributes +- **类型**：政府安全合规框架 +- **适用范围**：美国联邦政府机构及云服务提供商 +- **管理机构**：美国联邦预算管理局（OMB） + +## Connections +- [[Agentic AI]] ← 监控 ← [[FedRAMP]]：Agentic AI 实现 FedRAMP 合规自动化 +- [[SOC 2]] ← 类似 ← [[FedRAMP]] +- [[PCI DSS]] ← 类似 ← [[FedRAMP]] diff --git a/wiki/entities/Financial Times API.md b/wiki/entities/Financial Times API.md deleted file mode 100644 index f39fcb53..00000000 --- a/wiki/entities/Financial Times API.md +++ /dev/null @@ -1,10 +0,0 @@ ---- -title: "Financial Times API" -type: entity -tags: [news-api, 数据源] -sources: [] -last_updated: 2025-03-11 ---- - -## Definition -新闻 API 提供商。详见 [[News API]] 概念页面。 diff --git a/wiki/entities/Flux.md b/wiki/entities/Flux.md deleted file mode 100644 index 81dd80eb..00000000 --- a/wiki/entities/Flux.md +++ /dev/null @@ -1,23 +0,0 @@ ---- -title: Flux -type: entity -tags: [AI生图, 开源, 黑森林] -aliases: [Flux模型, black-forest-labs] ---- - -## 基本信息 -- **类型**：AI生图模型 -- **开发团队**：前Stable Diffusion核心团队 -- **开源地址**：https://github.com/black-forest-labs/flux - -## 核心定位 -开源界的Midjourney。 - -## 关键成就 -- 目前人体解剖学最正确的开源模型 -- 能精准地在图中写出指定单词 -- 画手指连指甲盖光泽都有 - -## Connections -- [[Flux]] ← 开源平替 ← [[Midjourney]] -- [[Flux]] ← 竞争 ← [[Stable Diffusion]] diff --git a/wiki/entities/GCP.md b/wiki/entities/GCP.md index 25751ce9..f6afcae7 100644 --- a/wiki/entities/GCP.md +++ b/wiki/entities/GCP.md @@ -1,30 +1,23 @@ --- title: "GCP" type: entity -tags: [cloud, devops] -last_updated: 2026-04-15 +tags: [cloud-provider, Google] +sources: [How-Agentic-AI-can-help-for-Cloud-DevOps] +last_updated: 2026-04-16 --- -## 基本信息 -- **类型**：云服务提供商 -- **全称**：Google Cloud Platform -- **来源**：How Agentic AI can help for Cloud DevOps +## Summary +GCP（Google Cloud Platform）是 Google 提供的公有云平台，提供 GKE、GCS、Cloud SQL、BigQuery 等服务。 -## 简介 -Google Cloud Platform 是 Google 提供的云服务平台，在 DevOps 和容器编排领域具有重要地位。 +## Definition +公有云服务提供商，提供 GKE（Kubernetes）、GCS、Cloud SQL、Cloud Monitoring、Security Command Center 等云服务。 -## Agentic AI 相关服务 -- **GKE**：Google Kubernetes Engine，容器编排 -- **Cloud SQL**：云数据库 -- **GCS**：Google Cloud Storage，对象存储 -- **Security Command Center**：安全态势管理 -- **Preemptible VMs**：可抢占虚拟机（成本优化） +## Key Attributes +- **类型**：公有云服务提供商 +- **开发商**：Google +- **发布时间**：2008年 +- **主要服务**：GKE、GCS、Cloud SQL、Cloud Monitoring、Security Command Center、Preemptible Instances -## 关联 -- [[Agentic AI]] 的重要云平台 -- [[Kubernetes]] (GKE) 容器编排 -- [[Multi-Cloud Governance]] 跨云治理对象 - -## Aliases -- Google Cloud Platform -- 谷歌云平台 +## Connections +- [[Kubernetes]] ← 支持（GKE）← [[GCP]] +- [[Agentic AI]] ← 监控/分析 ← [[Cloud Monitoring]] diff --git a/wiki/entities/GDPR.md b/wiki/entities/GDPR.md new file mode 100644 index 00000000..24c70ce2 --- /dev/null +++ b/wiki/entities/GDPR.md @@ -0,0 +1,26 @@ +--- +title: GDPR +type: entity +tags: [Security, Compliance, Privacy, Standard] +sources: [The-Myths-and-Misconceptions-About-Cloud-Computing-LinkedIn.md] +last_updated: 2025-03-02 +--- + +## Definition +GDPR（通用数据保护条例）是欧盟的数据隐私法规，规定了个人数据收集、处理和存储的规则，适用于所有处理欧盟公民数据的组织。 + +## Core Components +- 数据主体权利：访问权、更正权、删除权、数据可携权 +- 数据控制者/处理者义务：合规性证明、数据处理记录 +- 数据保护官（DPO）：指定数据保护官员的要求 +- 违规处罚：最高全球年营业额 4% 或 2000 万欧元的罚款 +- 数据泄露通知：72小时内通知监管机构 + +## Relevance to Cloud +- 云服务提供商必须符合 GDPR 要求处理欧盟公民数据 +- 许多云平台获得 GDPR 合规认证以服务全球客户 + +## Connections +- [[Cloud-Security]] ← requires ← [[GDPR]]：云安全需符合 GDPR +- [[Data-Governance]] ← implements ← [[GDPR]]：数据治理是 GDPR 合规的基础 +- [[ISO-27001]] ← related_to ← [[GDPR]]：两者在数据保护方面相互关联 diff --git a/wiki/entities/GNews API.md b/wiki/entities/GNews API.md deleted file mode 100644 index ad9241c4..00000000 --- a/wiki/entities/GNews API.md +++ /dev/null @@ -1,10 +0,0 @@ ---- -title: "GNews API" -type: entity -tags: [news-api, 数据源] -sources: [] -last_updated: 2025-03-11 ---- - -## Definition -新闻 API 提供商。详见 [[News API]] 概念页面。 diff --git a/wiki/entities/GPT-2.md b/wiki/entities/GPT-2.md deleted file mode 100644 index fb85fbf2..00000000 --- a/wiki/entities/GPT-2.md +++ /dev/null @@ -1,22 +0,0 @@ -# GPT-2 - -## Metadata - -- **Type**: Entity -- **Category**: AI/LLM/Foundation Models - -## Description - -GPT-2 是 OpenAI 开发的早期大型语言模型，拥有 1.5B（15亿）参数，是早期较大的语言模型代表。在大模型领域，通常以 ≥1B 参数作为"大模型"的门槛，GPT-2 正好处于这一门槛附近，标志着语言模型开始进入"大模型"时代。 - -## Details - -- **参数规模**: 1.5B (15亿) -- **开发者**: OpenAI -- **意义**: 标志着语言模型进入大模型时代的早期里程碑 - -## Related Concepts - -- [[LLM]] -- [[GPT-3]] -- [[DeepSeek]] diff --git a/wiki/entities/GPT-3.md b/wiki/entities/GPT-3.md deleted file mode 100644 index d71f30ea..00000000 --- a/wiki/entities/GPT-3.md +++ /dev/null @@ -1,22 +0,0 @@ -# GPT-3 - -## Metadata - -- **Type**: Entity -- **Category**: AI/LLM/Foundation Models - -## Description - -GPT-3 是 OpenAI 开发的里程碑式大模型，拥有 175B（1750亿）参数，是大模型领域的标杆之作。相比 GPT-2 的 1.5B 参数，GPT-3 的参数规模提升了 100 倍以上，展现了大规模语言模型的强大能力。 - -## Details - -- **参数规模**: 175B (1750亿) -- **开发者**: OpenAI -- **意义**: 大模型领域的标杆，展示了大参数规模带来的能力涌现 - -## Related Concepts - -- [[LLM]] -- [[GPT-2]] -- [[DeepSeek]] diff --git a/wiki/entities/Generator.md b/wiki/entities/Generator.md deleted file mode 100644 index 989e5549..00000000 --- a/wiki/entities/Generator.md +++ /dev/null @@ -1,21 +0,0 @@ -# Generator - -## Definition -In the Adversarial Debate multi-agent pattern, the Generator is the agent that proposes an initial plan, idea, or solution. It presents its work to the Critic for evaluation. - -## Role in Adversarial Debate -- Proposes: "Here is my plan" -- Presents initial output for criticism -- Receives critique and revises accordingly -- Ultimately responsible for final output (after debate) - -## Key Properties -- Should be a capable model but may have blind spots -- Can be the same model family as Critic and Judge but different instance recommended -- Does not self-correct without external pressure (hence needs Critic) - -## Related Concepts -- [[Multi-Agent Adversarial Debate]] -- [[Critic]] -- [[Judge]] -- [[Sycophancy]] \ No newline at end of file diff --git a/wiki/entities/GitHub.md b/wiki/entities/GitHub.md index 3da923d9..1b028f60 100644 --- a/wiki/entities/GitHub.md +++ b/wiki/entities/GitHub.md @@ -1,25 +1,16 @@ --- -title: GitHub +title: "GitHub" type: entity -tags: [代码托管, CI/CD, 开发平台] -sources: ["https://github.com"] -last_updated: 2026-04-15 +tags: [平台, 代码托管] +sources: [2025-年-11-个神级-AI-开源平替-GitHub-杀疯了。] +last_updated: 2025-04-16 --- -## 基本信息 -- **类型**：代码托管与协作平台 -- **总部**：美国加州旧金山 -- **母公司**：Microsoft -- **用户数**：超过 1 亿开发者 - -## 核心产品 -- **GitHub Actions**：CI/CD 流水线自动化工具，支持构建、测试、部署全流程 -- **GitHub Copilot**：AI 编程助手 -- **GitHub Issues**：项目跟踪与问题管理 - -## 在 Wiki 中的角色 -- [[GitHub Actions]] 是 [[DevOps-Culture-and-Transformation]] 中提到的 CI/CD 流水线工具之一 -- GitHub Actions 是 [[GitOps]] 工作流的核心驱动工具 +## Definition +GitHub 是全球最大的代码托管平台，专注于开源软件协作。 ## Aliases -- GitHub +- github.com + +## Connections +- [[2025年11个神级AI开源平替]] ← 托管于 ← [[GitHub]] diff --git a/wiki/entities/GitLab.md b/wiki/entities/GitLab.md deleted file mode 100644 index ed2a60b5..00000000 --- a/wiki/entities/GitLab.md +++ /dev/null @@ -1,23 +0,0 @@ ---- -title: GitLab -type: entity -tags: [代码托管, CI/CD, DevOps平台] -sources: ["https://about.gitlab.com"] -last_updated: 2026-04-15 ---- - -## 基本信息 -- **类型**：DevOps 平台 -- **总部**：美国加州旧金山 -- **上市**：NASDAQ (GTLB) - -## 核心产品 -- **GitLab CE/EE**：一站式 DevOps 平台，涵盖代码托管、CI/CD、安全扫描、项目管理 -- **GitLab CI**：内置 CI/CD 流水线功能 -- **GitLab Runner**：开源 CI/CD 执行器 - -## 在 Wiki 中的角色 -- [[GitLab]] 的 CI/CD 功能是 [[DevOps-Culture-and-Transformation]] 中提到的 CI/CD 工具选项之一 - -## Aliases -- GitLab diff --git a/wiki/entities/Gitea.md b/wiki/entities/Gitea.md deleted file mode 100644 index 44922192..00000000 --- a/wiki/entities/Gitea.md +++ /dev/null @@ -1,26 +0,0 @@ ---- -id: gitea -title: "Gitea" -type: entity -tags: [Git, 自托管, 版本控制] -sources: ["养虾日记3-Obsidian-Gitea持久化笔记系统.md"] -last_updated: 2026-04-15 ---- - -## Overview -Gitea 是自托管 Git 服务（类似 GitHub/GitLab），提供私有 Git 仓库，内网运行数据不出域。本笔记体系中用于 Obsidian 笔记的版本控制。 - -## Key Attributes -- 类型：自托管 Git 服务 -- 部署方式：Docker -- 用途：Obsidian 笔记版本管理 + Agent 工作输出持久化 - -## Role in System -- [[Obsidian]] 笔记通过 Git 插件自动 commit 到 Gitea 仓库 -- 每次笔记更新对应一个 Git commit，支持任意时间点回溯 -- Commit message 记录变更来源和内容 -- 私有内网运行，数据不出域 - -## Related Entities -- [[Obsidian]]：笔记前端 -- [[OpenClaw]]：写入接口 diff --git a/wiki/entities/Glances.md b/wiki/entities/Glances.md new file mode 100644 index 00000000..406bf0a8 --- /dev/null +++ b/wiki/entities/Glances.md @@ -0,0 +1,27 @@ +--- +title: Glances +type: entity +tags: [linux, system-monitoring, TUI] +sources: + - These 6 Linux apps let you monitor system resources in style +last_updated: 2025-12-16 +--- + +## Definition +一款轻量级、全键盘驱动的 TUI（文本用户界面）Linux 系统监控工具。 + +## Key Features +- 极轻量、响应迅速 +- 全键盘驱动操作 +- 显示网络、CPU、内存、存储统计 +- 最大面板为进程监视器，使用方向键浏览 +- 'h' 查看所有可用命令 +- 'k' 快速终止进程 +- 安装方式：Arch/Debian 官方仓库 / Snap 包（Debian/Ubuntu） +- 启动命令：`glances` + +## Connections +- [[Btop++]] ← 类比 ← [[Glances]] +- [[Htop]] ← 类比 ← [[Glances]] +- [[System Resource Monitoring]] ← 应用于 → [[Glances]] +- [[Process Management]] ← 核心功能 → [[Glances]] diff --git a/wiki/entities/Google.md b/wiki/entities/Google.md deleted file mode 100644 index 8a1b0721..00000000 --- a/wiki/entities/Google.md +++ /dev/null @@ -1,22 +0,0 @@ ---- -title: "Google" -type: entity -tags: [tech-company, cloud, agent] -last_updated: 2026-04-15 ---- - -# Google - -## 基本信息 -- **类型**：科技公司 -- **全称**：Google Cloud -- **关联**：Agent Skill 设计模式发布方 - -## 描述 -2026年3月，Google Cloud 发布 5 种经过验证的 Agent Skill 设计模式指南，由 Saboo_Shubham_ 和 lavinigam 撰写。 - -## 主要贡献 -- [[Agent Skill 设计模式]]：Tool Wrapper、Generator、Reviewer、Inversion、Pipeline - -## Connections -- [[Agent Skill 设计模式]] ← 发布方 diff --git a/wiki/entities/Grafana.md b/wiki/entities/Grafana.md index 9dba9719..4d41f9aa 100644 --- a/wiki/entities/Grafana.md +++ b/wiki/entities/Grafana.md @@ -1,35 +1,22 @@ --- -title: Grafana +title: "Grafana" type: entity -tags: [可视化, 监控, 可观测性, 开源] -sources: ["https://grafana.com"] -last_updated: 2026-04-15 +tags: [monitoring, visualization, observability] +sources: [cloud-devop-maturity-guideline, DevOps-Culture-and-Transformation] +last_updated: 2026-04-16 --- -## 基本信息 -- **类型**：开源可观测性可视化平台 -- **官网**：https://grafana.com -- **公司**：Grafana Labs +## Summary +Grafana 是开源的可观测性数据可视化平台，支持 Prometheus、InfluxDB等多种数据源，提供仪表板和告警功能。 -## 核心功能 -- **多数据源支持**：Prometheus/Loki/Elasticsearch/PostgreSQL 等 -- **仪表盘**：可视化展示时序数据，支持模板变量和动态筛选 -- **告警**：基于查询的告警规则，支持邮件/Slack/Telegram/PagerDuty 等通知渠道 -- **Dashboard Import**：通过 Dashboard ID（如 1860=Node Exporter Full）直接导入社区仪表盘 +## Definition +可观测性数据可视化平台，用于创建监控仪表板和告警规则。 -## 关键 Dashboard ID -| Dashboard | ID | -|-----------|-----| -| Node Exporter Full | 1860 | -| cAdvisor Container Metrics | 14282 | -| Blackbox Exporter Probe | 7587 | +## Key Attributes +- **类型**：可视化监控仪表板 +- **开发商**：Grafana Labs +- **许可证**：开源（Apache License 2.0） -## 在 Wiki 中的角色 -- [[家庭监控方案 Prometheus + Grafana + Node Exporter + cAdvisor + Blackbox]] 可视化层 -- [[Prometheus]] 的主要展示和告警前端 -- [[Loki]] + Promtail 日志聚合的可视化界面 -- [[VictoriaMetrics]] 数据的展示前端 - -## 默认配置 -- 端口：3000（默认 admin/admin 登录） -- 匿名访问：GF_AUTH_ANONYMOUS_ENABLED=true 可开启只读匿名访问 +## Connections +- [[监控可观测性]] ← 核心工具 ← [[Grafana]] +- [[Grafana]] ← 搭配数据源 ← [[Prometheus]] diff --git a/wiki/entities/HIPAA.md b/wiki/entities/HIPAA.md new file mode 100644 index 00000000..0fb38c1b --- /dev/null +++ b/wiki/entities/HIPAA.md @@ -0,0 +1,24 @@ +--- +title: HIPAA +type: entity +tags: [Security, Compliance, Healthcare, Standard] +sources: [The-Myths-and-Misconceptions-About-Cloud-Computing-LinkedIn.md] +last_updated: 2025-03-02 +--- + +## Definition +HIPAA（健康保险便携性和责任法案）是美国联邦法律，规定了医疗信息的隐私和安全标准，保护患者的医疗数据隐私。 + +## Core Components +- 隐私规则（Privacy Rule）：保护医疗信息隐私 +- 安全规则（Security Rule）：电子医疗信息的安全标准 +- 执行规则（Enforcement Rule）：违规处罚机制 +- 违规通知规则（Breach Notification Rule）：数据泄露通知要求 + +## Relevance to Cloud +- 医疗保健组织使用云服务时必须确保 HIPAA 合规 +- 云提供商需签署商业伙伴协议（BAA）以处理受保护健康信息（PHI） + +## Connections +- [[Cloud-Security]] ← requires ← [[HIPAA]]：云安全在医疗领域需符合 HIPAA +- [[GDPR]] ← similar_to ← [[HIPAA]]：两者都是数据隐私法规 diff --git a/wiki/entities/HP.md b/wiki/entities/HP.md deleted file mode 100644 index cbdc8b3e..00000000 --- a/wiki/entities/HP.md +++ /dev/null @@ -1,23 +0,0 @@ ---- -title: "HP" -type: entity -tags: [案例, DevOps, FeatureFlag] -last_updated: 2026-04-16 ---- - -## 基本信息 -- **全称**：Hewlett-Packard（惠普公司） -- **类型**：跨国科技公司 -- **来源**：LaunchDarkly 案例研究 - -## 关键事实 -- 通过 LaunchDarkly 将软件回滚时间从小时级降至分钟级 -- 案例验证了 Feature Flag 在企业级 DevOps 中的实际价值 - -## Aliases -- HP -- Hewlett-Packard - -## Connections -- [[LaunchDarkly]] ← 使用的 Feature Flag 平台 -- [[RTO]] ← 通过 LaunchDarkly 改善的关键指标 diff --git a/wiki/entities/Haiper.md b/wiki/entities/Haiper.md deleted file mode 100644 index b919536e..00000000 --- a/wiki/entities/Haiper.md +++ /dev/null @@ -1,22 +0,0 @@ ---- -title: Haiper -type: entity -tags: [产品, AI, 图生视频] -last_updated: 2026-04-15 ---- - -## 基本信息 -- 类型：AI视频生成工具 -- 发布方：独立开发 - -## 核心描述 -AI视频生成工具，操作便捷，支持2秒或4秒视频生成，分辨率1280×720，目前在官网或Discord上可免费无限次使用。 - -## 主要功能 -- 操作便捷：上传图片、输入提示词、设置时长、点击Create -- 视频时长与尺寸：2秒或4秒视频，分辨率1280×720 -- 免费无限：官网或Discord免费无限使用 -- 多种风格：电影、水彩、赛博朋克等 - -## Connections -- [[Haiper]] ← 独立发布 diff --git a/wiki/entities/HashiCorp.md b/wiki/entities/HashiCorp.md deleted file mode 100644 index 645f7084..00000000 --- a/wiki/entities/HashiCorp.md +++ /dev/null @@ -1,24 +0,0 @@ ---- -title: HashiCorp -type: entity -tags: [基础设施, IaC, 云原生] -sources: ["https://www.hashicorp.com"] -last_updated: 2026-04-15 ---- - -## 基本信息 -- **类型**：云基础设施自动化公司 -- **总部**：美国加州旧金山 -- **上市**：NASDAQ (HCP) - -## 核心产品 -- **Terraform**：基础设施即代码（IaC）工具，支持多云资源编排 -- **Vault**： secrets 管理与加密服务 -- **Nomad**：容器化工作负载调度器 -- **Consul**：服务网络与服务发现 - -## 在 Wiki 中的角色 -- [[Terraform]] 是 [[DevOps-Culture-and-Transformation]] 中提到的 IaC 工具，用于实现[[Infrastructure as Code]] - -## Aliases -- HashiCorp diff --git a/wiki/entities/Hermes.md b/wiki/entities/Hermes.md deleted file mode 100644 index 92a27ee7..00000000 --- a/wiki/entities/Hermes.md +++ /dev/null @@ -1,22 +0,0 @@ ---- -title: "Hermes" -type: entity -tags: [OpenClaw, 组件] -last_updated: 2026-04-15 ---- - -## 基本信息 -- **类型**：OpenClaw 内部组件 -- **职责**：通过 terminal 工具调用外部 CLI 程序（包括 Claude Code） - -## 关键能力 -- terminal 工具：Hermes 调用外部 CLI 的接口 -- delegate_task：调用 Hermes 子 agent（API 调用），但无法建立外部 Claude Code CLI 通道 - -## 与 Claude Code 的关系 -- [[Claude-Code]] ← 被调用方 ← [[Hermes]] -- 当需要调用 Claude Code 技能时，必须使用 terminal + claude -p，不能用 delegate_task - -## Connections -- [[Hermes]] ← 属于 ← [[OpenClaw]] -- [[Claude-Code]] ← 被调用方 ← [[Hermes]] diff --git a/wiki/entities/HowToGeek.md b/wiki/entities/HowToGeek.md new file mode 100644 index 00000000..b093ba43 --- /dev/null +++ b/wiki/entities/HowToGeek.md @@ -0,0 +1,18 @@ +--- +title: HowToGeek +type: entity +tags: [website, technology] +sources: + - These 6 Linux apps let you monitor system resources in style +last_updated: 2025-12-16 +--- + +## Definition +一家专注于技术教程和指南的在线媒体网站，发布关于 Linux、系统监控、开发工具等主题的文章。 + +## Aliases +- How-To Geek +- HTG + +## Connections +- [[These 6 Linux apps let you monitor system resources in style]] ← 发布 → [[HowToGeek]] diff --git a/wiki/entities/Htop.md b/wiki/entities/Htop.md new file mode 100644 index 00000000..8248a5a2 --- /dev/null +++ b/wiki/entities/Htop.md @@ -0,0 +1,27 @@ +--- +title: Htop +type: entity +tags: [linux, system-monitoring, TUI] +sources: + - These 6 Linux apps let you monitor system resources in style +last_updated: 2025-12-16 +--- + +## Definition +一款极简风格的 TUI（文本用户界面）Linux 进程监控工具。 + +## Key Features +- 极简设计，以函数键操作为主 +- F3：搜索进程 +- F7/F8：调整进程优先级（Nice 值） +- F9：强制终止进程 +- 默认显示内存和 CPU 核心仪表盘 +- 可在设置（F2）中添加电池、时钟、网络等仪表盘 +- 安装方式：官方仓库 +- 启动命令：`htop` + +## Connections +- [[Btop++]] ← 类比 ← [[Htop]] +- [[Glances]] ← 类比 ← [[Htop]] +- [[System Resource Monitoring]] ← 应用于 → [[Htop]] +- [[Process Management]] ← 核心功能 → [[Htop]] diff --git a/wiki/entities/HunyuanVideo.md b/wiki/entities/HunyuanVideo.md deleted file mode 100644 index 2abcac0f..00000000 --- a/wiki/entities/HunyuanVideo.md +++ /dev/null @@ -1,23 +0,0 @@ ---- -title: HunyuanVideo -type: entity -tags: [AI生视频, 开源, 腾讯] -aliases: [混元视频, 腾讯混元] ---- - -## 基本信息 -- **类型**：AI视频生成模型 -- **开发公司**：腾讯 -- **开源地址**：https://github.com/Tencent-Hunyuan/HunyuanVideo - -## 核心定位 -开源界参数量最大的视频生成模型之一。 - -## 关键特征 -- 原生支持高分辨率视频生成 -- 对中文Prompt理解是天花板级别 -- 动作连贯性强，符合物理直觉 - -## Connections -- [[HunyuanVideo]] ← 开源平替 ← [[Veo 3]] -- [[HunyuanVideo]] ← 竞争 ← [[可灵]], [[海螺]], [[即梦]] diff --git a/wiki/entities/ISO-27001.md b/wiki/entities/ISO-27001.md new file mode 100644 index 00000000..4ea77883 --- /dev/null +++ b/wiki/entities/ISO-27001.md @@ -0,0 +1,24 @@ +--- +title: ISO 27001 +type: entity +tags: [Security, Compliance, Standard] +sources: [The-Myths-and-Misconceptions-About-Cloud-Computing-LinkedIn.md] +last_updated: 2025-03-02 +--- + +## Definition +ISO 27001 是信息安全管理系统（ISMS）的国际标准，规定了建立、实施、维护和持续改进信息安全管理系统的要求。 + +## Core Components +- 风险管理：识别、评估和处理信息安全风险 +- 安全控制：14个控制域，114项控制措施 +- 合规性验证：第三方认证审核 +- 持续改进：PDCA 循环优化 + +## Relevance to Cloud +- 云提供商通过 ISO 27001 认证证明其信息安全管理能力 +- 许多云平台符合 ISO 27001 标准以增强客户信任 + +## Connections +- [[Cloud-Security]] ← requires ← [[ISO-27001]]：云安全需符合 ISO 27001 标准 +- [[GDPR]] ← related_to ← [[ISO-27001]]：两者在数据保护方面相互关联 diff --git a/wiki/entities/Jellyfin.md b/wiki/entities/Jellyfin.md deleted file mode 100644 index 5179cb05..00000000 --- a/wiki/entities/Jellyfin.md +++ /dev/null @@ -1,52 +0,0 @@ ---- -title: "Jellyfin" -type: entity -tags: [media-server, open-source, docker, synology] ---- - -## 基本信息 -- **类型**：开源媒体服务器 -- **官网**：https://jellyfin.org/ -- **源码**：https://github.com/jellyfin/jellyfin -- **Docker 镜像**：nyanmisaka/jellyfin（优化版，含硬件转码支持） -- **许可证**：GNU GPL - -## 核心能力 -- 自托管媒体服务器，支持电影、电视节目、音乐、有声书 -- 自动从 TMDB、TVDB、TheMovieDB 等源刮削元数据（海报、简介、评分、字幕） -- 支持 DLNA、Chromecast、AirPlay 协议 -- 多用户管理和观看历史 -- Web 界面 + 客户端 App（iOS/Android/Roku/Fire TV） - -## 技术架构 -- 基于 .NET 的跨平台媒体服务 -- Subsonic API 兼容（可使用 Navidrome 客户端访问） -- Jellyfin-Web 为官方前端，客户端通过 Jellyfin API 通信 -- 支持硬件转码（Intel QuickSync/NVENC/VAAPI）降低 CPU 占用 - -## 与 Plex 的关系 -Jellyfin 是 Plex 媒体服务器的去GPL（GPL许可）分支，2018年从 Plex 分叉： -- 核心功能完全同构 -- Jellyfin 完全开源，无闭源组件 -- Plex 有更好的商业生态（ Plex Pass 高级功能） - -## 部署环境 -- [[Synology NAS DS718]]（当前） -- 媒体存储路径：/volume2/movie、/volume1/TV shows -- 公网访问：https://jellyfin.ishenwei.online:18096 - -## 在媒体平台中的位置 - -``` -[/volume2/movie] ──→ [[Jellyfin]] ←── [/volume1/TV shows] - │ - ▼ - 刮削元数据（TMDB/TVDB） - │ - ▼ - Web UI + 客户端 App -``` - -## Aliases -- Jellyfin Media Server -- nyanmisaka/jellyfin（Docker 优化镜像） diff --git a/wiki/entities/Jenkins.md b/wiki/entities/Jenkins.md deleted file mode 100644 index 256c98e7..00000000 --- a/wiki/entities/Jenkins.md +++ /dev/null @@ -1,23 +0,0 @@ ---- -title: Jenkins -type: entity -tags: [CI/CD, 自动化, 开源] -sources: ["https://www.jenkins.io"] -last_updated: 2026-04-15 ---- - -## 基本信息 -- **类型**：开源 CI/CD 自动化服务器 -- **开发语言**：Java -- **许可**：MIT License - -## 核心功能 -- 自动化构建、测试和部署流程 -- 支持超过 1,800 个插件扩展 -- 分布式构建支持 - -## 在 Wiki 中的角色 -- Jenkins 是 [[DevOps-Culture-and-Transformation]] 中提到的传统 CI/CD 工具之一 - -## Aliases -- Jenkins diff --git a/wiki/entities/Judge.md b/wiki/entities/Judge.md deleted file mode 100644 index 8e754b00..00000000 --- a/wiki/entities/Judge.md +++ /dev/null @@ -1,21 +0,0 @@ -# Judge - -## Definition -In the Adversarial Debate multi-agent pattern, the Judge acts as a moderator, deciding whether the Critic's objections are valid and forcing the Generator to fix issues. The Judge determines when the debate has reached a satisfactory conclusion. - -## Role in Adversarial Debate -- Moderates: "The Critic is right. Fix it." -- Evaluates validity of Critic's objections -- Forces iteration if objections are valid -- Can break ties or declare winner - -## Key Properties -- Should be most objective model in the trio (different training/fine-tuning preferred) -- May use Watchdog pattern to prevent infinite debate loops -- Has authority to require Generator to revise - -## Related Concepts -- [[Multi-Agent Adversarial Debate]] -- [[Generator]] -- [[Critic]] -- [[Watchdog Pattern]] \ No newline at end of file diff --git a/wiki/entities/KMS.md b/wiki/entities/KMS.md new file mode 100644 index 00000000..e853f005 --- /dev/null +++ b/wiki/entities/KMS.md @@ -0,0 +1,23 @@ +--- +title: "KMS" +type: entity +tags: [AWS, Security, Encryption] +sources: [how-to-simplify-multi-account-deployments-monitoring] +last_updated: 2026-04-16 +--- + +## Summary +KMS（Key Management Service）是 AWS 的密钥管理服务，提供加密密钥的创建、管理和使用。 + +## Definition +AWS Key Management Service (KMS) 是托管式密钥管理服务，支持创建和管理加密密钥，用于保护 AWS 服务和数据。 + +## Key Attributes +- **类型**：密钥管理服务 +- **开发商**：AWS +- **核心功能**：对称密钥和非对称密钥管理、密钥轮换、与 AWS 服务集成 +- **类型**：客户管理密钥（CMK）、AWS 管理密钥 + +## Connections +- [[AWS]] ← 提供 ← [[KMS]] +- [[CloudWatch Logs]] ← 加密 ← [[KMS]] \ No newline at end of file diff --git a/wiki/entities/Karpathy.md b/wiki/entities/Karpathy.md deleted file mode 100644 index 92eeb913..00000000 --- a/wiki/entities/Karpathy.md +++ /dev/null @@ -1,23 +0,0 @@ ---- -title: "Karpathy" -type: entity -tags: [ai-researcher] -last_updated: 2025-12-30 ---- - -## 基本信息 -- **类型**：AI 研究者 -- **来源**：GitHub 上 5000 人收藏的 Vibe Coding 神级指南 - -## 简介 -著名 AI 研究者，提出了 Vibe Coding 概念。 - -## 关键观点 -> "我几乎不写代码了，我只负责调整氛围（Vibe），代码会自动长出来。" - -## 关联 -- [[Vibe Coding]] 概念提出者 -- [[AI编程]] 领域专家 - -## Aliases -- Andrej Karpathy diff --git a/wiki/entities/Kira2red.md b/wiki/entities/Kira2red.md deleted file mode 100644 index 73bd8012..00000000 --- a/wiki/entities/Kira2red.md +++ /dev/null @@ -1,24 +0,0 @@ ---- -title: "Kira2red" -type: entity -tags: [ai-product-manager, prompt-engineering] -last_updated: 2026-04-16 ---- - -## Aliases -- Kira2red - -## Summary -AI产品管理实践者，Gemini工作流方法论作者，提出将Gemini深度嵌入PRD全链路工作的方法论。 - -## Key Work -- [[不会Gemini的产品经理真的要被淘汰了-附保姆级PRD生成指南]]：FeatureList共创 → Mermaid图生成 → 分页面口述 → HTML原型的AI PRD工作流 - -## Core Claims -- Gemini = 知识渊博但不带脑子的苦工，表述越准确执行越准确 -- 市场洞察力 = 产品经理最稀缺也最重要的能力 -- AI是充分非必要条件，超级个体的核心是某领域八九十分 - -## Connections -- [[Gemini]] ← uses ← [[Kira2red]] -- [[AI产品经理]] ← authored_by ← [[Kira2red]] diff --git a/wiki/entities/Kubernetes.md b/wiki/entities/Kubernetes.md index 29932365..ed864d31 100644 --- a/wiki/entities/Kubernetes.md +++ b/wiki/entities/Kubernetes.md @@ -1,28 +1,23 @@ --- -title: Kubernetes +title: "Kubernetes" type: entity -tags: [容器编排, 云原生, 开源] -sources: ["https://kubernetes.io"] -last_updated: 2026-04-15 +tags: [container-orchestration, cloud-native, CNCF] +sources: [cloud-devop-maturity-guideline, DevOps-Culture-and-Transformation, How-Agentic-AI-can-help-for-Cloud-DevOps] +last_updated: 2026-04-16 --- -## 基本信息 +## Summary +Kubernetes（K8s）是 CNCF 开发的开源容器编排平台，用于自动化容器化应用的部署、扩展和管理。 + +## Definition +容器编排平台，实现容器集群的自动化管理、负载均衡和弹性伸缩。 + +## Key Attributes - **类型**：容器编排平台 -- **开发者**：Google（后捐赠给 CNCF） -- **许可**：Apache License 2.0 +- **开发商**：CNCF（云原生计算基金会） +- **许可证**：开源（Apache License 2.0） +- **原产公司**：Google -## 核心功能 -- 容器化应用的自动化部署、扩缩容和管理 -- 服务发现与负载均衡 -- 自动装箱（Bin Packing） -- 自我修复 -- 密钥与配置管理 - -## 在 Wiki 中的角色 -- Kubernetes 是 [[DevOps-Culture-and-Transformation]] 中现代 [[CI/CD Pipelines]] 的核心承载平台 -- Docker 容器通过 Kubernetes 实现生产级编排 - -## Aliases -- K8s -- Kubernetes -- K8 +## Connections +- [[DevOps 成熟度模型]] ← 支撑 ← [[容器化技术]] +- [[Docker]] ← 编排 ← [[Kubernetes]] diff --git a/wiki/entities/LANero.md b/wiki/entities/LANero.md deleted file mode 100644 index 8e9c96ae..00000000 --- a/wiki/entities/LANero.md +++ /dev/null @@ -1,19 +0,0 @@ ---- -title: "LANero" -type: entity -tags: [solo-founder, game-developer, openclaw-usecase] -date: 2026-04-16 ---- - -## Overview -独立开发者，"LANero of the old school"，为两个女儿（SUSANA 3 岁+Julieta 即将出生）创建无广告教育游戏门户网站 El Bebe Games，通过 OpenClaw Agent 管道实现自动化开发。 - -## Motivation -为孩子创造一个干净、快速、简单的游戏门户，现有游戏网站普遍存在垃圾广告、恶意弹窗和暗黑按钮。 - -## Key Contribution -设计并运行 Autonomous Educational Game Development Pipeline，使单人开发速度达到每 7 分钟产出 1 个游戏或修复。 - -## Connections -- [[El-Bebe-Games]]：其创建的项目 -- [[Autonomous-Educational-Game-Development-Pipeline]]：其设计的开发管道 diff --git a/wiki/entities/LangChain.md b/wiki/entities/LangChain.md deleted file mode 100644 index 3b4930c5..00000000 --- a/wiki/entities/LangChain.md +++ /dev/null @@ -1,37 +0,0 @@ ---- -title: "LangChain" -type: entity -tags: [llm, framework, rag, document-loading] -sources: ["RAG从入门到精通系列1：基础RAG"] -last_updated: 2026-04-16 ---- - -## Basic Information -- **Type**: LLM Application Framework -- **Source**: RAG从入门到精通系列1：基础RAG - -## Definition -LangChain is a framework for building LLM applications, providing over 160 different document loaders for loading data from various sources, as well as components for building RAG pipelines. - -## Key Features -- **Document Loaders**: 160+ loaders for various data sources -- **Chain Abstraction**: Link retrieval and generation components together -- **Retriever Interface**: Unified abstraction for retrieval components -- **PromptTemplate**: Template system for constructing prompts -- **Integration**: Works with various LLMs (Qwen, GPT-4, Claude, etc.) and vector databases (Qdrant, Chroma, Pinecone, etc.) - -## Applications in RAG -- Loading external documents via document loaders -- Splitting documents into chunks (Splits) -- Creating retrievers from vector stores -- Chaining retrieval and generation into a unified pipeline -- Converting raw AIMessage outputs to clean string results - -## Related Concepts -- [[RAG]]：LangChain is commonly used to build RAG pipelines -- [[LlamaIndex]]：Alternative framework for building LLM applications -- [[向量数据库]]：Vector stores integrated with LangChain -- [[Qdrant]]：Vector database mentioned in RAG tutorials - -## Related Entities -- [[Qwen]]：LLM often used with LangChain diff --git a/wiki/entities/LangSmith.md b/wiki/entities/LangSmith.md deleted file mode 100644 index 65e3a7af..00000000 --- a/wiki/entities/LangSmith.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -title: "LangSmith" -type: entity -tags: [llm, debugging, monitoring, production] -sources: ["RAG从入门到精通系列1：基础RAG"] -last_updated: 2026-04-16 ---- - -## Basic Information -- **Type**: LLM Application Platform -- **Source**: RAG从入门到精通系列1：基础RAG - -## Definition -LangSmith is a platform for building production-grade LLM applications. It allows close monitoring and evaluation of LLM applications, enabling fast and confident delivery. - -## Key Capabilities -- **Tracing**: Track LLM applications through the entire pipeline -- **Debugging**: Understand LLM calls and other parts of application logic -- **Evaluation**: Evaluate application performance -- **Monitoring**: Observe application behavior in production - -## Use Case -LangSmith helps visualize how the entire RAG pipeline is connected step by step, useful for debugging and understanding RAG workflows. - -## Related Concepts -- [[RAG]]：LangSmith can be used to monitor RAG pipelines -- [[LangChain]]：LangChain integrates with LangSmith for debugging diff --git a/wiki/entities/LaunchDarkly.md b/wiki/entities/LaunchDarkly.md index 6cdca489..49fd86dd 100644 --- a/wiki/entities/LaunchDarkly.md +++ b/wiki/entities/LaunchDarkly.md @@ -1,34 +1,28 @@ --- title: "LaunchDarkly" type: entity -tags: [DevOps工具, FeatureFlag] -last_updated: 2026-04-16 +tags: [Feature Flag, 持续交付, DevOps] +sources: ["https://launchdarkly.com/blog/rto-vs-rpo/"] +last_updated: 2025-07-26 --- -## 基本信息 -- **类型**：SaaS / Feature Flag 管理平台 -- **定位**：企业级 Feature Flag 和渐进式发布平台 -- **官网**：launchdarkly.com +## Definition +LaunchDarkly 是一个 Feature Flag（特性开关）管理平台，帮助团队实现渐进式发布、秒级回滚和低 RTO/RPO 目标。 -## 核心能力 -- Feature Flag 管理：控制功能开关，无需重新部署即可改变行为 -- Kill Switch：一键关闭有问题的功能，RTO 从小时级降至秒级 -- 渐进式发布：分阶段灰度发布（1%→5%→25%→100%） -- A/B 测试：用户分组对比实验 -- 远程配置：无需更新 App 即可远程调整参数 +## Key Features +- Feature Flag 管理与控制 +- 渐进式 rollout（1% → 5% → 25% → 100%） +- Kill Switch 紧急关闭机制 +- A/B 测试支持 +- 与 CI/CD 流水线集成 -## 关键数据（2024年用户调研） -- 86% 的 LaunchDarkly 客户可在一天内从事故中恢复 -- 42% 的客户在数小时内（甚至数分钟）恢复 -- HP：将回滚时间从小时级降至分钟级 -- Christian Dior：将 15 分钟回滚降至即时开关 -- 59% 客户表示运营成本降低 11%-50% - -## Aliases -- LaunchDarkly +## Case Studies (from this source) +- HP：通过 Feature Flag 将回滚时间从小时降至分钟 +- Christian Dior：通过 Feature Flag 将回滚时间从15分钟降至即时切换 +- 86% 的 LaunchDarkly 客户在一天内从事故中恢复 +- 42% 的 LaunchDarkly 客户在小时级（乃至分钟级）时间内恢复 ## Connections -- [[Feature Flag]] ← 核心产品 -- [[RTO]] ← 通过 Feature Flag 实现秒级 RTO -- [[Kill Switch]] ← LaunchDarkly 的核心用例 -- [[渐进式发布]] ← LaunchDarkly 的核心功能 +- [[Feature Flag]] ← 核心产品 → [[LaunchDarkly]] +- [[RTO (Recovery Time Objective)]] ← 降低工具 → [[LaunchDarkly]] +- [[RPO (Recovery Point Objective)]] ← 保护工具 → [[LaunchDarkly]] diff --git a/wiki/entities/LinkedIn.md b/wiki/entities/LinkedIn.md deleted file mode 100644 index 7a9ea92e..00000000 --- a/wiki/entities/LinkedIn.md +++ /dev/null @@ -1,21 +0,0 @@ ---- -title: LinkedIn -type: entity -tags: [社交网络, 职业平台] -sources: ["https://www.linkedin.com"] -last_updated: 2026-04-15 ---- - -## 基本信息 -- **类型**：职业社交平台 -- **总部**：美国加州山景城 -- **母公司**：Microsoft - -## 核心业务 -LinkedIn 是全球最大的职业社交网络平台，拥有超过 9 亿用户。平台提供招聘解决方案、职业发展工具和广告服务。 - -## 在 Wiki 中的角色 -- [[DevOps-Culture-and-Transformation]] 一文的发布平台 - -## Aliases -- LinkedIn diff --git a/wiki/entities/LlamaIndex.md b/wiki/entities/LlamaIndex.md deleted file mode 100644 index df6f68ed..00000000 --- a/wiki/entities/LlamaIndex.md +++ /dev/null @@ -1,23 +0,0 @@ ---- -title: "LlamaIndex" -type: entity -tags: [llm, framework, rag] -sources: ["RAG从入门到精通系列1：基础RAG"] -last_updated: 2026-04-16 ---- - -## Basic Information -- **Type**: LLM Application Framework -- **Source**: RAG从入门到精通系列1：基础RAG - -## Definition -LlamaIndex is a framework for building LLM applications with data connectors, mentioned alongside LangChain as a way to simplify the complex RAG pipeline construction. - -## Relationship with LangChain -- Both LangChain and LlamaIndex are frameworks for building LLM applications -- Both can be used to construct RAG pipelines -- Both provide abstractions for document loading, splitting, embedding, and retrieval - -## Related Concepts -- [[RAG]]：LlamaIndex is used for building RAG pipelines -- [[LangChain]]：Alternative/companion framework diff --git a/wiki/entities/Loki.md b/wiki/entities/Loki.md deleted file mode 100644 index 4dfe67b3..00000000 --- a/wiki/entities/Loki.md +++ /dev/null @@ -1,22 +0,0 @@ ---- -title: Loki -type: entity -tags: [日志聚合, 可观测性, Grafana, 开源] -sources: ["https://grafana.com/oss/loki"] -last_updated: 2026-04-15 ---- - -## 基本信息 -- **类型**：日志聚合系统 -- **官网**：https://grafana.com/oss/loki -- **公司**：Grafana Labs - -## 核心机制 -- **标签索引**：仅索引元数据（标签），而非全文索引，存储极简 -- **Promtail**：日志收集代理，部署在每台主机将日志推送到 Loki -- **与 Prometheus/Grafana 原生集成**：同属 Grafana Labs 生态 -- **查询语言**：LogQL，与 PromQL 类似但用于日志 - -## 在 Wiki 中的角色 -- [[家庭监控方案 Prometheus + Grafana + Node Exporter + cAdvisor + Blackbox]] 扩展建议：加 Loki + Promtail 做日志收集 -- [[Grafana]] 作为 Loki 日志的展示界面 diff --git a/wiki/entities/Mac-Mini.md b/wiki/entities/Mac-Mini.md deleted file mode 100644 index a2256a7f..00000000 --- a/wiki/entities/Mac-Mini.md +++ /dev/null @@ -1,26 +0,0 @@ ---- -title: "Mac Mini" -type: entity -tags: [apple, hardware, server, homelab] -date: 2026-03-15 ---- - -## Definition -Apple Mac Mini，Apple 设计的紧凑型台式机，本项目中用作家庭基础设施服务器，运行 OpenClaw Gateway、FRP、N8N 等服务。 - -## Role in Infrastructure -- **OpenClaw 主节点**：运行 Gateway 管理所有 Agent -- **FRP 客户端**：通过 frpc 将内网服务映射至公网 VPS1 -- **Docker 主机**：运行 Jellyfin、Navidrome 等媒体服务 -- **开发机**：Claude Code/OpenCode 本地开发环境 - -## Key Configurations -- [[Mac-Mini-服务器配置-防止自动锁屏与睡眠]]：通过 pmset 关闭睡眠，支持远程访问 - -## Connections -- [[VPS1]] ← FRP 隧道 ← [[Mac Mini]] -- [[Synology NAS]] ← NFS 挂载 ← [[Mac Mini]] -- [[OpenClaw]] ← 运行节点 ← [[Mac Mini]] - -## Source -[[Mac-Mini-服务器配置-防止自动锁屏与睡眠]] diff --git a/wiki/entities/Manus.md b/wiki/entities/Manus.md deleted file mode 100644 index b49b1da4..00000000 --- a/wiki/entities/Manus.md +++ /dev/null @@ -1,17 +0,0 @@ ---- -title: Manus -type: entity -tags: [AI智能体, 闭源] -aliases: [] ---- - -## 基本信息 -- **类型**：AI Agent产品 -- **收购**：2025年被Meta以几十亿美金收购 - -## 核心定位 -AI Agent领域的年度现象级产品，定义AI Agent元年的里程碑式存在。 - -## Connections -- [[Manus]] → 开源平替 → [[OpenManus]] -- [[Manus]] ← 被收购 ← [[Meta]] diff --git a/wiki/entities/MariaDB.md b/wiki/entities/MariaDB.md deleted file mode 100644 index e2c2da4d..00000000 --- a/wiki/entities/MariaDB.md +++ /dev/null @@ -1,31 +0,0 @@ ---- -title: MariaDB -type: entity -tags: [database, mysql, synology, nas, mariadb] ---- - -## Overview -MariaDB 是 MySQL 的开源分支，Synology NAS Docker 部署的版本为 10.11.6，提供内网（3307端口）和公网（mysql.ishenwei.online:63307）访问能力。 - -## Aliases -- MariaDB -- MySQL（兼容） -- MariaDB 10.11 - -## Key Characteristics -- 版本：10.11.6 -- 内网端口：3307 -- 公网端口：63307 -- 登录方式：socket 本地登录（/run/mysqld/mysqld10.sock） -- 远程用户：shenwei@'%'（密码 !Abcde12345） - -## 权限管理要点 -- 默认只有 root@localhost，不允许远程登录 -- 创建远程用户需执行：CREATE USER → GRANT ALL PRIVILEGES → FLUSH PRIVILEGES -- % host 表示任意 IP 授权 - -## Connections -- [[MySQL MariaDB 数据库详细信息]] — 详细配置指南 -- [[Synology NAS]] — 硬件平台（192.168.3.17） -- [[Docker]] — 容器化平台 -- [[Cloudflare]] — 公网域名 mysql.ishenwei.online DNS diff --git a/wiki/entities/Matt-Van-Horne.md b/wiki/entities/Matt-Van-Horne.md deleted file mode 100644 index 54e8ff21..00000000 --- a/wiki/entities/Matt-Van-Horne.md +++ /dev/null @@ -1,20 +0,0 @@ ---- -title: "Matt Van Horne" -type: entity -tags: [developer, open-source, skill-author] -last_updated: 2026-04-15 ---- - -## Aliases -- Matt Van Horne -- mvanhorn - -## Summary -Last30Days skill 作者，为 OpenClaw 提供 Reddit/X/YouTube 等多平台热点聚合研究能力。其 skill 是市场研究与产品发现自动化管道的核心依赖。 - -## Key Contributions -- Last30Days skill：8 大数据源热点聚合研究工具 - -## Key Connections -- [[Last30Days]] ← Skill 作者 -- [[Market Research Product Factory]] ← 核心技术依赖 diff --git a/wiki/entities/Mediastack API.md b/wiki/entities/Mediastack API.md deleted file mode 100644 index 68c16d25..00000000 --- a/wiki/entities/Mediastack API.md +++ /dev/null @@ -1,10 +0,0 @@ ---- -title: "Mediastack API" -type: entity -tags: [news-api, 数据源] -sources: [] -last_updated: 2025-03-11 ---- - -## Definition -新闻 API 提供商。详见 [[News API]] 概念页面。 diff --git a/wiki/entities/MewXAI团队.md b/wiki/entities/MewXAI团队.md deleted file mode 100644 index 8ab13f0b..00000000 --- a/wiki/entities/MewXAI团队.md +++ /dev/null @@ -1,20 +0,0 @@ ---- -title: MewXAI团队 -type: entity -tags: [团队, AI, 中国] -last_updated: 2026-04-15 ---- - -## 基本信息 -- 全称：MewXAI团队 -- 类型：AI团队 -- 领域：AI视频创作 - -## 核心描述 -AI视频创作工具团队，推出艺映AI多功能AI视频创作工具，支持运动笔刷工具和多平台账号同步。 - -## 主要AI产品 -- [[艺映AI]]：多功能AI视频创作工具 - -## Connections -- [[艺映AI]] ← 发布 ← [[MewXAI团队]] diff --git a/wiki/entities/MinIO.md b/wiki/entities/MinIO.md deleted file mode 100644 index ffb724da..00000000 --- a/wiki/entities/MinIO.md +++ /dev/null @@ -1,29 +0,0 @@ ---- -id: MinIO -title: "MinIO" -type: entity -tags: [storage, s3, docker, nas] -sources: [] -last_updated: 2026-04-15 ---- - -## Overview -MinIO 是一个兼容 Amazon S3 协议的开源对象存储引擎，设计用于高性能、大规模数据存储场景。在 Synology NAS 环境下部署，为 Zipline 等应用提供 S3 兼容的私有存储后端。 - -## Key Characteristics -- 兼容 S3 API，可直接替代 Amazon S3、Cloudflare R2 等商业方案 -- 支持单节点和分布式部署，存储性能仅受底层硬盘/SSD 限制 -- 提供 API（9000端口）和 Console UI（9001端口） -- 在 Synology NAS 上通过 Docker 部署，数据存储在 /volume1/docker/zipline-stack/minio/minio_data - -## Configuration (Synology NAS) -- 环境变量：MINIO_ROOT_USER、MINIO_ROOT_PASSWORD -- S3_BUCKET：存储桶名称（需创建并设为 public） -- S3_ENDPOINT：http://minio:9000（容器间通信） -- S3_FORCE_PATH_STYLE："true"（MinIO 必需） -- Access Rules：通过 mc anonymous set public 命令设置公开读写权限 - -## Related Concepts -- [[S3协议]]：MinIO 兼容的核心协议 -- [[Zipline]]：使用 MinIO 作为存储后端的图片托管服务 -- [[Synology NAS]]：MinIO 的部署平台 diff --git a/wiki/entities/MiniMax.md b/wiki/entities/MiniMax.md deleted file mode 100644 index 1dfe716c..00000000 --- a/wiki/entities/MiniMax.md +++ /dev/null @@ -1,20 +0,0 @@ ---- -title: MiniMax -type: entity -tags: [公司, AI, 中国] -last_updated: 2026-04-15 ---- - -## 基本信息 -- 全称：MiniMax -- 类型：公司 -- 领域：AI大模型、视频生成 - -## 核心描述 -中国AI公司，推出海螺AI视频生成工具，MiniMax视频模型在主体一致性和光影色调保持上有显著优势。 - -## 主要AI产品 -- [[海螺AI]]：AI视频生成工具 - -## Connections -- [[海螺AI]] ← 发布 ← [[MiniMax]] diff --git a/wiki/entities/Mission-Center.md b/wiki/entities/Mission-Center.md new file mode 100644 index 00000000..a7b52a5a --- /dev/null +++ b/wiki/entities/Mission-Center.md @@ -0,0 +1,25 @@ +--- +title: Mission Center +type: entity +tags: [linux, system-monitoring, GUI] +sources: + - These 6 Linux apps let you monitor system resources in style +last_updated: 2025-12-16 +--- + +## Definition +一款类 Windows Task Manager 的 GUI（图形用户界面）Linux 系统监控应用。 + +## Key Features +- 完整 GUI 界面，类 Windows Task Manager 体验 +- 三个标签页：性能（Performance）、应用（Apps）、服务（Services） +- 性能标签页：实时 CPU 和内存使用图形化图表 +- 应用标签页：显示活动应用和进程，右键可终止或强制终止，查看资源使用详情 +- 服务标签页：用户和系统服务，可一键停止或重启 +- 安装方式：Arch 官方仓库 / Snap 包（Debian/Ubuntu） +- 启动命令：`sudo snap install mission-center` + +## Connections +- [[Stacer]] ← 类比 ← [[Mission Center]] +- [[System Resource Monitoring]] ← 应用于 → [[Mission Center]] +- [[Process Management]] ← 核心功能 → [[Mission Center]] diff --git a/wiki/entities/Nano-Banana-Pro.md b/wiki/entities/Nano-Banana-Pro.md deleted file mode 100644 index 1ce2190b..00000000 --- a/wiki/entities/Nano-Banana-Pro.md +++ /dev/null @@ -1,38 +0,0 @@ ---- -title: "Nano-Banana Pro" -type: entity -tags: [google, image-generation, gemini, ai-studio, prompting] -last_updated: 2026-04-16 ---- - -## 基本信息 -- **类型**：Google AI 图像生成模型 -- **发布方**：Google -- **底层模型**：Gemini -- **平台**：Google AI Studio -- **定位**：从"娱乐级"图像生成升级到"专业级资产生产" - -## 核心能力 -- **文字渲染**：SOTA 水准，支持信息图、蓝图、白板图、技术图纸 -- **角色一致性**：支持 14 张参考图（6 高精度），实现 Identity Locking -- **视觉合成**：复杂场景的逼真合成 -- **世界知识搜索**：Google Search Grounding，实时数据可视化 -- **4K 原生输出**：支持 1K-4K 分辨率 -- **高级编辑**：In-painting、 Restoration、Colorization、Style Swapping -- **2D↔3D 转换**：户型图→室内设计稿 -- **像素艺术**：64x64 网格生成，LED 矩阵驱动 - -## 黄金提示词法则 -1. **Edit Don't Re-roll**：图像 80% 正确时不重新生成，只要求具体修改 -2. **自然语言完整句子**：像给人类艺术家 brief，而非堆砌标签 -3. **具体描述**：Subject + Setting + Lighting + Mood -4. **提供上下文**：Why 或 For Whom，帮助模型做逻辑性艺术决策 - -## Thinking Mode -生成中间推理图（不收费），优化构图后再渲染最终输出。 - -## Connections -- [[Nano-Banana Pro]] ← 升级版本 ← [[Nano Banana]] -- [[Nano-Banana Pro]] ← 底层模型 ← [[Gemini]] -- [[Nano-Banana Pro]] ← 平台 ← [[AI Studio]] -- [[baoyu-infographic]] ← 应用 ← [[Text Rendering]] diff --git a/wiki/entities/Nathan-Reef.md b/wiki/entities/Nathan-Reef.md deleted file mode 100644 index d0c1ee59..00000000 --- a/wiki/entities/Nathan-Reef.md +++ /dev/null @@ -1,26 +0,0 @@ ---- -title: "Nathan (Reef)" -type: entity -tags: [openclaw, home-lab, self-hosted] -date: 2026-04-16 ---- - -## Overview -Nathan（代号 Reef）是 OpenClaw Showcase 用户，运行家庭服务器 Agent，通过 SSH 访问所有内网机器、Kubernetes 集群、1Password 金库和 Obsidian 笔记库，持有 5,000+ 条笔记，运行 15 个活跃 Cron 任务和 24 个自定义脚本。 - -## Key Statistics -- 活跃 Cron 任务：15 个 -- 自定义脚本：24 个 -- Obsidian 笔记：5,000+ -- 自主构建和部署的应用程序：多个 - -## Key Insights -- AI 会硬编码密钥，这是最大安全风险（第 1 天即发生 API key 泄露） -- 本地优先 Git 策略：先推送到私有 Gitea，经过 CI 扫描后再推送到公开 GitHub -- Cron 任务才是真正的产品，提供日常价值而非临时命令 - -## Connections -- [[OpenClaw]]：Reef 运行的基础平台 -- [[Self-Healing-Home-Server]]：基于其详细实践总结的使用案例 -- [[Gitea]]：私有代码暂存区 -- [[TruffleHog]]：密钥扫描工具 diff --git a/wiki/entities/Navidrome.md b/wiki/entities/Navidrome.md deleted file mode 100644 index cbbefa5c..00000000 --- a/wiki/entities/Navidrome.md +++ /dev/null @@ -1,26 +0,0 @@ ---- -title: Navidrome -type: entity -tags: [music, streaming, open-source, docker, synology] ---- - -## Overview -Navidrome 是开源的 Web UI 音乐播放器，兼容 Subsonic API，可作为私有 Spotify 替代品。 - -## Aliases -- Navidrome - -## Key Characteristics -- 平台：跨平台（Docker 部署） -- 协议：Subsonic API（兼容众多音乐 App） -- 特点：只读挂载音乐目录保护原始文件 -- 转码：ND_AUTOTRANSCODEDOWNLOAD 自动根据客户端能力转码 - -## Use Cases -- Synology NAS Docker 部署私有音乐流媒体服务 -- 替代 Spotify/Apple Music 等商业服务，完全掌控音乐数据 - -## Connections -- [[用Docker中安装Navidrome]] — 部署指南 -- [[Synology NAS]] — 硬件平台 -- [[Docker]] — 容器化平台 diff --git a/wiki/entities/Nicholas-Carlini.md b/wiki/entities/Nicholas-Carlini.md deleted file mode 100644 index 4d45177e..00000000 --- a/wiki/entities/Nicholas-Carlini.md +++ /dev/null @@ -1,21 +0,0 @@ ---- -title: "Nicholas Carlini" -type: entity -tags: [researcher, ai] -last_updated: 2026-04-15 ---- - -## Aliases -- Nicholas Carlini -- Carlini - -## Summary -AI 研究者，自主编码 agent 方法论提出者。提出"让 agent 自我组织而非微观管理"理念，倡导通过共享状态文件（STATE.yaml）实现去中心化 agent 协调。 - -## Key Contributions -- STATE.yaml 去中心化协调模式 -- 自主编码 agent 自组织方法论 - -## Key Connections -- [[Autonomous Project Management]] ← 灵感来源 -- [[Anthropic]] ← Building Effective Agents 相关研究 diff --git a/wiki/entities/NotebookLM.md b/wiki/entities/NotebookLM.md deleted file mode 100644 index 50df71e8..00000000 --- a/wiki/entities/NotebookLM.md +++ /dev/null @@ -1,26 +0,0 @@ ---- -title: "NotebookLM" -type: entity -tags: [ai, google, tool, learning] ---- - -## Definition -NotebookLM 是 Google 推出的 AI 学习和研究助理，核心差异化在于 Source-Grounding 机制——其知识库严格限制为用户上传的文档，从而消除幻觉、确保回答可溯源。 - -## Key Features -- Source-Grounding：只基于上传文档回答，每个答案附带引文 -- Audio Overviews：双 AI 主持人播客式讨论，可定制风格（Deep Dive/Brief/Critique/Debate） -- 视频/音频摘要：上传 YouTube 链接或本地音视频，AI 生成摘要和讨论 -- 个性化主持人提示词：可指定 AI 主持人角色（如"假装你是某个领域的学生"） - -## Use Cases -- 被动学习（通勤/运动时消费复杂信息） -- 法律文档审查（Lease、合同、专利） -- 软件更新对比（Release Notes 分析） -- 项目管理（想法和笔记集中化） -- 成为某个领域"速成专家" - -## Connections -- [[Source Grounding]] ← 核心机制 -- [[被动学习]] ← 场景 -- [[引文追溯]] ← 信任机制 diff --git a/wiki/entities/OWASP.md b/wiki/entities/OWASP.md new file mode 100644 index 00000000..d96fb2f2 --- /dev/null +++ b/wiki/entities/OWASP.md @@ -0,0 +1,24 @@ +--- +title: "OWASP" +type: entity +tags: [安全, 标准, Web] +sources: [what-is-devsecops-best-practices-benefits-and-tools] +last_updated: 2026-04-16 +--- + +## Definition +OWASP（Open Web Application Security Project）是一个非营利组织，专注于 Web 应用安全研究和标准制定。其 OWASP Top Ten 是全球最具影响力的 Web 安全漏洞列表。 + +## Key Contributions +- OWASP Top Ten：最关键的 Web 安全风险列表 +- OWASP ZAP：开源 Web 应用安全扫描工具 +- 安全标准和指南 + +## Aliases +- OWASP Top Ten +- OWASP WebGoat + +## Connections +- [[DevSecOps]] ← follows ← [[OWASP]] +- [[SAST]] ← implements ← [[OWASP]] +- [[DAST]] ← tests_against ← [[OWASP]] \ No newline at end of file diff --git a/wiki/entities/Obsidian-Tasks.md b/wiki/entities/Obsidian-Tasks.md deleted file mode 100644 index c8565159..00000000 --- a/wiki/entities/Obsidian-Tasks.md +++ /dev/null @@ -1,31 +0,0 @@ ---- -title: "Obsidian Tasks" -type: entity -tags: [obsidian, 插件, 任务管理] -sources: ["Obsidian Tasks 插件：最适合懒人的任务管理方式"] -last_updated: 2026-04-16 ---- - -## Definition -Obsidian Tasks 是 Obsidian 的任务管理插件，通过标准 Markdown 语法 `- [ ]` 创建任务，在 Obsidian 内部实现任务聚合、筛选和重复计划。 - -## Key Capabilities -- **Markdown 原生任务创建**：`- [ ] 任务内容 📅 2025-03-03 🔼 #高优先级` -- **全局任务查询**：在任意笔记插入 `tasks` 代码块，聚合所有笔记中的任务 -- **条件筛选**：按状态（done/not done）、日期（due before tomorrow）、优先级（sort by priority）筛选 -- **重复任务**：`⏳ every week` / `⏳ every month` 自动生成下一轮任务 - -## Position in Ecosystem -- **对比 Notion**：Notion 的 Database/Tasks 强制使用独立界面，Obsidian Tasks 将任务嵌入笔记上下文 -- **对比 Todoist**：Todoist 是纯任务管理工具，Obsidian Tasks 与笔记内容紧密关联 -- **协同 Dataview**：Dataview 管理数据索引（笔记内容检索），Tasks 管理行动项（任务聚合） - -## Related Entities -- [[Obsidian]]：宿主平台 -- [[Notion]]：竞争/对比产品 -- [[Todoist]]：竞争/对比产品 -- [[Dataview]]：同属 Obsidian 插件生态，一个管数据，一个管行动 - -## Related Concepts -- [[任务-笔记一体化]]：Tasks 插件的核心理念 -- [[深度工作]]：任务与笔记融合后降低切换成本的价值 diff --git a/wiki/entities/Obsidian.md b/wiki/entities/Obsidian.md deleted file mode 100644 index e6f68833..00000000 --- a/wiki/entities/Obsidian.md +++ /dev/null @@ -1,28 +0,0 @@ ---- -id: obsidian -title: Obsidian -type: entity -tags: [笔记应用, 知识管理] -sources: ["Dataview——让我从笔记黑洞里逃出来的Obsidian神器.md"] -last_updated: 2026-04-16 ---- - -## Definition -Obsidian 是一款本地优先的笔记与知识管理应用，核心特性为双向链接（Backlinks）和本地 Markdown 文件存储，通过插件生态（Dataview/ Templater/ QuickAdd 等）扩展为强大的个人知识库。 - -## Key Features -- **双向链接**：每条笔记可链接到其他笔记，形成知识网络 -- **本地 Markdown**：所有笔记存储为 .md 文件，不被供应商锁定 -- **Graph View**：可视化知识网络，发现孤岛页面和幽灵链接 -- **插件生态**：6000+ 社区插件，Dataview 是其中最强大的数据库插件 -- **Git 同步**：通过 obsidian-git 插件实现版本管理 - -## Connections -- [[Dataview]] → 插件生态 -- [[LLM Wiki]] ← 笔记持久化层 -- [[养虾日记3-Obsidian-Gitea持久化笔记系统.md]] ← 持久化架构 -- [[Gitea]] → Git 版本管理 - -## Aliases -- Obsidian.md -- obsidian diff --git a/wiki/entities/Ollama.md b/wiki/entities/Ollama.md deleted file mode 100644 index 0b8b2093..00000000 --- a/wiki/entities/Ollama.md +++ /dev/null @@ -1,37 +0,0 @@ ---- -title: Ollama -type: entity -tags: [本地大模型, AI, 开源, 推理] -sources: ["https://ollama.com"] -last_updated: 2026-04-15 ---- - -## 基本信息 -- **类型**：本地大模型推理引擎 -- **官网**：https://ollama.com -- **支持模型**：Llama3/Mistral/Qwen2.5-Coder/Gemma 等 -- **代码专精模型**：qwen2.5-coder:7b（4.5GB），Shell/Python/SQL/Repo 级代码理解能力强于通用 Qwen2.5 - -## 核心机制 -- **REST API**：通过 http://localhost:11434/api/generate 调用 -- **模型管理**：ollama pull 下载模型，ollama list 查看已安装 -- **无 GPU 依赖**：支持 CPU 推理（速度较慢） -- **跨平台**：macOS/Linux/Windows 支持 -- **远程 API**：OLLAMA_HOST=0.0.0.0 环境变量开放外部访问，供 n8n/OpenClaw/OpenWebUI 调用 -- **GPU 加速**：CUDA 环境下自动使用 NVIDIA GPU，无需额外配置 - -## 在 Wiki 中的角色 -- [[可自动化可扩展AI增强的电商数据采集与处理系统]] 本地 AI 处理层 -- 通过 n8n HTTP Request Node 调用，替代 OpenAI 等外部 API -- 支持 Mistral/Llama3 模型做本地摘要、分类、特征提取 - -## n8n 集成示例 -``` -URL: http://ollama:11434/api/generate -Method: POST -Body: -{ - "model": "llama3", - "prompt": "分析以下产品信息：{{$json.title}}，提取品牌、型号、价格区间" -} -``` diff --git a/wiki/entities/Open-Alliance-for-Cloud-Adoption-OACA.md b/wiki/entities/Open-Alliance-for-Cloud-Adoption-OACA.md new file mode 100644 index 00000000..4273b190 --- /dev/null +++ b/wiki/entities/Open-Alliance-for-Cloud-Adoption-OACA.md @@ -0,0 +1,19 @@ +--- +title: "Open Alliance for Cloud Adoption (OACA)" +type: entity +tags: [Organization, Cloud] +sources: [Cloud-Maturity-Model-A-Detailed-Guide-For-Cloud-Adoption] +last_updated: 2025-02-28 +--- + +## Summary +Open Alliance for Cloud Adoption (OACA) 是一个提出 Cloud Maturity Model (CMM) 定义的组织。 + +## Definition +OACA 将云成熟度模型定义为：协助组织识别采用云或混合 IT 环境定制化解决方案的框架。 + +## Aliases +- OACA + +## Connections +- [[Cloud-Maturity-Model]] ← defined_by ← [[Open-Alliance-for-Cloud-Adoption-OACA]] diff --git a/wiki/entities/Open-Notebook.md b/wiki/entities/Open-Notebook.md deleted file mode 100644 index 7f6bb786..00000000 --- a/wiki/entities/Open-Notebook.md +++ /dev/null @@ -1,28 +0,0 @@ ---- -title: "Open Notebook" -type: entity -tags: [open-source, notebooklm-alternative, self-hosted, github] -last_updated: 2026-04-16 ---- - -## 基本信息 -- **类型**：开源项目 -- **GitHub**：lfnovo/open-notebook（14.6k ⭐） -- **定位**：功能最完整的 NotebookLM 开源平替 -- **License**：开源（具体见 GitHub） - -## 核心能力 -- **多 AI 提供商支持**：16+ 提供商，包括 OpenAI、Anthropic、Google Gemini 等主流云端模型 -- **本地模型支持**：完美支持 Ollama 和 LM Studio 运行的本地模型 -- **多模态输入**：PDF、网页、音频、YouTube 视频 -- **文档问答与引用**：类似 NotebookLM 的 Source Grounding 机制 -- **播客生成**：高级播客工具，支持最多 4 位演讲者的多角色对话，可对脚本精细控制 - -## 与 NotebookLM 的差异 -- 完全本地化部署，数据不离开用户服务器 -- 支持更多 AI 提供商和本地模型 -- 开源可审计，无供应商锁定 - -## Connections -- [[Open Notebook]] ← 功能相似 ← [[NotebookLM]] -- [[Open Notebook]] ← 开源平替 → [[NotebookLM]] diff --git a/wiki/entities/OpenAI.md b/wiki/entities/OpenAI.md deleted file mode 100644 index f16d6be7..00000000 --- a/wiki/entities/OpenAI.md +++ /dev/null @@ -1,24 +0,0 @@ ---- -title: "OpenAI" -type: entity -tags: [ai-company, llm-provider] -date: 2026-04-16 ---- - -## Profile -- 全称：OpenAI -- 类型：AI 研究与部署公司 -- 核心产品：GPT-4、ChatGPT、API、DALL-E、Sora -- 成立：2015年 - -## Key Products -- **ChatGPT**：对话式 AI 助手，2022年发布，开创消费级 AI 应用浪潮 -- **GPT-4**：多模态大语言模型，API 开放 -- **Custom Instructions**：ChatGPT 个性化配置功能，用户可定制 AI 响应行为 - -## 与 Wiki 的关联 -- [[OpenAI-ChatGPT-个性化定义]]：用户（比利哥）ChatGPT 个性化配置实例 -- [[自定义指令]]：OpenAI ChatGPT 平台提供的个性化机制 - -## Aliases -- OpenAI diff --git a/wiki/entities/OpenClaw.md b/wiki/entities/OpenClaw.md deleted file mode 100644 index 027677a3..00000000 --- a/wiki/entities/OpenClaw.md +++ /dev/null @@ -1,35 +0,0 @@ ---- -title: "OpenClaw" -type: entity -tags: [AI框架, Agent, 开发者工具] -last_updated: 2026-04-15 ---- - -## 基本信息 -- **类型**：AI Agent 框架 -- **核心设计**：workspace 文件体系 -- **用途**：构建可持久化、可记忆、性格一致的 AI Agent - -## 核心组件 - -### Workspace 文件体系 -- AGENTS.md：岗位职责说明书 -- SOUL.md：性格档案 -- USER.md：用户偏好固化 -- TOOLS.md：工具权限规范 -- IDENTITY.md：结构化身份元数据 -- BOOTSTRAP.md：一次性初始化引导 -- [[长期记忆]]：memory/ 目录 - -### 多 Agent 协作 -- [[Agent 编排]]：通过 AGENTS.md 中的 spawn 规则实现多 Agent 协调 -- workspace 支持多 Agent 共享配置 - -## 关键概念 -- [[Workspace]]：Agent 的工作台目录 -- [[Agent 编排]]：多 Agent 场景下的任务分配与协调 - -## Connections -- [[OpenClaw]] ← 包含 ← [[Workspace]] -- [[Workspace]] ← 由 ← AGENTS.md + SOUL.md + USER.md + TOOLS.md + IDENTITY.md + BOOTSTRAP.md -- [[Claude-Code]] ← 被调用方 ← [[OpenClaw]] diff --git a/wiki/entities/OpenManus.md b/wiki/entities/OpenManus.md deleted file mode 100644 index d4084e04..00000000 --- a/wiki/entities/OpenManus.md +++ /dev/null @@ -1,24 +0,0 @@ ---- -title: OpenManus -type: entity -tags: [AI智能体, 开源] -aliases: [] ---- - -## 基本信息 -- **类型**：AI Agent开源项目 -- **Star数**：5万+ -- **开源地址**：https://github.com/FoundationAgents/OpenManus - -## 核心机制 -规划(Planning) -> 执行(Execution) -> 循环反馈。 - -## 关键能力 -- 基于browser-use或Playwright技术控制浏览器 -- 在本地沙盒环境中编写并运行Python代码 -- 将模糊指令拆解为步骤逐步执行 - -## Connections -- [[OpenManus]] ← 开源平替 ← [[Manus]] -- [[OpenManus]] ← 使用 ← [[Browser-use]] -- [[OpenManus]] ← 使用 ← [[Playwright]] diff --git a/wiki/entities/Opoint.md b/wiki/entities/Opoint.md deleted file mode 100644 index d158e8b1..00000000 --- a/wiki/entities/Opoint.md +++ /dev/null @@ -1,10 +0,0 @@ ---- -title: "Opoint" -type: entity -tags: [news-api, 数据源] -sources: [] -last_updated: 2025-03-11 ---- - -## Definition -新闻 API 提供商。详见 [[News API]] 概念页面。 diff --git a/wiki/entities/PCI-DSS.md b/wiki/entities/PCI-DSS.md new file mode 100644 index 00000000..a01cf9ec --- /dev/null +++ b/wiki/entities/PCI-DSS.md @@ -0,0 +1,23 @@ +--- +title: "PCI DSS" +type: entity +tags: [compliance, security, payment] +sources: [How-Agentic-AI-can-help-for-Cloud-DevOps] +last_updated: 2026-04-16 +--- + +## Summary +PCI DSS（Payment Card Industry Data Security Standard）是支付卡行业的数据安全标准，要求处理信用卡信息的组织遵守严格的安全控制措施。 + +## Definition +支付卡行业数据安全标准，为保护持卡人数据而制定的安全要求和控制措施。 + +## Key Attributes +- **类型**：行业安全合规标准 +- **制定机构**：PCI SSC（支付卡行业安全标准委员会） +- **适用范围**：处理、存储或传输信用卡信息的组织 + +## Connections +- [[Agentic AI]] ← 监控 ← [[PCI DSS]]：Agentic AI 实现 PCI DSS 合规自动化 +- [[SOC 2]] ← 类似 ← [[PCI DSS]] +- [[FedRAMP]] ← 类似 ← [[PCI DSS]] diff --git a/wiki/entities/Perplexica.md b/wiki/entities/Perplexica.md deleted file mode 100644 index b86efb46..00000000 --- a/wiki/entities/Perplexica.md +++ /dev/null @@ -1,24 +0,0 @@ ---- -title: Perplexica -type: entity -tags: [AI搜索, 开源] -aliases: [] ---- - -## 基本信息 -- **类型**：开源AI搜索引擎 -- **Star数**：2.8K -- **开源地址**：https://github.com/ItzCrazyKns/Perplexica - -## 核心定位 -Perplexity的完全开源免费替代品。 - -## 关键能力 -- 完全本地化部署 -- 支持接SearXNG搜索源 -- 支持OpenAI API或本地大模型 -- 注重隐私保护 - -## Connections -- [[Perplexica]] ← 开源平替 ← [[Perplexity]] -- [[Perplexica]] ← 搜索源 ← [[SearXNG]] diff --git a/wiki/entities/PixVerse.md b/wiki/entities/PixVerse.md deleted file mode 100644 index 0aded535..00000000 --- a/wiki/entities/PixVerse.md +++ /dev/null @@ -1,22 +0,0 @@ ---- -title: PixVerse -type: entity -tags: [产品, AI, 图生视频] -last_updated: 2026-04-15 ---- - -## 基本信息 -- 类型：AI视频生成工具 -- 发布方：[[爱诗科技]] - -## 核心描述 -爱诗科技开发的AI视频生成工具，支持多种视频风格（真实、动漫、3D动画），支持角色一致性识别和摄像头运镜参数调整。 - -## 主要功能 -- 图片转视频：上传静态图片生成动态视频 -- 风格化输出：真实、动漫、3D动画等多种风格 -- 摄像头运镜参数：调整视角、运动轨迹 -- 角色一致性：人物图片识别与视频生成一致性 - -## Connections -- [[爱诗科技]] ← 发布 ← [[PixVerse]] diff --git a/wiki/entities/Planner.md b/wiki/entities/Planner.md deleted file mode 100644 index 2eb755d1..00000000 --- a/wiki/entities/Planner.md +++ /dev/null @@ -1,20 +0,0 @@ -# Planner - -## Definition -In the Hierarchy multi-agent pattern, the Planner is a smart model (often Opus or similar frontier model) that breaks down the user's goal into small, atomic, focused steps and distributes them across worker agents. - -## Role in Multi-Agent Hierarchy -- Receives the user's high-level goal -- Decomposes it into discrete, verifiable tasks -- Assigns tasks to appropriate Worker agents based on specialization -- Coordinates the workflow but does not execute the tasks itself - -## Key Properties -- Typically uses a more capable model (e.g., Opus) for planning -- Creates a dependency graph that forces Workers to wait for their input -- Can be the same model as Worker but different model preferred for Validator - -## Related Concepts -- [[Multi-Agent Hierarchy]] -- [[Worker]] -- [[Validator]] \ No newline at end of file diff --git a/wiki/entities/Playwright.md b/wiki/entities/Playwright.md deleted file mode 100644 index bb2dcff6..00000000 --- a/wiki/entities/Playwright.md +++ /dev/null @@ -1,38 +0,0 @@ ---- -title: Playwright -type: entity -tags: [浏览器自动化, 测试, 爬虫, 开源] -sources: ["https://playwright.dev"] -last_updated: 2026-04-15 ---- - -## 基本信息 -- **类型**：Microsoft 开源浏览器自动化工具 -- **官网**：https://playwright.dev -- **支持语言**：Python/Node.js/Java/C# - - -## 核心功能 -- **多浏览器支持**：Chromium/Firefox/WebKit（WebKit 仅 macOS） -- **无头模式**：headless=True 默认，支持有头调试 -- **自动等待**：Actionability 检查（元素可见/可点击/attached 等） -- **截图/PDF**：整页截图和 PDF 生成 -- **网络拦截**：监听/修改/屏蔽网络请求 -- **移动端模拟**：viewport 和 userAgent 定制 - -## 在 Wiki 中的角色 -- [[可自动化可扩展AI增强的电商数据采集与处理系统]] 用于渲染 JS 动态页面 -- [[Scrapy]] 通过 scrapy-playwright 插件集成，处理反爬或懒加载的电商页面 -- Docker 环境：mcr.microsoft.com/playwright/python:v1.48.0-jammy -- shm_size 需设置为 2gb 避免浏览器崩溃 - -## 关键参数 -```python -PLAYWRIGHT_LAUNCH_OPTIONS = { - "headless": True, - "args": ["--no-sandbox", "--disable-setuid-sandbox"], -} -PLAYWRIGHT_CONTEXT_ARGS = { - "viewport": {"width": 1280, "height": 720}, -} -``` diff --git a/wiki/entities/Plex.md b/wiki/entities/Plex.md deleted file mode 100644 index 37c1531d..00000000 --- a/wiki/entities/Plex.md +++ /dev/null @@ -1,31 +0,0 @@ ---- -title: Plex -type: entity -tags: [媒体服务器, 自托管, 视频] -sources: ["https://www.plex.tv"] -last_updated: 2026-04-15 ---- - -## 基本信息 -- **类型**：跨平台媒体服务器 -- **官网**：https://www.plex.tv -- **支持平台**：Windows/macOS/Linux/NAS/Android TV/当贝盒子/华为盒子等 - -## 核心功能 -- 媒体库管理：自动刮削视频元数据（海报、简介、评分、字幕） -- 转码引擎：多格式视频音频转码，支持多设备兼容播放 -- 多用户支持：Plex Pass 家庭成员共享，观看历史同步 -- 远程访问：Plex 服务器穿透，外部网络直接访问媒体库 -- 音乐/Podcast 管理：支持音频媒体库 - -## 在 Wiki 中的角色 -- [[家庭监控方案 Prometheus + Grafana + Node Exporter + cAdvisor + Blackbox]] 中的目标监控站点之一（transmission.vip.cpolar.cn） -- [[Synology NAS + Xiaoya Alist + CloudDrive2 + Plex to Build Media Platform]] 媒体库前端，整合本地 NAS 和阿里云盘资源 - -## 部署环境 -- 群晖 NAS：套件中心直接安装，用 Apple ID（ishenwei@hotmail.com）登录 -- 客户端：当贝盒子（Android 10+）、华为盒子（Android 5.0+，最高支持 com.plexapp.android_10.5.0.4996） - -## 相关工具 -- [[Xiaoya Alist]]：提供阿里云盘影视资源 -- [[CloudDrive2]]：将阿里云盘挂载为本地文件系统，供 Plex 扫描 diff --git a/wiki/entities/Podcastfy.md b/wiki/entities/Podcastfy.md deleted file mode 100644 index 1889112d..00000000 --- a/wiki/entities/Podcastfy.md +++ /dev/null @@ -1,22 +0,0 @@ ---- -title: "Podcastfy" -type: entity -tags: [open-source, podcast-generation, tts, github] -last_updated: 2026-04-16 ---- - -## 基本信息 -- **类型**：开源 Python 包 + CLI + Web 界面 -- **GitHub**：souzatharsis/podcastfy -- **定位**：专注播客生成的 NotebookLM 播客功能开源平替 - -## 核心能力 -- **多模态输入**：文本、图像、网站、PDF 转化为高质量、多语言的音频对话 -- **内容格式**：Shorts（短视频风格）和 Longform（长篇深度）两种播客格式 -- **LLM 支持**：整合 100+ LLM 用于脚本生成 -- **TTS 引擎**：OpenAI、Google、ElevenLabs、Microsoft Edge TTS 等多种语音合成引擎 -- **多语言支持** - -## Connections -- [[Podcastfy]] ← 专注化 ← [[NotebookLlama]] -- [[Podcastfy]] ← 播客功能 ← [[NotebookLM]] diff --git a/wiki/entities/Polymarket.md b/wiki/entities/Polymarket.md deleted file mode 100644 index 03ff79f6..00000000 --- a/wiki/entities/Polymarket.md +++ /dev/null @@ -1,18 +0,0 @@ ---- -title: "Polymarket" -type: entity -tags: [prediction-market, crypto, trading] -date: 2026-04-16 ---- - -## Overview -Polymarket 是基于加密货币的预测市场平台，用户通过交易事件结果概率来表达预测，提供 API 访问市场数据（价格/交易量/价差）。 - -## Key Features -- 市场数据 API：价格、交易量、价差、成交量 -- YES/NO 二元市场为主 -- API 文档：docs.polymarket.com - -## Connections -- [[Polymarket-Autopilot]]：基于 Polymarket API 的 Paper Trading 自动化 -- [[Polymarket-autopilot]] ← 数据来源 ← [[Polymarket]] diff --git a/wiki/entities/Prismer-AI.md b/wiki/entities/Prismer-AI.md deleted file mode 100644 index 37085c54..00000000 --- a/wiki/entities/Prismer-AI.md +++ /dev/null @@ -1,20 +0,0 @@ ---- -title: "Prismer AI" -type: entity -tags: [open-source, research-tools, ai-agent] -date: 2026-04-16 ---- - -## Overview -Prismer AI 是一个开源 AI 研究工具项目，核心产品为 arxiv-reader skill，为 OpenClaw Agent 提供 arXiv 论文阅读能力。 - -## Aliases -- Prismer - -## Key Products -- arxiv-reader skill（3 工具：arxiv_fetch/arxiv_sections/arxiv_abstract） -- Prismer 仓库：Prismer-AI/Prismer - -## Connections -- [[OpenClaw]]：Prismer 作为 OpenClaw Skill 使用 -- [[arXiv-Paper-Reader]]：核心应用场景 diff --git a/wiki/entities/Prometheus.md b/wiki/entities/Prometheus.md index fd063dc5..880d039b 100644 --- a/wiki/entities/Prometheus.md +++ b/wiki/entities/Prometheus.md @@ -1,34 +1,22 @@ --- -title: Prometheus +title: "Prometheus" type: entity -tags: [监控, 可观测性, 开源, 时序数据库] -sources: ["https://prometheus.io"] -last_updated: 2026-04-15 +tags: [monitoring, observability, CNCF] +sources: [cloud-devop-maturity-guideline, DevOps-Culture-and-Transformation] +last_updated: 2026-04-16 --- -## 基本信息 -- **类型**：开源监控告警系统和时序数据库 -- **官网**：https://prometheus.io -- **公司**：CNCF 毕业项目 +## Summary +Prometheus 是 CNCF 开发的开源监控系统，提供时间序列数据采集、存储和查询能力，常与 Grafana 搭配使用。 -## 核心机制 -- **拉模式（Pull-based）**：Prometheus 主动从各 exporter 拉取指标，而非被动接收 -- **scrape_configs**：配置抓取目标和抓取间隔，默认 15s -- **PromQL**：查询语言，支持聚合、过滤、函数计算时序数据 -- **告警规则**：基于 PromQL 表达式持续评估，达到阈值触发告警 -- **Alertmanager 集成**：告警触发后推送到 Alertmanager 进行分组/抑制/路由 +## Definition +时间序列监控系统，用于持续监控应用和基础设施指标。 -## 关键 Exporters -- [[node_exporter]]：主机层指标（CPU/内存/磁盘/网络） -- [[cAdvisor]]：容器层指标（容器运行状态/资源限制/重启次数） -- [[blackbox_exporter]]：黑盒探测（HTTP/TCP/DNS/ICMP 可用性） +## Key Attributes +- **类型**：监控系统 +- **开发商**：CNCF（云原生计算基金会） +- **许可证**：开源（Apache License 2.0） -## 在 Wiki 中的角色 -- [[家庭监控方案 Prometheus + Grafana + Node Exporter + cAdvisor + Blackbox]] 核心采集和告警引擎 -- [[Grafana]] 的主要数据源 -- [[VictoriaMetrics]] 可作为 Prometheus remote_write 后端实现长期存储 - -## 存储限制 -- 本地 TSDB 会持续磁盘增长 -- 建议配置 remote_write 到 [[VictoriaMetrics]] 等远端存储实现长期保留 -- 启动参数 --storage.tsdb.path 指定存储路径 +## Connections +- [[监控可观测性]] ← 核心工具 ← [[Prometheus]] +- [[Prometheus]] ← 搭配 ← [[Grafana]] diff --git a/wiki/entities/Pulumi.md b/wiki/entities/Pulumi.md new file mode 100644 index 00000000..11579b3d --- /dev/null +++ b/wiki/entities/Pulumi.md @@ -0,0 +1,24 @@ +--- +title: "Pulumi" +type: entity +tags: [IaC, infrastructure-automation] +sources: [How-Agentic-AI-can-help-for-Cloud-DevOps] +last_updated: 2026-04-16 +--- + +## Summary +Pulumi 是一个现代基础设施即代码（IaC）工具，支持使用真实编程语言（Python、TypeScript、Go 等）定义云资源。 + +## Definition +IaC 工具，允许使用通用编程语言编写代码来声明式配置云基础设施。 + +## Key Attributes +- **类型**：IaC 工具 +- **开发商**：Pulumi Corp +- **许可证**：开源（Apache License 2.0） +- **支持平台**：AWS、Azure、GCP、阿里云等 +- **支持语言**：Python、TypeScript、Go、C# + +## Connections +- [[Terraform]] ← 类似 ← [[Pulumi]] +- [[CloudFormation]] ← 类似 ← [[Pulumi]] diff --git a/wiki/entities/PyTorch研习社.md b/wiki/entities/PyTorch研习社.md deleted file mode 100644 index da391f0b..00000000 --- a/wiki/entities/PyTorch研习社.md +++ /dev/null @@ -1,20 +0,0 @@ ---- -id: pytorch-yan-xi-she -title: PyTorch研习社 -type: entity -tags: [微信公众号, AI技术] -sources: ["RAG从入门到精通系列1：基础RAG.md"] -last_updated: 2026-04-16 ---- - -## Definition -PyTorch研习社 是一个专注于 PyTorch 和 AI 技术分享的微信公众号，发布 RAG、深度学习、LLM 应用等方向的技术教程。 - -## Key Publications -- RAG 从入门到精通系列（2025-01-16）：Indexing-Retrieval-Generation 三阶段管道完整解析 - -## Connections -- [[RAG从入门到精通系列1基础RAG.md]] ← 来源公号 - -## Aliases -- PyTorch研习社 diff --git a/wiki/entities/Qdrant.md b/wiki/entities/Qdrant.md deleted file mode 100644 index 0a4e978f..00000000 --- a/wiki/entities/Qdrant.md +++ /dev/null @@ -1,35 +0,0 @@ ---- -title: "Qdrant" -type: entity -tags: [vector-database, rag, rust, open-source] -sources: ["RAG从入门到精通系列1：基础RAG"] -last_updated: 2026-04-16 ---- - -## Basic Information -- **Type**: Vector Database -- **Source**: RAG从入门到精通系列1：基础RAG - -## Definition -Qdrant is an open-source vector database written in Rust, designed for storing and searching high-dimensional embedding vectors with high performance. - -## Key Features -- **Written in Rust**: High performance and memory safety -- **Vector Search**: Supports similarity search with various metrics -- **Open Source**: Freely available for self-hosting -- **RAG Integration**: Commonly used as the vector store in RAG pipelines - -## Technical Details -- Implements various similarity comparison methods for embedding vectors -- Supports Top-k retrieval (returning k most similar results) -- Can store metadata alongside vectors - -## Related Concepts -- [[向量数据库]]：Qdrant is a specific vector database implementation -- [[Embedding]]：Qdrant stores embedding vectors -- [[RAG]]：Qdrant serves as the storage layer in RAG systems -- [[LangChain]]：LangChain can integrate with Qdrant as a vector store - -## Related Entities -- [[BAAI]]：Embedding models that feed data into Qdrant -- [[Qwen]]：LLM that queries Qdrant via retrieval diff --git a/wiki/entities/Qwen.md b/wiki/entities/Qwen.md deleted file mode 100644 index 28095f7e..00000000 --- a/wiki/entities/Qwen.md +++ /dev/null @@ -1,29 +0,0 @@ ---- -title: Qwen -type: entity -tags: [大模型, 开源, 阿里] -aliases: [通义千问, Qwen 3] ---- - -## 基本信息 -- **类型**：阿里巴巴大语言模型 -- **代表产品**：Qwen 3、Qwen2.5-Coder（代码专精）、Qwen2.5（通用） -- **开源地址**：https://github.com/QwenLM/Qwen3 - -## 核心定位 -开源界最稳、最全、最能打的基座模型。 - -## Qwen2.5-Coder（代码专精分支） -- 比通用 Qwen2.5 更适合 DevOps/SQL/Kubernetes 等工程任务 -- Shell/Python/SQL 理解能力强、Repo 级代码理解能力强 -- 工具调用（Tool Usage）能力强 -- [[在Ubuntu安装Ollama并运行Qwen2.5-Coder7B]] 提供了完整部署指南 - -## 关键特征 -- 全尺寸覆盖 -- 极致的工具调用能力 -- 堪称开源界的六边形战士 - -## Connections -- [[Qwen]] ← 开源平替 ← [[Claude]] -- [[Qwen]] ← 竞争 ← [[DeepSeek]] diff --git a/wiki/entities/Red Hat.md b/wiki/entities/Red Hat.md deleted file mode 100644 index 15536939..00000000 --- a/wiki/entities/Red Hat.md +++ /dev/null @@ -1,24 +0,0 @@ ---- -title: Red Hat -type: entity -tags: [开源, 企业软件, Linux] -sources: ["https://www.redhat.com"] -last_updated: 2026-04-15 ---- - -## 基本信息 -- **类型**：企业级开源软件公司 -- **总部**：美国北卡罗来纳州罗利 -- **母公司**：IBM（2019 年以 340 亿美元收购） - -## 核心产品 -- **RHEL (Red Hat Enterprise Linux)**：企业级 Linux 发行版 -- **OpenShift**：企业级 Kubernetes 容器平台 -- **Ansible**：自动化配置管理与应用部署工具 -- **RHEL Server**：企业服务器操作系统 - -## 在 Wiki 中的角色 -- [[Ansible]] 是 [[DevOps-Culture-and-Transformation]] 中提到的自动化配置管理与应用部署工具 - -## Aliases -- Red Hat diff --git a/wiki/entities/SOC-2.md b/wiki/entities/SOC-2.md new file mode 100644 index 00000000..90e74487 --- /dev/null +++ b/wiki/entities/SOC-2.md @@ -0,0 +1,23 @@ +--- +title: "SOC 2" +type: entity +tags: [compliance, security] +sources: [How-Agentic-AI-can-help-for-Cloud-DevOps] +last_updated: 2026-04-16 +--- + +## Summary +SOC 2（Service Organization Control 2）是由 AICPA 制定的安全合规框架，评估云服务提供商的安全性、可用性、处理完整性、机密性和隐私性。 + +## Definition +安全合规框架，评估服务组织在安全性、可用性、处理完整性、机密性和隐私性方面的控制措施。 + +## Key Attributes +- **类型**：安全合规框架 +- **制定机构**：AICPA（美国注册会计师协会） +- **适用范围**：云服务提供商、SaaS 公司 + +## Connections +- [[Agentic AI]] ← 监控 ← [[SOC 2]]：Agentic AI 实现 SOC 2 合规自动化 +- [[FedRAMP]] ← 类似 ← [[SOC 2]] +- [[PCI DSS]] ← 类似 ← [[SOC 2]] diff --git a/wiki/entities/ScrapeCreators.md b/wiki/entities/ScrapeCreators.md deleted file mode 100644 index cb3f6446..00000000 --- a/wiki/entities/ScrapeCreators.md +++ /dev/null @@ -1,32 +0,0 @@ ---- -title: "ScrapeCreators" -type: entity -tags: [api, scraping, reddit, tiktok, instagram] -last_updated: 2026-04-15 ---- - -## 基本信息 -- **类型**: API 服务 -- **功能**: Reddit + TikTok + Instagram 数据爬取 -- **免费额度**: 前 100 次免费 -- **官网**: https://scrapeographers.com（推测） - -## 用途 -- Last30Days 技能的 Reddit 数据来源 -- Last30Days 技能的 TikTok 数据来源 -- Last30Days 技能的 Instagram 数据来源 - -## 配置方式 -在 `~/.openclaw/.env` 中配置： -```bash -SCRAPECREATORS_API_KEY=... -``` - -## 关联 -- [[Last30Days]] 的核心数据依赖 -- 覆盖 Reddit 帖子/评论、TikTok 视频标题/观看数/点赞、Instagram Reels 观看数/点赞 - -## Aliases -- ScrapeCreators API -- ScrapeCreators API Key - diff --git a/wiki/entities/Scrapy.md b/wiki/entities/Scrapy.md deleted file mode 100644 index 17dae1af..00000000 --- a/wiki/entities/Scrapy.md +++ /dev/null @@ -1,41 +0,0 @@ ---- -title: Scrapy -type: entity -tags: [爬虫, Python, 开源, 数据采集] -sources: ["https://scrapy.org"] -last_updated: 2026-04-15 ---- - -## 基本信息 -- **类型**：Python 开源爬虫框架 -- **官网**：https://scrapy.org -- **Star**：5.5万+（GitHub） - -## 核心机制 -- **异步抓取**：基于 Twisted 异步网络框架，支持高并发 -- **Spiders**：定义爬取逻辑，支持 CSS/XPath 选择器 -- **Item Pipeline**：数据清洗、验证、存储管道 -- **Middleware**：下载中间件，可自定义 User-Agent、代理、cookies -- **Feed Exports**：支持 JSON/CSV/XML/JSONL 多种输出格式 -- **scrapy-playwright**：插件集成 Playwright，处理 JS 动态渲染页面 - -## 关键配置 -```python -# scrapy-playwright 集成 -DOWNLOAD_HANDLERS = { - "http": "scrapy_playwright.handler.ScrapyPlaywrightDownloadHandler", -} -TWISTED_REACTOR = "twisted.internet.asyncioreactor.AsyncioSelectorReactor" -PLAYWRIGHT_LAUNCH_OPTIONS = {"headless": True, "args": ["--no-sandbox"]} -``` - -## 在 Wiki 中的角色 -- [[可自动化可扩展AI增强的电商数据采集与处理系统]] 爬虫层核心 -- [[Playwright]] 提供 JS 渲染能力，Scrapy 负责调度和结构化输出 - -## 防封策略 -- ROBOTSTXT_OBEY = False（根据目标网站决定） -- DOWNLOAD_DELAY 设置访问延迟 -- RANDOMIZE_DOWNLOAD_DELAY 随机化延迟 -- scrapy-user-agents 中间件轮换 User-Agent -- 配合代理池（BrightData/ScraperAPI） diff --git a/wiki/entities/Sequential Thinking.md b/wiki/entities/Sequential Thinking.md deleted file mode 100644 index 7da78398..00000000 --- a/wiki/entities/Sequential Thinking.md +++ /dev/null @@ -1,24 +0,0 @@ ---- -title: "Sequential Thinking" -type: entity -tags: [mcp, reasoning, tool] -last_updated: 2026-04-15 ---- - -# Sequential Thinking - -## 基本信息 -- **类型**：MCP 工具 -- **功能**：逻辑推理与分步执行任务 - -## 描述 -MCP 工具之一，通过逻辑推理分步拆解任务，提升 AI 沟通效率和决策质量。 - -## 关键特点 -- 支持复杂任务的分步推理 -- 可与其他 MCP 工具链协同调用 -- 提升 AI 模型对问题的系统性思考能力 - -## Connections -- [[MCP]]：基于该协议 -- [[MCP工具链]]：组件之一 diff --git a/wiki/entities/Slack.md b/wiki/entities/Slack.md new file mode 100644 index 00000000..b9adfea2 --- /dev/null +++ b/wiki/entities/Slack.md @@ -0,0 +1,21 @@ +--- +title: "Slack" +type: entity +tags: [collaboration, ChatOps] +sources: [How-Agentic-AI-can-help-for-Cloud-DevOps] +last_updated: 2026-04-16 +--- + +## Summary +Slack 是 Salesforce 旗下的企业协作平台，支持 ChatOps 工作流，可与 AI 代理集成实现 AI 驱动的故障排除。 + +## Definition +企业协作和聊天平台，支持与 AI 代理集成实现 AI ChatOps。 + +## Key Attributes +- **类型**：协作平台 +- **开发商**：Salesforce +- **主要用途**：团队沟通、ChatOps、AI 驱动故障排除 + +## Connections +- [[Agentic AI]] ← 集成 ← [[Slack]]：通过 Slack 实现 AI ChatOps diff --git a/wiki/entities/Snyk.md b/wiki/entities/Snyk.md index 1760d520..5c2dc049 100644 --- a/wiki/entities/Snyk.md +++ b/wiki/entities/Snyk.md @@ -1,24 +1,21 @@ --- -title: Snyk +title: "Snyk" type: entity -tags: [安全, 漏洞扫描, 开源] -sources: ["https://snyk.io"] -last_updated: 2026-04-15 +tags: [安全, SCA, 开源] +sources: [what-is-devsecops-best-practices-benefits-and-tools] +last_updated: 2026-04-16 --- -## 基本信息 -- **类型**：云原生应用安全平台 -- **总部**：英国伦敦 -- **估值**：86 亿美元（2024 年） +## Definition +Snyk 是一个专注于开源安全和依赖管理的安全平台，提供 SCA（软件成分分析）功能，用于检测项目依赖中的已知漏洞。 -## 核心产品 -- **Snyk Open Source**：开源依赖漏洞扫描 -- **Snyk Code**：代码安全静态分析 -- **Snyk Container**：容器镜像安全扫描 -- **Snyk Infrastructure as Code**：IaC 安全策略扫描 +## Capabilities +- 开源依赖漏洞扫描 +- 许可证合规检查 +- 集成到 CI/CD 流水线 +- 容器镜像安全扫描 +- IaC 基础设施安全扫描 -## 在 Wiki 中的角色 -- Snyk 是 [[DevOps-Culture-and-Transformation]] 中 [[DevSecOps]] 实践的核心工具，用于依赖漏洞扫描和安全合规 - -## Aliases -- Snyk +## Connections +- [[SCA]] ← implements ← [[Snyk]] +- [[DevSecOps]] ← uses ← [[Snyk]] \ No newline at end of file diff --git a/wiki/entities/SonarQube.md b/wiki/entities/SonarQube.md new file mode 100644 index 00000000..2d847941 --- /dev/null +++ b/wiki/entities/SonarQube.md @@ -0,0 +1,21 @@ +--- +title: "SonarQube" +type: entity +tags: [安全, SAST, 代码质量] +sources: [what-is-devsecops-best-practices-benefits-and-tools] +last_updated: 2026-04-16 +--- + +## Definition +SonarQube 是一个开源的代码质量与安全管理平台，提供 SAST（静态应用安全测试）功能，支持多种编程语言的质量和安全性分析。 + +## Capabilities +- 静态代码分析 +- 质量门禁（Quality Gate） +- 安全漏洞检测 +- 代码异味识别 +- 集成 CI/CD 流水线 + +## Connections +- [[SAST]] ← implements ← [[SonarQube]] +- [[DevSecOps]] ← uses ← [[SonarQube]] \ No newline at end of file diff --git a/wiki/entities/SonarSource.md b/wiki/entities/SonarSource.md deleted file mode 100644 index 303588e2..00000000 --- a/wiki/entities/SonarSource.md +++ /dev/null @@ -1,23 +0,0 @@ ---- -title: SonarSource -type: entity -tags: [代码质量, 安全, 静态分析] -sources: ["https://www.sonarsource.com"] -last_updated: 2026-04-15 ---- - -## 基本信息 -- **类型**：代码质量与安全检测公司 -- **总部**：瑞士日内瓦 - -## 核心产品 -- **SonarQube**：开源代码质量与安全静态分析平台 -- **SonarCloud**：云端代码分析服务 -- **SonarLint**：IDE 插件，实时检测代码问题 - -## 在 Wiki 中的角色 -- [[SonarQube]] 是 [[DevOps-Culture-and-Transformation]] 中 [[DevSecOps]] 实践的核心工具，用于将安全扫描集成至 CI/CD 流水线 - -## Aliases -- SonarSource -- SonarQube diff --git a/wiki/entities/Spotify.md b/wiki/entities/Spotify.md deleted file mode 100644 index a847897b..00000000 --- a/wiki/entities/Spotify.md +++ /dev/null @@ -1,23 +0,0 @@ ---- -title: "Spotify" -type: entity -tags: [podcast, platform, streaming] -last_updated: 2026-04-16 ---- - -## Basic Info -- **Type**: Podcast / Music Streaming Platform -- **Company**: Spotify AB -- **Function**: 播客分发与托管平台 - -## Description -Spotify for Podcasters 提供播客节目管理、数据分析、听众统计等功能。播客创作者重要的分发渠道之一。 - -## Connections -- [[Spotify]] ← hosts ← [[Podcast Production Pipeline]] - -## Aliases -- Spotify -- Spotify for Podcasters -- Spotify Podcasting - diff --git a/wiki/entities/StabilityAI.md b/wiki/entities/StabilityAI.md deleted file mode 100644 index 1cf474b5..00000000 --- a/wiki/entities/StabilityAI.md +++ /dev/null @@ -1,23 +0,0 @@ ---- -title: Stability AI -type: entity -tags: [公司, AI, 美国] -last_updated: 2026-04-15 ---- - -## 基本信息 -- 全称：Stability AI -- 类型：公司 -- 领域：AI、开源模型 - -## Aliases -- StabilityAI - -## 核心描述 -美国AI公司，专注于开源AI模型。旗下Stable Video提供丰富的摄像机控制选项和LoRA控制功能。 - -## 主要AI产品 -- [[StableVideo]]：AI视频生成平台 - -## Connections -- [[StableVideo]] ← 发布 ← [[Stability AI]] diff --git a/wiki/entities/StableDiffusion.md b/wiki/entities/StableDiffusion.md deleted file mode 100644 index ee589548..00000000 --- a/wiki/entities/StableDiffusion.md +++ /dev/null @@ -1,22 +0,0 @@ ---- -title: Stable Diffusion -type: entity -tags: [AI生图, 开源] -aliases: [SD, Stable Diffusion 3.5] ---- - -## 基本信息 -- **类型**：AI生图模型 -- **开源地址**：https://github.com/CompVis/stable-diffusion - -## 核心定位 -老牌开源AI生图模型。 - -## 关键特征 -- LoRA和ControlNet生态最丰富 -- 适合画特定动漫角色、精确控制姿势 -- 相比Flux更容易在中端显卡上运行 - -## Connections -- [[Stable Diffusion]] ← 竞争 ← [[Flux]] -- [[Stable Diffusion]] ← 开源 ← [[CompVis]] diff --git a/wiki/entities/StableVideo.md b/wiki/entities/StableVideo.md deleted file mode 100644 index 8b7ffe0b..00000000 --- a/wiki/entities/StableVideo.md +++ /dev/null @@ -1,23 +0,0 @@ ---- -title: Stable Video -type: entity -tags: [产品, AI, 图生视频] -last_updated: 2026-04-15 ---- - -## 基本信息 -- 类型：AI视频生成平台 -- 发布方：[[Stability AI]] - -## 核心描述 -Stability AI推出的AI视频生成平台，提供丰富的相机动作选项和LoRA摄像机精细控制，支持多种视频画幅比例。 - -## 主要功能 -- 丰富的风格选择：3D模型、胶片电影、动漫、电影化、漫画书、数字艺术 -- 高分辨率和帧率：多种输出选项 -- 帧插值技术：帧数少时视频依然平滑 -- 3D场景生成：沿指定相机路径创建3D视频 -- 精细摄像机控制：LoRA控制摄像机位置和角度 - -## Connections -- [[Stability AI]] ← 发布 ← [[Stable Video]] diff --git a/wiki/entities/Stacer.md b/wiki/entities/Stacer.md new file mode 100644 index 00000000..16e306db --- /dev/null +++ b/wiki/entities/Stacer.md @@ -0,0 +1,27 @@ +--- +title: Stacer +type: entity +tags: [linux, system-monitoring, GUI] +sources: + - These 6 Linux apps let you monitor system resources in style +last_updated: 2025-12-16 +--- + +## Definition +功能最丰富的 GUI（图形用户界面）Linux 系统监控与管理工具。 + +## Key Features +- 仪表盘：CPU、内存、磁盘使用可视化仪表 +- 详情标签页：CPU 和内存负载的详细图形历史 +- 进程标签页：进程审查与终止 +- 服务标签页：禁用或启用服务 +- 启动项管理 +- 软件包卸载 +- APT 源配置 +- GNOME 桌面设置调整（窗口配置、桌面体验调整） +- 缓存清理（一键自动清理） + +## Connections +- [[Mission Center]] ← 类比 ← [[Stacer]] +- [[System Resource Monitoring]] ← 应用于 → [[Stacer]] +- [[Process Management]] ← 核心功能 → [[Stacer]] diff --git a/wiki/entities/StackSets.md b/wiki/entities/StackSets.md new file mode 100644 index 00000000..17ca9953 --- /dev/null +++ b/wiki/entities/StackSets.md @@ -0,0 +1,23 @@ +--- +title: "StackSets" +type: entity +tags: [AWS, CloudFormation, Multi-Account] +sources: [how-to-simplify-multi-account-deployments-monitoring] +last_updated: 2026-04-16 +--- + +## Summary +StackSets 是 AWS CloudFormation 的扩展功能，支持跨多个 AWS 账号和区域部署和管理 CloudFormation 栈。 + +## Definition +CloudFormation StackSets 允许在多个 AWS 账号和多个区域同时部署和管理 CloudFormation 栈，实现基础设施的自动化批量部署。 + +## Key Attributes +- **类型**：CloudFormation 扩展功能 +- **开发商**：AWS +- **核心功能**：跨账号、跨区域批量部署 +- **部署模式**：服务托管（Service-managed）、自托管（Self-managed） + +## Connections +- [[CloudFormation]] ← 扩展 ← [[StackSets]] +- [[AWS]] ← 提供 ← [[StackSets]] \ No newline at end of file diff --git a/wiki/entities/SuperCall.md b/wiki/entities/SuperCall.md deleted file mode 100644 index 080244e1..00000000 --- a/wiki/entities/SuperCall.md +++ /dev/null @@ -1,36 +0,0 @@ ---- -title: "SuperCall" -type: entity -tags: [openclaw-plugin, voice-ai, twilio] ---- - -## 基本信息 -- 类型：OpenClaw 语音外呼插件 -- 安装：`openclaw plugins install @xonder/supercall` -- GitHub：github.com/xonder/supercall -- ClawHub：clawhub.ai/xonder/supercall - -## 核心特性 -- 完全独立的语音 Agent，呼叫过程不访问 OpenClaw Gateway -- 每通电话独立沙箱化上下文，不跨对话记忆，防止 Prompt 注入和数据泄露 -- OpenAI GPT-4o Realtime API 驱动对话 -- Twilio 提供电话拨号基础设施 - -## 使用场景 -- 活动宾客人列确认（Event Guest Confirmation 工作流） -- 批量外呼调查问卷 -- 客户回访自动化 - -## 技术架构 -- 钩子（Hooks）需在 OpenClaw 配置中启用 -- ngrok 提供 Webhook 隧道（免费版可用） -- 每次通话使用 Twilio 分钟数计费 - -## 相关概念 -- [[AI外呼确认]] -- [[沙箱化 Persona]] -- [[AI Persona]] - -## 相关页面 -- [[Event Guest Confirmation]] - diff --git a/wiki/entities/SurfSense.md b/wiki/entities/SurfSense.md deleted file mode 100644 index d9f75e8d..00000000 --- a/wiki/entities/SurfSense.md +++ /dev/null @@ -1,28 +0,0 @@ ---- -title: "SurfSense" -type: entity -tags: [open-source, ai-search, research-agent, self-hosted, github] -last_updated: 2026-04-16 ---- - -## 基本信息 -- **类型**：开源项目 -- **GitHub**：MODSetter/SurfSense（11.4k ⭐） -- **定位**：AI 搜索与研究智能体，定位为 NotebookLM + Perplexity + Glean 的开源替代品 - -## 核心能力 -- **外部数据源整合**：Notion、YouTube、GitHub 等多种平台和工具 -- **混合搜索技术**：语义搜索 + 全文搜索 + 重排序算法 -- **自然语言问答**：与保存的内容进行自然语言对话，生成带引用的答案 -- **快速播客生成**：短时间内将聊天内容转化为引人入胜的音频内容 -- **TTS 支持**：多种文本转语音服务 -- **RBAC**：基于角色的访问控制，适合团队协作和知识共享 -- **Docker 容器化部署** - -## 与 Open Notebook 的区别 -- SurfSense 更侧重外部数据源整合和企业知识库场景 -- Open Notebook 更侧重本地文档处理 - -## Connections -- [[SurfSense]] ← 功能扩展 ← [[Open Notebook]] -- [[SurfSense]] ← 企业版 ← [[NotebookLM]] diff --git a/wiki/entities/Synology NAS.md b/wiki/entities/Synology NAS.md deleted file mode 100644 index 190d20b2..00000000 --- a/wiki/entities/Synology NAS.md +++ /dev/null @@ -1,26 +0,0 @@ ---- -title: Synology NAS -type: entity -tags: [NAS, 存储, 自托管, 群晖] -sources: ["https://www.synology.com"] -last_updated: 2026-04-15 ---- - -## 基本信息 -- **类型**：网络附加存储设备 -- **官网**：https://www.synology.com -- **代表型号**：本文场景使用型号未明确 - -## 核心平台 -- **套件中心**：官方应用商店（Plex、Download Station 等） -- **Container Manager**：群晖 Docker 管理界面（基于 Docker） -- **社群频道**：第三方包（CloudDrive2 等）需添加矿神源 - -## DSM 7+ 特殊说明 -- 第三方包安装后需执行 privilege 修复才可完整访问系统资源 -- 示例：CloudDrive2 安装后需执行 `sudo sed -i 's/package/root/g' /var/packages/CloudDrive2/conf/privilege` -- SSH 访问需在控制面板 → 终端机 中启用 - -## 在 Wiki 中的角色 -- [[Synology NAS + Xiaoya Alist + CloudDrive2 + Plex to Build Media Platform]] 硬件和容器平台 -- [[家庭监控方案 Prometheus + Grafana + Node Exporter + cAdvisor + Blackbox]] 部署目标之一 diff --git a/wiki/entities/TapXWorld.md b/wiki/entities/TapXWorld.md deleted file mode 100644 index e4884282..00000000 --- a/wiki/entities/TapXWorld.md +++ /dev/null @@ -1,20 +0,0 @@ ---- -title: "TapXWorld" -type: entity -tags: [GitHub, 教育, 开源] -date: 2025-05-13 ---- - -## Definition -TapXWorld 是一个 GitHub 开源组织，发起并维护 ChinaTextbook 教育资源归档项目。 - -## Aliases -- TapXWorld -- tapxworld - -## Key Projects -- [[ChinaTextbook]]：41.53 GB 中国小初高大学 PDF 教材归档 - -## Connections -- [[TapXWorld]] ← 发起 ← [[ChinaTextbook]] -- [[TapXWorld]] ← 报道于 ← [[Appinn]] diff --git a/wiki/entities/Telegram.md b/wiki/entities/Telegram.md deleted file mode 100644 index e409cce6..00000000 --- a/wiki/entities/Telegram.md +++ /dev/null @@ -1,24 +0,0 @@ ---- -title: "Telegram" -type: entity -tags: [messaging, bot, webhook, notification] ---- - -## 基本信息 -- **类型**: 即时通讯平台 / Bot API -- **官网**: https://telegram.org -- **Bot API**: https://core.telegram.org/bots - -## 核心能力 -- BotFather 创建机器人获取 Token -- Webhook 模式：Telegram 服务器主动向用户服务器推送更新 -- Polling 模式：客户端轮询获取更新 -- 支持文本/图片/音频/视频/文件等多模态消息 - -## 与 n8n 集成 -- [[n8n]] 内置 Telegram Trigger 节点 -- Telegram Trigger 必须配置公网 HTTPS Webhook URL -- 参见 [[n8n-Telegram-Trigger-HTTPS配置修复]] - -## 相关概念 -- [[Telegram Webhook]]: Telegram Bot 与服务端通信的回调机制 diff --git a/wiki/entities/Terraform.md b/wiki/entities/Terraform.md index 2ae5227d..53029a91 100644 --- a/wiki/entities/Terraform.md +++ b/wiki/entities/Terraform.md @@ -1,31 +1,23 @@ --- title: "Terraform" type: entity -tags: [devops, iac] -last_updated: 2026-04-15 +tags: [IaC, HashiCorp, infrastructure-automation] +sources: [cloud-devop-maturity-guideline, DevOps-Culture-and-Transformation, How-Agentic-AI-can-help-for-Cloud-DevOps] +last_updated: 2026-04-16 --- -## 基本信息 +## Summary +Terraform 是 HashiCorp 开发的开源基础设施即代码（IaC）工具，用于声明式地配置和管理云基础设施。 + +## Definition +IaC（Infrastructure as Code）工具，允许通过代码定义和自动配置基础设施资源。 + +## Key Attributes - **类型**：IaC 工具 -- **来源**：How Agentic AI can help for Cloud DevOps -- **厂商**：HashiCorp +- **开发商**：HashiCorp +- **许可证**：开源（Mozilla Public License） +- **支持平台**：AWS、Azure、GCP、阿里云等 -## 简介 -Terraform 是基础设施即代码（IaC）的主流工具，通过声明式配置管理云资源。 - -## 核心能力 -- 跨多云（AWS、GCP、Azure）基础设施编排 -- 状态管理 -- 模块化配置复用 - -## Agentic AI 应用 -- AI 代理审查 Terraform 脚本并建议改进 -- 自动化部署策略执行 - -## 关联 -- [[IaC]] 的代表性工具 -- [[Infrastructure as Code]] 概念落地 -- [[Agentic AI]] 智能审查对象 - -## Aliases -- Terraform by HashiCorp +## Connections +- [[DevOps 成熟度模型]] ← 支撑 ← [[IaC]] +- [[CI/CD 流水线]] ← 依赖 ← [[Terraform]] diff --git a/wiki/entities/The Guardian API.md b/wiki/entities/The Guardian API.md deleted file mode 100644 index e7697a95..00000000 --- a/wiki/entities/The Guardian API.md +++ /dev/null @@ -1,10 +0,0 @@ ---- -title: "The Guardian API" -type: entity -tags: [news-api, 数据源] -sources: [] -last_updated: 2025-03-11 ---- - -## Definition -新闻 API 提供商。详见 [[News API]] 概念页面。 diff --git a/wiki/entities/TikTok Shop.md b/wiki/entities/TikTok Shop.md deleted file mode 100644 index 5278f52c..00000000 --- a/wiki/entities/TikTok Shop.md +++ /dev/null @@ -1,36 +0,0 @@ ---- -title: "TikTok Shop" -type: entity -tags: [电商, tiktok, 字节跳动] -sources: [] -last_updated: 2025-03-14 ---- - -## Definition -字节跳动旗下直播电商平台，支持短视频带货和直播带货生态。为 [[电商数据采集]] 重要数据来源。 - -## Core Data Fields -来自爬取系统的核心字段： -- `sold`（销量） -- `final_price` / `initial_price` / `discount_percent`（价格体系） -- `category`（类目） -- `store_name`（店铺名） -- `prodct_rating`（JSON：平均评分 + 评分数量） -- `timestamp`（抓取时间） -- `position`（热度排名） -- `videos` / `product_videos`（视频带货数据） - -## 数据分析价值 -- 爆品发现：基于销量 + 评分 + 折扣多维度筛选 -- 价格带分析：找出最优价格区间 -- 类目机会：发现蓝海类目 -- 店铺监控：跟踪竞争对手表现 - -## Related Entities -- [[字节跳动]]：母公司 -- [[TikTok Products]]：核心事实表 -- [[Apache Superset]]：数据可视化平台 -- [[电商选品分析]]：分析领域 - -## Aliases -- TikTok Shop = TikTok电商 = TikTok小店 diff --git a/wiki/entities/Trae.md b/wiki/entities/Trae.md deleted file mode 100644 index c448d837..00000000 --- a/wiki/entities/Trae.md +++ /dev/null @@ -1,19 +0,0 @@ ---- -title: "Trae" -type: entity -tags: [ai, ide, programming] -last_updated: 2025-12-30 ---- - -## 基本信息 -- **类型**：AI 编程 IDE -- **来源**：Vibe Coding 神级指南推荐 - -## 简介 -Trae 是新兴的 AI 编程 IDE，为开发者提供 AI 辅助编程能力。 - -## 关联 -- [[Vibe Coding]] 的工具支撑之一 - -## Aliases -- Trae IDE diff --git a/wiki/entities/Trebuh.md b/wiki/entities/Trebuh.md deleted file mode 100644 index 26b1fb81..00000000 --- a/wiki/entities/Trebuh.md +++ /dev/null @@ -1,24 +0,0 @@ ---- -title: "Trebuh" -type: entity -tags: [solo-founder, openclaw, multi-agent] -sources: [Agent-usecases-multi-Agent-Team] -last_updated: 2026-04-15 ---- - -## Definition -Solo founder，通过 OpenClaw 搭建 4 Agent 虚拟团队（Milo/Josh/Marketing/Dev），全部通过单一 Telegram 群聊控制，7×24 小时自动运转。 - -## Profile -- 角色：一人公司创始人 -- 团队配置：Milo（战略 lead）、Josh（商业分析）、Marketing Agent（内容运营）、Dev Agent（开发） -- 控制方式：单一 Telegram 群聊，@mention 分发到对应 Agent -- 模型选择：Claude Opus（策略）、Claude Sonnet（分析）、Gemini（营销研究） - -## Key Insight -> "Personality matters more than you'd think" — 给 Agent 命名和独特性格，比通用提示词产生更好的协作体验。 - -## Connections -- [[OpenClaw]] ← 技术底座 -- [[Multi-Agent Hierarchy]] ← 团队架构模式 -- [[Telegram]] ← 统一控制平面 diff --git a/wiki/entities/TruffleHog.md b/wiki/entities/TruffleHog.md deleted file mode 100644 index e4c44bba..00000000 --- a/wiki/entities/TruffleHog.md +++ /dev/null @@ -1,18 +0,0 @@ ---- -title: "TruffleHog" -type: entity -tags: [security, secret-scanning, devops] -date: 2026-04-16 ---- - -## Overview -TruffleHog 是 Git 预推送钩子工具，检测代码和配置中硬编码的 API key、token、密码等密钥信息，防止敏感信息泄露到远程仓库。 - -## Key Use Case -- 在 git push 前扫描所有文件中的硬编码密钥 -- 与 CI/CD 管道集成 -- 阻止 AI Agent 意外将密钥写入代码 - -## Connections -- [[Self-Healing-Home-Server]]：家庭基础设施安全的必要组件 -- [[DevSecOps]]：DevOps 安全支柱工具 diff --git a/wiki/entities/Twilio.md b/wiki/entities/Twilio.md deleted file mode 100644 index f69b5a28..00000000 --- a/wiki/entities/Twilio.md +++ /dev/null @@ -1,23 +0,0 @@ ---- -title: "Twilio" -type: entity -tags: [cloud-communication, voice-api, paas] ---- - -## 基本信息 -- 类型：云通信平台即服务（CPaaS） -- 用途：电话外呼、短信、视频、身份验证 -- 官网：twilio.com - -## 与 SuperCall 的关系 -- Twilio 是 SuperCall 的底层电话拨号基础设施 -- 按分钟计费，大型宾客列表需设置适当限额 - -## API 能力 -- Outbound Voice API：程序化拨号 -- 语音通话费率因目的地国家/地区而异 - -## 相关页面 -- [[SuperCall]] -- [[Event Guest Confirmation]] - diff --git a/wiki/entities/Uptime Kuma.md b/wiki/entities/Uptime Kuma.md deleted file mode 100644 index 6f62a45c..00000000 --- a/wiki/entities/Uptime Kuma.md +++ /dev/null @@ -1,22 +0,0 @@ ---- -title: Uptime Kuma -type: entity -tags: [监控, 网站监测, 自托管, 开源] -sources: ["https://uptimekuma.org"] -last_updated: 2026-04-15 ---- - -## 基本信息 -- **类型**：自托管网站/服务可用性监控工具 -- **官网**：https://uptimekuma.org -- **类似**：Uptime Robot - -## 核心功能 -- **合成监测**：HTTP/TCP/DNS/TLS 探针，模拟用户请求检测可用性 -- **历史记录**：保存所有检测结果，支持看历史事件 -- **多通知渠道**：邮件/Slack/Telegram/Webhook 等 -- **Docker 部署**：docker run -p 3001:3001 uptimekuma/uptime-kuma - -## 在 Wiki 中的角色 -- [[家庭监控方案 Prometheus + Grafana + Node Exporter + cAdvisor + Blackbox]] 扩展建议：加 Uptime Kuma 作为轻量合成探针外层 UI -- 作为 Prometheus blackbox_exporter 的补充，提供更友好的可视化界面 diff --git a/wiki/entities/VPS1.md b/wiki/entities/VPS1.md deleted file mode 100644 index 2ea75a69..00000000 --- a/wiki/entities/VPS1.md +++ /dev/null @@ -1,43 +0,0 @@ ---- -title: "VPS1" -type: entity -tags: [vps, infrastructure, racknerd, frp, caddy] ---- - -## 基本信息 -- **类型**：公网 VPS -- **服务商**：RackNerd -- **公网 IP**：192.227.222.142 -- **SSH 别名**：`ssh vps1` -- **公共域名**：vps.ishenwei.online - -## 安装的应用 - -| 应用 | 类型 | 端口 | 作用 | -|------|------|------|------| -| Caddy | No（原生） | 443/80 | 现代化 Web 服务器，自动 HTTPS 证书申请，作为反向代理入口 | -| FRP Server（frps） | No（原生） | 7000 | 内网穿透服务端，接收 frpc 客户端的代理请求 | - -## 在基础设施中的角色 -VPS1 是整个混合网络的公网入口节点： -- 所有内网服务（NAS、MacMini、Ubuntu1/2）通过 FRP 隧道将服务暴露到公网 -- FRP server 监听 7000 端口，接收所有 frpc 客户端的心跳和代理请求 -- Caddy 统一处理 HTTPS，所有 *.ishenwei.online 域名解析到 VPS1，由 Caddy 路由到对应内网服务 - -## FRPS 配置关键参数 -- **端口 7000**：frpc 客户端连接端口 -- **bind_port**：7000 -- 通过 frpc.toml 配置各类代理规则（tcp/http） - -## 连接方式 -```bash -# SSH 登录 -ssh vps1 - -# 或使用 IP -ssh root@192.227.222.142 -``` - -## Aliases -- RackNerd VPS -- 公网入口节点 diff --git a/wiki/entities/VPS2.md b/wiki/entities/VPS2.md deleted file mode 100644 index b9fbf586..00000000 --- a/wiki/entities/VPS2.md +++ /dev/null @@ -1,21 +0,0 @@ ---- -title: "VPS2" -type: entity -tags: [vps, proxy, self-hosted] -sources: [] -last_updated: 2026-04-16 ---- - -## Definition -VPS2 是托管在 Bandwagon 机房的第二台 VPS，用于运行 3X-UI + Xray 代理服务。 - -## Core Attributes -- IP：104.194.92.188 -- 域名：kiwi.ishenwei.online -- SSH：ssh vps2 -- Web管理：https://kiwi.ishenwei.online:2053/ -- 用途：代理节点，VLESS+Reality 协议 - -## Connections -- [[VPS2]] ← hosted_on ← [[Bandwagon]] -- [[VPS2]] ← runs ← [[3X-UI]] diff --git a/wiki/entities/Validator.md b/wiki/entities/Validator.md deleted file mode 100644 index 5b663785..00000000 --- a/wiki/entities/Validator.md +++ /dev/null @@ -1,20 +0,0 @@ -# Validator - -## Definition -In the Hierarchy multi-agent pattern, the Validator is a checkpoint that checks worker outputs and either accepts them or sends them back for revision. It can be deterministic code (unit tests, JSON schema validation) or an LLM. - -## Role in Multi-Agent Hierarchy -- Validates output of each Worker individually or after aggregation -- Uses deterministic code or LLM to verify correctness -- Forces revision if work is substandard -- Prevents cheating by Workers (caught by verification) - -## Key Properties -- Best used as a different model than Planner for objectivity -- Two modes: individual Worker validation or aggregated result validation -- Critical component that makes the dependency graph work — Workers can't skip steps - -## Related Concepts -- [[Multi-Agent Hierarchy]] -- [[Planner]] -- [[Worker]] \ No newline at end of file diff --git a/wiki/entities/VideoOcean.md b/wiki/entities/VideoOcean.md deleted file mode 100644 index 64abcfa6..00000000 --- a/wiki/entities/VideoOcean.md +++ /dev/null @@ -1,23 +0,0 @@ ---- -title: Video Ocean -type: entity -tags: [产品, AI, 图生视频] -last_updated: 2026-04-15 ---- - -## 基本信息 -- 类型：多功能AI视频生成平台 -- 发布方：[[潞晨科技]] - -## 核心描述 -潞晨科技推出的AI视频生成平台，V2.0版本在画质、运动幅度和风格多样性上显著提升，支持从3D写实到2D动画等多种画风切换。 - -## 主要功能 -- 图片动态化：宠物、人物、风景照等任意静态图像转视频 -- 指令响应：图片中主体做出特定动作或表情 -- 高清逼真：V2.0画质飞跃，细节丰富 -- 光影与环境交互：主体与光影、环境交互细节处理 -- 多样化风格：3D写实到2D动画、电影质感到赛博朋克 - -## Connections -- [[潞晨科技]] ← 发布 ← [[Video Ocean]] diff --git a/wiki/entities/Vidu.md b/wiki/entities/Vidu.md deleted file mode 100644 index 5457049b..00000000 --- a/wiki/entities/Vidu.md +++ /dev/null @@ -1,22 +0,0 @@ ---- -title: Vidu -type: entity -tags: [产品, AI, 图生视频] -last_updated: 2026-04-15 ---- - -## 基本信息 -- 类型：AI视频大模型 -- 发布方：[[生数科技]] + [[清华大学]] - -## 核心描述 -中国首个长时长、高一致性、高动态性视频大模型。全球首个"多主体参考"功能，突破视频模型一致性生成难题。 - -## 主要功能 -- 多主体参考：上传13张图像作为参考，生成任意主体视频 -- 高动态性：大幅度逼真流畅的动态效果 -- 快速生成：10秒生成一段视频 -- 丰富风格：写实和动漫风格 - -## Connections -- [[生数科技]] + [[清华大学]] ← 联合发布 ← [[Vidu]] diff --git a/wiki/entities/Viva.md b/wiki/entities/Viva.md deleted file mode 100644 index 71048be8..00000000 --- a/wiki/entities/Viva.md +++ /dev/null @@ -1,22 +0,0 @@ ---- -title: Viva -type: entity -tags: [产品, AI, 图生视频] -last_updated: 2026-04-15 ---- - -## 基本信息 -- 类型：免费AI创意视觉生成平台 -- 发布方：[[智象未来]] - -## 核心描述 -智象未来推出的免费AI创意视觉生成平台，在所有免费AI视频生成工具中，图生视频质量最高，可媲美收费产品。 - -## 主要功能 -- 高质量生成效果：免费产品中质量最高 -- 丰富定制功能：1:1、16:9、9:16比例，6种运镜方式，运动强度设置 -- 智能优化提示词：自动优化提示词获得更好效果 -- 完全免费：无需支付任何费用 - -## Connections -- [[智象未来]] ← 发布 ← [[Viva]] diff --git a/wiki/entities/VoltAgent.md b/wiki/entities/VoltAgent.md deleted file mode 100644 index 33a4ff8d..00000000 --- a/wiki/entities/VoltAgent.md +++ /dev/null @@ -1,16 +0,0 @@ ---- -id: VoltAgent -title: "VoltAgent" -type: entity -tags: [github, awesome, skills] -last_updated: 2026-04-15 ---- - -## Definition -GitHub 账号维护者，运营 Awesome-Claude-Skills 仓库，与 ComposioHQ、BehiSecc 并列为三大 Skills 聚合维护方。 - -## Type -- Organization / Repository Maintainer - -## Sources -- [[3.2万人收藏的Claude-Skills才是AI这条路最值得研究的一套范式]] diff --git a/wiki/entities/Watchdog-Pattern.md b/wiki/entities/Watchdog-Pattern.md deleted file mode 100644 index b19bf4a5..00000000 --- a/wiki/entities/Watchdog-Pattern.md +++ /dev/null @@ -1,21 +0,0 @@ -# Watchdog Pattern - -## Definition -A deterministic code pattern used in Adversarial Debate to break infinite loops. The Watchdog sits between the Critic and Judge, monitoring debate iteration count or time elapsed, and terminates the loop if thresholds are exceeded. - -## Role in Multi-Agent Systems -- Prevents agents from getting stuck in infinite debate loops -- Deterministic (not LLM) — reliable decision-making -- Configurable thresholds: time-based or iteration-count-based -- Acts as safety circuit breaker - -## Key Properties -- Pure deterministic code, not an LLM -- Breaks loop when: iteration_count > MAX or time > TIMEOUT -- Placed between Critic and Judge -- Essential for production systems to prevent resource exhaustion - -## Related Concepts -- [[Multi-Agent Adversarial Debate]] -- [[Judge]] -- [[Critic]] \ No newline at end of file diff --git a/wiki/entities/Webz.io.md b/wiki/entities/Webz.io.md deleted file mode 100644 index d1e03103..00000000 --- a/wiki/entities/Webz.io.md +++ /dev/null @@ -1,26 +0,0 @@ ---- -title: "Webz.io" -type: entity -tags: [news-api, 数据源, 网安, 金融] -sources: [] -last_updated: 2025-03-11 ---- - -## Definition -Webz.io 是最全面的新闻 API 提供商，同时覆盖 surface web、deep web 和 dark web 数据源，提供情感分析、主题过滤和地理位置过滤功能。 - -## Core Capabilities -- 覆盖 surface + deep + dark web 全网数据 -- 情感分析（sentiment tagging） -- 主题/地理/语言多维过滤 -- 支持可视化与可操作风险监控 - -## 适用场景 -- 金融情报：市场动向新闻分析 -- 网安风控：威胁情报收集 -- 舆情监控：品牌媒体覆盖跟踪 - -## Related Concepts -- [[News API]]：所属类别 -- [[舆情监控]]：应用场景 -- [[金融情报]]：应用场景 diff --git a/wiki/entities/Whisper.md b/wiki/entities/Whisper.md deleted file mode 100644 index cb145eef..00000000 --- a/wiki/entities/Whisper.md +++ /dev/null @@ -1,29 +0,0 @@ ---- -title: "Whisper" -type: entity -tags: [ai, speech-to-text, openai, transcription] -last_updated: 2026-04-16 ---- - -## Basic Info -- **Type**: AI Model / Open Source -- **Provider**: OpenAI -- **Function**: 语音转文字（Speech-to-Text） transcription - -## Description -Whisper 是 OpenAI 开源的语音识别模型，支持多语言转录。本地运行，无需 API 调用费用。 - -## Use Cases -- 播客录音转文字脚本 -- 会议记录自动生成 -- YouTube 视频字幕提取 - -## Connections -- [[Whisper]] ← used_in ← [[Podcast Production Pipeline]] -- [[Whisper]] ← alternative_to ← [[OpenAI Whisper API]] - -## Aliases -- Whisper -- OpenAI Whisper -- whisper.cpp - diff --git a/wiki/entities/Windsurf.md b/wiki/entities/Windsurf.md deleted file mode 100644 index bebb6f2b..00000000 --- a/wiki/entities/Windsurf.md +++ /dev/null @@ -1,19 +0,0 @@ ---- -title: "Windsurf" -type: entity -tags: [ai, ide, programming] -last_updated: 2025-12-30 ---- - -## 基本信息 -- **类型**：AI 编程 IDE -- **来源**：Vibe Coding 神级指南推荐 - -## 简介 -Windsurf 是另一款 AI 编程 IDE，与 Cursor、Trae 共同构成 Vibe Coding 生态的主要工具选择。 - -## 关联 -- [[Vibe Coding]] 的工具支撑之一 - -## Aliases -- Windsurf IDE diff --git a/wiki/entities/Worker.md b/wiki/entities/Worker.md deleted file mode 100644 index 827dece2..00000000 --- a/wiki/entities/Worker.md +++ /dev/null @@ -1,22 +0,0 @@ -# Worker - -## Definition -In the Hierarchy multi-agent pattern, Workers are specialized agents (often smaller, faster models) that execute one specific task well. They receive their tasks from the Planner and produce outputs that feed into the Validator. - -## Role in Multi-Agent Hierarchy -- Receives focused, atomic task from Planner -- Executes task using specialized skills, fine-tuning, or prompts -- Produces output for Validator to check -- Cannot start until Planner provides task (dependency graph enforces this) - -## Key Properties -- Specialized for a single domain or task type -- Can use smaller/faster models than Planner due to focused scope -- May have tools or prompts fine-tuned for their specific task -- Treated as "cattle" (replaceable), not "pet" (unique) - -## Related Concepts -- [[Multi-Agent Hierarchy]] -- [[Planner]] -- [[Validator]] -- [[Cattle vs Pets]] \ No newline at end of file diff --git a/wiki/entities/Xray.md b/wiki/entities/Xray.md deleted file mode 100644 index bf1dbe25..00000000 --- a/wiki/entities/Xray.md +++ /dev/null @@ -1,19 +0,0 @@ ---- -title: "Xray" -type: entity -tags: [proxy, vpn, network, open-source] -sources: [] -last_updated: 2026-04-16 ---- - -## Definition -Xray 是一款高性能代理软件，支持 VLESS、VMess、Trojan 等多种协议，常用于搭建梯子。 - -## Core Attributes -- 类型：代理软件 -- 支持协议：VLESS、VMess、Trojan、WebSocket 等 -- 特点：高性能、支持 Reality 传输 - -## Connections -- [[Xray]] ← managed_by ← [[3X-UI]] -- [[Xray]] ← accepts ← [[VLESS+Reality]] diff --git a/wiki/entities/Yuri-Pessa.md b/wiki/entities/Yuri-Pessa.md deleted file mode 100644 index 167de7b0..00000000 --- a/wiki/entities/Yuri-Pessa.md +++ /dev/null @@ -1,19 +0,0 @@ ---- -id: Yuri Pessa -title: "Yuri Pessa" -type: entity -tags: [author, linkedin, agentic-ai] -last_updated: 2026-04-15 ---- - -## Definition -LinkedIn 文章《Designing for Agentic AI》作者，专注于 Agentic AI 产品设计和 UX 研究。 - -## Type -- Person / Author - -## Key Work -- [[Designing-for-Agentic-AI]]：Agentic AI 时代五大 UX 设计原则（透明度/控制权/个性化/对话/预判） - -## Sources -- [[Designing-for-Agentic-AI]] diff --git a/wiki/entities/Zipline.md b/wiki/entities/Zipline.md deleted file mode 100644 index 8e47bf65..00000000 --- a/wiki/entities/Zipline.md +++ /dev/null @@ -1,28 +0,0 @@ ---- -id: Zipline -title: "Zipline" -type: entity -tags: [image-hosting, self-hosted, docker, api] -sources: [] -last_updated: 2026-04-15 ---- - -## Overview -Zipline 是一个自托管的图片托管服务，提供前端上传 UI 和 REST API，可与 n8n 等工作流工具集成，实现图片自动化上传和管理。在 Synology NAS 上与 MinIO 配合使用。 - -## Key Characteristics -- 提供图片上传 Dashboard（默认端口 3333）和 REST API -- 支持多种存储引擎（S3/MinIO/Cloudflare R2/Backblaze B2） -- 通过 CORE_SECRET 环境变量配置加密密钥 -- 支持生成 API Token 供外部工具调用 -- 可设置上传规则和返回 URL 配置 - -## Architecture -- Zipline → MinIO（S3 存储）→ NAS 持久化存储 -- 元数据（PostgreSQL）独立于文件实体（MinIO），备份方案必须保持两者时间点一致 -- 与 n8n 集成：通过 API Token 调用 Zipline 上传接口 - -## Related Concepts -- [[MinIO]]：Zipline 的 S3 存储后端 -- [[n8n]]：通过 Zipline API 集成到自动化工作流 -- [[PostgreSQL]]：Zipline 元数据存储 diff --git a/wiki/entities/czlonkowski.md b/wiki/entities/czlonkowski.md deleted file mode 100644 index 649e3c03..00000000 --- a/wiki/entities/czlonkowski.md +++ /dev/null @@ -1,21 +0,0 @@ ---- -title: "czlonkowski" -type: entity -tags: [developer, n8n, mcp] -last_updated: 2026-04-15 ---- - -# czlonkowski - -## 基本信息 -- **类型**：开发者 -- **角色**：n8n-mcp 项目作者 - -## 描述 -开源项目 n8n-mcp 的维护者，该项目实现了 n8n 与 AI 模型之间的 MCP 协议桥接。 - -## 主要项目 -- [[n8n mcp]]：n8n MCP 服务器 - -## Connections -- [[n8n mcp]] ← 创建者 diff --git a/wiki/entities/gogcli.md b/wiki/entities/gogcli.md deleted file mode 100644 index 36b1df81..00000000 --- a/wiki/entities/gogcli.md +++ /dev/null @@ -1,45 +0,0 @@ ---- -title: "gog CLI" -type: entity -tags: [cli, google-workspace, macos, automation] -last_updated: 2026-04-15 ---- - -## 基本信息 -- **类型**: 命令行工具 -- **平台**: macOS -- **安装**: `brew install steipete/tap/gogcli` -- **路径**: /opt/homebrew/bin/gog -- **功能**: 管理 Gmail/Google Calendar/Google Drive/Google Contacts/Google Docs/Google Sheets -- **官网**: https://gogcli.sh - -## 核心功能 -| 服务 | 功能 | -|------|------| -| Gmail | 搜索、发送、创建草稿、发送草稿 | -| Calendar | 查看/创建事件、查看颜色 | -| Drive | 搜索文件 | -| Contacts | 列出联系人 | -| Docs | 导出文档、查看内容 | -| Sheets | 获取/更新数据 | - -## 认证配置 -1. Google Cloud Console 创建 OAuth 客户端 ID（桌面应用） -2. 下载 credentials.json 移动到 ~/Library/Application\ Support/gogcli/ -3. 添加测试用户（ishenwei@gmail.com）绕过验证限制 -4. 执行 `gog auth add ishenwei@gmail.com --services gmail,calendar,drive,contacts,docs,sheets` - -## 常见错误 -- 403 accessNotConfigured：Google Cloud 项目未启用对应 API -- 解决：Google Cloud Console → APIs & Services → Library → 启用对应 API → 重新授权 - -## 关联 -- [[Google Calendar]]：gog CLI 的核心服务之一 -- [[Gmail]]：gog CLI 的核心服务之一 -- [[Google Workspace CLI]]：gog CLI 属于此类工具 - -## Aliases -- gogcli -- gog -- steipete/gogcli - diff --git a/wiki/entities/memsearch.md b/wiki/entities/memsearch.md deleted file mode 100644 index 277785eb..00000000 --- a/wiki/entities/memsearch.md +++ /dev/null @@ -1,21 +0,0 @@ ---- -title: "memsearch" -type: entity -tags: [vector-search, open-source, python] -date: 2026-04-16 ---- - -## Overview -memsearch 是 Zilliz 开源的 Python CLI/库，为本地 Markdown 文件提供向量语义搜索能力，基于 Milvus 向量数据库，支持混合搜索（dense + BM25 + RRF）。 - -## Key Features -- 混合搜索：Dense vector（语义）+ BM25（关键词）+ RRF reranking -- 增量索引：SHA-256 内容哈希，仅对新增/变更内容重新 Embedding -- 文件监视器：自动增量重索引 -- 多 Embedding 提供商：OpenAI/Google/Voyager/Ollama/本地 -- 完全本地模式：无需 API key - -## Connections -- [[Milvus]]：向量数据库后端 -- [[Semantic-Memory-Search]]：memsearch 的核心应用场景 -- [[QMD]]：同类本地搜索工具，但为 BM25 而非向量语义 diff --git a/wiki/entities/n8n mcp.md b/wiki/entities/n8n mcp.md deleted file mode 100644 index 34c7d5ec..00000000 --- a/wiki/entities/n8n mcp.md +++ /dev/null @@ -1,38 +0,0 @@ ---- -title: "n8n-mcp" -type: entity -tags: [n8n, mcp, workflow-automation] -last_updated: 2026-04-15 ---- - -# n8n-mcp - -## 基本信息 -- **类型**：MCP 服务器项目 -- **作者**：czlonkowski -- **仓库**：https://github.com/czlonkowski/n8n-mcp -- **用途**：连接 n8n 工作流自动化平台与 AI 模型 - -## 描述 -n8n-mcp 是连接 n8n 工作流自动化平台与 AI 模型的 MCP 服务器，使 AI 能够理解和调用 n8n 节点。 - -## 核心能力 -- 543 个 n8n 节点的结构化访问（n8n-nodes-base + @n8n/n8n-nodes-langchain） -- 节点属性覆盖率 99% -- 节点操作覆盖率 63.6% -- 官方文档覆盖率 87%（含 AI 节点） -- 检测到 271 个 AI 能力节点 -- 2646 个预提取配置示例 -- 2709 个工作流模板（100% 元数据覆盖） - -## 启动方式 -```bash -npx n8n-mcp -``` - -## Aliases -- n8n-mcp - -## Connections -- [[n8n]]：平台提供方 -- [[MCP]]：基于该协议 diff --git a/wiki/entities/n8n.md b/wiki/entities/n8n.md deleted file mode 100644 index dfadb3e2..00000000 --- a/wiki/entities/n8n.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -title: n8n -type: entity -tags: [工作流自动化, 开源] -aliases: [] ---- - -## 基本信息 -- **类型**：工作流自动化平台 -- **Star数**：16万+ -- **开源地址**：https://github.com/n8n-io/n8n -## 核心定位 -功能更强、还能私有部署的开源版Zapier。 - -## 核心机制 -拖拽节点串联各种App自动执行任务。 - -## 关键特征 -- 支持LangChain等AI能力节点 -- 可将大模型嵌入业务流程 -- 处理复杂办公琐事 - -## Connections -- [[n8n]] ← 竞争 ← [[Zapier]] -- [[n8n]] ← 集成 ← [[LangChain]] diff --git a/wiki/entities/reddit-readonly.md b/wiki/entities/reddit-readonly.md deleted file mode 100644 index aa2cb84f..00000000 --- a/wiki/entities/reddit-readonly.md +++ /dev/null @@ -1,28 +0,0 @@ ---- -title: "reddit-readonly" -type: entity -tags: [openclaw-plugin, reddit, content-aggregation] ---- - -## 基本信息 -- 类型：OpenClaw ClawHub 插件 -- 安装：ClawHub 搜索 reddit-readonly -- 作者：buksan1950 -- ClawHub：clawhub.ai/buksan1950/reddit-readonly - -## 核心功能 -- 无需认证读取 Reddit 热门/New/Top 帖子 -- 支持指定多个 subreddit 批量获取 -- Read-only 约束：不支持发帖/投票/评论 - -## 与 Daily Reddit Digest 的关系 -- [[Daily Reddit Digest]] 的核心依赖工具 -- 提供内容抓取，AI 层负责过滤和个性化 - -## 相关概念 -- [[Reddit内容聚合]] -- [[内容偏好记忆]] - -## 相关页面 -- [[Daily Reddit Digest]] - diff --git a/wiki/entities/tchMaterial-parser.md b/wiki/entities/tchMaterial-parser.md deleted file mode 100644 index aada58e5..00000000 --- a/wiki/entities/tchMaterial-parser.md +++ /dev/null @@ -1,21 +0,0 @@ ---- -title: "tchMaterial-parser" -type: entity -tags: [GitHub, 教育技术, 下载工具] -date: 2025-05-13 ---- - -## Definition -第三方开源工具，用于解析和下载[[国家中小学智慧教育平台]]的教材资源。 - -## Aliases -- tchMaterial-parser -- tchMaterial parser - -## Key Facts -- 托管于 GitHub -- 作用：绕过平台前端，直接获取教材 PDF 文件 - -## Connections -- [[tchMaterial-parser]] ← 使用 ← [[国家中小学智慧教育平台]] -- [[tchMaterial-parser]] → 赋能 → [[ChinaTextbook]] diff --git a/wiki/entities/tukuai.md b/wiki/entities/tukuai.md deleted file mode 100644 index 9a0713d7..00000000 --- a/wiki/entities/tukuai.md +++ /dev/null @@ -1,16 +0,0 @@ ---- -title: "tukuai" -type: entity -tags: [ai-researcher, self-improvement, formalization] ---- - -## Basic Info -- GitHub: https://github.com/tukuai -- Role: 独立研究者（Independent Researcher） -- 主要贡献：递归自优化生成系统的形式化框架论文 - -## Work -- [[A Formalization of Recursive Self-Optimizing Generative Systems]]：提出用数学（自映射、不动点）和 λ 演算对递归自优化 AI 系统进行严格刻画 - -## Related Entities -- [[vibe-coding-cn]]：tukuai 的论文发布于 vibe-coding-cn 项目的 i18n/zh 目录 diff --git a/wiki/entities/v2rayN.md b/wiki/entities/v2rayN.md deleted file mode 100644 index 85278b2e..00000000 --- a/wiki/entities/v2rayN.md +++ /dev/null @@ -1,18 +0,0 @@ ---- -title: "v2rayN" -type: entity -tags: [proxy, client, windows, linux] -sources: [] -last_updated: 2026-04-16 ---- - -## Definition -v2rayN 是一款支持 Windows 和 Linux 的代理客户端，兼容 Xray/V2Ray 协议。 - -## Core Attributes -- 平台：Windows / Linux -- 仓库：https://github.com/2dust/v2rayN -- 用途：连接 Xray/V2Ray 代理服务器 - -## Connections -- [[v2rayN]] ← connects_to ← [[Xray]] diff --git a/wiki/entities/v2rayNG.md b/wiki/entities/v2rayNG.md deleted file mode 100644 index eb67cf64..00000000 --- a/wiki/entities/v2rayNG.md +++ /dev/null @@ -1,18 +0,0 @@ ---- -title: "v2rayNG" -type: entity -tags: [proxy, client, android] -sources: [] -last_updated: 2026-04-16 ---- - -## Definition -v2rayNG 是一款 Android 平台的代理客户端，兼容 Xray/V2Ray 协议。 - -## Core Attributes -- 平台：Android -- 仓库：https://github.com/2dust/v2rayNG -- 用途：连接 Xray/V2Ray 代理服务器 - -## Connections -- [[v2rayNG]] ← connects_to ← [[Xray]] diff --git a/wiki/entities/vibe coding cn.md b/wiki/entities/vibe coding cn.md deleted file mode 100644 index f6d0b024..00000000 --- a/wiki/entities/vibe coding cn.md +++ /dev/null @@ -1,29 +0,0 @@ ---- -title: "vibe-coding-cn" -type: entity -tags: [vibe-coding, github, resource] -last_updated: 2025-12-30 ---- - -## 基本信息 -- **类型**：GitHub 开源项目 -- **地址**：github.com/tukuaiai/vibe-coding-cn -- **来源**：GitHub 上 5000 人收藏的 Vibe Coding 神级指南 - -## 简介 -专为中文开发者设计的 Vibe Coding 资源库与工作站，汇集全球顶尖 AI 编程资源，包含方法论、工具链、提示词库和开发经验总结。 - -## 核心目录 -- 方法论：Vibe Coding 准则 -- AI 编程资源：AI 模型、IDE 环境推荐 -- 提示词优化技巧：全链路脚本 - -## 定义 -Vibe Coding = 规划驱动 + 上下文固定 + AI 结对执行 - -## 关联 -- [[Vibe Coding]] 的中文资源库 -- [[Cursor]]、[[Windsurf]]、[[Trae]] 为推荐工具 - -## Aliases -- vibe-coding-cn 项目 diff --git a/wiki/entities/vibe-coding-cn.md b/wiki/entities/vibe-coding-cn.md deleted file mode 100644 index 267c3857..00000000 --- a/wiki/entities/vibe-coding-cn.md +++ /dev/null @@ -1,30 +0,0 @@ ---- -title: "vibe-coding-cn" -type: entity -tags: [AI编程, GitHub, 中文资源] -date: 2025-12-30 ---- - -## Definition -专门为中文开发者设计的 Vibe Coding 资源库与工作站，汇集全球顶尖 AI 编程工具、提示词库和开发经验总结。 - -## Aliases -- vibe-coding-cn -- Vibe Coding 中文指南 - -## Key Facts -- GitHub 地址：https://github.com/tukuaiai/vibe-coding-cn -- 核心公式：Vibe Coding = 规划驱动 + 上下文固定 + AI 结对执行 -- 包含数百个精选提示词，覆盖需求澄清、架构设计、分步执行、自测全链路 - -## Core Modules -1. **方法论**：设计准则和哲学 -2. **AI 模型与 IDE**：工具链筛选配置指南 -3. **提示词库**：Excel 与 Markdown 互转 -4. **实战流程**：环境设置 → 基础游戏 → 细节丰富 → Bug 修复 -5. **学习资源**：大量文档和教程 - -## Connections -- [[vibe-coding-cn]] ← 发起 ← [[TapXWorld]]（存疑，需确认） -- [[vibe-coding-cn]] → 提供 ← [[Vibe Coding]] -- [[vibe-coding-cn]] → 推荐工具 ← [[Cursor]] + [[Claude Opus]] diff --git a/wiki/entities/万相营造.md b/wiki/entities/万相营造.md deleted file mode 100644 index c79d7298..00000000 --- a/wiki/entities/万相营造.md +++ /dev/null @@ -1,21 +0,0 @@ ---- -title: 万相营造 -type: entity -tags: [产品, AI, 图生视频, 电商] -last_updated: 2026-04-15 ---- - -## 基本信息 -- 类型：AI电商营销工具 -- 发布方：[[阿里妈妈]] - -## 核心描述 -阿里妈妈推出的AI电商营销工具，通过生成式AI帮助商家快速生成创意内容。图生视频功能高度还原原图，精准理解复杂提示词。 - -## 主要功能 -- 高度还原原图：各元素动态表现自然 -- 精准理解提示词：长文本复杂提示词完整表达 -- 多种比例裁剪：任意比例或预设比例裁剪、旋转 - -## Connections -- [[阿里妈妈]] ← 发布 ← [[万相营造]] diff --git a/wiki/entities/乔布斯-skill.md b/wiki/entities/乔布斯-skill.md deleted file mode 100644 index 7c70da33..00000000 --- a/wiki/entities/乔布斯-skill.md +++ /dev/null @@ -1,31 +0,0 @@ ---- -title: "乔布斯.skill" -type: entity -tags: [steve-jobs, ai-era, wealth, philosophy, skill] -last_updated: 2026-04-16 ---- - -## 基本信息 -- **类型**：AI Skill（提示词技能） -- **主题**：以乔布斯视角解读 AI 时代赚钱思维 -- **来源**：微信公众号文章《不谈技术：普通人该怎么在AI时代赚钱？》 - -## 核心框架 -三大原则： -1. **品味值钱**：AI 工具民主化后，能判断什么是真正好的成为稀缺护城河 -2. **端到端做事**：别做别人 AI 流水线上的螺丝钉，做从 idea 到 product 的完整闭环 -3. **死亡过滤器**：每天问自己如果今天是最后一天还会不会做这事，筛选真正的热爱 - -## 关键问题重构 -- ❌ 错误问题：「普通人怎么在AI时代赚钱」（被动挨打框架） -- ✅ 正确问题：「AI 让我能做到什么以前做不到的事」（主动创造框架） - -## 核心洞察 -> "AI 不会让普通人变富。AI 会让那些知道自己要做什么、并且对品质有执念的人变得极其强大。" - -## Connections -- [[乔布斯.skill]] ← 来源 ← [[普通人如何在AI时代赚钱]] -- [[乔布斯.skill]] ← 灵感 ← [[乔布斯]] -- [[品味]] ← 核心概念 ← [[乔布斯.skill]] -- [[端到端]] ← 核心概念 ← [[乔布斯.skill]] -- [[死亡过滤器]] ← 核心概念 ← [[乔布斯.skill]] diff --git a/wiki/entities/即梦AI.md b/wiki/entities/即梦AI.md deleted file mode 100644 index e1a43f03..00000000 --- a/wiki/entities/即梦AI.md +++ /dev/null @@ -1,22 +0,0 @@ ---- -title: 即梦AI -type: entity -tags: [产品, AI, 图生视频] -last_updated: 2026-04-15 ---- - -## 基本信息 -- 类型：一站式AI创意创作平台 -- 发布方：[[字节跳动]] - -## 核心描述 -字节跳动旗下的一站式AI创意创作平台，图片生视频功能支持运镜控制、运动速度、视频比例等多参数自定义，首尾帧精准掌控。 - -## 主要功能 -- 运镜与动效：流畅运镜，自然动效 -- 首尾帧掌控：首帧图片和尾帧图片输入，增强可控性 -- 多参数自定义：运镜控制、运动速度、模式、时长、比例 -- 视频稳定性：勾选"使用尾帧"增强稳定性 - -## Connections -- [[字节跳动]] ← 发布 ← [[即梦AI]] diff --git a/wiki/entities/可灵AI.md b/wiki/entities/可灵AI.md deleted file mode 100644 index 2f300f00..00000000 --- a/wiki/entities/可灵AI.md +++ /dev/null @@ -1,22 +0,0 @@ ---- -title: 可灵AI -type: entity -tags: [产品, AI, 图生视频] -last_updated: 2026-04-15 ---- - -## 基本信息 -- 类型：AI图片和视频创作平台 -- 发布方：[[快手]] - -## 核心描述 -快手推出的AI创作平台，基于3D时空联合注意力机制，生成符合物理逻辑的复杂动作，人物表情和肢体动作表现力强。 - -## 主要功能 -- 物理规律表现：符合物理逻辑的复杂动作（如切西红柿、倒茶） -- 人物表现力：皱眉、叹气、翻白眼等复杂情绪 -- 语义理解：复杂提示词响应度高，多人物场景语义识别准确 -- 高分辨率：1080p高质量视频输出 - -## Connections -- [[快手]] ← 发布 ← [[可灵AI]] diff --git a/wiki/entities/国家中小学智慧教育平台.md b/wiki/entities/国家中小学智慧教育平台.md deleted file mode 100644 index b17e112a..00000000 --- a/wiki/entities/国家中小学智慧教育平台.md +++ /dev/null @@ -1,19 +0,0 @@ ---- -title: 国家中小学智慧教育平台 -type: entity -description: 中国教育部主办的官方教育资源平台，提供中小学教材在线浏览 -created: 2025-12-19 -tags: - - 教育 - - 政府 - - 中国 ---- - -# 国家中小学智慧教育平台 - -中国教育部主办的官方教育资源平台 ([https://basic.smartedu.cn](https://basic.smartedu.cn))，提供中小学教材在线浏览。 - -## 相关信息 - -- [tchMaterial-parser](https://github.com/happycola233/tchMaterial-parser) - 基于此平台接口的下载工具 -- [ChinaTextbook](ChinaTextbook) - 教材来源 diff --git a/wiki/entities/字节跳动.md b/wiki/entities/字节跳动.md deleted file mode 100644 index c4da0d07..00000000 --- a/wiki/entities/字节跳动.md +++ /dev/null @@ -1,23 +0,0 @@ ---- -title: 字节跳动 -type: entity -tags: [公司, AI, 中国] -last_updated: 2026-04-15 ---- - -## 基本信息 -- 全称：字节跳动 -- 类型：公司 -- 领域：AI、内容平台 - -## Aliases -- ByteDance - -## 核心描述 -中国头部互联网科技公司，旗下有一站式AI创意创作平台即梦AI，支持首尾帧精准掌控和多参数自定义设置。 - -## 主要AI产品 -- [[即梦AI]]：一站式AI创意创作平台 - -## Connections -- [[即梦AI]] ← 发布 ← [[字节跳动]] diff --git a/wiki/entities/宝玉.md b/wiki/entities/宝玉.md deleted file mode 100644 index 4f4bb51c..00000000 --- a/wiki/entities/宝玉.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -title: "宝玉" -type: entity -tags: [Claude Code, GitHub, 技能集, 内容生成] -last_updated: 2026-04-15 ---- - -## Aliases -- baoyu -- JimLiu - -## Summary -GitHub @JimLiu，baoyu-skills 项目作者。专注于 Claude Code Skill 开发，产出覆盖内容生成（信息图/幻灯片/漫画/文章插图）、AI 图像生成（多服务商）、日常效率工具（字幕下载/URL 抓取/翻译）的完整技能体系。 - -## Key Projects -- baoyu-skills：Claude Code 技能集仓库，ClawHub 发布协议 -- 核心 Skill：baoyu-imagine（多服务商图像生成）、baoyu-infographic（20×17 信息图）、baoyu-xhs-images（小红书信息图） -- 支持平台：微信公众号、X (Twitter)、微博、YouTube - -## Connections -- [[baoyu-skills-claude-code技能集]] ← 主要作品 -- [[baoyu-imagine]] ← 核心 Skill -- [[Claude-Code]] ← Skill 运行时 -- [[ClawHub]] ← 发布平台 -- [[AI技能封装]] ← 方法论基础 diff --git a/wiki/entities/庄子.md b/wiki/entities/庄子.md deleted file mode 100644 index ab725aa9..00000000 --- a/wiki/entities/庄子.md +++ /dev/null @@ -1,32 +0,0 @@ ---- -title: "庄子" -type: entity -tags: [person, philosopher, daoism, warring-states] ---- - -## 基本信息 -- 类型：人物 -- 时代：战国（约前369-前286） -- 学派：道家（逍遥派） -- 著作：《庄子》（内篇/外篇/杂篇） - -## 简介 -庄子是道家学派代表人物，与老子并称"老庄"。其哲学核心是"逍遥"——追求精神上的绝对自由，不为外物所累。庄子认为人应顺应自然之道，而非强行干预。 - -## 核心思想 -- 相对主义：一切是非、善恶、美丑均为相对概念 -- 无为：不为名利所累，顺应自然 -- 齐物：万物平等，以平等心对待一切 - -## 代表命题 -- "知其不可奈何而安之若命"：尽人事后安然接受不可改变之事 -- "天地与我并生，而万物与我为一"：物我合一的逍遥境界 - -## 相关概念 -- [[知其不可奈何而安之若命]]：《人间世》核心命题，困境中的接纳智慧 -- [[绝处逢生]]：与庄子"无用之用"哲理相通，绝境中看到新可能 - -## Aliases -- 庄子 -- 庄周 -- 南华真人（道教封号） diff --git a/wiki/entities/快手.md b/wiki/entities/快手.md deleted file mode 100644 index d123d302..00000000 --- a/wiki/entities/快手.md +++ /dev/null @@ -1,24 +0,0 @@ ---- ---- -title: 快手 -type: entity -tags: [公司, AI, 短视频, 中国] -last_updated: 2026-04-15 ---- - -## 基本信息 -- 全称：快手科技 -- 类型：公司 -- 领域：短视频、AI - -## Aliases -- Kuaishou - -## 核心描述 -中国头部短视频平台，旗下可灵AI是基于3D时空联合注意力机制的图生视频产品，主打物理逻辑动作生成。 - -## 主要AI产品 -- [[可灵AI]]：AI图片和视频创作平台 - -## Connections -- [[可灵AI]] ← 发布 ← [[快手]] diff --git a/wiki/entities/智谱AI.md b/wiki/entities/智谱AI.md deleted file mode 100644 index 5ce0d938..00000000 --- a/wiki/entities/智谱AI.md +++ /dev/null @@ -1,24 +0,0 @@ ---- -title: 智谱AI -type: entity -tags: [公司, AI, 中国] -last_updated: 2026-04-15 ---- - -## 基本信息 -- 全称：智谱AI -- 类型：公司 -- 领域：AI大模型 - -## Aliases -- 智谱 -- Zhipu AI - -## 核心描述 -中国AI大模型公司，推出智谱清言（GLM）系列大模型。旗下智谱清影是图生视频工具，主打快速生成（30秒内出6秒视频）。 - -## 主要AI产品 -- [[智谱清影]]：AI图生视频工具 - -## Connections -- [[智谱清影]] ← 发布 ← [[智谱AI]] diff --git a/wiki/entities/智谱清影.md b/wiki/entities/智谱清影.md deleted file mode 100644 index f8aac392..00000000 --- a/wiki/entities/智谱清影.md +++ /dev/null @@ -1,24 +0,0 @@ ---- -title: 智谱清影 -type: entity -tags: [产品, AI, 图生视频] -last_updated: 2026-04-15 ---- - -## 基本信息 -- 类型：AI图生视频工具 -- 发布方：[[智谱AI]] - -## 核心描述 -智谱AI推出的图生视频工具，30秒内可生成6秒1440×960高清视频。支持图像解析、细节填充与动画效果，提供多种风格选择和音效匹配。 - -## 主要功能 -- 快速生成：30秒生成6秒1440×960高清视频 -- 图像解析：精准识别图片主要元素和艺术风格 -- 风格选择：卡通3D、黑白、油画、电影感等 -- 音效匹配：自动生成匹配音效，支持背景音乐 -- 多通道生成：一次性生成4个视频 -- 可变比例：支持任意比例图像输入 - -## Connections -- [[智谱AI]] ← 发布 ← [[智谱清影]] diff --git a/wiki/entities/智象未来.md b/wiki/entities/智象未来.md deleted file mode 100644 index a88ad642..00000000 --- a/wiki/entities/智象未来.md +++ /dev/null @@ -1,20 +0,0 @@ ---- -title: 智象未来 -type: entity -tags: [公司, AI, 中国] -last_updated: 2026-04-15 ---- - -## 基本信息 -- 全称：智象未来 -- 类型：公司 -- 领域：AI视觉生成 - -## 核心描述 -中国AI视觉生成公司，推出Viva免费AI创意视觉生成平台，在免费产品中图生视频质量最高。 - -## 主要AI产品 -- [[Viva]]：免费AI创意视觉生成平台 - -## Connections -- [[Viva]] ← 发布 ← [[智象未来]] diff --git a/wiki/entities/曾国藩.md b/wiki/entities/曾国藩.md deleted file mode 100644 index 32b1f344..00000000 --- a/wiki/entities/曾国藩.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -title: "曾国藩" -type: entity -tags: [person, statesman, qing-dynasty, confucianism] ---- - -## 基本信息 -- 类型：人物 -- 时代：晚清（1811-1872） -- 著作：《治心经·诚心篇》 - -## 简介 -曾国藩是晚清重臣、湘军创立者，以"拙诚"和"浑含"为处世原则。在官场倾轧中深谙"忘机"之道，结合道家"无为"与儒家"诚心"形成独特的人生智慧。 - -## 核心箴言 -- "唯忘机可以消众机，唯懵懂可以祓不祥"：以无争朴拙应对复杂政治环境 -- 重视"治心"——通过内心修养而非外在机巧来处理世事 - -## 相关概念 -- [[和光同尘]]：与其处世哲学一致，不锋芒毕露以保全自身 -- [[大智若愚]]：表面懵懂实为大智慧 - -## Aliases -- 曾国藩 -- 涤生（号） diff --git a/wiki/entities/海螺AI.md b/wiki/entities/海螺AI.md deleted file mode 100644 index fa32a146..00000000 --- a/wiki/entities/海螺AI.md +++ /dev/null @@ -1,29 +0,0 @@ ---- -title: "海螺AI" -type: entity -tags: [ai-voice, tts, voice-cloning, chinese] -last_updated: 2026-04-16 ---- - -## Aliases -- 海螺AI -- Hailuo AI（国际版名称） - -## Summary -MiniMax出品的AI配音工具，小白友好，30秒克隆声音，支持中文/粤语等17种语言，能给语音加情绪，免费使用。 - -## Key Capabilities -- 30秒克隆声音 -- 中文/粤语等17种语言 -- 情绪控制（开心/生气等） -- 长文本支持（1万字一次性转语音） -- 免费使用 - -## Limitation -- 国内版没有声音克隆功能 -- 国际版免费但有数量限制，30秒音频即可克隆 - -## Connections -- [[MiniMax]] ← published_by ← [[海螺AI]] -- [[声音克隆]] ← supports ← [[海螺AI]]（国际版） -- [[二创视频必不可少-AI配音声音克隆]] ← reviewed ← [[海螺AI]] diff --git a/wiki/entities/清华大学.md b/wiki/entities/清华大学.md deleted file mode 100644 index 2cb9fd1f..00000000 --- a/wiki/entities/清华大学.md +++ /dev/null @@ -1,20 +0,0 @@ ---- -title: 清华大学 -type: entity -tags: [大学, 研究机构, 中国] -last_updated: 2026-04-15 ---- - -## 基本信息 -- 全称：清华大学 -- 类型：大学/研究机构 -- 领域：AI研究 - -## 核心描述 -中国顶尖研究型大学，与生数科技联合发布Vidu视频大模型，是图生视频领域的重要研究成果。 - -## 主要AI产品 -- [[Vidu]] ← 联合发布 ← [[生数科技]] + [[清华大学]] - -## Connections -- [[Vidu]] ← 联合发布 ← [[生数科技]] + [[清华大学]] diff --git a/wiki/entities/潞晨科技.md b/wiki/entities/潞晨科技.md deleted file mode 100644 index 2e961d38..00000000 --- a/wiki/entities/潞晨科技.md +++ /dev/null @@ -1,20 +0,0 @@ ---- -title: 潞晨科技 -type: entity -tags: [公司, AI, 中国] -last_updated: 2026-04-15 ---- - -## 基本信息 -- 全称：潞晨科技 -- 类型：公司 -- 领域：AI视频生成 - -## 核心描述 -中国AI视频生成公司，推出Video Ocean多功能AI视频生成平台，V2.0版本在画质、运动幅度和风格多样性上显著提升。 - -## 主要AI产品 -- [[VideoOcean]]：多功能AI视频生成平台 - -## Connections -- [[VideoOcean]] ← 发布 ← [[潞晨科技]] diff --git a/wiki/entities/爱诗科技.md b/wiki/entities/爱诗科技.md deleted file mode 100644 index 1f395545..00000000 --- a/wiki/entities/爱诗科技.md +++ /dev/null @@ -1,20 +0,0 @@ ---- -title: 爱诗科技 -type: entity -tags: [公司, AI, 中国] -last_updated: 2026-04-15 ---- - -## 基本信息 -- 全称：爱诗科技 -- 类型：公司 -- 领域：AI视频生成 - -## 核心描述 -中国AI视频生成公司，开发PixVerse视频生成工具，支持角色一致性识别和多种视频风格。 - -## 主要AI产品 -- [[PixVerse]]：AI视频生成工具 - -## Connections -- [[PixVerse]] ← 发布 ← [[爱诗科技]] diff --git a/wiki/entities/王维.md b/wiki/entities/王维.md deleted file mode 100644 index 9f29ab75..00000000 --- a/wiki/entities/王维.md +++ /dev/null @@ -1,24 +0,0 @@ ---- -title: "王维" -type: entity -tags: [person, poet, tang-dynasty, buddhism] ---- - -## 基本信息 -- 类型：人物 -- 时代：唐代（701-761） -- 称号：诗佛 - -## 简介 -王维是唐代著名诗人、画家，苏轼称其"诗中有画，画中有诗"。其诗作充满禅意与佛学智慧，被称为"诗佛"。幼年丧父，仕途多舛，晚年隐居山林，以佛学为空寂淡泊心境的精神根基。 - -## 核心作品 -- 《行到水穷处，坐看云起时》：其人生困境与佛学超脱的代表作，象征"绝处逢生"的东方智慧 - -## 相关概念 -- [[绝处逢生]]：此诗体现的核心东方逆境转化智慧 -- [[空性智慧]]：王维通过佛学形成对世间虚幻的深刻洞察 - -## Aliases -- 王维 -- 诗佛 diff --git a/wiki/entities/生数科技.md b/wiki/entities/生数科技.md deleted file mode 100644 index a4812af3..00000000 --- a/wiki/entities/生数科技.md +++ /dev/null @@ -1,20 +0,0 @@ ---- -title: 生数科技 -type: entity -tags: [公司, AI, 中国] -last_updated: 2026-04-15 ---- - -## 基本信息 -- 全称：生数科技 -- 类型：公司 -- 领域：AI视频生成 - -## 核心描述 -中国AI视频生成公司，联合清华大学发布Vidu视频大模型，是全球首个"多主体参考"功能的发布者。 - -## 主要AI产品 -- [[Vidu]]：长时长、高一致性、高动态性视频大模型 - -## Connections -- [[Vidu]] ← 联合发布 ← [[生数科技]] + [[清华大学]] diff --git a/wiki/entities/绘蛙AI视频.md b/wiki/entities/绘蛙AI视频.md deleted file mode 100644 index 12e2bf56..00000000 --- a/wiki/entities/绘蛙AI视频.md +++ /dev/null @@ -1,22 +0,0 @@ ---- -title: 绘蛙AI视频 -type: entity -tags: [产品, AI, 图生视频] -last_updated: 2026-04-15 ---- - -## 基本信息 -- 类型：AI图生视频工具 -- 发布方：[[阿里巴巴集团]] - -## 核心描述 -阿里巴巴集团推出的AI图生视频工具，将静态模特图片转换成动态视频。操作简便，用户上传模特图并选择动作模板即可生成视频。 - -## 主要功能 -- 模特图上传：支持jpg/jpeg/png/heic/webp格式，100KB~15MB，分辨率大于600×800 -- 动作模板选择：一键生成对应模特视频内容 -- 视频编辑优化：调整速度、添加滤镜、裁剪视频 -- 高清分辨率输出：视觉效果达专业水平 - -## Connections -- [[阿里巴巴集团]] ← 发布 ← [[绘蛙AI视频]] diff --git a/wiki/entities/艺映AI.md b/wiki/entities/艺映AI.md deleted file mode 100644 index fc415ee6..00000000 --- a/wiki/entities/艺映AI.md +++ /dev/null @@ -1,23 +0,0 @@ ---- -title: 艺映AI -type: entity -tags: [产品, AI, 图生视频] -last_updated: 2026-04-15 ---- - -## 基本信息 -- 类型：多功能AI视频创作工具 -- 发布方：[[MewXAI团队]] - -## 核心描述 -MewXAI团队推出的多功能AI视频创作工具，支持运动笔刷工具选择动态化部分，支持手机和电脑多平台账号同步。 - -## 主要功能 -- 操作简便：运动笔刷工具选择动态化部分，调整运动幅度 -- 效果优质：丝滑无闪烁的视频 -- 风格多样：风景、动漫、国风、真人等 -- 自定义设置：音效、字幕、色调等参数 -- 多平台同步：手机和电脑账号同步 - -## Connections -- [[MewXAI团队]] ← 发布 ← [[艺映AI]] diff --git a/wiki/entities/通义万相.md b/wiki/entities/通义万相.md deleted file mode 100644 index dd1c0c62..00000000 --- a/wiki/entities/通义万相.md +++ /dev/null @@ -1,24 +0,0 @@ ---- -title: 通义万相 -type: entity -tags: [产品, AI, 图生视频] -last_updated: 2026-04-15 ---- - -## 基本信息 -- 类型：AI视频生成工具 -- 发布方：[[阿里巴巴集团]] - -## 核心描述 -阿里巴巴推出的AI视频生成工具，支持通过提示词精准控制视频运动，实现大幅度主体运动和运镜控制，同时匹配音效。 - -## 主要功能 -- 高质量视频生成：影视级画面质感 -- 精准运动控制：提示词控制运动，如"快速转身微笑" -- 物理特性模拟：实现大幅度主体运动和运镜控制 -- 多比例裁剪：任意比例裁剪，支持旋转 -- 艺术风格：卡通、电影色、3D风格、油画、古典等 -- 音效匹配：生成与画面匹配的音效 - -## Connections -- [[阿里巴巴集团]] ← 发布 ← [[通义万相]] diff --git a/wiki/entities/阿里云盘.md b/wiki/entities/阿里云盘.md deleted file mode 100644 index aedea037..00000000 --- a/wiki/entities/阿里云盘.md +++ /dev/null @@ -1,26 +0,0 @@ ---- -title: 阿里云盘 -type: entity -tags: [云盘, 存储, 阿里, 网盘] -sources: ["https://www.aliyundrive.com"] -last_updated: 2026-04-15 ---- - -## 基本信息 -- **类型**：阿里巴巴云存储服务 -- **官网**：https://www.aliyundrive.com -- **特点**：大容量、不限速、资源分享 - -## 在 Wiki 中的角色 -- [[Synology NAS + Xiaoya Alist + CloudDrive2 + Plex to Build Media Platform]] 云端资源来源 -- [[Xiaoya Alist]] 通过阿里云盘 API 获取资源列表 -- [[CloudDrive2]] 将阿里云盘挂载为本地文件系统 - -## API 访问配置 -- **refresh_token**：访问 alist.nn.ci/tool/aliyundrive/request.html 扫码获取 -- **token**：访问阿里云盘分享页面授权后获取 -- 阿里云盘 App 扫码授权是获取 token 的主要方式 - -## 安全注意 -- CloudDrive2 仅授权资源目录，不授权备份目录 -- token 信息需妥善保管，避免泄露 diff --git a/wiki/entities/阿里妈妈.md b/wiki/entities/阿里妈妈.md deleted file mode 100644 index 83744552..00000000 --- a/wiki/entities/阿里妈妈.md +++ /dev/null @@ -1,21 +0,0 @@ ---- -title: 阿里妈妈 -type: entity -tags: [公司, AI, 电商, 中国] -last_updated: 2026-04-15 ---- - -## 基本信息 -- 全称：阿里妈妈 -- 类型：公司/部门 -- 领域：AI电商营销 - -## 核心描述 -阿里巴巴集团旗下数字营销平台，推出万相营造AI电商营销工具，通过生成式AI帮助商家快速生成创意内容。 - -## 主要AI产品 -- [[万相营造]]：AI电商营销工具 - -## Connections -- [[万相营造]] ← 发布 ← [[阿里妈妈]] -- [[阿里妈妈]] ← 隶属 ← [[阿里巴巴集团]] diff --git a/wiki/entities/阿里巴巴集团.md b/wiki/entities/阿里巴巴集团.md deleted file mode 100644 index 92450792..00000000 --- a/wiki/entities/阿里巴巴集团.md +++ /dev/null @@ -1,28 +0,0 @@ ---- -title: 阿里巴巴集团 -type: entity -tags: [公司, AI, 中国] -last_updated: 2026-04-15 ---- - -## 基本信息 -- 全称：阿里巴巴集团 -- 类型：公司/集团 -- 领域：AI、电商、云计算 - -## Aliases -- Alibaba -- Alibaba Group - -## 核心描述 -中国头部互联网科技集团，业务涵盖电商、云计算、数字媒体等。旗下有多个AI工具，包括绘蛙AI视频、通义万相等图生视频产品。 - -## 主要AI产品 -- [[绘蛙AI视频]]：模特图转动态视频工具 -- [[通义万相]]：AI视频生成工具，支持提示词控制运动 -- [[万相营造]]：阿里妈妈推出的AI电商营销工具 - -## Connections -- [[绘蛙AI视频]] ← 发布 ← [[阿里巴巴集团]] -- [[通义万相]] ← 发布 ← [[阿里巴巴集团]] -- [[万相营造]] ← 发布 ← [[阿里妈妈]]（[[阿里巴巴集团]]旗下） diff --git a/wiki/index.md b/wiki/index.md index 078bbe27..7c004b00 100644 --- a/wiki/index.md +++ b/wiki/index.md @@ -1,605 +1,106 @@ # Wiki Index ## Overview -- [Overview](overview.md) — living synthesis - -## Sources (2026-04-16 Batch 12 continued) -- [Health & Symptom Tracker](sources/Health-Symptom-Tracker.md) — OpenClaw Telegram 对话式健康追踪：每日3次 Cron 提醒 + Markdown 日志 + 周度模式分析识别食物触发因素 -- [Inbox De-clutter](sources/Inbox-De-clutter.md) — OpenClaw Gmail 新闻简报自动化：OAuth 读取 + LLM 摘要生成 + 偏好记忆持续优化 -- [Podcast Production Pipeline](sources/Podcast-Production-Pipeline.md) — 多 Agent 链式协作播客生产管线：预录制研究→大纲生成→录制后 Show Notes→社媒工具包 - -## Sources (2026-04-16 Batch 12) -- [n8n Telegram Trigger HTTPS 配置修复](sources/n8n-Telegram-Trigger-HTTPS配置修复.md) — n8n Telegram Trigger 必须使用 HTTPS Webhook URL；设置 `WEBHOOK_URL` 环境变量解决 "Bad Request: bad webhook" 报错 -- [n8n Docker 安装与 SOCKS5 代理配置](sources/n8n-Docker安装与SOCKS5代理配置.md) — n8n Docker 部署配置：自定义 Dockerfile 安装 curl/wget；`ALL_PROXY=socks5://172.21.0.1:10808` 路由容器流量经宿主机代理访问 AI API -- [N8N AI Agent 2025 入门教程](sources/n8n-AI-Agent-2025入门教程.md) — N8N AI Agent 零基础入门：Workflow（预定义）vs Agent（LLM动态决策）；5类节点；Memory 机制；Airtable 工具接入 - -## Sources (2026-04-16 Batch 11) -- [arXiv Paper Reader](sources/arXiv-Paper-Reader.md) — OpenClaw Agent 论文阅读助手：Prismer arxiv-reader skill（3 工具：fetch/sections/abstract）+ LaTeX 源码自动展平 + 多篇对比表格 + 本地缓存 -- [Custom Morning Brief](sources/Custom-Morning-Brief.md) — OpenClaw 定时晨报工作流：新闻+待办+AI主动推荐任务，夜间待机时间转化为制作时间，起床即可看到完整脚本 -- [Event Guest Confirmation](sources/Event-Guest-Confirmation.md) — SuperCall AI 外呼确认活动出席：GPT-4o Realtime + Twilio 批量拨号，沙箱化 Persona 隔离每通电话防止数据泄露 -- [Daily Reddit Digest](sources/Daily-Reddit-Digest.md) — OpenClaw Agent Reddit 内容聚合：reddit-readonly skill + 内容偏好记忆 + 每日下午 5 点定时推送，Read-only 模式 - -## Sources (2026-04-16 Batch 10) - -## Sources (2026-04-16 Batch 10) -- [Dataview——让我从"笔记黑洞"里逃出来的 Obsidian 神器](sources/Dataview——让我从笔记黑洞里逃出来的-Obsidian-神器.md) — Dataview是Obsidian的"笔记数据库"插件；三大核心用法：任务自动聚合、标签笔记整理、写作量统计；类SQL语法查询解决了"写笔记容易查笔记难"的核心痛点 -- [RAG从入门到精通系列1：基础RAG](sources/RAG从入门到精通系列1基础RAG.md) — RAG三阶段管道：Indexing→Retrieval→Generation；文档分块（512~8192 token）+ BAAI Embedding向量化 + Qdrant向量存储；Qwen + LangChain + Qdrant技术栈；考试正确率60%→90% -- [大模型相关术语和框架总结｜LLM、MCP、Prompt、RAG、vLLM、Token、数据蒸馏](sources/大模型相关术语和框架总结LLM-MCP-Prompt-RAG-vLLM-Tokens数据蒸馏.md) — LLM≥1B参数门槛；MCP标准化LLM与外部工具通信；Agent=LLM+MCP；Embedding=词→向量计算语义距离；vLLM=PagedAttention+连续批处理；Token是LLM基本单元 - -## Sources (2026-04-16 Batch 9) -- [ChinaTextbook - 41.53 GB，中国小学、初中、高中、大学 PDF 教材](sources/ChinaTextbook-中国教育PDF教材大全.md) — 41.53GB中国教育PDF教材开源归档；GitHub托管；来源：国家中小学智慧教育平台；使用tchMaterial-parser下载 -- [Clonezilla 对 Ubuntu Server 进行全盘镜像备份](sources/Clonezilla对Ubuntu-Server进行全盘镜像备份.md) — Clonezilla live+NFS+NAS全盘镜像备份流程；Rufus制作启动盘；GPT/MBR分区方案选择；savedisk/restoredisk完整灾难恢复 -- [Cursor 2.0 初学者使用指南](sources/Cursor-2-0初学者使用指南.md) — Cursor 2.0三核心模式：Plan/Agent/Ask；Composer模型；Diff审查机制；多代理并行；MCP服务器扩展 -- [GitHub 上 5000 人收藏的 Vibe Coding 神级指南](sources/GitHub-5000人收藏的Vibe-Coding神级指南.md) — vibe-coding-cn中文资源库；Vibe Coding=规划驱动+上下文固定+AI结对执行；Karpathy理念；Cursor+Claude Opus推荐工具链 - -## Sources (2026-04-16 Batch 8) -- [Designing for Agentic AI](sources/Designing-for-Agentic-AI.md) — Agentic AI产品设计五大原则：透明度、控制权、个性化、对话、预判；与GenAI的本质区别——主动行动vs被动响应 -- [LLMs、RAG、AI Agent 三个到底什么区别？](sources/LLMs-RAG-AI-Agent三个到底什么区别.md) — LLM（天才大脑/思考）→ RAG（随身图书馆助理/信息）→ AI Agent（行动者/执行）三层架构；真正生产系统叠加三者 -- [Cloud DevOp Maturity - Guideline](sources/Cloud-DevOp-Maturity-Guideline.md) — 企业级SaaS云DevOps成熟度评估框架；DORA四大指标 + CMMI成熟度模型；四大支柱：自动化/协作文化/监控可观测性/DevSecOps - -## Sources (2026-04-16 Batch 7) -- [不会Gemini的产品经理真的要被淘汰了—附保姆级PRD生成指南](sources/不会Gemini的产品经理真的要被淘汰了-附保姆级PRD生成指南.md) — AI时代PM能力重塑：FeatureList共创→Mermaid图→分页面口述→HTML原型；超级个体=领域八九十分+AI放大；市场洞察力才是最稀缺能力 -- [二创视频必不可少！AI配音·声音克隆工具合集](sources/二创视频必不可少-2025年最热门AI工具推荐合集-AI配音声音克隆.md) — 2025年主流AI配音工具横向评测：ElevenLabs（高品质）/海螺AI·TTSMaker·AnyVoice（免费）/F5-TTS（开源本地）；3秒至30秒完成声音克隆 -- [清华出的DeepSeek使用手册，104页](sources/清华出的DeepSeek使用手册104页.md) — 清华大学元宇宙文化实验室出品；授人以渔而非改GPT说明书；104页提示词设计底层逻辑 -- [一语点醒梦中人（2026-04-16新批次）](sources/一语点醒梦中人-2026-04-16.md) — 东方智慧新批次：知其不可奈何而安之若命（庄子）/忘机消众机（曾国藩）/飘风不终朝（老子）/空性智慧（金刚经） - -## Sources (2026-04-16 Batch 6) -- [AWS CloudFormation StackSets 多账户集中日志监控](sources/AWS-CloudFormation-StackSets-多账户集中日志监控.md) — EventBridge 跨账户事件转发 + CloudWatch Logs 集中存储 + CloudWatch Logs Insights 跨账户查询；两张 CloudFormation 模板全自动化部署 -- [Scrapy + Playwright 抓取 TikTok Shop Data](sources/Scrapy-Playwright-抓取TikTok-Shop-Data.md) — Scrapy + scrapy-playwright 抓取 TikTok Shop 动态页面；venv 虚拟环境隔离依赖；Docker venv PATH 配置 -- [Mac Mini 服务器配置：防止自动锁屏与睡眠](sources/Mac-Mini-服务器配置-防止自动锁屏与睡眠.md) — `pmset -a sleep 0 displaysleep 0 standby 0 hibernatemode 0` 彻底关闭睡眠；WOL 网络唤醒；caffeinate 临时方案 - -## Sources (2026-04-16 Early Morning Batch) -- [Never Write Another Prompt](sources/Never-write-another-prompt.md) — YouTube 视频笔记：提示词生成工具，描述转结构化提示词 + 变量注入 + 提示词库复用，$100-500/条专业定制降至零成本 -- [OpenAI ChatGPT 个性化定义](sources/OpenAI-ChatGPT-个性化定义.md) — Custom Instructions 配置实例：47岁云服务高管转型 TikTok 跨境电商，偏好详尽推理+反权威论据+精准表达 -- [3X-UI Xray on BandwagonVPS](sources/3X-UI-Xray-on-BandwagonVPS.md) — Bandwagon VPS 安装 3X-UI 面板管理 Xray 代理服务，VLESS+Reality 协议配置，多平台客户端（v2rayN/v2rayNG） - -## Sources (2026-04-16 Batch 5) -- [arXiv Paper Reader](sources/arXiv-Paper-Reader.md) — OpenClaw Agent 论文阅读助手：Prismer arxiv-reader skill（3 工具）+ LaTeX 源码自动展平 + 多篇对比表格 + 本地缓存 -- [Autonomous Educational Game Development Pipeline](sources/Autonomous-Educational-Game-Development-Pipeline.md) — 独立开发者 LANero 为女儿创建 El Bebe Games 教育游戏网站；Bugs First 策略 + Round Robin 队列 + Git 分支工作流；每 7 分钟一个游戏或修复 -- [Semantic Memory Search](sources/Semantic-Memory-Search.md) — memsearch 为 OpenClaw Markdown 记忆叠加向量语义搜索：混合搜索（dense+BM25+RRF）+ SHA-256 增量索引 + 文件监视器自动重索引 -- [Self-Healing Home Server](sources/Self-Healing-Home-Server.md) — OpenClaw Agent "Reef" 自主运维家庭基础设施：SSH/K8s/Terraform + 定时 Cron + TruffleHog 预推钩子 + 私有 Gitea CI；晨报自动化 -- [Polymarket Autopilot](sources/Polymarket-Autopilot.md) — 预测市场模拟交易自动化：TAIL/BONDING/SPREAD 三策略 + PostgreSQL 记录 + Discord 每日报告 + 子 Agent 并行分析 - -## Sources (2026-04-16 Batch 4) -- [DevOps Culture and Transformation](sources/DevOps-Culture-and-Transformation.md) — DevOps 文化转型方法论：四大支柱框架（协作/自动化/Kaizen/客户中心）、敏捷整合、AI/ML 赋能趋势；超越工具的思维模式转变 -- [RTO vs RPO: Key Differences for Modern Disaster Recovery](sources/RTO-vs-RPO-Key-Differences-for-Modern-Disaster-Recovery.md) — RTO/RPO 在现代持续交付中的差异：Feature Flag 将 RTO 从小时降至秒级；三级分层体系（关键/重要/可选）；HP/Dior 案例 -- [Public vs Private vs Hybrid Cloud: Differences Explained](sources/Public-vs-Private-vs-Hybrid-Cloud-Differences-Explained.md) — 公有云/私有云/混合云三种模型对比：弹性vs安全vs成本权衡；混合云是多数组织的实际选择；共享责任模型 - -## Sources (2026-04-16 Batch 3) -- [How to get YouTube Channel ID](sources/How-to-get-YouTube-Channel-ID.md) — YouTube 频道 ID 获取方法：view-source 页面查询 `?channel_id` 字符串，可生成 RSS Feed URL 供 n8n 自动化工作流使用 -- [Git Push 连接重置问题修复](sources/Git-Push-连接重置问题修复.md) — GitHub Push `Connection was reset` 修复：Git 全局配置 HTTP/SOCKS5 代理，或切换 SSH 协议；本质是 GFW 的 TCP RST 攻击 -- [Ubuntu 24.04 启用 SSH 服务](sources/Ubuntu-24.04-enable-SSH.md) — Ubuntu 24.04 SSH 服务启用：默认 ssh.socket 按需激活；`systemctl start ssh` + `ufw allow ssh`；切换传统模式方法 -- [递归自优化生成系统的形式化框架](sources/A-Formalization-of-Recursive-Self-Optimizing-Generative-Systems.md) — 递归自优化生成系统数学形式化：自映射 $\Phi$、不动点 $G^*$、Y 组合子；收敛目标是生成器空间不动点而非最优输出 - -## Sources (2026-04-16 Batch 2) -- [在 Ubuntu 安装 Ollama 并运行 Qwen2.5-Coder 7B](sources/在Ubuntu安装Ollama并运行Qwen2.5-Coder7B.md) — Ubuntu 本地部署 Ollama + Qwen2.5-Coder 7B：3 条命令完成安装；qwen2.5-coder:7b 比通用 Qwen2.5 更适合 DevOps/SQL/Kubernetes 等工程任务；OLLAMA_HOST=0.0.0.0 开放远程 API 供 n8n/OpenClaw 调用 -- [如何在Ubuntu Server上通过NFS挂载Synology NAS上的共享文件夹](sources/如何在UbuntuServer上通过NFS挂载Synology NAS上的共享文件夹.md) — Ubuntu + Synology NAS NFS 永久挂载：NFS 相比 Samba 保留 Linux 文件权限（rsync 恢复 Docker 卷不报错）；/etc/fstab + _netdev 参数防开机卡死；rsync 备份脚本必须加入 mountpoint 检查 -- [Install Apache Superset in Docker](sources/Install-Apache-Superset-in-Docker.md) — Docker 一键部署 Apache Superset GHA 版本：8777 端口暴露；fab create-admin → db upgrade → load_examples → init 初始化流程 -- [Google 神级生产力工具 GitHub 开源平替](sources/Google神级生产力工具GitHub开源平替.md) — 6 款 NotebookLM 开源平替：Open Notebook（14.6k⭐，16+ AI 提供商）、SurfSense（11.4k⭐，混合搜索+RBAC）、Podcastfy（专注播客，100+ LLM）、PageLM（教育平台）、InsightsLM（Supabase+N8N 后端） -- [Nano-Banana Pro 提示词进阶策略](sources/Nano-Banana-Pro-Prompting-Guide.md) — Google Nano-Banana Pro 10 大能力维度：Identity Locking（14 参考图）、Search Grounding、Text Rendering SOTA、Thinking Mode；黄金四法则：Edit不重roll、自然语言、具体描述、提供上下文 -- [普通人如何在AI时代赚钱](sources/普通人如何在AI时代赚钱.md) — 乔布斯视角 AI 时代赚钱三原则：品味值钱（护城河）、端到端优于零件、死亡过滤器筛选热爱；正确问题框架：「AI 让我能做到什么以前做不到的事」 - -## Sources (2026-04-16 Early Morning Batch) -- [How Can a Multi Cloud Strategy Transform Your Business ROI](sources/How-Can-a-Multi-Cloud-Strategy-Transform-Your-Business-ROI.md) — 多云策略（AWS/Azure/GCP）提升业务 ROI：78% 企业使用 3+ 公有云；多云规避供应商锁定、提升韧性/弹性/安全性；30% 运营成本降低；电商/医疗/金融行业落地路径 -- [GitHub 上 5000 人收藏的 Vibe Coding 神级指南（中文版）](sources/GitHub-上-5000-人收藏的-Vibe-Coding-神级指南。.md) — Vibe Coding 中文资源库 vibe-coding-cn：Vibe Coding = 规划驱动 + 上下文固定 + AI 结对执行；Karpathy "我几乎不写代码了，只负责调整氛围"；Cursor + Claude Opus 4.5-xhigh 推荐工具链 -- [Clonezilla对Ubuntu Server进行全盘镜像备份](sources/Clonezilla对Ubuntu-Server进行全盘镜像备份.md) — Clonezilla + Rufus + Synology NAS NFS 全盘镜像备份流程：Rufus 制作 USB 启动盘 → Clonezilla live → NFS 挂载 → savedisk；disaster recovery 通过 restoredisk 还原 -- [家庭网络环境概览](sources/家庭网络环境概览_2026-04-03.md) — 个人四层混合基础设施拓扑：VPS1（FRPS+Caddy）→ MacMini（OpenClaw）→ Synology NAS（媒体+存储）→ Ubuntu1/2（监控+n8n）；FRP 端口映射全表；Caddy 域名路由配置 -- [用Docker安装Jellyfin](sources/用Docker安装Jellyfin.md) — Synology NAS Docker 部署 Jellyfin：nyanmisaka/jellyfin 镜像 + Intel QuickSync 硬件转码 + 群晖 UID/GID 固定；Jellyfin 是 Plex 开源替代品，Subsonic API 兼容 -- [vibe coding经验收集](sources/vibe-coding经验收集.md) — X/Twitter vibe coding 实践汇总：设计文档优先（伪代码→AI直出→review）+ 双AI Review + CodeWeaver 上下文压缩；核心观点：验证代码正确性 > 看懂代码 - -## Sources (2026-04-15 Night Batch) -- [养虾日记3：Obsidian + Gitea 持久化笔记系统](sources/养虾日记3-Obsidian-Gitea持久化笔记系统.md) — Obsidian + Gitea + OpenClaw 三层笔记架构：AI 输出落盘 → iCloud 三端同步 → Gitea 版本管理；LLM Wiki vs RAG 的本质区别 -- [万字保姆级教程：90天跑通一人公司模式](sources/万字保姆级教程-90天跑通一人公司模式-2026-03-29.md) — 天才地带/Ikigai 定位 → 产品四层漏斗 → 内容矩阵 × 反向金字塔分发，AI 时代更聪明定位而非更努力工作 -- [万字讲透OpenClaw Workspace深度解析（2026-03-21版）](sources/万字讲透OpenClaw-Workspace深度解析-2026-03-21.md) — workspace 7 大文件体系：AGENTS.md（岗位说明）/SOUL.md（性格档案）/IDENTITY.md（身份元数据）/TOOLS.md（工具规范）/BOOTSTRAP.md（一次性引导） -- [n8n + Claude 自然语言自动化工作流](sources/n8n-Claude-自然语言自动化工作流.md) — n8n-mcp MCP 协议桥接 Claude 与 n8n，543 个节点结构化访问，自然语言生成工作流完成度 80-90% - -## Sources (2026-04-15 Late Night Batch) -- [Multi-Agent System Reliability（Alex Ewerlöf）](sources/Multi-Agent-System-Reliability-Alex-Ewerlof.md) — 4种多智能体可靠性架构模式：Hierarchy/Consensus/Adversarial Debate/Knock-out；将 LLM 视为不可靠组件，通过架构约束而非情感化 prompt 保证正确性 -- [Build Your Own X — 从零构建技术的编程学习资源集](sources/Build-Your-Own-X-从零构建技术栈.md) — GitHub 25 个技术领域分步骤指南，通过重建流行技术掌握编程；费曼学习法的技术领域实践 -- [Multi-Agent Specialized Team（Solo Founder 模式）](sources/Multi-Agent-Specialized-Team-Solo-Founder-Setup.md) — Solo Founder 4 Agent 虚拟团队：Telegram 统一入口 + 共享内存 + 定时主动任务；2 Agent 起步按瓶颈扩展 -- [一语点醒梦中人 — 东方人生智慧](sources/一语点醒梦中人-东方人生智慧.md) — 道家/儒家/佛教经典箴言：王维"行到水穷处"、庄子"知其不可奈何而安之若命"、曾国藩"唯忘机可以消众机" -- [Autonomous Project Management（去中心化协调模式）](sources/Autonomous-Project-Management-STATE-yaml.md) — STATE.yaml 去中心化协调替代中央 orchestrator；Git 作为审计日志；主会话 CEO 模式 - -## Sources (2026-04-15 Evening Batch) -- [TikTok Shop Apache Superset Dashboard 设计思路](sources/TikTok Shop - Apache Superset Dashboard设计思路.md) — TikTok Shop 选品分析 Dashboard 设计：4-Tab 结构（爆品雷达/类目机会/店铺监控/评论分析）、SQL View 预处理 JSON、选品评分模型 -- [Best 7 News API Data Feeds](sources/Best 7 news API data feeds - AI News.md) — 7 款主流新闻 API 评测：金融选 Bloomberg/FT、舆情选 Webz.io/Opoint、小型应用选 GNews/Mediastack -- [N8N Full Tutorial - Building AI Agents in 2025 for Beginners](sources/N8N Full Tutorial Building AI Agents in 2025 for Beginners.md) — N8N AI Agent 入门：Workflow(预定义) vs Agent(LLM动态决策)、5类节点、Memory 机制、Airtable 工具接入 -- [Autonomous Project Management](sources/Autonomous-Project-Management.md) — 去中心化项目协调：STATE.yaml 替代中央 orchestrator，subagent 自主协作 -- [Content Factory](sources/Content-Factory.md) — Discord 多 agent 内容工厂：Research→Writing→Thumbnail 链式协作 -- [Market Research Product Factory](sources/Market-Research-Product-Factory.md) — Last30Days 挖掘痛点→OpenClaw 构建 MVP 自动化管线 -- [Personal Knowledge Base RAG](sources/Personal-Knowledge-Base-RAG.md) — 语义可搜索个人第二大脑，URL 自动摄取+向量检索 -- [MySQL MariaDB 数据库详细信息](sources/MySQL-MariaDB-数据库详细信息.md) — Synology NAS MariaDB 10.11 内网/公网访问配置，CREATE USER 'shenwei'@'%' 实现远程连接 -- [用Docker中安装Navidrome](sources/用Docker中安装Navidrome.md) — Synology Docker 部署 Navidrome 开源音乐服务器，:ro 只读挂载保护音乐库 -- [Ubuntu服务器通过rsync实现日常增量备份](sources/Ubuntu服务器通过rsync实现日常增量备份.md) — rsync + NFS + /etc/fstab 永久挂载 + Crontab 凌晨自动化，构建"时间点恢复"能力 - +- [Overview](overview.md) — 知识库总览 ## Sources -- [Multi-Agent Specialized Team (Solo Founder Setup)](sources/Agent-usecases-multi-Agent-Team.md) — 多 Agent 虚拟团队：Telegram 统一入口 + 共享内存 + 定时主动汇报 -- [DevOps Maturity Model: From Traditional IT to Advanced DevOps](sources/DevOps-Maturity-Model-From-Traditional-IT-to-Advanced-DevOps.md) — DevOps 成熟度 5 阶段评估框架（Ad-Hoc → Mature） -- [一语点醒梦中人——东方人生智慧](sources/AI-一语点醒梦中人.md) — 道家/儒家/佛教经典箴言：空性智慧、绝处逢生、守拙内敛 -- [NodeWarden - 把 Bitwarden 搬上 Cloudflare Workers，彻底告别服务器](sources/Home-Office-NodeWarden-把-Bitwarden-搬上-Cloudflare-Workers彻底告别服务器.md) — Cloudflare Workers 无服务器 Bitwarden 部署方案 -- [DevOps Culture and Transformation](sources/DevOps-Culture-and-Transformation.md) — DevOps 文化、敏捷实践与转型方法论 -- [Cloud DevOp Maturity - Guideline](sources/Cloud-DevOp-Maturity-Guideline.md) — 企业级 SaaS DevOps 成熟度评估框架与 DORA 指标 -- [Cloud Maturity Model](sources/Cloud-Maturity-Model.md) — 企业云成熟度 5 级评估框架 -- [Linux 运维必会的 150 个命令](sources/Linux-运维必会的150个命令.md) — Linux 系统管理核心命令速查手册 -- [2025年11个神级AI开源平替，GitHub杀疯了](sources/2025-ai-open-source-alternatives.md) — 2025年AI各领域GitHub开源平替项目盘点 -- [14个免费的AI图生视频工具，用AI让图片动起来](sources/14个免费的AI图生视频工具.md) — 14款免费AI图生视频工具盘点 -- [3.2万人收藏的Claude Skills，才是AI这条路最值得研究的一套范式](sources/Claude-Skills研究范式.md) — Claude Skills 资源图谱与流程工程新范式 -- [3.2万人收藏的Claude Skills（完整版）](sources/3.2万人收藏的Claude-Skills才是AI这条路最值得研究的一套范式.md) — Skills = 说明书 + SOP；三大 Awesome 仓库（ComposioHQ/VoltAgent/BehiSecc）；三大聚合站（skillsmp/aitmpl/claudemarketplaces）；流程工程新范式 -- [7 Ways I Use NotebookLM to Make My Life Easier](sources/7-ways-NotebookLM.md) — NotebookLM 7种实际应用场景 -- [Designing for Agentic AI](sources/Designing-for-Agentic-AI.md) — Agentic AI 与 UX 设计原则 -- [LLMs、RAG、AI Agent 三个到底什么区别？](sources/LLMs-RAG-AI-Agent-三个到底什么区别.md) — LLM/RAG/AI Agent 层级关系与协同模式 -- [Multi-Agent System Reliability](sources/Multi-Agent-System-Reliability.md) — 4种多智能体可靠性架构模式 -- [如何写出完美的Prompt（提示词）？](sources/如何写出完美的Prompt（提示词）？.md) — 结构化 Prompt 构建方法论与职场能力培养 -- [RAG从入门到精通系列1：基础RAG](sources/RAG从入门到精通系列1：基础RAG.md) — Indexing-Retrieval-Generation 三阶段管道；Qwen + BAAI + LangChain + Qdrant 实战 -- [RAG从入门到精通系列1-基础RAG](sources/RAG从入门到精通系列1-基础RAG.md) — Wiki 源页面：RAG 基础概念、关键技术栈、实操流程笔记 -- [How to Get the RSS Feed For Any YouTube Channel](sources/How-to-Get-the-RSS-Feed-For-Any-YouTube-Channel.md) — YouTube 频道 RSS Feed 获取方法 -- [Nano Banana 提示词框架](sources/Nano-Banana结构化提示词框架.md) — Google 结构化图像生成提示词 9 层框架 -- [Claude Code 调用方法总结](sources/Claude-Code调用方法总结.md) — Print Mode / TMUX 交互模式与 Skill 加载 -- [万字讲透OpenClaw Workspace深度解析](sources/万字讲透OpenClaw-Workspace深度解析.md) — OpenClaw workspace 7 大核心文件体系 -- [大模型相关术语和框架总结](sources/大模型相关术语和框架总结.md) — LLM/MCP/Agent/RAG/vLLM/Tocken/数据蒸馏核心概念 -- [GitHub 上 5000 人收藏的 Vibe Coding 神级指南](sources/GitHub-Vibe-Coding-神级指南.md) — Vibe Coding 氛围编程方法论与资源 -- [How Agentic AI can help for Cloud DevOps](sources/How-Agentic-AI-for-Cloud-DevOps.md) — Agentic AI 云运维七大应用场景 -- [n8n Docker 安装与更新指南](sources/n8n-Docker安装与更新.md) — n8n Docker 部署、SOCKS5 代理配置与镜像更新流程 -- [Cloud Operating Model: Key Strategies and Best Practices](sources/Cloud-Operating-Model-关键策略与最佳实践.md) — 企业级云运营模型：治理/安全/FinOps/自动化四大支柱 -- [MinIO + Zipline 自托管图床应用安装教程](sources/MinIO-Zipline-自托管图床应用安装教程.md) — Synology NAS Docker 部署 MinIO + Zipline + PostgreSQL 自托管图床 -- [Trae 远程开发部署指南](sources/Trae远程开发部署指南.md) — Trae Remote SSH 连接 Ubuntu 服务器 Docker 开发环境配置 -- [使用Claude自动生成N8N工作流的实操教程](sources/使用Claude自动生成N8N工作流的实操教程.md) — Claude + n8n-mcp 自动生成工作流完整指南 -- [MCP在Cursor中的集成与应用详解](sources/MCP在Cursor中的集成与应用详解.md) — MCP 协议在 Cursor IDE 中的集成方法 -- [Google 5个Agent Skill设计模式](sources/Google-5个Agent-Skill设计模式-2026-03-19.md) — 5种经过验证的 Skill 内容设计模式 -- [A Formalization of Recursive Self-Optimizing Generative Systems](sources/A-Formalization-of-Recursive-Self-Optimizing-Generative-Systems.md) — 递归自优化生成系统的形式化建模：自映射、固定点、Y Combinator 自举动力学 -- [不会Gemini的产品经理真的要被淘汰了](sources/不会Gemini的产品经理真的要被淘汰了.md) — AI 时代产品经理能力结构重塑：FeatureList → Mermaid → PRD → HTML 的 AI 嵌入工作流 -- [baoyu-skills 宝玉 Claude Code 技能集](sources/baoyu-skills-claude-code技能集.md) — 宝玉发布的 Claude Code 技能集：内容生成/AI图像/工具技能三大类，覆盖小红书信息图/幻灯片/漫画等 -- [The Picture They Paint of You](sources/The-Picture-They-Paint-of-You.md) — AI产品命名与职业价值认知框架分析 -- [Never write another prompt](sources/Never-write-another-prompt.md) — 提示词生成工具使用教程 -- [Useful Prompt Lib](sources/Useful-Prompt-Lib.md) — Anthropic Claude Prompt库60+模板汇总 -- [家庭监控方案：Prometheus + Grafana + Node Exporter + cAdvisor + Blackbox](sources/家庭监控方案 Prometheus + Grafana + Node Exporter + cAdvisor + Blackbox.md) — 家庭/实验室 Docker 可观测性监控方案：Prometheus + Grafana + cAdvisor + blackbox_exporter + Alertmanager -- [Synology NAS + Xiaoya Alist + CloudDrive2 + Plex to Build Media Platform](sources/Synology NAS + Xiaoya Alist + CloudDrive2 + Plex to Build Media Platform.md) — 群晖 NAS 整合阿里云盘资源，Plex 媒体库 + Xiaoya Alist + CloudDrive2 端到端影视平台搭建 -- [可自动化、可扩展、AI增强的电商数据采集与处理系统](sources/可自动化可扩展AI增强的电商数据采集与处理系统.md) — Docker + Scrapy + Playwright + n8n + Ollama 全链路电商数据采集与 AI 处理自动化管线 -- [Last30Days 使用指南](sources/Last30Days-使用指南.md) — 多平台热点聚合研究工具，覆盖 Reddit/X/YouTube/TikTok/Polymarket 等 8 大数据源 -- [GOG CLI 安装配置指南](sources/GOG-CLI-安装配置指南.md) — macOS Google Workspace CLI 工具安装与 OAuth + API 启用配置完整指南 -- [Cursor 2.0 初学者使用指南](sources/Cursor-2-0初学者使用指南.md) — Cursor 2.0 AI 代码编辑器功能详解：Composer 模型、多代理并行、Diff 审查 -- [养虾日记1：用 OpenClaw 管了 28 万张照片](sources/养虾日记1-OpenClaw照片整理实战.md) — OpenClaw AI Agent 照片整理实战：MD5 精确去重、小文件清理、分 8 批次凌晨执行、Telegram 报告 -- [不谈技术：普通人该怎么在AI时代赚钱](sources/普通人如何在AI时代赚钱.md) — AI 时代赚钱三原则：品味是护城河、端到端优于零件、死亡过滤器筛选真正热爱 - -## Entities (2026-04-16 Batch 12 continued) -- [Spotify](entities/Spotify.md) — 播客分发与托管平台，Spotify for Podcasters 后台管理 -- [Apple Podcasts](entities/Apple-Podcasts.md) — 苹果生态播客平台，SEO 播客描述优化标准 -- [Whisper](entities/Whisper.md) — OpenAI 开源语音转文字模型，本地转录无 API 费用 - -## Entities (2026-04-16 Batch 12) -- [Telegram](entities/Telegram.md) — 即时通讯平台，Bot API 支持 Webhook 回调；n8n Telegram Trigger 节点集成 - -## Entities (2026-04-16 Batch 7) -- [Kira2red](entities/Kira2red.md) — AI产品管理实践者，Gemini工作流方法论作者 -- [ElevenLabs](entities/ElevenLabs.md) — 国际顶流AI配音工具，30+语言，情感语音生成，声音克隆 -- [F5-TTS](entities/F5-TTS.md) — 开源免费AI配音/克隆，2秒克隆，支持本地部署 -- [海螺AI](entities/海螺AI.md) — MiniMax出品，30秒克隆，免费，中文/粤语17种语言 -- [AnyVoice](entities/AnyVoice.md) — 3秒克隆，免费无限，中英日韩四语 - -## Entities (2026-04-16 Batch 6) -- [Mac Mini](entities/Mac-Mini.md) — Apple 紧凑型服务器，本项目核心节点，运行 OpenClaw Gateway + FRP + Docker 服务 - -## Entities (2026-04-16 Batch 5) -- [Prismer AI](entities/Prismer-AI.md) — arxiv-reader skill 开发方，GitHub 仓库 Prismer-AI/Prismer -- [El Bebe Games](entities/El-Bebe-Games.md) — 拉丁美洲西班牙语儿童教育游戏网站，41+ 游戏，elbebe.co -- [LANero](entities/LANero.md) — 独立开发者，为女儿创建 El Bebe Games，通过 OpenClaw Agent 管道自动化生产游戏 -- [memsearch](entities/memsearch.md) — Zilliz 开源 Python CLI，为 Markdown 记忆提供向量语义搜索 -- [Nathan (Reef)](entities/Nathan-Reef.md) — OpenClaw Showcase 用户，家庭基础设施 Agent "Reef" 的作者，5,000+ Obsidian 笔记 -- [TruffleHog](entities/TruffleHog.md) — Git 预推送密钥扫描工具，防止硬编码密钥泄露 -- [Polymarket](entities/Polymarket.md) — 基于加密货币的预测市场平台，支持 API 访问市场数据 - -## Entities (2026-04-16 Batch 4) -- [GPT-3](entities/GPT-3.md) — OpenAI 175B 参数大模型标杆 -- [GPT-2](entities/GPT-2.md) — OpenAI 1.5B 参数早期语言模型 -- [LaunchDarkly](entities/LaunchDarkly.md) — Feature Flag 管理平台，86% 客户可在一天内恢复；HP/Dior 将回滚从小时级降至秒级 -- [HP](entities/HP.md) — 通过 LaunchDarkly 将回滚时间从小时级降至分钟级 -- [Christian Dior](entities/Christian-Dior.md) — 通过 LaunchDarkly 将 15 分钟回滚降至即时开关 -- [LangChain](entities/LangChain.md) — LLM 应用框架，160+ 文档加载器，用于构建 RAG 管道 -- [LlamaIndex](entities/LlamaIndex.md) — LLM 应用框架，与 LangChain 并列的 RAG 管道构建工具 -- [LangSmith](entities/LangSmith.md) — LLM 应用监控调试平台，可视化 RAG 管道全过程 -- [BAAI](entities/BAAI.md) — 北京智源人工智能研究院，开源 Embedding 模型系列（BAAI/bge） -- [Qdrant](entities/Qdrant.md) — Rust 编写的开源向量数据库，高性能 RAG 存储层 - -## Entities (2026-04-16 Batch 3) -- [tukuai](entities/tukuai.md) — 独立研究者，提出递归自优化生成系统的数学形式化框架 - -## Entities (2026-04-16 Batch 2 Continued) -- [Open Notebook](entities/Open-Notebook.md) — NotebookLM 开源平替，14.6k ⭐，支持 16+ AI 提供商和多模态输入 -- [SurfSense](entities/SurfSense.md) — AI 搜索与研究智能体，11.4k ⭐，Notion/YouTube/GitHub 整合+混合搜索+RBAC -- [Podcastfy](entities/Podcastfy.md) — 专注播客生成，支持 100+ LLM 和多种 TTS 引擎 -- [Nano-Banana Pro](entities/Nano-Banana-Pro.md) — Google 图像生成模型，从"娱乐级"升级到"专业级资产生产" -- [乔布斯.skill](entities/乔布斯-skill.md) — 以乔布斯视角解读 AI 时代赚钱思维框架的 AI Skill +- [What is DevSecOps? Best Practices, Benefits, and Tools](sources/what-is-devsecops-best-practices-benefits-and-tools.md) — DevSecOps 方法论详解（定义、SDLC 集成、4 大工具类型、Shift Left/Right 策略） +- [RTO vs RPO: Key Differences for Modern Disaster Recovery](sources/RTO-vs-RPO-Key-Differences-for-Modern-Disaster-Recovery.md) — RTO（恢复时间目标）与 RPO（恢复点目标）的定义、区别及 Feature Flag 在现代持续交付中的应用 +- [These 6 Linux apps let you monitor system resources in style](sources/These-6-Linux-apps-let-you-monitor-system-resources-in-style.md) — 6 款 Linux 系统资源监控工具评测（TUI：btop++、htop、glances、bottom；GUI：Mission Center、Stacer） +- [Public vs Private vs Hybrid: Cloud Differences Explained](sources/Public-vs-Private-vs-Hybrid-Cloud-Differences-Explained.md) — 公有云、私有云和混合云的核心区别与选择指南 +- [How Agentic AI can help for Cloud DevOps](sources/How-Agentic-AI-can-help-for-Cloud-DevOps.md) — Agentic AI 增强 Cloud DevOps 的七大领域（自动化事件响应、成本优化、安全合规等） +- [The Myths and Misconceptions About Cloud Computing | LinkedIn](sources/The-Myths-and-Misconceptions-About-Cloud-Computing-LinkedIn.md) — 云计算常见误解与真相 +- [How Can a Multi Cloud Strategy Transform Your Business ROI?](sources/How-Can-a-Multi-Cloud-Strategy-Transform-Your-Business-ROI.md) — 多云策略如何提升业务ROI（定义、优势、实施方法） +- [DevOps Culture and Transformation: Fostering Collaboration, Agile Practices, and Innovation](sources/DevOps-Culture-and-Transformation.md) — DevOps 文化转型与敏捷实践方法论 +- [Cloud DevOp Maturity - Guideline](sources/cloud-devop-maturity-guideline.md) — 企业级 SaaS 公司的 DevOps 成熟度评估框架 +- [Cloud Maturity Model A Detailed Guide For Cloud Adoption](sources/Cloud-Maturity-Model-A-Detailed-Guide-For-Cloud-Adoption.md) — 云成熟度模型（CMM）的5级框架及最佳实践指南 +- [DevOps Maturity Model From Traditional IT to Advanced DevOps](sources/DevOps-Maturity-Model-From-Traditional-IT-to-Advanced-DevOps.md) — DevOps 成熟度五级框架（初始→完全成熟），涵盖文化、自动化、流程、协作、技术五大评估领域 +- [How to Simplify Multi-Account Deployments Monitoring: Centralized Logs for AWS CloudFormation StackSets](sources/how-to-simplify-multi-account-deployments-monitoring.md) — 多账号环境下 CloudFormation StackSets 部署监控的集中化日志解决方案 +- [Modern ITSM: Driving Efficiency, Security & Resilience](sources/modern-itsm-driving-efficiency-security-resilience.md) — 现代 IT 服务管理的演进趋势，AIOps、零信任架构等技术的应用 ## Entities -- [Clonezilla](entities/Clonezilla.md) — 开源磁盘镜像备份工具，等同于企业级 Ghost，支持 NFS/SMB/USB 多种存储后端 -- [vibe-coding-cn](entities/vibe-coding-cn.md) — GitHub 中文 Vibe Coding 资源库，Vibe Coding = 规划驱动 + 上下文固定 + AI 结对执行的中文开源实践 -- [Trebuh](entities/Treb uh.md) — Solo founder，4 Agent 团队实践者 -- [Cloudflare](entities/Cloudflare.md) — 全球网络服务商，提供 Workers/D1/R2 无服务器基础设施 -- [Anthropic](entities/Anthropic.md) -- [LinkedIn](entities/LinkedIn.md) -- [Atlassian](entities/Atlassian.md) -- [GitHub](entities/GitHub.md) -- [Jenkins](entities/Jenkins.md) -- [HashiCorp](entities/HashiCorp.md) -- [GitLab](entities/GitLab.md) -- [gog CLI](entities/gogcli.md) — macOS Google Workspace CLI 工具 -- [Datadog](entities/Datadog.md) -- [SonarSource](entities/SonarSource.md) -- [Snyk](entities/Snyk.md) -- [ScrapeCreators](entities/ScrapeCreators.md) — Reddit/TikTok/Instagram 爬取 API -- [Kubernetes](entities/Kubernetes.md) -- [Red Hat](entities/Red Hat.md) -- [Docker](entities/Docker.md) -- [Navidrome](entities/Navidrome.md) — 开源音乐流媒体服务器，Subsonic API 兼容 -- [MariaDB](entities/MariaDB.md) — Synology NAS Docker 数据库，10.11.6 版本 -- [DeepSeek](entities/DeepSeek.md) -- [Qwen](entities/Qwen.md) -- [Flux](entities/Flux.md) -- [StableDiffusion](entities/StableDiffusion.md) -- [HunyuanVideo](entities/HunyuanVideo.md) -- [Manus](entities/Manus.md) -- [OpenManus](entities/OpenManus.md) -- [Cline](entities/Cline.md) -- [Cursor](entities/Cursor.md) — 基于 VS Code 的 AI 代码编辑器，Composer 模型，多代理并行 -- [ScrapeCreators](entities/ScrapeCreators.md) — Reddit + TikTok + Instagram 数据爬取 API，Last30Days 核心依赖 -- [n8n](entities/n8n.md) -- [Dify](entities/Dify.md) -- [Perplexica](entities/Perplexica.md) -- [NotebookLM](entities/NotebookLM.md) -- [阿里巴巴集团](entities/阿里巴巴集团.md) -- [智谱AI](entities/智谱AI.md) -- [生数科技](entities/生数科技.md) -- [清华大学](entities/清华大学.md) -- [快手](entities/快手.md) -- [MiniMax](entities/MiniMax.md) -- [字节跳动](entities/字节跳动.md) -- [爱诗科技](entities/爱诗科技.md) -- [潞晨科技](entities/潞晨科技.md) -- [StabilityAI](entities/StabilityAI.md) -- [阿里妈妈](entities/阿里妈妈.md) -- [智象未来](entities/智象未来.md) -- [MewXAI团队](entities/MewXAI团队.md) -- [绘蛙AI视频](entities/绘蛙AI视频.md) -- [智谱清影](entities/智谱清影.md) -- [通义万相](entities/通义万相.md) -- [Vidu](entities/Vidu.md) -- [可灵AI](entities/可灵AI.md) -- [海螺AI](entities/海螺AI.md) -- [即梦AI](entities/即梦AI.md) -- [PixVerse](entities/PixVerse.md) -- [VideoOcean](entities/VideoOcean.md) -- [StableVideo](entities/StableVideo.md) -- [万相营造](entities/万相营造.md) -- [Viva](entities/Viva.md) -- [Haiper](entities/Haiper.md) -- [艺映AI](entities/艺映AI.md) -- [Alex Ewerlöf](entities/Alex Ewerlof.md) — 多智能体可靠性架构研究者 -- [BehiSecc](entities/BehiSecc.md) — Awesome-Claude-Skills 仓库三大维护方之一 -- [Google](entities/Google.md) -- [Claude Code](entities/Claude-Code.md) -- [ComposioHQ](entities/ComposioHQ.md) — Awesome-Claude-Skills 仓库维护方，覆盖文档处理/开发工具/数据分析/内容创作 -- [VoltAgent](entities/VoltAgent.md) — Awesome-Claude-Skills 仓库三大维护方之一 -- [OpenClaw](entities/OpenClaw.md) -- [Hermes](entities/Hermes.md) -- [DracoVibeCoding](entities/DracoVibeCoding.md) -- [Cursor](entities/Cursor.md) — AI 编程 IDE -- [Windsurf](entities/Windsurf.md) — AI 编程 IDE -- [Yuri Pessa](entities/Yuri-Pessa.md) — LinkedIn 文章《Designing for Agentic AI》作者，Agentic AI UX 设计原则研究者 -- [Trae](entities/Trae.md) — AI 编程 IDE -- [Karpathy](entities/Karpathy.md) — Vibe Coding 概念提出者 -- [vibe-coding-cn](entities/vibe coding cn.md) — 中文 Vibe Coding 资源库 -- [AWS](entities/AWS.md) — Amazon 云服务 -- [GCP](entities/GCP.md) — Google 云平台 -- [Azure](entities/Azure.md) — Microsoft 云平台 -- [Terraform](entities/Terraform.md) — IaC 工具 -- [CloudWatch](entities/CloudWatch.md) — AWS 监控服务 -- [n8n-mcp](entities/n8n mcp.md) — n8n MCP 服务器 -- [czlonkowski](entities/czlonkowski.md) — n8n-mcp 项目作者 -- [Composer](entities/Composer.md) — Cursor 对话构建模块 -- [Sequential Thinking](entities/Sequential Thinking.md) — MCP 逻辑推理工具 -- [Google](entities/Google.md) — Agent Skill 设计模式发布方 -- [tukuai](entities/tukuai.md) — 递归自优化生成系统形式化框架提出者 -- [Kira2red](entities/Kira2red.md) — AI 产品管理实践者，Gemini 工作流方法论作者 -- [宝玉](entities/宝玉.md) — baoyu-skills 项目作者，Claude Code 技能集开发者 -- [Prometheus](entities/Prometheus.md) — 开源监控告警系统和时序数据库，Prometheus/Grafana 监控体系核心 -- [Grafana](entities/Grafana.md) — 开源可观测性可视化平台，多数据源仪表盘和告警 -- [Scrapy](entities/Scrapy.md) — Python 开源爬虫框架，支持异步结构化抓取和 Item Pipeline -- [Playwright](entities/Playwright.md) — Microsoft 浏览器自动化工具，支持 Chromium/Firefox/WebKit -- [Ollama](entities/Ollama.md) — 本地大模型推理引擎，支持 Llama3/Mistral 等模型 -- [Synology NAS](entities/Synology NAS.md) — 群晖网络附加存储，提供 Docker 和套件中心 -- [阿里云盘](entities/阿里云盘.md) — 阿里云盘云存储服务，支持 API 访问和资源分享 -- [Loki](entities/Loki.md) — Grafana Labs 日志聚合系统，轻量级日志存储与查询 -- [Uptime Kuma](entities/Uptime Kuma.md) — 自托管网站/服务可用性监控工具 -- [MinIO](entities/MinIO.md) — 兼容 S3 协议的开源对象存储引擎，Synology NAS 自托管存储后端 -- [Zipline](entities/Zipline.md) — 自托管图片托管服务，提供 REST API，与 n8n 集成 -- [VPS1](entities/VPS1.md) — RackNerd 公网 VPS，FRPS + Caddy 入口节点，端口 7000 + HTTPS 反向代理 -- [Jellyfin](entities/Jellyfin.md) — 开源媒体服务器，Plex 去GPL分支，支持硬件 QuickSync 转码 -- [CodeWeaver](entities/CodeWeaver.md) — 将任意代码库编织为树形 Markdown，简化 AI 上下文注入 - -## Concepts (2026-04-16 Batch 7) -- [超级个体](concepts/超级个体.md) — 某领域八九十分+AI横向扩展，AI是充分非必要条件，市场洞察力是核心前提 -- [PRD自动生成](concepts/PRD自动生成.md) — FeatureList共创→Mermaid图→分页面口述→HTML原型，AI嵌入PRD全链路 -- [AI配音](concepts/AI配音.md) — 文字转语音，多语言/情感控制/声音克隆，2025年主流工具全景图 -- [声音克隆](concepts/声音克隆.md) — 2-30秒音频样本复制特定音色，AI配音高级能力 -- [知其不可奈何而安之若命](concepts/知其不可奈何而安之若命.md) — 庄子：先辨可奈何与不可奈何，尽人事后听天命 -- [忘机消众机](concepts/忘机消众机.md) — 曾国藩：忘世俗机巧消解周遭算计，大智若愚处世 -- [飘风不终朝](concepts/飘风不终朝.md) — 老子：困境终会过去，与西方谚语"This too shall pass"异曲同工 - -## Concepts (2026-04-16 Batch 6) -- [CloudFormation StackSets](concepts/CloudFormation-StackSets.md) — AWS 跨账户/跨区域 IaC 部署服务，依赖 Organizations 授权，自动传播至 OU 内所有账户 -- [EventBridge](concepts/EventBridge.md) — AWS 无服务器事件总线，事件规则匹配 + 跨账户转发，是 StackSets 集中日志方案的核心枢纽 -- [CloudWatch Logs](concepts/CloudWatch-Logs.md) — AWS 日志存储服务，集中日志方案中作为跨账户 CloudFormation 事件的最终存储层 -- [CloudWatch Logs Insights](concepts/CloudWatch-Logs-Insights.md) — 结构化日志查询引擎，支持跨账户查询，`parse` 正则提取 JSON 嵌套字段 -- [AWS Organizations](concepts/AWS-Organizations.md) — AWS 账户集中管理框架，OU 树形结构 + SCP + 可信访问授权，StackSets 跨账户依赖的基础 -- [Scrapy](concepts/Scrapy.md) — Python 异步爬虫框架，Item Pipeline + scrapy-playwright 集成解决动态页面抓取 -- [Playwright](concepts/Playwright.md) — Microsoft 浏览器自动化工具，三引擎（Chromium/Firefox/WebKit）+自动等待，scrapy-playwright 集成解决 JS 渲染 -- [pmset](concepts/pmset.md) — macOS 电源管理 CLI，`-a sleep/displaysleep/standby/hibernatemode/womp` 参数控制系统睡眠行为 -- [caffeinate](concepts/caffeinate.md) — macOS 临时防止睡眠工具，`-d -i -s` 全开，进程结束自动恢复，不修改系统设置 -- [WOL](concepts/WOL.md) — Wake-on-LAN 网络唤醒协议，魔术包触发局域网内待机设备开机，配合 pmset -a womp 1 使用 - -## Concepts (2026-04-16 Batch 5) -- [LaTeX Flattening](concepts/LaTeX-Flattening.md) — 自动合并 LaTeX \include 子文件生成可读连续文档，解决 PDF 阅读上下文跳跃问题 -- [Bugs First Policy](concepts/Bugs-First-Policy.md) — Agent 工作流强制优先级策略：修复 bugs/ 下第一个文件后才可处理新功能 -- [Conventional Commits](concepts/Conventional-Commits.md) — 语义化提交格式 `: `，用于自动化 CHANGELOG 生成 -- [语义搜索](concepts/语义搜索.md) — 通过向量 Embedding 理解语义而非字面匹配，实现"按意思查找" -- [混合搜索](concepts/混合搜索.md) — Dense vector（语义）+ BM25（关键词）+ RRF 融合排序三层检索 -- [增量索引](concepts/增量索引.md) — SHA-256 内容哈希识别未变化文件，仅对新增/变更内容重新 Embedding -- [自愈基础设施](concepts/自愈基础设施.md) — 健康检查 + 自主诊断 + 自动修复，无需人工干预恢复服务 -- [多因素安全防护](concepts/多因素安全防护.md) — TruffleHog 预推钩子 + 本地 Gitea + CI 扫描 + 分支保护 + 最小权限 -- [定时晨报](concepts/定时晨报.md) — Agent 固定时间自动生成天气/日历/系统状态/任务看板摘要 -- [邮件分类](concepts/邮件分类.md) — Gmail 自动标签标注、归档噪音、待处理项识别 -- [预测市场](concepts/预测市场.md) — 通过交易事件概率表达预测的市场机制 -- [纸带交易](concepts/纸带交易.md) — 在真实市场中用假资金测试策略，隔离风险 - -## Concepts (2026-04-16 Batch 4) -- [KV Cache](concepts/KV-Cache.md) — 保存历史 K/V 向量避免重复计算的注意力优化技术 -- [PagedAttention](concepts/PagedAttention.md) — vLLM 分块注意力机制，页表式 KV Cache 管理 -- [RTO](concepts/RTO.md) — Recovery Time Objective，系统最大可容忍停机时间；Feature Flag 将其从小时级降至秒级 -- [RPO](concepts/RPO.md) — Recovery Point Objective，可接受的最大数据丢失量（从故障时刻往前回溯） -- [Kill Switch](concepts/Kill-Switch.md) — Feature Flag 紧急关闭能力，RTO 保险策略；HP/Dior 案例验证秒级 RTO -- [渐进式发布](concepts/渐进式发布.md) — 分阶段（1%→5%→25%→100%）控制影响范围，将故障 RTO 降至秒级 -- [共享责任模型](concepts/共享责任模型.md) — 云环境下服务商与客户的责任划分；无论何种部署模式均适用 - -## Concepts (2026-04-16 Batch 3) -- [生成器空间 (Generator Space)](concepts/生成器空间-Generator-Space.md) — $\mathcal{G} \subseteq \mathcal{P}^{\mathcal{I}}$，递归自优化的目标收敛空间 -- [自映射 (Self-Map)](concepts/自映射-Self-Map.md) — $\Phi: \mathcal{G} \to \mathcal{G}$，生成器到自身的映射；迭代应用产生收敛序列 -- [不动点 (Fixed Point)](concepts/不动点-Fixed-Point.md) — $\Phi(G^*) = G^*$，递归自优化的收敛目标，稳定生成能力 -- [不动点组合子 (Y-Combinator)](concepts/不动点组合子-Y-Combinator.md) — λ 演算中实现递归的经典组合子，表达自引用不动点 -- [递归自优化循环](concepts/递归自优化循环.md) — 三算子循环：$G$（生成）→ $O$（优化）→ $M$（更新），收敛到生成器不动点 -- [元生成器 (Meta-Generator)](concepts/元生成器-Meta-Generator.md) — $M: \mathcal{G} \times \mathcal{P} \to \mathcal{G}$，用优化结果更新生成器本身的算子 -- [TCP RST攻击](concepts/TCP-RST攻击.md) — GFW 通过 TCP Reset 包阻断连接，国内 GitHub 访问的主要干扰方式 -- [Git代理配置](concepts/Git代理配置.md) — `git config --global http.proxy` 让 Git 流量走 SOCKS5/HTTP 代理规避 TCP RST -- [SSH Socket Activation](concepts/SSH-Socket-Activation.md) — Ubuntu 24.04 默认 SSH 管理机制，按需启动 sshd 替代常驻进程 - -## Concepts (2026-04-16 Batch 2 Continued) -- [Identity Locking](concepts/Identity-Locking.md) — 通过 14 张参考图锁定角色身份，Nano-Banana Pro 实现多场景面部一致性 -- [Google Search Grounding](concepts/Google-Search-Grounding.md) — 结合 Google 实时搜索结果驱动图像生成，减少幻觉，支持动态数据可视化 -- [AI时代赚钱三原则](concepts/AI时代赚钱三原则.md) — 品味值钱（护城河）、端到端优于零件、死亡过滤器筛选热爱 +- [BMC](entities/BMC.md) — 企业软件和云解决方案提供商 +- [AWS](entities/AWS.md) — 全球最大公有云平台（EKS、RDS、S3、Lambda 等） +- [GCP](entities/GCP.md) — Google Cloud Platform（GKE、GCS、Cloud SQL 等） +- [Azure](entities/Azure.md) — Microsoft 公有云平台（AKS、Cosmos DB 等） +- [Kubernetes](entities/Kubernetes.md) — CNCF 开发的开源容器编排平台 +- [Terraform](entities/Terraform.md) — HashiCorp 开发的开源 IaC 工具 +- [CloudFormation](entities/CloudFormation.md) — AWS 的 IaC 服务 +- [Pulumi](entities/Pulumi.md) — 使用通用编程语言的基础设施即代码工具 +- [StackSets](entities/StackSets.md) — CloudFormation 跨账号跨区域部署功能 +- [EventBridge](entities/EventBridge.md) — AWS 无服务器事件总线服务 +- [CloudWatch](entities/CloudWatch.md) — AWS 监控和可观测性服务 +- [AWS Organizations](entities/AWS-Organizations.md) — AWS 账户管理服务 +- [KMS](entities/KMS.md) — AWS 密钥管理服务 +- [AIOps](entities/AIOps.md) — AI 运维平台，利用 AI/ML 技术实现运维自动化 +- [CMDB](entities/CMDB.md) — 配置管理数据库，存储和管理 IT 基础设施配置项 +- [ISO 27001](entities/ISO-27001.md) — 信息安全管理系统国际标准 +- [HIPAA](entities/HIPAA.md) — 美国健康保险便携性和责任法案 +- [GDPR](entities/GDPR.md) — 欧盟通用数据保护条例 +- [Open Alliance for Cloud Adoption (OACA)](entities/Open-Alliance-for-Cloud-Adoption-OACA.md) — 提出云成熟度模型定义的组织 +- [GitHub](entities/GitHub.md) — 全球最大代码托管平台 +- [OWASP](entities/OWASP.md) — Web 安全标准和 Top Ten 漏洞列表 +- [SonarQube](entities/SonarQube.md) — 开源代码质量和安全分析平台 ## Concepts -- [多云策略](concepts/多云策略.md) — 跨 AWS/Azure/GCP 多厂商工作负载分配，规避供应商锁定、提升弹性和成本效益 -- [磁盘镜像备份](concepts/磁盘镜像备份.md) — 将整个磁盘扇区级打包为镜像文件，全盘还原的核心备份方式 -- [灾难恢复](concepts/灾难恢复.md) — RTO/RPO 驱动的系统还原能力，Clonezilla restoredisk 完整恢复 -- [FRP内网穿透](concepts/FRP内网穿透.md) — frpc+frps 架构，将内网服务映射到公网；MacMini/NAS/Ubuntu1/2 统一通过 VPS1 暴露 -- [反向代理](concepts/反向代理.md) — Caddy（VPS1）和 nginx-proxy-manager（Ubuntu1）提供 HTTPS 终止和域名路由 -- [规划驱动](concepts/规划驱动.md) — Vibe Coding 第一原则：AI 执行前必须有清晰技术选型和模块化设计 -- [上下文固定](concepts/上下文固定.md) — Vibe Coding 第二原则：通过 .cursorrules/SPEC.md 维持 AI 长对话一致性 -- [AI 结对执行](concepts/AI结对执行.md) — Vibe Coding 第三原则：开发者做导演，AI 做执行，类似 Pair Programming -- [设计文档优先](concepts/设计文档优先.md) — 伪代码前置，AI 直出 + 双 AI review，vibe coding 工程化核心原则 -- [双AI-Review](concepts/双AI-Review.md) — 生成 AI 与审查 AI 职责分离，避免 self-justification，人工保留最终决策权 -- [上下文压缩](concepts/上下文压缩.md) — 将大型代码库压缩为结构化 Markdown，适配 AI 上下文窗口限制 -- [DevOps成熟度模型](concepts/DevOps成熟度模型.md) — 5 阶段评估框架（Ad-Hoc → Mature），4 大焦点领域 -- [共享内存模式](concepts/共享内存模式.md) — 多 Agent 共享 GOALS.md/DECISIONS.md + 私有上下文 -- [空性智慧](concepts/空性智慧.md) — 佛教核心教义，一切有为法如梦幻泡影露电 -- [绝处逢生](concepts/绝处逢生.md) — 行到水穷处，坐看云起时，东方逆境转化智慧 -- [多平台热点聚合](concepts/多平台热点聚合.md) — 整合 8 个数据源的结构化趋势研究方法论 -- [社交信号权重](concepts/社交信号权重.md) — 基于互动质量而非曝光量的热度评估框架 -- [Taylorism](concepts/Taylorism.md) -- [Software Factory](concepts/Software-Factory.md) -- [AI工具命名框架](concepts/AI工具命名框架.md) -- [流程工程](concepts/流程工程.md) -- [Source-Grounding](concepts/Source-Grounding.md) -- [被动学习](concepts/被动学习.md) -- [DevOps](concepts/DevOps.md) -- [Cloud Operating Model](concepts/Cloud-Operating-Model.md) — 云运营模型，组织管理云资源/安全/自动化/成本的标准化框架，四大支柱：治理/自动化/安全/FinOps -- [FinOps](concepts/FinOps.md) — 云财务运营，实时成本追踪+Reserved Instances+Auto-Scaling 防云超支 -- [Zero Trust](concepts/Zero-Trust.md) — 零信任安全模型，永不信任始终验证，最小权限+持续验证+微分段 -- [Docker Compose](concepts/Docker-Compose.md) — 多容器 Docker 应用声明式编排工具，YAML 定义 services/volumes/networks -- [Diff审查](concepts/Diff审查.md) — AI 生成代码的逐文件对比审查机制 -- [CI/CD Pipelines](concepts/CI-CD-Pipelines.md) -- [Remote SSH](concepts/Remote-SSH.md) — VS Code/Trae 通过 SSH 连接在远程服务器运行编辑器后端的插件 -- [Docker Attach模式](concepts/Docker-Attach模式.md) — Trae 直接进入 Docker 容器内部启动编辑器，完全隔离的开发环境 -- [Bind Mount](concepts/Bind-Mount.md) — Docker 宿主机目录挂载到容器内，代码修改实时生效的热更新机制 -- [Infrastructure as Code](concepts/Infrastructure-as-Code.md) -- [Agile](concepts/Agile.md) -- [DevSecOps](concepts/DevSecOps.md) -- [S3协议](concepts/S3协议.md) — Amazon S3 对象存储接口标准，MinIO/Cloudflare R2/Backblaze B2 均兼容此协议 -- [GitOps](concepts/GitOps.md) -- [Google Workspace CLI](concepts/Google-Workspace-CLI.md) — 命令行管理 Google Workspace 全部服务 -- [Serverless DevOps](concepts/Serverless-DevOps.md) -- [Edge Computing DevOps](concepts/Edge-Computing-DevOps.md) -- [Kaizen](concepts/Kaizen.md) -- [大语言模型](concepts/大语言模型.md) -- [AI生图](concepts/AI生图.md) -- [AI生视频](concepts/AI生视频.md) -- [通用智能体](concepts/通用智能体.md) -- [AI编程](concepts/AI编程.md) -- [AI代码编辑器](concepts/AI代码编辑器.md) — 集成 AI 辅助的代码编辑器（Cursor/Windsurf/Trae/Cline） -- [Composer模型](concepts/Composer模型.md) — Cursor 自研 AI 生成模型，速度比同类快 4 倍 -- [多代理并行](concepts/多代理并行.md) — 多个 AI 代理同时运行不同任务，互不干扰 -- [智能体工作流](concepts/智能体工作流.md) -- [AI搜索](concepts/AI搜索.md) -- [AI知识库](concepts/AI知识库.md) -- [结构化思维](concepts/结构化思维.md) -- [AI Agent 思维方式](concepts/AI-Agent-思维方式.md) — 先问关键问题澄清需求，再制定可执行方案；将模糊想法转化为清晰结构 -- [安全删除](concepts/安全删除.md) — 待删文件先移至 To-Be-Deleted 目录而非直接删除，保留人工复核窗口 -- [品味](concepts/品味.md) — AI 时代真正的护城河，能判断什么是真正好的（insanly great） -- [端到端](concepts/端到端.md) — 从 idea 到 product 的完整闭环，不做别人 AI 流水线上的零件 -- [死亡过滤器](concepts/死亡过滤器.md) — 每天问自己是否还愿意做这件事，筛选真正热爱的决策工具 -- [小文件清理](concepts/小文件清理.md) — 低于 100KB 阈值的图片（截图/微信压缩图）自动识别并移走 -- [分批执行](concepts/分批执行.md) — 大任务拆解为多个小批次执行，降低单次执行风险 -- [精确去重](concepts/精确去重.md) — MD5 哈希比对，只删内容完全相同的文件 -- [对话式设计](concepts/对话式设计.md) — Agentic AI 五大设计原则之一：自然语言界面取代传统点击交互 -- [个性化](concepts/个性化.md) — Agentic AI 五大设计原则之一：基于历史行为预测未来需求 -- [控制权](concepts/控制权.md) — Agentic AI 五大设计原则之一：用户始终对 AI 行为拥有停止/撤销能力 -- [透明度](concepts/透明度.md) — Agentic AI 五大设计原则之一：可视化 AI 任务进度和推理过程 -- [预判式设计](concepts/预判式设计.md) — Agentic AI 五大设计原则之一：AI 主动预判需求并提前行动 -- [精准表达](concepts/精准表达.md) -- [Prompt工程](concepts/Prompt工程.md) -- [RAG](concepts/RAG.md) -- [Embedding](concepts/Embedding.md) -- [向量数据库](concepts/向量数据库.md) -- [RSS Feed](concepts/RSS-Feed.md) -- [引文追溯](concepts/引文追溯.md) — NotebookLM 对每个回答附带精确原文引文，点击即可跳转至源文档对应位置 -- [图生视频](concepts/图生视频.md) -- [主体一致性](concepts/主体一致性.md) -- [运动控制](concepts/运动控制.md) -- [运镜控制](concepts/运镜控制.md) -- [风格迁移](concepts/风格迁移.md) -- [Agentic AI](concepts/Agentic-AI.md) — 能感知环境、决策、预判并自主行动的 AI 系统 -- [Multi-Agent Hierarchy](concepts/Multi-Agent-Hierarchy.md) — Supervisor+Worker+Validator 层级架构 -- [Multi-Agent Consensus](concepts/Multi-Agent-Consensus.md) — 多数投票提高输出可靠性 -- [Multi-Agent Adversarial Debate](concepts/Multi-Agent-Adversarial-Debate.md) — 对抗辩论防止 Sycophancy -- [Multi-Agent Knock-out](concepts/Multi-Agent-Knock-out.md) — 遗传算法启发的适应度淘汰制 -- [Print Mode](concepts/Print-Mode.md) — Claude Code 非交互单次执行模式 -- [Workspace](concepts/Workspace.md) — OpenClaw Agent 工作台目录体系 -- [MCP](concepts/MCP.md) — Model Context Protocol，LLM 与外部工具的标准化协议 -- [vLLM](concepts/vLLM.md) — PagedAttention 与连续批处理的推理优化框架 -- [Token](concepts/Token.md) — LLM 基本输入单元，中文约 0.6 token/字符 -- [Vibe Coding](concepts/Vibe-Coding.md) — 氛围编程，规划驱动+AI 结对执行 -- [项目规则](concepts/项目规则.md) — 自定义 .cursorrules 文件约束 AI 行为（如强制生成 Doc 注释） -- [Self-Healing Systems](concepts/Self-Healing-Systems.md) — Agentic AI 自动检测并修复异常 -- [RCA](concepts/RCA.md) — Root Cause Analysis，AI 驱动的根因分析 -- [Multi-Cloud Governance](concepts/Multi-Cloud-Governance.md) — 跨 AWS/GCP/Azure 多云治理 -- [数据蒸馏](concepts/数据蒸馏.md) — 用大模型生成精简数据训练小模型 -- [AI工作流自动生成](concepts/AI工作流自动生成.md) — 通过自然语言描述让 AI 自动生成工作流 -- [Agent模式](concepts/Agent模式.md) — Cursor Composer 自动执行模式 -- [rsync增量备份](concepts/rsync增量备份.md) — Delta-transfer 增量同步算法，防重入 lockfile，防 NAS 掉线机制 -- [NFS永久挂载](concepts/NFS永久挂载.md) — /etc/fstab + _netdev 参数实现开机自动挂载网络文件系统 -- [MCP工具链](concepts/MCP工具链.md) — 多个 MCP 工具顺序调用的工作流 -- [Agent Skill 设计模式](concepts/Agent-Skill-设计模式.md) — Google 发布的 5 种 Skill 结构化设计模式 -- [Tool Wrapper](concepts/Tool-Wrapper.md) — 监听关键词动态加载规范文档的模式 -- [Generator](concepts/Generator.md) — 通过填空流程强制一致输出格式的模式 -- [Reviewer](concepts/Reviewer.md) — 分离检查清单与检查逻辑的模式 -- [Inversion](concepts/Inversion.md) — agent 先问再做收集信息的模式 -- [Pipeline](concepts/Pipeline.md) — 带硬性检查点的严格顺序工作流模式 -- [渐进式披露](concepts/渐进式披露.md) — ADK 机制，按需加载 token -- [自递归优化生成系统](concepts/自递归优化生成系统.md) — α-提示词+Ω-提示词自举循环，收敛到生成器固定点 -- [固定点](concepts/固定点.md) — Φ(G*) = G* 的生成器，递归自优化系统的稳定态 -- [FeatureList](concepts/FeatureList.md) — 分层需求表，AI 共创需求创意的核心工具 -- [PRD自动生成](concepts/PRD自动生成.md) — FeatureList → Mermaid → 分页面口述 → HTML 原型的 AI 工作流 -- [baoyu-imagine](concepts/baoyu-imagine.md) — 多服务商图像生成 Skill，覆盖 OpenAI/Google/DashScope/MiniMax 等 9 家 -- [baoyu-infographic](concepts/baoyu-infographic.md) — 专业信息图，20 种布局 × 17 种视觉风格 -- [内容技能](concepts/内容技能.md) — baoyu-skills 内容生成与发布类 Skill 子集 -- [AI产品经理](concepts/AI产品经理.md) — 掌握 AI 嵌入工作流的产品经理，核心能力是精准表达与结构化思维 -- [超级个体](concepts/超级个体.md) — 某领域八九十分者用 AI 横向扩展，AI 是充分非必要条件 -- [可观测性](concepts/可观测性.md) — Metrics/Logs/Traces 三大支柱，Prometheus + Grafana + Loki 工具链 -- [合成监测](concepts/合成监测.md) — Synthetic Monitoring，通过探针模拟用户请求检测内外网服务可用性 -- [多节点基础设施](concepts/多节点基础设施.md) — VPS1 → MacMini → Synology NAS → Ubuntu1/2 四层拓扑，FRP 统一公网暴露 -- [媒体刮削](concepts/媒体刮削.md) — Media Scraping，Plex 等媒体服务器自动匹配 TMDB/TVDB 元数据 -- [硬件转码](concepts/硬件转码.md) — Intel QuickSync/NVIDIA NVENC 替代 CPU 执行视频转码，Jellyfin 性能优化核心手段 -- [电商数据采集](concepts/电商数据采集.md) — 从电商平台采集产品结构化信息，Scrapy + Playwright 主流技术栈 -- [AI数据处理](concepts/AI数据处理.md) — 通过 LLM 对采集数据进行摘要、分类、特征提取、翻译 +- [Agentic AI](concepts/Agentic-AI.md) — 具备自主决策和任务执行能力的 AI 系统 +- [Self-Healing Systems](concepts/Self-Healing-Systems.md) — 主动检测异常并自动修复的系统 +- [ITSM](concepts/ITSM.md) — IT 服务管理，从工单系统演进为战略推动者 +- [Policy-as-Code](concepts/Policy-as-Code.md) — 策略即代码，自动化安全策略执行和持续合规审计 +- [Hyperautomation](concepts/Hyperautomation.md) — 超级自动化，AI/ML 驱动的端到端流程自动化 +- [AI-driven RCA](concepts/AI-driven-RCA.md) — AI 驱动的根因分析 +- [Predictive Maintenance](concepts/Predictive-Maintenance.md) — 通过历史数据预测并预防故障 +- [Dynamic Configuration Management](concepts/Dynamic-Configuration-Management.md) — 运行时动态调整应用配置 +- [Cost Optimization](concepts/Cost-Optimization.md) — 最大化云资源价值、减少开销 +- [Compliance Enforcement](concepts/Compliance-Enforcement.md) — 自动化确保系统符合安全合规要求 +- [AI ChatOps](concepts/AI-ChatOps.md) — 通过协作平台与 AI 交互进行故障排除 +- [Multi-Tenant Management](concepts/Multi-Tenant-Management.md) — SaaS 多租户自动化管理 +- [What-If Simulations](concepts/What-If-Simulations.md) — AI 辅助的决策支持模拟 +- [AI-powered Runbooks](concepts/AI-powered-Runbooks.md) — AI 驱动的运维手册推荐 +- [Cloud Security](concepts/Cloud-Security.md) — 保护云环境中的数据、应用程序和基础设施免受威胁的安全措施 +- [Zero Trust Architecture](concepts/Zero-Trust-Architecture.md) — 零信任架构，"永不信任、始终验证"的安全框架 +- [Cloud Computing](concepts/Cloud-Computing.md) — 通过互联网远程访问计算资源的云计算服务模式 +- [Public Cloud](concepts/Public-Cloud.md) — 由第三方提供商通过互联网共享交付的云计算部署模式 +- [Private Cloud](concepts/Private-Cloud.md) — 专属于单一组织的云计算部署模式 +- [Hybrid Cloud](concepts/Hybrid-Cloud.md) — 组合使用公有云和私有云的部署模式 +- [Shared Responsibility Model](concepts/Shared-Responsibility-Model.md) — 云服务商与客户共同承担安全责任的框架 +- [Pay-as-you-go](concepts/Pay-as-you-go.md) — 基于实际使用量计费的商业模式 +- [Data Governance](concepts/Data-Governance.md) — 云环境中数据安全性、完整性和合规性的管理框架 +- [Cloud Migration](concepts/Cloud-Migration.md) — 将工作负载从本地迁移到云环境的过程 +- [High Availability](concepts/High-Availability.md) — 通过冗余和故障转移确保系统持续可用的设计原则 +- [Auto-scaling](concepts/Auto-scaling.md) — 根据负载自动调整计算资源的技术 +- [Serverless Computing](concepts/Serverless-Computing.md) — 无需管理服务器即可运行代码的云计算模式 +- [Cloud Service Delivery](concepts/Cloud-Service-Delivery.md) — 涵盖12个核心管理领域的云服务交付生命周期 +- [DevOps 文化](concepts/DevOps-文化.md) — 打破开发与运维壁垒，优先协作、持续学习和客户导向的文化理念 +- [CI/CD 流水线](concepts/CI-CD-流水线.md) — 自动化测试、集成和部署的持续交付管道 +- [Infrastructure as Code (IaC)](concepts/Infrastructure-as-Code-IaC.md) — 通过代码实现一致性、版本控制的基础设施管理 +- [敏捷实践](concepts/敏捷实践.md) — Scrum、Kanban 等迭代开发方法论 +- [DevSecOps](concepts/DevSecOps.md) — 在 CI/CD 流水线中深度集成安全工具的文化理念 +- [GitOps](concepts/GitOps.md) — 使用 Git 作为单一真相源来管理基础设施和部署 +- [持续改进 (Kaizen)](concepts/持续改进.md) — 通过迭代学习不断优化流程的文化实践 +- [混沌工程](concepts/混沌工程.md) — 主动测试系统韧性的实践方法 +- [无责复盘 (Blameless Postmortem)](concepts/无责复盘.md) — 不追究个人责任，聚焦问题本质的失败分析方法 +- [Cloud Maturity Model](concepts/Cloud-Maturity-Model.md) — 评估组织云采纳就绪程度的5级框架 +- [Cloud Adoption](concepts/Cloud-Adoption.md) — 将工作负载和服务从本地迁移到云的过程 +- [Cloud Native](concepts/Cloud-Native.md) — 利用云平台原生特性构建和运行应用的方法 +- [Hybrid Cloud](concepts/Hybrid-Cloud.md) — 组合使用公有云和私有云的部署模式 +- [Multi-Account Strategy](concepts/Multi-Account-Strategy.md) — AWS 多账号架构策略，通过分离工作负载提升安全性和治理能力 +- [Multi-Cloud](concepts/Multi-Cloud.md) — 使用多个云服务商服务的部署策略 +- [DevOps](concepts/DevOps.md) — 结合开发与运营实现持续软件交付的方法论 +- [DevOps 成熟度模型](concepts/DevOps-成熟度模型.md) — 评估组织 DevOps 实践水平的五级框架 +- [IaaS](concepts/IaaS.md) — 基础设施即服务，提供虚拟计算资源 +- [PaaS](concepts/PaaS.md) — 平台即服务，提供应用开发和部署平台 +- [SaaS](concepts/SaaS.md) — 软件即服务，以订阅方式提供软件应用 +- [CAPEX to OPEX](concepts/CAPEX-to-OPEX.md) — 从资本支出向运营支出的财务模式转变 +- [Cloud Security Maturity Model (CSMM)](concepts/Cloud-Security-Maturity-Model-CSMM.md) — 评估云安全成熟度的模型 +- [AWS Cloud Adoption Framework](concepts/AWS-Cloud-Adoption-Framework.md) — AWS 的云采纳框架 +- [Azure Cloud Adoption Framework](concepts/Azure-Cloud-Adoption-Framework.md) — Azure 的云采纳框架 +- [Google Cloud Adoption Framework](concepts/Google-Cloud-Adoption-Framework.md) — Google Cloud 的云采纳框架 +- [Cloud Center of Excellence (CCOE)](concepts/Cloud-Center-of-Excellence-CCOE.md) — 推动云采纳和治理的核心组织单元 +- [开源平替](concepts/开源平替.md) — 功能可替代闭源商业产品的开源项目 +- [SDLC（软件开发生命周期）](concepts/SDLC.md) — 软件开发的六个阶段流程 +- [SAST（静态应用安全测试）](concepts/SAST.md) — 静态代码分析，在编码早期发现漏洞 +- [SCA（软件成分分析）](concepts/SCA.md) — 检测开源依赖中的已知漏洞 +- [IAST（交互式应用安全测试）](concepts/IAST.md) — 运行时动态检测安全问题 ## Syntheses -- [DevOps 核心理念](syntheses/DevOps核心理念.md) - -## Sources (2026-04-15 PM Batch) -- [baoyu-skills Claude Code 技能集](sources/baoyu-skills-claude-code-技能集.md) — 宝玉技能集：内容技能（xhs/infographic/cover/comic等）+ baoyu-imagine（9家服务商）+ 工具技能（translate/youtube-transcript等） -- [Multi-Agent Specialized Team (Solo Founder Setup)](sources/Multi-Agent-Specialized-Team-Solo-Founder-Setup.md) — Solo founder 4 Agent 虚拟团队：Telegram 统一入口 + 共享记忆 + 定时主动任务 -- [Vibe-Kanban + OpenCode Ubuntu Server 安装管理指南](sources/Vibe-Kanban-OpenCode-Ubuntu-Server安装管理指南.md) — Ubuntu Server 安装 Node 20 + Vibe-Kanban + OpenCode，pm2 进程管理 -- [养虾日记2：OpenClaw + Self-Improving 复盘实战](sources/养虾日记2-OpenClaw-Self-Improving复盘实战.md) — 双层记忆架构 + Self-Improving + 每日复盘，Agent 在错误中持续进化 - -## Entities (2026-04-15 Evening Batch) -- [Nicholas Carlini](entities/Nicholas-Carlini.md) — 自主编码 agent 方法论提出者，STATE.yaml 去中心化协调灵感来源 -- [Matt Van Horne](entities/Matt-Van-Horne.md) — Last30Days skill 作者 -- [Alex Finn](entities/Alex-Finn.md) — OpenClaw Use Cases YouTube 视频作者 -- [TikTok Shop](entities/TikTok Shop.md) — 字节跳动旗下电商平台，电商选品数据来源 -- [Apache Superset](entities/Apache Superset.md) — Airbnb 开源 BI 可视化平台，Dashboard JSON 可导入导出 -- [Webz.io](entities/Webz.io.md) — 全覆盖新闻 API（surface+deep+dark web），金融/网安/风控首选 -- [GNews API](entities/GNews API.md) — 轻量低价新闻 API，适合小型应用和初创公司 -- [The Guardian API](entities/The Guardian API.md) — 高质量编辑内容新闻源，适合研究和内容平台 -- [Bloomberg API](entities/Bloomberg API.md) — 机构级金融实时市场数据 API -- [Financial Times API](entities/Financial Times API.md) — 专业财经分析与经济报告 API -- [Opoint](entities/Opoint.md) — 舆情监控与情感分析平台，PR/营销/品牌监测首选 -- [Mediastack API](entities/Mediastack API.md) — 7000+ 来源可扩展新闻 API，免费套餐可用 -- [Airtable](entities/Airtable.md) — 在线数据库+表格，可作为 N8N Agent 工具接入实现库存管理 - -## Entities (2026-04-15 PM Batch) -- [ClawHub](entities/ClawHub.md) — 按单个 skill 安装的 OpenClaw 插件市场协议 - -## Entities (2026-04-15 Night Batch) -- [Gitea](entities/Gitea.md) — 自托管 Git 服务，Obsidian 笔记版本控制层，私有内网运行 - -## Entities (2026-04-15 Late Night Batch) -- [CodeCrafters](entities/CodeCrafters.md) — build-your-own-x GitHub 仓库当前维护方，提供在线编程挑战平台 -- [Daniel Stefanovic](entities/Daniel-Stefanovic.md) — build-your-own-x 项目创始人 -- [王维](entities/王维.md) — 唐代诗人，"诗佛"，行到水穷处典故出处 -- [曾国藩](entities/曾国藩.md) — 晚清重臣，《治心经·诚心篇》作者，"唯忘机可以消众机"出处 -- [庄子](entities/庄子.md) — 战国道家代表，"知其不可奈何而安之若命"出处 - -## Concepts (2026-04-15 Night Batch) -- [LLM Wiki](concepts/LLM-Wiki.md) — AI 增量构建持久化 Wiki（对比 RAG 每次从零检索），Graph View 发现知识盲区 -- [天才地带](concepts/天才地带.md) — 盖伊·亨德里克斯心流理论，能产生心流的精力充沛活动区域 -- [底层能力](concepts/底层能力.md) — 冰山水下通用能力，三个自检问题追溯真正的擅长 -- [一人公司](concepts/一人公司.md) — 用最小杠杆撬动最大价值，天才地带 + 产品漏斗 + 内容矩阵 -- [产品漏斗](concepts/产品漏斗.md) — 引流（免费PDF）→ 入门（¥199）→ 核心（¥4999）→ 高价（¥20000/月）四层体系 -- [内容矩阵](concepts/内容矩阵.md) — 横轴核心主题 × 纵轴内容形式（观察/反直觉/操作指南/个人故事/清单） -- [价格锚定](concepts/价格锚定.md) — 高价放顶部让低价显得便宜的心理学定价策略 -- [反向金字塔](concepts/反向金字塔.md) — 一次长内容切无数微内容，一次制作百次分发 -- [Git自动同步](concepts/Git自动同步.md) — Obsidian Git 插件 Auto commit 全自动版本管理 -- [Graph View](concepts/Graph-View.md) — Obsidian 知识网络可视化，孤岛页面和灰色幽灵节点检测 -- [QMD](concepts/QMD.md) — 本地 Markdown 精准搜索引擎，Wiki 规模变大后替代 index.md - -## Concepts (2026-04-15 Evening Batch) -- [STATE.yaml](concepts/STATE-yaml.md) — 去中心化项目协调文件格式，YAML 结构定义任务状态与依赖 -- [去中心化协调](concepts/去中心化协调.md) — 无中央 orchestrator，各 agent 通过共享状态文件自主协调 -- [内容工厂](concepts/内容工厂.md) — 多 agent 链式协作内容创作管线 -- [产品工厂](concepts/产品工厂.md) — 市场研究到 MVP 构建的自动化管线 -- [个人知识库](concepts/个人知识库.md) — 基于 RAG 的个人第二大脑 -- [Superset Dashboard](concepts/Superset Dashboard.md) — Apache Superset Dashboard 标准布局：KPI行→爆品行→气泡图→类目分析行→评分模型行 -- [电商选品分析](concepts/电商选品分析.md) — TikTok Shop 多维度选品：销量+评分+折扣+评分数量综合评分 -- [选品评分模型](concepts/选品评分模型.md) — 加权公式：sold×0.4 + rating×12 + rating_count×0.2 + discount_percent×0.5 -- [KPI 卡片](concepts/KPI卡片.md) — Dashboard 顶部数字指标看板，6 项核心指标（产品数/热卖数/评分/价格/GMV/折扣占比） -- [News API](concepts/News API.md) — 标准化 HTTP API 获取结构化新闻数据，覆盖 7500+ 来源，金融/舆情/内容聚合场景 -- [Memory in AI Agent](concepts/Memory-in-AI-Agent.md) — Agent 保持对话上下文连贯性的机制，N8N AI Agent 节点内置 Memory 配置 -- [Workflow vs Agent](concepts/Workflow-vs-Agent.md) — 预定义固定路径 vs LLM 动态决策的本质区别，Workflow=确定性/Agent=适应性 - -## Concepts (2026-04-15 PM Batch) -- [nvm](concepts/nvm.md) — Node Version Manager，管理 Node.js 多版本 -- [pm2](concepts/pm2.md) — Node.js 进程管理器，进程守护+开机自启 -- [Vibe-Kanban](concepts/Vibe-Kanban.md) — AI 结对编程任务看板，Web UI + executor 自动 spawn -- [Self-Improving Skill](concepts/Self-Improving-Skill.md) — 结构化经验记录系统，错误只犯一次 -- [双层记忆架构](concepts/双层记忆架构.md) — 短期记忆（每日文件）+ 长期记忆（LanceDB）+ self-improving（成长） -- [Pattern-Key](concepts/Pattern-Key.md) — 经验记录唯一标识，追踪重复踩坑信号 -- [Recurrence-Count](concepts/Recurrence-Count.md) — 重复次数计数器，区分偶发错误与系统性问题 -- [每日复盘](concepts/每日复盘.md) — 23:00 定时复盘流程，self-improving 触发机制 -- [记忆断层](concepts/记忆断层.md) — 无对话日 memory 文件缺失问题，Session 启动时强制创建解决 - -## Sources (2026-04-16 Batch 9) -- [Obsidian 高效指南：我常用的插件与实用技巧](sources/Obsidian高效指南-我常用的插件与实用技巧.md) — Tasks/Dataview/Templater/QuickAdd 四大插件组合；双向链接+每日笔记形成知识管理闭环；Dataview 查询实现笔记资产盘活 -- [2025 年 11 个神级 AI 开源平替，GitHub 杀疯了](sources/2025年11个神级AI开源平替-GitHub杀疯了.md) — DeepSeek R1/Qwen3/Flux/HunyuanVideo/OpenManus/Cline/n8n/Dify/Perplexica；国产开源 LLM 已领先；Flux 人体解剖学最正确 -- [AI 解决方案专家培训课程](sources/AI解决方案专家培训课程.md) — Coze 平台多行业 Agent Demo：金融/医疗/教育/电商/HR/客服；Bot+Workflow 两种构建形态；低代码快速搭建企业 AI 应用 -- [TK美国面单授权及操作流程](sources/TK美国面单授权及操作流程.md) — TikTok Shop 美国市场面单授权流程截图（6张）；Zipline 图床托管；跨境电商运营前置步骤 -- [Ubuntu Server 科学上网配置指南](sources/Ubuntu-Server科学上网配置指南.md) — ProxyChains（终端命令）+ Git 全局配置 + systemd Docker Daemon 代理 + ~/.docker/config.json 容器内代理；分层代理架构 - -## Sources (2026-04-16 Batch 10) -- [Obsidian Tasks 插件：最适合懒人的任务管理方式](sources/Obsidian-Tasks-插件-任务管理.md) — Tasks 插件实现笔记+任务一体化；标准 Markdown `- [ ]` 创建任务；`tasks` 查询代码块聚合全局任务；`⏳ every week` 重复任务自动生成 -- [系统提示词构建原则](sources/系统提示词构建原则.md) — Claude Code 类 AI Coding Agent 系统提示词设计框架：5 大维度（核心身份15条/沟通规范16条/任务执行24条/技术规范29条/安全防护10条）；行为可预期性设计 - -## Concepts (2026-04-16 Batch 9) -- [ProxyChains](concepts/ProxyChains.md) — 终端命令强制走 SOCKS5 代理；/etc/proxychains4.conf 配置；socks5h:// 防 DNS 污染 -- [SOCKS5 代理](concepts/SOCKS5代理.md) — socks5 vs socks5h vs HTTP 代理对比；代理服务器 DNS 解析防止污染 -- [Docker Daemon 代理](concepts/Docker-Daemon代理.md) — systemd 环境变量注入；docker info 验证；vs 容器内应用代理 - -## Concepts (2026-04-16 Batch 12 continued) -- [健康追踪](concepts/健康追踪.md) — Telegram 对话式持续记录食物与症状，Cron 每日 3 次提醒，周度模式分析识别触发因素 -- [嘉宾研究](concepts/嘉宾研究.md) — 播客录制前深度调研嘉宾背景/近期动态/观点立场，是提升访谈质量的核心准备 - -## Concepts (2026-04-16 Batch 12) -- [Telegram Webhook](concepts/Telegram-Webhook.md) — Telegram Bot 回调机制，HTTP POST 推送用户消息；强制 HTTPS 要求；5秒响应时间限制 -- [WEBHOOK_URL](concepts/WEBHOOK_URL.md) — n8n 环境变量，指定公网 HTTPS Webhook 地址；解决 Telegram Webhook HTTPS 报错 - -## Concepts (2026-04-16 Batch 10) -- [任务-笔记一体化](concepts/任务-笔记一体化.md) — 任务与笔记不是分离系统，任务是有截止日期和优先级的笔记段落；Obsidian Tasks 插件实现工具层融合 -- [系统提示词](concepts/系统提示词.md) — 定义 AI Agent 核心身份和行为准则的顶层 prompt；5 层架构（身份/沟通/执行/技术规范/安全防护）；行为可预期性设计原则 +- （暂无） diff --git a/wiki/log.md b/wiki/log.md index bb5b412c..b615793d 100644 --- a/wiki/log.md +++ b/wiki/log.md @@ -1,410 +1,151 @@ -## [2026-04-16 Batch 12 continued] ingest | 3 sources — Health Tracker + Inbox De-clutter + Podcast Production Pipeline -- Health & Symptom Tracker：Telegram 对话式健康追踪，每日 3 次 Cron 提醒 + Markdown 日志 + 周度模式分析识别食物触发因素 -- Inbox De-clutter：Gmail 新闻简报自动化，OAuth 读取 + LLM 摘要生成 + 偏好记忆持续优化 -- Podcast Production Pipeline：多 Agent 链式协作播客生产管线，预录制研究→大纲生成→录制后 Show Notes→社媒工具包 -- Created: 3 entities (Spotify, Apple Podcasts, Whisper), 2 concepts (健康追踪, 嘉宾研究) - -## [2026-04-16 Batch 8] ingest | 3 sources — Agentic AI 设计 + LLM/RAG/Agent 架构 + DevOps 成熟度 -- Designing for Agentic AI：Agentic AI 五大 UX 设计原则（透明度/控制权/个性化/对话/预判）；与 GenAI 的本质区别——主动行动 vs 被动响应内容创作 -- LLMs、RAG、AI Agent 三个到底什么区别？：LLM（天才大脑/思考）→ RAG（随身图书馆助理/信息）→ AI Agent（行动者/执行）三层架构；真正生产系统叠加三者——LLM推理、RAG确保准确性、Agent框架实现自主性 -- Cloud DevOp Maturity - Guideline：企业级 SaaS 云 DevOps 成熟度评估框架；DORA 四大指标 + CMMI 成熟度模型；四大支柱：自动化/协作文化/监控可观测性/DevSecOps -- Created: 1 new concept (GenAI), updated 3 entity pages, updated 3 concept pages (Agentic-AI, RAG, DevOps) - -## [2026-04-16 Batch 6] ingest | 3 sources -- AWS CloudFormation StackSets 多账户集中日志监控：EventBridge 跨账户事件转发 + CloudWatch Logs 集中存储 + CloudWatch Logs Insights 跨账户查询；log-setup-management.yaml + common-resources-stackset.yaml 两张模板全自动化部署 -- Scrapy + Playwright 抓取 TikTok Shop Data：venv 虚拟环境隔离依赖；scrapy-playwright 集成包驱动 Chromium 渲染 TikTok Shop 动态页面；Docker venv PATH 配置 -- Mac Mini 服务器配置：防止自动锁屏与睡眠：pmset -a sleep 0 displaysleep 0 standby 0 hibernatemode 0 彻底关闭睡眠；WOL 网络唤醒；caffeinate -d -i -s 临时方案 -- Created: 1 entity (Mac Mini), 13 concepts (CloudFormation StackSets, EventBridge, CloudWatch Logs, CloudWatch Logs Insights, AWS Organizations, Scrapy, Playwright, pmset, caffeinate, WOL) - -## [2026-04-16 Batch 5] ingest | 5 sources -- arXiv Paper Reader：Prismer arxiv-reader skill（3 工具）+ LaTeX 源码自动展平 + 多篇论文对比表格 + 本地缓存 -- Autonomous Educational Game Development Pipeline：独立开发者 LANero 为女儿创建 El Bebe Games 教育游戏网站；Bugs First 策略 + Round Robin 队列 + Git 分支工作流；每 7 分钟一个游戏或修复 -- Semantic Memory Search：memsearch 为 OpenClaw Markdown 记忆叠加向量语义搜索；混合搜索（dense+BM25+RRF）+ SHA-256 增量索引 + 文件监视器自动重索引 -- Self-Healing Home Server：OpenClaw Agent "Reef" 自主运维家庭基础设施；SSH/K8s/Terraform + 定时 Cron + TruffleHog 预推钩子 + 私有 Gitea CI；晨报自动化 -- Polymarket Autopilot：预测市场模拟交易自动化；TAIL/BONDING/SPREAD 三策略 + PostgreSQL 记录 + Discord 每日报告 -- Created: 7 entities (Prismer AI, El Bebe Games, LANero, memsearch, Nathan-Reef, TruffleHog, Polymarket), 12 concepts (LaTeX Flattening, Bugs First Policy, Conventional Commits, 语义搜索, 混合搜索, 增量索引, 自愈基础设施, 多因素安全防护, 定时晨报, 邮件分类, 预测市场, 纸带交易) - -## [2026-04-16 Batch 3] ingest | 4 sources -- How to get YouTube Channel ID：view-source 查 channel_id，可拼接 RSS Feed URL 供 n8n 自动化工作流 -- Git Push 连接重置问题修复：TCP RST 攻击（GFW）导致；Git 全局 SOCKS5 代理或 SSH 协议切换解决 -- Ubuntu 24.04 启用 SSH 服务：ssh.socket 按需激活机制替代传统常驻 ssh.service；ufw allow ssh 放行 -- 递归自优化生成系统的形式化框架（tukuai）：自映射 Φ 不动点理论；生成器空间收敛到稳定生成能力；Y 组合子表达自引用；为 self-improving AI 提供数学基础 -- Created: 1 entity (tukuai), 10 concepts (生成器空间/自映射/不动点/不动点组合子/递归自优化循环/元生成器/TCP RST攻击/Git代理配置/SSH Socket Activation/YouTube-RSS-Feed) - -## [2026-04-16 Early Morning Batch] ingest | 3 sources -- Never Write Another Prompt（YouTube 视频笔记）：提示词生成工具，描述转结构化提示词 + 变量注入，$100-500/条降至零成本 -- OpenAI ChatGPT 个性化定义：Custom Instructions 配置实例，47岁云服务高管转型TikTok跨境电商，精准推理+反权威认知风格 -- RAG从入门到精通系列1：基础RAG（已存在于 sources，重复文档，跳过） -- Created: 1 entity (OpenAI), 3 concepts (自定义指令, 提示词库, 变量注入) - -## [2026-04-15 Late Night Batch] ingest | 5 sources -- Multi-Agent System Reliability（Alex Ewerlöf）：4种可靠性架构模式；Hierarchy/Consensus/Debate/Knock-out；LLM 不可靠组件论 -- Build Your Own X：从零构建技术栈 GitHub 资源集；费曼学习法实践；25个技术领域 -- Multi-Agent Specialized Team（Solo Founder 模式）：Telegram 统一入口；4 Agent 虚拟团队；定时主动任务推送 -- 一语点醒梦中人 — 东方人生智慧：空性智慧/绝处逢生/知其不可奈何而安之若命；王维/庄子/曾国藩 -- Autonomous Project Management（去中心化协调）：STATE.yaml 替代 orchestrator；Git 审计日志；CEO 模式 -- Created: 5 entities (CodeCrafters, Daniel Stefanovic, 王维, 曾国藩, 庄子), 0 new concepts (均复用已有概念) - -## [2026-04-15 Night] ingest | 养虾日记3：Obsidian + Gitea 持久化笔记系统 -- [养虾日记3-Obsidian-Gitea持久化笔记系统.md](sources/养虾日记3-Obsidian-Gitea持久化笔记系统.md) -- Key claims: LLM Wiki vs RAG 本质区别（增量积累 vs 从零检索）；Obsidian + Gitea + OpenClaw 三层笔记架构；Graph View 知识健康检查 -- Created: 1 entity (Gitea), 5 concepts (LLM Wiki, Git自动同步, Graph View, QMD, 知识可发现性) - -## [2026-04-15 Night] ingest | 万字保姆级教程：90天跑通一人公司模式 -- [万字保姆级教程-90天跑通一人公司模式-2026-03-29.md](sources/万字保姆级教程-90天跑通一人公司模式-2026-03-29.md) -- Key claims: 天才地带/Ikigai 框架；产品漏斗四层定价；内容矩阵 × 反向金字塔分发；四大心理陷阱 -- Created: 4 concepts (天才地带, 底层能力, 一人公司, 产品漏斗, 内容矩阵, 价格锚定, 反向金字塔) - -## [2026-04-15 Night] ingest | 万字讲透OpenClaw Workspace 深度解析（2026-03-21版） -- [万字讲透OpenClaw-Workspace深度解析-2026-03-21.md](sources/万字讲透OpenClaw-Workspace深度解析-2026-03-21.md) -- Key claims: workspace 7 大文件体系职责分工；AGENTS.md 300-500 字最佳；SOUL.md 叙事性人物小传；BOOTSTRAP.md 一次性引导后删除 -- Created: 0 entities (已存在 OpenClaw), 0 new concepts (内容已覆盖) - -## [2026-04-15 Night] ingest | n8n + Claude 自然语言自动化工作流 -- [n8n-Claude-自然语言自动化工作流.md](sources/n8n-Claude-自然语言自动化工作流.md) -- Key claims: n8n-mcp MCP 协议桥接；543 个节点结构化访问；Claude 生成工作流完成度 80-90% -- Created: 1 concept (n8n-mcp 已有), 0 new concepts - -## [2026-04-15] ingest | DevOps Culture and Transformation - -## [2026-04-15] ingest | 2025年11个神级AI开源平替，GitHub杀疯了 - -## [2026-04-15] ingest | 14个免费的AI图生视频工具，用AI让图片动起来 - -Added source. Key claims: DeepSeek R1是开源界首个深度推理破壁者；Qwen 3是开源界六边形战士；Flux是人体解剖学最正确的开源生图模型；HunyuanVideo是开源界参数量最大的视频生成模型；Manus定义AI Agent元年；OpenManus有5万Star；Cline是Cursor最佳开源平替；n8n有16万Star；Perplexica是完全本地化的开源AI搜索。 - -Created/updated: 12 entity pages (DeepSeek, Qwen, Flux, Stable Diffusion, HunyuanVideo, Manus, OpenManus, Cline, n8n, Dify, Perplexica, NotebookLM), 8 concept pages (大语言模型, AI生图, AI生视频, 通用智能体, AI编程, 智能体工作流, AI搜索, AI知识库), 1 source page. - - -## [2026-04-15] ingest | 3.2万人收藏的Claude Skills -- Key claims: Skills = 说明书 + SOP；从提示词工程迈向流程工程；Anthropic 官方 Skills 仓库含 3.2 万收藏；skillsmp.com/aitmpl.com/claudemarketplaces.com 三大聚合站 -- Created: 1 entity (Anthropic), 2 concepts (AI技能封装, 流程工程) - -## [2026-04-15] ingest | 7 Ways NotebookLM -- [7-ways-NotebookLM](sources/7-ways-NotebookLM.md) -- Key claims: Source-Grounding 机制确保回答可溯源；Audio Overviews 支持被动学习；NotebookLM 可作项目管理系统与法律文档审查工具 -- Created: 2 concepts (Source-Grounding, 被动学习) - -## [2026-04-15] ingest | Designing for Agentic AI -- [Designing-for-Agentic-AI](sources/Designing-for-Agentic-AI.md) -- Key claims: Agentic AI = 行动导向而非内容生成；5条设计原则：透明度、控制感、个性化、对话、预判；用户通过观察 AI 决策过程参与交互 -- Created: 1 concept (Agentic AI), 1 entity (Yuri Pessa) - -## [2026-04-15] ingest | LLMs、RAG、AI Agent 三个到底什么区别 -- [LLMs-RAG-AI-Agent-三个到底什么区别](sources/LLMs-RAG-AI-Agent-三个到底什么区别.md) -- Key claims: LLM = 天才大脑（推理）；RAG = 随身图书馆助理（信息）；AI Agent = 行动循环（执行）；三者协同构成生产级 AI 系统 -- Created: concepts (LLM, RAG, AI Agent, AI Agent 循环) - -## [2026-04-15] ingest | 大模型相关术语和框架总结 -- [大模型相关术语和框架总结](sources/大模型相关术语和框架总结.md) -- Key claims: LLM ≥1B 参数门槛；MCP 协议是 LLM 与外部工具的标准化接口；大模型仅输出步骤不执行；RAG 将考试正确率从 60% 提升至 90%；vLLM 通过 PagedAttention 和连续批处理优化 GPU 利用率 -- Created: 8 concepts (MCP, vLLM, Token, Self-Healing Systems, RCA, Multi-Cloud Governance, 数据蒸馏), 0 entities (已有 DeepSeek/Manus/GPT-2/GPT-3) - -## [2026-04-15] ingest | GitHub 上 5000 人收藏的 Vibe Coding 神级指南 -- [GitHub-Vibe-Coding-神级指南](sources/GitHub-Vibe-Coding-神级指南.md) -- Key claims: Vibe Coding = 规划驱动 + 上下文固定 + AI 结对执行；开发者做导演，AI 工具承担体力活；推荐 Cursor + claude-opus-4.5-xhigh -- Created: 5 entities (Cursor, Windsurf, Trae, Karpathy, vibe-coding-cn), 1 concept (Vibe Coding) - -## [2026-04-15] ingest | How Agentic AI can help for Cloud DevOps -- [How-Agentic-AI-for-Cloud-DevOps](sources/How-Agentic-AI-for-Cloud-DevOps.md) -- Key claims: Agentic AI 赋能 7 大 DevOps 场景：自主检测修复、智能 IaC、成本优化、安全合规、日志分析、多租户管理、AI 增强决策 -- Created: 4 entities (AWS, GCP, Azure, Terraform, CloudWatch), 0 concepts (已有 Agentic AI) - -## [2026-04-15] ingest | Multi-Agent System Reliability -- [Multi-Agent-System-Reliability](sources/Multi-Agent-System-Reliability.md) -- Key claims: 4种架构模式提升多 Agent 可靠性：Hierarchy/Consensus/Adversarial Debate/Knock-out；LLM 不可靠必须被约束验证淘汰；停止拟人化 LLM -- Created: 4 concepts (Multi-Agent Hierarchy/Consensus/Adversarial Debate/Knock-out), 1 entity (Alex Ewerlöf) - -## [2026-04-15] ingest | 如何写出完美的Prompt -- [如何写出完美的Prompt（提示词）？](sources/如何写出完美的Prompt（提示词）？.md) -- Key claims: Prompt = 人与AI协作协议；Prompt能力本质是结构化思维+精准表达；建立测试-反馈-优化闭环 -- Created: 3 concepts (结构化思维, 精准表达, Prompt工程) - -## [2026-04-15] ingest | RAG从入门到精通 -- [RAG从入门到精通系列1：基础RAG](sources/RAG从入门到精通系列1：基础RAG.md) -- Key claims: RAG = Indexing-Retrieval-Generation 三阶段；Embedding Model Context Window 512~8192 token 需文档切分；LangChain 简化 RAG 管道构建 -- Created: 3 concepts (RAG, Embedding, 向量数据库) - -## [2026-04-15] ingest | YouTube RSS Feed -- [How to Get the RSS Feed For Any YouTube Channel](sources/How-to-Get-the-RSS-Feed-For-Any-YouTube-Channel.md) -- Key claims: 通过 View Page Source 搜索 channel_id= 可获取 RSS Feed URL；无需第三方服务 -- Created: 1 concept (RSS Feed) - -## [2026-04-15] ingest | Nano Banana 提示词框架 -- Key claims: 9层结构化字段（Shot/Subject/Environment/Lighting/Camera/ColorGrade/Style/Quality/Negatives）；negatives 是质量控制关键；camera 字段提供电影级构图控制 -- Created: 1 concept (Nano Banana), 1 entity (Google) - -## [2026-04-15] ingest | Claude Code 调用方法总结 -- [Claude-Code调用方法总结](sources/Claude-Code调用方法总结.md) -- Key claims: Print Mode = stdin 管道非交互模式（推荐）；bypassPermissions 跳过所有确认；--add-dir 自动激活 SKILL；delegate_task 无法建立外部 CLI 通道 -- Created: 2 concepts (Print Mode, Skill加载), 2 entities (Claude Code, Hermes) - -## [2026-04-15] ingest | 万字讲透OpenClaw Workspace -- [万字讲透OpenClaw-Workspace深度解析](sources/万字讲透OpenClaw-Workspace深度解析.md) -- Key claims: AGENTS.md 300-500字最佳；SOUL vs IDENTITY 分工明确；TOOLS.md 核心是"什么时候不用"；memory/ 是真正长期记忆；7个核心文件配合实现可预期性 -- Created: 7 concepts (Workspace, AGENTS.md, SOUL.md, USER.md, TOOLS.md, IDENTITY.md, BOOTSTRAP.md), 2 entities (OpenClaw, DracoVibeCoding) - -## [2026-04-15] ingest | 使用Claude自动生成N8N工作流 -- [使用Claude自动生成N8N工作流的实操教程](sources/使用Claude自动生成N8N工作流的实操教程.md) -- Key claims: n8n-mcp 提供 543 节点结构化访问；Claude 自动生成工作流完成度 80%-90%；Opensea 模型 + extended thinking 提升质量 -- Created: 4 entities (n8n-mcp, czlonkowski, Claude, n8n), 1 concept (AI工作流自动生成) - -## [2026-04-15] ingest | MCP在Cursor中的集成与应用 -- [MCP在Cursor中的集成与应用详解](sources/MCP在Cursor中的集成与应用详解.md) -- Key claims: MCP 3种核心接口（GET/POST/Promise）；Cursor 支持 SSE 和 Command 两种接入方式；Agent 模式自动执行工具链；Sequential Thinking 分步推理 -- Created: 4 entities (Composer, Sequential Thinking, Cursor, MCP), 3 concepts (Agent模式, MCP工具链, MCP) - -## [2026-04-15] ingest | Google 5个Agent Skill设计模式 -- [Google-5个Agent-Skill设计模式-2026-03-19](sources/Google-5个Agent-Skill设计模式-2026-03-19.md) -- Key claims: 5种设计模式（Tool Wrapper/Generator/Reviewer/Inversion/Pipeline）；可组合使用；Anthropic：最好的 Skill 是工具箱而非提示词 -- Created: 1 entity (Google), 10 concepts (Agent Skill设计模式, Tool Wrapper, Generator, Reviewer, Inversion, Pipeline, 渐进式披露, etc.) - -## [2026-04-15] ingest | A Formalization of Recursive Self-Optimizing Generative Systems -- [A-Formalization-of-Recursive-Self-Optimizing-Generative-Systems](sources/A-Formalization-of-Recursive-Self-Optimizing-Generative-Systems.md) -- Key claims: 自优化系统核心目标是生成器空间收敛而非单次最优；稳定生成能力 = Φ 的固定点；Y Combinator 实现自引用不动点；Bootstrapping = α-提示词+Ω-提示词递归超越 -- Created: 3 concepts (自递归优化生成系统, 固定点, 自举), 1 entity (tukuai) - -## [2026-04-15] ingest | 不会Gemini的产品经理真的要淘汰了 -- [不会Gemini的产品经理真的要被淘汰了](sources/不会Gemini的产品经理真的要被淘汰了.md) -- Key claims: Gemini是知识渊博但不带脑子的苦工；FeatureList共创→Mermaid→PRD→HTML为AI产品经理核心工作流；精准表达是调教基础；超级个体=某领域八九十分+AI放大 -- Created: 4 concepts (FeatureList, PRD自动生成, AI产品经理, 超级个体), 2 entities (Kira2red, Gemini) - -## [2026-04-15] ingest | baoyu-skills 宝玉 Claude Code 技能集 -- [baoyu-skills-claude-code技能集](sources/baoyu-skills-claude-code技能集.md) -- Key claims: ClawHub按单个skill安装；内容技能覆盖xhs/信息图/幻灯片/漫画；baoyu-imagine支持9家服务商自动选择；工具技能覆盖翻译/字幕/URL抓取等 -- Created: 6 concepts (baoyu-imagine, baoyu-infographic, 内容技能, AI生成技能, 工具技能, ClawHub), 2 entities (宝玉, JimLiu) - -## [2026-04-15 PM] ingest batch | 4 docs (n8n Docker / Cloud Operating Model / MinIO+Zipline / Trae) -- [n8n-Docker安装与更新](sources/n8n-Docker安装与更新.md) - Key claims: n8n 官方镜像需 Dockerfile 扩展安装 curl/wget；ALL_PROXY=socks5://172.21.0.1:10808 使容器内流量走宿主机代理；更新流程：pull && down && up -d - Created: 1 concept (Docker容器网络) - -- [Cloud-Operating-Model-关键策略与最佳实践](sources/Cloud-Operating-Model-关键策略与最佳实践.md) - Key claims: COM 四大支柱（治理/自动化/安全/FinOps）；Zero Trust=零隐式信任持续验证；FinOps 可降低 35-40% 云成本；六步设计法 - Created: 4 concepts (Cloud Operating Model, FinOps, Zero Trust, 云治理) - -- [MinIO-Zipline-自托管图床应用安装教程](sources/MinIO-Zipline-自托管图床应用安装教程.md) - Key claims: MinIO+Zipline+PostgreSQL 三件套 Synology Docker 部署；pg_dump 热备份+Hyper Backup 增量归档防数据不一致；mc anonymous set public 设置公开 Bucket - Created: 2 entities (MinIO, Zipline), 4 concepts (S3协议, Docker Compose, PostgreSQL备份, Synology Hyper Backup) - -- [Trae远程开发部署指南](sources/Trae远程开发部署指南.md) - Key claims: Remote SSH 连接 Ubuntu 服务器；Attach 容器模式=隔离环境；Bind Mount=热更新；SSH Agent 转发解决 Git 凭证问题 - Created: 3 concepts (Remote SSH, Docker Attach模式, Bind Mount) - -## [2026-04-15] ingest batch | 5 docs -- [Claude Skills研究范式](sources/Claude-Skills研究范式.md) -- Key claims: Skills = 说明书 + SOP；从提示词工程迈向流程工程；Anthropic 官方 Skills 仓库含 3.2 万收藏；skillsmp.com/aitmpl.com/claudemarketplaces.com 三大聚合站 -- Created: 1 entity (Anthropic), 2 concepts (AI技能封装, 流程工程) - -- [递归自优化生成系统的形式化框架](sources/递归自优化生成系统的形式化框架.md) -- Key claims: 自优化目标 = 生成器空间 {G_n} 的收敛行为；稳定生成能力 = Φ 的固定点 G*；Y Combinator 表达 G* = Y STEP；自举实现自我超越 -- Created: 3 concepts (自递归优化生成系统, 固定点, Y Combinator), 1 entity (tuuai) - -- [AI解决方案专家培训课程](sources/AI解决方案专家培训课程.md) -- Key claims: Coze 平台（coze.cn/coze.com）覆盖 8 大行业 Agent Demo；支持单 Bot 对话、Workflow 工作流、表格问答等多种类型 -- Created: 1 entity (Coze) - -- [NotebookLM的7种用法](sources/NotebookLM的7种用法.md) -- Key claims: Source-Grounding 机制确保回答可溯源；Audio Overviews 支持被动学习；NotebookLM 可作项目管理系统、法律文档审查工具、软件更新对比工具 -- Created: 1 entity (NotebookLM), 2 concepts (Source Grounding, 被动学习) - -- [Nano Banana结构化提示词框架](sources/Nano-Banana结构化提示词框架.md) -- Key claims: 9层结构化字段（Shot/Subject/Environment/Lighting/Camera/ColorGrade/Style/Quality/Negatives）；negatives 是质量控制关键；camera 字段提供电影级构图控制 -- Created: 1 concept (Nano Banana, 负向提示词), 1 entity (Google) - -## [2026-04-15] ingest batch | 3 docs (Home Office + Cloud DevOps) - -- [Cloud-DevOp-Maturity-Guideline](sources/Cloud-DevOp-Maturity-Guideline.md) -- Key claims: DevOps 成熟度评估框架；DORA 四指标（部署频率、变更前置时间、变更失败率、平均恢复时间）；四大支柱（自动化、协作与文化、监控与可观测性、DevSecOps） -- Created: 1 concept (DORA指标) - -- [Cloud-Maturity-Model](sources/Cloud-Maturity-Model.md) -- Key claims: 云成熟度 5 级模型（Legacy→Initial→Repeatable→Systematic→Measured→Optimized）；三要素（People/Processes/Technology）；Forrester 预测2025年市场达15亿美元 -- Created: concepts (云成熟度模型, 云迁移, 云治理, CAPEX, OPEX, TCO) - -- [Linux-运维必会的150个命令](sources/Linux-运维必会的150个命令.md) -- Key claims: 150 个 Linux 核心命令速查；一切皆文件理念；按功能分类（线上查询、文件操作、文本处理、信息显示、压缩解压） -- Created: concepts (Shell, 管道, 正则表达式) - -## [2026-04-15] ingest batch | 3 docs (监控方案 + NAS媒体平台 + 电商爬虫) - -- [家庭监控方案 Prometheus + Grafana + Node Exporter + cAdvisor + Blackbox](sources/家庭监控方案 Prometheus + Grafana + Node Exporter + cAdvisor + Blackbox.md) -- Key claims: Prometheus pull模式采集主机/容器/服务指标；Grafana Dashboard ID 1860/14282/7587；docker-compose 一键部署完整监控栈；Docker Socket 挂载存在安全风险；TLS 证书到期可通过 probe_ssl_earliest_cert_expiry 监控 -- Created: entities (Prometheus, Grafana, Loki, Uptime Kuma), concepts (可观测性, 合成监测) - -- [Synology NAS + Xiaoya Alist + CloudDrive2 + Plex to Build Media Platform](sources/Synology NAS + Xiaoya Alist + CloudDrive2 + Plex to Build Media Platform.md) -- Key claims: 离线镜像导入法（docker save/load）解决 Container Manager 无法访问 Docker Hub；Xiaoya Alist 需 myopentoken/mytoken/temp_transfer_folder_id 三个配置文件；CloudDrive2 需 DSM 7+ privilege 修复；Plex 通过 TMDB/TVDB 自动刮削 -- Created: entities (Plex, Synology NAS, 阿里云盘), concepts (媒体刮削) - -- [可自动化可扩展AI增强的电商数据采集与处理系统](sources/可自动化可扩展AI增强的电商数据采集与处理系统.md) -- Key claims: Scrapy + scrapy-playwright 处理静态+动态页面；n8n Workflow 自动化管线（Cron→爬虫→AI→存储→通知）；Ollama 本地模型通过 HTTP API 调用；防封策略（UA轮换/代理池/延迟访问） -- Created: entities (Scrapy, Playwright, Ollama), concepts (电商数据采集, AI数据处理) - -## [2026-04-15 PM] ingest batch | Multi-Agent Team / DevOps Maturity / 一语点醒梦中人 / NodeWarden -- [Agent-usecases-multi-Agent-Team](sources/Agent-usecases-multi-Agent-Team.md) - Key claims: 单一 Agent 无法多领域高效工作；共享记忆+私有上下文是多 Agent 协作核心；定时主动任务是价值飞轮；从 2 Agent 开始按瓶颈扩展 - Created: 2 entities (Trebuh, Cloudflare), 3 concepts (DevOps成熟度模型, 共享内存模式, 空性智慧, 绝处逢生) -- [DevOps-Maturity-Model-From-Traditional-IT-to-Advanced-DevOps](sources/DevOps-Maturity-Model-From-Traditional-IT-to-Advanced-DevOps.md) - Key claims: DevOps 成熟度 5 阶段（Ad-Hoc→Pockets→Defined→Optimized→Mature）；4大焦点：文化/自动化/结构/协作；DORA 四指标量化效能 -- [AI-一语点醒梦中人](sources/AI-一语点醒梦中人.md) - Key claims: 王维"行到水穷处"体现佛学超脱；曾国藩"忘机消众机"融合道家无为；"知其不可奈何而安之若命"区分可控与不可控 -- [Home-Office-NodeWarden-把-Bitwarden-搬上-Cloudflare-Workers彻底告别服务器](sources/Home-Office-NodeWarden-把-Bitwarden-搬上-Cloudflare-Workers彻底告别服务器.md) - Key claims: NodeWarden 将 Bitwarden 托管在 Cloudflare Workers；支持 TOTP（官方需会员）；零服务器费用；Cloudflare D1+R2 提供存储 - -## [2026-04-15] ingest | Last30Days 使用指南 -- [Last30Days-使用指南](sources/Last30Days-使用指南.md) -- Key claims: 8 大数据源热点聚合（Reddit/X > YouTube > Polymarket > TikTok > Instagram > Web）；社交信号权重基于真实互动而非曝光量；对比模式一次返回 A/B 并排研究；深度研究需 2-8 分钟 -- Created: 1 entity (ScrapeCreators), 2 concepts (多平台热点聚合, 社交信号权重) - -## [2026-04-15] ingest | GOG CLI 安装配置指南 -- [GOG-CLI-安装配置指南](sources/GOG-CLI-安装配置指南.md) -- Key claims: macOS Google Workspace CLI；OAuth 双层验证（凭证 + API Enablement）；403 accessNotConfigured 根因是 API 未启用；添加测试用户绕过验证限制 -- Created: 1 entity (gog CLI), 1 concept (Google Workspace CLI) - -## [2026-04-15] ingest | Cursor 2.0 初学者使用指南 -- [Cursor-2-0初学者使用指南](sources/Cursor-2-0初学者使用指南.md) -- Key claims: Composer 模型比同类快 4 倍；多代理并行（Plan/Agent/Ask 三模式）；Diff 审查强制先测试再确认；AI 生成代码即写入文件 -- Created: 1 entity (Cursor), 4 concepts (AI代码编辑器, Composer模型, 多代理并行, Diff审查, 项目规则) - -## [2026-04-15 PM] ingest | Claude Skills 完整版 + Designing Agentic AI + NotebookLM 7场景 + 养虾日记1 + AI时代赚钱 -- [3.2万人收藏的Claude Skills（完整版）](sources/3.2万人收藏的Claude-Skills才是AI这条路最值得研究的一套范式.md) -- [Designing for Agentic AI](sources/Designing-for-Agentic-AI.md) -- [7 Ways I Use NotebookLM](sources/7-ways-NotebookLM.md) -- [养虾日记1：用 OpenClaw 管了 28 万张照片](sources/养虾日记1-OpenClaw照片整理实战.md) -- [不谈技术：普通人该怎么在AI时代赚钱](sources/普通人如何在AI时代赚钱.md) -- Created entities: ComposioHQ, VoltAgent, BehiSecc, Yuri Pessa -- Created concepts: 流程工程, 透明度, 控制权, 个性化, 对话式设计, 预判式设计, 精确去重, 小文件清理, 安全删除, 分批执行, AI Agent 思维方式, 品味, 端到端, 死亡过滤器, 引文追溯, 被动学习 - -## [2026-04-15 PM] ingest batch | 4 docs (baoyu-skills / Multi-Agent Team / Vibe-Kanban / 养虾日记2) -- [baoyu-skills-claude-code-技能集](sources/baoyu-skills-claude-code-技能集.md) - Key claims: ClawHub 按单个 skill 安装；baoyu-imagine 支持 9 家服务商自动选择；baoyu-translate 三模式（快速/标准/精翻）；baoyu-comic 5×8 画风基调；EXTEND.md 支持用户级/项目级自定义 - Created: 1 entity (ClawHub), 2 concepts (内容技能, baoyu-imagine) -- [Multi-Agent-Specialized-Team-Solo-Founder-Setup](sources/Multi-Agent-Specialized-Team-Solo-Founder-Setup.md) - Key claims: 共享记忆（GOALS.md/DECISIONS.md）+ 私有上下文是多 Agent 协作核心；定时主动任务是价值飞轮；从 2 Agent 开始按瓶颈扩展；[[Trebuh]] 的 4 Agent 实践 - Created: 1 concept (共享内存模式, 定时主动任务, Telegram路由) -- [Vibe-Kanban-OpenCode-Ubuntu-Server安装管理指南](sources/Vibe-Kanban-OpenCode-Ubuntu-Server安装管理指南.md) - Key claims: nvm 管理 Node 20；不要用 root 启动 OpenCode serve；vibe-kanban 自动 spawn executor；pm2 管理进程并设置开机自启 - Created: 3 concepts (nvm, pm2, Vibe-Kanban) -- [养虾日记2-OpenClaw-Self-Improving复盘实战](sources/养虾日记2-OpenClaw-Self-Improving复盘实战.md) - Key claims: 双层记忆架构（每日文件+LanceDB+self-improving）；LEARNINGS.md 固定格式含 Pattern-Key/Recurrence-Count；Pattern-Key 重复是系统性问题的信号；3月27日记忆断层推动流程优化 - Created: 6 concepts (Self-Improving Skill, 双层记忆架构, Pattern-Key, Recurrence-Count, 每日复盘, 记忆断层), 1 entity (ClawHub) - -## [2026-04-15 Evening] ingest batch | Autonomous PM / Content Factory / Market Research Product Factory / Personal Knowledge Base RAG -- [Autonomous-Project-Management](sources/Autonomous-Project-Management.md) - Key claims: STATE.yaml 去中心化协调优于中央 orchestrator；Git 作为审计日志；薄主会话原则（CEO 模式） - Created: 1 entity (Nicholas Carlini), 2 concepts (STATE.yaml, 去中心化协调) -- [Content-Factory](sources/Content-Factory.md) - Key claims: 链式 agent 是核心威力；Research→Writing→Thumbnail 每步自动喂给下一步；Discord channel 分离工作流便于 review - Created: 1 entity (Alex Finn), 1 concept (内容工厂) -- [Market-Research-Product-Factory](sources/Market-Research-Product-Factory.md) - Key claims: Last30Days 提供真实未过滤用户情绪；创业自动化全流程零编码；每周定时研究保持市场洞察 - Created: 1 entity (Matt Van Horne), 1 concept (产品工厂) -- [Personal-Knowledge-Base-RAG](sources/Personal-Knowledge-Base-RAG.md) - Key claims: Drop any URL 自动摄取；语义搜索返回 ranked 结果+来源引文；其他工作流可主动查询知识库 - Created: 1 concept (个人知识库) - -## [2026-04-15 Evening] ingest | MySQL MariaDB 数据库详细信息 - -## [2026-04-15 Evening] ingest | 用Docker中安装Navidrome - -## [2026-04-15 Evening] ingest | Ubuntu服务器通过rsync实现日常增量备份 - -## [2026-04-15 21:30] ingest | TikTok Shop Apache Superset Dashboard 设计思路 - -Added source. Key claims: Superset 无法直接解析 JSON 需 SQL View 预处理；选品评分模型 = sold×0.4 + rating×12 + rating_count×0.2 + discount_percent×0.5；4-Tab Dashboard（爆品雷达/类目机会/店铺监控/评论分析）；气泡图可一眼识别低价高销量和高客单价爆品。 - -Created/updated: 2 entity pages (TikTok Shop, Apache Superset), 4 concept pages (Superset Dashboard, 电商选品分析, 选品评分模型, KPI卡片). - -## [2026-04-15 21:35] ingest | Best 7 News API Data Feeds - -Added source. Key claims: Webz.io 覆盖最全(surface+deep+dark web)；GNews 轻量低价适合初创；Mediastack 7500+来源有免费套餐；Bloomberg/FT 面向机构金融；Opoint 擅长舆情监控。 - -Created/updated: 7 entity pages (Webz.io, GNews API, The Guardian API, Bloomberg API, Financial Times API, Opoint, Mediastack API), 1 concept page (News API). - -## [2026-04-15 21:40] ingest | N8N Full Tutorial - Building AI Agents in 2025 for Beginners - -Added source. Key claims: Workflow=预定义固定输出 vs Agent=LLM动态决策；N8N 5类节点(Tigger/Action/Utility/Code/Advanced AI)；Memory=Agent连贯对话关键；Airtable可作Agent工具接入库存管理。 - -Created/updated: 1 entity page (Airtable), 3 concept pages (Memory in AI Agent, Workflow vs Agent). - -## [2026-04-15 Night Batch 2] ingest | 5 sources -- A Formalization of Recursive Self-Optimizing Generative Systems：自映射 Φ(G) = M(G, O(G(I), Ω))；固定点 G* = Y STEP；自举循环收敛到生成器不动点 -- Never Write Another Prompt：提示词生成工具民主化 Prompt工程；变量机制实现模板化复用；$100-500/条 → 工具化免费生成 -- AI 解决方案专家培训课程（Coze）：Bot 模式 vs Workflow 模式；金融/教育/医疗/电商/客服行业解决方案；GPT-SoVITS/F5-TTS/FaceFusion 集成 -- If You Have Multiple Interests（Dan Koe）：三要素（Self-education + Self-interest + Self-sufficiency）；通才 > 专才；系统经济时代系统 > 产品 -- Nano Banana 提示词框架（已有页面，更新）：物件描述框架 + 人物描述框架共用结构；negatives 质量控制关键；camera 电影级运镜控制 -- Created: 4 entities (Coze, Dan Koe, tukuai, FaceFusion), 5 concepts (超级通才, 自教育, 创意博物馆, 系统经济, 内容创意密度) - -## [2026-04-16 00:10] ingest | 3 sources -- How Can a Multi Cloud Strategy Transform Your Business ROI：多云策略（AWS/Azure/GCP）提升 ROI；78% 企业用 3+ 公有云；30% 运营成本降低；电商/医疗/金融行业落地路径 -- GitHub 上 5000 人收藏的 Vibe Coding 神级指南（中文版）：vibe-coding-cn 中文开源项目；Vibe Coding = 规划驱动 + 上下文固定 + AI 结对执行；Karpathy "我几乎不写代码了，只负责调整氛围" -- Clonezilla对Ubuntu Server进行全盘镜像备份：Rufus + Clonezilla live + Synology NAS NFS 全盘镜像备份流程；savedisk 生成镜像；restoredisk 灾难恢复 - -Created: 2 entity pages (Clonezilla, vibe-coding-cn), 6 concept pages (多云策略, 磁盘镜像备份, 灾难恢复, 规划驱动, 上下文固定, AI 结对执行). - -## [2026-04-16] ingest | 3 sources — 家庭网络 + Jellyfin + vibe coding 经验 -- 家庭网络环境概览_2026-04-03.md：四层混合基础设施拓扑；VPS1/FRPS/Caddy 统一入口；FRP 端口映射全表；多节点角色分工 -- 用Docker安装Jellyfin.md：nyanmisaka/jellyfin + Intel QuickSync 硬件转码；Synology NAS Docker 部署；Plex 开源替代品 -- vibe coding经验收集.md：X/Twitter vibe coding 实践汇总；设计文档优先 + 双AI Review + CodeWeaver 上下文压缩；验证 > 看懂代码 -- Created: 3 entities (VPS1, Jellyfin, CodeWeaver), 8 new concepts (FRP内网穿透, 反向代理, 多节点基础设施, 硬件转码, 设计文档优先, 双AI-Review, 上下文压缩, 媒体刮削(已有/补充)) - -## [2026-04-16] ingest | 3 sources — 本地AI推理 + NAS存储 + Superset -- 在 Ubuntu 安装 Ollama 并运行 Qwen2.5-Coder 7B.md：Ubuntu 本地部署 Ollama + Qwen2.5-Coder 7B；3条命令安装；qwen2.5-coder:7b 比通用 Qwen2.5 更适合 DevOps/SQL/Kubernetes 等工程任务；OLLAMA_HOST=0.0.0.0 开放远程 API 供 n8n/OpenClaw 调用 -- 如何在Ubuntu Server上通过NFS挂载Synology NAS上的共享文件夹.md：NFS 永久挂载（/etc/fstab + _netdev）；NFS 相比 Samba 保留 Linux 文件权限，rsync 恢复 Docker 卷不报错；rsync 脚本必须加入 mountpoint 检查防本地写入 -- Install Apache Superset in Docker.md：Docker 一键部署 Superset GHA 版本（8777:8088）；初始化流程：fab create-admin → db upgrade → load_examples → init -Created/updated: 3 entity pages (Ollama[更新], Qwen[更新], Apache Superset[更新]), 2 concept pages (本地AI推理, NFS永久挂载[更新]). - -## [2026-04-16 01:32] ingest | 3 sources — NotebookLM开源平替 + Nano-Banana Pro + AI时代赚钱 -- Google神级生产力工具GitHub开源平替.md：6 款 NotebookLM 开源平替测评；Open Notebook（14.6k⭐，16+ AI 提供商）、SurfSense（11.4k⭐，混合搜索+RBAC）、Podcastfy（专注播客，100+ LLM）、PageLM（教育平台，SmartNotes+测验+Flashcards+ExamLab）、InsightsLM（Supabase+N8N 后端）；定位为 NotebookLM+Perplexity+Glean 的开源替代 -- Nano-Banana Pro Prompting Guide.md：Google Nano-Banana Pro 进阶提示词策略；10 大能力维度（Text Rendering/Identity Locking/Search Grounding/Editing/2D↔3D/4K/Thinking Mode/Storyboarding/Layout/Pixel Art）；黄金四法则：Edit不重roll、自然语言、具体描述、提供上下文 -- 普通人如何在AI时代赚钱.md：乔布斯视角 AI 时代赚钱三原则——品味值钱（护城河）、端到端优于零件、死亡过滤器筛选热爱；正确问题框架：「AI 让我能做到什么以前做不到的事」 -Created: 7 entity pages (Open Notebook, SurfSense, Podcastfy, PageLM, Nano-Banana Pro, 乔布斯.skill, NotebookLM[更新]), 6 concept pages (Identity Locking, Google Search Grounding, AI时代赚钱三原则, 品味[更新], 端到端[更新], 死亡过滤器[更新]). - -## [2026-04-16 03:02] ingest | 3 sources — DevOps 文化 + RTO/RPO + 三种云模型 -- DevOps Culture and Transformation：四大支柱框架（协作/自动化/Kaizen/客户中心）、敏捷整合、AI/ML 赋能趋势；超越工具的思维模式转变 -- RTO vs RPO：RTO 速度指标 vs RPO 数据完整性指标；Feature Flag 将 RTO 从小时降至秒级；三级分层体系（关键/重要/可选）；HP/Dior 案例验证秒级 RTO -- Public vs Private vs Hybrid Cloud：公有云（弹性/成本）、私有云（安全/合规）、混合云（策略驱动负载分配）三种模型对比；共享责任模型无论何种部署模式均适用 -Created: 3 source pages, 3 entity pages (LaunchDarkly, HP, Christian Dior), 5 concept pages (RTO, RPO, Kill Switch, 渐进式发布, 共享责任模型). - -## [2026-04-16] ingest | 不会Gemini的产品经理真的要被淘汰了—附保姆级PRD生成指南 -## [2026-04-16] ingest | 二创视频必不可少！2025年最热门AI工具推荐合集—AI配音、声音克隆 -## [2026-04-16] ingest | 清华出的DeepSeek使用手册，104页，全是干货！ -## [2026-04-16] ingest | 一语点醒梦中人（2026-04-16新批次） - -## [2026-04-16] ingest | ChinaTextbook - 41.53 GB，中国小学、初中、高中、大学 PDF 教材 -## [2026-04-16] ingest | Clonezilla 对 Ubuntu Server 进行全盘镜像备份 -## [2026-04-16] ingest | Cursor 2.0 初学者使用指南 -## [2026-04-16] ingest | GitHub 上 5000 人收藏的 Vibe Coding 神级指南 - -## [2026-04-16] Batch 9 | 5个文档摄取完成 -- Obsidian高效指南（插件生态） -- 2025年11个AI开源平替（11类开源AI工具） -- AI解决方案专家培训课程（Coze平台） -- TK美国面单授权（跨境电商） -- Ubuntu Server科学上网（ProxyChains/SOCKS5代理/Docker Daemon代理） -- 新增 concepts：ProxyChains、SOCKS5代理、Docker Daemon代理 - -## [2026-04-16] Batch 10 | 2个文档摄取完成（直接处理） -- Obsidian Tasks 插件：最适合懒人的任务管理方式——标准 Markdown `- [ ]` 创建任务；`tasks` 查询代码块聚合全局任务；`⏳ every week` 重复任务自动生成；任务-笔记一体化核心理念 -- 系统提示词构建原则：Claude Code Agent 系统提示词设计框架；5 大维度 94 条准则（核心身份15条/沟通规范16条/任务执行24条/技术规范29条/安全防护10条）；行为可预期性设计原则 -- Created: 2 source pages, 2 entity pages (Obsidian-Tasks, Dataview), 2 concept pages (任务-笔记一体化, 系统提示词) -- 子代理并行处理 Batch 10 另外 3 个文档（Dataview、RAG基础、大模型术语总结） - -## [2026-04-16 Batch 10] ingest | 3 sources — Dataview笔记数据库 + 基础RAG + LLM术语框架 -- Dataview——让我从"笔记黑洞"里逃出来的 Obsidian 神器：Dataview是Obsidian"笔记数据库"插件，类SQL查询语法；三大核心：任务自动聚合、标签笔记整理、写作量统计；解决了"写笔记容易查笔记难" -- RAG从入门到精通系列1：基础RAG：Indexing→Retrieval→Generation三阶段管道；文档分块（512~8192 token）+ BAAI Embedding + Qdrant；Qwen+LangChain+Qdrant技术栈；考试正确率60%→90% -- 大模型相关术语和框架总结｜LLM、MCP、Prompt、RAG、vLLM、Token、数据蒸馏：LLM≥1B参数门槛；MCP标准化LLM与外部工具通信；Agent=LLM+MCP；Embedding=词→向量计算语义距离；vLLM=PagedAttention+连续批处理；Token是LLM基本单元 -- Created: 3 new entities (Dataview, Obsidian, PyTorch研习社), 6 new concepts (笔记数据库, 任务自动聚合, 标签笔记整理, 写作量统计, 向量检索, 文档分块) - -## [2026-04-16 Batch 11] ingest | 4 sources — arXiv阅读助手 + 晨报 + 外呼确认 + Reddit聚合 -- arXiv Paper Reader：Prismer arxiv-reader skill（3 工具：arxiv_fetch/sections/abstract）+ LaTeX 源码自动展平 + 多篇对比表格 + 本地缓存；对话式论文阅读无需离开工作区 -- Custom Morning Brief：OpenClaw 定时晨报=新闻聚合+待办推送+AI主动推荐任务；核心价值=夜间待机时间转化为制作时间；Alex Finn YouTube 视频激发此工作流 -- Event Guest Confirmation：SuperCall AI 外呼确认活动出席；GPT-4o Realtime + Twilio 批量拨号；沙箱化 Persona 隔离每通电话防止数据泄露；无跨对话记忆 -- Daily Reddit Digest：reddit-readonly skill + 内容偏好记忆 + 每日下午 5 点定时推送；Read-only 模式只读不互动；AI 随时间优化 digest 质量 -- Created: 3 new entities (SuperCall, Twilio, reddit-readonly), 7 new concepts (LaTeX Flattening, 定时主动任务, 晨报自动化, AI推荐任务, AI外呼确认, 沙箱化 Persona, Reddit内容聚合, 内容偏好记忆, Read-only API) - -## Batch 12 (2026-04-16 08:00 CST) - 3 docs -- n8n Telegram Trigger HTTPS 配置修复：Telegram Webhook 强制 HTTPS 要求；WEBHOOK_URL 环境变量解决 "Bad Request: bad webhook" 报错 -- n8n Docker 安装与 SOCKS5 代理配置：ALL_PROXY=socks5://172.21.0.1:10808 将容器流量路由到宿主机 V2Ray 代理访问 AI API -- N8N AI Agent 2025 入门教程：Workflow（预定义固定路径）vs Agent（LLM 动态决策）；Memory 机制；Airtable 工具接入 -- Created: 1 new entity (Telegram), 2 new concepts (Telegram Webhook, WEBHOOK_URL) +## [2026-04-16] ingest | What is DevSecOps? Best Practices, Benefits, and Tools + +- Source file: raw/Cloud & DevOps/What is DevSecOps Best Practices, Benefits, and Tools.md +- Status: ✅ 成功摄入 +- Summary: DevSecOps 方法论详解（SDLC 安全集成、SAST/SCA/IAST/DAST 四大工具、Shift Left/Right 策略、企业实施挑战） +- Entities created: OWASP, SonarQube, Snyk +- Concepts created: SDLC（软件开发生命周期）, SAST（静态应用安全测试）, SCA（软件成分分析）, IAST（交互式应用安全测试） +- Source page: wiki/sources/what-is-devsecops-best-practices-benefits-and-tools.md +- Notes: 与 DevOps、CI/CD 流水线、Policy-as-Code 存在概念关联；70% 的发布后漏洞可通过 DevSecOps 预防 + +## [2026-04-16] ingest | Modern ITSM: Driving Efficiency, Security & Resilience + +- Source file: raw/Cloud & DevOps/Understanding Complete ITSM.md +- Status: ✅ 成功摄入 +- Summary: 现代 IT 服务管理的演进趋势，AIOps、零信任架构、Policy-as-Code 等技术的应用 +- Entities created: AIOps, CMDB +- Entities updated: DevOps +- Concepts created: ITSM, Policy-as-Code, Hyperautomation, Zero Trust Architecture +- Source page: wiki/sources/modern-itsm-driving-efficiency-security-resilience.md +- Notes: 与 DevOps、AIOps、DevSecOps 存在概念关联；MTTR 已存在于 DORA 指标概念中 + +## [2026-04-16] ingest | How to Simplify Multi-Account Deployments Monitoring + +- Source file: raw/Cloud & DevOps/How to Simplify Multi-Account Deployments Monitoring Centralized Logs for AWS CloudFormation StackSets.md +- Status: ✅ 成功摄入 +- Summary: 多账号环境下 CloudFormation StackSets 部署监控的集中化日志解决方案，通过 EventBridge 跨账号事件转发 + CloudWatch Logs 实现单一管理界面监控 +- Entities created: StackSets, EventBridge, CloudWatch, AWS Organizations, KMS +- Entities updated: AWS, CloudFormation +- Concepts created: Multi-Account Strategy +- Source page: wiki/sources/how-to-simplify-multi-account-deployments-monitoring.md +- Notes: 与 AWS Organizations、StackSets、IaC、DevOps 存在概念关联；EventBridge 跨账号事件转发是实现集中化日志的核心机制 + +## [2026-04-16] ingest | RTO vs RPO: Key Differences for Modern Disaster Recovery + +- Source file: raw/Cloud & DevOps/RTO vs RPO Key Differences for Modern Disaster Recovery.md +- Status: ✅ 成功摄入 +- Summary: RTO（恢复时间目标）与 RPO（恢复点目标）的定义、区别及 Feature Flag 在现代持续交付中的应用 +- Entities created: LaunchDarkly +- Concepts created: RTO (Recovery Time Objective), RPO (Recovery Point Objective), Feature Flag, Kill Switch, 渐进式发布 +- Source page: wiki/sources/RTO-vs-RPO-Key-Differences-for-Modern-Disaster-Recovery.md +- Notes: 与灾难恢复、持续交付、CI/CD 流水线存在概念关联；Feature Flag 是降低 RTO/RPO 的关键工具 + +## [2026-04-16] ingest | These 6 Linux apps let you monitor system resources in style + +- Source file: raw/Cloud & DevOps/These 6 Linux apps let you monitor system resources in style.md +- Status: ✅ 已存在（前期已摄入） +- Summary: 6 款 Linux 系统资源监控工具评测（TUI：btop++、htop、glances、bottom；GUI：Mission Center、Stacer） +- Entities: btop++, htop, glances, bottom, Mission Center, Stacer, HowToGeek（均已存在） +- Concepts: TUI (Text User Interface), System Resource Monitoring, Process Management（均已存在） +- Source page: wiki/sources/These-6-Linux-apps-let-you-monitor-system-resources-in-style.md +- Notes: 源文件已摄入，实体和概念页面均已创建 + +## [2026-04-16] ingest | How Agentic AI can help for Cloud DevOps + +- Source file: raw/Cloud & DevOps/How Agentic AI can help for Cloud DevOps.md +- Status: ✅ 成功摄入 +- Summary: Agentic AI 增强 Cloud DevOps 的七大领域：自主事件检测与响应、自动化云部署与配置、智能成本优化、AI 驱动安全与合规、智能日志分析与可观测性、SaaS 多租户管理、AI 辅助决策 +- Entities created: AWS, GCP, Azure, CloudFormation, Pulumi, Slack, SOC-2, FedRAMP, PCI-DSS +- Entities updated: Kubernetes, Terraform +- Concepts created: Agentic AI, Self-Healing Systems, AI-driven RCA, Predictive Maintenance, Dynamic Configuration Management, Cost Optimization, Compliance Enforcement, AI ChatOps, Multi-Tenant Management, What-If Simulations, AI-powered Runbooks +- Concepts updated: DevOps, DevSecOps, Auto-scaling +- Source page: wiki/sources/How-Agentic-AI-can-help-for-Cloud-DevOps.md +- Notes: 与 DevOps 文化转型和 DevOps 成熟度模型形成互补，扩展了 AI 驱动的自动化维度 + +## [2025-04-16] ingest | 2025 年 11 个神级 AI 开源平替，GitHub 杀疯了 + +- Source file: raw/2025 年 11 个神级 AI 开源平替，GitHub 杀疯了。.md +- Status: ⚠️ 源文件为空（0字节） +- Action: 创建了空白源页面占位，后续需重新摄入实际内容 +- Entities created: GitHub +- Concepts created: 开源平替 + +## [2026-04-16] ingest | Cloud DevOp Maturity - Guideline + +- Source file: raw/Cloud & DevOps/Cloud DevOp Maturity - Guideline.md +- Status: ✅ 成功摄入 +- Summary: 企业级 SaaS 公司的 DevOps 成熟度评估框架，涵盖定义、模型、支柱、工具、度量、挑战、案例和路线图 +- Entities created: Terraform, Kubernetes, Prometheus, Grafana, Docker, Ansible +- Concepts created: DevOps 成熟度模型, DORA 指标, CI/CD 流水线, IaC, DevSecOps, 监控可观测性, CMMI +- Source page: wiki/sources/cloud-devop-maturity-guideline.md +- Notes: 与 Cloud Maturity Model 存在概念关联但关注点不同（DevOps vs Cloud Adoption） + +## [2025-04-16] ingest | Cloud Maturity Model A Detailed Guide For Cloud Adoption + +- Source file: raw/Cloud & DevOps/Cloud Maturity Model A Detailed Guide For Cloud Adoption.md +- Status: ✅ 成功摄入 +- Summary: 云成熟度模型（CMM）的5级框架，涵盖16个业务能力领域和18个技术能力领域 +- Entities created: Open Alliance for Cloud Adoption (OACA) +- Concepts created: Cloud Maturity Model, Cloud Adoption, Cloud Native, Hybrid Cloud, Multi-Cloud, DevOps, IaaS, PaaS, SaaS, CAPEX to OPEX, Cloud Security Maturity Model (CSMM), AWS Cloud Adoption Framework, Azure Cloud Adoption Framework, Google Cloud Adoption Framework, Cloud Center of Excellence (CCOE) +- Source page: wiki/sources/Cloud-Maturity-Model-A-Detailed-Guide-For-Cloud-Adoption.md + +## [2026-04-16] ingest | DevOps Culture and Transformation: Fostering Collaboration, Agile Practices, and Innovation + +- Source file: raw/Cloud & DevOps/DevOps Culture and Transformation Fostering Collaboration, Agile Practices, and Innovation LinkedIn.md +- Status: ✅ 成功摄入 +- Summary: DevOps 文化与转型方法论，涵盖四大支柱（协作、自动化、持续改进、客户导向）、敏捷实践整合、转型战略及未来趋势（AI/ML、GitOps、Serverless DevOps、Edge IoT DevOps、DevSecOps） +- Entities created: （无新实体） +- Concepts created: DevOps 文化, CI/CD 流水线, Infrastructure as Code (IaC), 敏捷实践, DevSecOps, GitOps, 持续改进 (Kaizen), 混沌工程, 无责复盘 +- Source page: wiki/sources/DevOps-Culture-and-Transformation.md +- Notes: 与 Cloud DevOp Maturity - Guideline 存在概念关联（DevOps 文化、CI/CD、DevSecOps） + +## [2026-04-16] ingest | What I know about Cloud Service Delivery 1 + +- Source file: raw/Cloud & DevOps/What I know about Cloud Service Delivery 1.md +- Status: ✅ 成功摄入 +- Summary: 云服务交付的完整定义，涵盖12个核心管理领域（服务配置、基础设施管理、平台管理、应用运维、安全合规、性能监控、事件管理、变更配置管理、成本管理、客户支持、服务治理、备份恢复）以及云服务交付团队角色 +- Entities created: （无新实体，AWS CloudWatch、Grafana、New Relic、WAF 暂不需要独立页面） +- Concepts created: Cloud Service Delivery +- Source page: wiki/sources/What-I-know-about-Cloud-Service-Delivery-1.md +- Notes: 与 DevOps、Cloud Native、Cloud Maturity Model 存在概念关联 + +## [2026-04-16] ingest | How Can a Multi Cloud Strategy Transform Your Business ROI? + +- Source file: raw/Cloud & DevOps/How Can a Multi Cloud Strategy Transform Your Business ROI.md +- Status: ✅ 成功摄入 +- Summary: 多云策略的定义、8大优势（避免供应商锁定、弹性可靠性、安全性、可扩展性、成本优化、创新访问、合规性、性能优化）、实施4步骤、3个行业用例（电商、医疗、金融） +- Entities created: Bacancy Technology +- Concepts created/updated: Multi-Cloud（更新）, Vendor Lock-In, Data Sovereignty +- Source page: wiki/sources/How-Can-a-Multi-Cloud-Strategy-Transform-Your-Business-ROI.md +- Notes: 与 Cloud Maturity Model、Cloud Adoption 存在概念关联；多云策略是避免供应商锁定的关键方法 + +## [2026-04-16] ingest | The Myths and Misconceptions About Cloud Computing | LinkedIn + +- Source file: raw/Cloud & DevOps/The Myths and Misconceptions About Cloud Computing LinkedIn.md +- Status: ✅ 成功摄入 +- Summary: 云计算7大常见误解与真相：安全性不足、仅是他人电脑、成本过高、数据失控、仅适合大企业、迁移复杂、性能不可靠 +- Entities created: ISO 27001, HIPAA, GDPR +- Concepts created: Cloud Security, Pay-as-you-go, Data Governance, Cloud Migration, High Availability, Auto-scaling, Serverless Computing +- Source page: wiki/sources/The-Myths-and-Misconceptions-About-Cloud-Computing-LinkedIn.md +- Notes: 与 Cloud Adoption、Cloud Native、Hybrid Cloud、Multi-Cloud 存在概念关联 + +## [2026-04-16] ingest | DevOps Maturity Model From Traditional IT to Advanced DevOps + +- Source file: raw/Cloud & DevOps/DevOps Maturity Model From Traditional IT to Advanced DevOps.md +- Status: ✅ 成功摄入 +- Summary: DevOps 成熟度五级框架（初始/应急→局部DevOps→自动化与定义→高度优化→完全成熟），涵盖文化与战略、自动化、结构与流程、协作与共享、技术五大评估领域，以及安全集成方法和常见障碍分析 +- Entities created: （无新实体） +- Concepts created/updated: DevOps 成熟度模型（新建） +- Source page: wiki/sources/DevOps-Maturity-Model-From-Traditional-IT-to-Advanced-DevOps.md +- Notes: 与 DevOps、CI/CD 流水线、DevSecOps、IaC、敏捷实践存在概念关联 + +## [2026-04-16] ingest | Public vs Private vs Hybrid: Cloud Differences Explained + +- Source file: raw/Cloud & DevOps/Public vs Private vs Hybrid Cloud Differences Explained.md +- Status: ✅ 成功摄入 +- Summary: 公有云、私有云和混合云三种云计算部署模式的核心区别，包括各模式的优势、劣势、适用场景，以及云计算共享责任模型 +- Entities created: BMC +- Concepts created: Public Cloud, Private Cloud, Cloud Computing, Shared Responsibility Model +- Concepts updated: Hybrid Cloud（扩充内容，增加优势、局限性和连接） +- Source page: wiki/sources/Public-vs-Private-vs-Hybrid-Cloud-Differences-Explained.md +- Notes: 与云采纳（Cloud Adoption）、云安全（Cloud Security）存在概念关联；Multi-Cloud 与本文讨论的 Hybrid Cloud 是不同的部署策略 diff --git a/wiki/manifest.json b/wiki/manifest.json new file mode 100644 index 00000000..692573f3 --- /dev/null +++ b/wiki/manifest.json @@ -0,0 +1,78 @@ +{ + "version": 1, + "updated_at": "2026-04-16T06:20:57.378096+00:00", + "files": { + "raw/Cloud & DevOps/DevOps Culture and Transformation Fostering Collaboration, Agile Practices, and Innovation LinkedIn.md": { + "hash": "8f4ce7f0f68eda9f", + "modified": "2026-04-14T04:28:42.626174+00:00", + "slug": "DevOps-Culture-and-Transformation-Fostering-Collaboration--Agile-Practices--and-Innovation--LinkedIn", + "source_path": "wiki/sources/DevOps-Culture-and-Transformation-Fostering-Collaboration--Agile-Practices--and-Innovation--LinkedIn.md", + "ingested": true, + "ingested_at": "2026-04-16T06:20:57.379554+00:00" + }, + "raw/Cloud & DevOps/Cloud DevOp Maturity - Guideline.md": { + "hash": "774d63a8ec237203", + "modified": "2026-04-14T04:28:42.625381+00:00", + "slug": "Cloud-DevOp-Maturity---Guideline", + "source_path": "wiki/sources/Cloud-DevOp-Maturity---Guideline.md", + "ingested": true, + "ingested_at": "2026-04-16T06:20:57.379603+00:00" + }, + "raw/Cloud & DevOps/Cloud Maturity Model A Detailed Guide For Cloud Adoption.md": { + "hash": "2d43021d27ef4b81", + "modified": "2026-04-14T04:28:42.625606+00:00", + "slug": "Cloud-Maturity-Model-A-Detailed-Guide-For-Cloud-Adoption", + "source_path": "wiki/sources/Cloud-Maturity-Model-A-Detailed-Guide-For-Cloud-Adoption.md", + "ingested": true, + "ingested_at": "2026-04-16T06:20:57.379656+00:00" + }, + "raw/Cloud & DevOps/What I know about Cloud Service Delivery 1.md": { + "hash": "9a49f8a90a4e42e6", + "modified": "2026-04-14T04:28:42.631043+00:00", + "slug": "What-I-know-about-Cloud-Service-Delivery-1", + "source_path": "wiki/sources/What-I-know-about-Cloud-Service-Delivery-1.md", + "ingested": true, + "ingested_at": "2026-04-16T06:20:57.379697+00:00" + }, + "raw/Cloud & DevOps/The Myths and Misconceptions About Cloud Computing LinkedIn.md": { + "hash": "676861a2484bde9c", + "modified": "2026-04-14T04:28:42.630679+00:00", + "slug": "The-Myths-and-Misconceptions-About-Cloud-Computing--LinkedIn", + "source_path": "wiki/sources/The-Myths-and-Misconceptions-About-Cloud-Computing--LinkedIn.md", + "ingested": true, + "ingested_at": "2026-04-16T06:20:57.379743+00:00" + }, + "raw/Cloud & DevOps/How Can a Multi Cloud Strategy Transform Your Business ROI.md": { + "hash": "fb0a605b96b5542a", + "modified": "2026-04-14T04:28:42.626851+00:00", + "slug": "How-Can-a-Multi-Cloud-Strategy-Transform-Your-Business-ROI", + "source_path": "wiki/sources/How-Can-a-Multi-Cloud-Strategy-Transform-Your-Business-ROI.md", + "ingested": true, + "ingested_at": "2026-04-16T06:20:57.379790+00:00" + }, + "raw/Cloud & DevOps/DevOps Maturity Model From Traditional IT to Advanced DevOps.md": { + "hash": "6914f8945e00022e", + "modified": "2026-04-14T04:28:42.626393+00:00", + "slug": "DevOps-Maturity-Model-From-Traditional-IT-to-Advanced-DevOps", + "source_path": "wiki/sources/DevOps-Maturity-Model-From-Traditional-IT-to-Advanced-DevOps.md", + "ingested": true, + "ingested_at": "2026-04-16T06:20:57.379846+00:00" + }, + "raw/Cloud & DevOps/How Agentic AI can help for Cloud DevOps.md": { + "hash": "a162132fee73fe08", + "modified": "2026-04-14T04:28:42.626625+00:00", + "slug": "How-Agentic-AI-can-help-for-Cloud-DevOps", + "source_path": "wiki/sources/How-Agentic-AI-can-help-for-Cloud-DevOps.md", + "ingested": true, + "ingested_at": "2026-04-16T06:20:57.379887+00:00" + }, + "raw/Cloud & DevOps/Public vs Private vs Hybrid Cloud Differences Explained.md": { + "hash": "868351fa9207d5f7", + "modified": "2026-04-14T04:28:42.627597+00:00", + "slug": "Public-vs-Private-vs-Hybrid-Cloud-Differences-Explained", + "source_path": "wiki/sources/Public-vs-Private-vs-Hybrid-Cloud-Differences-Explained.md", + "ingested": true, + "ingested_at": "2026-04-16T06:20:57.379932+00:00" + } + } +} \ No newline at end of file diff --git a/wiki/overview.md b/wiki/overview.md index cd141a25..fe879eea 100644 --- a/wiki/overview.md +++ b/wiki/overview.md @@ -1,1222 +1,32 @@ ---- -title: Wiki Overview -last_updated: 2026-04-16 Batch 12 -// 新增领域：n8n Telegram Webhook HTTPS 配置修复（2026-04-16 Batch 12） -// 新增领域：n8n Docker SOCKS5 代理配置与 ALL_PROXY 环境变量（2026-04-16 Batch 12） -// 新增领域：N8N AI Agent 2025 入门教程（2026-04-16 Batch 12） -// 新增领域：ChatGPT 个性化指令配置与自定义指令工程（2026-04-16 Early Morning） -// 新增领域：提示词库与变量注入技术（2026-04-16 Early Morning） -// 新增领域：Ollama + Qwen2.5-Coder 本地 AI 推理部署（2026-04-16 Batch 2） -// 新增领域：Synology NAS NFS 永久挂载与 rsync 备份架构（2026-04-16 Batch 2） -// 新增领域：Apache Superset Docker 部署（2026-04-16 Batch 2） -// 新增领域：多云策略（AWS/Azure/GCP）与跨云治理框架（2026-04-16 Early Morning） -// 新增领域：家庭网络环境概览（多节点混合基础设施架构，FRP+Caddy 统一公网暴露）（2026-04-16 Early Morning） -// 新增领域：Jellyfin Docker 部署（Intel QuickSync 硬件转码，Synology NAS 媒体平台）（2026-04-16 Early Morning） -// 新增领域：vibe coding 经验收集（设计文档优先+双AI Review+CodeWeaver 上下文压缩）（2026-04-16 Early Morning） -// 新增领域：vibe-coding-cn 中文 Vibe Coding 资源库（2026-04-16 Early Morning） -// 新增领域：Clonezilla + NFS 磁盘镜像备份与灾难恢复（2026-04-16 Early Morning） -// 新增领域：Agent Use Cases 四大工作流（项目管理/内容工厂/产品工厂/知识库）（2026-04-15 Evening） -// 新增领域：Last30Days 与多平台热点聚合（2026-04-15） -// 新增领域：gog CLI 与 Google Workspace CLI（2026-04-15） -// 新增领域：Cursor 2.0 与 AI 代码编辑器（2026-04-15） -// 新增领域：n8n Docker 部署与网络代理配置（2026-04-15 PM） -// 新增领域：Cloud Operating Model 云运营模型（2026-04-15 PM） -// 新增领域：MinIO + Zipline 自托管图床（2026-04-15 PM） -// 新增领域：Trae Remote SSH 远程开发（2026-04-15 PM） -// 新增领域：Claude Skills 完整资源图谱与流程工程（2026-04-15 PM） -// 新增领域：NotebookLM 7 种应用场景与 Source-Grounding（2026-04-15 PM） -// 新增领域：Agentic AI UX 设计五原则（2026-04-15 PM） -// 新增领域：OpenClaw 照片整理实战（2026-04-15 PM） -// 新增领域：AI 时代赚钱思维模型（2026-04-15 PM） -// 新增领域：递归自优化生成系统（2026-04-15） -// 新增领域：AI产品经理工作流（2026-04-15） -// 新增领域：baoyu-skills Claude Code技能集（2026-04-15） -// 新增领域：OpenClaw Agent Use Cases 五大工作流（arXiv论文阅读/自主游戏开发/语义记忆搜索/自愈基础设施/预测市场自动化）（2026-04-16 Batch 5） -// 新增领域：DevOps Culture and Transformation 四大支柱框架（2026-04-16 Batch 4） -// 新增领域：RTO/RPO 现代灾难恢复体系与 Feature Flag 秒级 RTO（2026-04-16 Batch 4） -// 新增领域：公有云/私有云/混合云三种部署模型对比与共享责任模型（2026-04-16 Batch 4） -// 新增领域：Agentic AI UX 设计五原则与 GenAI 对比（2026-04-16 Batch 8） -// 新增领域：LLM/RAG/AI Agent 三层架构与协同关系（2026-04-16 Batch 8） -// 新增领域：Cloud DevOps 成熟度评估框架与 DORA 指标（2026-04-16 Batch 8） -// 新增领域：Vibe Coding 范式与 vibe-coding-cn 中文资源库（2026-04-16 Batch 9） -// 新增领域：Clonezilla + NFS + Synology NAS 全盘镜像灾难恢复体系（2026-04-16 Batch 9） -// 新增领域：Cursor 2.0 Plan/Agent/Ask 三模式与 Composer 模型（2026-04-16 Batch 9） -// 新增领域：ChinaTextbook 41.53GB 中国教育 PDF 教材开源归档（2026-04-16 Batch 9） ---- - -# LLM Wiki Overview - -## 核心主题 -AI开源生态在2025年取得突破性进展，国产模型在多个领域成为国际闭源产品的有力替代。同时，DevOps 文化与转型方法论为组织提供数字化交付能力建设的系统性指导。 - -## 主要领域 -1. **本地AI推理**：Ollama + Qwen2.5-Coder 7B 在 Ubuntu 服务器快速部署本地 LLM 推理能力，GPU 自动加速，远程 API 供 n8n/OpenClaw 调用 -2. **NAS 存储架构**：Synology NAS NFS 永久挂载方案，rsync 增量备份保留 Docker 卷权限信息 -3. **AI生图**：Flux和Stable Diffusion主导开源生态，Flux在人体解剖学正确性上表现最佳 -4. **AI生视频**：HunyuanVideo以最大参数量成为开源视频生成标杆 -4. **通用智能体**：Manus定义AI Agent元年，OpenManus提供开源实现 -5. **AI编程**：Cline将VS Code变身全自动AI工程师 -6. **智能体工作流**：n8n（16万Star）和Dify实现可视化AI流程编排 -7. **AI搜索**：Perplexica实现完全本地化的开源搜索 -8. **DevOps 文化与转型**：四大支柱驱动组织数字化交付能力 -9. **DevOps 成熟度评估**：DORA 四指标 + 云成熟度 5 级模型 -10. **Linux 运维**：150 个核心命令覆盖系统管理全场景 -11. **OpenClaw Agent Use Cases**：arXiv 论文阅读（LaTeX 自动展平）/自主游戏开发（Bugs First + 每7分钟产出）/语义记忆搜索（memsearch 混合向量）/自愈基础设施（SSH+Cron+多因素安全）/预测市场自动化（纸带交易策略） - -## 关键趋势 -- 深度推理让AI学会"慢思考" -- 开源内卷将价格打成白菜价 -- 国产开源模型在多个领域实现差异化竞争 -- DevOps 向 GitOps、AI 赋能、Serverless 和 Edge Computing 方向演进 - -## 新增领域：Agent Use Cases 四大工作流 - -### 1. Autonomous Project Management（去中心化项目管理） -基于 [[STATE.yaml]] 的去中心化协调模式，替代传统中央 orchestrator。subagent 通过读写共享状态文件自主协作，Git 作为审计日志，主会话保持薄（CEO 模式）。灵感来源：[[Nicholas Carlini]]。 - -### 2. Content Factory（内容工厂） -Discord 多 agent 链式协作管线：Research Agent 扫描趋势 → Writing Agent 生成脚本 → Thumbnail Agent 生成配图，全部自动执行定时运行。[[Alex Finn]] YouTube 视频激发此工作流设计。 - -### 3. Market Research & Product Factory（产品工厂） -[[Last30Days]] 挖掘 Reddit/X 真实用户痛点 → ranked pain points → [[OpenClaw]] 构建 MVP。零编码要求，每周定时追踪市场演变。核心依赖：[[Matt Van Horne]] 的 Last30Days skill。 - -### 4. Personal Knowledge Base RAG（个人知识库） -基于 [[RAG]] 的第二大脑：Drop any URL 自动摄取 → 向量嵌入 → 语义搜索返回 ranked 结果+来源引文。支持其他 agent 工作流主动查询。 - -## 新增领域：Claude Skills 与流程工程 - -Claude Skills 的爆发标志着从"提示词工程"到"流程工程"的范式转移。Skills = 说明书 + SOP，将人类经验封装为可复用工作流。Anthropic 官方 Skills 仓库（github.com/anthropics/skills）收藏数突破 3.2 万，包含生产级 Skills：办公自动化、开发者工具箱、创意类 Skill。Vibe Coding 的尽头也是 Skills。 - -### 关键概念 -- [[AI技能封装]]：将固定流程任务拆解为 AI 可理解的结构化流程 -- [[流程工程]]：将经验沉淀为 SOP 再交给 AI 稳定执行的新范式 -- [[Anthropic]] ← 发布方 - -### 资源生态 -- 三大 Awesome 仓库：ComposioHQ、VoltAgent、BehiSecc -- 三大聚合站：skillsmp.com、aitmpl.com、claudemarketplaces.com - -## 新增领域：NotebookLM 与 Source-Grounding - -NotebookLM 通过 Source-Grounding 机制（严格限制知识库仅含上传文档）实现高精度回答，每个答案附带精确引文。可作为被动学习（Audio Overviews）、项目管理、法律文档审查、软件更新对比等多种场景的 AI 助理。 - -### 关键能力 -- [[Source Grounding]]：消除幻觉，确保回答可溯源 -- [[被动学习]]：Audio Overviews 在碎片时间消费复杂信息 -- [[引文追溯]]：每个回答附带原文引文 - -## 新增领域：AI图生视频 - -2025年底，AI图生视频技术快速成熟，14款免费工具已能生成高质量视频，覆盖电商模特、内容创作、广告制作等多场景。 - -### 主要产品 -- 绘蛙AI视频（阿里巴巴）：模特图转视频，操作简便 -- 智谱清影（智谱AI）：30秒生成6秒高清视频，支持风格选择 -- Vidu（生数科技+清华大学）：全球首个"多主体参考"功能 -- 可灵AI（快手）：3D时空联合注意力，物理逻辑动作生成 -- 海螺AI（MiniMax）：主体一致性保持，光影色调高度一致 -- Stable Video（Stability AI）：LoRA摄像机精细控制 - -### 关键能力 -- [[图生视频]]：静态图片转动态视频 -- [[主体一致性]]：视频中保持角色外观一致 -- [[运动控制]]：文本提示词控制主体运动 -- [[运镜控制]]：模拟摄像机运动控制画面视角 - -## 新增领域：DevOps 文化与转型 - -### 核心框架 -DevOps 建立在四大支柱之上：协作优先于孤岛、自动化即赋能者、持续改进（Kaizen）、客户中心。 - -### 关键实践 -- [[CI/CD Pipelines]]：自动化构建、测试、部署流水线（Jenkins、GitHub Actions、GitLab CI） -- [[Infrastructure as Code]]：以代码管理基础设施（Terraform、AWS CloudFormation） -- [[DevSecOps]]：在 CI/CD 中内置安全（SonarQube、Snyk） -- [[GitOps]]：以 Git 为单一真实源管理配置 - -### 工具生态 -- 监控可观测性：Prometheus、Grafana、Datadog -- 容器化：Docker、Kubernetes -- 配置管理：Ansible（Red Hat） - -### 未来趋势 -- AI/ML 赋能 DevOps（代码审查智能自动化、异常检测、自愈基础设施） -- [[Serverless DevOps]]：FaaS 减少运维开销 -- [[Edge Computing DevOps]]：边缘节点实时应用优化 - -## 新增领域：DevOps 成熟度与云成熟度评估 - -### DevOps 成熟度模型 -DevOps 成熟度评估帮助组织了解当前效能水平并识别改进方向，核心框架为 Google DORA 团队提出的四指标体系。 - -### DORA 四指标 -- [[DORA指标]]：部署频率、变更前置时间、变更失败率、平均恢复时间 -- 精英团队：每天多次部署、变更前置时间 < 1 天、变更失败率 0-15%、MTTR < 1 小时 -- 关联概念：[[Kaizen]]、Chaos Engineering（主动测试系统韧性） - -### 云成熟度 5 级模型 -- Level 0（Legacy）：无云准备，纯本地遗留系统 -- Level 1（Initial）：初始准备，少数系统试点云服务 -- Level 2（Repeatable）：可重复，建立流程和采购规范 -- Level 3（Systematic）：系统化文档化，有管理流程和合规策略 -- Level 4（Measured）：可测量，云原生应用广泛采用 -- Level 5（Optimized）：优化，数据驱动决策，灵活跨云迁移工作负载 - -### 三要素评估 -- People：技能与工作方式转型 -- Processes：工作流优化 -- Technology：基础设施适配 - -### Forrester 预测 -2025 年全球云成熟度模型市场达 15 亿美元，60%+ 组织已实施云成熟度模型。 - -## 新增领域：Linux 运维 150 命令 - -Linux 命令是系统管理的核心，核心理念为"一切皆文件"——CPU、内存、磁盘、键盘、鼠标、用户都是文件。 - -### 命令分类 -- 线上查询：man（命令帮助）、help（内置命令帮助） -- 文件目录操作：ls/cd/cp/find/mkdir/mv/pwd/rename/rm/rmdir/touch/tree/basename/dirname/chattr/lsattr/file/md5sum -- 文件内容处理：cat/tac/more/less/head/tail/cut/split/paste/sort/uniq/wc/iconv/dos2unix/diff/vimdiff/rev/grep/join/tr/vi/vim -- 压缩解压：tar/unzip/gzip/zip -- 信息显示：uname/hostname/dmesg/uptime/stat/du/df/top/free - -### 关键概念 -- [[Shell]]：命令解释器（Bash/Zsh） -- [[管道]]：| 将多个命令组合实现复杂功能 -- [[正则表达式]]：文本匹配模式 - -## 新增领域：家庭多节点混合基础设施 - -基于四层混合架构（VPS1 公网入口 + MacMini 主控 + Synology NAS 媒体存储 + Ubuntu1/2 应用节点），通过 FRP 内网穿透和 Caddy 反向代理实现全服务统一公网访问。 - -### 节点角色 -- [[VPS1]]：公网入口，FRPS 监听 7000 端口 + Caddy HTTPS 反向代理，所有内网服务通过 FRP 隧道暴露 -- [[Mac Mini]]：OpenClaw 主控节点，stq 项目栈（n8n/mariadb），vaultwarden 密码管理 -- [[Synology NAS DS718]]：媒体平台（Jellyfin/Navidrome/Calibre）、对象存储（MinIO/Zipline）、Docker 监控栈 -- [[Ubuntu1]]：监控全家桶（Grafana/Prometheus/Alertmanager/blackbox/cAdvisor）、homarr 导航面板、superset BI -- [[Ubuntu2]]：n8n 工作流引擎、Gitea 版本控制、drawio 图表编辑器 - -### 关键架构 -- [[FRP内网穿透]]：frpc+frps 架构，MacMini/NAS/Ubuntu1/2 均运行 frpc 连接 VPS1 frps -- [[反向代理]]：Caddy（VPS1）统一申请 Let's Encrypt 证书，按域名路由；nginx-proxy-manager（Ubuntu1）管理内部 HTTPS -- [[多节点基础设施]]：四层拓扑通过内网 192.168.3.0/24 互联，VPS1 FRPS 端口 7000 是唯一公网入口 -- [[可观测性]]：Prometheus + Grafana + Alertmanager + blackbox_exporter 覆盖所有节点 - -### 科学上网状态 -- macmini/ubuntu1/ubuntu2：socks5://127.0.0.1:10808 ✅ 正常 -- NAS：socks5://127.0.0.1:20170 ❌ 仅本机监听 - -## 新增领域：Jellyfin 开源媒体服务器 - -Jellyfin 是 Plex 的 GNU GPL 开源分支，提供完全自托管的媒体服务器能力，支持电影/电视剧/音乐/有声书，自动从 TMDB/TVDB 刮削元数据。 - -### 部署配置 -- 镜像：nyanmisaka/jellyfin（优化版，内置 Intel QuickSync 支持） -- [[硬件转码]]：通过 /dev/dri 挂载 Intel GPU，将 H.265/H.264 转码卸载到 QuickSync，CPU 占用从 300%+ 降至 <20% -- 存储：/volume2/movie + /volume1/TV shows 以只读 :ro 挂载防止误改 -- 用户权限：user: "1026:100" 匹配群晖默认 UID/GID - -### 关键概念 -- [[Jellyfin]] ← 替代 → [[Plex]]（商业闭源 vs GPL 开源） -- [[媒体刮削]]：自动匹配 TMDB/TVDB 元数据 -- [[硬件转码]]：Intel QuickSync vs CPU 软解性能对比 - -## 新增领域：Vibe Coding 工程化实践 - -超越提示词优化，进入工程化实践阶段。[[vibe-coding经验收集]] 收集了 X/Twitter 实践者的核心工作流。 - -### 核心工程化模式 -- [[设计文档优先]]：需求 → 含伪代码的设计文档 → AI 直出代码，比纯提示词显著提高直出质量 -- [[双AI-Review]]：第一个 AI 生成 + 第二个 AI 独立 review，避免 self-justification，人工保留最终决策权 -- [[上下文压缩]]：CodeWeaver 将屎山代码库编织为树形 Markdown，解决 AI 上下文窗口限制 - -### 趋势判断 -> "未来的软件工程核心不是'看懂代码'，而是'验证代码按正确逻辑运行'" — 通过自动化测试+静态分析+形式化验证取代"看代码理解" - -### 新工具 -- [[CodeWeaver]]：GitHub 工具，将任意项目编织为可导航 Markdown，简化 AI 上下文注入 - -## 新增领域：Nano Banana 结构化提示词框架 - -Google Nano Banana 是图像生成提示词的结构化框架，通过 9 个标准化字段（Shot/Subject/Environment/Lighting/Camera/ColorGrade/Style/Quality/Negatives）将创意描述转化为机器可执行参数。 - -### 关键机制 -- negatives（负向提示词）是质量控制关键字段 -- camera 字段提供电影级构图控制（焦距/光圈/角度） -- 物件描述框架与人物描述框架共用同一结构，subject 字段内容不同 - -### 关键概念 -- [[Nano Banana]]：Google 发布的结构化图像提示词框架 -- [[负向提示词]]：明确排除不需要的特征 - -## 新增领域：Claude + n8n-mcp AI 工作流自动生成 - -Claude 与 n8n-mcp 结合，通过自然语言直接生成 n8n 工作流，降低自动化门槛。 - -### 核心机制 -- [[n8n mcp]]：提供 543 个 n8n 节点的结构化访问，271 个 AI 能力节点 -- Claude 自动生成工作流完成度约 80%-90%，10%-20% 错误率需人工修正 -- 选择 Opensea 模型并开启 extended thinking 可显著提升生成质量 - -### 关键能力 -- [[AI工作流自动生成]]：自然语言→工作流代码 -- [[n8n mcp]]：AI 与 n8n 的 MCP 协议桥接 - -## 新增领域：MCP 在 Cursor 中的集成 - -MCP 协议为 Cursor 提供与大模型外围服务的高效集成能力。 - -### 核心机制 -- [[MCP]]：Client-Server 架构，3 种接口（资源读取/工具调用/Promise 提示词） -- [[Composer]]：Cursor 对话模块，支持 Agent 模式和 Normal 模式 -- [[Agent模式]]：自动执行 MCP 工具链，减少手动操作 -- [[Sequential Thinking]]：逻辑推理分步工具，提升 AI 决策质量 - -### 关键区分 -- Agent 模式：工具链自动串联 -- Normal 模式：需手动复制命令 -- enable yolo mode：风险高，默认关闭 - -## 新增领域：Google 5 种 Agent Skill 设计模式 - -Google Cloud 发布的 Skill 内容结构化设计模式，解决 SKILL.md 格式标准化后执行效果差异大的问题。 - -### 5 种模式 -- [[Tool Wrapper]]：监听关键词动态加载规范文档，适合团队编码规范分发 -- [[Generator]]：通过"填空"流程强制一致输出格式 -- [[Reviewer]]：分离检查清单与检查逻辑，换清单即换审计类型 -- [[Inversion]]：agent 先问你再做，逐阶段收集信息 -- [[Pipeline]]：带硬性检查点的严格顺序工作流 - -### Anthropic 补充 -- 最好的 Skill = 工具箱，而非"写好的提示词" -- 写 Skill 三条铁律：只写 Agent 不知道的、重点写踩坑清单、给工具不给指令 -- 5 种模式可组合（Pipeline 包含 Reviewer、Generator 依赖 Inversion） - -### 关键能力 -- [[渐进式披露]]：ADK 机制，agent 只在需要时才加载特定 token - -## 新增领域：Claude Code 调用模式 - -OpenClaw/Hermes 通过 terminal 工具调用 Claude Code，两种核心模式满足不同场景需求。 - -### 关键机制 -- [[Print Mode]]：stdin 管道非交互模式，适合绝大多数编程任务 -- [[TMUX交互模式]]：tmux session 交互模式，适合超长任务 -- `--permission-mode bypassPermissions` 跳过所有交互确认，是自动化调用的必要条件 -- `--add-dir` 自动扫描 SKILL.md 并在触发条件匹配时激活 - -### 关键区分 -- delegate_task 仅调用 Hermes 子 agent，无法建立 Claude Code CLI 通道 -- Skill 调用必须使用 terminal + claude -p - -## 新增领域：baoyu-skills Claude Code 技能集 - -宝玉发布的 Claude Code 技能集，通过 ClawHub 协议支持按单个 skill 安装，涵盖内容生成、AI 图像创作、日常效率工具三大类。 - -### 技能架构 -- [[内容技能]]：baoyu-xhs-images（小红书9×6风格布局）、baoyu-infographic（20×17布局风格）、baoyu-cover-image（5维封面定制）、baoyu-slide-deck（4维度16预设）、baoyu-comic（5×8画风基调）、baoyu-article-illustrator -- [[baoyu-imagine]]：9 家服务商自动选择（OpenAI/Google/DashScope/MiniMax/即梦/豆包/Replicate等） -- [[工具技能]]：baoyu-translate（三模式翻译）、baoyu-youtube-transcript、baoyu-url-to-markdown - -### 发布协议 -- ClawHub 按单个 skill 安装（clawhub install baoyu-imagine），而非 marketplace 批量安装 -- EXTEND.md 支持用户级/项目级自定义，Env 配置支持 API Key 优先级覆盖 - -## 新增领域：AI 产品经理工作流 - -AI 时代产品经理将 Gemini 深度嵌入需求文档、FeatureList、逻辑图、HTML 原型的全链路工作流。 - -### 核心方法 -- [[FeatureList]] 共创：与 Gemini 构思需求框架，AI 补全层级和边界场景 -- [[PRD自动生成]]：分页面逐一描述 + PRD 写作指南模板 + 调教反馈 -- Mermaid 代码生成 ER 图、泳道图、甘特图（飞书原生支持） -- HTML 原型同步生成 + 差量维护 = 永远最新的交互原型库 - -### 核心洞察 -- Gemini = 知识渊博但不带脑子的苦工，表述越准执行越准 -- [[超级个体]] = 某领域八九十分 + AI 横向扩展，AI 是充分非必要条件 -- 市场洞察力 = 产品经理最稀缺也最重要的能力，AI 时代更重要 - -## 新增领域：递归自优化生成系统的形式化框架 - -tuuai 提出的自递归优化生成系统，将 AI 自我改进机制纳入固定点语义与 λ-calculus 的数学框架。 - -### 核心机制 -- α-提示词（生成器 G）→ Ω-提示词（优化器 O）→ 元生成器（M）→ 自映射 Φ(G) = M(G, O(G(I), Ω)) -- 稳定生成能力 = Φ 的固定点 G*：Φ(G*) = G* -- 自举（Bootstrapping）：用优化产物反馈给系统，启动下一轮进化 -- Y Combinator 表达：G* = Y STEP，满足 G* = STEP G* - -### 关键命题 -- 自优化的目标不是单次最优输出，而是生成器空间 {G_n} 的收敛行为 -- [[固定点]] 对应系统不动点，即自洽的稳定生成能力 -- [[自递归优化生成系统]] 与 Agent Skill Generator Pattern 形成理论与实践的对应 - -## 新增领域：LLM 核心术语与技术框架 - -LLM 技术栈从模型到应用形成完整体系，涵盖参数规模基准、工具调用协议、推理优化等多个维度。 - -### 核心概念 -- [[LLM]]：≥1B 参数的语言模型为"大模型"门槛，GPT-2（1.5B）、GPT-3（175B） -- [[MCP]]：Model Context Protocol，LLM 与外部工具的标准化通信协议 -- [[Agent]]：大模型 + MCP 工具整合后实现实际任务执行，大模型仅输出步骤，执行需依赖 MCP -- [[RAG]]：Retrieval-augmented generation，通过检索增强解决幻觉问题（考试正确率 60%→90%） -- [[Embedding]]：向量化，将词转化为浮点数字计算语义距离 -- [[vLLM]]：通过 PagedAttention（块式 KV Cache）和连续批处理优化 GPU 利用率 -- [[Token]]：LLM 基本输入单元，中文约 0.6 token/字符，英文约 0.3 token/字符 -- [[数据蒸馏]]：用大模型生成精简数据训练小模型 - -### 关键洞察 -- MCP 协议核心约束：大模型不执行实际调用，只给出步骤建议 -- vLLM 推理优化：PagedAttention 避免内存碎片化，连续批处理减少头阻塞 - -## 新增领域：Vibe Coding 氛围编程 - -Vibe Coding = 规划驱动 + 上下文固定 + AI 结对执行，让想法到可维护代码成为可审计流水线。 - -### 核心方法论 -- 开发者从"写代码的人"转变为"指挥 AI 写代码的导演" -- 保持对产品逻辑、用户流程、审美和交互的"感觉" -- 规划是一切：技术选型、实施规划、模块化设计 -- AI 工具（Cursor、Windsurf、Trae）承担体力活 - -### 推荐资源 -- [[vibe coding cn]]：中文开发者 Vibe Coding 资源库与工作站 -- Cursor + claude-opus-4.5-xhigh 为推荐工具组合 - -## 新增领域：Agentic AI 赋能 Cloud DevOps - -Agentic AI 将传统响应式 DevOps 转变为预测性、自动化运维。 - -### 七大应用场景 -1. 自主检测与修复：K8s、数据库、存储异常自动修复（MTTR 降低） -2. 智能 IaC 管理：审查 Terraform、CloudFormation、Pulumi 脚本 -3. 成本优化：动态扩展、Spot/Reserved 实例优化（夜间负载转移降低 40% 成本） -4. 安全合规：IAM 策略扫描、容器漏洞检测、实时修复 -5. 日志分析与可观测性：AI 驱动的根因分析 -6. 多租户 SaaS 管理：自动化创建、配置、归档租户 -7. AI 增强决策：What-If 模拟、异常检测 - -### 关键能力 -- [[Self-Healing Systems]]：自愈系统，异常检测 + 自动修复 -- [[Multi-Cloud Governance]]：跨 AWS/GCP/Azure 多云治理 - -## 新增领域：OpenClaw Workspace 架构 - -OpenClaw workspace 文件体系通过 7 个核心文件实现 Agent 的可预期性和一致性。 - -### 核心文件 -- AGENTS.md：岗位职责说明书（300-500 字最佳），定义边界而非仅列能力 -- SOUL.md：性格档案（叙事性角色设定），与 IDENTITY.md 分工明确 -- USER.md：用户偏好固化，减少重复交代 -- TOOLS.md：工具权限规范，核心是"什么时候不用" -- IDENTITY.md：结构化身份元数据（Name/Creature/Vibe/Emoji/Avatar） -- BOOTSTRAP.md：一次性初始化引导，完成后删除 -- [[长期记忆]]：memory/ 目录，Agent 跨会话保留重要信息 - -### 核心价值 -从"每次重新 onboarding"转变为"记得上下文、偏好和历史"的长期搭档。 - -## 新增领域：家庭监控方案（可观测性实践） - -家庭和小型实验室场景下，通过 Docker 一键部署完整监控栈，实现主机/容器/服务三层覆盖。 - -### 核心组件 -- [[Prometheus]]：时序数据库和告警规则引擎，pull 模式采集所有 exporter 指标 -- [[Grafana]]：仪表盘可视化，Dashboard ID 1860/14282/7587 覆盖主要监控需求 -- [[cAdvisor]]：容器指标采集，挂载 /var/lib/docker/ 获取完整容器资源数据 -- [[blackbox_exporter]]：HTTP/TCP/DNS/TLS 黑盒探测，监控内外网服务可用性 -- [[node_exporter]]：主机指标采集，CPU/内存/磁盘/网络 -- [[Alertmanager]]：告警分组抑制分发，支持邮件/Slack/Telegram - -### 关键告警 -- HostHighCPU：CPU 5分钟平均 > 85% -- HostLowDisk：磁盘剩余 < 10% -- TLSCertExpiring：证书到期 < 14天 -- HTTPProbeFailed：探测连续失败 - -### 扩展路径 -- [[Loki]] + Promtail：日志聚合 -- [[Uptime Kuma]]：轻量合成探针 UI -- [[VictoriaMetrics]]：长期时序存储 - -### 关键洞察 -- Docker Socket 挂载存在安全风险，容器可获宿主机 root 等同权限 -- 监控流量建议放在管理 VLAN 或防火墙限定访问 - -## 新增领域：Synology NAS 影视媒体平台 - -群晖 NAS 作为自托管媒体中心，整合阿里云盘资源与 Plex 前端，构建私有影视平台。 - -### 核心组件 -- [[Plex]]：跨平台媒体服务器，自动刮削 TMDB/TVDB 元数据，支持转码和多设备播放 -- [[Xiaoya Alist]]：阿里云盘资源聚合，通过 token 授权转存分享资源到阿里云盘 -- [[CloudDrive2]]：群晖套件，将阿里云盘挂载为本地文件系统 -- [[Synology NAS]]：硬件平台，Container Manager（Docker）和套件中心两大应用入口 - -### 离线镜像导入 -当 Container Manager 无法读取 Docker Hub 时，通过 docker save/docker load 在离线环境迁移镜像。 - -### 媒体目录策略 -aliyun-movie/ → Plex 电影库 -aliyun-tvshows/ → Plex 电视剧库 -aliyun-documentory/ → Plex 纪录片库 - -### 阿里云盘配置 -- refresh_token：通过 alist.nn.ci/tool/aliyundrive/request.html 扫码获取 -- token：阿里云盘 App 扫码授权 -- 安全原则：仅授权资源目录，不授权备份目录 - -## 新增领域：电商数据采集与AI处理自动化 - -基于 Scrapy + Playwright + n8n + Ollama 构建全链路电商数据采集与 AI 处理管线。 - -### 核心架构 -- [[Scrapy]]：异步结构化抓取，分页调度，支持 JSON/CSV 输出 -- [[Playwright]]：JS 动态页面渲染，scrapy-playwright 插件集成 -- [[n8n Workflow自动化]]：Cron 触发 → 执行爬虫 → 读取 JSON → AI 处理 → 存储 → 通知 -- [[Ollama]]：本地 LLM 推理，http://localhost:11434/api/generate 调用 - -### 采集字段 -title/price/rating/image_urls/product_url - -### AI 处理任务 -- 内容摘要（30字内） -- 分类（类目/品牌/价格区间） -- 特征提取（品牌、型号、规格） -- 多语言翻译 -- 异常检测（异常价格/缺图） - -### 防封策略 -- User-Agent 轮换 -- 代理池（[[BrightData]]/[[ScraperAPI]]） -- DOWNLOAD_DELAY + 随机化 - -### 扩展路径 -- FastAPI 服务层：REST API 暴露给前端/BI -- LangChain + Qdrant：向量语义检索 -- Grafana/Metabase：电商趋势可视化 - -## 新增领域：Last30Days 与多平台热点聚合 - -Last30Days 研究过去 30 天内多平台社交热点，生成聚合研究报告，覆盖 Reddit/X/YouTube/TikTok/Instagram/Hacker News/Polymarket/Web 8 大数据源。 - -### 核心机制 -- [[多平台热点聚合]]：整合 8 个数据源的结构化趋势研究方法，权重分层（Reddit/X > YouTube > Polymarket > TikTok > Instagram > Web） -- [[社交信号权重]]：基于真实互动（upvotes/likes/押注）而非单纯曝光量的热度评估框架 -- 对比模式（"A vs B"）一次返回并排对比研究 -- [[ScrapeCreators]] API 覆盖 Reddit/TikTok/Instagram（前 100 次免费） - -### API Keys 配置 -- SCRAPECREATORS_API_KEY（必填） -- XAI_API_KEY 或 AUTH_TOKEN+CT0（X 搜索） -- OPENROUTER_API_KEY / TAVILY_API_KEY（Web 搜索备选） - -### 最佳实践 -- 测试话题：--quick（8-12 条/来源，2 分钟内） -- 深度研究：--deep（50-70 条 Reddit，40-60 条 X，2-8 分钟） -- 指定 X 账号：--x-handle=账号名（搜索特定人物/品牌帖子） - -## 新增领域：gog CLI 与 Google Workspace CLI - -gog CLI 是 macOS 系统通过命令行管理 Google Workspace 的工具，支撑日历/邮件自动化工作流。 - -### 核心机制 -- [[Google Workspace CLI]]：命令行管理 Gmail/Calendar/Drive/Contacts/Docs/Sheets -- OAuth 双层验证：OAuth 凭证（身份认证）+ Google Cloud API Enablement（权限控制） -- 403 accessNotConfigured 错误的根因是 Google Cloud 项目未启用对应 API，而非权限问题 - -### 关键使用规范 -- 添加测试用户（ishenwei@gmail.com）绕过 Google 第三方应用验证限制 -- 启用新 API 后必须重新授权（gog auth revoke && gog auth login） -- export GOG_ACCOUNT=ishenwei@gmail.com 设置默认账号 - -## 新增领域：Cursor 2.0 与 AI代码编辑器 - -Cursor 2.0 是基于 VS Code 的 AI 代码编辑器，通过 [[Composer模型]] 和多代理并行机制提升编程效率。 - -### 核心机制 -- [[AI代码编辑器]]：集成 AI 辅助的代码编辑器（Cursor/Windsurf/Trae/Cline），AI 代理 + Diff 审查 + 项目规则 -- [[Composer模型]]：Cursor 自研 AI 生成模型，生成速度比同类快 4 倍 -- [[多代理并行]]：Plan/Agent/Ask 三种模式同时运行不同任务，互不干扰 -- [[Diff审查]]：逐文件对比 AI 生成代码，强制先测试再确认 - -### 三种代理模式 -- Plan 模式：AI 规划任务步骤，不修改代码 -- Agent 模式：自动串联 MCP 工具链，修改代码 -- Ask 模式：仅返回文本答案，不修改代码（最安全） - -### 关键规范 -- AI 生成代码即写入文件，未点 Undo 前持续保留 -- [[项目规则]]（.cursorrules）可自定义 AI 行为规范 -- Cursor 建议结合 [[Git]] 版本控制以便回滚 - -## 新增领域：n8n Docker 部署与网络代理配置 - -n8n 自托管工作流引擎通过 Docker 部署在 Ubuntu2（192.168.3.45），通过 SOCKS5 代理解决容器内访问外网问题。 - -### 核心组件 -- [[Docker Compose]]：n8n 容器编排，定义环境变量、端口映射和数据卷 -- [[SOCKS5代理]]：ALL_PROXY 环境变量将容器内 HTTP/HTTPS 流量转发到宿主机代理 -- 容器内测试代理：curl --socks5 172.18.0.1:10808 https://ifconfig.me - -### 关键能力 -- [[n8n-mcp]]：Claude 通过 MCP 协议调用 n8n 543 个节点 -- [[AI工作流自动生成]]：Claude 自然语言生成 n8n 工作流，完成度 80-90% - -## 新增领域：Cloud Operating Model 云运营模型 - -企业级云运营模型（COM）通过四大支柱和六步设计法，为组织提供云投资有效管理、安全运营和可持续优化的标准化框架。 - -### 核心机制 -- [[Cloud Operating Model]]：四大支柱（治理/自动化/安全/FinOps），六步设计法（评估→治理→自动化→FinOps→安全→优化） -- [[FinOps]]：实时成本追踪，Reserved Instances 可节省 40-70% 计算成本 -- [[Zero Trust]]：零信任安全模型，永不信任持续验证，最小权限原则 -- 多云策略避免供应商锁定，Kubernetes 实现工作负载可移植性 - -### 关键洞察 -- 89% 企业将在 2025 年采用云优先架构（Gartner），但缺乏结构化方法的组织面临成本失控和安全漏洞 -- AI 驱动异常检测可使停机时间减少 45% - -## 新增领域：MinIO + Zipline 自托管图床 - -Synology NAS 通过 Docker 部署 MinIO 对象存储 + Zipline 图片托管服务 + PostgreSQL 元数据，构建完全自控的私有图床。 - -### 核心组件 -- [[MinIO]]：兼容 S3 协议的对象存储引擎，数据持久化在 NAS -- [[Zipline]]：图片上传 Dashboard + REST API，与 n8n Workflow 集成 -- [[PostgreSQL备份]]：pg_dump 热备份 + Synology Hyper Backup 增量归档 -- [[S3协议]]：MinIO 核心配置参数（S3_BUCKET/ENDPOINT/ACCESS_KEY/SECRET_KEY/REGION/FORCE_PATH_STYLE） - -### 关键洞察 -- 存储性能仅受 NAS 硬盘/SSD 限制 -- pg_dump + Hyper Backup 是防数据不一致的标准方案 - -## 新增领域：Trae Remote SSH 远程开发 - -Trae AI 代码编辑器通过 Remote SSH 连接 Ubuntu 服务器，结合 Docker Attach 模式和 Bind Mount，实现远程服务器上的隔离开发环境。 - -### 核心机制 -- [[Remote SSH]]：Trae 在服务器安装 Trae Server，所有编辑操作在远程执行 -- [[Docker Attach模式]]：直接进入 Docker 容器内部启动编辑器，完全隔离环境 -- [[Bind Mount]]：宿主机目录挂载容器内，代码修改实时生效 -- SSH Config HostName 可填写 Tailscale IP，实现内网/外网无缝切换 - -### 关键洞察 -- Git 凭证通过 SSH Agent 转发解决 -- 文件权限（UID/GID）问题：容器内生成文件归属 root，需在 Dockerfile 中指定用户 - -## 新增领域：Claude Skills 完整资源图谱与流程工程 - -Anthropic 官方 Skills 仓库 github.com/anthropics/skills 突破 3.2 万收藏，标志着从"提示词工程"到"流程工程"的范式转移。Skills = 说明书 + SOP，将人类经验封装为可复用工作流。 - -### 核心资源 -- [[Anthropic]] 官方仓库：办公自动化（Word/PDF/PPT/Excel）、开发者工具箱（MCP Server/Web 测试/Artifacts 构建）、创意类 Skill -- 三大 Awesome 仓库：[[ComposioHQ]]、[[VoltAgent]]、[[BehiSecc]]，系统性整理 LLM Skills 工作流 -- 三大聚合站：[[skillsmp.com]]、[[aitmpl.com]]、[[claudemarketplaces.com]]，拿来即用的 Skills 集 - -### 关键洞察 -- Skills 核心是流程而非提示词，Vibe Coding 的尽头也是 Skills -- 真正有价值的不是 Prompt 写得多花哨，而是谁能将 SOP 交给 AI 稳定执行 - -## 新增领域：NotebookLM 7 种应用场景 - -NotebookLM 通过 Source-Grounding 机制（严格限制知识库仅含上传文档）实现高精度回答，每个答案附带精确引文。 - -### 7 种应用场景 -- 信息管理：上传 PDF/文章/YouTube 链接，AI 自动处理并支持交互问答 -- 被动学习：Audio Overviews 将文档转化为双人 AI 对话音频，支持 Brief/Deep Dive/Critique/Debate 风格 -- 即时专家：上传多源资料快速建立领域认知 -- 编程辅助：上传官方文档，通过问答定位知识点，替代冗长教程 -- 项目管理：集中所有会议记录和战略文档，AI 自动生成结构化路线图 -- 软件更新对比：同时上传多个版本发布说明，AI 提取差异并列出带引文变更清单 -- 法律文档审查：严格基于上传文档回答，每问必带引文 - -### 关键洞察 -- Source-Grounding 是 NotebookLM 与通用 AI 的本质区别：知识受限但精度极高 -- 引文追溯让每个答案可验证，解决通用 AI 幻觉问题 - -## 新增领域：Agentic AI UX 设计五原则 - -Agentic AI（行动型 AI）与 GenAI（生成型 AI）的根本区别在于：Agentic AI 能感知环境、决策、预判并自主行动，而非仅生成内容。 - -### 五大设计原则 -- [[透明度]]：可视化 AI 任务进度和推理过程摘要，帮助用户理解 AI 决策逻辑 -- [[控制权]]：提供明确的停止机制和操作撤销能力，确保用户始终掌控 AI 行为边界 -- [[个性化]]：基于用户历史行为预测未来需求，主动提供个性化建议 -- [[对话式设计]]：自然语言界面取代传统点击，用户意图以对话方式传达 -- [[预判式设计]]：AI 主动预判需求并提前行动，但保留用户调整 AI 自主性等级的控制权 - -### 关键洞察 -- 用户通过观察 AI"思考"过程实现参与，而非直接操作界面 -- AI 自主性 aggressiveness 可调节，需在主动服务与用户控制之间取得平衡 - -## 新增领域：OpenClaw 照片整理实战 - -通过 OpenClaw AI Agent 实现 28 万张照片的自动化整理，将"没有想清楚"的问题前置化。 - -### 核心方法 -- [[精确去重]]：MD5 哈希比对，只删真正相同的文件 -- [[小文件清理]]：低于 100KB 的图片（截图/微信压缩图）自动移走 -- [[安全删除]]：待删文件先移至 To-Be-Deleted 目录而非直接删除 -- [[分批执行]]：68 个目录拆为 8 批次，每天凌晨 0 点自动执行 -- [[AI Agent 思维方式]]：先问关键问题（格式/重复定义/删除策略）而非直接动手 - -### 关键洞察 -- AI Agent 核心价值不是单点能力提升，而是思维方式升级——将模糊想法变成清晰结构 -- Telegram 推送每批次执行 Summary 报告，实现真正的无人值守 - -## 新增领域：AI 时代赚钱思维模型 - -"普通人怎么在AI时代赚钱"的框架是错的，正确的问题是"AI 让我能做到什么以前做不到的事"。 - -### 三大核心原则 -- [[品味]]：AI 工具民主化后，能判断什么是真正好的成为稀缺护城河 -- [[端到端]]：别做别人 AI 流水线上的螺丝钉，做从 idea 到 product 的完整闭环 -- [[死亡过滤器]]：每天问自己是否还愿意做这件事，筛选真正的热爱 - -### 关键洞察 -- AI 不会让普通人变富，但会让那些知道自己要做什么、且对品质有执念的人变得极其强大 - -// 新增领域：DevOps Culture and Transformation 四大支柱框架（2026-04-16 Batch 4） -// 新增领域：RTO/RPO 现代灾难恢复体系与 Feature Flag 秒级 RTO（2026-04-16 Batch 4） -// 新增领域：公有云/私有云/混合云三种部署模型对比与共享责任模型（2026-04-16 Batch 4） -// 新增领域：Multi-Agent 虚拟团队协作模式（2026-04-15 PM） -// 新增领域：Vibe-Kanban + OpenCode Ubuntu 部署（2026-04-15 PM） -// 新增领域：Home Office 自托管服务三件套——MariaDB + Navidrome + rsync 增量备份（2026-04-15 Evening） - -// 新增领域：n8n + Claude 自然语言工作流生成（2026-04-15 Night） -// 新增领域：LLM Wiki vs RAG 的本质区别与持久化笔记系统（2026-04-15 Night） -// 新增领域：一人公司 90 天跑通模式（2026-04-15 Night） - -// 新增领域：Self-Improving + 双层记忆架构（2026-04-15 PM） - -## 新增领域：baoyu-skills Claude Code 技能集 - -宝玉（JimLiu）发布的 Claude Code 技能集，通过 ClawHub 协议按单个 skill 安装，覆盖内容生成、AI 图像、日常效率工具三大类。 - -### 技能架构 -- [[内容技能]]：baoyu-xhs-images（小红书 9×6 风格布局）、baoyu-infographic（20×17 布局风格）、baoyu-cover-image（5维封面定制）、baoyu-slide-deck（4维度16预设）、baoyu-comic（5×8 画风基调）、baoyu-article-illustrator -- [[baoyu-imagine]]：9 家服务商自动选择（OpenAI/Google/Azure/OpenRouter/DashScope/MiniMax/即梦/豆包/Replicate），支持文生图/参考图/批量生成 -- [[工具技能]]：baoyu-translate（三模式翻译）、baoyu-youtube-transcript、baoyu-url-to-markdown、baoyu-x-to-markdown - -### 发布协议 -- ClawHub 按单个 skill 安装（clawhub install baoyu-imagine），而非 marketplace 批量安装 -- EXTEND.md 支持用户级/项目级自定义，Env 配置支持 API Key 优先级覆盖 - -## 新增领域：Multi-Agent 虚拟团队协作模式 - -Solo founder 通过多 Agent 虚拟团队实现 24/7 全天候工作能力，每个 Agent 有独立角色/人格/模型，共享记忆，协作完成复杂任务。 - -### 核心机制 -- [[共享内存模式]]：GOALS.md（OKR 与优先级）+ DECISIONS.md（关键决策日志）+ PROJECT_STATUS.md（当前项目状态） -- [[定时主动任务]]：Agent 主动在后台工作并推送结果，而非等待用户请求（早会摘要/指标推送/内容创意） -- [[Telegram路由]]：单群聊入口 + @AgentName 路由 + 无@默认 Lead Agent -- 从 2 Agent 开始，按瓶颈扩展，不是一上来建 4 个团队 - -### 实践案例 -- [[Trebuh]] 的 4 Agent 团队（Milo/Josh/Marketing/Dev）+ Telegram + VPS，描述为"真正的 24/7 小团队" - -## 新增领域：Vibe-Kanban + OpenCode Ubuntu 部署 - -Ubuntu Server 上通过 nvm 管理 Node 20，安装 Vibe-Kanban 与 OpenCode，pm2 管理进程，实现远程 AI 结对编程。 - -### 核心组件 -- [[nvm]]：Node Version Manager（v0.39.7），安装和管理 Node 20 -- [[Vibe-Kanban]]：AI 结对编程任务看板，Web UI（PORT 9999），自动 spawn OpenCode Executor -- [[pm2]]：进程管理器，pm2 start/logs/save/startup systemd -- [[OpenCode Executor]]：vibe-kanban spawn 的 AI 编程执行器，随机端口运行 - -### 关键约束 -- 不要用 root 启动 OpenCode serve -- executor 随 vibe-kanban 进程一起管理，不单独用 pm2 管理 -- I/O error 通常是 executor 没启动或端口被占用 - -## 新增领域：Home Office 自托管服务三件套 - -### MariaDB 数据库 -Synology NAS Docker 部署 MariaDB 10.11，通过 socket 本地登录管理，CREATE USER 创建远程访问账号。公网域名 mysql.ishenwei.online:63307 提供外网访问能力。 - -### Navidrome 音乐服务器 -Synology Docker 部署 Navidrome 开源音乐流媒体服务，音乐目录只读（:ro）挂载保护原始文件。ND_AUTOTRANSCODEDOWNLOAD 根据客户端能力自动转码，Subsonic API 兼容主流音乐 App。 - -### rsync 增量备份自动化 -rsync + NFS + /etc/fstab 永久挂载 + Crontab 凌晨 3 点自动化，构建"Clonezilla 整机镜像 + rsync 增量数据"二级保护体系。lockfile 防重入，mountpoint -q 防 NAS 掉线写爆本地硬盘。 - -### 核心概念 -- [[Socket登录]]：MariaDB 本地连接方式 -- [[NFS永久挂载]]：/etc/fstab + _netdev 等待网络就绪 -- [[rsync增量备份]]：Delta-transfer 算法仅传输变化部分 -- [[lockfile防重入]]：PID 文件 + kill -0 检测进程存活 - -## 新增领域：n8n + Claude 自然语言工作流生成 - -n8n 通过 MCP 协议与 Claude 连接，实现自然语言驱动的自动化工作流生成。 - -### 核心机制 -- [[n8n-mcp]]：Claude 与 n8n 之间的 MCP 协议桥接，提供 543 个 n8n 节点的结构化访问 -- [[AI工作流自动生成]]：Claude 生成 n8n 工作流 JSON 完成度约 80-90%，10-20% 错误率需人工修正 -- 选择 Opensea 模型并开启 extended thinking 可显著提升生成质量 -- n8n AI Agent 节点内置 Memory 机制，支持多轮对话上下文 - -### 关键区分 -- [[Workflow vs Agent]]：预定义固定路径 vs LLM 动态决策 -- Claude Code 的 delegate_task（Hermes 子 agent）vs terminal 调用 claude -p（MCP CLI 通道） - -## 新增领域：LLM Wiki vs RAG 的本质区别与持久化笔记系统 - -通过 Obsidian + Gitea + OpenClaw 三层架构，将 AI 助手输出持久化为可积累的知识网络。 - -### 核心洞察 -- [[LLM Wiki]] vs [[RAG]]：RAG 每次从零检索，知识不积累；LLM Wiki 让 AI 增量构建和维护持久化 Wiki，页面间互相链接 -- AI 输出直接落盘到笔记（Obsidian）而非留在聊天记录，笔记通过 iCloud Drive 三端同步 -- [[Gitea]] 提供 Git 版本管理，任何时候都能回溯历史版本 - -### Obsidian 最佳实践 -- [[Obsidian Web Clipper]]：浏览器插件快速采集外部素材 -- [[Graph View]]：知识健康检查，发现孤岛页面和灰色幽灵节点（被引用但无专页的概念） -- [[Git自动同步]]：Auto commit-and-sync interval 完全自动化版本管理 -- [[QMD]]：Wiki 规模到几百页后替代 index.md 提供精准搜索 - -### 知识管理原则 -- 研究过程写入 Agent Archive（openclaw//） -- 经过验证可复用的知识沉淀到 Knowledge Base（knowledgebase/） - -## 新增领域：一人公司 90 天跑通模式 - -从自我认知到商业变现，90 天跑通用最小杠杆撬动最大价值的一人公司。 - -### 核心框架 -- [[天才地带]]：能产生心流的活动区域，精力充沛、时间飞逝 -- [[底层能力]]：三个自检问题（追溯童年/毫不费力/底层通用） -- [[Ikigai]]：热情 × 擅长 × 市场需要 × 能获报酬，四圈交集是最佳定位 - -### 产品体系四层 -- 引流（免费PDF）→ 入门（¥199 工具）→ 核心（¥4999 训练营）→ 高价（¥20000/月陪跑咨询） -- [[价格锚定]]：高价咨询放顶部让低价显得便宜 -- [[内容矩阵]]：横轴核心主题 × 纵轴内容形式（观察/反直觉/操作指南/个人故事/清单） -- [[反向金字塔]]：一次长形式内容切成无数微内容一次制作百次分发 - -### 四个心理陷阱 -- 愧疚陷阱（不喜欢 = 别人也不喜欢）/ 效率陷阱（忙 = 创造价值）/ 卓越陷阱（必须亲自干）/ 努力陷阱（轻松 = 没价值） - -## 新增领域：Self-Improving + 双层记忆架构 - -通过 self-improving skill + 双层记忆架构 + 每日定时复盘，实现 Agent 在错误中学习、持续进化，避免同一错误重复出现。 - -### 双层记忆架构 -- 短期记忆：memory/YYYY-MM-DD.md 每日文件，每次 Session 启动时强制创建（解决记忆断层） -- 长期记忆：memory-lancedb-pro（LanceDB 向量数据库），语义搜索重要决策和偏好 -- self-improving 层：LEARNINGS.md，Pattern-Key 追踪，Recurrence-Count 量化系统性 - -### Self-Improving 核心机制 -- [[Pattern-Key]]：经验记录唯一标识（如 cron.telegram-delivery），重复出现 = 系统性问题需系统性解决 -- [[Recurrence-Count]]：重复次数计数器，≥2 说明这不是偶发错误 -- 固定格式：Summary + Details + Suggested Action + Metadata（Pattern-Key/Recurrence-Count/See Also） - -### 每日复盘 -- 23:00 定时触发，读取当天 memory → self_improvement_log → 检查 Pattern-Key 重复 → 同步到长期记忆 → Telegram 摘要 -- 发现机制：复盘时发现 3月27日无 memory 文件 → 推动"Session 启动时强制创建"流程优化 - -## 新增领域：多智能体可靠性架构（Alex Ewerlöf） - -Alex Ewerlöf 提出的多智能体可靠性架构，将 LLM 视为分布式系统中不可靠组件而非拟人化智能体。 - -### 4 种架构模式 -- [[Multi-Agent Hierarchy]]：Supervisor（规划器）+ Worker（工作者）+ Validator（验证器）三角色顺序协作，依赖图强制协作而非靠"喜欢" -- [[Multi-Agent Consensus]]：N 个模型独立响应同任务，多数票消除随机噪声（3 模型同谎言概率 0.8%），适合事实核查和分类 -- [[Multi-Agent Adversarial Debate]]：Generator + Critic + Judge 三方对抗（法庭模型），Truth survives the fight，适合安全分析和代码审查 -- [[Multi-Agent Knock-out]]：遗传算法启发的适应度淘汰制，最差代理被淘汰（cattle not pets），适合迭代式 Agent 工程 - -### 核心洞察 -- 停止要求模型"小心"，改为强制其"正确"（架构约束 > 情感化 prompt） -- LLM Sycophancy：过度迎合导致撒谎，多数投票可缓解 -- 验证器可以是确定性代码（单元测试/JSON schema）而非 LLM - -## 新增领域：Build Your Own X（费曼学习法实践） - -build-your-own-x GitHub 项目通过"从零重建流行技术"来深度掌握编程，是费曼学习法在技术领域的系统性实践。 - -### 核心资源 -- [[CodeCrafters]]：build-your-own-x 当前维护方，提供 codecrafters.io 在线编程挑战 -- 25 个技术领域：3D Renderer / BitTorrent / Blockchain / Bot / Docker / Emulator / Git / Neural Network / OS / Regex / Search Engine / Web Browser 等 -- 每个领域提供多语言实现（Python/JavaScript/Go/C++/Rust 等） - -### 关键洞察 -- "What I cannot create, I do not understand" — Richard Feynman -- BYOX 是 [[Vibe Coding]] 的底层实践，Vibe Coding 规划驱动，BYOX 从零实现 - -## 新增领域：Solo Founder 多 Agent 专精团队 - -Solo founder 通过多 Agent 虚拟团队实现 24/7 全天候工作能力，[[Multi-Agent Hierarchy]] 模式的具体 OpenClaw 实践。 - -### 团队配置模式 -- Lead Agent（Milo）：战略协调，制定计划，OKR 追踪 -- Business Agent（Josh）：数据分析，定价策略，竞品监控 -- Marketing Agent：内容创意，Reddit/X 趋势监控 -- Dev Agent：代码实现，技术架构，CI/CD - -### 核心机制 -- [[定时主动任务]]：Agent 主动推送早会摘要/指标报告/内容创意，而非被动等待用户请求 -- [[Telegram路由]]：单群聊 + @AgentName 路由 + 无@默认 Lead -- 2 Agent 起步按瓶颈扩展，而非一上来建 4 个团队 - -### 灵感来源 -- [[Trebuh]] 的 4 Agent 实践（"a real small team available 24/7"） -- [[Nicholas Carlini]] 自主编码 Agent 方法论 - -## 新增领域：去中心化项目协调（STATE.yaml） - -通过共享 STATE.yaml 文件替代中央 orchestrator，实现真正的并行 subagent 协作。 - -### 核心机制 -- [[STATE.yaml]]：YAML 结构定义任务状态、owner、blocked_by、next_actions -- Git 作为审计日志：STATE.yaml 变更 commit 实现完整历史追溯 -- 薄主会话原则：主 Agent 只做 spawn/send，不直接执行任务 - -### 与多 Agent 专精团队的关系 -- 专精团队：多角色 Agent 并存，STATE.yaml 记录团队共享目标 -- 去中心化协调：同一团队内无中央 orchestrator，各 Agent 自主读写状态 - -## 新增领域：东方人生智慧 - -道家、儒家、佛教经典箴言体系，补充西方哲学框架之外的人生哲学视角。 - -### 核心命题 -- [[空性智慧]]：一切有为法如梦幻泡影露水电，不执着于"自性"（金刚经） -- [[绝处逢生]]："行到水穷处，坐看云起时"，困境即转机的东方智慧（[[王维]]） -- [[知其不可奈何而安之若命]]：先尽人事，后听天命，接纳与行动的平衡（[[庄子]]） -- [[和光同尘]]：收敛锋芒，不标新立异，与世无争以保全自身（老子/[[曾国藩]]） - -### 与苏东坡视角的关系 -- [[一语点醒梦中人]] 与 [[su-dongpo-perspective]] 均属东方人生智慧，后者侧重苏东坡的文学与政治生涯视角 - - -// 新增领域：NotebookLM 开源平替生态（2026-04-16 Batch 2 Continued） -// 新增领域：Nano-Banana Pro 进阶提示词策略（2026-04-16 Batch 2 Continued） -// 新增领域：AI时代赚钱三原则（2026-04-16 Batch 2 Continued） - -## 新增领域：NotebookLM 开源平替生态 - -Google NotebookLM 的开源替代品生态已成熟，覆盖从本地文档处理到企业级知识库的完整场景。 - -### 核心产品 -- [[Open Notebook]]（14.6k ⭐）：功能最完整的 NotebookLM 平替，支持 16+ AI 提供商（OpenAI/Anthropic/Gemini/Ollama/LM Studio），多模态输入+4角色播客生成 -- [[SurfSense]]（11.4k ⭐）：定位 NotebookLM+Perplexity+Glean 合一，Notion/YouTube/GitHub 外部数据源整合+语义+全文混合搜索+RBAC，适合企业知识库 -- [[Podcastfy]]：专注播客生成，100+ LLM+4 种 TTS 引擎，Shorts 和 Longform 两种格式 -- [[PageLM]]：教育平台，自动生成康奈尔笔记（SmartNotes）+互动测验+Flashcards+ExamLab -- [[InsightsLM]]：Supabase+N8N+React 架构，私有化部署，支持 Ollama/Qwen3 本地模型 - -### 关键洞察 -- 开源平替已覆盖 NotebookLM 全部核心功能（文档问答/引用/播客生成） -- Open Notebook 在功能完整性上最接近原版，SurfSense 在研究场景最强 - -## 新增领域：Nano-Banana Pro 进阶提示词策略 - -Google Nano-Banana Pro 从"娱乐级"升级到"专业级资产生产"，是"思考模型"，理解意图、物理和构图而非简单关键词匹配。 - -### 10 大能力维度 -1. **Text Rendering**：SOTA 文字渲染，信息图/蓝图/白板/技术图纸多种风格 -2. **Identity Locking**：14 张参考图（6 高精度），单次生成 Viral Thumbnail（Identity+Text+Graphics） -3. **Google Search Grounding**：实时数据可视化，减少时效性话题幻觉 -4. **Advanced Editing**：In-painting/Restoration/Colorization/Style Swapping，语义指令替代手动遮罩 -5. **2D↔3D 转换**：户型图→室内设计稿，平面图→3D 可视化 -6. **4K 原生输出**：1K-4K 分辨率，高保真纹理 -7. **Thinking Mode**：中间推理图（不收费）优化构图，再渲染最终输出 -8. **One-Shot Storyboarding**：单次会话生成连贯叙事流的故事板 -9. **Layout Guidance**：草图/线框图/网格图严格控制构图和布局 -10. **Pixel Art & LED Display**：64x64 网格生成，驱动 LED 矩阵 - -### 黄金四法则 -- **Edit Don't Re-roll**：图像 80% 正确时不重新生成，只要求具体修改 -- **自然语言完整句子**：像给人类艺术家 brief，而非堆砌标签 -- **具体描述**：Subject + Setting + Lighting + Mood -- **提供上下文**：Why 或 For Whom，帮助模型做逻辑性艺术决策 - -## 新增领域：AI时代赚钱三原则 - -以乔布斯视角提出的 AI 时代赚钱思维框架——品味值钱、端到端做事、死亡过滤器筛选热爱。 - -### 三原则 -- **品味值钱**：AI 工具民主化后，品味是真正的护城河，能判断什么是真正好的比只会点"生成"的人强一百倍 -- **端到端**：别做别人 AI 流水线上的螺丝钉，做从 idea 到 product 的完整闭环 -- **死亡过滤器**：每天问自己如果今天是最后一天还会不会做这事，筛选真正的热爱 - -### 正确问题框架 -- ❌ 错误：「普通人怎么在AI时代赚钱」（被动挨打） -- ✅ 正确：「AI 让我能做到什么以前做不到的事」（主动创造） - -### 来源 -[[乔布斯.skill]] — 通过 Claude Code Skills 封装的乔布斯视角思维框架 - -## 新增领域：DevOps Culture and Transformation 四大支柱框架 - -DevOps 超越工具层面，进入思维模式转变，通过文化、运营和技术三位一体实现软件交付能力的系统性提升。 - -### 四大支柱 -- **协作优先于孤岛**：跨职能团队共享软件全生命周期所有权，打破 Dev 与 Ops 的组织壁垒 -- **自动化即赋能者**：CI/CD Pipeline + IaC 将人工程序自动化，释放团队聚焦高价值工作 -- **持续改进（Kaizen）**：无责复盘、数据驱动瓶颈识别、混沌工程主动测试系统韧性 -- **客户中心**：Feature Flagging 嵌入式反馈、A/B 测试数据驱动决策 - -### 敏捷整合 -- Scrum/Kanban 为结构化迭代或持续流动提供框架 -- DevSecOps 将安全左移（Shift-Left）在开发阶段即嵌入 -- Value Stream Mapping 可视化工作流消除等待和浪费 - -### AI/ML 赋能趋势 -- GitOps 以 Git 作为单一真实源管理基础设施 -- Serverless DevOps 通过 FaaS 减少运维开销 -- Edge Computing DevOps 实现近用户侧实时应用性能优化 - -### 关键实体 -- [[Atlassian]]：Jira 提供跨职能团队实时协作 -- [[Jenkins]] / [[GitLab]] / [[GitHub]]：主流 CI/CD 工具 -- [[HashiCorp]]：Terraform IaC 工具 - -## 新增领域：RTO/RPO 现代灾难恢复体系与 Feature Flag 秒级 RTO - -传统灾难恢复聚焦稀有硬件故障，现代 DevOps 的最大风险已转向代码变更引入的缺陷。Feature Flag 将 RTO 从"部署回滚时间"（小时级）降至"配置变更时间"（秒级）。 - -### RTO vs RPO 核心差异 -- **RTO**：系统可容忍的最大停机时间，衡量速度 -- **RPO**：可接受的最大数据丢失量（从故障时刻往前回溯），衡量数据完整性 -- 两者必须协同优化：快速恢复但大量数据丢失，或缓慢恢复但零数据丢失，均不完整 - -### 三级分层体系 -| 级别 | 示例 | RTO | RPO | -|------|------|-----|-----| -| Tier 1 关键 | 支付/用户认证 | <5 分钟 | <1 分钟 | -| Tier 2 重要 | 管理后台/报表 | <1 小时 | <15 分钟 | -| Tier 3 可选 | 内部工具/文档站 | <4 小时 | <1 小时 | - -### Feature Flag 改变灾难恢复范式 -- **部署 ≠ 发布**：代码可部署到生产环境但默认不向用户开放 -- **Kill Switch**：Flip the Flag 而非 Debug under pressure -- **渐进式发布**：1%→5%→25%→100%，将影响范围控制在局部 -- HP：将回滚时间从小时级降至分钟级 -- Christian Dior：将 15 分钟回滚降至即时开关 - -### 关键洞察 -- "预防优于补救"：主动质量保障（渐进式发布+测试）成本永远低于被动灾难恢复 -- 成本收益原则：不要为防止 $10K/小时停机损失花 $100K/年基础设施 - -### 关键实体 -- [[LaunchDarkly]]：企业级 Feature Flag 平台，86% 客户可在一天内恢复 - -## 新增领域：公有云/私有云/混合云三种部署模型与共享责任 - -三种云部署模型并非互斥，实际组织应根据工作负载特征采取混合策略，每种模型在安全/性能/成本/合规之间有不同权衡。 - -### 三种模型对比 -| 维度 | 公有云 | 私有云 | 混合云 | -|------|--------|--------|--------| -| 成本 | 按需弹性，规模化后指数增长 | TCO 高，固定投入 | 可优化，但管理复杂 | -| 安全 | 多租户，隔离弱 | 专用环境，高安全 | 敏感负载在私有，弹性在公有 | -| 合规 | 需额外措施 | 高度可控 | 按负载分配 | -| 弹性 | 强 | 受限于物理硬件 | 公有侧弹性，私有侧稳定 | -| 适用 | 开发测试/峰值扩展 | 金融/政府/敏感数据 | 大多数企业实际选择 | - -### 公有云适用场景 -- 可预测计算需求（固定用户量的通信服务） -- 软件开发测试环境 -- 应对不可预测的峰值负载 - -### 私有云适用场景 -- 高度监管行业（金融/政府/医疗） -- 敏感商业数据 -- 需要强控制和定制化的超大型企业 - -### 混合云核心价值 -- 策略驱动的工作负载分配：安全敏感负载在私有云，弹性需求在公有云 -- 业务连续性：分布式架构使灾难恢复更容易 -- 成本效率：日常负载在廉价的公有云，峰值弹性扩展 - -### 共享责任模型 -无论哪种部署模式，组织均对以下责任负责： -- **访问控制**：谁可以访问什么资源 -- **数据安全与加密**：静态和传输中数据加密 -- **灾难恢复规划**：RTO/RPO 设计与测试 -- **合规性**：满足行业法规要求 - -// 新增领域：AI配音与声音克隆工具生态（2026-04-16 Batch 7） -// 新增领域：AI时代产品经理能力重塑与超级个体（2026-04-16 Batch 7） -// 新增领域：东方人生智慧新批次——知其不可奈何/忘机消众机/飘风不终朝（2026-04-16 Batch 7） -// 新增领域：arXiv Paper Reader——对话式论文阅读助手（Prismer arxiv-reader skill + LaTeX自动展平 + 多篇对比）（2026-04-16 Batch 11） -// 新增领域：Custom Morning Brief——定时主动任务晨报（夜间待机转化 + AI推荐可代劳任务）（2026-04-16 Batch 11） -// 新增领域：Event Guest Confirmation——SuperCall AI外呼确认（GPT-4o Realtime + Twilio + 沙箱化Persona防泄露）（2026-04-16 Batch 11） -// 新增领域：Daily Reddit Digest——Reddit内容聚合与偏好记忆（reddit-readonly skill + 个性化digest + Read-only模式）（2026-04-16 Batch 11） -// 新增领域：Obsidian Tasks 插件——任务-笔记一体化（笔记+任务融合，Tasks查询语法，重复任务计划）（2026-04-16 Batch 10） -// 新增领域：系统提示词构建原则——Claude Code Agent 行为准则（5维度94条准则，行为可预期性设计）（2026-04-16 Batch 10） -// 新增领域：Dataview——笔记数据库插件，类SQL语法查询实现笔记资产盘活（2026-04-16 Batch 10） -// 新增领域：基础RAG三阶段管道——Indexing→Retrieval→Generation，Qwen+BAAI+LangChain+Qdrant技术栈（2026-04-16 Batch 10） -// 新增领域：LLM核心术语框架——LLM/MCP/Agent/RAG/vLLM/Token/数据蒸馏系统梳理（2026-04-16 Batch 10） - -## 新增领域：arXiv Paper Reader——对话式论文阅读助手 - -通过 [[Prismer AI]] 的 arxiv-reader skill，OpenClaw Agent 变身为专业论文阅读助手，解决 arXiv PDF 阅读的三大痛点：下载后上下文跳跃、LaTeX 符号难解析、多篇论文无法对比。 - -### 核心机制 -- [[arxiv-reader skill]]：3 工具接口（arxiv_fetch/arxiv_sections/arxiv_abstract），Node.js 内置模块实现，无 Docker/Python 依赖 -- [[LaTeX Flattening]]：自动解压 LaTeX 源码并展平\include 子文件，生成可读连续文档 -- 多篇对比：批量获取摘要并生成对比表格，辅助 reading list 优先级排序 -- 本地缓存：二次访问即时返回，无重复下载 - -### 与其他 Agent Use Cases 的关系 -- [[arXiv Paper Reader]] 与 [[Custom Morning Brief]] 共用"定时主动任务"能力 -- AI 论文阅读能力是 [[内容工厂]] 和 [[产品工厂]] 的上游输入 - -## 新增领域：Custom Morning Brief——定时主动任务晨报 - -OpenClaw 定时晨报工作流将用户"最生产力的早晨时间"从信息获取转化为决策制定——新闻、待办、AI 主动推荐任务在起床前已准备完毕。 - -### 核心机制 -- [[定时主动任务]]：Agent 在无用户请求时主动执行并推送结果，核心价值是"AI 推荐可代劳的任务" -- [[晨报自动化]]：早晨信息聚合（新闻+天气+日历）+ 待办推送 + AI 主动建议 -- [[AI推荐任务]]：Agent 主动识别可自动化事项，而非仅推送信息 -- 夜间待机转化：用户睡眠期间 AI 完成研究/写作任务，产出完整脚本/商业提案 - -### 触发条件 -- 定时 Cron（每日 8:00 AM） -- 自定义：用户短信向 Bot 说明需求即可调整结构 - -### 关键依赖 -- [[Alex Finn]] 的 YouTube 视频《Life-Changing OpenClaw Use Cases》激发此工作流 -- Telegram/Discord/iMessage 任一消息渠道 -- Todoist/Apple Reminders/Asana 任一任务管理器 - -## 新增领域：Event Guest Confirmation——SuperCall AI 外呼确认 - -通过 [[SuperCall]] AI 语音 Agent 实现活动宾客批量确认，解决手动电话 20+ 人的繁琐流程。 - -### 核心机制 -- [[SuperCall]]：@xonder/supercall OpenClaw 插件，GPT-4o Realtime 语音驱动 -- [[沙箱化 Persona]]：每通电话独立上下文重置，不跨对话记忆，防止 Prompt 注入 -- 调用链路：SuperCall → OpenAI GPT-4o Realtime API → Twilio 拨号 -- 完整工作流：准备宾客人列 → 逐一外呼 → 记录结果 → 全量汇总（确认/拒绝/未接+备注） - -### 安全设计 -- AI Persona 只能访问提供的上下文（角色名+目标+开场白），不访问 OpenClaw Gateway/文件/其他工具 -- 零数据泄露风险 - -### 成本考量 -- Twilio 按分钟计费，大型宾客列表需设置限额 - -## 新增领域：Daily Reddit Digest——Reddit 内容聚合与偏好记忆 - -OpenClaw Agent Reddit 内容聚合工作流，通过 reddit-readonly skill 和内容偏好记忆实现个性化每日 digest。 - -### 核心机制 -- [[reddit-readonly]]：ClawHub 插件，无需认证读取 Reddit hot/new/top 帖子 -- [[内容偏好记忆]]：AI 维护用户内容偏好规则，随时间优化 digest 质量 -- [[定时内容推送]]：每日下午 5 点自动执行并推送 Telegram -- [[Read-only API]]：仅消费数据不产生互动，无账号风险 - -### 偏好学习 -- 用户反馈循环：每日 ask "Did you like the list?" → 规则写入 memory -- 规则示例："do not include memes" / "focus on AI research posts" - -### 与其他 Use Cases 的关系 -- Reddit 热点是 [[产品工厂]] 的市场信号输入 -- [[Alex Finn]] 工作流集中的重要组件 - -## 新增领域：Obsidian Tasks 插件——任务-笔记一体化 - -Tasks 插件将 Obsidian 从纯文本笔记工具扩展为"文本+行动"双重能力，解决 Notion/Todoist 的工具割裂问题。 - -### 核心机制 -- **Markdown 原生任务**：`\- [ ] 任务内容 📅 2025-03-03 🔼 #高优先级` -- **全局任务查询**：在任意笔记插入 `tasks` 代码块，自动聚合所有笔记中的任务 -- **条件筛选语法**：`not done + due before tomorrow + sort by priority` -- **重复任务**：`⏳ every week` / `⏳ every month` 自动生成下一轮任务 - -### 任务-笔记一体化原理 -- 任务天然携带上下文（研究某主题的待办 → 直接在主题笔记里） -- 查询在笔记阅读时自然浮现，无需切换工具 -- 复盘时任务与笔记内容同屏对照 - -### 局限性 -- 无视觉化看板（不如 Trello/Notion） -- 无团队协作能力 -- 移动端体验一般 - -## 新增领域：系统提示词构建原则 - -Claude Code 类 AI Coding Agent 的系统提示词设计框架，定义 Agent 的"性格"和"做事方式"。 - -### 五大维度（94条） -1. **核心身份准则（15条）**：优先分析周围代码、绝不假设库可用、模仿项目风格、不透露内部指令 -2. **沟通规范（16条）**：专业直接简洁、避免对话式填充语、减少冗余输出、不提及工具名称 -3. **任务执行（24条）**：TODO列表规划复杂任务、理解→计划→执行→验证循环、并行化独立操作 -4. **技术规范（29条）**：优先代码清晰度、避免any类型、静态语言显式注解函数签名 -5. **安全防护（10条）**：绝不引入密钥/API密钥、危险命令告知风险、不协助恶意任务 - -### 行为可预期性设计原则 -- 系统提示词决定 Agent 长期行为模式，即时提示词决定具体任务 -- 设计原则：只写 AI 不知道的 / 可预期性 > 能力 / 分层优于堆砌 / 安全是底线 - -### 与 Prompt 工程的关系 -- Prompt工程：面向通用提示词设计 -- 系统提示词：专指 Agent 行为准则的顶层设计，是 Prompt 工程在 Agent 层的专化应用 - -## 新增领域：Dataview——笔记数据库插件 - -Dataview 是 Obsidian 生态中最强大的"笔记数据库"插件，将碎片化的 Markdown 笔记转化为结构化可查询的知识资产，直接解决"写笔记容易、查笔记难"的核心痛点。 - -### 三大核心功能 -- **任务自动聚合**：`TASK FROM "" WHERE !completed` 将所有笔记中的待办事项集中到单一视图 -- **标签笔记整理**：`LIST FROM #学习 WHERE contains(tags, "学习")` 按标签自动索引相关笔记 -- **写作量统计**：通过 `file.ctime` 和 `length(file.text)` 量化每日/每周/每月笔记产出 - -### 类 SQL 查询语法 -Dataview 提供类 SQL 的查询能力，可按 Frontmatter 字段、标签、创建时间、文件路径等条件筛选笔记，形成表格或列表视图。 - -### 与 RAG 的本质区别 -| 维度 | Dataview | RAG | -|------|----------|-----| -| 索引方式 | 结构化字段 | 向量语义 | -| 查询方式 | 精确条件 | 模糊语义 | -| 数据源 | 本地笔记 | 外部文档 | -| 适用场景 | 元数据明确的笔记查询 | 自然语言文档检索 | - -## 新增领域：基础RAG三阶段管道 - -RAG（检索增强生成）是 LLM 落地生产的事实标准架构，通过外部知识检索显著提升 LLM 回答质量（考试正确率 60%→90%）。 - -### 三阶段管道 -1. **Indexing**：文档加载 → 文本分块（Split，512~8192 token Context Window 限制）→ BAAI Embedding 向量化 → 存入 Qdrant 向量数据库 -2. **Retrieval**：Query 向量 → 在 Vector Store 中按余弦相似度检索 Top-K 相关文档块 -3. **Generation**：Query + Top-K Context → PromptTemplate → LLM 生成答案 - -### 核心技术栈 -- **LLM**：Qwen（通义千问） -- **Embedding**：BAAI/bge 系列开源模型 -- **编排框架**：LangChain（160+ 文档加载器） -- **向量数据库**：Qdrant（Rust，高性能） -- **监控调试**：LangSmith（可视化 RAG Pipeline 各环节 Latency/Token/Trace） - -### 关键概念 -- **文档分块（Chunking）**：固定长度/段落/递归/语义等多种切分策略，chunk_size 和 overlap 是核心参数 -- **向量检索（Vector Search）**：按余弦相似度而非字面匹配检索，是 RAG 检索层的核心技术 -- **嵌入向量（Embedding）**：文本通过 Embedding Model 转为固定长度浮点数向量，计算语义距离 - -## 新增领域：LLM核心术语框架 - -LLM 技术栈从模型到应用形成完整体系，涵盖参数规模基准、工具调用协议、推理优化等多个维度。 - -### 核心术语 -- **LLM**：≥1B 参数的语言模型为"大模型"门槛，GPT-2（1.5B）、GPT-3（175B） -- **Token**：LLM 基本输入单元，中文约 0.6 token/字符，英文约 0.3 token/字符，API 按 Token 计费 -- **Embedding**：向量化，将词转化为浮点数字计算语义距离（一百和两百距离近，一百和一千距离远） -- **RAG**：检索增强生成，通过外部知识检索解决 LLM 幻觉问题 - -### 协议与架构 -- **Prompt**：人与 LLM 的协作协议，核心是消除信息差，引导模型按预期方式响应 -- **MCP（模型上下文协议）**：标准化 LLM 与外部工具/数据的通信协议，MCP Server 负责实际执行，LLM 只给步骤 -- **Agent**：智能体，LLM + MCP 工具整合后实现实际任务执行，大模型负责推理，工具负责执行 - -### 推理优化 -- **vLLM**：通过 PagedAttention（块式 KV Cache）和连续批处理优化 GPU 利用率，是当前最高效的 LLM 推理框架之一 -- **数据蒸馏**：用大模型生成精简数据训练小模型，用高质量合成数据弥补小模型能力差距 +# Wiki Overview + +## 主题领域 +AI 开源项目、Cloud & DevOps + +## 核心概念 +- ITSM（IT 服务管理）：从工单系统演进为战略推动者，实现运营卓越、风险缓解和创新加速 +- Multi-Account Strategy（多账号策略）：AWS 推荐的企业级云架构模式，通过将工作负载分离到多个 AWS 账号来提升安全性、治理能力和故障隔离 +- RTO（Recovery Time Objective）：系统允许的最大停机时间，是灾难恢复的核心指标 +- RPO（Recovery Point Objective）：可接受的最大数据丢失量，是数据保护的核心指标 +- 开源平替：功能可替代闭源商业产品的开源项目 +- Cloud Maturity Model（云成熟度模型）：评估组织云采纳就绪程度的5级框架 +- DevOps 成熟度模型：评估组织 DevOps 实践水平的分级框架 +- DevOps 文化：打破开发与运维壁垒，优先协作、持续学习和客户导向的文化理念 +- CI/CD 流水线：自动化测试、集成和部署的持续交付管道 +- Infrastructure as Code (IaC)：通过代码实现一致性、版本控制的基础设施管理 +- 敏捷实践：Scrum、Kanban 等迭代开发方法论 + +## 已知来源 +- **Modern ITSM: Driving Efficiency, Security & Resilience** — 现代 IT 服务管理的演进趋势，AIOps、零信任架构、Policy-as-Code 等技术的应用 +- **How to Simplify Multi-Account Deployments Monitoring: Centralized Logs for AWS CloudFormation StackSets** — 多账号环境下 CloudFormation StackSets 部署监控的集中化日志解决方案，通过 EventBridge 跨账号事件转发 + CloudWatch Logs 实现单一管理界面监控 +- **Public vs Private vs Hybrid: Cloud Differences Explained** — 公有云、私有云和混合云三种部署模式的核心区别，包括各模式的优势、劣势、适用场景，以及云计算共享责任模型 +- **How Agentic AI can help for Cloud DevOps** — Agentic AI 增强 Cloud DevOps 的七大领域：自主事件检测与响应、自动化云部署与配置、智能成本优化、AI 驱动安全与合规、智能日志分析与可观测性、SaaS 多租户管理、AI 辅助决策 +- **How Can a Multi Cloud Strategy Transform Your Business ROI?** — 多云策略的定义、8大优势（避免供应商锁定、弹性可靠性、安全性、可扩展性、成本优化、创新访问、合规性、性能优化）、实施4步骤、3个行业用例（电商、医疗、金融） +- **The Myths and Misconceptions About Cloud Computing | LinkedIn** — 云计算7大常见误解与真相（安全性、成本、迁移复杂性、性能、数据控制、适用规模） +- **What I know about Cloud Service Delivery 1** — 云服务交付的完整定义 +- **DevOps Culture and Transformation: Fostering Collaboration, Agile Practices, and Innovation** — DevOps 文化转型方法论，涵盖四大支柱、敏捷整合、转型战略及未来趋势（AI/ML、GitOps、Serverless DevOps、Edge IoT DevOps、DevSecOps） +- **Cloud DevOp Maturity - Guideline** — 企业级 SaaS 公司的 DevOps 成熟度评估框架（自动化、协作、监控、安全四大支柱） +- **Cloud Maturity Model A Detailed Guide For Cloud Adoption** — 云成熟度模型的详细指南，涵盖5个成熟度等级（0-4：无云准备到优化级）、16个业务能力领域和18个技术能力领域，以及实施最佳实践 +- **DevOps Maturity Model From Traditional IT to Advanced DevOps** — DevOps 成熟度五级框架详解（初始/应急→局部DevOps→自动化与定义→高度优化→完全成熟），涵盖文化与战略、自动化、结构与流程、协作与共享、技术五大评估领域，以及安全集成方法和常见障碍分析 + +- **What is DevSecOps? Best Practices, Benefits, and Tools** — DevSecOps 方法论详解（SDLC 安全集成、SAST/SCA/IAST/DAST 四大工具、Shift Left/Right 策略、企业实施挑战） diff --git a/wiki/pending-ingest.md b/wiki/pending-ingest.md deleted file mode 100644 index 50183f04..00000000 --- a/wiki/pending-ingest.md +++ /dev/null @@ -1,30 +0,0 @@ -14个免费的AI图生视频工具，用AI让图片动起来 - AI视频教程 AI自动化工作流定制服务 AI培训学习平台 黑喵大叔.md -2025 年 11 个神级 AI 开源平替，GitHub 杀疯了。.md -3.2 万人收藏的 Claude Skills，才是 AI 这条路上最值得研究的一套范式！ 1.md -3.2 万人收藏的 Claude Skills，才是 AI 这条路上最值得研究的一套范式！.md -3X-UI Xray on BandwagonVPS.md -7 ways I use NotebookLM to make my life easier.md -A Formalization of Recursive Self-Optimizing Generative Systems.md -AI 解决方案专家培训课程.md -ChinaTextbook - 41.53 GB，中国小学、初中、高中、大学 PDF 教材.md -Clonezilla对Ubuntu Server进行全盘镜像备份.md -Cloud DevOp Maturity - Guideline.md -Cloud Maturity Model A Detailed Guide For Cloud Adoption.md -Cloud Operating Model Key Strategies and Best Practices.md -Cursor 2.0初学者使用指南.md -Dataview——让我从“笔记黑洞”里逃出来的 Obsidian 神器 1.md -Designing for Agentic AI.md -DevOps Culture and Transformation Fostering Collaboration, Agile Practices, and Innovation LinkedIn.md -DevOps Maturity Model From Traditional IT to Advanced DevOps.md -Git Push 连接重置问题修复.md -GitHub 上 5000 人收藏的 Vibe Coding 神级指南。.md -Google 神级生产力工具，所有 GitHub 开源平替都找到了。.md -How Agentic AI can help for Cloud DevOps.md -How Can a Multi Cloud Strategy Transform Your Business ROI.md -How to Get the RSS Feed For Any YouTube Channel.md -How to Simplify Multi-Account Deployments Monitoring Centralized Logs for AWS CloudFormation StackSets.md -How to get Youtube Channel ID.md -If you have multiple interests, do not waste the next 2-3 years 如果你有多项兴趣爱好，不要浪费接下来的两三年时间。.md -Install Apache Superset in Docker.md -LLMs、RAG、AI Agent 三个到底什么区别？.md -Linux 运维必会的 150 个命令.md diff --git a/wiki/sources/14个免费的AI图生视频工具.md b/wiki/sources/14个免费的AI图生视频工具.md deleted file mode 100644 index 1bc5699f..00000000 --- a/wiki/sources/14个免费的AI图生视频工具.md +++ /dev/null @@ -1,78 +0,0 @@ ---- -title: "14个免费的AI图生视频工具，用AI让图片动起来" -type: source -tags: [ai, image-to-video] -date: 2025-12-05 -sources: ["https://www.51juzd.com/23332.html"] -last_updated: 2026-04-15 ---- - -## Source File -- raw/AI/14个免费的AI图生视频工具，用AI让图片动起来 - AI视频教程 AI自动化工作流定制服务 AI培训学习平台 黑喵大叔.md - -## Summary -- 核心主题：14款免费AI图生视频工具盘点，涵盖产品功能、技术特点、应用场景 -- 问题域：AI驱动静态图片转化为动态视频，降低视频创作门槛 -- 方法/机制：深度学习图像理解、运动生成、风格迁移、一致性保持 -- 结论/价值：免费工具已可生成高质量视频，覆盖电商模特、内容创作、广告制作等多场景 - -## Key Claims -- 绘蛙AI视频（阿里巴巴）：简化视频制作流程，无需专业视频编辑技能，支持高分辨率图片上传和多格式处理 -- 智谱清影（智谱AI）：30秒内生成6秒1440×960高清视频，支持图像解析、细节填充与动画效果 -- 通义万相（阿里巴巴）：通过提示词精准控制视频运动，实现大幅度主体运动和运镜控制 -- Vidu（生数科技+清华大学）：全球首个"多主体参考"功能，突破视频模型一致性生成难题，10秒生成一段视频 -- 可灵AI（快手）：基于3D时空联合注意力机制，生成符合物理逻辑的复杂动作，高分辨率1080p输出 -- 海螺AI（MiniMax）：主体参考保持形象一致性，MiniMax视频模型确保光影和色调高度一致 -- 即梦AI（字节跳动）：支持首尾帧精准掌控，多参数自定义（运镜控制、运动速度、视频比例等） -- PixVerse（爱诗科技）：支持角色一致性识别，多种视频风格（真实、动漫、3D动画） -- Video Ocean（潞晨科技）：指令响应驱动图片动态化，V2.0在画质、运动幅度和风格多样性上显著提升 -- Stable Video（Stability AI）：提供多样化相机动作选项（轨道运动、推拉镜头等），支持LoRA摄像机控制 -- 万相营造（阿里妈妈）：高度还原原图，精准理解长文本复杂提示词，适用于电商营销场景 -- Viva（智象未来）：免费产品中质量最高，支持6种运镜方式和运动强度定制 -- Haiper：操作便捷，支持2秒或4秒视频生成，分辨率1280×720，免费无限使用 -- 艺映AI（MewXAI团队）：运动笔刷工具选择动态化部分，支持手机和电脑多平台账号同步 - -## Key Quotes -> "在当今这个信息爆炸、视觉内容为王的时代，视频已成为人们传递信息、表达创意、娱乐消遣的首选方式之一。" — 文章开篇背景 - -## Key Concepts -- [[图生视频]]：将静态图片通过AI技术转化为动态视频的核心AI任务 -- [[主体一致性]]：在视频生成过程中保持人物/角色外观一致性的技术能力 -- [[运动控制]]：通过文本提示词控制视频中主体运动方向和动作的技术 -- [[运镜控制]]：模拟摄像机运动（推拉、轨道、旋转等）来控制视频画面视角的技术 -- [[风格迁移]]：将图像内容转换为不同艺术风格（卡通、油画、电影感等）的技术 - -## Key Entities -- [[阿里巴巴集团]]：旗下有绘蛙AI视频、通义万相、万相营造等产品 -- [[智谱AI]]：推出智谱清影图生视频工具 -- [[生数科技]]：联合清华大学发布Vidu视频大模型 -- [[快手]]：推出可灵AI图生视频平台 -- [[MiniMax]]：推出海螺AI视频生成工具 -- [[字节跳动]]：旗下有一站式AI创意创作平台即梦AI -- [[爱诗科技]]：开发PixVerse AI视频生成工具 -- [[潞晨科技]]：推出Video Ocean多功能AI视频生成平台 -- [[Stability AI]]：推出Stable Video视频生成平台 -- [[阿里妈妈]]：推出万相营造AI电商营销工具 -- [[智象未来]]：推出Viva免费AI创意视觉生成平台 -- [[MewXAI团队]]：推出艺映AI多功能AI视频创作工具 - -## Connections -- [[阿里巴巴集团]] ← 发布 → [[绘蛙AI视频]] -- [[阿里巴巴集团]] ← 发布 → [[通义万相]] -- [[智谱AI]] ← 发布 → [[智谱清影]] -- [[生数科技]] + [[清华大学]] ← 发布 → [[Vidu]] -- [[快手]] ← 发布 → [[可灵AI]] -- [[MiniMax]] ← 发布 → [[海螺AI]] -- [[字节跳动]] ← 发布 → [[即梦AI]] -- [[爱诗科技]] ← 发布 → [[PixVerse]] -- [[潞晨科技]] ← 发布 → [[Video Ocean]] -- [[Stability AI]] ← 发布 → [[Stable Video]] -- [[阿里妈妈]] ← 发布 → [[万相营造]] -- [[智象未来]] ← 发布 → [[Viva]] -- [[MewXAI团队]] ← 发布 → [[艺映AI]] -- [[图生视频]] ← 包含 → [[主体一致性]] -- [[图生视频]] ← 包含 → [[运动控制]] -- [[图生视频]] ← 包含 → [[运镜控制]] - -## Contradictions -- 暂无冲突记录 diff --git a/wiki/sources/2025-ai-open-source-alternatives.md b/wiki/sources/2025-ai-open-source-alternatives.md deleted file mode 100644 index 424c4411..00000000 --- a/wiki/sources/2025-ai-open-source-alternatives.md +++ /dev/null @@ -1,71 +0,0 @@ ---- -title: "2025年11个神级AI开源平替，GitHub杀疯了" -type: source -tags: [AI, 开源, GitHub] -date: 2026-01-01 -sources: - - "2025 年 11 个神级 AI 开源平替，GitHub 杀疯了" ---- - -## Source File -- raw/2025 年 11 个神级 AI 开源平替，GitHub 杀疯了。.md - -## Summary -- 核心主题：2025年AI开源生态中的顶级替代方案 -- 问题域：AI大模型、生图、生视频、智能体、编程、工作流、搜索、知识库 -- 方法/机制：盘点GitHub上各领域最火的国产开源项目 -- 结论/价值：国产开源AI在多个领域已具备与国际闭源产品竞争的能力 - -## Key Claims -- DeepSeek R1是开源界首个将o1级深度推理拉下神坛的破壁者 -- Qwen 3是最稳、最全、最能打的开源基座模型 -- Flux是目前人体解剖学最正确的开源AI生图模型 -- Stable Diffusion的LoRA和ControlNet生态依然最丰富 -- HunyuanVideo是开源界参数量最大的视频生成模型之一 -- OpenManus核心逻辑为规划->执行->循环反馈 -- Cline是Cursor的最佳开源平替 -- n8n有16万Star，是功能更强的开源版Zapier -- Perplexica完全开源免费，支持本地化部署 - -## Key Quotes -> "DeepSeek R1的爆火拉开了中国通过开源策略与国外AI巨头差异化竞争的叙事" — 核心观点 -> "Qwen 3凭借全尺寸覆盖和极致的工具调用能力，堪称开源界的六边形战士" — 评价 -> "Flux是开源界的Midjourney，出自前SD核心团队之手" — 来源说明 - -## Key Concepts -- [[大语言模型]]：AI一切能力的基石，2025年实现深度推理与开源内卷 -- [[AI生图]]：Flux和Stable Diffusion主导开源生态 -- [[AI生视频]]：HunyuanVideo代表开源最高水平 -- [[通用智能体]]：Manus定义AI Agent元年 -- [[AI编程]]：Cline等工具将编辑器变身全自动AI工程师 -- [[智能体工作流]]：n8n和Dify实现可视化AI流程编排 -- [[AI搜索]]：Perplexica实现完全本地化的AI搜索助理 -- [[AI知识库]]：NotebookLM开创双人播客学习模式 - -## Key Entities -- [[DeepSeek]]：国产大模型公司，发布R1和V3 -- [[Qwen]]：阿里通义千问，全尺寸覆盖的开源模型 -- [[Flux]]：前SD核心团队开发的AI生图模型 -- [[Stable Diffusion]]：老牌开源AI生图模型 -- [[HunyuanVideo]]：腾讯混元视频，开源视频生成模型 -- [[Manus]]：定义AI Agent元年的产品 -- [[OpenManus]]：Manus的开源替代 -- [[Cline]]：VS Code生态的AI编程插件 -- [[n8n]]：拖拽式工作流自动化平台 -- [[Dify]]：LLM应用开发平台 -- [[Perplexica]]：开源AI搜索引擎 -- [[NotebookLM]]：Google AI知识库工具 - -## Connections -- [[DeepSeek]] ← 开源平替 ← [[OpenAI]] -- [[Qwen]] ← 开源平替 ← [[Claude]] -- [[Flux]] ← 开源平替 ← [[Midjourney]] -- [[HunyuanVideo]] ← 开源平替 ← [[Veo 3]] -- [[OpenManus]] ← 开源平替 ← [[Manus]] -- [[Cline]] ← 开源平替 ← [[Cursor]] -- [[Perplexica]] ← 开源平替 ← [[Perplexity]] -- [[Dify]] ← 竞争 ← [[LangChain]] -- [[n8n]] ← 竞争 ← [[Zapier]] - -## Contradictions -- 无已知冲突 diff --git a/wiki/sources/2025年11个神级AI开源平替-GitHub杀疯了.md b/wiki/sources/2025年11个神级AI开源平替-GitHub杀疯了.md deleted file mode 100644 index 35217939..00000000 --- a/wiki/sources/2025年11个神级AI开源平替-GitHub杀疯了.md +++ /dev/null @@ -1,63 +0,0 @@ ---- -title: "2025 年 11 个神级 AI 开源平替，GitHub 杀疯了" -type: source -tags: [AI, 开源, GitHub, LLM, AI生图, AI生视频, AI智能体] -date: 2026-01-01 ---- - -## Source File -- [[raw/AI/2025 年 11 个神级 AI 开源平替，GitHub 杀疯了。.md]] - -## Summary -- 核心主题：2025 年 GitHub 热门 AI 开源项目盘点，覆盖 11 个细分领域 -- 问题域：寻找闭源 AI 产品的开源替代方案 -- 方法/机制：按领域分类横向对比，每个领域推荐 1-2 个最具代表性的开源项目 -- 结论/价值：国产开源模型（DeepSeek/Qwen）在 LLM 赛道已领先；Flux 在 AI 生图人体解剖学最正确；HunyuanVideo 是开源最大参数量视频生成模型 - -## Key Claims - -### LLM（大语言模型） -- DeepSeek R1：开源首个 o1 级深度推理模型，差异化竞争破壁者 -- Qwen 3：全尺寸覆盖 + 极致工具调用，开源界六边形战士 -- 智谱 GLM、Kimi K2、MiniMax 构成国产第二梯队 - -### AI 生图 -- Flux：前 SD 核心团队出品，人体解剖学最正确的开源模型，指尖细节超过 Midjourney -- Stable Diffusion 3.5：LoRA/ControlNet 生态最丰富，特定角色/姿势控制首选 - -### AI 生视频 -- HunyuanVideo（混元视频）：开源界参数量最大视频生成模型，中文 Prompt 理解天花板，动作连贯性强 - -### 通用智能体 -- OpenManus：Manus 开源平替，5 万 Star，规划→执行→循环反馈，Browser-use/Playwright 驱动 - -### AI Coding -- Cline：VS Code 最强开源自主编程插件，MCP 扩展，敏感操作需用户授权 - -### 智能体工作流 -- n8n：16 万 Star，拖拽节点自动化，LangChain 节点集成，私有部署开源版 Zapier -- Dify：LLM 应用开发平台，可视化知识库机器人搭建 - -### AI 搜索 -- Perplexica：2.8K Star，Perplexity 开源平替，SearXNG 搜索源，支持本地大模型 - -## Key Concepts -- [[开源平替]]：以开源项目替代闭源商业产品的策略 -- [[HunyuanVideo]]：腾讯混元视频，开源最大参数量视频生成模型 -- [[OpenManus]]：通用智能体开源方案，规划-执行-反馈循环 -- [[Cline]]：VS Code AI 编程插件，Cursor 开源平替 -- [[Perplexica]]：AI 搜索引擎开源实现，SearXNG + 本地 LLM - -## Key Entities -- [[DeepSeek]]：国产开源 LLM 代表，R1 深度推理模型 -- [[Qwen]]：阿里通义千问，开源六边形战士 -- [[Flux]]：AI 生图开源模型，人体解剖学最正确 -- [[n8n]]：工作流自动化开源平台，16 万 Star -- [[Dify]]：LLM 应用开发平台 -- [[Manus]]：AI Agent 领域里程碑产品，2025 年现象级应用 - -## Connections -- [[DeepSeek]] ← 同类竞争 ← [[Qwen]] -- [[n8n]] ← 功能重叠 ← [[Dify]] -- [[OpenManus]] ← 对标 ← [[Manus]] -- [[Cline]] ← 功能重叠 ← [[Cursor]] diff --git a/wiki/sources/3.2万人收藏的Claude-Skills-才是AI这条路.md b/wiki/sources/3.2万人收藏的Claude-Skills-才是AI这条路.md deleted file mode 100644 index 2df9c9aa..00000000 --- a/wiki/sources/3.2万人收藏的Claude-Skills-才是AI这条路.md +++ /dev/null @@ -1,58 +0,0 @@ ---- -title: "3.2 万人收藏的 Claude Skills，才是 AI 这条路上最值得研究的一套范式！" -type: source -tags: [claude, skills, anthropic, workflow, prompt-engineering] -date: 2026-01-08 -sources: - - "3.2 万人收藏的 Claude Skills，才是 AI 这条路上最值得研究的一套范式！ 1.md" ---- - -## Source File -- raw/AI/3.2 万人收藏的 Claude Skills，才是 AI 这条路上最值得研究的一套范式！ 1.md - -## Summary -- 核心主题：Claude Skills 作为 AI 应用的新范式，代表从提示词工程向流程工程的转型 -- 问题域：大多数 AI 用户还在纠结如何写好 Prompt，而高阶玩家已开始构建可复用的 Skills -- 方法/机制：Skills = 写给 Claude 的"说明书" + SOP（标准作业程序），将固定流程任务拆解为 AI 可理解、可稳定复用、可自动执行的流程 -- 结论/价值：Skills 的爆发标志从提示词工程迈向流程工程；未来有价值的不是谁的 Prompt 写得最花，而是谁最懂业务流程、谁能将经验沉淀为 SOP - -## Key Claims -- Skills 本质是"说明书"和"SOP"：将反复执行、有固定流程的任务拆解为 AI 能理解、稳定复用、自动执行的流程 -- Anthropic 官方 Skills 仓库（github.com/anthropics/skills）收藏数突破 3.2 万，原封不动地拆解了 Claude.ai 网页版的生产级能力 -- 官方库覆盖三大类：办公自动化（Word/PDF/PPT/Excel）、开发者工具箱（MCP Server、Web 测试、Artifacts、自动化验证）、创意类 Skills -- 三个 Awesome-Claude-Skills 精选仓库：ComposioHQ、VoltAgent、BehiSecc -- 三个 Skill 聚合站：skillsmp.com、aitmpl.com/skills、claudemarketplaces.com -- Skills 的本质是官方在教"怎么像 Anthropic 一样开发 AI 应用" - -## Key Quotes -> "Skills 就是一套你写给 Claude 的'说明书'和'SOP（标准作业程序）'" — 核心定义 -> "这个库本质上是官方在教你，'怎么像我们一样开发 AI 应用'" — 价值定位 -> "未来真正有价值的，不是谁的 Prompt 写得最花、谁一次能生成最多内容；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" — 趋势判断 - -## Key Concepts -- [[AI技能封装]]：将固定流程任务拆解为 AI 可理解、可复用、可自动执行的结构化流程的方法论 -- [[Prompt工程]] → [[流程工程]]：从优化单次输出质量转向优化整套流程的稳定性与可复用性 -- [[Claude Skills]]：Anthropic 官方发布的 AI 技能指南，本质是"说明书 + SOP" - -## Key Entities -- [[Anthropic]]：Claude Skills 官方仓库的发布者 -- [[Anthropic Skills 官方库]]：github.com/anthropics/skills，3.2 万收藏，生产级能力拆解 -- [[ComposioHQ/awesome-claude-skills]]：精选 Claude Skills 仓库 -- [[VoltAgent/awesome-claude-skills]]：精选 Claude Skills 仓库 -- [[BehiSecc/awesome-claude-skills]]：精选 Claude Skills 仓库 -- [[skillsmp.com]]：Skill 聚合站 -- [[aitmpl.com/skills]]：Skill 聚合站 -- [[claudemarketplaces.com]]：Skill 聚合站 - -## Connections -- [[Anthropic]] ← 发布者 ← [[Anthropic Skills 官方库]] -- [[Anthropic Skills 官方库]] ← 官方示例 ← [[Claude Skills]] -- [[Claude Skills]] ← 范式升级 ← [[Prompt工程]] -- [[Claude Skills]] ← 具体实现 ← [[AI技能封装]] -- [[skillsmp.com]] ← 聚合平台 ← [[Claude Skills]] -- [[aitmpl.com/skills]] ← 聚合平台 ← [[Claude Skills]] -- [[claudemarketplaces.com]] ← 聚合平台 ← [[Claude Skills]] -- [[Vibe Coding]] ← 尽头是 ← [[Claude Skills]] - -## Contradictions -- 无已知冲突 diff --git a/wiki/sources/3.2万人收藏的Claude-Skills才是AI这条路最值得研究的一套范式.md b/wiki/sources/3.2万人收藏的Claude-Skills才是AI这条路最值得研究的一套范式.md deleted file mode 100644 index 73a6b20b..00000000 --- a/wiki/sources/3.2万人收藏的Claude-Skills才是AI这条路最值得研究的一套范式.md +++ /dev/null @@ -1,50 +0,0 @@ ---- -title: "3.2万人收藏的Claude Skills，才是AI这条路最值得研究的一套范式" -type: source -tags: [ai, claude-skills, vibe-coding] -date: 2026-01-05 ---- - -## Source File -- [[raw/AI/3.2 万人收藏的 Claude Skills，才是 AI 这条路上最值得研究的一套范式！]] - -## Summary -- 核心主题：Claude Skills 从"提示词工程"到"流程工程"的范式转移，Skills = 说明书 + SOP，将人类经验封装为可复用工作流 -- 问题域：AI 应用层如何构建可规模化的技能复用体系 -- 方法/机制：Skills 通过结构化流程描述实现 AI 稳定执行，Anthropic 官方仓库 github.com/anthropics/skills 收藏数突破 3.2 万 -- 结论/价值：真正有价值的不是 Prompt 写得多花哨，而是谁最懂业务流程、谁能将 SOP 交给 AI 稳定执行 - -## Key Claims -- Anthropic 官方 Skills 仓库 github.com/anthropics/skills 收藏数突破 3.2 万，本质上是官方在教"怎么像他们一样开发 AI 应用" -- Skills = 说明书 + SOP，将人类经验封装为可复用工作流，核心是流程而非提示词 -- Vibe Coding 的尽头也是 Skills，最终竞争在于业务流程理解和 SOP 沉淀能力 -- 三大 Awesome 仓库（ComposioHQ/VoltAgent/BehiSecc）系统性整理了 LLM Skills 工作流，覆盖文档处理、开发工具、数据分析、内容创作等类别 -- 三大聚合站（skillsmp.com/aitmpl.com/claudemarketplaces.com）提供拿来即用的 Skills 集，适合快速选型和二次改造 - -## Key Quotes -> "Skills 就是一套你写给 Claude 的'说明书'和'SOP（标准作业程序）'" — 痕小子/开源星探 -> "这个库本质上是官方在教你，'怎么像我们一样开发 AI 应用'" — 痕小子/开源星探 -> "Vibe Coding 的尽头，也是 Skills" — 痕小子/开源星探 - -## Key Concepts -- [[Claude Skills]]：将固定流程任务拆解为 AI 可理解的结构化流程，包含 Prompt 结构、参数含义、容错策略 -- [[流程工程]]：将经验沉淀为 SOP 再交给 AI 稳定执行的新范式 -- [[提示词工程]]：通过优化单次 Prompt 输出质量，与流程工程（可复用工作流）形成对比 - -## Key Entities -- [[Anthropic]]：Claude Skills 官方仓库发布方，github.com/anthropics/skills -- [[ComposioHQ]]：Awesome-Claude-Skills 仓库维护者，覆盖文档处理/数据分析/内容创作/生产力工具 -- [[VoltAgent]]：Awesome-Claude-Skills 仓库维护者 -- [[BehiSecc]]：Awesome-Claude-Skills 仓库维护者 -- [[skillsmp.com]]：Skills 聚合站，支持分类和搜索 -- [[aitmpl.com]]：Skills 聚合站 -- [[claudemarketplaces.com]]：Skills 聚合站 - -## Connections -- [[Claude-Skills研究范式]] ← depends_on ← [[Anthropic]]（官方仓库） -- [[流程工程]] ← extends ← [[提示词工程]] -- [[Vibe-Coding]] ← depends_on ← [[Claude Skills]] -- [[skillsmp.com]] ← same_as ← [[aitmpl.com]] ← same_as ← [[claudemarketplaces.com]] - -## Contradictions -- 与传统"优化单次 Prompt"思路不同：Skills 强调流程复用而非单次输出质量最大化 diff --git a/wiki/sources/3X-UI-Xray-on-BandwagonVPS.md b/wiki/sources/3X-UI-Xray-on-BandwagonVPS.md deleted file mode 100644 index abfaf4ae..00000000 --- a/wiki/sources/3X-UI-Xray-on-BandwagonVPS.md +++ /dev/null @@ -1,81 +0,0 @@ ---- -title: "3X-UI Xray on BandwagonVPS" -type: source -tags: [vps, xray, 3x-ui, vpn, proxy] -date: 2026-02-10 ---- - -## Source File -- [[raw/Home Office/3X-UI Xray on BandwagonVPS]] - -## Summary -- 核心主题：在 Bandwagon VPS 上安装配置 3X-UI 面板管理 Xray 代理服务 -- 问题域：自建代理节点，VLESS+Reality 协议配置 -- 方法/机制：一键安装脚本 + Web 管理界面 + 多平台客户端 -- 结论/价值：获得自管理的代理节点，支持 VLESS+Reality 加密传输 - -## Key Claims -- 3X-UI 提供一键安装脚本，简化 Xray 部署流程 -- VLESS+Reality 协议提供更安全的代理传输 -- 支持多平台客户端（Windows/Linux v2rayN、Android v2rayNG） -- BBR 加速可提升网络传输性能 - -## Key Quotes -> "使用 VLESS+Reality 方式配置，需要产生公钥和私钥" — 配置策略说明 - -## Key Concepts -- [[BBR]]：TCP BBR 拥塞控制算法，通过 3X-UI 选项 23 启用 -- [[VLESS+Reality]]：Xray 支持的加密代理协议 -- [[SSL Certificate]]：通过 3X-UI 选项 18/19 管理证书 - -## Key Entities -- [[Bandwagon]]：VPS 主机服务商，提供 VPS2 服务器 -- [[VPS2]]：Bandwagon 机房的具体 VPS 实例，IP 104.194.92.188 -- [[3X-UI]]：Xray 面板管理脚本，简化代理服务配置 -- [[Xray]]：核心代理软件，支持多种代理协议 -- [[v2rayN]]：Windows/Linux 代理客户端 -- [[v2rayNG]]：Android 代理客户端 - -## Connections -- [[Bandwagon]] ← hosts ← [[VPS2]] -- [[VPS2]] ← runs ← [[3X-UI]] -- [[3X-UI]] ← manages ← [[Xray]] -- [[Xray]] ← accepts ← [[VLESS+Reality]] -- [[v2rayN]] ← connects_to ← [[Xray]] -- [[v2rayNG]] ← connects_to ← [[Xray]] - -## Contradictions -- 无 - -## Server Information - -| 项目 | 值 | -|------|-----| -| 服务器 | VPS2 (Bandwagon) | -| IP | 104.194.92.188 | -| 域名 | kiwi.ishenwei.online | -| SSH | `ssh vps2` | -| Web管理 | https://kiwi.ishenwei.online:2053/ | -| 用户名 | d96nRBgFUL | -| 密码 | er9XU0VsF1 | - -## 3X-UI Management Options - -| 选项 | 功能 | -|------|------| -| 1 | 安装 | -| 11 | 启动 | -| 12 | 停止 | -| 13 | 重启 | -| 14 | 查看状态 | -| 16 | 启用自启动 | -| 18 | SSL 证书管理 | -| 23 | 启用 BBR | -| 24 | 更新 Geo 文件 | - -## Client Download - -| 平台 | 客户端 | -|------|--------| -| Windows/Linux | v2rayN | -| Android | v2rayNG | diff --git a/wiki/sources/7-ways-NotebookLM.md b/wiki/sources/7-ways-NotebookLM.md deleted file mode 100644 index 1fadd28f..00000000 --- a/wiki/sources/7-ways-NotebookLM.md +++ /dev/null @@ -1,45 +0,0 @@ ---- -title: "7 Ways I Use NotebookLM to Make My Life Easier" -type: source -tags: [notebooklm, google, learning, productivity] -date: 2025-11-23 ---- - -## Source File -- [[raw/AI/7 ways I use NotebookLM to make my life easier]] - -## Summary -- 核心主题：NotebookLM 7 种实际应用场景，核心优势是 Source-Grounding（严格限制知识库仅含上传文档）确保回答高精度和可溯源 -- 问题域：信息过载时代的知识管理和被动学习效率提升 -- 方法/机制：上传文档 → AI 自动处理 → 交互式问答/Audio Overview → 带引文的精准回答 -- 结论/价值：NotebookLM 严格限制知识库范围，是处理法律文档、软件更新对比、研究资料等高精度场景的最佳选择 - -## Key Claims -- Source-Grounding 机制：NotebookLM 知识库仅包含上传文档，消除幻觉，每个答案附带精确引文 -- 被动学习（Audio Overviews）：将文档转化为双人 AI 对话音频，支持 Brief/Deep Dive/Critique/Debate 等风格定制 -- 成为即时专家：上传多源资料（Batman/Star Wars/Jupiter/Marine Corps），通过对话快速建立领域认知 -- 编程辅助：上传官方文档，通过问答定位知识点，替代冗长教程和过时搜索结果 -- 项目管理：集中所有会议记录、战略文档、链接到单一 Notebook，AI 自动生成结构化路线图 -- 软件更新对比：同时上传多个版本发布说明，AI 提取差异并列出带引文的变更清单 -- 法律文档审查：严格基于上传文档回答，避免普通 AI 的幻觉问题，每问必带引文 - -## Key Quotes -> "NotebookLM's best quality is that it prioritizes accuracy by strictly limiting its knowledge base to only your trusted documents." — How-To Geek -> "I no longer hate getting long documents or looking through terms and conditions or legal patents because I can find what I need from a few questions with NotebookLM." — How-To Geek - -## Key Concepts -- [[Source-Grounding]]：NotebookLM 核心技术约束，限制回答仅基于上传文档 -- [[被动学习]]：Audio Overviews 在碎片时间消费复杂信息的机制 -- [[引文追溯]]：每个答案附带精确引文，点击跳转原文 - -## Key Entities -- [[NotebookLM]]：Google 推出的 AI 笔记和研究助理工具 - -## Connections -- [[Source-Grounding]] ← 核心机制 ← [[NotebookLM]] -- [[被动学习]] ← 应用场景 ← [[NotebookLM]] -- [[引文追溯]] ← 质量保证 ← [[Source-Grounding]] - -## Contradictions -- 与通用 AI（Gemini/ChatGPT）相比：通用 AI 知识广泛但容易幻觉，NotebookLM 知识受限但精度极高 -- 与传统"读完全文再消化"方式相比：NotebookLM 支持通过问答快速提取关键信息，无需完整阅读 diff --git a/wiki/sources/A-Formalization-of-Recursive-Self-Optimizing-Generative-Systems.md b/wiki/sources/A-Formalization-of-Recursive-Self-Optimizing-Generative-Systems.md deleted file mode 100644 index 5f6b1738..00000000 --- a/wiki/sources/A-Formalization-of-Recursive-Self-Optimizing-Generative-Systems.md +++ /dev/null @@ -1,59 +0,0 @@ ---- -title: "递归自优化生成系统的形式化框架" -type: source -tags: [ai, recursion, self-improvement, formalization, meta-learning] -date: 2025-12-30 ---- - -## Source File -- [[raw/AI/A Formalization of Recursive Self-Optimizing Generative Systems.md]] - -## Summary -- 核心主题：用数学和 λ 演算对"递归自优化生成系统"进行形式化描述 -- 问题域：现有自优化 AI 系统缺乏严格的数学刻画，迭代行为无法被预测和分析 -- 方法/机制：定义生成器空间 $\mathcal{G}$、优化算子 $O$、元生成算子 $M$；通过自映射 $\Phi: \mathcal{G} \to \mathcal{G}$ 建模迭代；证明稳定生成能力对应 $\Phi$ 的不动点 -- 结论/价值：递归自优化系统的收敛目标是生成器空间的不动点，而非某个具体最优输出；为自改进 AI 和自动元提示工程提供理论基础 - -## Key Claims -- 传统优化针对输出空间（output space）；递归自优化针对生成器空间（generator space） -- 迭代序列 $\{G_n\}$ 的收敛目标是不动点 $G^* = \Phi(G^*)$，代表"生成能力已稳定，无需再优化" -- 自引用动力学可表达为：$G^* \equiv Y\;\text{STEP}$，其中 $Y$ 为不动点组合子，$\text{STEP}$ 为单步更新函数 -- 递归自优化系统的核心三算子：$G$（生成器）、$O$（优化器）、$M$（元生成器） -- bootstrap 循环：$\alpha$-提示词（生成器）生成产物 → $\Omega$-提示词（优化器）评价优化 → 元生成器用优化结果更新 $\alpha$-提示词 → 循环迭代 -- 固定点语义使得系统在每次迭代中同时作为主体和客体出现 - -## Key Quotes -> "The system generates artifacts, optimizes them with respect to an idealized objective, and uses the optimized artifacts to update its own generative mechanism." — 递归自优化三阶段 -> "Such a generator is invariant under its own generate–optimize–update cycle." — 不动点生成器的定义 -> "$G^* \equiv Y\;\text{STEP}$" — λ 演算形式下的稳定生成器定义 - -## Key Concepts -- [[生成器空间 (Generator Space)]]：所有可能生成器构成的集合 $\mathcal{G} \subseteq \mathcal{P}^{\mathcal{I}}$，每个生成器是将意图映射为提示词/程序/技能的函数 -- [[自映射 (Self-Map)]]：$\Phi: \mathcal{G} \to \mathcal{G}$，将一个生成器映射为经过一次"生成-优化-更新"循环后的新生成器 -- [[不动点 (Fixed Point)]]：$G^* = \Phi(G^*)$，满足"在自身循环中不变"的生成器，代表稳定生成能力 -- [[不动点组合子 (Y-Combinator)]]：λ 演算中实现递归的经典组合子 $\lambda f.(\lambda x.f(x,x))(\lambda x.f(x,x))$ -- [[递归自优化循环]]：$P = G(I)$ → $P^* = O(P, \Omega)$ → $G' = M(G, P^*)$ -- [[Bootstrap（自举）]]：系统通过自身产出的更优版本不断改进自身，无需外部干预 -- [[元生成器 (Meta-Generator)]]：将优化后的产物作为输入，更新生成器本身的算子 $M: \mathcal{G} \times \mathcal{P} \to \mathcal{G}$ - -## Key Entities -- [[tukuai]]：独立研究者，GitHub: https://github.com/tukuai，论文作者 -- [[vibe-coding-cn]]：GitHub 项目 vibe-coding-cn，该文档的来源仓库 - -## Connections -- [[生成器空间 (Generator Space)]] ← defines ← [[递归自优化生成系统]] -- [[自映射 (Self-Map)]] ← induces ← [[不动点 (Fixed Point)]] -- [[不动点组合子 (Y-Combinator)]] ← implements ← [[递归自优化循环]] -- [[Bootstrap（自举）]] ← mechanism_of ← [[递归自优化生成系统]] -- [[vibe-coding-cn]] ← source_repo ← [[递归自优化生成系统]] - -## Contradictions -- 与单次优化方法（如 PPO、DPO）的区别：单次优化直接在输出空间搜索最优；递归自优化在生成器空间迭代，目标是找到稳定的生成机制而非某一次的最优输出 -- 与纯强化学习的区别：强化学习优化策略（输出），自优化系统优化生成策略的机制（生成器的结构） - -## Metadata -- 作者：tukuai -- 创建时间：2025-12-30 -- 来源：https://github.com/2025Emma/vibe-coding-cn -- 原始标签：[] -- Category suggestions: `cs.LO`, `cs.AI`, `math.CT` diff --git a/wiki/sources/AI-一语点醒梦中人.md b/wiki/sources/AI-一语点醒梦中人.md deleted file mode 100644 index 3ffb8d65..00000000 --- a/wiki/sources/AI-一语点醒梦中人.md +++ /dev/null @@ -1,61 +0,0 @@ ---- -title: "一语点醒梦中人——东方人生智慧" -type: source -tags: [chinese-wisdom, daoism, confucianism, buddhism, life-philosophy] -date: 2026-04-15 ---- - -## Source File -- [[raw/AI/一语点醒梦中人.md]] - -## Summary -- 核心主题：中国古典哲学与人生修养箴言，涵盖道家/儒家/佛教/禅宗智慧 -- 问题域：现代人在困境、焦虑、执着中寻找内心平静与处事之道 -- 方法/机制：以经典引述+释义+背景延伸的结构，解析名言背后的哲学思想 -- 结论/价值：东方智慧提供"绝处逢生"、"放下执着"、"守拙内敛"的实践路径 - -## Key Claims -- 王维"行到水穷处，坐看云起时"：人生困境（"水穷处"）与超然觉醒（"云起时"）的辩证关系，仕途挫折促使其转向佛学形成空寂淡泊心境 -- 曾国藩"唯忘机可以消众机，唯懵懂可以祓不吉祥"：以无争、大智若愚姿态化解官场算计与人生风险 -- "知其不可奈何而安之若命"（庄子）：区分"可奈何"与"不可奈何"，对无法改变之事安然接受，而非继续内耗 -- "一切有为法，如梦幻泡影，如露亦如电，应作如是观"（金刚经）：世间一切因缘和合之物皆虚幻短暂，以"空性"智慧观照而不执着 -- "执一守中，有劳而作，言行意合，自然而行"：融合儒家"执两用中"与道家"守中"，在劳作中体悟，在言行中修心 - -## Key Quotes -> "知其不可奈何而安之若命，德之至也" — 庄子·内篇·人间世 -> "大智若愚，大巧若拙" — 老子·第四十五章 -> "和其光，同其尘" — 老子·第五十六章 -> "一切有为法，如梦幻泡影，如露亦如电，应作如是观" — 金刚经 - -## Key Concepts -- [[空性智慧]]：一切因缘和合之物皆无独立不变的自性，不执着于幻象 -- [[中道智慧]]：避免极端，在动态平衡中守持正道（"执两用中"） -- [[绝处逢生]]："水穷处"象征困境，"云起时"象征在放下执着后获得新的可能 -- [[知其不可奈何而安之若命]]：分辨可控与不可控，对不可控之事保持内心平静 -- [[忘机]]：忘却世俗机巧，以淳朴自然的心态化解纷扰 -- [[慎独]]：独处时仍保持行为谨慎不苟（《礼记·中庸》） - -## Key Entities -- [[王维]]（诗佛）：唐代诗人，"行到水穷处，坐看云起时"作者，仕途多舛后转向佛学 -- [[曾国藩]]：清代重臣，"唯忘机可以消众机"出处，结合道家无为与儒家诚心 -- [[老子]]：道家创始人，"大智若拙"/"和光同尘"/"守中"等思想源头 -- [[庄子]]：道家代表，"知其不可奈何而安之若命"出处 -- [[佛陀]]：金刚经偈颂来源，阐述"有为法"之虚妄 - -## Connections -- [[Laozi, Confucius, Buddha Wisdom]] ← 上位概念 ← [[空性智慧]] -- [[Diamond Sutra]] ← 同一经典 ← [[一切有为法，如梦幻泡影]] -- [[Su Dongpo Perspective]] ← 同类实践 ← [[绝处逢生]] - -## Contradictions -- 与现代"积极进取"文化的张力： - - 冲突点：东方智慧强调"放下"、"接受"，与现代社会"主动改变"、"征服自然"的叙事存在张力 - - 当前观点："安之若命"非消极躺平，而是"尽人事后听天命"的智慧 - - 对方观点：在快速变化的现代职场，过度强调接受可能导致错失主动改善的机会 - -## Related Links -- 《金刚经》 -- 《庄子·内篇·人间世》 -- 《老子》 -- 《礼记·中庸》 -- 曾国藩《治心经·诚心篇》 diff --git a/wiki/sources/AI-解决方案专家培训课程.md b/wiki/sources/AI-解决方案专家培训课程.md deleted file mode 100644 index 475ad3d3..00000000 --- a/wiki/sources/AI-解决方案专家培训课程.md +++ /dev/null @@ -1,45 +0,0 @@ ---- -title: "AI 解决方案专家培训课程" -type: source -tags: [ai, coze, workflow, industry-solution] -date: 2025-06-20 ---- - -## Source File -- [[raw/AI/AI 解决方案专家培训课程.md]] - -## Summary -- 核心主题：Coze 中文版平台提供的多行业 AI Agent 与工作流 Demo 集合，覆盖金融/教育/医疗/电商/客服等场景 -- 问题域：企业难以快速构建可落地的 AI 解决方案，缺乏从概念到实际部署的完整参考 -- 方法/机制：Coze 平台提供预置 Bot/Workflow 模板，用户可 Fork 后自定义改造，API 调用外部工具（GPT-SoVITS/F5-TTS/FaceFusion） -- 结论/价值：低代码平台大幅降低 AI 解决方案开发门槛，非技术用户也能搭建企业级 AI 应用 - -## Key Claims -- Coze 平台实现 AI 应用开发平民化，通过邀请链接即可加入团队空间体验 Demo -- Workflow 模式（工作流模式）比 Bot 模式更适合复杂多步骤任务，流程固定但灵活性强 -- 表格问答助手支持代码版和插件版两种实现，满足不同技术能力用户需求 -- 医疗分诊助手结合图像识别（影像图片 Excel 数据）+ 问诊逻辑，实现端到端 AI 辅助 - -## Key Quotes -> "数据分析案例：https://www.coze.cn/space/7433704316877520906/project-ide/7507579385827360779" — Coze 平台数据分析案例 - -> "AI证件照Demo：https://idphoto.bananaresearch.cn/" — 泛娱乐场景 AI 应用 Demo - -## Key Concepts -- [[Coze工作流]]：Coze 平台的可视化 Workflow 编辑器，通过节点串联实现复杂业务流程 -- [[AI行业解决方案]]：针对特定行业（金融/教育/医疗/电商）垂直场景的 AI Agent 定制方案 -- [[表格问答助手]]：基于知识库的自然语言 SQL 查询工具，支持代码版和插件版两种架构 - -## Key Entities -- [[Coze]]：字节跳动旗下的 AI Agent 开发平台，国内版（coze.cn）和海外版（coze.com）双版本运营 -- [[FaceFusion]]：人脸融合 AI 工具，用于泛娱乐场景的 AI 证件照和视频生成 -- [[F5-TTS]]：开源语音克隆项目，用于数字人和 AI 客服的语音合成 -- [[GPT-SoVITS]]：声音克隆模型，用于医疗问诊等场景的个性化语音交互 - -## Connections -- [[n8n]] ← comparable_to ← [[Coze工作流]]，两者都是可视化工作流编排工具，但 Coze 专注于 AI Agent，n8n 通用性更强 -- [[AI数据处理]] ← uses ← [[AI行业解决方案]]，行业方案依赖数据处理层实现结构化信息提取 -- [[智能体工作流]] ← extends ← [[Coze工作流]]，Coze 工作流是智能体工作流的具体实现之一 - -## Contradictions -- 与 [[Workflow vs Agent]] 概念：本文的 Workflow 模式强调固定流程；Coze 也支持 Agent 模式（LLM 动态决策）。冲突点：固定流程 vs 动态决策的适用场景。当前观点：复杂业务场景优先 Workflow，简单问答场景用 Agent 模式更灵活。 \ No newline at end of file diff --git a/wiki/sources/AI解决方案专家培训课程.md b/wiki/sources/AI解决方案专家培训课程.md deleted file mode 100644 index 889d384d..00000000 --- a/wiki/sources/AI解决方案专家培训课程.md +++ /dev/null @@ -1,33 +0,0 @@ ---- -title: "AI 解决方案专家培训课程" -type: source -tags: [coze, AI Agent, 解决方案, 培训] -date: 2025-06-20 ---- - -## Source File -- [[raw/AI/AI 解决方案专家培训课程.md]] - -## Summary -- 核心主题：Coze（扣子）平台 AI Agent 开发培训课程案例集 -- 问题域：展示 Coze 平台多行业 AI Agent 和工作流设计能力 -- 方法/机制：通过 Coze 中国版/国际版平台 Demo，涵盖金融、医疗、教育、电商、HR、客服等行业场景 -- 结论/价值：Coze 是企业级 AI Agent 快速搭建的低代码平台，Workflow+Bot 组合覆盖大多数业务场景 - -## Key Claims -- Coze 中国版（coze.cn）和国际版（coze.com）功能基本对齐，支持 Bot 和 Workflow 两种形态 -- 金融场景：客户分层营销助手、智能客服 Agent，支撑企业级决策 -- 教育场景：拍照搜视频、组卷出题、知识点掌握评估，覆盖学习全流程 -- 医疗场景：影像图片识别 + 在线问诊，AI 辅助诊断 -- 电商场景：混剪助手、在线换衣、直播间自动回复，覆盖营销全链路 -- HR 场景：AI 面试对练、培训对练，标准化招聘流程 -- 客服场景：AI 销售、在线客服助教，降低人工成本 - -## Key Entities -- [[Coze]]：字节跳动 AI Agent 开发平台，低代码/无代码构建 Bot 和 Workflow -- [[Coze Workflow]]：Coze 可视化业务流程编排引擎 -- [[Coze Bot]]：Coze 对话型 AI Agent 构建形态 - -## Connections -- [[Coze Bot]] ← 构成 ← [[Coze]] -- [[Coze Workflow]] ← 构成 ← [[Coze]] diff --git a/wiki/sources/AWS-CloudFormation-StackSets-多账户集中日志监控.md b/wiki/sources/AWS-CloudFormation-StackSets-多账户集中日志监控.md deleted file mode 100644 index 73a118cc..00000000 --- a/wiki/sources/AWS-CloudFormation-StackSets-多账户集中日志监控.md +++ /dev/null @@ -1,49 +0,0 @@ ---- -title: "AWS CloudFormation StackSets 多账户集中日志监控" -type: source -tags: [aws, devops, iac, cloudwatch, eventbridge] -date: 2025-10-25 ---- - -## Source File -- [[raw/Cloud & DevOps/How to Simplify Multi-Account Deployments Monitoring Centralized Logs for AWS CloudFormation StackSets.md]] - -## Summary -- 核心主题：AWS 多账户环境下 CloudFormation StackSets 部署的集中日志监控方案 -- 问题域：多账户 IaC 部署时，逐账户登录排查故障的运维负担 -- 方法/机制：EventBridge 跨账户事件转发 + CloudWatch Logs 集中存储 + CloudWatch Logs Insights 查询 -- 结论/价值：一个管理账户统一视图，覆盖全部成员账户的 StackSets 事件，缩短故障定位时间 - -## Key Claims -- AWS Organizations 多账户结构下，StackSets 可跨账户部署基础设施，但缺乏集中监控 -- EventBridge 规则在每个成员账户捕获 CloudFormation 事件并转发至管理账户自定义事件总线 -- CloudWatch Logs Insights 支持跨账户查询，提供失败堆栈操作、账户分布、资源类型等结构化分析 -- 两张 CloudFormation 模板（log-setup-management.yaml + common-resources-stackset.yaml）实现全自动化部署 - -## Key Quotes -> "When a critical security baseline deployed across 50 accounts suddenly starts failing, teams face the daunting task of logging into each account individually to understand what went wrong." — AWS DevOps Blog，描述多账户运维的核心痛点 - -## Key Concepts -- [[CloudFormation StackSets]]：跨 AWS 账户和区域部署 IaC 的托管服务 -- [[EventBridge]]：AWS 事件总线，支持跨账户事件路由 -- [[CloudWatch Logs]]：AWS 日志存储与查询服务 -- [[CloudWatch Logs Insights]]：结构化日志分析查询语言 -- [[AWS Organizations]]：AWS 多账户组织管理框架 -- [[IaC]]：Infrastructure as Code，基础设施即代码 - -## Key Entities -- [[AWS]]：云服务商，StackSets/EventBridge/CloudWatch 服务的提供方 - -## Connections -- [[AWS]] ← 提供基础设施 ← [[CloudFormation StackSets]] -- [[CloudFormation StackSets]] ← 事件来源 ← [[EventBridge]] -- [[EventBridge]] ← 跨账户转发 ← [[CloudWatch Logs]] -- [[CloudWatch Logs]] ← 查询分析 ← [[CloudWatch Logs Insights]] - -## Contradictions -- 无 - -## Metadata -- 来源：AWS DevOps & Developer Productivity Blog -- URL：https://aws.amazon.com/blogs/devops/how-to-simplify-multi-account-deployments-monitoring-centralized-logs-for-aws-cloudformation-stacksets/ -- 模板：log-setup-management.yaml + common-resources-stackset.yaml（GitHub aws-cloudformation-templates 仓库） diff --git a/wiki/sources/Agent-usecases-multi-Agent-Team.md b/wiki/sources/Agent-usecases-multi-Agent-Team.md deleted file mode 100644 index 7cbbe5eb..00000000 --- a/wiki/sources/Agent-usecases-multi-Agent-Team.md +++ /dev/null @@ -1,54 +0,0 @@ ---- -title: "Multi-Agent Specialized Team (Solo Founder Setup)" -type: source -tags: [multi-agent, openclaw, solo-founder, telegram] -date: 2026-04-15 ---- - -## Source File -- [[raw/Agent/usecases/multi-agent-team.md]] - -## Summary -- 核心主题：一人公司通过多个专业化 AI Agent 组建虚拟团队，实现 24/7 自动运转 -- 问题域：创始人身兼数职导致上下文切换成本高、精力耗散、无法深度工作 -- 方法/机制：多 Agent 分工 + 共享内存 + Telegram 统一入口 + 定时主动汇报 -- 结论/价值：Agent 团队比单一 Agent 更高效，分工专业化是关键 - -## Key Claims -- 单一 Agent 无法同时处理战略、代码、营销等多领域任务而不快速填满上下文窗口 -- 共享记忆（GOALS.md/DECISIONS.md）+ 私有上下文组合是多 Agent 协作的核心机制 -- 定时主动任务（scheduled daily tasks）是 Agent 团队产生真实价值的飞轮 -- 从 2 个 Agent 开始（lead + specialist），再按瓶颈扩展至 4 个 - -## Key Quotes -> "Personality matters more than you'd think: Giving agents distinct names and communication styles makes it natural to 'talk to your team' rather than wrestle with a generic AI" — Trebuh on X -> "Start with 2, not 4: Begin with a lead + one specialist, then add agents as you identify bottlenecks" - -## Key Concepts -- [[Multi-Agent Hierarchy]]：Supervisor（战略 Lead）+ Worker（领域专家）+ Validator 的层级分工 -- [[共享内存模式]]：共享 GOALS.md/DECISIONS.md + 私有 notes，实现共同上下文与专业积累 -- [[Telegram 路由]]：单一 Telegram 群聊，通过 @mention 分发到不同 Agent -- [[定时主动任务]]：Agent 不等待指令，而是按日程主动 surface insights - -## Key Entities -- [[Trebuh]]：Solo founder，4 Agent 团队（ Milo/Josh/Marketing/Dev）实践者，OpenClaw Showcase 案例 -- [[OpenClaw]]：多 Agent 控制平面，支持 sessions_spawn/sessions_send 通过 Telegram 协调 -- [[Claude Opus]]：Milo（Strategy Lead）使用，擅长战略规划和综合协调 -- [[Claude Sonnet]]：Josh（Business）使用，快速分析能力匹配数字驱动任务 -- [[Gemini]]：Marketing Agent 使用，强于网页研究和长上下文分析 - -## Connections -- [[Multi-Agent System Reliability]] ← 扩展 ← [[Multi-Agent Hierarchy]] -- [[OpenClaw]] ← 支撑 ← [[Multi-Agent Hierarchy]] 的执行层 -- [[Agentic AI]] ← 上位概念 ← [[Multi-Agent Hierarchy]] - -## Contradictions -- 与 [[Multi-Agent System Reliability]] 冲突： - - 冲突点：Multi-Agent System Reliability 强调可靠性（多数投票/对抗辩论/淘汰制），Solo Founder Setup 强调快速交付和主动性 - - 当前观点：专业化分工 + 主动汇报优先于冗余可靠性机制 - - 对方观点：高风险任务需要 Validator/Hierarchy 等可靠性保障机制 - -## Related Links -- [Trebuh on X](https://x.com/iamtrebuh/status/2011260468975771862) -- [OpenClaw Showcase](https://openclaw.ai/showcase) -- [Anthropic: Building Effective Agents](https://www.anthropic.com/research/building-effective-agents) diff --git a/wiki/sources/Autonomous-Educational-Game-Development-Pipeline.md b/wiki/sources/Autonomous-Educational-Game-Development-Pipeline.md deleted file mode 100644 index 8a5861a4..00000000 --- a/wiki/sources/Autonomous-Educational-Game-Development-Pipeline.md +++ /dev/null @@ -1,44 +0,0 @@ ---- -title: "Autonomous Educational Game Development Pipeline" -type: source -tags: [game-development, autonomous-agent, openclaw-usecase] -date: 2026-04-16 ---- - -## Source File -- [[raw/Agent/usecases/autonomous-game-dev-pipeline.md]] - -## Summary -- 核心主题：OpenClaw Agent 作为游戏开发智能体，自主管道生命周期管理（创建/修复/部署） -- 问题域：独立开发者手工开发 40+ 教育游戏速度太慢，维护一致性困难 -- 方法/机制：Bugs First 策略 + Round Robin 队列 + 标准化设计规则 + Git 分支工作流；Agent 自主选择→实现→注册→文档→部署，每 7 分钟完成一个游戏或修复 -- 结论/价值：将游戏开发速度提升至每 7 分钟一个新游戏或修复，已成功生产 41+ 游戏 - -## Key Claims -- Bugs First 强制优先级：Agent 必须先修复 bugs/ 目录下第一个文件，才可处理新游戏 -- 每 7 分钟一个游戏或修复的产出速度，管道已稳定运行 -- 游戏需注册到 public/js/games-list.json 才会在首页显示 -- 设计规则强制纯 HTML/CSS/JS（无框架）、移动优先、离线可用 -- 产出：elbebe.co — 一个面向拉丁美洲儿童的西班牙语教育游戏门户 - -## Key Quotes -> "Bugs First! If the bugs/ folder has content, your only priority is to fix the first bug in alphabetical order." - -> "This pipeline is capable of producing 1 new game or bugfix every 7 minutes." - -## Key Concepts -- [[Bugs-First-Policy]]：Agent 强制优先处理 bugs/ 队列中的第一个文件，阻止 feature 开发冲动 -- [[Round-Robin-Queue]]：跨年龄段平衡分配游戏开发任务的策略 -- [[Conventional-Commits]]：语义化提交格式（feat/fix），用于自动生成 CHANGELOG -- [[Git-Branch-Workflow]]：feature/[game-id] 分支 → PR → master → 自动化发布 - -## Key Entities -- [[El-Bebe-Games]]：拉丁美洲儿童教育游戏网站，游戏产出实体，GitHub 为 duberblockito/elbebe -- [[LANero]]：项目创始人背景，"LANero of the old school" 创作者 - -## Connections -- [[OpenClaw]] ← 平台 ← [[Autonomous-Educational-Game-Development-Pipeline]] -- [[Self-Healing-Systems]] ← 类似模式 ← [[Autonomous-Educational-Game-Development-Pipeline]]（自动修复优先） -- [[Vibe-Kanban]] ← 任务管理 ← [[Autonomous-Educational-Game-Development-Pipeline]] - -## Contradictions diff --git a/wiki/sources/Autonomous-Project-Management-STATE-yaml.md b/wiki/sources/Autonomous-Project-Management-STATE-yaml.md deleted file mode 100644 index 6a28e223..00000000 --- a/wiki/sources/Autonomous-Project-Management-STATE-yaml.md +++ /dev/null @@ -1,38 +0,0 @@ ---- -title: "Autonomous Project Management（去中心化协调模式）" -type: source -tags: [project-management, autonomous, subagent, state-yaml, openclaw] -date: 2026-04-13 ---- - -## Source File -- [[raw/Agent/usecases/autonomous-project-management.md]] - -## Summary -- 核心主题：去中心化项目协调——通过共享 STATE.yaml 文件替代中央 orchestrator -- 问题域：传统中央协调模式（主 Agent 做交通警察）造成瓶颈，多并行工作流项目需要真正的并行执行 -- 方法/机制：每个项目维护 STATE.yaml 作为单一真实源，subagent 自主读写状态文件协调 -- 结论/价值：主会话保持薄（CEO 模式），所有执行下沉到 subagent，Git 作为审计日志 - -## Key Claims -- STATE.yaml > 中央 orchestrator：基于文件的协调比消息传递更具可扩展性 -- Git 作为审计日志：STATE.yaml 变更提交 Git 实现完整历史追溯 -- 标签命名规范：`pm-{project}-{scope}` 便于追踪 -- 薄主会话原则：主 Agent 越少做事，响应越快 - -## Key Quotes -> "Main session = coordinator ONLY. All execution goes to subagents." — OpenClaw PM Delegation Pattern - -## Key Concepts -- [[STATE.yaml]]：项目协调文件，YAML 结构定义任务状态与依赖，支持 next_actions 驱动 -- [[去中心化协调]]：无中央 orchestrator，各 subagent 通过共享状态文件自主协调 -- [[GitOps]]（隐式）：Git commit STATE.yaml 变更实现项目状态版本管理 - -## Key Entities -- [[Nicholas Carlini]]：自主编码 agent 方法论提出者，STATE.yaml 去中心化协调灵感来源 -- [[OpenClaw]]：支持 sessions_spawn/sessions_send，subagent 文件系统访问 - -## Connections -- [[Autonomous-Project-Management-STATE-yaml]] ← implements ← [[Multi-Agent Hierarchy]]（Planner+Worker+Validator，STATE.yaml 替代中央验证器） -- [[Autonomous-Project-Management-STATE-yaml]] ← shares_pattern ← [[Multi-Agent-Specialized-Team-Solo-Founder-Setup]]（均依赖共享状态协调，而非中央 orchestrator） -- [[Multi-Agent-Specialized-Team-Solo-Founder-Setup]] ← extends ← [[Autonomous-Project-Management-STATE-yaml]]（Solo-Founder 团队在 PM 维度应用去中心化协调） diff --git a/wiki/sources/Autonomous-Project-Management.md b/wiki/sources/Autonomous-Project-Management.md deleted file mode 100644 index 4eb41e24..00000000 --- a/wiki/sources/Autonomous-Project-Management.md +++ /dev/null @@ -1,48 +0,0 @@ ---- -title: "Autonomous Project Management with Subagents" -type: source -tags: [agent, project-management, subagent] -date: 2026-04-15 ---- - -## Source File -- [[raw/Agent/usecases/autonomous-project-management.md]] - -## Summary -- 核心主题：去中心化项目管理模式，多 subagent 通过共享 STATE.yaml 协调而非中央 orchestrator -- 问题域：传统 orchestrator 模式造成主 agent 瓶颈，多 repo 重构/研究冲刺/内容管线等复杂项目需要并行执行 -- 方法/机制：STATE.yaml 作为单一事实来源 → 各 agent 自主认领任务 → 状态更新触发其他 agent 接力 -- 结论/价值：文件协调优于消息传递；Git 作为审计日志；薄主会话原则（CEO 模式） - -## Key Claims -- 传统 orchestrator 模式产生瓶颈——主 agent 成为交通指挥 -- STATE.yaml > orchestrator：文件协调比消息传递更具扩展性 -- Git 作为审计日志：提交 STATE.yaml 变更获取完整历史 -- Label 约定很重要：用 `pm-{project}-{scope}` 格式便于追踪 -- 薄主会话原则：主 agent 做得越少，响应越快 - -## Key Quotes -> "Managing complex projects with multiple parallel workstreams is exhausting. You end up context-switching constantly." — 痛点陈述 -> "Let agents self-organize rather than micromanaging them." — [[Nicholas Carlini]] 方法论核心 - -## Key Concepts -- [[STATE.yaml]]：项目协调文件，YAML 格式定义任务状态、owner、blocked_by 依赖关系 -- [[去中心化协调]]：无中央 orchestrator，各 agent 自主读写共享状态文件 -- [[薄主会话]]：主会话仅做策略/调度，所有执行下沉 subagent -- [[CEO 模式]]：主 agent = 协调者，subagent = 执行者 - -## Key Entities -- [[Nicholas Carlini]]：自主编码 agent 方法论提出者，STATE.yaml 协调模式灵感来源 -- [[Anthropic]]：Building Effective Agents 论文发布方 - -## Connections -- [[Multi-Agent Hierarchy]] ← 架构基础 ← [[Autonomous Project Management]] -- [[sessions_spawn]] ← 核心能力 ← [[Autonomous Project Management]] -- [[sessions_send]] ← 核心能力 ← [[Autonomous Project Management]] -- [[GitOps]] ← 审计日志机制 ← [[Autonomous Project Management]] - -## Contradictions -- 与中央 orchestrator 模式冲突： - - 当前观点：去中心化文件协调，无单点瓶颈 - - 对方观点：中央 orchestrator 便于全局控制 - - 适用场景：复杂多任务 > 简单顺序任务 diff --git a/wiki/sources/Best 7 news API data feeds - AI News.md b/wiki/sources/Best 7 news API data feeds - AI News.md deleted file mode 100644 index 7faf813f..00000000 --- a/wiki/sources/Best 7 news API data feeds - AI News.md +++ /dev/null @@ -1,60 +0,0 @@ ---- -title: "Best 7 News API Data Feeds" -type: source -tags: [news-api, data-feed, ai, 新闻聚合] -date: 2025-03-11 ---- - -## Source File -- [[raw/AI/Best 7 news API data feeds - AI News.md]] - -## Summary -- 核心主题：7 款主流新闻 API 数据源全面评测 -- 问题域：如何为 AI 应用选择合适的新闻数据源 -- 方法/机制：对比维度（覆盖范围/价格/适用场景/核心能力） -- 结论/价值：不同场景对应不同 API——金融选 Bloomberg/FT、舆情选 Webz.io/Opoint、小型应用选 GNews/Mediastack - -## Key Claims -- Webz.io 是覆盖最全面的新闻 API，同时覆盖 surface web + deep web + dark web，金融/网安/风控场景首选 -- GNews API 轻量低价，适合小型应用和初创公司，支持多语言本地化 -- The Guardian API 专注高质量编辑内容，适合研究和内容平台 -- Bloomberg API + Financial Times API 面向机构级金融分析，FT 提供经济报告，Bloomberg 提供实时市场数据 -- Opoint 擅长舆情监控和情感分析，PR/营销/品牌监测首选 -- Mediastack 7000+ 来源，免费套餐可用，最适合开发者构建多来源聚合应用 - -## Key Quotes -> "News API data feeds are platforms that aggregate, organise, and deliver structured news data from multiple sources." — AI News 概述 - -## Key Concepts -- [[News API]]：标准化 HTTP API 接口获取新闻数据，返回 JSON/XML 格式结构化数据 -- [[新闻聚合]]：将多个来源新闻整合为统一格式，Eliminate 人工采集成本 -- [[舆情监控]]：实时跟踪品牌/竞品媒体提及和情感倾向 -- [[金融情报]]：实时分析市场动向新闻，驱动投资决策 - -## Key Entities -- [[Webz.io]]：全覆盖新闻 API（surface+deep+dark web） -- [[GNews API]]：轻量低价新闻 API -- [[The Guardian API]]：高质量编辑内容新闻源 -- [[Bloomberg API]]：机构级金融数据 API -- [[Financial Times API]]：专业财经分析与经济报告 -- [[Opoint]]：舆情监控与情感分析平台 -- [[Mediastack API]]：7000+ 来源可扩展新闻 API - -## Connections -- [[News API]] ← 分类产品 ← [[Webz.io]] / [[GNews API]] / [[The Guardian API]] / [[Bloomberg API]] / [[Financial Times API]] / [[Opoint]] / [[Mediastack API]] -- [[舆情监控]] ← 工具 ← [[Opoint]] -- [[金融情报]] ← 工具 ← [[Bloomberg API]] / [[Financial Times API]] - -## Use Cases -| 场景 | 推荐 API | -|------|---------| -| 金融分析与市场数据 | Bloomberg API / Financial Times API | -| 舆情监控与品牌追踪 | Opoint / Webz.io | -| 网安与风控情报 | Webz.io | -| 小型应用与本地化 | GNews API / Mediastack | -| 高质量编辑内容 | The Guardian API | -| AI 训练数据获取 | Mediastack（来源多+价格灵活） | - -## Contradictions -- Webz.io vs Mediastack：Webz.io 覆盖最广但价格高；Mediastack 来源多且有免费套餐，但深度不如 Webz.io -- Bloomberg vs Financial Times：Blochberg 偏实时市场数据，FT 偏深度经济报告，可互补 diff --git a/wiki/sources/Build-Your-Own-X-从零构建技术栈.md b/wiki/sources/Build-Your-Own-X-从零构建技术栈.md deleted file mode 100644 index 9b50a086..00000000 --- a/wiki/sources/Build-Your-Own-X-从零构建技术栈.md +++ /dev/null @@ -1,38 +0,0 @@ ---- -title: "Build Your Own X — 从零构建技术的编程学习资源集" -type: source -tags: [learning, programming, github, tutorial, build-from-scratch] -date: 2026-01-01 ---- - -## Source File -- [[raw/AI/codecrafters-iobuild-your-own-x Master programming by recreating your favorite technologies from scratch.md]] - -## Summary -- 核心主题：GitHub 编程学习资源集，通过从零重建流行技术来掌握编程 -- 问题域：如何通过动手重建而非被动阅读来深度理解技术原理 -- 方法/机制：收录 25 个技术领域的分步骤指南，每指南附多语言实现教程 -- 结论/价值："What I cannot create, I do not understand"——费曼学习法的技术领域实践 - -## Key Claims -- 重建流行技术是深度掌握编程的最有效方法 -- 分步骤指南覆盖 25 个技术领域，从 Web 服务器到神经网络到操作系统 -- 每个领域提供多语言实现（Python/JavaScript/Go/C++/Rust 等），学习者可选择熟悉语言切入 -- codecrafters.io 提供在线编程挑战平台 - -## Key Quotes -> "What I cannot create, I do not understand." — Richard Feynman - -## Key Concepts -- [[费曼学习法]]：不能创造即不能真正理解，动手重建是最高效的深度学习路径 -- [[Vibe Coding]]：BYOX 与 Vibe Coding 均强调动手实践，BYOX 是更激进的"完全从零"版本 - -## Key Entities -- [[CodeCrafters]]：build-your-own-x 的维护方，提供在线编程挑战平台 -- [[Daniel Stefanovic]]：build-your-own-x 项目创始人 -- [[Richard Feynman]]：费曼学习法起源 - -## Connections -- [[Build-Your-Own-X-从零构建技术栈]] ← enables ← [[Vibe Coding]]（BYOX 是 Vibe Coding 的底层实践） -- [[Build-Your-Own-X-从零构建技术栈]] ← implements ← [[费曼学习法]] -- [[Vibe-Kanban-OpenCode-Ubuntu-Server安装管理指南]] ← related ← [[Vibe Coding]]（Vibe Coding 工具链） diff --git a/wiki/sources/ChinaTextbook-中国教育PDF教材大全.md b/wiki/sources/ChinaTextbook-中国教育PDF教材大全.md deleted file mode 100644 index 9820668f..00000000 --- a/wiki/sources/ChinaTextbook-中国教育PDF教材大全.md +++ /dev/null @@ -1,40 +0,0 @@ ---- -title: "ChinaTextbook - 41.53 GB，中国小学、初中、高中、大学 PDF 教材" -type: source -tags: [教育资源, 开源, GitHub] -date: 2025-05-13 ---- - -## Source File -- [[raw/Others/ChinaTextbook - 41.53 GB，中国小学、初中、高中、大学 PDF 教材.md]] - -## Summary -- 核心主题：中国公开教育 PDF 教材开源归档项目 -- 问题域：教育资源获取不平等、教材数字化保存 -- 方法/机制：爬取国家中小学智慧教育平台 + GitHub 托管分发 -- 结论/价值：41.53 GB 规模覆盖小初高大学全学段，永久免费开源 - -## Key Claims -- [[TapXWorld]] 团队通过 [[tchMaterial-parser]] 工具从[[国家中小学智慧教育平台]]批量下载教材 PDF -- 教材来源本身只需登录后即可浏览，属于公开资源 -- GitHub 托管方式实现永久可用，不依赖任何单一平台 - -## Key Quotes -> "这个项目存在有一段时间了，今天突然火了。" — Appinn 评论区 - -## Key Concepts -- [[教育资源开源]]：将官方平台公开教材整合为可下载的离线包 -- [[GitHub 大文件托管]]：41.53 GB 规模超出 Git LFS 免费配额，实际以种子或其他方式分发 - -## Key Entities -- [[TapXWorld]]：ChinaTextbook 项目的发起和维护团队 -- [[Appinn]]：最早报道此项目的科技博客 -- [[国家中小学智慧教育平台]]：教材原始来源平台（basic.smartedu.cn） -- [[tchMaterial-parser]]：第三方教材下载解析工具（GitHub 开源） - -## Connections -- [[ChinaTextbook]] ← 来源于 ← [[国家中小学智慧教育平台]] -- [[ChinaTextbook]] ← 报道于 ← [[Appinn]] - -## Contradictions -- 与传统教材获取方式冲突：付费购买 vs 免费开源获取；反映了教育资源数字化的知识产权灰色地带 diff --git a/wiki/sources/ChinaTextbook.md b/wiki/sources/ChinaTextbook.md deleted file mode 100644 index fb93ebc0..00000000 --- a/wiki/sources/ChinaTextbook.md +++ /dev/null @@ -1,51 +0,0 @@ ---- -title: "ChinaTextbook - 41.53 GB，中国小学、初中、高中、大学 PDF 教材" -source: "https://www.appinn.com/chinatextbook/" -author: "shenwei" -published: "2025-05-13" -created: "2025-12-19" -description: "ChinaTextbook 是一款收集了公开的中国小学、初中、高中、大学 PDF 教材的项目，托管在 GitHub 上，总库大小 41.53GB。" -tags: - - 教育资源 - - PDF教材 - - 中国教育 - - 开源 ---- - -## 关键洞察 - -- **大规模教育开源项目**: ChinaTextbook 是托管在 GitHub 上的中国教育教材收集项目，总大小 41.53 GB -- **覆盖全学段**: 包含小学、初中、高中、大学各学科教材 -- **来源正规**: 教材来源于国家中小学智慧教育平台，仅需登录即可浏览 -- **社区驱动**: 通过第三方工具 (tchMaterial-parser) 实现批量下载 - -## 摘要 - -ChinaTextbook 是一款收集了公开的中国小学、初中、高中、大学 PDF 教材的项目，托管在 GitHub 上，总库大小 41.53GB。教材来源为国家中小学智慧教育平台，本身只需要登录后即可浏览，可以使用第三方工具下载。 - -## 主要内容 - -### 小学教材 -语文/统编版、数学、英语、科学、道德与法治、美术、音乐、体育与健康、艺术、语文·书法练习指导 - -### 初中教材 -语文/统编版、数学、英语、物理、化学、生物学、历史/统编版、地理、道德与法治、俄语/人教版、日语/人教版、美术、音乐、体育与健康、艺术、科学、地理图册、人文地理/统编版 - -### 高中教材 -语文/统编版、数学、英语、物理、化学、生物学、历史/统编版、地理、思想政治/统编版、俄语/人教版、日语/人教版、美术、音乐、体育与健康、艺术、通用技术、信息技术、地理图册 - -### 大学教材 -高等数学、线性代数、概率论、离散数学 - -## 关键实体 - -- [[ChinaTextbook]] -- [[TapXWorld]] -- [[Appinn]] -- [[国家中小学智慧教育平台]] -- [[tchMaterial-parser]] - -## 相关来源 - -- [GitHub: TapXWorld/ChinaTextbook](https://github.com/TapXWorld/ChinaTextbook/) -- [Appinn: ChinaTextbook](https://www.appinn.com/chinatextbook/) diff --git a/wiki/sources/Claude-Code调用方法总结.md b/wiki/sources/Claude-Code调用方法总结.md deleted file mode 100644 index 94add2d7..00000000 --- a/wiki/sources/Claude-Code调用方法总结.md +++ /dev/null @@ -1,43 +0,0 @@ ---- -title: "Claude Code 调用方法总结" -type: source -tags: [ClaudeCode, OpenClaw, AI编程] -date: 2026-03-29 ---- - -## Source File -- raw/Agent/claude-code调用方法总结.md - -## Summary -- 核心主题：OpenClaw/Hermes 系统中 terminal 工具调用 Claude Code 的两种核心模式 -- 问题域：如何可靠地将复杂编程任务委托给 Claude Code 执行，避免权限阻塞和超时问题 -- 方法/机制：Print Mode（stdin 管道非交互模式）与 TMUX 交互模式对比，关键参数 bypassPermissions/max-turns -- 结论/价值：terminal 调用 claude -p 是调用 Claude Code 技能的唯一正确方式，delegate_task 无法激活外部 CLI - -## Key Claims -- Print Mode 通过 stdin 管道传递任务文本，避免特殊字符 shell 转义问题 -- `--permission-mode bypassPermissions` 跳过所有交互确认，比 `--dangerously-skip-permissions` 更可靠 -- `--add-dir <路径>` 自动扫描目标目录下的 SKILL.md 并在匹配条件时自动激活 -- `--max-turns 25-30` 是复杂任务的合理阈值，过小会导致任务未完成就超时 -- delegate_task 只能调用 Hermes 子 agent，无法建立外部 Claude Code CLI 通道 - -## Key Quotes -> "当任务需要调用 Claude Code 的 skill（如 fireworks-tech-graph）时，应使用 terminal 调用 claude -p，而非 delegate_task。" — 核心结论 - -## Key Concepts -- [[Print Mode]]：Claude Code 非交互单次执行模式，通过 stdin 管道传递任务，适合绝大多数编程任务 -- [[TMUX交互模式]]：Claude Code 长时间交互模式，通过 tmux session 保持进程，适合超长任务 -- [[Skill加载]]：Claude Code 通过 `--add-dir` 扫描目录下的 SKILL.md 并在触发条件匹配时自动激活 -- [[权限绕过]]：bypassPermissions 参数跳过所有交互确认，是自动化调用 Claude Code 的必要条件 - -## Key Entities -- [[Claude-Code]]：Anthropic 官方 CLI 编程工具，支持 skill 扩展 -- [[Hermes]]：OpenClaw 中调用外部 CLI 工具的组件，通过 terminal 工具触发 - -## Connections -- [[Claude-Code]] ← 被调用方 ← [[Print Mode]] -- [[Claude-Code]] ← 被调用方 ← [[TMUX交互模式]] -- [[Skill加载]] ← 作用于 ← [[Claude-Code]] -- [[Print Mode]] ← 替代方案 ← [[TMUX交互模式]] - -## Contradictions diff --git a/wiki/sources/Claude-Skills研究范式.md b/wiki/sources/Claude-Skills研究范式.md deleted file mode 100644 index 36a1a56b..00000000 --- a/wiki/sources/Claude-Skills研究范式.md +++ /dev/null @@ -1,45 +0,0 @@ ---- -title: "Claude Skills研究范式" -type: source -tags: [ai, claude-skills, vibe-coding] -date: 2026-01-05 ---- - -## Source File -- raw/AI/3.2 万人收藏的 Claude Skills，才是 AI 这条路上最值得研究的一套范式！.md - -## Summary -- 核心主题：Claude Skills 从提示词工程到流程工程的范式转移 -- 问题域：AI 技能封装与复用、Skills 生态资源 -- 方法/机制：Skills = 说明书 + SOP，将人类经验封装为可复用工作流 -- 结论/价值：Skills 是 Vibe Coding 的尽头，真正有价值的不是 Prompt 写得多花哨，而是谁最懂业务流程 - -## Key Claims -- Claude Skills 爆发标志着从"提示词工程"迈向"流程工程" -- Anthropic 官方 Skills 仓库（github.com/anthropics/skills）收藏数突破 3.2 万 -- 官方库本质上是教你"像我们一样开发 AI 应用" -- Skills 包含四大类：办公自动化（Word/PDF/PPT/Excel）、开发者工具箱、MCP Server、创意类 Skill -- 未来真正有价值的 = 懂业务流程 + 能把经验沉淀为 SOP + 把 SOP 交给 AI 稳定执行 - -## Key Quotes -> "Skills 就是一套你写给 Claude 的'说明书'和'SOP（标准作业程序）'" — 痕小子/开源星探 -> "这个库本质上是官方在教你，'怎么像我们一样开发 AI 应用'" — 痕小子/开源星探 - -## Key Concepts -- [[AI技能封装]]：将固定流程任务拆解为 AI 可理解的结构化流程 -- [[流程工程]]：将经验沉淀为 SOP 再交给 AI 稳定执行的新范式 -- [[Anthropic Skills 官方库]]：github.com/anthropics/skills，生产级 Skills 集合 - -## Key Entities -- [[Anthropic]]：Claude Skills 官方库的发布方 -- [[Awesome-Claude-Skills]]：ComposioHQ/VoltAgent/BehiSecc 三大社区整理 -- [[skillsmp.com]]：Skill 聚合站之一 -- [[aitmpl.com]]：Skill 聚合站之一 -- [[claudemarketplaces.com]]：Skill 聚合站之一 - -## Connections -- [[Claude Skills研究范式]] ← 理论基础 ← [[Google 5种Agent Skill设计模式]] -- [[Anthropic Skills 官方库]] ← 来源 ← [[Claude Skills研究范式]] -- [[流程工程]] ← 应用场景 ← [[Vibe Coding氛围编程]] - -## Contradictions diff --git a/wiki/sources/Clonezilla对Ubuntu-Server进行全盘镜像备份.md b/wiki/sources/Clonezilla对Ubuntu-Server进行全盘镜像备份.md deleted file mode 100644 index 50b1ef77..00000000 --- a/wiki/sources/Clonezilla对Ubuntu-Server进行全盘镜像备份.md +++ /dev/null @@ -1,59 +0,0 @@ ---- -title: "Clonezilla 对 Ubuntu Server 进行全盘镜像备份" -type: source -tags: [备份, Clonezilla, Ubuntu, NAS, 灾难恢复] -date: 2025-12-19 ---- - -## Source File -- [[raw/Home Office/Clonezilla对Ubuntu Server进行全盘镜像备份.md]] - -## Summary -- 核心主题：使用 Clonezilla 实现 Ubuntu Server 全盘镜像备份到 NAS 的完整操作流程 -- 问题域：服务器灾难恢复、硬盘故障防护、数据持久化 -- 方法/机制：Clonezilla live USB 启动 → NFS 挂载 NAS → imagedir 选择 → 压缩归档 -- 结论/价值：零成本开源方案，实现类似 Ghost 的磁盘级备份，支持完整灾难恢复 - -## Key Claims -- Rufus 制作 Clonezilla 启动盘时，针对新笔记本选 GPT+UEFI，老笔记本选 MBR+BIOS -- NFS 是 NAS 备份首选协议，Linux 兼容性最好，优于 SMB/CIFS -- `-z1p` 压缩参数在备份速度和空间节省间取得平衡 -- 灾难恢复只需在 NAS 找到镜像目录，选择 `restoredisk` 即可完整复活系统 - -## Key Procedures - -### 制作启动盘 -1. 下载 debian amd64 iso（比 alternative 更稳定） -2. Rufus 选择 ISO 模式写入（勿选 DD 模式，除非 ISO 模式失败） -3. 分区方案：GPT for UEFI，MBR for BIOS - -### 备份流程 -1. F9 进入启动菜单选择 U 盘 -2. 语言 en_US.UTF-8，键盘默认 -3. `device-image` → `nfs_server` → DHCP 获取 IP -4. 输入 NAS IP 和 NFS 挂载路径（如 `/volume2/backups`） -5. Beginner 模式 → `savedisk` → 选择源磁盘 → `-z1p` 压缩 → 确认执行 - -### 恢复流程 -1. 同备份流程到第 3 步 -2. 选择 `restoredisk`（而非 `savedisk`） -3. 指定 NAS 上镜像路径，确认后写入新硬盘 - -## Key Entities -- [[Clonezilla]]：开源磁盘克隆工具（类似于 Ghost），支持多种文件系统和企业级功能 -- [[Rufus]]：Windows 下制作 USB 启动盘工具，支持 ISOHybrid 镜像写入 -- [[NFS]]：Network File System，Linux 原生网络文件系统协议 -- [[Synology NAS]]：备份存储目标（IP: 192.168.3.17） - -## Key Concepts -- [[磁盘镜像备份]]：将整个磁盘保存为单个压缩镜像文件，支持完整恢复 -- [[GPT vs MBR]]：UEFI 新机器用 GPT，传统 BIOS 机器用 MBR；是启动模式决定分区表类型而非硬盘大小 -- [[NFS 挂载]]：`/etc/fstab` + `_netdev` 参数防止开机挂载顺序错误 - -## Connections -- [[Clonezilla]] ← 使用 ← [[Rufus]] -- [[Clonezilla备份]] → 存储目标 → [[Synology NAS]] -- [[NFS备份]] ← 协议选择 ← [[Ubuntu Server备份]] - -## Contradictions -- ISO 模式 vs DD 模式：Rufus 文档推荐 ISO 模式，但 DD 模式在某些 hybrid ISO 上更可靠；实际以启动成功为准 diff --git a/wiki/sources/Cloud-DevOp-Maturity-Guideline.md b/wiki/sources/Cloud-DevOp-Maturity-Guideline.md index 07ba7d92..a5200d7c 100644 --- a/wiki/sources/Cloud-DevOp-Maturity-Guideline.md +++ b/wiki/sources/Cloud-DevOp-Maturity-Guideline.md @@ -1,51 +1,46 @@ --- title: "Cloud DevOp Maturity - Guideline" type: source -tags: [devops, cloud, maturity-model, enterprise] -date: +tags: [cloud, devops, maturity-model, enterprise] +date: 2026-04-16 +source_file: raw/Cloud & DevOps/Cloud DevOp Maturity - Guideline.md --- -## Source File -- [[raw/Cloud & DevOps/Cloud DevOp Maturity - Guideline.md]] - ## Summary -- 核心主题：企业级SaaS公司云DevOps成熟度评估框架 -- 问题域：如何系统化评估组织DevOps成熟度，识别改进路径 -- 方法/机制：基于CMMI和DORA指标的多维度成熟度模型 -- 结论/价值：DevOps是持续改进过程，即使成熟组织也需适应新技术新实践 +企业级 SaaS 公司的 Cloud DevOps 成熟度评估框架，涵盖成熟度定义、关键模型、基础支柱、工具选型、度量指标、挑战、案例及路线图。核心观点：DevOps 成熟度是持续改进过程，需通过自动化、文化协作、监控可观测性和安全集成实现组织级交付效率提升。 ## Key Claims -- DevOps成熟度包含：自动化、研运协作、交付速度、可靠性四个维度 -- DORA四大指标：部署频率、变更前置时间、变更失败率、平均恢复时间（MTTR） -- 成熟度四大支柱：自动化（CI/CD/IaC）、协作与文化、监控与可观测性、安全集成（DevSecOps） -- 工具链核心组件：CI/CD、IaC（Terraform/Ansible）、容器化（Kubernetes/Docker）、监控（Prometheus/Grafana） -- 达到DevOps成熟需要：进行成熟度评估→建立DevOps卓越中心→分阶段改进 +- DevOps 成熟度包含自动化、开发运维协作、交付速度和可靠性四个核心维度 +- CMMI 和 DORA 是评估 DevOps 成熟度的两大关键模型 +- DevOps 成熟度基础支柱包括：自动化、文化协作、监控可观测性、安全集成（DevSecOps） +- CI/CD 流水线、IaC、测试自动化是成熟度提升的技术基础 +- DevOps 是持续改进过程，而非一次性目标 ## Key Quotes -> "DevOps is a continuous improvement process, and even mature companies need to adapt to evolving technologies and practices." +> "DORA metrics: deployment frequency, lead time for changes, change failure rate, and mean time to recovery (MTTR)" — DevOps Research & Assessment 核心度量指标 +> "Security must be integrated into the DevOps lifecycle through automation, continuous compliance, and proactive vulnerability management" — DevSecOps 核心原则 ## Key Concepts -- [[DevOps-Maturity]]：DevOps成熟度，组织在云DevOps实践上的发展阶段 -- [[DORA-Metrics]]：DevOps Research & Assessment四大指标——部署频率、变更前置时间、变更失败率、MTTR -- [[CMMI]]：Capability Maturity Model Integration，能力成熟度模型集成 -- [[IaC]]：Infrastructure as Code，基础设施即代码 -- [[DevSecOps]]：将安全集成到DevOps生命周期的实践 -- [[CI-CD-Pipeline]]：持续集成/持续交付流水线 -- [[监控与可观测性]]：持续监控、日志、问题检测与快速解决能力 -- [[DevOps-CoE]]：DevOps Center of Excellence，卓越中心 +- [[DevOps 成熟度模型]]：评估组织 DevOps 实践水平的分级框架 +- [[DORA 指标]]：DevOps Research & Assessment 提出的四项关键度量 +- [[CMMI]]：Capability Maturity Model Integration 能力成熟度模型集成 +- [[CI/CD 流水线]]：持续集成/持续交付自动化流程 +- [[IaC]]：Infrastructure as Code 基础设施即代码 +- [[DevSecOps]]：安全集成的 DevOps 实践 +- [[监控可观测性]]：Continuous monitoring, logging, and issue detection ## Key Entities -- [[Terraform]]：IaC工具 -- [[Ansible]]：IaC/配置管理工具 +- [[Terraform]]：IaC 工具 +- [[Ansible]]：配置管理工具 - [[Kubernetes]]：容器编排平台 -- [[Docker]]：容器化平台 +- [[Docker]]：容器化技术 - [[Prometheus]]：监控系统 -- [[Grafana]]：可观测性平台 +- [[Grafana]]：可视化监控仪表板 ## Connections -- [[DORA-Metrics]] ← 评估 → [[DevOps-Maturity]] -- [[IaC]] ← 支撑 → [[DevOps-Maturity]] -- [[DevSecOps]] ← 集成 → [[DevOps-Maturity]] -- [[CI-CD-Pipeline]] ← 核心 → [[DevOps-Maturity]] +- [[DevOps 成熟度模型]] ← 评估框架 ← [[DORA 指标]] +- [[CI/CD 流水线]] ← 依赖 ← [[IaC]] +- [[DevSecOps]] ← 依赖 ← [[监控可观测性]] ## Contradictions +- （暂无记录） diff --git a/wiki/sources/Cloud-Maturity-Model-A-Detailed-Guide-For-Cloud-Adoption.md b/wiki/sources/Cloud-Maturity-Model-A-Detailed-Guide-For-Cloud-Adoption.md new file mode 100644 index 00000000..9a1fb983 --- /dev/null +++ b/wiki/sources/Cloud-Maturity-Model-A-Detailed-Guide-For-Cloud-Adoption.md @@ -0,0 +1,57 @@ +--- +title: "Cloud Maturity Model A Detailed Guide For Cloud Adoption" +type: source +tags: [Cloud, DevOps, Cloud-Adoption, Maturity-Model] +date: 2024-07-08 +source_file: raw/Cloud & DevOps/Cloud Maturity Model A Detailed Guide For Cloud Adoption.md +--- + +## Source File +- [[raw/Cloud & DevOps/Cloud Maturity Model A Detailed Guide For Cloud Adoption.md]] + +## Summary +Cloud Maturity Model（云成熟度模型，CMM）是一种用于评估组织云采纳就绪程度的框架。Forrester 预测全球 CMM 行业将从 2022 年的 7.5 亿美元增长至 2025 年的 15 亿美元。Gartner 指出超过 60% 的组织正在积极实施云成熟度模型。该模型通过 5 个等级（从无云准备到优化级）帮助组织评估当前状态并规划云迁移路径，同时覆盖业务和技术两大维度的多项能力领域。 + +## Key Claims +- Cloud Maturity Model 是组织评估云采纳就绪程度的关键框架，适用于各种规模和云经验水平的组织 +- Forrester 预测全球 CMM 行业 2025 年将达到 15 亿美元（2022 年为 7.5 亿美元） +- Gartner 指出超过 60% 的组织正在积极实施云成熟度模型 +- Open Alliance for Cloud Adoption (OACA) 将 CMM 定义为帮助组织识别云或混合 IT 环境定制化解决方案的框架 +- CMM 涵盖 16 个业务能力领域和 18 个技术能力领域 + +## Key Quotes +> "CMMs are crucial because they offer a structured approach to assessing your current cloud adoption strategy. They help you avoid common pitfalls and identify areas of improvement." — 云成熟度模型的重要性说明 +> "Level five can be seen as an overinvestment if extensive hybrid cloud solutions are optional." — 关于第5级的现实性评价 + +## Key Concepts +- [[Cloud-Maturity-Model]]：评估组织云采纳就绪程度的 5 级框架 +- [[Cloud-Adoption]]：将工作负载和服务从本地迁移到云的过程 +- [[Cloud-Native]]：利用云平台原生特性构建和运行应用的方法 +- [[Hybrid-Cloud]]：组合使用公有云和私有云的部署模式 +- [[Multi-Cloud]]：使用多个云服务商的服务 +- [[DevOps]]：结合开发和运营以实现持续软件交付的方法论 +- [[IaaS]]：基础设施即服务，提供虚拟计算资源 +- [[PaaS]]：平台即服务，提供应用开发和部署平台 +- [[SaaS]]：软件即服务，以订阅方式提供软件应用 +- [[CAPEX-to-OPEX]]：从资本支出向运营支出的转变 +- [[Cloud-Security-Maturity-Model-CSMM]]：评估云安全成熟度的模型 +- [[AWS-Cloud-Adoption-Framework]]：AWS 的云采纳框架 +- [[Azure-Cloud-Adoption-Framework]]：Azure 的云采纳框架 +- [[Google-Cloud-Adoption-Framework]]：Google Cloud 的云采纳框架 +- [[Cloud-Center-of-Excellence-CCOE]]：云卓越中心 + +## Key Entities +- [[Open-Alliance-for-Cloud-Adoption-OACA]]：提出 CMM 定义的组织 +- [[Forrester]]：预测全球 CMM 行业增长的研究公司 +- [[Gartner]]：指出云成熟度模型快速采纳的研究公司 + +## Connections +- [[Cloud-Maturity-Model]] ← defines ← [[Cloud-Adoption]] +- [[Cloud-Maturity-Model]] ← evaluated_by ← [[Cloud-Security-Maturity-Model-CSMM]] +- [[Cloud-Maturity-Model]] ← part_of ← [[AWS-Cloud-Adoption-Framework]] +- [[Cloud-Maturity-Model]] ← part_of ← [[Azure-Cloud-Adoption-Framework]] +- [[Cloud-Maturity-Model]] ← part_of ← [[Google-Cloud-Adoption-Framework]] +- [[Cloud-Center-of-Excellence-CCOE]] ← supports ← [[Cloud-Maturity-Model]] + +## Contradictions +- （暂无） diff --git a/wiki/sources/Cloud-Maturity-Model.md b/wiki/sources/Cloud-Maturity-Model.md deleted file mode 100644 index 0ba47e86..00000000 --- a/wiki/sources/Cloud-Maturity-Model.md +++ /dev/null @@ -1,51 +0,0 @@ ---- -title: "Cloud Maturity Model - 企业云成熟度5级评估框架" -type: source -tags: [Cloud, Maturity, 云迁移, 评估框架] -date: 2026-04-15 ---- - -## Source File -- [[raw/Cloud & DevOps/Cloud Maturity Model A Detailed Guide For Cloud Adoption.md]] - -## Summary -- 核心主题：企业云成熟度模型（CMM）的5级评估框架与最佳实践 -- 问题域：云采用成熟度评估、云迁移战略、云治理 -- 方法/机制：5级成熟度模型（0-4：Legacy→Initial→Repeatable→Systematic→Measured→Optimized） -- 结论/价值：Forrester 预测2025年全球云成熟度模型市场达15亿美元，60%+组织已实施 - -## Key Claims -- 云成熟度模型帮助组织从业务和技术两个维度评估云采用准备度 -- 5级成熟度路径：Legacy（无云准备）→ Initial（初始准备）→ Repeatable（可重复）→ Systematic（系统化文档化）→ Measured（可测量）→ Optimized（优化） -- 云成熟度三要素：People（技能与工作方式）、Processes（工作流优化）、Technology（基础设施适配） -- 云成熟度最佳实践：设定目标→识别当前级别→选择模型→遵循治理合规→安全管理风险 - -## Key Quotes -> "The cloud maturity model helps businesses make the most of their cloud journey by guiding them through the different stages of cloud adoption." - -## Key Concepts -- [[云成熟度模型]]：评估组织云采用准备度的框架 -- [[云迁移]]：从本地向云端迁移的过程 -- [[云治理]]：定义角色、职责、决策流程的框架 -- [[Cloud Native]]：云原生架构 -- [[Multi-Cloud]]：多云策略 -- [[Hybrid Cloud]]：混合云策略 -- [[CAPEX]]：资本支出 -- [[OPEX]]：运营支出 -- [[TCO]]：总拥有成本 - -## Key Entities -- [[Forrester]]：市场研究机构 -- [[Gartner]]：市场研究机构 -- [[AWS]]：云服务提供商 -- [[Azure]]：云服务提供商 -- [[Google Cloud]]：云服务提供商 -- [[Open Alliance for Cloud Adoption]]：云采用联盟 - -## Connections -- [[Cloud-DevOp-Maturity-Guideline]] ← relates_to ← [[Cloud-Maturity-Model]] -- [[DevOps Culture and Transformation]] ← extends ← [[Cloud-Maturity-Model]] -- [[How Agentic AI for Cloud DevOps]] ← extends ← [[Cloud-Maturity-Model]] - -## Contradictions -- 与 [[DevOps Culture and Transformation]] 无冲突，两者互补（DevOps成熟度 vs 云成熟度） \ No newline at end of file diff --git a/wiki/sources/Cloud-Operating-Model-关键策略与最佳实践.md b/wiki/sources/Cloud-Operating-Model-关键策略与最佳实践.md deleted file mode 100644 index b506eaeb..00000000 --- a/wiki/sources/Cloud-Operating-Model-关键策略与最佳实践.md +++ /dev/null @@ -1,57 +0,0 @@ ---- -title: "Cloud Operating Model: Key Strategies and Best Practices" -type: source -tags: [cloud, governance, finops, devops, security] -date: 2025-02-07 ---- - -## Source File -- [[raw/Cloud & DevOps/Cloud Operating Model Key Strategies and Best Practices.md]] - -## Summary -- 核心主题：企业级云运营模型（Cloud Operating Model）设计框架，涵盖治理、安全、成本优化和自动化四大支柱 -- 问题域：89% 企业将在 2025 年采用云优先架构，但缺乏结构化方法导致成本失控、安全漏洞和运维混乱 -- 方法/机制：六步设计法（成熟度评估→治理框架→自动化→FinOps→安全→持续优化） -- 结论/价值：Cloud Operating Model 是云投资有效管理、安全运营和可持续优化的基础，不可或缺 - -## Key Claims -- 89% 企业将在 2025 年运营在云上（Gartner），但缺乏结构化方法的公司面临意外成本和安全漏洞 -- 59% 企业经历云成本管理困难，8% 企业担忧可持续性和碳足迹（Flexera 2024） -- Cloud Operating Model 四大支柱：治理与合规、自动化与编排、安全与风险管理、云财务管理（FinOps） -- 云成熟度三阶段：Ad-hoc Cloud Adoption → Cloud-First Strategy → Cloud-Native Enterprise -- Zero Trust 安全模型：零隐式信任，持续验证，而非传统边界防火墙 -- FinOps 三大策略：Reserved Instances（节省 40-70%）、Auto-Scaling + Right-Sizing、实时成本监控 + 资源标签化 -- 多云策略降低 40% 停机风险，Kubernetes 容器化实现工作负载可移植性 -- AI 驱动异常检测使 SaaS 提供商停机时间减少 45% - -## Key Quotes -> "A Cloud Operating Model is no longer optional—it is the backbone of modern cloud strategy." — Bacancy Technology - -## Key Concepts -- [[Cloud Operating Model]]：云运营模型，组织管理云资源、安全、自动化和成本的标准化框架 -- [[FinOps]]：云财务运营，通过实时追踪和优化防止云超支 -- [[Zero Trust]]：零信任安全模型，无隐式信任，持续验证身份和权限 -- [[Multi-Cloud]]：多云策略，避免供应商锁定，提高韧性和灵活性 -- [[IaC]]：Infrastructure as Code，Terraform/CloudFormation/Bicep 自动化基础设施部署 -- [[云治理]]：跨 AWS/Azure/GCP 的统一治理框架，IAM + 合规 + 成本策略 - -## Key Entities -- [[AWS]]：Amazon 云服务，提供 IAM/Cost Explorer/GuardDuty/CodePipeline -- [[Azure]]：Microsoft 云平台，提供 Azure AD/Cost Management/Defender/Sentinel -- [[GCP]]：Google 云平台，提供 Google IAM/Security Command Center/Billing Reports -- [[Terraform]]：HashiCorp IaC 工具，跨云基础设施自动化 - -## Connections -- [[Cloud Operating Model]] ← 治理框架 → [[DevOps]] -- [[Cloud Operating Model]] ← 成本管理 → [[FinOps]] -- [[Cloud Operating Model]] ← 安全模型 → [[Zero Trust]] -- [[Cloud Operating Model]] ← 自动化支撑 → [[CI/CD Pipelines]] -- [[Multi-Cloud]] ← 供应商选择 → [[Kubernetes]]（工作负载可移植性） - -## Contradictions -- 与单云策略对比：单云简单但存在供应商锁定风险，多云灵活但管理复杂度上升 - -## Related Wiki Pages -- [[DevOps成熟度模型]]：DevOps 4 大支柱与 COM 四大支柱高度重叠 -- [[Multi-Cloud Governance]]：跨云治理是 COM 的核心组成部分 -- [[Serverless DevOps]]：AWS Lambda/Azure Functions 是 COM 自动化的关键工具 diff --git a/wiki/sources/Content-Factory.md b/wiki/sources/Content-Factory.md deleted file mode 100644 index 39e202fa..00000000 --- a/wiki/sources/Content-Factory.md +++ /dev/null @@ -1,46 +0,0 @@ ---- -title: "Multi-Agent Content Factory" -type: source -tags: [agent, content, multi-agent, discord] -date: 2026-04-15 ---- - -## Source File -- [[raw/Agent/usecases/content-factory.md]] - -## Summary -- 核心主题：Discord 内多 agent 内容工厂，研究→写作→设计链式协作 -- 问题域：内容创作三阶段（研究/写作/设计）全靠人工，AI 工具也需逐个 prompt -- 方法/机制：Research Agent 扫描趋势 → Writing Agent 生成脚本 → Thumbnail Agent 生成配图，全流程定时自动执行 -- 结论/价值：链式 agent 威力在于前序输出喂给后序；Discord channel 便于分阶段 review - -## Key Claims -- 链式 agent 是核心：research → writing → thumbnails，每步输出自动喂给下一步 -- Discord channel 分离各 agent 工作便于 review 和反馈 -- 本地模型（如 Mac Studio 上的 Nano Banana）降低成本增加控制 -- 可适配任何内容格式：tweets/newsletter/LinkedIn/posts/podcast outlines/blog - -## Key Quotes -> "Content creation has three phases — research, writing, and design — and most creators are doing all three manually." — 痛点陈述 -> "The power is in the chained agents — research feeds writing, writing feeds thumbnails." — 核心价值 - -## Key Concepts -- [[内容工厂]]：研究+写作+设计三阶段链式 agent 协作管线 -- [[链式 Agent]]：前序 agent 输出自动作为后序 agent 输入 -- [[Discord 集成]]：多 channel 分离各 agent 工作流 - -## Key Entities -- [[Alex Finn]]：Life-changing OpenClaw use cases 视频作者，本内容工厂灵感来源 - -## Connections -- [[Market Research Product Factory]] ← 共享研究 agent 基础设施 -- [[Last30Days]] ← Research Agent 数据来源 -- [[baoyu-imagine]] ← Thumbnail Agent 图像生成能力 -- [[Agentic AI]] ← 自主执行多步骤工作流 -- [[multi-agent-team]] ← 多 agent 协作模式 - -## Contradictions -- 与单人内容创作流程对比： - - 当前观点：多 agent 链式协作，人工降至最低 - - 对方观点：单人全流程控制质量更一致 - - 结论：质量控制需人工 review 环节，不可完全自动化 diff --git a/wiki/sources/Cursor-2-0初学者使用指南.md b/wiki/sources/Cursor-2-0初学者使用指南.md deleted file mode 100644 index e3d63ae6..00000000 --- a/wiki/sources/Cursor-2-0初学者使用指南.md +++ /dev/null @@ -1,70 +0,0 @@ ---- -title: "Cursor 2.0 初学者使用指南" -type: source -tags: [AI编程, Cursor, IDE, AI代理] -date: 2025-12-19 ---- - -## Source File -- [[raw/Vibe Coding/Cursor 2.0初学者使用指南.md]] - -## Summary -- 核心主题：Cursor 2.0 AI 代码编辑器完整入门教程 -- 问题域：初学者如何高效使用 AI 辅助编程工具 -- 方法/机制：规划驱动 → 多代理并行 → Diff 审查 → Git 版本控制 -- 结论/价值：Cursor 2.0 将 AI 代码生成整合进 VS Code，通过 Plan/Agent/Ask 三种模式实现精准控制 - -## Key Claims -- Cursor 内置自研 [[Composer模型]]，生成速度比同类模型快 4 倍 -- AI 生成代码在 Diff 确认前已写入文件，**不是草稿状态**，需先测试再接受 -- [[MCP服务器]]（Model Context Protocol）允许 AI 代理集成外部 API 和工具，扩展能力边界 -- 多代理并行时，每个代理有独立上下文；继续同一任务应在同一代理内继续，避免上下文混乱 - -## Agent Modes（三核心模式） -| 模式 | 行为 | 风险 | -|------|------|------| -| Plan | AI 生成开发计划（Markdown），用户可修改 | 无副作用，仅生成文本 | -| Agent | AI 执行计划，读写文件，执行命令 | **会修改代码**，需审查 | -| Ask | AI 回答问题，提供解释 | 无副作用，仅返回文本 | - -## 核心工作流 - -### 规划驱动开发 -1. 明确项目目标（游戏/网站/后端工具） -2. 用语音或文字向 AI 描述需求 -3. AI 生成 Plan 模式开发计划（Markdown 形式） -4. 用户修改或批准计划 - -### 代码生成与审查 -1. 启动 Agent 模式执行计划 -2. 代码生成即写入文件（**非草稿**） -3. Diff 视图逐文件审查改动 -4. 运行测试，确认无误后接受 -5. 未点"撤销"前可随时回退 - -### 多代理并行 -- 场景：同时开发游戏核心逻辑和 Landing Page -- 每个代理有独立上下文，不相互干扰 -- 同一任务在同一代理内继续效果更佳 - -## Key Entities -- [[Cursor]]：基于 VS Code 的 AI 增强代码编辑器，集成多 AI 模型 -- [[Composer模型]]：Cursor 自研 AI 模型，主打生成速度 -- [[MCP服务器]]：Model Context Protocol，AI 代理外部工具集成协议 -- [[Karpathy]]：提出"Vibe Coding"概念（AI 调整氛围，代码自动长出） - -## Key Concepts -- [[Vibe Coding]]：以产品逻辑和用户流程为导向，将代码体力活交给 AI，自己做导演而非打字员 -- [[Diff审查]]：AI 生成代码后逐文件审查改动的视图机制 -- [[Git版本控制]]：AI 生成代码风险更高，建议立即 commit，配合撤销按钮实现安全回滚 -- [[项目规则文件]]：可在项目目录添加规则文件（如强制 Doc Strings），AI 自动遵守 - -## Connections -- [[Cursor]] ← 基于 ← [[VS Code]] -- [[Cursor]] ← 集成 ← [[Composer模型]] -- [[Cursor]] ← 扩展协议 ← [[MCP服务器]] -- [[Vibe Coding]] ← 理论起源 ← [[Karpathy]] - -## Contradictions -- AI 生成即写入 vs 传统草稿模式：传统 AI 助手是"建议"，Cursor 是"直接执行"；用户需理解这是真实文件变更而非预览 -- Agent 模式 vs Ask 模式：Ask 仅文本回答不会改文件，但用户可能误用 Ask 去要求生成代码而得到不完整结果 diff --git a/wiki/sources/Custom-Morning-Brief.md b/wiki/sources/Custom-Morning-Brief.md deleted file mode 100644 index 39bccd09..00000000 --- a/wiki/sources/Custom-Morning-Brief.md +++ /dev/null @@ -1,45 +0,0 @@ ---- -title: "Custom Morning Brief" -type: source -tags: [agent-use-case, automation, productivity, telegram] -date: 2026-04-16 ---- - -## Source File -- [[raw/Agent/usecases/Custom-Morning-Brief.md]] - -## Summary -- 核心主题：OpenClaw 定时主动任务——每日个性化晨报 -- 问题域：早晨 30 分钟用于刷新闻/查日历/看任务，"最生产力时间"浪费在信息获取而非决策 -- 方法/机制：定时任务（Telegram/Discord/iMessage）= 新闻聚合 + 待办推送 + AI 主动推荐任务 -- 结论/价值：利用夜间待机时间完成信息聚合，起床即可做决策 - -## Key Claims -- 晨报核心价值：AI 主动推荐可代劳任务，而非仅推送信息 -- 夜间待机时间利用：用户睡眠期间 AI 完成研究任务，产出可直接使用（完整脚本/商业提案） -- 自定义接口：用户只需通过短信向 Bot 说明需求，AI 自动调整晨报结构 -- Alex Finn 的视频激发此工作流设计 - -## Key Quotes -> "You're spending your most productive morning hours just getting oriented. Meanwhile, your AI agent sits idle all night. The morning brief turns idle overnight hours into productive prep time — you wake up to work already done." - -> "Full drafts (not just ideas) are the key to saving time. Wake up to scripts, not suggestions." - -## Key Concepts -- [[定时主动任务]]：Agent 在无用户请求时主动执行并推送结果，而非等待 prompt -- [[晨报自动化]]：早晨信息聚合+任务推荐一体化工作流 -- [[AI推荐任务]]：Agent 主动识别可代劳事项，是晨报最有价值的部分 - -## Key Entities -- [[Alex Finn]]：YouTube 视频《Life-Changing OpenClaw Use Cases》作者，激发晨报工作流设计 -- [[OpenClaw]]：晨报工作流的执行平台，支持 Telegram/Discord/iMessage 多渠道推送 - -## Connections -- [[Alex Finn]] ← inspired ← [[Custom Morning Brief]] -- [[Custom Morning Brief]] ← implements ← [[定时主动任务]] -- [[定时主动任务]] ← uses ← [[OpenClaw]] -- [[Custom Morning Brief]] ← integrates ← [[Todoist]]（任务获取） -- [[Custom Morning Brief]] ← integrates ← [[x-research-v2]]（社交热点研究，可选） - -## Contradictions - diff --git a/wiki/sources/Daily-Reddit-Digest.md b/wiki/sources/Daily-Reddit-Digest.md deleted file mode 100644 index 88565c0c..00000000 --- a/wiki/sources/Daily-Reddit-Digest.md +++ /dev/null @@ -1,43 +0,0 @@ ---- -title: "Daily Reddit Digest" -type: source -tags: [agent-use-case, reddit, content-curation, automation] -date: 2026-04-16 ---- - -## Source File -- [[raw/Agent/usecases/Daily-Reddit-Digest.md]] - -## Summary -- 核心主题：OpenClaw Agent 每日 Reddit 内容聚合工作流 -- 问题域：手动浏览多个 subreddit 费时，热门帖子筛选依赖算法而非人工判断 -- 方法/机制：reddit-readonly skill 读取指定 subreddits（hot/new/top）+ AI 按偏好规则过滤 + 每日定时推送 -- 结论/价值：Read-only 模式只读不互动，建立内容偏好记忆实现个性化digest - -## Key Claims -- reddit-readonly skill 无需认证，直接读取 Reddit 热门/New/Top 帖子 -- AI 维护内容偏好记忆（memory），随时间优化 digest 质量 -- 每日下午 5 点定时执行，自动推送 Telegram/指定渠道 -- Read-only 约束：无发帖/投票/评论，仅信息消费 - -## Key Quotes -> "Create a separate memory for the reddit processes, about the type of posts I like to see and every day ask me if I liked the list you provided. Save my preference as rules in the memory to use for a better digest curation." - -## Key Concepts -- [[Reddit内容聚合]]：多 subreddit 热门/New/Top 帖子批量获取与筛选 -- [[内容偏好记忆]]：AI 维护用户内容偏好规则，实现 digest 个性化 -- [[定时内容推送]]：每日固定时间自动执行并推送 digest -- [[Read-only API]]：仅消费数据不产生互动，降低账号风险 - -## Key Entities -- [[reddit-readonly]]：ClawHub 插件，无需认证的 Reddit 只读 skill -- [[Reddit]]：美国最大社区内容平台，AMAs/hot/new/top 多维度排序 - -## Connections -- [[Daily Reddit Digest]] ← uses ← [[reddit-readonly]] -- [[Daily Reddit Digest]] ← stores ← [[内容偏好记忆]] -- [[reddit-readonly]] ← reads ← [[Reddit]] -- [[Daily Reddit Digest]] ← triggers ← [[定时内容推送]] - -## Contradictions - diff --git a/wiki/sources/Dataview——让我从笔记黑洞里逃出来的-Obsidian-神器.md b/wiki/sources/Dataview——让我从笔记黑洞里逃出来的-Obsidian-神器.md deleted file mode 100644 index 0d44cab3..00000000 --- a/wiki/sources/Dataview——让我从笔记黑洞里逃出来的-Obsidian-神器.md +++ /dev/null @@ -1,46 +0,0 @@ ---- -title: "Dataview——让我从"笔记黑洞"里逃出来的 Obsidian 神器" -type: source -tags: [Obsidian插件, 笔记管理, 信息检索] -date: 2025-03-07 ---- - -## Source File -- [[raw/未分类/Dataview——让我从笔记黑洞里逃出来的Obsidian神器.md]] - -## Summary -- 核心主题：Dataview 插件将 Obsidian 变成"笔记数据库"，实现笔记内容的结构化索引与查询 -- 问题域：Obsidian 用户普遍面临的"写笔记容易、查笔记难"困境 -- 方法/机制：Dataview 通过类 SQL 语法对笔记元数据和内容进行查询，支持任务聚合、标签整理、统计写作量三大核心场景 -- 结论/价值：把散落在各处的碎片笔记盘活为可检索、可统计、可视图化的知识资产 - -## Key Claims -- Dataview 是 Obsidian 生态中最强大的"笔记数据库"插件，将笔记内容索引为可查询的结构化数据 -- 任务自动聚合功能解决了"待办散落在各文件"的问题，在单一视图集中展示所有待办事项 -- 标签笔记整理通过 `LIST FROM #学习` 自动聚合所有含该标签的笔记，实现按主题盘活笔记 -- 写作量统计功能帮助写作者量化写作进度，追踪每日/每周/每月的笔记产出 - -## Key Quotes -> "写笔记容易，查笔记难" — Obsidian 用户的核心痛点，Dataview 直接解决此问题 - -## Key Concepts -- [[笔记数据库]]：将散乱的笔记文本转化为结构化可查询数据的机制 -- [[任务自动聚合]]：将分散在多文件的待办事项集中到单一视图的能力 -- [[标签笔记整理]]：通过标签自动索引相关笔记，按主题组织知识资产 -- [[写作量统计]]：量化写作产出的统计功能，帮助追踪写作习惯 - -## Key Entities -- [[Dataview]]：Obsidian 插件，将笔记变为可查询的数据库 -- [[Obsidian]]：本地笔记与知识管理应用，双向链接笔记系统 - -## Connections -- [[Dataview]] ← 使用 → [[Obsidian]] -- [[笔记数据库]] ← extends ← [[RAG]]（两者都解决"检索"问题，但层次不同） -- [[笔记数据库]] ← related ← [[LLM Wiki]]（Dataview 索引 + LLM 推理 = 更强知识管理） -- [[任务自动聚合]] ← related ← [[Agentic-AI]]（Agent 也需要任务聚合能力） - -## Contradictions -- 与 [[RAG]] 相比： - - 冲突点：RAG 通过向量语义检索，Dataview 通过结构化字段查询 - - 当前观点：Dataview 适合结构明确的元数据查询（日期/标签/任务状态） - - 对方观点：RAG 适合语义模糊的自然语言检索，两者适用场景互补 diff --git a/wiki/sources/Designing-for-Agentic-AI.md b/wiki/sources/Designing-for-Agentic-AI.md deleted file mode 100644 index 35c08bf4..00000000 --- a/wiki/sources/Designing-for-Agentic-AI.md +++ /dev/null @@ -1,45 +0,0 @@ ---- -title: "Designing for Agentic AI" -type: source -tags: [agentic-ai, ux-design, product-design] -date: 2025-03-02 ---- - -## Source File -- [[raw/AI/Designing for Agentic AI.md]] - -## Summary -- 核心主题：Agentic AI（智能体AI）的产品设计原则，与 GenAI 的本质区别 -- 问题域：AI 产品设计范式从"响应用户输入"向"主动代理"转变 -- 方法/机制：五大设计原则——透明度（Transparency）、控制权（Control）、个性化（Personalization）、对话（Conversation）、预判（Anticipation） -- 结论/价值：用户与 AI 的交互模式从"点击按钮"转变为"观察AI推理过程" - -## Key Claims -- GenAI 擅长创作内容（文本/图像/音乐），Agentic AI 擅长行动，能够与环境交互、做出决策、预判需求 -- Agentic AI 引入新维度：主动型智能体预判需求并自主行动 -- 用户观察AI决策过程本身就是一种交互形式，用户并非被动 -- 设计重点从"响应用户动作"转向"提供AI运行时的实时反馈" - -## Key Quotes -> "Agentic AI is pushing us to reimagine product design. For years, we've focused on interfaces that react to direct user input—clicks, swipes, and edits." -> "Users should be able to understand how the AI is making decisions. This can be achieved by visualizing the AI's progress." -> "Users should always feel in control of the AI." - -## Key Concepts -- [[GenAI]]：生成式AI，擅长创作内容（文本/图像/音乐） -- [[Agentic-AI]]：智能体AI，能与环境交互、决策、预判需求 -- [[透明度原则]]：用户应能理解AI决策过程，通过可视化AI进度实现 -- [[控制权原则]]：用户应能停止AI任务或撤销AI已执行的操作 -- [[个性化原则]]：AI应适应个体用户需求与偏好 -- [[对话原则]]：设计自然语言对话界面，允许用户用自然语言与AI交互 -- [[预判原则]]：AI应能预判用户需求并主动提供帮助 - -## Key Entities -- [[Yuri-Pessa]]：LinkedIn文章作者 - -## Connections -- [[GenAI]] ← 对比 → [[Agentic-AI]] -- [[Agentic-AI]] ← 驱动 → [[AI-Agent-Architecture]] -- [[透明度原则]] ← 支撑 → [[Agentic-AI]] - -## Contradictions diff --git a/wiki/sources/DevOps-Culture-and-Transformation.md b/wiki/sources/DevOps-Culture-and-Transformation.md index f9b1c9ef..e9498d49 100644 --- a/wiki/sources/DevOps-Culture-and-Transformation.md +++ b/wiki/sources/DevOps-Culture-and-Transformation.md @@ -1,58 +1,72 @@ --- title: "DevOps Culture and Transformation: Fostering Collaboration, Agile Practices, and Innovation" type: source -tags: [DevOps, 转型, 文化] -date: 2025-03-02 +tags: [DevOps, Agile, 文化转型, 协作, 自动化] +date: 2001-02-27 +source_file: raw/Cloud & DevOps/DevOps Culture and Transformation Fostering Collaboration, Agile Practices, and Innovation LinkedIn.md --- -## Source File -- [[raw/Cloud & DevOps/DevOps Culture and Transformation Fostering Collaboration, Agile Practices, and Innovation LinkedIn.md]] - ## Summary -- 核心主题：DevOps 文化与数字化转型方法论，超越工具层面进入思维模式转变 -- 问题域：打破开发与运维的孤岛，提升软件交付速度与可靠性 -- 方法/机制：四大支柱框架、敏捷整合、战略转型 playbook、AI/ML 赋能趋势 -- 结论/价值：DevOps 是持续演进而非一次性项目，拥抱文化原则、授权团队、整合敏捷实践是制胜关键 +本文阐述 DevOps 文化与转型的核心原则与实践方法。DevOps 并非仅关于工具或自动化，而是一种优先考虑协作、持续学习和客户导向的文化与运营变革。文章涵盖 DevOps 文化的四大支柱、敏捷实践整合方法，以及驱动 DevOps 转型的战略蓝图，并展望了 AI/ML、GitOps、Serverless DevOps、Edge Computing IoT DevOps 和 DevSecOps 等未来趋势。 ## Key Claims -- DevOps 的本质是文化与运营革命，不只是工具和自动化 -- 四大支柱：协作优先、自动化赋能者、持续改进（Kaizen）、客户中心 -- 敏捷与 DevOps 是共生关系：敏捷聚焦迭代开发，DevOps 将敏捷扩展到运维 -- 变革领导者必须以身作则，将 DevOps 目标与业务成果对齐 -- 最小化可行产品（MVP）试点快速验证价值，再迭代扩展到整个企业 -- 传统灾难恢复已过时：现代 DevOps 的最大风险是代码缺陷而非硬件故障 -- GitOps 将 Git 作为单一真实源管理基础设施和部署 -- Serverless DevOps 通过 FaaS（Lambda）减少运维开销 -- Edge Computing DevOps 实现更接近终端用户的实时应用性能优化 +- DevOps 打破开发（Dev）与运维（Ops）之间的壁垒，通过跨职能团队实现整个软件生命周期的共同所有权 +- 自动化消除手动劳动，减少错误，加速反馈循环 +- DevOps 依赖迭代学习，通过无责复盘（blameless post-mortems）和混沌工程持续改进 +- 敏捷与 DevOps 具有共生关系，敏捷专注迭代开发，DevOps 将敏捷扩展到运维领域 +- DevOps 转型需要领导层支持、团队技能提升、小规模试点和逐步扩展 ## Key Quotes -> "DevOps isn't a checkbox—it's a continuous evolution." — 核心洞察 -> "Organizations that embrace its cultural tenets, empower teams, and integrate Agile practices will not only survive but thrive in the digital age." +> "DevOps isn't just about tools or automation; it's a mindset shift that prioritizes collaboration, continuous learning, and customer-centricity." — 核心定义 +> "DevOps isn't a checkbox—it's a continuous evolution." — 关于 DevOps 本质 ## Key Concepts -- [[DevOps]]：开发与运维团队之间的文化与运营革命，打破孤岛、加速交付 -- [[Kaizen]]：持续小步改进，DevOps 文化的第三支柱 -- [[CI/CD Pipelines]]：Jenkins/GitHub Actions/GitLab CI 自动化测试、集成、部署流水线 -- [[Infrastructure as Code]]：Terraform/AWS CloudFormation 实现版本控制的环境管理 -- [[DevSecOps]]：在 CI/CD 中内置安全，SonarQube/Snyk 集成 -- [[GitOps]]：以 Git 作为单一真实源管理配置和部署 -- [[Feature Flag]]：部署与发布分离，支持渐进式发布和即时回滚 -- [[Chaos Engineering]]：主动测试系统韧性的工程实践 +- [[DevOps 文化]]：一种优先协作、持续学习和客户导向的文化理念 +- [[跨职能团队]]：开发与运维共享整个软件生命周期所有权的团队模式 +- [[CI/CD 流水线]]：自动化测试、集成和部署的持续集成/持续交付管道 +- [[Infrastructure as Code (IaC)]]：通过代码实现一致性和版本控制的基础设施管理 +- [[持续改进 (Kaizen)]]：通过迭代学习不断优化流程的文化实践 +- [[无责复盘]]：不追究个人责任，聚焦问题本质的失败分析方法 +- [[混沌工程]]：主动测试系统韧性的实践方法 +- [[客户导向]]：以真实用户问题解决为核心的产品开发理念 +- [[特性开关]]：逐步发布功能以收集用户反馈的策略 +- [[A/B 测试]]：通过数据驱动决策优化用户体验 +- [[Agile 框架]]：Scrum（结构化迭代）和 Kanban（持续流）等敏捷方法论 +- [[Shift-Left 实践]]：将运维相关 concerns（安全、性能）前置到开发阶段 +- [[DevSecOps]]：在 CI/CD 流水线中深度集成安全工具 +- [[价值流映射]]：可视化工作流以消除浪费、识别延迟 +- [[价值流管理]]：通过价值流映射优化交付流程 +- [[GitOps]]：使用 Git 作为单一真相源来管理基础设施和部署 +- [[Serverless DevOps]]：利用函数即服务（FaaS）减少运维开销 +- [[AI/ML 在 DevOps 中的应用]]：智能自动化用于代码审查、异常检测和自愈基础设施 + +## Key Tools +- CI/CD 工具：Jenkins、GitLab CI、GitHub Actions +- IaC 工具：Terraform、AWS CloudFormation +- 监控与可观测性工具：Prometheus、Grafana、Datadog +- 团队协作工具：Slack、Microsoft Teams、Atlassian Jira +- 安全工具：SonarQube、Snyk +- 性能测试工具：JMeter、Locust +- 容器化与编排：Docker、Kubernetes +- 配置管理：Ansible +- Serverless：AWS Lambda ## Key Entities -- [[Atlassian]]：Jira 平台提供跨职能团队实时协作与工作流可见性 -- [[Jenkins]]：开源 CI/CD 自动化服务器 -- [[HashiCorp]]：Terraform 基础设施即代码工具的开发商 -- [[Slack]]：跨职能团队实时沟通透明化平台 +（未发现具体人物或公司为关键实体） ## Connections -- [[DevOps]] ← 是 [[DevOps成熟度模型]] 的文化基础 -- [[DevOps]] ← 整合 [[Agile]] 实践形成完整交付体系 -- [[CI/CD Pipelines]] ← 依赖 [[Infrastructure as Code]] 实现环境一致性 -- [[DevSecOps]] ← 是 [[DevOps]] 的安全内嵌实践 -- [[GitOps]] ← 延伸 [[CI/CD Pipelines]] 以 Git 为单一真实源 +- [[DevOps 文化]] ← 是核心主题 ← [[敏捷实践整合]] +- [[自动化]] ← 加速反馈循环 ← [[CI/CD 流水线]] +- [[持续改进]] ← 通过 [[无责复盘]] 和 [[混沌工程]] 实现 +- [[客户导向]] ← 通过 [[特性开关]] 和 [[A/B 测试]] 实现 +- [[Agile 框架]] ← 与 [[DevOps 文化]] 协同 ← [[Shift-Left 实践]] ## Contradictions -- 与传统 IT 对比：传统观点认为"硬件故障是最大风险"，本文认为"代码缺陷才是现代 DevOps 的最大风险" - - 当前观点：风险重心已从硬件转向软件交付过程 - - 对方观点：灾难恢复计划仍需覆盖物理基础设施故障 +（暂无冲突记录） + +## Trends (未来趋势) +- AI/ML in DevOps：代码审查、异常检测、自愈基础设施 +- GitOps：Git 即单一真相源 +- Serverless DevOps：FaaS 减少运维开销 +- Edge Computing IoT DevOps：边缘计算支持实时应用性能优化 +- DevSecOps：安全深度嵌入 CI/CD 流程 diff --git a/wiki/sources/DevOps-Maturity-Model-From-Traditional-IT-to-Advanced-DevOps.md b/wiki/sources/DevOps-Maturity-Model-From-Traditional-IT-to-Advanced-DevOps.md index 5c57779f..008a0f73 100644 --- a/wiki/sources/DevOps-Maturity-Model-From-Traditional-IT-to-Advanced-DevOps.md +++ b/wiki/sources/DevOps-Maturity-Model-From-Traditional-IT-to-Advanced-DevOps.md @@ -1,54 +1,41 @@ --- -title: "DevOps Maturity Model: From Traditional IT to Advanced DevOps" +title: "DevOps Maturity Model From Traditional IT to Advanced DevOps" type: source -tags: [devops, maturity-model, dora, cloud, transformation] -date: 2026-04-15 +tags: [DevOps, Maturity Model, Cloud & DevOps] +date: 2024-08-14 +source_file: raw/Cloud & DevOps/DevOps Maturity Model From Traditional IT to Advanced DevOps.md --- -## Source File -- [[raw/Cloud & DevOps/DevOps Maturity Model From Traditional IT to Advanced DevOps.md]] - ## Summary -- 核心主题：DevOps 成熟度 5 阶段评估框架，从传统 IT 到完全成熟 DevOps 的演进路径 -- 问题域：组织评估当前 DevOps 能力、识别改进方向、制定进阶路线图 -- 方法/机制：4 大焦点领域（文化/自动化/结构流程/协作）+ 5 阶段成熟度评估 -- 结论/价值：成熟度模型提供结构化自评工具，帮助组织量化 DevOps 转型进展 +本文介绍了 DevOps 成熟度模型，一个用于评估组织 DevOps 实践水平的分级框架。该模型涵盖五个阶段：从初始/应急阶段（传统瀑布式开发）到完全成熟阶段（持续部署）。模型从文化与战略、自动化、结构与流程、协作与共享、技术五个关键领域进行评估，并提供具体的业务收益、安全集成方法和常见障碍分析。 ## Key Claims -- DevOps 成熟度评估 4 大焦点：Culture & Strategy（文化战略）/ Automation（自动化）/ Structure & Process（结构流程）/ Collaboration（协作） -- Phase 1（Ad-Hoc）：团队孤立、瀑布式交付、手动基础设施管理、安全仅在发布前介入 -- Phase 2（Pockets）：小规模试点、引入 Agile 版本控制、自动化降低发布风险 -- Phase 3（Defined）：标准化流程、大部分基础设施自动化、安全融入设计阶段 -- Phase 4（Optimized）：不可变基础设施、CI/CD 流水线成熟、技术债务管理、性能负载测试 -- Phase 5（Mature）：每天多次部署、零人工干预、安全内嵌、实时数据驱动决策 +- DevOps 成熟度模型通过五个阶段帮助组织评估当前实践水平并制定改进路线图 +- 五个成熟度阶段分别为：初始/应急阶段、局部 DevOps、自动化与定义阶段、高度优化阶段、完全成熟阶段 +- 成熟度评估的四个关键领域包括：文化与战略、自动化、结构与流程、协作与共享、技术 +- 高质量 DevOps 成熟度模型应包含：评估标准、成熟度等级、DevOps 实践、相关指标、文化指南、工具与技术、角色与职责 +- 采用 DevOps 成熟度模型可带来更快的调整能力、更好的扩展性、增强的运营绩效、更快的交付时间、改进的质量 ## Key Quotes -> "The core of DevOps security is merging development, operations, and security into a unified process" — Bacancy Technology -> "Companies with advanced DevOps practices can seize new opportunities more effectively. Their capability to rapidly deploy updates and services enables them to introduce innovative products and enter new markets ahead of their competitors" +> "The DevOps maturity model is a structured framework that guides organizations through adopting and implementing DevOps principles." — DevOps 成熟度模型定义 ## Key Concepts -- [[DevOps]]：开发与运维一体化，强调协作、自动化、持续改进 -- [[DevOps成熟度模型]]：5 阶段评估框架（Ad-Hoc → Pockets → Defined → Optimized → Mature） -- [[DORA指标]]：部署频率/变更前置时间/变更失败率/MTTR，Google 提出的 DevOps 效能四指标 -- [[DevSecOps]]：安全融入 DevOps 全流程，而非单独阶段介入 -- [[Kaizen]]：持续改进，DevOps 文化的核心原则 -- [[不可变基础设施]]：不更新旧服务器，而是替换为新服务器，减少配置漂移 +- [[DevOps 成熟度模型]]：评估组织 DevOps 实践水平的五级框架 +- [[DevOps]]：结合开发与运营实现持续软件交付的方法论 +- [[CI/CD 流水线]]：自动化测试、集成和部署的持续交付管道 +- [[DevSecOps]]：在 CI/CD 流水线中深度集成安全工具的文化理念 +- [[Infrastructure as Code (IaC)]]：通过代码实现一致性、版本控制的基础设施管理 +- [[敏捷实践]]：Scrum、Kanban 等迭代开发方法论 ## Key Entities -- [[DORA]]（DevOps Research and Assessment）：Google 团队，提出四指标效能评估框架 -- [[Bacancy Technology]]：内容发布方，提供 DevOps 成熟度模型详细解读 +（本文档未涉及需要创建页面的人、公司或产品实体） ## Connections -- [[DevOps Culture and Transformation]] ← 理论补充 ← [[DevOps成熟度模型]] -- [[Cloud DevOp Maturity - Guideline]] ← 同一领域 ← [[DevOps成熟度模型]] -- [[Cloud Maturity Model]] ← 关联评估 ← [[DevOps成熟度模型]] -- [[CI/CD Pipelines]] ← 核心实践 ← Phase 3-5 的关键使能技术 +- [[DevOps 成熟度模型]] ← extends ← [[DevOps]] +- [[DevOps 成熟度模型]] ← includes ← [[CI/CD 流水线]] +- [[DevOps 成熟度模型]] ← includes ← [[DevSecOps]] +- [[DevOps 成熟度模型]] ← includes ← [[Infrastructure as Code (IaC)]] +- [[DevOps 成熟度模型]] ← includes ← [[敏捷实践]] ## Contradictions -- 与 [[Cloud DevOp Maturity - Guideline]] 部分重叠： - - 冲突点：该文 5 阶段模型与 Cloud DevOp Maturity Guideline 的 DORA 评估体系表述方式不同 - - 当前观点：5 阶段成熟度模型更侧重组织文化与流程演进 - - 对方观点：DORA 四指标更量化、更聚焦交付效能 - -## Related Links -- [DevOps Maturity Model 原文](https://www.bacancytechnology.com/blog/devops-maturity-model) +（暂无） diff --git a/wiki/sources/Event-Guest-Confirmation.md b/wiki/sources/Event-Guest-Confirmation.md deleted file mode 100644 index a93a4203..00000000 --- a/wiki/sources/Event-Guest-Confirmation.md +++ /dev/null @@ -1,43 +0,0 @@ ---- -title: "Event Guest Confirmation" -type: source -tags: [agent-use-case, voice-ai, supercall, twilio] -date: 2026-04-16 ---- - -## Source File -- [[raw/Agent/usecases/Event-Guest-Confirmation.md]] - -## Summary -- 核心主题：SuperCall 批量外呼确认活动出席 -- 问题域：20+ 人活动手动电话确认费时费力——电话tag、遗忘记录、饮食限制/Plus-one 收集困难 -- 方法/机制：SuperCall AI 语音 Agent 逐一呼叫宾客人列，收集出席意向和备注，编译汇总报告 -- 结论/价值：批量外呼+结构化汇总，单次电话费用（Twilio分钟计费） - -## Key Claims -- SuperCall 是完全独立的语音 Agent，呼叫过程不访问 OpenClaw Gateway，无数据泄露风险 -- AI Persona 沙箱化：每通电话独立上下文，不跨对话记忆，防止对话操纵 -- 调用链路：SuperCall → OpenAI GPT-4o Realtime API → Twilio 拨号 -- 完整工作流：准备宾客人列 → 单个外呼 → 记录结果 → 全量汇总 - -## Key Quotes -> "SuperCall is a fully standalone voice agent. The AI persona on the call only has access to the context you provide (the persona name, the goal, and the opening line). It cannot access your gateway agent, your files, your other tools, or anything else." - -## Key Concepts -- [[AI外呼确认]]：AI 语音 Agent 批量执行活动出席确认 -- [[沙箱化 Persona]]：独立上下文重置，隔离每通电话防止数据泄露 -- [[AI Persona]]：AI 外呼中扮演特定角色的对话 Agent - -## Key Entities -- [[SuperCall]]：OpenClaw 语音外呼插件，@xonder/supercall，GPT-4o Realtime 语音驱动 -- [[Twilio]]：电话拨号基础设施，按分钟计费 -- [[OpenAI Realtime API]]：GPT-4o Realtime 语音模型，支撑 SuperCall 对话能力 - -## Connections -- [[Event Guest Confirmation]] ← uses ← [[SuperCall]] -- [[SuperCall]] ← calls ← [[OpenAI Realtime API]] -- [[SuperCall]] ← dials via ← [[Twilio]] -- [[Event Guest Confirmation]] ← applies ← [[沙箱化 Persona]] - -## Contradictions - diff --git a/wiki/sources/GOG-CLI-安装配置指南.md b/wiki/sources/GOG-CLI-安装配置指南.md deleted file mode 100644 index 1785f2c6..00000000 --- a/wiki/sources/GOG-CLI-安装配置指南.md +++ /dev/null @@ -1,42 +0,0 @@ ---- -title: "GOG CLI 安装配置指南" -type: source -tags: [gog, gog-cli, macos, google-workspace] -date: 2026-03-15 ---- - -## Source File -- [[raw/Skills/GOG-CLI-安装配置指南.md]] - -## Summary -- 核心主题：macOS 系统通过命令行管理 Google Workspace（Gmail/Calendar/Drive/Contacts/Docs/Sheets） -- 问题域：打破 GUI 限制，实现 Google 服务的脚本化与自动化 -- 方法/机制：Homebrew 安装 → OAuth 授权 → API 服务启用 → 命令行调用 -- 结论/价值：gog CLI 将 Google Workspace 全部服务纳入终端，支撑日历/邮件自动化工作流 - -## Key Claims -- gog CLI 是 macOS 专属工具，通过 Homebrew 安装，路径为 /opt/homebrew/bin/gog -- Google API 访问需满足双重条件：OAuth 用户身份认证 + Google Cloud API Enablement 均通过 -- 403 accessNotConfigured 错误的根因是 Google Cloud 项目未启用对应 API，而非权限问题 -- 添加测试用户是绕过 Google 第三方应用验证限制的标准方法 - -## Key Quotes -> "此应用未经 Google 验证——此应用请求访问您 Google 账号中的敏感信息" — OAuth 安全限制说明 -> "旧 token 不包含新权限" — 启用 API 后必须重新授权的原因 - -## Key Concepts -- [[Google Workspace CLI]]：命令行管理 Google 全部服务 -- [[OAuth 双层验证]]：OAuth 凭证 + API Enablement 双重条件 -- [[gog CLI]]：macOS Google Workspace 命令行工具 - -## Key Entities -- [[Google Cloud Console]]：OAuth 凭证创建与 API 启用管理平台 -- [[gogcli]]：工具本身，Homebrew 安装的 Google Workspace CLI - -## Connections -- [[gog CLI]] ← 安装于 ← [[macOS]] -- [[gog CLI]] ← 依赖 ← [[Google Cloud Console]]（凭证 + API） -- [[gog CLI]] ← 支持 ← [[Gmail]] / [[Google Calendar]] / [[Google Drive]] / [[Google Contacts]] / [[Google Docs]] / [[Google Sheets]] - -## Contradictions - diff --git a/wiki/sources/Git-Push-连接重置问题修复.md b/wiki/sources/Git-Push-连接重置问题修复.md deleted file mode 100644 index 60bb6d9d..00000000 --- a/wiki/sources/Git-Push-连接重置问题修复.md +++ /dev/null @@ -1,54 +0,0 @@ ---- -title: "Git Push 连接重置问题修复" -type: source -tags: [github, git, proxy, socks5, network] -date: 2025-03-16 ---- - -## Source File -- [[raw/Home Office/Git Push 连接重置问题修复.md]] - -## Summary -- 核心主题：GitHub Push 报 `Recv failure: Connection was reset` 的修复方案 -- 问题域：国内访问 GitHub 时 TCP 连接被 GFW 阻断，间歇性 TLS 握手失败 -- 方法/机制：分别为 Git 配置 HTTP/SOCKS5 代理，或切换为 SSH 协议并配置代理 -- 结论/价值：国内环境 Git 操作必须走本地代理，SOCKS5 速度通常优于 HTTP 代理 - -## Key Claims -- `Connection was reset` 是 TCP 层面中断，非权限问题；GFW 检测到 GitHub 域名后发送 TCP RST 包阻断连接 -- 间歇性原因是 GitHub CDN 多 IP 部分被封锁 -- HTTP 代理命令：`git config --global http.proxy http://127.0.0.1:10809` -- SOCKS5 代理命令：`git config --global http.proxy socks5://127.0.0.1:10808` -- SSH 协议切换：`git remote set-url origin git@github.com:username/repo.git` -- Linux/Mac SSH 走代理：`ProxyCommand nc -X 5 -x 127.0.0.1:10808 %h %p` -- Windows Git SSH 走代理：`ProxyCommand connect -S 127.0.0.1:10808 %h %p` -- 取消代理：`git config --global --unset http.proxy && git config --global --unset https.proxy` - -## Key Quotes -> "Recv failure: Connection was reset（连接重置）并不是账号权限验证失败，而是 TCP 连接层面的中断" — 诊断关键：区分网络层 vs 应用层错误 - -## Key Concepts -- [[TCP RST 攻击]]：GFW 通过发送 TCP Reset 包阻断连接，非包过滤 -- [[Git HTTP/SOCKS5 代理]]：通过 `http.proxy` / `https.proxy` 全局配置让 Git 流量走本地代理 -- [[Git SSH 协议切换]]：将远程地址从 HTTPS 改为 SSH，规避 443 端口干扰 -- [[SSH ProxyCommand]]：通过 `connect`（Windows）或 `nc`（Linux/Mac）让 SSH 走 SOCKS5 代理 -- [[GFW 封锁特征]]：GitHub 域名被 DPI 检测后触发 TCP RST，CDN 节点部分被封导致间歇性 - -## Key Entities -- [[GitHub]]：全球最大代码托管平台，国内访问受 GFW 干扰 -- [[V2RayN]]：本地 SOCKS5/HTTP 代理工具，监听 10808/10809 端口 -- [[Clash]]：代理客户端，同样支持 SOCKS5 和 HTTP 出局 - -## Connections -- [[Git HTTP/SOCKS5 代理]] ← solves ← [[TCP RST 攻击]] -- [[Git SSH 协议切换]] ← alternative_to ← [[Git HTTP/SOCKS5 代理]] -- [[V2RayN]] ← provides ← [[SOCKS5 代理]] -- [[GitHub]] ← blocked_by ← [[GFW 封锁特征]] - -## Contradictions -- 与其他 Git 代理方案（如 `gh proxy`、VPN 全局模式）相比：本文方法仅影响 Git 命令，不干扰终端其他网络请求 - -## Metadata -- 作者：shenwei -- 创建时间：2025-03-16 -- 原始标签：[github, proxy, push, socks5] diff --git a/wiki/sources/GitHub-5000人收藏的Vibe-Coding神级指南.md b/wiki/sources/GitHub-5000人收藏的Vibe-Coding神级指南.md deleted file mode 100644 index 191bdd43..00000000 --- a/wiki/sources/GitHub-5000人收藏的Vibe-Coding神级指南.md +++ /dev/null @@ -1,60 +0,0 @@ ---- -title: "GitHub 上 5000 人收藏的 Vibe Coding 神级指南" -type: source -tags: [AI编程, Vibe-Coding, GitHub, 提示词] -date: 2025-12-30 ---- - -## Source File -- [[raw/AI/GitHub 上 5000 人收藏的 Vibe Coding 神级指南。.md]] - -## Summary -- 核心主题：vibe-coding-cn 中文 Vibe Coding 资源库介绍 -- 问题域：中文开发者缺乏系统性 AI 编程资源 -- 方法/机制：整合全球顶尖 AI 编程工具、提示词库和开发流程，提供中文一站式指南 -- 结论/价值：Vibe Coding = 规划驱动 + 上下文固定 + AI 结对执行，让从想法到可维护代码成为可审计流水线 - -## Key Claims -- Vibe Coding 本质是 **导演思维**：保持对产品逻辑、用户流程、审美的把握，体力活交给 AI -- Karpathy："我几乎不写代码了，我只负责调整氛围，代码会自动长出来" -- vibe-coding-cn 核心公式：**Vibe Coding = 规划驱动 + 上下文固定 + AI 结对执行** -- 推荐工具链：Cursor + claude-opus-4.5-xhigh 是最稳妥组合 - -## Key Concepts - -### Vibe Coding 定义 -以产品目标为导向而非代码执行为导向的 AI 辅助开发范式。核心是将开发者从"打字员"转型为"产品导演"。 - -### 规划驱动 -AI 写代码前必须有清晰的技术选型、实施规划和模块化设计。防止 AI 因理解偏差导致项目逻辑混乱。 - -### 上下文固定 -通过项目规则文件、上下文管理，使 AI 在长对话中保持一致理解，避免"上下文遗忘"问题。 - -### AI 结对执行 -[[Cursor]]/[[Windsurf]]/[[Trae]] 等工具作为"第二开发者"，与人类形成结对编程关系。 - -## 资源库核心模块 -1. **方法论**：设计准则和哲学理念 -2. **AI 模型与 IDE**：工具链筛选和配置指南 -3. **提示词优化**：数百个精选提示词，覆盖需求澄清/架构设计/分步执行/自测全链路 -4. **实战流程**：从环境设置 → 基础游戏开发 → 丰富细节 → Bug 修复的完整流程 -5. **提示词工具**：Excel 与 Markdown 互转，支持批量管理 - -## Key Entities -- [[vibe-coding-cn]]：中文 Vibe Coding 资源库（https://github.com/tukuaiai/vibe-coding-cn） -- [[Karpathy]]：提出 Vibe Coding 概念的 AI 大牛（Andrej Karpathy） -- [[Cursor]]：主流 AI 编程工具之一（推荐首选） -- [[Windsurf]]：另一主流 AI 编程 IDE -- [[Trae]]：国产 AI 编程 IDE -- [[Claude Opus]]：Anthropic 最强模型，vibe-coding-cn 推荐搭配 Cursor 使用 - -## Connections -- [[Vibe Coding]] ← 概念起源 ← [[Karpathy]] -- [[vibe-coding-cn]] ← 涵盖工具 ← [[Cursor]] + [[Windsurf]] + [[Trae]] -- [[vibe-coding-cn]] ← 推荐模型 ← [[Claude Opus]] -- [[Vibe Coding]] ← 实践框架 ← [[规划驱动]] + [[上下文固定]] + [[AI结对执行]] - -## Contradictions -- "不写代码" vs 工程质量：Karpathy 的"不写代码"是夸张表达；实际上规划驱动和代码审查仍是必要环节 -- AI 生成代码 vs 可维护性：无规划的 AI 生成容易产生"巨石文件"，vibe-coding-cn 强调规划优先是针对此问题的对策 diff --git a/wiki/sources/GitHub-Vibe-Coding-神级指南.md b/wiki/sources/GitHub-Vibe-Coding-神级指南.md deleted file mode 100644 index 413c7ed7..00000000 --- a/wiki/sources/GitHub-Vibe-Coding-神级指南.md +++ /dev/null @@ -1,51 +0,0 @@ ---- -title: "GitHub 上 5000 人收藏的 Vibe Coding 神级指南" -type: source -tags: [vibe-coding, ai, github] -date: 2025-12-30 ---- - -## Source File -- raw/AI/GitHub 上 5000 人收藏的 Vibe Coding 神级指南。.md - -## Summary -- 核心主题：Vibe Coding 氛围编程的方法论与资源汇总 -- 问题域：中文开发者如何利用 AI 工具高效完成软件开发 -- 方法/机制：规划驱动 + 上下文固定 + AI 结对执行，将想法到可维护代码变为可审计流水线 -- 结论/价值：Vibe Coding 不是放弃代码，而是从"写代码的人"转变为"指挥 AI 写代码的导演" - -## Key Claims -- Vibe Coding = 规划驱动 + 上下文固定 + AI 结对执行 -- 开发者从"苦哈哈写每一行代码"转变为"保持对产品逻辑、用户流程、审美和交互的感觉" -- AI 编程工具（Cursor、Windsurf、Trae）承担体力活，开发者做导演 -- 规划是一切：技术选型、实施规划、模块化设计，防止 AI 理解偏差导致项目逻辑混乱 -- 推荐组合：Cursor + claude-opus-4.5-xhigh - -## Key Quotes -> "我几乎不写代码了，我只负责调整氛围（Vibe），代码会自动长出来。" — Karpathy 对 Vibe Coding 的描述 -> "Vibe Coding 让『从想法到可维护代码』变成一条可审计的流水线，而不是一团无法迭代的巨石文件。" — vibe-coding-cn 项目定义 - -## Key Concepts -- [[Vibe Coding]]：氛围编程，开发者化身为导演，AI 工具承担体力活 -- [[AI编程]]：使用 AI 工具辅助软件开发 -- [[Prompt工程]]：优化提示词提升 AI 输出质量 - -## Key Entities -- [[Cursor]]：AI 编程 IDE -- [[Windsurf]]：AI 编程 IDE -- [[Trae]]：AI 编程 IDE -- [[vibe coding cn]]：中文 Vibe Coding 指南开源项目（github.com/tukuaiai/vibe-coding-cn） -- [[Karpathy]]：AI 研究者，提出 Vibe Coding 概念 - -## Connections -- [[Vibe Coding]] ← 属于 ← [[AI编程]] -- [[Vibe Coding]] ← 工具支撑 ← [[Cursor]] -- [[Vibe Coding]] ← 工具支撑 ← [[Windsurf]] -- [[Vibe Coding]] ← 资源库 ← [[vibe coding cn]] -- [[AI编程]] ← 演进自 ← [[Prompt工程]] - -## Contradictions -- 与 [[Claude-Code调用方法总结]] 潜在冲突： - - 冲突点：AI 编程工具的选择与使用模式 - - 当前观点：推荐 Cursor + claude-opus-4.5-xhigh - - 对方观点：强调 Claude Code CLI 作为主要 AI 编程工具 diff --git a/wiki/sources/GitHub-上-5000-人收藏的-Vibe-Coding-神级指南。.md b/wiki/sources/GitHub-上-5000-人收藏的-Vibe-Coding-神级指南。.md deleted file mode 100644 index a6f8f7ef..00000000 --- a/wiki/sources/GitHub-上-5000-人收藏的-Vibe-Coding-神级指南。.md +++ /dev/null @@ -1,50 +0,0 @@ ---- -title: "GitHub 上 5000 人收藏的 Vibe Coding 神级指南（中文版）" -type: source -tags: [vibe-coding, AI编程, github, 中文资源] -date: 2025-12-30 ---- - -## Source File -- [[raw/AI/GitHub 上 5000 人收藏的 Vibe Coding 神级指南。.md]] - -## Summary -- 核心主题：vibe-coding-cn 中文开源项目——面向中文开发者的 Vibe Coding 资源库与工作站 -- 问题域：中文开发者难以系统性获取 Vibe Coding 方法论和工具链资源 -- 方法/机制：整合 AI 编程资源、提示词库、学习路径和实操流程，形成可操作的工作站 -- 结论/价值：Vibe Coding = 规划驱动 + 上下文固定 + AI 结对执行；规划就是一切，防止 AI 理解偏差导致项目逻辑混乱 - -## Key Claims -- Vibe Coding 核心公式：规划驱动 + 上下文固定 + AI 结对执行，让想法到可维护代码成为可审计流水线 -- Vibe Coding 本质：开发者做导演，AI 做执行，专注于产品逻辑/用户流程/审美/交互把握 -- Karpathy 原话："我几乎不写代码了，我只负责调整氛围（Vibe），代码会自动长出来" -- vibe-coding-cn = 中文开发者 Vibe Coding 资源库，提供方法论+工具链+提示词库+开发经验全链路覆盖 -- 工具链推荐：Cursor + Claude Opus 4.5-xhigh，直接可用无需筛选 -- 提示词库覆盖：需求澄清/系统架构设计/分步执行/自测全链路，支持 Excel 与 Markdown 互转 - -## Key Quotes -> "Vibe Coding = 规划驱动 + 上下文固定 + AI 结对执行，让『从想法到可维护代码』变成一条可审计的流水线，而不是一团无法迭代的巨石文件。" — vibe-coding-cn 定义 - -> "我几乎不写代码了，我只负责调整氛围（Vibe），代码会自动长出来。" — Andrej Karpathy - -## Key Concepts -- [[Vibe Coding]]：氛围编程，开发者做导演而非码农，专注于规划和审美而非逐行代码 -- [[规划驱动]]：Vibe Coding 第一原则，AI 写代码前必须有清晰技术选型、实施规划和模块化设计 -- [[上下文固定]]：Vibe Coding 第二原则，通过 .cursorrules 等文件约束 AI 行为边界 -- [[AI 结对执行]]：Vibe Coding 第三原则，AI 作为 pair programmer 替代传统 IDE -- [[vibe-coding-cn]]：中文开发者 Vibe Coding 开源资源库，GitHub 仓库 tukuai/vibe-coding-cn - -## Key Entities -- [[Karpathy]]：Vibe Coding 概念提出者，OpenAI/特斯拉前研究科学家 -- [[Cursor]]：AI 代码编辑器，Vibe Coding 推荐首选 IDE -- [[Windsurf]]：AI 编程 IDE，Vibe Coding 工具选项之一 -- [[Trae]]：AI 编程 IDE，Vibe Coding 工具选项之一 -- [[vibe-coding-cn]]：中文 Vibe Coding 开源资源库，GitHub tukuai/vibe-coding-cn - -## Connections -- [[Vibe Coding]] ← is_extended_by ← [[vibe-coding-cn]] -- [[Cursor]] ← is_used_in ← [[Vibe Coding]] -- [[项目规则]] ← enables ← [[上下文固定]] -- [[vibe-coding-cn]] ← aggregates ← [[Prompt工程]] - -## Contradictions diff --git a/wiki/sources/Google-5个Agent-Skill设计模式-2026-03-19.md b/wiki/sources/Google-5个Agent-Skill设计模式-2026-03-19.md deleted file mode 100644 index 9b6d2c72..00000000 --- a/wiki/sources/Google-5个Agent-Skill设计模式-2026-03-19.md +++ /dev/null @@ -1,50 +0,0 @@ ---- -title: "Google 5个Agent Skill设计模式" -type: source -tags: [agent-skill, design-pattern, google, anthropic] -date: 2026-03-19 ---- - -## Source File -- raw/Agent/Google-5个Agent-Skill设计模式-2026-03-19.md - -## Summary -- 核心主题：Google 发布的 5 种经过验证的 Agent Skill 设计模式，帮助开发者构建真正可靠的 agent 系统 -- 问题域：SKILL.md 格式标准化后，执行效果仍天差地别，问题出在内容设计而非格式 -- 方法/机制：5 种设计模式（Tool Wrapper/Generator/Reviewer/Inversion/Pipeline）各有适用场景，可组合使用 -- 结论/价值：把工作流拆分、应用正确结构模式，比把所有复杂指令塞进 system prompt 更可靠 - -## Key Claims -- Tool Wrapper 模式：监听特定关键词动态加载规范文档，适合分发团队内部编码规范 -- Generator 模式：通过"填空"流程强制一致的输出格式，适合标准化文档生成 -- Reviewer 模式：把"检查什么"和"怎么检查"完全分开，换清单即可切换审计类型 -- Inversion 模式：agent 先问你再做，通过明确不可协商的门控指令逐阶段收集信息 -- Pipeline 模式：带硬性检查点的严格顺序工作流，确保复杂任务无法跳过步骤 -- 5 种模式可以组合使用，Pipeline 可包含 Reviewer 步骤，Generator 可依赖 Inversion 收集变量 - -## Key Quotes -> "别再把所有复杂又脆弱的指令塞进一个system prompt了。把工作流拆分，应用正确的结构模式，才能构建出真正可靠的agent。" — Google 指南总结 - -> "Anthropic 把内部几百个 Skills 用了个遍，发现最好的 Skill 不是写得好的提示词，而是一个「工具箱」。" — Anthropic 经验总结 - -## Key Concepts -- [[Agent Skill 设计模式]]：Google 发布的 5 种 Skill 内容结构化设计模式 -- [[Tool Wrapper]]：监听关键词动态加载规范文档的 Skill 模式 -- [[Generator]]：通过填空流程强制一致输出格式的 Skill 模式 -- [[Reviewer]]：分离检查清单与检查逻辑的 Skill 模式 -- [[Inversion]]：先收集用户信息再执行的 Skill 模式 -- [[Pipeline]]：带硬性检查点的顺序工作流 Skill 模式 -- [[渐进式披露]]：ADK 机制，agent 只在需要时才加载特定模式的 token - -## Key Entities -- [[Google]]：发布 5 种 Agent Skill 设计模式的云平台厂商 -- [[Anthropic]]：Claude 开发商，Skill 实践经验总结方 - -## Connections -- [[Agent Skill 设计模式]] ← 来源 ← [[Google]] -- [[Claude-Skills-研究范式]] ← 关联 ← [[Google-5个Agent-Skill设计模式-2026-03-19]] -- [[Tool Wrapper]] ← 适用于 ← [[AI技能封装]] -- [[Pipeline]] ← 包含 ← [[Reviewer]]（可组合） - -## Contradictions -- 与 [[Claude-Skills-研究范式]] 侧重点不同：本文强调"模式结构"，原文强调"经验封装为 SOP" diff --git a/wiki/sources/Google神级生产力工具GitHub开源平替.md b/wiki/sources/Google神级生产力工具GitHub开源平替.md deleted file mode 100644 index d1ccd19b..00000000 --- a/wiki/sources/Google神级生产力工具GitHub开源平替.md +++ /dev/null @@ -1,50 +0,0 @@ ---- -title: "Google 神级生产力工具，所有 GitHub 开源平替都找到了" -type: source -tags: [notebooklm, open-source, github, ai-productivity, self-hosted] -date: 2026-01-01 ---- - -## Source File -- [[raw/AI/Google 神级生产力工具，所有 GitHub 开源平替都找到了。]] - -## Summary -- 核心主题：Google NotebookLM 的 6 款 GitHub 开源平替测评，涵盖本地化部署、多模态输入、播客生成等维度 -- 问题域：NotebookLM 作为闭源云服务存在数据隐私风险，用户需要可私有部署的开源替代品 -- 方法/机制：对比 Open Notebook（14.6k ⭐）、SurfSense（11.4k ⭐）、Podcastfy、NotebookLlama、PageLM、InsightsLM 的核心能力和部署方式 -- 结论/价值：开源平替已覆盖 NotebookLM 全部核心功能，Open Notebook 在功能完整性上最接近原版，SurfSense 在研究场景最强，Podcastfy 在播客生成上最专注 - -## Key Claims -- Open Notebook 支持 16+ AI 提供商（OpenAI/Anthropic/Gemini/Ollama/LM Studio），是功能最完整的 NotebookLM 平替 -- SurfSense 集成 Notion/YouTube/GitHub 等外部数据源，结合语义搜索+全文搜索+重排序，适合企业知识库场景 -- Podcastfy 专注播客生成，支持 100+ LLM 和 4 种 TTS 引擎，可生成 Shorts 和 Longform 两种播客格式 -- InsightsLM 以 Supabase+N8N 为后端，React 为前端，实现完全可控的私有研究工具 - -## Key Quotes -> "Open Notebook 是一个全功能的本地化解决方案，不依赖云端的情况下进行知识管理和研究" — 原文 -> "SurfSense 定位为 NotebookLM、Perplexity 和 Glean 的开源替代品" — 原文 -> "PageLM 提供自动生成康奈尔笔记（SmartNotes）、互动测验、间隔重复闪卡和模拟考试系统" — 原文 - -## Key Concepts -- [[Open Notebook]]：功能最完整的 NotebookLM 开源平替，14.6k ⭐，支持 16+ AI 提供商和多模态输入 -- [[SurfSense]]：AI 搜索与研究智能体，11.4k ⭐，整合外部数据源+混合搜索+RBAC，适合团队协作 -- [[Podcastfy]]：专注播客生成的 Python 包+CLI+Web界面，支持 100+ LLM 和多种 TTS 引擎 -- [[NotebookLlama]]：LlamaIndex 官方项目，1.7k ⭐，展示文档转播客的完整技术链条 -- [[PageLM]]：教育平台，SmartNotes 笔记+互动测验+Flashcards+ExamLab，覆盖学习全流程 -- [[InsightsLM]]：Supabase+N8N+React 架构，完全私有化，支持 Ollama/Qwen3 本地模型 - -## Key Entities -- [[lfnovo/open-notebook]]：Open Notebook GitHub 维护方 -- [[MODSetter/SurfSense]]：SurfSense GitHub 维护方 -- [[souzatharsis/podcastfy]]：Podcastfy GitHub 维护方 -- [[run-llama/notebookllama]]：NotebookLlama GitHub 维护方 -- [[CaviraOSS/PageLM]]：PageLM GitHub 维护方 -- [[theaiautomators/insights-lm-public]]：InsightsLM GitHub 维护方 -- [[NotebookLM]]：Google 推出的 AI 笔记助手，Source Grounding 机制确保回答精度 - -## Connections -- [[Open Notebook]] ← 功能相似 ← [[NotebookLM]] -- [[SurfSense]] ← 功能扩展 ← [[Open Notebook]]（增加外部数据源整合） -- [[Podcastfy]] ← 专注化 ← [[NotebookLlama]]（专注播客，去掉通用笔记） -- [[InsightsLM]] ← 技术栈 ← [[n8n]]（N8N 作为后端工作流引擎） -- [[PageLM]] ← 场景扩展 ← [[NotebookLM]]（增加测验和考试功能） diff --git a/wiki/sources/Health-Symptom-Tracker.md b/wiki/sources/Health-Symptom-Tracker.md deleted file mode 100644 index 51172002..00000000 --- a/wiki/sources/Health-Symptom-Tracker.md +++ /dev/null @@ -1,36 +0,0 @@ ---- -title: "Health & Symptom Tracker" -type: source -tags: [health, automation, telegram, cron] -date: 2026-04-16 ---- - -## Source File -- [[raw/Agent/usecases/health-symptom-tracker.md]] - -## Summary -- 核心主题：基于 Telegram 的个人健康与症状追踪自动化工作流 -- 问题域：食物敏感性识别需要长期持续记录，用户难以坚持手动日志 -- 方法/机制：Telegram 话题 + OpenClaw Cron 提醒 + Markdown 日志 + 周分析 -- 结论/价值：用最低摩擦的对话式输入替代 App，OpenClaw 自动解析+模式分析 - -## Key Claims -- Telegram 话题消息可作为结构化健康日志输入源 -- 每日 3 次定时提醒（早/中/晚）可培养用户记录习惯 -- 周度模式分析能识别食物与症状的关联性 - -## Key Concepts -- [[健康追踪]]：通过对话式界面持续记录食物与症状，替代专用 App -- [[模式识别]]：基于时间序列分析识别触发因素 -- [[定时晨报]]：OpenClaw Cron 驱动的固定时间主动提醒机制 - -## Key Entities -- [[Telegram]]：消息接收通道，支持话题（Topic）隔离不同类型对话 - -## Connections -- [[Health Symptom Tracker]] ← extends ← [[定时晨报]] -- [[Health Symptom Tracker]] ← uses ← [[Telegram]] -- [[健康追踪]] ← relates_to ← [[模式识别]] - -## Contradictions - diff --git a/wiki/sources/Home-Office-NodeWarden-把-Bitwarden-搬上-Cloudflare-Workers彻底告别服务器.md b/wiki/sources/Home-Office-NodeWarden-把-Bitwarden-搬上-Cloudflare-Workers彻底告别服务器.md deleted file mode 100644 index 64e9038f..00000000 --- a/wiki/sources/Home-Office-NodeWarden-把-Bitwarden-搬上-Cloudflare-Workers彻底告别服务器.md +++ /dev/null @@ -1,46 +0,0 @@ ---- -title: "NodeWarden - 把 Bitwarden 搬上 Cloudflare Workers，彻底告别服务器" -type: source -tags: [bitwarden, cloudflare-workers, password-manager, self-hosted, serverless] -date: 2026-04-15 ---- - -## Source File -- [[raw/Home Office/NodeWarden - 把 Bitwarden 搬上 Cloudflare Workers，彻底告别服务器.md]] - -## Summary -- 核心主题：NodeWarden 将 Bitwarden 服务器端部署到 Cloudflare Workers，实现零 VPS 的自托管密码管理 -- 问题域：Bitwarden 官方自托管需要服务器，而许多人希望完全无服务器方案 -- 方法/机制：Cloudflare Workers（DDoS 防护/全球 CDN/免费额度）+ D1（SQLite 分布式数据库）+ R2（对象存储附件） -- 结论/价值：在不付费服务器的情况下，获得支持 TOTP/自动填充/完整同步的开源密码管理方案 - -## Key Claims -- NodeWarden 在 Cloudflare Workers 上运行，完全零服务器费用（Free Tier 足够个人使用） -- 支持单用户保管库完整功能：登录/笔记/卡片/身份/文件夹/附件/R2 存储/网站图标代理 -- 支持 passkey 和 TOTP（官方需要会员，NodeWarden 免费） -- 不支持多用户、组织/集合/成员权限、SSO/SCIM/Send/紧急访问（单用户定位，无需这些功能） - -## Key Quotes -> "部署 NodeWarden 之后的效果，就是在无服务器的情况下，也能在手机、电脑上使用 Bitwarden 客户端来保存密码了，支持自动登陆、二次验证之类的功能" — AppInn - -## Key Concepts -- [[Cloudflare Workers]]：无服务器边缘计算平台，支持在 200+ 地区运行 JavaScript/TypeScript 代码 -- [[Cloudflare D1]]：基于 SQLite 的全球分布式数据库，Workers 原生集成 -- [[Cloudflare R2]]：S3 兼容的对象存储，用于存储密码库附件 -- [[自托管密码管理]]：自己控制数据，不依赖第三方云服务的密码管理方式 -- [[无服务器密码学]]：TOTP（Time-based One-Time Password）算法实现二次验证 - -## Key Entities -- [[Bitwarden]]：开源密码管理系统，客户端和服务器端均开源，支持完整自托管 -- [[Cloudflare]]：全球网络服务商，提供 Workers/D1/R2 等开发者工具 -- [[NodeWarden]]：将 Bitwarden 服务器端运行在 Cloudflare Workers 的开源项目（shuaiplus/GitHub） -- [[AppInn]]：中文科技博客，内容翻译和本地化介绍 - -## Connections -- [[Bitwarden]] ← 基础服务 ← [[Cloudflare Workers]] ← 承载层 ← [[NodeWarden]] -- [[密码管理器]] ← 上位概念 ← [[自托管密码管理]] - -## Related Links -- [NodeWarden GitHub](https://github.com/shuaiplus/NodeWarden) -- [AppInn 原文](https://www.appinn.com/nodewarden/) -- NodeWarden 实例：https://nodewarden.ishenwei.online/ diff --git a/wiki/sources/How-Agentic-AI-can-help-for-Cloud-DevOps.md b/wiki/sources/How-Agentic-AI-can-help-for-Cloud-DevOps.md new file mode 100644 index 00000000..96270071 --- /dev/null +++ b/wiki/sources/How-Agentic-AI-can-help-for-Cloud-DevOps.md @@ -0,0 +1,64 @@ +--- +title: "How Agentic AI can help for Cloud DevOps" +type: source +tags: [Cloud DevOps, Agentic AI, AIOps] +date: 2026-04-16 +sources: ["How Agentic AI can help for Cloud DevOps.md"] +--- + +## Source File +- [[raw/Cloud & DevOps/How Agentic AI can help for Cloud DevOps.md]] + +## Summary +Agentic AI（具备自主决策和任务执行能力的 AI 系统）通过自动化复杂工作流、提升效率、确保云环境可靠性，显著增强 Cloud DevOps 能力。涵盖七大领域：自主事件检测与响应、自动化云部署与配置、智能成本优化、AI 驱动安全与合规、智能日志分析与可观测性、SaaS 多租户管理增强、AI 辅助决策。 + +## Key Claims +- Agentic AI 可将 MTTR（平均修复时间）缩短并确保 SLA 合规 +- AI 作为发布经理可自动化特性标志测试、回滚决策及部署策略（Blue/Green、Canary） +- AI 驱动的权限管理可识别过度宽松的 IAM 角色并自动修复 +- AI 可通过分析历史 outage 模式进行预测性维护 + +## Key Quotes +> "Agentic AI transforms Cloud DevOps by automating incident response, cost management, security, observability, and multi-cloud governance." — 结论 + +## Key Concepts +- [[Agentic AI]]：具备自主决策和任务执行能力的 AI 系统 +- [[Self-Healing Systems]]：主动检测异常并自动修复的系统 +- [[AI-driven RCA]]：利用 AI 分析日志进行根因分析 +- [[Predictive Maintenance]]：从历史 outage 学习模式并主动推荐补丁或扩缩容 +- [[Infrastructure as Code (IaC)]]：通过代码管理基础设施（Terraform、CloudFormation、Pulumi） +- [[IaC Management]]：AI 代理审查 IaC 脚本并在执行前提出改进建议 +- [[Dynamic Configuration Management]]：基于实时性能和成本效率动态调整应用配置 +- [[Cost Optimization]]：AI 分析使用趋势，动态扩缩资源防止过度配置 +- [[Spot Instance Optimization]]：在工作负载之间智能切换 Spot/Preemptible 实例 +- [[Automated Security Audits]]：扫描 IAM 策略、网络规则、容器漏洞 +- [[Dynamic Threat Mitigation]]：检测安全风险并自动修复 +- [[Compliance Enforcement]]：实时监控 SOC 2、FedRAMP、PCI DSS 合规性 +- [[AI-powered Log Analysis]]：分析 CloudWatch、ELK、OpenTelemetry、Datadog 日志 +- [[AI ChatOps]]：通过 Slack、Teams 或 CLI 进行 AI 驱动的故障排除 +- [[Multi-Tenant Management]]：SaaS 多租户自动配置、扩缩容和租户隔离 +- [[Tenant Provisioning]]：AI 代理动态创建和配置新租户 +- [[AI-powered Runbooks]]：AI 推荐最佳运维手册处理事件 +- [[What-If Simulations]]：预测云迁移、实例类型变更或架构变更的影响 +- [[AI-based Anomaly Detection]]：标记性能、安全或成本趋势的偏差 + +## Key Entities +- [[Kubernetes]]（EKS、GKE、AKS）：容器编排平台 +- [[AWS]]：Amazon 云服务平台（EKS、RDS、S3、Lambda、CloudWatch、IAM、Spot、Inspector） +- [[GCP]]：Google Cloud Platform（GKE、GCS、Cloud SQL、Security Command Center、Preemptible） +- [[Azure]]：Microsoft 云平台（AKS、Cosmos DB、Blob Storage、Azure Monitor、Azure Defender、Savings Plan） +- [[Terraform]]、[[CloudFormation]]、[[Pulumi]]：IaC 工具 +- [[CloudWatch]]、[[Stackdriver]]、[[ELK]]、[[OpenTelemetry]]、[[Datadog]]：监控与日志工具 +- [[Slack]]、[[Teams]]：协作平台 +- [[SOC 2]]、[[FedRAMP]]、[[PCI DSS]]：安全合规框架 + +## Connections +- [[DevOps]] ← extends ← [[Agentic AI]]：Agentic AI 扩展了 DevOps 的自动化能力 +- [[Cloud Security]] ← supports ← [[Agentic AI]]：Agentic AI 增强了云安全自动化 +- [[Auto-scaling]] ← extends ← [[Agentic AI]]：Agentic AI 提供更智能的动态扩缩 +- [[CI/CD 流水线]] ← extends ← [[Agentic AI]]：Agentic AI 作为发布经理自动化部署策略 +- [[Infrastructure as Code (IaC)]] ← enhanced_by ← [[Agentic AI]]：AI 审查和改进 IaC 脚本 +- [[DevSecOps]] ← extends ← [[Agentic AI]]：Agentic AI 实现自动化安全审计和合规执行 + +## Contradictions +- （暂无已知冲突） diff --git a/wiki/sources/How-Agentic-AI-for-Cloud-DevOps.md b/wiki/sources/How-Agentic-AI-for-Cloud-DevOps.md deleted file mode 100644 index ec771d96..00000000 --- a/wiki/sources/How-Agentic-AI-for-Cloud-DevOps.md +++ /dev/null @@ -1,56 +0,0 @@ ---- -title: "How Agentic AI can help for Cloud DevOps" -type: source -tags: [agentic-ai, devops, cloud] -date: 2026-04-15 ---- - -## Source File -- raw/Cloud & DevOps/How Agentic AI can help for Cloud DevOps.md - -## Summary -- 核心主题：Agentic AI 在云 DevOps 中的七大应用场景 -- 问题域：如何通过 AI 自动化提升云运维效率、降低成本、增强安全合规 -- 方法/机制：自主检测与修复、IaC 智能管理、AI 驱动安全审计、多租户自动化运维 -- 结论/价值：Agentic AI 将传统响应式 DevOps 转变为预测性、自动化运维 - -## Key Claims -- Agentic AI 可实现自愈系统，自动检测 K8s、数据库、存储异常并执行修复 -- AI 驱动的根因分析（RCA）可关联云监控日志跨层定位问题 -- Agentic AI 作为发布经理，可自动化蓝绿部署、金丝雀发布和回滚决策 -- 智能 IaC 管理：AI 代理审查 Terraform、CloudFormation、Pulumi 脚本 -- 成本优化：AI 持续分析资源使用趋势，动态扩展，Spot/Reserved 实例优化 -- 安全合规：自动扫描 IAM 策略、网络规则、容器漏洞，实时修复违规 -- 多租户管理：自动创建、配置、归档租户资源 - -## Key Quotes -> "Agentic AI transforms Cloud DevOps by automating incident response, cost management, security, observability, and multi-cloud governance." — 核心价值总结 - -## Key Concepts -- [[Agentic AI]]：能感知环境、决策、预判并自主行动的 AI 系统 -- [[Self-Healing Systems]]：自愈系统，Agentic AI 自动检测并修复异常 -- [[IaC]]：Infrastructure as Code，基础设施即代码 -- [[RCA]]：Root Cause Analysis，根因分析 -- [[Multi-Cloud Governance]]：多云治理 - -## Key Entities -- [[Kubernetes]]：K8s 集群管理（EKS、GKE、AKS） -- [[AWS]]：Amazon Web Services -- [[GCP]]：Google Cloud Platform -- [[Azure]]：Microsoft Azure -- [[Terraform]]：IaC 工具 -- [[CloudWatch]]：AWS 监控 -- [[Datadog]]：监控可观测性平台 - -## Connections -- [[Agentic AI]] ← 应用领域 ← [[DevOps]] -- [[Agentic AI]] ← 增强场景 ← [[Self-Healing Systems]] -- [[IaC]] ← 智能审查 ← [[Agentic AI]] -- [[DevSecOps]] ← 安全增强 ← [[Agentic AI]] -- [[Serverless DevOps]] ← 成本优化 ← [[Agentic AI]] - -## Contradictions -- 与 [[DevOps核心理念]] 潜在冲突： - - 冲突点：DevOps 自动化边界 - - 当前观点：Agentic AI 可完全自主执行修复和决策 - - 对方观点：强调人机协作，AI 辅助而非完全自主 diff --git a/wiki/sources/How-Can-a-Multi-Cloud-Strategy-Transform-Your-Business-ROI.md b/wiki/sources/How-Can-a-Multi-Cloud-Strategy-Transform-Your-Business-ROI.md index 7317c744..b08a177b 100644 --- a/wiki/sources/How-Can-a-Multi-Cloud-Strategy-Transform-Your-Business-ROI.md +++ b/wiki/sources/How-Can-a-Multi-Cloud-Strategy-Transform-Your-Business-ROI.md @@ -1,62 +1,54 @@ --- title: "How Can a Multi Cloud Strategy Transform Your Business ROI?" type: source -tags: [cloud, strategy, multi-cloud, ROI] +tags: [Cloud, Multi-Cloud, ROI, DevOps] date: 2024-12-24 +source_file: raw/Cloud & DevOps/How Can a Multi Cloud Strategy Transform Your Business ROI.md --- -## Source File -- [[raw/Cloud & DevOps/How Can a Multi Cloud Strategy Transform Your Business ROI.md]] - ## Summary -- 核心主题：多云策略（Multi-Cloud）如何提升业务 ROI -- 问题域：单一云厂商依赖导致成本高、弹性差、风险集中 -- 方法/机制：跨 AWS/Azure/GCP 分配工作负载，利用各厂商优势定价和服务能力 -- 结论/价值：多云策略可降低 30% 运营成本，提升韧性、弹性、安全性和创新能力 +本文探讨多云策略（Multi-Cloud Strategy）的定义、优势及实施方法。多云策略指同时使用多个云服务商（如AWS、Azure、Google Cloud）的服务，避免单一供应商锁定，通过利用各提供商的优势服务来提升效率、安全性和性能。研究数据显示，78%的企业已采用多云策略，86%的公司计划到2024年底采用多云方案，优化后可实现30%的运营成本降低。 ## Key Claims -- 78% 采用多云策略的企业将工作负载部署在超过 3 个公有云，以提升敏捷性和成本效益（Virtana） -- 86% 企业计划在 2024 年底前采用多云策略（New Horizons） -- 多云策略可为企业降低 30% 运营成本（Forrester） -- 多云不等于备份策略：真正的价值在于跨厂商性能优化、成本优化和弹性扩展 -- 多云不等于复杂性增加：Kubernetes、Terraform 等工具和治理框架可简化管理 +- 多云策略能有效避免供应商锁定（Vendor Lock-In），让企业根据具体需求选择最佳云服务 +- 多云环境提供更高的弹性和可靠性，单一提供商故障不会导致整体服务中断 +- 多云部署可提升安全 posture，通过在不同环境部署不同安全机制降低网络攻击风险 +- 通过竞争性定价和资源优化，企业可实现显著的成本降低（报告示例如30%运营成本减少） +- 多云策略满足不同地区和行业的监管合规要求，支持数据主权（Data Sovereignty） ## Key Quotes -> "You can leverage computing from AWS, AI tools from Google, and store your data in Microsoft Azure without fearing vendor lock-in yet enjoy high availability." — 多云核心价值描述 +> "A multi-cloud strategy is a distinctive approach in which we have instances of services on multiple clouds, i.e., Azure, GCP, and Amazon, instead of one cloud vendor." — Bacancy Technology +> "78% of businesses leveraging a multi-cloud strategy have workloads deployed in more than three public clouds for better agility and cost savings" — Virtana Research ## Key Concepts -- [[多云策略]]：跨多个公有云（AWS/Azure/GCP）分配工作负载，利用各厂商差异化优势 -- [[供应商锁定规避]]：通过多厂商策略避免单一云厂商绑定，保持谈判议价能力 -- [[多云治理]]：跨云资源管理、安全策略、成本控制和合规性的统一框架 -- [[多云成本优化]]：利用不同厂商的差异化定价模型降低整体云支出 -- [[云弹性扩展]]：跨多个云动态调配资源，应对突发流量峰值 -- [[数据主权合规]]：选择符合区域法规的云厂商存储和处理数据 +- [[Multi-Cloud]]：使用多个云服务商服务的部署策略 +- [[Vendor Lock-In]]：供应商锁定，指企业依赖单一供应商难以迁移的状态 +- [[Cloud ROI]]：（隐含概念）云投资回报率 +- [[Data Sovereignty]]：数据主权，指数据受当地法律法规约束的原则 +- [[Cloud Security]]：（隐含）多云环境下的安全管理实践 ## Key Entities -- [[AWS]]：多云策略中的基础设施和通用计算主力厂商 -- [[Azure]]：多云策略中的企业级 AI 和数据服务厂商 -- [[GCP]]：多云策略中的机器学习和分析工具厂商 -- [[Kubernetes]]：多云环境容器编排和 workload 统一管理工具 -- [[Terraform]]：IaC 工具，跨云基础设施声明式管理 -- [[CloudHealth]]：多云成本和性能监控工具（原文提及） -- [[Datadog]]：跨云统一可观测性监控平台 +- [[AWS]]：亚马逊云服务，主要基础设施提供商 +- [[Azure]]：微软云平台，AI工具优势 +- [[Google Cloud]]：Google云平台，机器学习和分析服务优势 +- Bacancy Technology：本文来源公司 ## Connections -- [[Cloud Operating Model]] ← is_applied_to ← [[多云策略]] -- [[DevOps成熟度模型]] ← enables ← [[多云治理]] -- [[多云成本优化]] ← depends_on ← [[FinOps]] -- [[Kubernetes]] ← enables ← [[多云治理]] -- [[Terraform]] ← enables ← [[多云治理]] - -## Industry Use Cases -- **电商**：黑五/网一高峰期跨云弹性扩展，保障高可用和低延迟 -- **医疗**：符合 HIPAA 区域数据主权要求，分布式存储降低单云依赖成本 -- **金融**：利用不同厂商最优安全特性，满足严格合规要求同时最大化 ROI - -## Implementation Steps -1. 评估需求：明确目标（韧性/成本优化/扩展）、预算分析、现有工作负载梳理 -2. 选择厂商：AWS 做基础设施、Google Cloud 做分析、Azure 做 AI，根据场景匹配 -3. 集成管理：采用 Kubernetes/Terraform 统一编排，确保数据互操作性 -4. 监控优化：CloudHealth/Datadog 持续跟踪性能和成本，动态调整资源分配 +- [[Multi-Cloud]] ← depends_on ← [[AWS]], [[Azure]], [[Google Cloud]] +- [[Multi-Cloud]] ← supports ← [[Cloud-Adoption]] +- [[Multi-Cloud]] ← enables ← [[DevOps]] （通过提升弹性和效率） +- [[Multi-Cloud]] ← relates_to ← [[Cloud Security]] ## Contradictions +- 暂无发现矛盾 + +## Real-World Use Cases +- **电商**：高峰期（黑色星期五、网络星期一）弹性扩展 +- **医疗**：HIPAA合规，区域数据主权要求 +- **金融**：强化安全、合规、最大化投资回报 + +## Implementation Steps +1. 评估需求（目标、预算、资源） +2. 选择合适提供商（对齐服务与需求） +3. 集成与管理（采用Kubernetes、Terraform等工具） +4. 监控与优化（持续跟踪性能和成本） diff --git a/wiki/sources/How-to-Get-the-RSS-Feed-For-Any-YouTube-Channel.md b/wiki/sources/How-to-Get-the-RSS-Feed-For-Any-YouTube-Channel.md deleted file mode 100644 index ede582f9..00000000 --- a/wiki/sources/How-to-Get-the-RSS-Feed-For-Any-YouTube-Channel.md +++ /dev/null @@ -1,28 +0,0 @@ ---- -title: "How to Get the RSS Feed For Any YouTube Channel" -type: source -tags: [youtube, rss, 工具教程] -sources: ["https://chuck.is/yt-rss/"] -last_updated: 2026-04-15 ---- - -## Source File -- raw/AI/How to Get the RSS Feed For Any YouTube Channel.md - -## Summary -- 核心主题：通过 View Page Source 获取 YouTube 频道 RSS Feed 的方法 -- 问题域：YouTube 移除了 RSS 订阅按钮，用户无法直接获取频道 RSS 链接 -- 方法/机制：访问频道页 → 右键查看源代码 → 搜索 "channel_id=" → 提取 RSS Feed URL -- 结论/价值：无需第三方服务即可获取 YouTube 频道 RSS Feed，用于 RSS 阅读器订阅 - -## Key Claims -- YouTube 移除了 RSS 订阅按钮以防止用户不访问网站获取内容 -- 通过 View Page Source 搜索 "channel_id=" 可获取 RSS Feed URL -- RSS Feed 格式：https://www.youtube.com/feeds/videos.xml?channel_id={ID} - -## Key Concepts -- [[RSS Feed]]：标准化的内容订阅格式 -- [[YouTube Channel ID]]：YouTube 频道的唯一标识符 - -## Connections -- [[YouTube]] ← 平台 ← [[RSS Feed]] diff --git a/wiki/sources/How-to-get-YouTube-Channel-ID.md b/wiki/sources/How-to-get-YouTube-Channel-ID.md deleted file mode 100644 index af6ec7e6..00000000 --- a/wiki/sources/How-to-get-YouTube-Channel-ID.md +++ /dev/null @@ -1,44 +0,0 @@ ---- -title: "How to get YouTube Channel ID" -type: source -tags: [youtube, rss, utility] -date: 2025-03-16 ---- - -## Source File -- [[raw/Others/How to get Youtube Channel ID.md]] - -## Summary -- 核心主题：获取 YouTube 频道 ID 的方法 -- 问题域：n8n 工作流接入 YouTube 数据时需要 channel_id 参数 -- 方法/机制：通过 view-source 页面查询 `?channel_id` 字符串 -- 结论/价值：channel_id 可用于构建 YouTube RSS Feed URL，进而接入 n8n 自动化 - -## Key Claims -- YouTube 频道页面通过 view-source 可直接查询 channel_id -- 查询到的 channel_id 格式为 `UCxxxxxxxxxxxxxxxxx` -- channel_id 可拼接为 RSS Feed URL：`https://www.youtube.com/feeds/videos.xml?channel_id=UCxxx` - -## Key Quotes -> `view-source:https://www.youtube.com/@Numberblocks` — 通过此方式绕过 UI 直接访问源码 -> `"?channel_id"` — 在源码中搜索此字符串即可定位 channel_id - -## Key Concepts -- [[YouTube Channel ID]]：YouTube 频道唯一标识符，格式为 UC 前缀的 24 字符字符串 -- [[YouTube RSS Feed]]：通过 channel_id 生成的 XML 订阅源，可被 n8n 等工具消费 - -## Key Entities -- [[YouTube]]：视频平台，RSS Feed 功能支持频道级订阅 -- [[n8n]]：自动化工作流工具，支持 YouTube RSS Trigger - -## Connections -- [[YouTube RSS Feed]] ← used_in ← [[n8n YouTube Workflow]] -- [[YouTube Channel ID]] ← extracted_from ← [[YouTube Channel Page Source]] - -## Contradictions -- 无冲突 - -## Metadata -- 作者：shenwei -- 创建时间：2025-03-16 -- 原始标签：[] diff --git a/wiki/sources/If-you-have-multiple-interests-do-not-waste-the-next-2-3-years.md b/wiki/sources/If-you-have-multiple-interests-do-not-waste-the-next-2-3-years.md deleted file mode 100644 index de78bafc..00000000 --- a/wiki/sources/If-you-have-multiple-interests-do-not-waste-the-next-2-3-years.md +++ /dev/null @@ -1,58 +0,0 @@ ---- -title: "If You Have Multiple Interests, Do Not Waste the Next 2-3 Years" -type: source -tags: [ai, entrepreneurship, generalist, content, self-education] -date: 2025-04-15 ---- - -## Source File -- [[raw/AI/If you have multiple interests, do not waste the next 2-3 years 如果你有多项兴趣爱好，不要浪费接下来的两三年时间。.md]] - -## Summary -- 核心主题：在 AI 时代，拥有多重兴趣的通才（Generalist）比专才（Specialist）更具优势；多兴趣交叉创造独特视角是最终的护城河 -- 问题域：工业时代专业化分工思维使人沦为螺丝钉，社会对"专注单一技能"的迷信阻碍个人发展 -- 方法/机制：三要素框架（自学 Self-education + 自利 Self-interest + 自立 Self-sufficiency）→ 通才自然涌现；内容创作作为收入载体；系统经济时代系统 > 产品 -- 结论/价值：AI 时代是第二次文艺复兴，多兴趣通才拥有前所未有机遇；品牌即环境，内容即新颖视角，系统即产品 - -## Key Claims -- 专业化导致愚蠢和依赖，通才（Generalist）才能实现主权（Self-sufficiency）和适应力 -- 第二次文艺复兴已到来：印刷术降低知识成本 → 个人可追求多领域精通；AI 降低执行成本 → 个人可将兴趣转化为产品 -- 最终护城河是独特视角（Perspective），这来自独一无二的人生经历，无法被复制 -- 三要素：Self-education（引擎）+ Self-interest（指南针）+ Self-sufficiency（基石） -- 系统经济时代，人们要的是你的解决方案而非通用解决方案；2 Hour Writer 系统即产品 - -## Key Quotes -> "The man whose whole life is spent in performing a few simple operations... generally becomes as stupid and ignorant as it is possible for a human creature to become." — Adam Smith - -> "Your edge lies more in intersection than it does in expertise." — Dan Koe - -> "Your brand is your story." — Dan Koe - -> "Content is novel perspectives." — Dan Koe - -> "Systems are the new product." — Dan Koe - -## Key Concepts -- [[超级通才]]：拥有多领域交叉能力的个体，AI 时代比专才更具主权和适应力，对应 [[超级个体]] 但更强调知识广度 -- [[自教育]]：自主定向学习以获得与传统教育不同的结果，是通才养成的引擎 -- [[自利]]：追随自身利益而非被组织利益裹挟，是通才的指南针 -- [[自立自强]]：拒绝外包判断力、学习力和自主性，是通才的基石 -- [[创意博物馆]]：Idea Museum，创作素材库，通过 ruthless curation 积累高密度创意 -- [[系统经济]]：Systems Economy，解决方案的价值在于系统本身而非产品功能，2HW 系统即产品 -- [[内容创意密度]]：Idea Density，内容质量的衡量标准 = Performance（受众关注）× Excitement（个人热情） - -## Key Entities -- [[Dan Koe]]（TheDankoe）：多兴趣创业者，内容创作者，2 Hour Writer 系统开发者，Eden 软件创始人 -- [[Adam Smith]]：《国富论》作者，专业化分工理论的提出者，"螺丝钉"批评的引用来源 -- [[Leonardo da Vinci]]：文艺复兴通才典范，绘画/雕塑/工程/解剖/战争机器/人体绘图跨界 -- [[Jordan Peterson]]：《12 rules for life》作者，作为通才不追随内容潮流而是用思想质量建立影响力 - -## Connections -- [[超级个体]] ← extends ← [[超级通才]]，超级通才是超级个体在知识广度上的具体表达 -- [[品味]] ← relates_to ← [[独特视角]]，两者均强调 AI 无法复制的判断力护城河 -- [[死亡过滤器]] ← relates_to ← [[自利]]，两者均帮助筛选真正值得投入的方向 -- [[内容矩阵]] ← extends ← [[创意博物馆]]，创意博物馆是内容矩阵的输入端 -- [[反向金字塔]] ← relates_to ← [[系统经济]]，反向金字塔分发是系统执行的体现 - -## Contradictions -- 与 [[一人公司]] 框架：本文强调"不要成为 YouTuber/个人品牌/网红，要做自己"；一人公司框架强调需要关注（Attention）才能变现。冲突点：追求纯粹 vs 追求分发。当前观点：两者本质一致——通过真实自我吸引精准受众，只是叙事风格不同。 \ No newline at end of file diff --git a/wiki/sources/Inbox-De-clutter.md b/wiki/sources/Inbox-De-clutter.md deleted file mode 100644 index f7be7829..00000000 --- a/wiki/sources/Inbox-De-clutter.md +++ /dev/null @@ -1,36 +0,0 @@ ---- -title: "Inbox De-clutter" -type: source -tags: [email, gmail, automation, newsletter, cron] -date: 2026-04-16 ---- - -## Source File -- [[raw/Agent/usecases/inbox-declutter.md]] - -## Summary -- 核心主题：使用 OpenClaw AI Agent 自动整理 Gmail 新闻简报收件箱 -- 问题域：新闻简报堆积导致重要邮件被淹没，人工筛选耗时 -- 方法/机制：Gmail OAuth 读取 + LLM 摘要生成 + 偏好记忆 + Cron 定时执行 -- 结论/价值：将 0 价值的邮箱浏览转化为 5 分钟高效摘要，建立在个人偏好基础上持续优化的闭环 - -## Key Claims -- 新闻简报聚合阅读比逐封浏览信息密度更高、效率更高 -- AI 摘要 + 反馈闭环可建立个性化内容筛选模型 -- 专用邮箱隔离策略可简化管理并提升摘要质量 - -## Key Concepts -- [[邮箱分类]]：Gmail 自动标签标注、归档噪音、待处理项识别 -- [[多平台热点聚合]]：结构化趋势研究方法论的变体（邮件领域） -- [[偏好记忆]]：基于用户反馈持续优化下一次输出质量 - -## Key Entities -- [[Gmail]]：Google 邮件服务平台，支持 OAuth API 访问 - -## Connections -- [[Inbox De-clutter]] ← extends ← [[定时晨报]] -- [[Inbox De-clutter]] ← uses ← [[Gmail]] -- [[邮箱分类]] ← relates_to ← [[偏好记忆]] - -## Contradictions - diff --git a/wiki/sources/Install-Apache-Superset-in-Docker.md b/wiki/sources/Install-Apache-Superset-in-Docker.md deleted file mode 100644 index b4ac5033..00000000 --- a/wiki/sources/Install-Apache-Superset-in-Docker.md +++ /dev/null @@ -1,35 +0,0 @@ ---- -title: "Install Apache Superset in Docker" -type: source -tags: [apache-superset, bi, docker, 数据可视化] -date: 2025-12-20 ---- - -## Source File -- [[raw/Home Office/Install Apache Superset in Docker.md]] - -## Summary -- 核心主题：通过 Docker 在本地快速部署 Apache Superset（开源 BI 可视化平台） -- 问题域：如何在 Synology NAS 或其他 Docker 主机上一键部署 Superset 并创建管理员账户 -- 方法/机制：Docker Hub 拉取 GHA 镜像 → docker run 暴露 8777 端口 → fab create-admin 创建管理员 → db upgrade + load_examples + init 初始化 -- 结论/价值：Superset 提供企业级 BI 可视化能力，支持连接 MySQL/MariaDB 等数据源 - -## Key Claims -- Apache Superset GHA 版本镜像：apache/superset:GHA-19524015706 -- 访问地址：http://localhost:8777，用户名密码均为 admin -- 初始化流程：fab create-admin → db upgrade → load_examples → init -- 支持 MySQL/MariaDB 数据源连接 - -## Key Concepts -- [[Apache Superset]]：开源 BI 和数据可视化平台，支持 SQL 查询、图表仪表板 -- [[Docker]]：Superset 部署方式，使用 Docker Hub 官方镜像 -- [[Superset Dashboard]]：Superset 核心能力，TikTok Shop 选品分析等业务场景应用 - -## Key Entities -- [[Apache Superset]]：BI 平台本身，已有 entity 页面 -- [[Docker]]：容器化部署平台 - -## Connections -- [[Apache Superset]] ← 部署方式 ← [[Docker]] -- [[Superset Dashboard]] ← 数据源 ← [[MySQL MariaDB 数据库详细信息]]（已有配置信息） -- [[TikTok Shop - Apache Superset Dashboard设计思路]] ← 应用场景 ← [[Apache Superset]] diff --git a/wiki/sources/LLMs-RAG-AI-Agent-三个到底什么区别.md b/wiki/sources/LLMs-RAG-AI-Agent-三个到底什么区别.md deleted file mode 100644 index f23f8576..00000000 --- a/wiki/sources/LLMs-RAG-AI-Agent-三个到底什么区别.md +++ /dev/null @@ -1,34 +0,0 @@ ---- -title: "LLMs、RAG、AI Agent 三个到底什么区别？" -type: source -tags: [llm, rag, ai-agent, 基础概念] -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、RAG、AI Agent 三者的本质区别与层级关系 -- 问题域：大量 AI 应用开发者混淆三者用途，存在"竞争关系"的误解 -- 方法/机制：LLM = 思考大脑（推理）；RAG = 记忆系统（信息获取）；AI Agent = 行动循环（执行） -- 结论/价值：三者并非竞争关系，而是在不同层面解决不同问题；生产级 AI 系统需三者协同：LLM 推理 + RAG 准确性 + Agent 自主性 - -## Key Claims -- LLM 是"天才大脑"：知识截至训练时间点，有幻觉问题，对实时信息无感知 -- RAG 是"随身图书馆助理"：解决 LLM 知识过时和幻觉问题，提供事实依据和来源引用 -- AI Agent 是"行动系统"：由感知→规划→执行→反思的循环构成，赋予 LLM 行动能力 -- 三者协同模式：LLM 负责思考，RAG 负责信息获取，Agent 负责编排执行 - -## Key Concepts -- [[LLM]]：大语言模型，AI 应用的"天才大脑"，擅长推理但缺乏实时知识 -- [[RAG]]：检索增强生成，为 LLM 提供外部知识库访问能力，消除幻觉 -- [[AI Agent]]：智能体，围绕 LLM 构建的循环控制系统，赋予感知-规划-执行-反思能力 -- [[AI Agent 循环]]：感知（Scanner）→ 思考（Reasoner）→ 行动（Actor）→ 观察（Observer） - -## Key Entities - -## Connections -- [[LLM]] ← 基础 ← [[AI Agent]] -- [[RAG]] ← 信息层 ← [[AI Agent]] -- [[LLM]] + [[RAG]] + [[AI Agent]] ← 三位一体 ← [[生产级AI系统]] diff --git a/wiki/sources/LLMs-RAG-AI-Agent三个到底什么区别.md b/wiki/sources/LLMs-RAG-AI-Agent三个到底什么区别.md deleted file mode 100644 index f1c6d7bd..00000000 --- a/wiki/sources/LLMs-RAG-AI-Agent三个到底什么区别.md +++ /dev/null @@ -1,53 +0,0 @@ ---- -title: "LLMs、RAG、AI Agent 三个到底什么区别？" -type: source -tags: [llm, rag, ai-agent, ai-fundamentals] -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：LLMs、RAG、AI Agent 三个核心AI概念的层次区别与协同关系 -- 问题域：澄清AI应用领域对这三个术语的混淆——它们不是竞争技术，而是不同层面的能力展示 -- 方法/机制：LLM（天才大脑/思考）→ RAG（随身图书馆助理/信息）→ AI Agent（行动者/执行）的三层架构 -- 结论/价值：真正生产系统叠加三者——LLM推理、RAG确保准确性、Agent框架实现自主性 - -## Key Claims -- LLM 是"天才大脑"，学习了过去所有知识，擅长思考但对当前情况一无所知 -- RAG 是"记忆系统"，将静态LLM链接到外部实时知识库，解决知识时效性问题 -- AI Agent 是"行动者"，围绕LLM构建循环控制系统（感知→规划→执行→反思） -- 三者不是竞争技术，而是在三个不同层面满足不同场景的能力展示 -- RAG 通过检索+增强生成两步降低LLM幻觉，提供事实依据与来源引用 -- AI Agent 五步循环：获取任务→扫描场景→仔细思考→采取行动→观察迭代 - -## Key Quotes -> "LLM 在思考方面非常出色，但对当前情况却一无所知" -> "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" -> "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" - -## Key Concepts -- [[LLM]]：Large Language Model，大语言模型，AI应用的"天才大脑"，擅长思考但知识有时效性限制 -- [[RAG]]：Retrieval-Augmented Generation，检索增强生成，给LLM配备"随身图书馆助理"，解决知识时效性问题 -- [[AI-Agent]]：智能体，围绕LLM构建循环控制系统，实现感知→规划→执行→反思的自主行动 -- [[幻觉问题]]：LLM生成看似合理但实际错误答案的问题，RAG通过提供事实依据降低幻觉 -- [[向量数据库]]：RAG系统中存储外部知识、实现语义检索的核心组件 -- [[NL2SQL]]：自然语言到SQL，使Agent能直接查询数据库解答分析性问题 -- [[AI-Agent-五步循环]]：获取任务→扫描场景→仔细思考→采取行动→观察并迭代 - -## Key Entities -- [[DeepSeek]]：国产底座通用大模型 -- [[ChatGPT]]：OpenAI通用大模型 -- [[Qwen]]：阿里通义千问底座通用大模型 -- [[Midjourney]]：专有绘画模型 -- [[Claude]]：Anthropic编程模型 - -## Connections -- [[LLM]] ← 核心 → [[RAG]] -- [[LLM]] ← 核心 → [[AI-Agent]] -- [[RAG]] ← 提供信息 → [[AI-Agent]] -- [[向量数据库]] ← 支撑 → [[RAG]] -- [[幻觉问题]] ← 解决 → [[RAG]] - -## Contradictions diff --git a/wiki/sources/Last30Days-使用指南.md b/wiki/sources/Last30Days-使用指南.md deleted file mode 100644 index a9e4a03c..00000000 --- a/wiki/sources/Last30Days-使用指南.md +++ /dev/null @@ -1,45 +0,0 @@ ---- -title: "Last30Days 使用指南" -type: source -tags: [hackernews, instagram, last30days, polymarket, scrapecreator, tiktok, x, youtube] -date: 2026-03-29 ---- - -## Source File -- [[raw/Skills/Last30Days-使用指南.md]] - -## Summary -- 核心主题：多平台社交热点研究工具，覆盖 Reddit/X/YouTube/TikTok/Instagram/Hacker News/Polymarket/Web -- 问题域：快速获取某话题在多平台的真实热度与趋势 -- 方法/机制：数据按权重聚合（Reddit/X > YouTube > Polymarket > TikTok > Instagram > Web），输出结构化研究报告 -- 结论/价值：打破信息孤岛，一次查询获取多平台交叉验证的热点洞察 - -## Key Claims -- Reddit/X 平台互动数据（upvotes/likes）权重最高，是判断真实热度的核心指标 -- Polymarket 赔率数据具有最高置信度，因其为真实钱币押注 -- 对比模式（"A vs B"）可一次返回并排对比研究，提升选型效率 -- 深度研究（--deep）需 2-8 分钟，快速模式（--quick）8-12 条/来源适合方向探索 - -## Key Quotes -> "Reddit 评论往往比帖子更有价值，关注 top comments" — 使用建议 -> "Polymarket 赔率是最高置信度的数据" — 数据源说明 - -## Key Concepts -- [[多平台热点聚合]]：整合 8 个数据源的结构化趋势研究方法 -- [[社交信号权重]]：基于互动率（点赞/评论/押注）而非单纯曝光量的热度评估框架 -- [[对比模式]]：一次查询获取 A/B 双主题并排研究报告 - -## Key Entities -- [[ScrapeCreators]]：Reddit + TikTok + Instagram 数据爬取 API（前 100 次免费） -- [[XAI]]：X 搜索备选 API，xai- 开头的 key -- [[OpenRouter]]：Web 搜索备选，支持 Perplexity 风格聚合 -- [[Tavily]]：Brave Search 备选，支持结构化搜索结果 - -## Connections -- [[Last30Days]] ← 使用 ← [[Claude Code]] -- [[多平台热点聚合]] ← 依赖 ← [[ScrapeCreators]] -- [[多平台热点聚合]] ← 依赖 ← [[XAI API]] -- [[Last30Days]] ← 增强 ← [[对比模式]]（v2.9.5 新增） - -## Contradictions - diff --git a/wiki/sources/Linux-运维必会的150个命令.md b/wiki/sources/Linux-运维必会的150个命令.md deleted file mode 100644 index 25ad3578..00000000 --- a/wiki/sources/Linux-运维必会的150个命令.md +++ /dev/null @@ -1,42 +0,0 @@ ---- -title: "Linux 运维必会的 150 个命令" -type: source -tags: [Linux, 运维, 命令, 系统管理] -date: 2026-04-15 ---- - -## Source File -- [[raw/Home Office/Linux 运维必会的 150 个命令.md]] - -## Summary -- 核心主题：Linux 系统管理核心命令速查手册 -- 问题域：文件操作、文本处理、系统监控、压缩解压 -- 方法/机制：按功能分类的 150 个命令速查表 -- 结论/价值：Linux 命令是系统管理的核心，熟练掌握是运维基本功 - -## Key Claims -- Linux 系统一切皆文件（CPU、内存、磁盘、键盘、鼠标、用户） -- 命令分为内置 Shell 命令和外部 Linux 命令 -- 150 个命令覆盖线上查询、文件目录操作、文件内容处理、信息显示等场景 -- 线上查询命令：man（命令帮助）、help（内置命令帮助） -- 文件目录操作：ls/cd/cp/find/mkdir/mv/pwd/rename/rm/rmdir/touch/tree/basename/dirname/chattr/lsattr/file/md5sum -- 文件内容处理：cat/tac/more/less/head/tail/cut/split/paste/sort/uniq/wc/iconv/dos2unix/diff/vimdiff/rev/grep/join/tr/vi/vim -- 压缩解压：tar/unzip/gzip/zip -- 信息显示：uname/hostname/dmesg/uptime/stat/du/df/top/free - -## Key Concepts -- [[Shell]]：命令解释器 -- [[管道]]：将多个命令组合实现复杂功能 -- [[正则表达式]]：文本匹配模式 -- [[管道符]]：| 命令连接符 - -## Key Entities -- [[Linux]]：开源操作系统内核 -- [[GNU]]：开源软件集合 - -## Connections -- [[Ubuntu-24.04-enable-SSH]] ← related_to [[Linux-运维必会的150个命令]] -- [[用Docker中安装Navidrome]] ← related_to [[Linux-运维必会的150个命令]] - -## Contradictions -- 无冲突 \ No newline at end of file diff --git a/wiki/sources/MCP在Cursor中的集成与应用详解.md b/wiki/sources/MCP在Cursor中的集成与应用详解.md deleted file mode 100644 index 6a460700..00000000 --- a/wiki/sources/MCP在Cursor中的集成与应用详解.md +++ /dev/null @@ -1,42 +0,0 @@ ---- -title: "MCP在Cursor中的集成与应用详解" -type: source -tags: [mcp, cursor, ai-agent] -date: 2026-04-14 ---- - -## Source File -- raw/Agent/MCP在Cursor中的集成与应用详解.md - -## Summary -- 核心主题：MCP（Modal Context Protocol）在 Cursor AI 编程 IDE 中的集成方法与应用场景 -- 问题域：大模型与外围工具服务的高效集成交互问题 -- 方法/机制：MCP 基于 Client-Server 架构，通过资源访问、工具调用、提示词三种接口实现集成；Cursor 支持 SSE 服务方式和本地命令两种接入方式 -- 结论/价值：掌握 MCP 在 Cursor 中的集成可大幅提升 AI 编程的扩展能力 - -## Key Claims -- MCP 协议包含三种核心功能接口：资源读取（GET）、工具调用（POST）、Promise 提示词 -- Cursor 中 MCP Server 有两种接入方式：SSE 服务方式和本地命令（command）方式 -- Cursor Composer 的 Agent 模式可自动执行 MCP 工具链，Normal 模式需手动复制命令 -- Sequential Thinking 是 MCP 工具之一，通过逻辑推理分步拆解任务提升 AI 沟通效率 - -## Key Quotes -> "MCP是Modal Context Protocol的缩写，是一种基于Client-Server架构的协议，旨在实现大模型与外围服务的高效集成。" — 视频教程 - -## Key Concepts -- [[MCP]]：Modal Context Protocol，AI 大模型与外围工具的标准化 Client-Server 集成协议 -- [[Agent模式]]：Cursor Composer 中的自动执行模式，可自动调用 MCP 工具链 -- [[Sequential Thinking]]：MCP 工具之一，支持逻辑推理与分步执行任务 -- [[MCP工具链]]：多个 MCP 工具顺序调用形成完整工作流 - -## Key Entities -- [[Cursor]]：AI 编程 IDE，支持 MCP 集成 -- [[Composer]]：Cursor 中的对话构建模块，支持 Agent/Normal 两种模式 - -## Connections -- [[MCP在Cursor中的集成与应用详解]] ← 依赖 ← [[MCP]] -- [[Cursor]] ← 支持 ← [[MCP]] -- [[Sequential Thinking]] ← 是 ← [[MCP工具链]] 组件 -- [[Claude Code 调用方法]] ← 类似 ← [[MCP在Cursor中的集成与应用详解]] - -## Contradictions diff --git a/wiki/sources/Mac-Mini-服务器配置-防止自动锁屏与睡眠.md b/wiki/sources/Mac-Mini-服务器配置-防止自动锁屏与睡眠.md deleted file mode 100644 index 62176331..00000000 --- a/wiki/sources/Mac-Mini-服务器配置-防止自动锁屏与睡眠.md +++ /dev/null @@ -1,42 +0,0 @@ ---- -title: "Mac Mini 服务器配置：防止自动锁屏与睡眠" -type: source -tags: [macos, server, homelab, remote-access] -date: 2026-03-15 ---- - -## Source File -- [[raw/Home Office/Mac-Mini-服务器配置-防止自动锁屏与睡眠.md]] - -## Summary -- 核心主题：Mac Mini 作为无头服务器运行时，防止自动锁屏和睡眠的配置方案 -- 问题域：关闭显示器后 Mac Mini 自动锁屏或进入睡眠，导致远程桌面（RustDesk/VNC）无法连接 -- 方法/机制：`pmset` 系统电源管理命令集；`caffeinate` 临时防止睡眠工具 -- 结论/价值：通过 `pmset -a sleep 0 displaysleep 0 standby 0 hibernatemode 0` 彻底关闭睡眠，配合 WOL 实现远程唤醒 - -## Key Claims -- `pmset -a sleep 0` 禁止系统睡眠，`-a` 参数表示应用于所有电源模式（电池和电源适配器） -- `pmset -a displaysleep 0` 禁止显示器关闭，适合接显示器远程访问场景 -- `pmset -a standby 0` 禁止待机模式（内存供电暂停） -- `pmset -a hibernatemode 0` 禁止休眠（内存镜像保存至磁盘） -- `pmset -a womp 1` 启用网络唤醒（WOL，Wake-on-LAN），远程开机 -- `caffeinate -d -i -s` 临时防止睡眠，不修改系统设置，按 Ctrl+C 停止 - -## Key Concepts -- [[pmset]]：macOS 系统电源管理命令行工具 -- [[caffeinate]]：macOS 临时防止系统睡眠的工具 -- [[WOL]]：Wake-on-LAN，网络唤醒协议 - -## Key Entities -- [[Mac Mini]]：Apple Mac Mini，作为家庭服务器使用 - -## Connections -- [[Mac Mini]] ← 配置目标 ← [[pmset]] -- [[pmset]] ← 临时方案 ← [[caffeinate]] - -## Contradictions -- 无 - -## Metadata -- 来源：个人实践笔记 -- 标签：macos、server、homelab、remote-access diff --git a/wiki/sources/Market-Research-Product-Factory.md b/wiki/sources/Market-Research-Product-Factory.md deleted file mode 100644 index 45c716cb..00000000 --- a/wiki/sources/Market-Research-Product-Factory.md +++ /dev/null @@ -1,48 +0,0 @@ ---- -title: "Market Research & Product Factory" -type: source -tags: [agent, market-research, product, last30days] -date: 2026-04-15 ---- - -## Source File -- [[raw/Agent/usecases/market-research-product-factory.md]] - -## Summary -- 核心主题：Last30Days 挖掘 Reddit/X 真实痛点 → OpenClaw 构建 MVP 解决方案的自动化创业管线 -- 问题域： aspiring entrepreneur 面临"做什么产品"困境；传统市场研究耗时耗力 -- 方法/机制：Last30Days 研究痛点 → ranked pain points → 选择痛点 → OpenClaw 构建 MVP -- 结论/价值：创业自动化：找问题→验证需求→构建方案，全流程通过文本对话完成 - -## Key Claims -- Last30Days 给出真实、未经过滤的用户情绪，而非经过滤的调查数据 -- 不需要技术背景，OpenClaw 做研究和构建两部分 -- 每周定时研究保持对市场痛点演变的持续追踪 -- 研究→产品完整管线零编码 - -## Key Quotes -> "Most aspiring entrepreneurs struggle with the 'what to build' problem." — 核心痛点 -> "This is entrepreneurship on autopilot: find problems → validate demand → build solutions, all through text messages." — 价值主张 - -## Key Concepts -- [[产品工厂]]：市场研究到 MVP 构建的自动化管线 -- [[Last30Days]]：多平台热点聚合工具（Reddit/X/YouTube/Polymarket 等） -- [[创业自动化]]：问题发现→需求验证→方案构建全链路 -- [[MVP 构建]]：最小可行产品快速原型 - -## Key Entities -- [[Matt Van Horne]]：Last30Days skill 作者 -- [[Alex Finn]]：Life-changing OpenClaw use cases 视频作者 - -## Connections -- [[Last30Days]] ← 核心技术能力 -- [[Content Factory]] ← 共享研究基础设施 -- [[AI产品经理]] ← 产品创意与需求分析能力 -- [[多平台热点聚合]] ← 研究方法论 -- [[社交信号权重]] ← 痛点评级框架 - -## Contradictions -- 与传统市场研究方法冲突： - - 当前观点：Last30Days 实时抓取真实用户帖子反映即时痛点 - - 对方观点：传统调研方法（访谈/问卷）结构化程度更高 - - 结论：两者互补，定量+定性结合最优 diff --git a/wiki/sources/MinIO-Zipline-自托管图床应用安装教程.md b/wiki/sources/MinIO-Zipline-自托管图床应用安装教程.md deleted file mode 100644 index b8066ffc..00000000 --- a/wiki/sources/MinIO-Zipline-自托管图床应用安装教程.md +++ /dev/null @@ -1,50 +0,0 @@ ---- -title: "MinIO + Zipline 自托管图床应用安装教程" -type: source -tags: [minio, zipline, docker, synology, nas, image-hosting] -date: 2025-03-30 ---- - -## Source File -- [[raw/Home Office/MinIO + Zipline 自托管图床应用安装教程.md]] - -## Summary -- 核心主题：在 Synology NAS 上通过 Docker 部署 MinIO 对象存储 + Zipline 图片托管服务，替代第三方图床 -- 问题域：自托管图片存储方案，确保数据主权、避免第三方图床限速或关停，结合 n8n 实现自动化工作流 -- 方法/机制：docker-compose 编排 MinIO（存储引擎）+ PostgreSQL（元数据）+ Zipline（上传 UI 和 API），通过 mc 命令行设置公开 Bucket -- 结论/价值：完整自托管图床方案，存储性能仅受 NAS 硬盘/SSD 限制，可与 n8n 联动实现自动化图片处理 - -## Key Claims -- MinIO 存储性能仅受 NAS 硬盘/SSD 限制，Zipline 仅处理 metadata -- Zipline Bucket 必须设置为 public read 才能直接访问图片，使用 mc anonymous set public 命令 -- Core_SECRET（随机字符串）和 MINIO_ROOT_PASSWORD 是必需的环境变量 -- 数据库与 MinIO 数据必须保持时间点一致，pg_dump 热备份 + Hyper Backup 增量归档是推荐方案 -- Synology DSM 必须安装 Container Manager（DSM 7.2+）或 Docker（DSM 7.1 及更早） -- Docker 网络默认网桥 IP 通常为 172.18.0.1，宿主机代理端口 10808 需对 Docker 网桥开放 -- 容器内 SOCKS5 代理测试：curl --socks5 172.18.0.1:10808 https://ifconfig.me - -## Key Concepts -- [[MinIO]]：兼容 S3 协议的对象存储引擎，部署在 NAS 提供高性价比私有云存储 -- [[Zipline]]：自托管图片托管服务，提供上传 UI + REST API，n8n 可通过 API 集成 -- [[S3协议]]：Amazon S3 兼容接口，MinIO 支持，S3_BUCKET/S3_ENDPOINT/S3_ACCESS_KEY/S3_SECRET_KEY 为四个核心配置 -- [[Docker Compose]]：多容器编排，定义 minio/postgres/zipline 三个服务及其依赖关系 -- [[PostgreSQL备份]]：pg_dump 逻辑热备份，备份目录 /volume1/docker/zipline-stack/backups -- [[Synology Hyper Backup]]：Synology 备份套件，可备份数据库 SQL 文件和 MinIO 数据目录 - -## Key Entities -- [[Synology NAS]]：硬件平台，IP 192.168.3.17，Container Manager 提供 Docker 能力 -- [[shenwei]]：部署者 -- [[n8n]]：通过 Zipline API 触发图片上传的自动化工作流编排工具 - -## Connections -- [[MinIO-Zipline自托管图床]] ← 存储层 → [[Synology NAS]] -- [[MinIO-Zipline自托管图床]] ← API集成 → [[n8n]]（Workflow 自动化上传图片） -- [[MinIO-Zipline自托管图床]] ← 元数据存储 → [[PostgreSQL]] - -## Contradictions -- Docker Socket 挂载存在安全风险（容器可获宿主机 root 权限），但本方案通过 docker exec 操作而非 Socket 挂载规避 - -## Related Wiki Pages -- [[Synology NAS]]：NAS 平台本身，Docker 和 Container Manager 是 Synology 的核心能力 -- [[n8n]]：n8n Workflow 自动化，可通过 Zipline API 触发图片上传 -- [[家庭监控方案]]：同样基于 Synology Docker 栈部署，是另一个自托管服务案例 diff --git a/wiki/sources/Multi-Agent-Specialized-Team-Solo-Founder-Setup.md b/wiki/sources/Multi-Agent-Specialized-Team-Solo-Founder-Setup.md deleted file mode 100644 index d9182249..00000000 --- a/wiki/sources/Multi-Agent-Specialized-Team-Solo-Founder-Setup.md +++ /dev/null @@ -1,37 +0,0 @@ ---- -title: "Multi-Agent Specialized Team（Solo Founder 模式）" -type: source -tags: [multi-agent, openclaw, solo-founder, team, telegram] -date: 2026-04-13 ---- - -## Source File -- [[raw/Agent/usecases/multi-agent-team.md]] - -## Summary -- 核心主题：Solo Founder 如何通过多 Agent 专精团队实现 24/7 全天候工作能力 -- 问题域：单一 Agent 无法同时擅长战略/开发/营销/销售；角色切换破坏深度工作 -- 方法/机制：每个 Agent 独立角色+人格+模型，通过共享内存协作，Telegram 统一入口 -- 结论/价值：从"管理一个工具"到"指挥一个团队"的范式转变，Agent 主动推送而非被动响应 - -## Key Claims -- 2 Agent 起步（Lead + 1 专精），按瓶颈扩展，而非一上来建 4 个团队 -- 共享内存（GOALS.md/DECISIONS.md/PROJECT_STATUS.md）+ 私有上下文是关键组合 -- 定时主动任务（早会摘要/指标推送/内容创意）是真正的价值杠杆 -- Telegram 单群聊入口 + @AgentName 路由 + 无@默认 Lead - -## Key Quotes -> "A real small team available 24/7." — [[Trebuh]] 描述其 4 Agent 团队 - -## Key Entities -- [[Trebuh]]：Solo founder，4 Agent 团队（Milo/Josh/Marketing/Dev）+ Telegram + VPS 实践者 -- [[OpenClaw]]：多 Agent 协作框架，支持 sessions_spawn/sessions_send/共享文件系统 -- [[Claude Code]]：深度代码任务执行（Agent 模式） -- [[Telegram]]：统一控制平面，单群聊入口实现多 Agent 路由 - -## Connections -- [[Multi-Agent-Specialized-Team-Solo-Founder-Setup]] ← implements ← [[Multi-Agent Hierarchy]]（Supervisor=Lead，Worker=专精 Agent） -- [[Multi-Agent-Specialized-Team-Solo-Founder-Setup]] ← shares_pattern ← [[Autonomous-Project-Management]]（共享状态协调模式） -- [[Multi-Agent-Specialized-Team-Solo-Founder-Setup]] ← extends ← [[Multi-Agent-System-Reliability-Alex-Ewerlof]]（Hierarchy 模式的 OpenClaw 具体实践） -- [[Multi-Agent-Specialized-Team-Solo-Founder-Setup]] ← uses ← [[共享内存模式]]（GOALS.md/DECISIONS.md/PROJECT_STATUS.md） -- [[Multi-Agent-Specialized-Team-Solo-Founder-Setup]] ← enables ← [[定时主动任务]]（Agent 主动后台工作推送结果） diff --git a/wiki/sources/Multi-Agent-System-Reliability-Alex-Ewerlof.md b/wiki/sources/Multi-Agent-System-Reliability-Alex-Ewerlof.md deleted file mode 100644 index 44d140a8..00000000 --- a/wiki/sources/Multi-Agent-System-Reliability-Alex-Ewerlof.md +++ /dev/null @@ -1,53 +0,0 @@ ---- -title: "Multi-Agent System Reliability（Alex Ewerlöf）" -type: source -tags: [multi-agent, reliability, architecture, llm] -date: 2026-04-13 ---- - -## Source File -- [[raw/AI/Multi-Agent System Reliability.md]] - -## Summary -- 核心主题：多智能体系统的可靠性架构模式 -- 问题域：LLM 作为不可靠组件，如何构建企业级可靠的多智能体系统 -- 方法/机制：4种架构模式（Hierarchy/Consensus/Adversarial Debate/Knock-out）+ 可靠性工程原理 -- 结论/价值：将 LLMs 视为分布式系统中不可靠组件，而非拟人化智能体；通过架构约束而非"小心谨慎"来保证正确性 - -## Key Claims -- LLM 本质随机（stochastic），单次回答仅代表一种概率分布，幻觉率约 20% -- 将 LLM 拟人化（给钱/威胁/情感操控）仅改变 token 预测分布，不产生真正的动机 -- 3 个模型同时产生完全相同谎言的概率为 0.8%（0.2³），多数投票可有效消除幻觉噪声 -- 从"AI 原型"到"企业级 AI"的转变核心：停止要求模型"小心"，改为强制其"正确" - -## Key Quotes -> "We don't need AI that 'cares.' We need AI that is constrained, verified, pruned, and challenged." — [[Alex Ewerlöf]] -> "Don't anthropomorphize LLMs! Find a way to piggy back on their human-corpus training while being aware of their non-biological differences." — [[Alex Ewerlöf]] -> "If you threaten a model too hard, it might just lie to make you happy. This is Sycophancy." — [[Alex Ewerlöf]] - -## Key Concepts -- [[Multi-Agent Hierarchy]]：Supervisor（规划器）+ Worker（工作者）+ Validator（验证器）的三角色顺序协作 -- [[Multi-Agent Consensus]]：N 个模型对同一任务独立响应，多数票消除随机噪声（0.8% 相同谎言概率） -- [[Multi-Agent Adversarial Debate]]：Generator + Critic + Judge 三方对抗，Truth survives the fight -- [[Multi-Agent Knock-out]]：遗传算法启发的适应度淘汰制，最差代理被淘汰（cattle not pets） -- [[LLM Sycophancy]]：模型过度迎合用户意图而撒谎的现象，多数投票可缓解 - -## Key Entities -- [[Alex Ewerlöf]]：Senior Staff Engineer，KTH 系统工程硕士，专注可靠性工程与 LLM 应用（2023年起） -- [[Groupthink]]：共识模式中的反馈回路风险，导致从众效应放大错误 -- [[Genetic Algorithm]]：Knock-out 模式理论基础，适应度函数评估并淘汰低质量个体 - -## Connections -- [[Multi-Agent-System-Reliability-Alex-Ewerlof]] ← foundational_theory ← [[Multi-Agent Hierarchy]] -- [[Multi-Agent-System-Reliability-Alex-Ewerlof]] ← foundational_theory ← [[Multi-Agent Consensus]] -- [[Multi-Agent-System-Reliability-Alex-Ewerlof]] ← foundational_theory ← [[Multi-Agent Adversarial Debate]] -- [[Multi-Agent-System-Reliability-Alex-Ewerlof]] ← foundational_theory ← [[Multi-Agent Knock-out]] -- [[Multi-Agent-Specialized-Team-Solo-Founder-Setup]] ← extends ← [[Multi-Agent-System-Reliability-Alex-Ewerlof]]（Hierarchy 模式的具体实践） -- [[Autonomous-Project-Management]] ← implements ← [[Multi-Agent Hierarchy]]（STATE.yaml 替代中央验证器） -- [[Multi-Agent-Specialized-Team-Solo-Founder-Setup]] ← shares_pattern ← [[Autonomous-Project-Management]]（均依赖共享状态协调） - -## Contradictions -- 与纯 LLM 原型思维： - - 冲突点：认为"小心提示"可解决幻觉 - - 当前观点：架构约束（验证器/投票/淘汰）才是可靠性来源 - - 对方观点：通过情感化 prompt（给钱/威胁）激励模型正确输出 diff --git a/wiki/sources/Multi-Agent-System-Reliability.md b/wiki/sources/Multi-Agent-System-Reliability.md deleted file mode 100644 index 6561b712..00000000 --- a/wiki/sources/Multi-Agent-System-Reliability.md +++ /dev/null @@ -1,58 +0,0 @@ -# Multi-Agent System Reliability - -## Metadata -- **Date:** 2026-04-13 -- **Source:** https://blog.alexewerlof.com/p/multi-agent-system-reliability -- **Author:** Alex Ewerlöf -- **Category:** AI/Agent Architecture - -## Key Insights -- LLMs are slow, error-prone, and stochastic — multi-agent topologies can propagate errors to the point of being useless -- Stop treating LLMs like "magic chatbots" — treat them as unreliable components in a distributed system -- Don't anthropomorphize LLMs — they have no fear of death, no empathy, and can't be motivated by threats -- 4 architecture patterns improve reliability: Hierarchy, Consensus, Adversarial Debate, and Knock-out -- Force correctness through architecture, not through emotional prompts or threats -- We need AI that is constrained, verified, pruned, and challenged — not AI that "cares" - -## Summary -Multi-agent systems divide work across parallel and/or specialist agents to overcome LLM limitations like slowness and genericness. However, the underlying LLM remains unreliable (hallucination, logical fallacies, context drift), and multi-agent topologies can propagate these errors throughout the system. - -This article presents 4 architecture patterns from human systems adapted for LLM reliability: -1. **Hierarchy** — A supervisor plans, breaks down tasks, distributes to workers, and validates results -2. **Consensus** — Multiple models vote; truth emerges from majority (3 models reduce same-hallucination probability from 20% to 0.8%) -3. **Adversarial Debate** — One agent proposes, another attacks, a judge moderates; prevents sycophancy -4. **Knock-out** — Multiple agents work on tasks, worst performers eliminated (cattle, not pets) - -The core principle: don't ask models to "be careful" — force correctness through architectural constraints. - -## Key Entities -- **Alex Ewerlöf** — Author, Senior Staff Engineer with 27 years experience, MS in Systems Engineering from KTH, SRE background, specializing in LLMs since 2023 -- **Planner** — Smart model (e.g., Opus) that breaks user goals into small steps and distributes to workers -- **Worker** — Specialized agents (often smaller, faster models) that do one thing well -- **Validator** — Checkpoint that validates worker output; can be deterministic code or an LLM -- **Generator** — In adversarial debate, proposes initial ideas/plans -- **Critic** — Devil's advocate that attacks the generator's proposals -- **Judge** — Moderator that decides if critic is right and forces fixes -- **Watchdog** — Deterministic code pattern that breaks debate loops when thresholds are exceeded - -## Key Concepts -- **Multi-Agent Hierarchy** — Supervisor pattern: Planner → Worker → Validator; dependency graph forces collaboration -- **Multi-Agent Consensus** — Majority voting across N models to cancel out individual noise and hallucinations -- **Multi-Agent Adversarial Debate** — Courtroom pattern preventing sycophancy; truth survives through opposition -- **Multi-Agent Knock-out** — Evolutionary selection; worst agents eliminated, survivors' traits combined -- **LLM Reliability Engineering** — Applying SRE principles to LLM systems; treating LLMs as unreliable components -- **Sycophancy** — Tendency of LLMs to please/agree even by lying when pressured with threats -- **Hallucination** — LLM generating false or invented information -- **Context Drift** — LLM losing focus or veering off topic during long interactions -- **Genetic Algorithms** — ML technique referenced by Knock-out pattern; fitness function evaluates solutions -- **Groupthink** — Can skew consensus results if agents have feedback loops between them -- **Bandwagon Effect** — Can skew consensus results; agents should run like a blind experiment -- **Cattle vs Pets** — SRE principle: treat LLM agents as replaceable "cattle," not unique beloved individuals -- **Dependency Graph** — Mechanism that forces model collaboration in Hierarchy pattern - -## Related Sources -- [Multi-Agent Hierarchy](wiki/concepts/Multi-Agent-Hierarchy.md) -- [Multi-Agent Consensus](wiki/concepts/Multi-Agent-Consensus.md) -- [Multi-Agent Adversarial Debate](wiki/concepts/Multi-Agent-Adversarial-Debate.md) -- [Multi-Agent Knock-out](wiki/concepts/Multi-Agent-Knock-out.md) -- [Alex Ewerlof](wiki/entities/Alex-Ewerlof.md) \ No newline at end of file diff --git a/wiki/sources/MySQL-MariaDB-数据库详细信息.md b/wiki/sources/MySQL-MariaDB-数据库详细信息.md deleted file mode 100644 index f4b388b5..00000000 --- a/wiki/sources/MySQL-MariaDB-数据库详细信息.md +++ /dev/null @@ -1,56 +0,0 @@ ---- -title: "MySQL MariaDB 数据库详细信息" -type: source -tags: [database, mariadb, mysql, nas, synology] -date: 2026-04-15 ---- - -## Source File -- [[raw/Home Office/MySQL MariaDB 数据库详细信息.md]] - -## Summary -- 核心主题：Synology NAS Docker MariaDB 10.11 内网/公网访问配置与用户权限管理 -- 问题域：NAS 部署的 MariaDB 仅允许 localhost 访问，远程连接需手动创建用户 -- 方法/机制：socket 本地登录 → CREATE USER → GRANT ALL PRIVILEGES → FLUSH PRIVILEGES -- 结论/价值：建立 NAS 统一数据库层，支持公网域名 mysql.ishenwei.online:63307 访问 - -## Key Claims -- Synology Docker MariaDB 默认只允许 root@localhost 连接，不存在 root@% 或任何远程用户 -- 远程连接失败的根因是缺少 host/user 组合与对应权限 -- 创建 'shenwei'@'%' 可实现任意 IP 的远程访问，但密码强度必须符合 MariaDB 策略要求 - -## Key Quotes -> "进入 MariaDB（使用 socket 登陆）：sudo mysql -u root -p -S /run/mysqld/mysqld10.sock" — 本地 socket 登录方式 -> "CREATE USER 'shenwei'@'%' IDENTIFIED BY '!Abcde12345'; GRANT ALL PRIVILEGES ON *.* TO 'shenwei'@'%' WITH GRANT OPTION; FLUSH PRIVILEGES;" — 远程访问用户创建标准 SQL - -## Key Concepts -- [[Socket登录]]：通过本地 socket 文件 /run/mysqld/mysqld10.sock 连接 MariaDB，无需 TCP 端口认证 -- [[MariaDB用户权限模型]]：host + user 组合决定访问权限，localhost 表示仅本机，% 表示任意 IP -- [[FLUSH PRIVILEGES]]：将内存中的权限表重新读取到内存，使权限变更立即生效 - -## Key Entities -- [[Synology NAS]]：硬件平台（192.168.3.17），MariaDB 10.11.6 运行在 Docker 容器内 -- [[MariaDB]]：MySQL 分支数据库，版本 10.11.6，端口 3307（内网）、63307（公网） -- [[Cloudflare]]：域名 mysql.ishenwei.online DNS 解析层 - -## Connections -- [[MySQL MariaDB 数据库详细信息]] ← runs_on ← [[Synology NAS]] -- [[MySQL MariaDB 数据库详细信息]] ← accessible_via ← [[Cloudflare]]（公网域名反向代理） - -## Contradictions - -## Internal Access Credentials -| 项目 | 值 | -|------|-----| -| IP | 192.168.3.17 | -| Port | 3307 | -| Username | shenwei / root | -| Password | !Abcde12345 | - -## Public Access Credentials -| 项目 | 值 | -|------|-----| -| Domain | mysql.ishenwei.online | -| Port | 63307 | -| Username | shenwei / root | -| Password | !Abcde12345 | diff --git a/wiki/sources/N8N Full Tutorial Building AI Agents in 2025 for Beginners.md b/wiki/sources/N8N Full Tutorial Building AI Agents in 2025 for Beginners.md deleted file mode 100644 index 23bc9331..00000000 --- a/wiki/sources/N8N Full Tutorial Building AI Agents in 2025 for Beginners.md +++ /dev/null @@ -1,40 +0,0 @@ ---- -title: "N8N Full Tutorial - Building AI Agents in 2025 for Beginners" -type: source -tags: [n8n, ai-agent, 工作流, 教程] -date: 2025-03-06 ---- - -## Source File -- [[raw/Agent/n8n full tutorial building AI agents in 2025 for Beginners!.md]] - -## Summary -- 核心主题：N8N 平台构建 AI Agent 入门教程 -- 问题域：Workflow 和 Agent 的区别，N8N 5 类节点，Agent 中 Memory 机制 -- 方法/机制：N8N 可视化节点编排，Trigger → Action/Utility/Code/AI Agent 节点 -- 结论/价值：Agent = LLM 动态选择工具 + Memory 保持上下文；Workflow = 预定义自动化 - -## Key Claims -- Workflow vs Agent：Workflow 是预定义自动化（固定输出），Agent 由 LLM 动态决定工具调用（适应用户输入） -- N8N 5 类节点：Trigger（触发器）、Action（操作）、Utility（工具）、Code（代码）、Advanced AI（AI Agent） -- Memory 是 AI Agent 与用户对话连贯性的关键，保留上下文使响应更相关 -- Airtable 可作为工具接入 N8N Agent，实现库存查询和更新 -- 多 Agent 串联和工作流链式调用可构建复杂自动化系统 - -## Key Concepts -- [[Agentic System]]：Agent + Workflow 的组合，Agent 动态选择工具，Workflow 预定义执行路径 -- [[N8N Workflow]]：N8N 可视化工作流，Trigger → 多节点串联 -- [[Memory in AI Agent]]：Agent 保持对话上下文的机制，使多轮交互连贯 -- [[Workflow vs Agent]]：固定自动化 vs LLM 动态决策的本质区别 - -## Key Entities -- [[Airtable]]：在线数据库，可作为 N8N Agent 工具接入，实现库存管理 - -## Connections -- [[n8n]] ← 工具 ← [[N8N Workflow]] -- [[n8n]] ← 工具 ← [[Agentic System]] -- [[Agentic System]] ← 包含 ← [[Workflow vs Agent]] + [[Memory in AI Agent]] -- [[Airtable]] ← 工具 ← [[Memory in AI Agent]] - -## Contradictions -- 与 [[n8n Docker 安装与更新]]：后者专注部署安装，本文档专注工作流构建方法论 diff --git a/wiki/sources/Nano-Banana-Pro-Prompting-Guide.md b/wiki/sources/Nano-Banana-Pro-Prompting-Guide.md deleted file mode 100644 index 2c09e40d..00000000 --- a/wiki/sources/Nano-Banana-Pro-Prompting-Guide.md +++ /dev/null @@ -1,48 +0,0 @@ ---- -title: "Nano-Banana Pro Prompting Guide & Strategies" -type: source -tags: [nano-banana, google, prompting, image-generation, gemini, ai-studio] -date: 2025-12-19 ---- - -## Source File -- [[raw/AI/Nano-Banana Pro Prompting Guide & Strategies 1.md]] - -## Summary -- 核心主题：Google Nano-Banana Pro 图像生成模型的进阶提示词策略，涵盖 10 大能力维度和黄金法则 -- 问题域：用户从"标签堆砌"提示词升级为"创意总监"式自然语言提示词 -- 方法/机制：Edit 不要重roll、完整句子、自然语言、提供上下文（Why/For Whom） -- 结论/价值：Nano-Banana Pro 是"思考模型"，理解意图、物理和构图而非简单关键词匹配 - -## Key Claims -- Nano-Banana Pro 是"思考模型"，理解意图、物理和构图，支持 14 张参考图（6 张高精度），实现 Identity Locking -- Text Rendering 能力达到 SOTA 水准，支持信息图、蓝图、白板图、技术图纸等多种风格 -- Google Search Grounding 通过实时搜索结果驱动图像生成，减少时效性话题的幻觉 -- 支持 2D→3D 转换（户型图→室内设计稿）、4K 原生输出、像素艺术、LED 矩阵等多种高级应用 -- Thinking Mode 生成中间推理图（不收费）优化构图后再渲染最终输出 - -## Key Quotes -> "Stop using 'tag soups' and start acting like a Creative Director" — 黄金法则核心 -> "If an image is 80% correct, do not generate a new one from scratch. Simply ask for the specific change" — Edit Don't Re-roll 原则 -> "Talk to the model as if you were briefing a human artist" — 自然语言原则 - -## Key Concepts -- [[Nano-Banana Pro]]：Google 图像生成模型，从"娱乐"升级到"专业级资产生产"，擅长文字渲染、角色一致性、视觉合成、世界知识搜索、4K输出 -- [[Identity Locking]]：通过 14 张参考图锁定角色/人物身份，在新场景保持面部一致性的技术 -- [[Google Search Grounding]]：结合 Google 实时搜索结果生成图像，减少幻觉，支持天气/股票/新闻等动态数据可视化 -- [[Text Rendering]]：SOTA 文字渲染能力，支持信息图、蓝图、白板、技术图纸等多种风格 -- [[Thinking Mode]]：生成中间推理图（不收费）优化构图，再渲染最终输出 -- [[One-Shot Storyboarding]]：单次会话生成连贯叙事流的故事板/连环画 -- [[Layout Guidance]]：上传草图/线框图/网格图严格控制最终输出的构图和布局 -- [[2D to 3D Translation]]：户型图→室内设计稿，平面图→3D 可视化 - -## Key Entities -- [[Google]]：Nano-Banana Pro 发布方 -- [[AI Studio]]：Google AI Studio 平台，测试提示词和参数的入口 -- [[Gemini]]：Nano-Banana Pro 底层模型 - -## Connections -- [[Nano-Banana Pro]] ← 升级 ← [[Nano Banana]]（从基础版到 Pro 版） -- [[Nano-Banana Pro]] ← 底层模型 ← [[Gemini]] -- [[baoyu-infographic]] ← 应用场景 ← [[Text Rendering]]（信息图生成） -- [[baoyu-skills-claude-code技能集]] ← 相关工具 ← [[AI Studio]] diff --git a/wiki/sources/Nano-Banana-提示词框架.md b/wiki/sources/Nano-Banana-提示词框架.md deleted file mode 100644 index 261253ae..00000000 --- a/wiki/sources/Nano-Banana-提示词框架.md +++ /dev/null @@ -1,43 +0,0 @@ ---- -title: "Nano Banana 结构化提示词框架" -type: source -tags: [ai, prompt, image-generation, google] -date: 2025-03-15 ---- - -## Source File -- [[raw/AI/Nano Banana 提示词框架.md]] - -## Summary -- 核心主题：Google 发布的图像生成结构化提示词框架，通过 9 个标准化字段将创意描述转化为机器可执行参数 -- 问题域：自然语言描述图像存在歧义和模糊性，AI 生成结果与预期不符 -- 方法/机制：9 层结构化字段（Shot/Subject/Environment/Lighting/Camera/ColorGrade/Style/Quality/Negatives）；物件描述框架与人物描述框架共用结构，subject 字段内容不同 -- 结论/价值：结构化提示词大幅提升 AI 图像生成的可控性和一致性，降低迭代成本 - -## Key Claims -- Nano Banana 框架将图像生成提示词标准化为 9 个字段，每个字段控制特定维度 -- negatives（负向提示词）是质量控制关键字段，明确排除不需要的特征 -- camera 字段提供电影级构图控制（focal_length/aperture/angle），实现专业级运镜效果 -- 物件描述框架与人物描述框架核心结构一致，区别仅在 subject 字段内容（item/materials/details/condition vs age/appearance/pose） - -## Key Quotes -> "negatives": "no scratches, no dust, no logos or brand names, no human hands, blurry watch face, unrealistic lighting." — 示例中的负向提示词 - -## Key Concepts -- [[Nano Banana]]：Google 发布的结构化图像生成提示词框架，9 层标准化字段设计 -- [[物件描述框架]]：Nano Banana 中用于描述物品的字段结构（item/materials/details/condition） -- [[人物描述框架]]：Nano Banana 中用于描述人物的字段结构（age/appearance/pose） -- [[负向提示词]]：Negatives，通过明确排除不需要的特征来提升生成质量 -- [[运镜控制]]：Camera 参数控制焦距/光圈/角度，实现电影级构图 - -## Key Entities -- [[Google]]：Nano Banana 框架的发布方，AI 图像生成工具的技术引领者 - -## Connections -- [[AI生图]] ← uses ← [[Nano Banana]]，Nano Banana 是 AI 生图的结构化提示词方法论 -- [[Prompt工程]] ← extends ← [[Nano Banana]]，Nano Banana 是 Prompt工程 在图像生成领域的具体实现 -- [[Never write another prompt]] ← comparable_to ← [[Nano Banana]]，两者都提供结构化提示词能力，但 Nano Banana 专用于图像生成 -- [[主体一致性]] ← relates_to ← [[负向提示词]]，负向提示词有助于维持主体一致性 - -## Contradictions -- 与 [[风格迁移]] 概念：Nano Banana 强调精确控制（结构化字段），风格迁移强调美学转化。冲突点：精确控制 vs 美学灵活。当前观点：两者互补——Nano Banana 控制主体和构图，风格迁移处理美学层面的二次加工。 \ No newline at end of file diff --git a/wiki/sources/Nano-Banana结构化提示词框架.md b/wiki/sources/Nano-Banana结构化提示词框架.md deleted file mode 100644 index 3e6a8a3e..00000000 --- a/wiki/sources/Nano-Banana结构化提示词框架.md +++ /dev/null @@ -1,36 +0,0 @@ ---- -title: "Nano Banana结构化提示词框架" -type: source -tags: [ai, google, prompt, image-generation] -date: 2026-03-15 ---- - -## Source File -- raw/AI/Nano Banana 提示词框架.md - -## Summary -- 核心主题：Google Nano Banana 图像生成提示词的结构化框架 -- 问题域：AI 图像生成中的提示词标准化与质量控制 -- 方法/机制：通过 9 个标准化字段（shot/subject/environment/lighting/camera/color_grade/style/quality/negatives）将创意描述转化为机器可执行参数 -- 结论/价值：结构化框架实现提示词可复用、可组合，negatives 字段是质量控制关键 - -## Key Claims -- 9 个标准化字段覆盖图像生成全维度：shot（镜头类型）/ subject（主体）/ environment（环境）/ lighting（照明）/ camera（摄像机）/ color_grade（调色）/ style（风格）/ quality（质量）/ negatives（负向提示词） -- negatives（负向提示词）是质量控制关键字段，明确排除不需要的特征 -- camera 字段提供电影级构图控制（焦距/光圈/角度） -- 物件描述框架与人物描述框架共用同一结构，subject 字段内容不同 - -## Key Concepts -- [[Nano Banana]]：Google 发布的结构化图像提示词框架 -- [[负向提示词]]：明确排除不需要的特征 -- [[结构化提示词]]：通过标准化字段将创意描述转化为机器可执行参数 - -## Key Entities -- [[Google]]：Nano Banana 的发布方 - -## Connections -- [[Nano Banana]] ← 同概念 -- [[负向提示词]] ← 关键机制 -- [[结构化提示词]] ← 框架类型 - -## Contradictions diff --git a/wiki/sources/Never-write-another-prompt.md b/wiki/sources/Never-write-another-prompt.md deleted file mode 100644 index ab711990..00000000 --- a/wiki/sources/Never-write-another-prompt.md +++ /dev/null @@ -1,46 +0,0 @@ ---- -title: "Never Write Another Prompt" -type: source -tags: [prompt-engineering, youtube, ai-tools] -date: 2025-03-06 ---- - -## Source File -- [[raw/AI/Never write another prompt.md]] - -## Summary -- 核心主题：AI 提示词生成工具，通过简单描述自动生成结构化高质量提示词 -- 问题域：传统提示词工程门槛高，专业定制费用高达 $100–$500/条 -- 方法/机制：描述转提示词 + 变量注入 + 提示词库复用 -- 结论/价值：提示词生成民主化，普通用户无需专业背景即可获得高质量提示词 - -## Key Claims -- 提示词工程（Prompt Engineering）是将模糊描述转化为精确 AI 指令的核心技能 -- 详细提示词比模糊提示词获得更精准的 AI 输出，减少来回纠正的次数 -- 成功的提示词可保存复用，长期提升 AI 使用效率 -- 提示词库（Prompt Libraries）提供灵感来源和现成模板，显著降低创作成本 - -## Key Quotes -> "Prompt engineering is the art of crafting prompts that elicit specific responses from AI." — 视频旁白 -> "This democratization of technology is vital in empowering more individuals to leverage AI effectively." — 视频旁白 - -## Key Concepts -- [[Prompt工程]]：将简单描述转化为结构化提示词的技术 -- [[提示词库]]：平台提供的现成提示词模板集合，支持用户复用和二次编辑 -- [[变量注入]]：在提示词中插入动态占位符，实现一次生成多次自定义使用 - -## Key Entities -- [[Anthropic]]：视频末尾提及 Console Anthropic，作为 AI 使用入口 -- [[ChatGPT]]：主要支持的 AI 应用之一 -- [[Google Gemini]]：主要支持的 AI 应用之一 - -## Connections -- [[如何写出完美的Prompt（提示词）？]] ← related_to ← [[Never-write-another-prompt]] -- [[Prompt工程]] ← extends ← [[如何写出完美的Prompt（提示词）？]] -- [[Nano Banana结构化提示词框架]] ← alternative ← [[Never-write-another-prompt]] - -## Contradictions -- 与 [[Nano Banana结构化提示词框架]] 相比： - - 冲突点：Nano Banana 是人工设计结构，Never-write-another-prompt 是工具自动生成 - - 当前观点：工具生成适合快速产出，人工设计适合精细控制 - - 对方观点：结构化框架提供更稳定可复现的输出质量 diff --git a/wiki/sources/NotebookLM的7种用法.md b/wiki/sources/NotebookLM的7种用法.md deleted file mode 100644 index 2317527c..00000000 --- a/wiki/sources/NotebookLM的7种用法.md +++ /dev/null @@ -1,39 +0,0 @@ ---- -title: "NotebookLM的7种用法" -type: source -tags: [ai, google, tool, productivity] -date: 2025-11-23 ---- - -## Source File -- raw/AI/7 ways I use NotebookLM to make my life easier.md - -## Summary -- 核心主题：NotebookLM 日常使用场景与生产力提升方法 -- 问题域：信息过载、学习效率、项目管理、被动学习 -- 方法/机制：Source-Grounding（严格限制知识库仅含上传文档）+ Audio Overviews（播客式摘要）+ 精确引文追溯 -- 结论/价值：NotebookLM 的核心价值在于消除幻觉、确保可溯源回答，Source-Grounding 是其与其他 AI 助理的本质区别 - -## Key Claims -- Source-Grounding 机制：NotebookLM 知识库严格限制为用户上传的文档，消除幻觉 -- 每个答案附带精确引文，可点击跳转原文确认 -- Audio Overviews：双 AI 主持人播客式讨论，适合通勤/运动时被动学习 -- 可作为项目管理大脑：把散乱的研究和想法集中到统一笔记本 -- 法律文档审查：只基于给定文档回答，附带原文引文 -- 软件更新对比：直接询问"这个版本有什么新变化"，自动列出差异 - -## Key Concepts -- [[Source Grounding]]：严格限制知识库仅含上传文档，消除幻觉的机制 -- [[被动学习]]：Audio Overviews 在碎片时间消费复杂信息 -- [[引文追溯]]：每个回答附带原文引文 - -## Key Entities -- [[NotebookLM]]：Google 推出的 AI 学习和研究助理 - -## Connections -- [[Source Grounding]] ← 核心机制 -- [[被动学习]] ← 使用场景 -- [[引文追溯]] ← 信任机制 -- [[NotebookLM]] ← 工具 - -## Contradictions diff --git a/wiki/sources/Obsidian-Tasks-插件-任务管理.md b/wiki/sources/Obsidian-Tasks-插件-任务管理.md deleted file mode 100644 index 0d98faae..00000000 --- a/wiki/sources/Obsidian-Tasks-插件-任务管理.md +++ /dev/null @@ -1,48 +0,0 @@ ---- -title: "Obsidian Tasks 插件：最适合懒人的任务管理方式" -type: source -tags: [obsidian, 任务管理, 插件] -date: 2025-03-13 ---- - -## Source File -- [[raw/Others/Obsidian Tasks 插件：这可能是最适合懒人的任务管理方式.md]] - -## Summary -- 核心主题：Obsidian Tasks 插件实现笔记与任务管理的一体化融合 -- 问题域：Notion/Todoist 割裂问题——笔记是笔记，任务是任务，两套工具来回切换效率低下 -- 方法/机制：标准 Markdown 语法 `- [ ]` 创建任务 → Tasks 插件统一索引 → Dataview 风格查询语法聚合 -- 结论/价值：任务在笔记上下文中自然浮现，减少工具切换，进入深度工作状态 - -## Key Claims -- Obsidian Tasks 插件将"文本驱动"的笔记工具扩展为"行动驱动"的任务管理工具 -- `tasks` 查询代码块可出现在 Obsidian 任意笔记中，实现全局任务聚合 -- 重复任务（`⏳ every week`）替代手动复制粘贴，彻底解放脑力 -- 任务与笔记放在一起时，更容易进入深度工作状态 - -## Key Quotes -> "不再需要打开 Todoist → 找到任务 → 处理任务，而是'在笔记的上下文里，直接看到当前最重要的任务'" -> "笔记+任务融为一体，所有信息在一个地方，不再被割裂" - -## Key Concepts -- [[任务-笔记一体化]]：任务不孤立存在于单独 App，而是嵌入笔记上下文中 -- [[Tasks查询语法]]：`not done + due before tomorrow + sort by priority` 实现条件筛选 -- [[重复任务计划]]：`⏳ every week / every month` 自动生成循环任务 -- [[深度工作]]：任务与笔记分离会导致切换成本，融合后降低认知负担 - -## Key Entities -- [[Obsidian]]：笔记平台，Tasks 插件宿主 -- [[Notion]]：对比工具，笔记与任务分离的代表 -- [[Todoist]]：对比工具，专用任务管理工具 - -## Connections -- [[Obsidian高效指南]] ← extends ← [[Obsidian Tasks]] -- [[Dataview]] ← related ← [[Obsidian Tasks]]（均属 Obsidian 插件生态，Dataview 管数据索引，Tasks 管任务聚合） - -## Contradictions -- 与 Notion/Todoist 冲突：传统任务管理工具将任务与笔记强制分离，Tasks 插件认为这违反了"任务天然依赖上下文"的原则 -- Obsidian Tasks 的局限性：不支持视觉化看板、不支持团队协作、移动端体验一般——这些是 Notion/Todoist 的优势 - -## Aliases -- Tasks 插件 -- Obsidian Tasks diff --git a/wiki/sources/Obsidian高效指南-我常用的插件与实用技巧.md b/wiki/sources/Obsidian高效指南-我常用的插件与实用技巧.md deleted file mode 100644 index a2e69de3..00000000 --- a/wiki/sources/Obsidian高效指南-我常用的插件与实用技巧.md +++ /dev/null @@ -1,40 +0,0 @@ ---- -title: "Obsidian 高效指南：我常用的插件与实用技巧" -type: source -tags: [obsidian, 插件, 知识管理] -date: 2025-03-13 ---- - -## Source File -- [[raw/Others/Obsidian 高效指南：我常用的插件与实用技巧.md]] - -## Summary -- 核心主题：Obsidian 插件生态与高效使用技巧 -- 问题域：如何将 Obsidian 打造成完整的知识管理系统 -- 方法/机制：Tasks（任务管理）、Dataview（数据查询）、Templater（模板）、QuickAdd（快速记录）+ 双向链接 + 每日笔记 -- 结论/价值：插件组合形成信息管理闭环，Dataview 查询实现笔记资产盘活 - -## Key Claims -- Tasks 插件将待办事项整合进笔记系统，支持日期提醒、优先级、标签分类和查询语法 -- Dataview 将笔记转化为数据库，支持按时间/标签/关键词筛选，提升检索效率 -- Templater 预设模板统一笔记结构，消除重复操作 -- QuickAdd 快捷键快速创建笔记，适合捕捉瞬时想法 -- 双向链接构建个人知识网络，比传统分类更灵活 -- 每日笔记结合 Templater 形成"早计划-晚复盘"节奏 - -## Key Concepts -- [[Obsidian Tasks]]：待办事项管理插件，日程整合进 PKM -- [[Obsidian Dataview]]：笔记数据库化查询插件，类 SQL 语法 -- [[Obsidian Templater]]：动态模板引擎，支持变量和条件逻辑 -- [[Obsidian QuickAdd]]：快捷键快速记录插件 -- [[双向链接]]：笔记间双向引用，构建知识网络 -- [[每日笔记]]：Daily Notes，日期驱动的工作流锚点 - -## Key Entities -- [[Obsidian]]：本地优先 Markdown PKM 工具 - -## Connections -- [[Obsidian Dataview]] ← 依赖 ← [[双向链接]] -- [[Obsidian Templater]] ← 支撑 ← [[每日笔记]] -- [[Obsidian Tasks]] ← 整合进 ← [[Obsidian]] -- [[Obsidian QuickAdd]] ← 整合进 ← [[Obsidian]] diff --git a/wiki/sources/OpenAI-ChatGPT-个性化定义.md b/wiki/sources/OpenAI-ChatGPT-个性化定义.md deleted file mode 100644 index 33ee6928..00000000 --- a/wiki/sources/OpenAI-ChatGPT-个性化定义.md +++ /dev/null @@ -1,55 +0,0 @@ ---- -title: "OpenAI ChatGPT 个性化定义" -type: source -tags: [chatgpt, personalization, openai, prompt-engineering] -date: 2026-04-16 ---- - -## Source File -- [[raw/AI/OpenAI ChatGPT 个性化定义.md]] - -## Summary -- 核心主题：ChatGPT 自定义指令（Custom Instructions）配置，记录用户对比利哥（47岁、前云服务交付高级经理、现 TikTok 跨境电商创业者）的 AI 个性化设置 -- 问题域：通用 AI 输出不符合个人偏好，自定义指令让 AI 适配用户的认知风格和需求模式 -- 方法/机制：Custom Instructions 双字段结构（Instructions + User Details），系统将用户背景和响应偏好持久化到每次对话 -- 结论/价值：个性化配置决定 AI 输出质量天花板，是 AI 调校的核心手段之一 - -## Key Claims -- 自定义指令通过提前声明用户背景和响应偏好，消除每次对话的"热身"损耗 -- AI 输出质量受个性化配置影响显著，配置决定 AI 是否能提供真正有价值的建议 -- 专业背景相似的用户可复用相同的响应风格配置（如技术深度、推理优先等） -- 自定义指令中的"不做什么"（如不道德说教）同样重要，明确边界减少无效输出 - -## Key Quotes -> "错误会削弱我的信任，所以务必做到准确和详尽" — 个性化指令核心要求 -> "重视合理的论据，而非权威，来源无关紧要" — 反权威推理优先的认知风格 -> "请将 URL 列表放在回复末尾，不要直接写在回复中" — 输出格式的精确要求 - -## Key Concepts -- [[个性化]]：基于用户背景和偏好定制 AI 行为模式的机制 -- [[自定义指令]]：ChatGPT Custom Instructions 双字段配置，用户详情 + 响应偏好 -- [[精准表达]]：要求 AI 提供详尽解释而非泛泛而谈的认知偏好 - -## Key Entities -- [[OpenAI]]：ChatGPT 平台提供方，自定义指令功能首发平台 -- [[ChatGPT]]：个性化配置的实施载体 -- [[TikTok]]：用户当前创业方向，AI 辅助业务拓展的核心场景 - -## Connections -- [[Agentic AI]] ← design_principle ← [[个性化]] -- [[AI Agent 思维方式]] ← relates_to ← [[自定义指令]] -- [[Prompt工程]] ← extends ← [[自定义指令]] - -## Contradictions -- 与 [[Agentic AI]] 的"预判式设计"原则相比： - - 冲突点：个性化指令是用户主动声明偏好，预判式设计是 AI 主动推测需求 - - 当前观点：主动声明确保准确性，被动预判提升体验，两者互补 - - 对方观点：过度预判可能产生干扰，自定义指令提供更可控的个性化边界 - -## User Profile Summary -- 年龄：47 岁 -- 前职位：企业级软件公司云服务交付高级经理 -- 管理经验：近 20 名全球分布员工 -- 当前：TikTok 跨境电商创业者 -- 技术背景：强（云服务交付、SaaS 运维） -- 核心诉求：用 AI + 自动化 + 云技术驱动电商业务拓展 diff --git a/wiki/sources/Personal-Knowledge-Base-RAG.md b/wiki/sources/Personal-Knowledge-Base-RAG.md deleted file mode 100644 index e7a6a13d..00000000 --- a/wiki/sources/Personal-Knowledge-Base-RAG.md +++ /dev/null @@ -1,45 +0,0 @@ ---- -title: "Personal Knowledge Base (RAG)" -type: source -tags: [agent, rag, knowledge-base, memory] -date: 2026-04-15 ---- - -## Source File -- [[raw/Agent/usecases/knowledge-base-rag.md]] - -## Summary -- 核心主题：语义可搜索个人知识库，自动从任意 URL（文章/tweets/YouTube/PDF）摄取内容 -- 问题域：书签堆积无法检索，看过的内容找不到 -- 方法/机制：Drop URL 到 Telegram/Slack → 自动抓取内容 → 向量嵌入 → 语义搜索返回 ranked 结果+来源 -- 结论/价值：RAG 驱动的个人第二大脑；其他工作流可查询知识库获取相关已存内容 - -## Key Claims -- Drop any URL 自动摄取：文章/tweets/YouTube transcripts/PDFs -- 语义搜索："What did I save about agent memory?" 返回 ranked 结果+来源引文 -- 喂入其他工作流：视频创意管线构建 research cards 时自动查询知识库 -- Zero maintenance：URL 即摄入触发器 - -## Key Quotes -> "You read articles, tweets, and watch videos all day but can never find that one thing you saw last week." — 核心痛点 - -## Key Concepts -- [[RAG]]：Retrieval-Augmented Generation，基于向量嵌入的语义检索 -- [[个人知识库]]：第二大脑，内容自动积累+语义检索 -- [[语义搜索]]：自然语言查询，返回 ranked 相关结果 -- [[内容摄取]]：URL → 结构化文本 → 向量嵌入全流程 - -## Key Entities - -## Connections -- [[NotebookLM]] ← 共享 source-grounding 理念 -- [[向量数据库]] ← 底层存储检索基础设施 -- [[Embedding]] ← 语义表示核心机制 -- [[Agentic AI]] ← 自主触发知识库查询 -- [[Content Factory]] ← 可查询知识库获取背景信息 - -## Contradictions -- 与传统书签/笔记工具冲突： - - 当前观点：语义搜索+自动摄取优于手动书签整理 - - 对方观点：手动整理确保质量和结构 - - 结论：摄取自动化+人工审核结合最优 diff --git a/wiki/sources/Podcast-Production-Pipeline.md b/wiki/sources/Podcast-Production-Pipeline.md deleted file mode 100644 index 4de619fc..00000000 --- a/wiki/sources/Podcast-Production-Pipeline.md +++ /dev/null @@ -1,46 +0,0 @@ ---- -title: "Podcast Production Pipeline" -type: source -tags: [podcast, content-automation, multi-agent, ai-workflow] -date: 2026-04-16 ---- - -## Source File -- [[raw/Agent/usecases/podcast-production-pipeline.md]] - -## Summary -- 核心主题：多 Agent 链式协作的播客全流程生产管线 -- 问题域：播客制作中非录制环节（研究/大纲/笔记/推广）占 70% 工作量，单人难以坚持 -- 方法/机制：预录制研究 Agent → 大纲生成 → 录制后摘要/Show Notes → 社媒工具包 -- 结论/价值：将播客生产从手工业转化为流水线，大幅降低运营负担，保留创作核心价值 - -## Key Claims -- 预录制深度研究是最大价值点，嘉宾访谈质量直接由准备深度决定 -- 时间戳 Show Notes 是高用户留存工具，大多数播客制作者因繁琐而跳过 -- 社交媒体工具包是最可自动化的重复性工作，每期结构一致 - -## Key Quotes -> "Research takes hours, show notes are an afterthought, and social media promotion is the first thing that gets skipped. The creative part — the conversation — is maybe 30% of the total effort." — 内容分析 - -## Key Concepts -- [[内容工厂]]：多 Agent 链式协作内容创作管线的变体（播客垂直领域） -- [[多代理并行]]：研究与写作 Agent 可并行执行提升效率 -- [[RSS Feed]]：竞品播客监控的标准化订阅协议 -- [[内容矩阵]]：一次长内容（播客）切多格式（推文/领英/Ins）分发 -- [[嘉宾研究]]：嘉宾背景/近期动态/争议观点的深度挖掘 - -## Key Entities -- [[Spotify]]：播客分发平台，Podcasters 后台管理 -- [[Apple Podcasts]]：播客分发平台，SEO 描述优化目标 -- [[YouTube]]：播客视频化分发平台 -- [[Whisper]]：OpenAI 开源语音转文字模型，本地化转录 - -## Connections -- [[Podcast Production Pipeline]] ← extends ← [[内容工厂]] -- [[Podcast Production Pipeline]] ← uses ← [[多代理并行]] -- [[Podcast Production Pipeline]] ← uses ← [[RSS Feed]] -- [[Podcast Production Pipeline]] ← produces ← [[内容矩阵]] -- [[Show Notes 生成]] ← relates_to ← [[嘉宾研究]] - -## Contradictions - diff --git a/wiki/sources/Polymarket-Autopilot.md b/wiki/sources/Polymarket-Autopilot.md deleted file mode 100644 index 467572c2..00000000 --- a/wiki/sources/Polymarket-Autopilot.md +++ /dev/null @@ -1,42 +0,0 @@ ---- -title: "Polymarket Autopilot: Automated Paper Trading" -type: source -tags: [polymarket, paper-trading, trading-bot, openclaw-usecase] -date: 2026-04-16 ---- - -## Source File -- [[raw/Agent/usecases/polymarket-autopilot.md]] - -## Summary -- 核心主题：OpenClaw Agent 自动化预测市场模拟交易（Paper Trading），执行趋势跟踪和反向交易策略 -- 问题域：手动监控预测市场耗时长、错过机会、情绪化决策；实盘测试策略风险高 -- 方法/机制：Polymarket API 监控市场数据 → 执行 Paper Trade（模拟交易）→ PostgreSQL 记录 → Discord 每日报告；支持 TAIL/BONDING/SPREAD 三种策略；子 Agent 并行分析多个市场 -- 结论/价值：睡前设置，醒来收到隔夜报告；基于回测结果自动调整策略参数 - -## Key Claims -- 三种核心策略：TAIL（趋势跟踪，>60% 概率+交易量突增）、BONDING（反向交易，过度反应时买入）、SPREAD（套利，YES+NO>1.05 时入场） -- 每日 8:00 Discord 晨报包含：交易日志/P&L/胜率/策略表现/市场洞察 -- 初始模拟资金 $10,000，永不使用真实资金 -- 子 Agent 并行分析多个市场，高峰期效率提升 -- 策略迭代基于回测结果，阈值可调 - -## Key Quotes -> "You want to test and refine trading strategies without risking real capital." - -## Key Concepts -- [[Paper-Trading]]：模拟交易，在真实市场中使用假资金测试策略，隔离风险 -- [[趋势跟踪策略]]：TAIL 策略，识别概率>60%且交易量突增的趋势，顺势入场 -- [[反向交易策略]]：BONDING 策略，在市场对新闻过度反应时反向入场 -- [[套利策略]]：SPREAD 策略，检测 YES+NO 价格总和>1.05 的低效定价 -- [[预测市场]]：Polymarket，基于加密货币的预测市场平台 - -## Key Entities -- [[Polymarket]]：基于加密货币的预测市场平台，支持 API 访问市场数据 - -## Connections -- [[Last30Days]] ← 类似数据驱动方法 ← [[Polymarket-Autopilot]] -- [[Content-Factory]] ← 子 Agent 模式 ← [[Polymarket-Autopilot]]（并行多市场分析） -- [[Market-Research-Product-Factory]] ← 数据分析 ← [[Polymarket-Autopilot]] - -## Contradictions diff --git a/wiki/sources/Public-vs-Private-vs-Hybrid-Cloud-Differences-Explained.md b/wiki/sources/Public-vs-Private-vs-Hybrid-Cloud-Differences-Explained.md index bcd29d64..c07375a6 100644 --- a/wiki/sources/Public-vs-Private-vs-Hybrid-Cloud-Differences-Explained.md +++ b/wiki/sources/Public-vs-Private-vs-Hybrid-Cloud-Differences-Explained.md @@ -1,52 +1,58 @@ --- -title: "Public vs Private vs Hybrid Cloud: Cloud Differences Explained" +title: "Public vs Private vs Hybrid: Cloud Differences Explained" type: source -tags: [Cloud, DevOps, 架构] +tags: [cloud-computing, public-cloud, private-cloud, hybrid-cloud] date: 2025-06-18 +source_file: raw/Cloud & DevOps/Public vs Private vs Hybrid Cloud Differences Explained.md +sources: [] +last_updated: 2025-06-18 --- ## Source File - [[raw/Cloud & DevOps/Public vs Private vs Hybrid Cloud Differences Explained.md]] ## Summary -- 核心主题：公有云、私有云、混合云三种部署模型的核心差异、优缺点与适用场景 -- 问题域：组织如何根据安全/性能/成本/合规需求选择最适合的云架构 -- 方法/机制：三层云模型对比分析法，基于业务需求的多云策略设计 -- 结论/价值：三种模型并非互斥，实际选择应基于工作负载特征采取混合策略；云责任是共享模型 +本文解释了公有云、私有云和混合云三种云计算部署模式的核心区别。公有云由第三方提供商共享交付，具有高弹性和低成本优势；私有云专属于单一组织，提供更高的安全性和控制力；混合云结合两者优势，支持根据业务需求灵活分配工作负载。文章还阐述了云计算的共享责任模型以及选择云部署模式的关键考量因素。 ## Key Claims -- 公有云：第三方提供商在多租户环境中交付，按用量计费，优势是弹性、成本效益、快速上线；缺点是安全性最低、成本随规模指数增长、供应商依赖 -- 私有云：专属于单个组织的云环境，优势是高安全、可定制、合规友好；缺点是 TCO 高、远程访问受限、运维复杂 -- 混合云：同时使用公有云和私有云，优势是兼顾安全与弹性、成本可控、业务连续性；缺点是集成复杂、成本管理复杂、安全风险（跨云传输） -- 公有云适合：可预测计算需求、开发测试环境、应对峰值负载的额外资源 -- 私有云适合：高度监管行业（金融/政府）、敏感数据、需强控制的大型企业 -- 混合云适合：多垂直领域服务、需在不同安全/性能/成本间平衡的工作负载 -- 云责任是共享模型：无论哪种云环境，组织仍需对访问控制、安全加密、灾难恢复规划负责 -- 平衡是云架构的核心驱动力：随业务发展需持续调整云策略 +- 公有云采用共享基础设施模式，通过互联网交付给多个用户，具有高弹性、低成本和快速部署的特点 +- 私有云专属于单一组织，可通过内部部署或第三方托管，提供更高安全性和控制力，但成本较高 +- 混合云结合公有云和私有云，允许根据安全、性能、成本和效率需求在工作负载间灵活分配 +- 无论选择哪种云模式，客户仍需对访问权限、云安全和灾难恢复承担最终责任 + +## Key Quotes +> "The hybrid cloud is a computing environment that uses both the public and private cloud models, sharing data and apps between the two to take advantage of the benefits that each provides." — 混合云定义 +> "It is important to know that no matter which cloud environment you work in, your problems don't go away... your organization maintains responsibility for who has access to what, cloud security and encryption, and disaster recovery planning." — 共享责任模型 ## Key Concepts -- [[公有云]]：多租户环境，按需弹性扩展，Pay-as-you-go 定价 -- [[私有云]]：单一组织专用，高安全高控制，TCO 相对较高 -- [[混合云]]：公有云+私有云组合，策略驱动的工作负载分配 -- [[多云策略]]：同构（单一厂商）或异构（多厂商）的跨云部署 -- [[SLA]]：Service Level Agreement，服务可用性和性能保证协议 -- [[TCO]]：Total Cost of Ownership，总拥有成本 -- [[CapEx vs OpEx]]：资本支出转为运营支出，云计算的核心财务优势 -- [[共享责任模型]]：云厂商负责基础设施灵活性，组织负责安全与访问控制 +- [[公有云 (Public Cloud)]]：通过互联网共享交付的云计算模式 +- [[私有云 (Private Cloud)]]：专属于单一组织的云计算部署模式 +- [[混合云 (Hybrid Cloud)]]：结合公有云和私有云的混合部署环境 +- [[云计算 (Cloud Computing)]]：通过互联网远程访问计算资源的服务模式 +- [[共享责任模型 (Shared Responsibility Model)]]：云服务商与客户共同承担安全和管理责任的框架 +- [[TCO (Total Cost of Ownership)]]：总体拥有成本，用于评估云方案长期成本效益 ## Key Entities -- [[AWS]]：公有云领导者，提供最广泛的 IaaS/PaaS 服务 -- [[Azure]]：Microsoft 公有云，与企业 Microsoft 生态深度集成 -- [[GCP]]：Google 公有云，以 Kubernetes 和数据/AI 能力见长 +- [[BMC]]：云计算方案提供商，文章来源于 BMC 博客 ## Connections -- [[公有云]] ← 组成 [[混合云]] 的弹性资源层 -- [[私有云]] ← 组成 [[混合云]] 的安全合规层 -- [[混合云]] ← 是 [[多云策略]] 的一种实现形式 -- [[多云策略]] ← 与 [[混合云]] 经常重叠但不一定同时存在 -- [[CapEx vs OpEx]] ← 是组织选择云迁移的核心财务驱动力 +- [[IaaS]] ← extends ← [[云计算 (Cloud Computing)]]：IaaS 是云计算的三种服务模式之一 +- [[PaaS]] ← extends ← [[云计算 (Cloud Computing)]]：PaaS 是云计算的三种服务模式之一 +- [[SaaS]] ← extends ← [[云计算 (Cloud Computing)]]：SaaS 是云计算的三种服务模式之一 +- [[混合云 (Hybrid Cloud)]] ← combines ← [[公有云 (Public Cloud)]]：混合云包含公有云组件 +- [[混合云 (Hybrid Cloud)]] ← combines ← [[私有云 (Private Cloud)]]：混合云包含私有云组件 +- [[云安全 (Cloud Security)]] ← related_to ← 三种云模式：安全性是选择云模式的关键考量 ## Contradictions -- 与"纯云优先"观点对比：有人认为应将所有工作负载迁移到公有云 - - 当前观点：应根据工作负载特征选择混合策略，高安全需求保留私有云 - - 对方观点：公有云规模效应使成本始终优于私有云 +- （暂无检测到与现有页面的冲突） + +## 公有云 vs 私有云 vs 混合云对比表 + +| 特性 | 公有云 | 私有云 | 混合云 | +|------|--------|--------|--------| +| 成本 | 低（无前期投资） | 高（专用资源） | 中等（按需分配） | +| 安全性 | 低至中 | 高 | 中至高 | +| 可扩展性 | 高 | 中至高 | 高 | +| 控制力 | 低 | 高 | 中 | +| 合规性 | 中 | 高 | 高 | +| 典型用例 | 开发测试、弹性需求 | 敏感数据、高合规要求 | 多元化业务需求 | diff --git a/wiki/sources/RAG从入门到精通系列1-基础RAG.md b/wiki/sources/RAG从入门到精通系列1-基础RAG.md deleted file mode 100644 index 93efbf54..00000000 --- a/wiki/sources/RAG从入门到精通系列1-基础RAG.md +++ /dev/null @@ -1,57 +0,0 @@ -# RAG从入门到精通系列1：基础RAG - -## Metadata - -- **Date**: 2025-12-18 -- **Source**: https://mp.weixin.qq.com/s/TlFNOw7_3Q8qywKLpVUmfg -- **Category**: AI / RAG - -## Key Insights - -- RAG (Retrieval Augmented Generation) connects LLM with external data sources for more relevant, up-to-date responses -- Basic RAG consists of three stages: Indexing (document processing), Retrieval (finding relevant docs), and Generation (LLM answer synthesis) -- Documents must be split into chunks (Splits) to fit within embedding models' limited Context Window (512-8192 tokens) -- Embedding models convert text into numerical Embedding Vectors for similarity comparison using methods like cosine similarity -- Vector databases like Qdrant store embedding vectors and enable efficient similarity search -- LangChain and LlamaIndex are frameworks that simplify RAG pipeline construction -- LangSmith helps monitor and debug RAG pipelines in production - -## Summary - -RAG (Retrieval Augmented Generation) is a method for connecting Large Language Models with external data sources, allowing them to generate responses based on private or up-to-date data. The basic RAG workflow consists of three stages: Indexing, Retrieval, and Generation. - -In the Indexing stage, external documents are loaded using document loaders (like those in LangChain), split into smaller chunks that fit within embedding models' context windows, and converted into embedding vectors stored in a vector database like Qdrant. - -During Retrieval, a user's question is converted into an embedding vector, and similar vectors are searched from the vector store using similarity measures like cosine similarity to find the k most relevant document chunks. - -In the Generation stage, the original question and retrieved context chunks are combined into a prompt template and fed to an LLM (like Qwen) to generate a grounded, accurate response with citation to source material. - -## Key Entities - -- **LLM (Large Language Model)**: Powerful AI model that generates text; doesn't always have access to task-relevant or latest data -- **RAG (Retrieval Augmented Generation)**: Framework connecting LLM with external data sources for grounded generation -- **Qwen**: LLM model referenced in the tutorial for RAG implementation -- **BAAI**: Embedding model series for creating embedding vectors (e.g., BAAI/bge series) -- **Qdrant**: Open-source vector database written in Rust for storing and searching embedding vectors -- **LangChain**: Framework providing 160+ document loaders and components for building LLM applications -- **LlamaIndex**: Framework for building LLM applications with data connectors (mentioned alongside LangChain) -- **LangSmith**: Platform for monitoring, debugging, and evaluating production LLM applications -- **Vector Store**: Database system for storing embedding vectors with similarity search capabilities -- **Retriever**: Component that loads external documents and filters chunks relevant to a question - -## Key Concepts - -- **Indexing**: Process of loading external documents, splitting them into chunks, and storing their embedding vectors in a vector database -- **Retrieval**: Process of converting a question to an embedding vector and finding k most similar document chunks from vector store -- **Generation**: Process of combining question and retrieved context into a prompt and generating answer via LLM -- **Embedding Vector**: Fixed-length numerical representation of text that captures semantic meaning, generated by embedding models -- **Context Window**: Maximum token limit an embedding model can process (typically 512-8192 tokens) -- **Token**: Basic unit for representing text in models; ~1 Chinese character or 3-4 English letters per token -- **Cosine Similarity**: Method measuring similarity between vectors using cosine of angle between them -- **Chunking/Splitting**: Breaking documents into smaller pieces to fit within embedding model context windows -- **Chain**: Linking retrieval and generation components into a unified pipeline (e.g., LangChain's Chain abstraction) - -## Related Sources - -- [Qdrant：使用Rust编写的开源向量数据库&向量搜索引擎](https://mp.weixin.qq.com/s?__biz=MzI2ODUyMTQyNA==&mid=2247493427&idx=1&sn=75181307c395cd1d51ccfaafac340866&scene=21#wechat_redirect) -- [GitHub: RAG Tutorial](https://github.com/realyinchen/RAG/blob/main/01_Indexing_Retrieval_Generation.ipynb) diff --git a/wiki/sources/RAG从入门到精通系列1基础RAG.md b/wiki/sources/RAG从入门到精通系列1基础RAG.md deleted file mode 100644 index e247ac7a..00000000 --- a/wiki/sources/RAG从入门到精通系列1基础RAG.md +++ /dev/null @@ -1,62 +0,0 @@ ---- -title: "RAG从入门到精通系列1：基础RAG" -type: source -tags: [RAG, 向量检索, LLM应用] -date: 2025-01-16 ---- - -## Source File -- [[raw/未分类/RAG从入门到精通系列1：基础RAG.md]] - -## Summary -- 核心主题：RAG（检索增强生成）三阶段管道的完整技术栈与实操流程 -- 问题域：LLM 自身知识有限、存在幻觉、无法访问最新信息的问题 -- 方法/机制：Indexing（文档→向量）→ Retrieval（查询→Top-K相关块）→ Generation（上下文→答案） -- 结论/价值：RAG 将外部知识注入 LLM 上下文，考试正确率从 60% 提升至 90%，是 LLM 落地生产的标配架构 - -## Key Claims -- RAG 三阶段管道（Indexing→Retrieval→Generation）是 LLM 应用的事实标准架构 -- Indexing 阶段核心：文档加载 → 文本分块（512~8192 token Context Window 限制）→ BAAI Embedding 向量化 → 存入 Qdrant 向量数据库 -- Retrieval 阶段核心：根据 Query 向量在 Vector Store 中按余弦相似度检索 Top-K 相关文档块 -- Generation 阶段核心：Query + Top-K Context → PromptTemplate → LLM 生成答案 -- Embedding Model（嵌入模型，BAAI 系列）将文本转为固定长度向量，是语义检索的基础 -- 技术栈：Qwen（LLM）+ BAAI（Embedding）+ LangChain（编排）+ Qdrant（向量存储） -- LangSmith 是监控 RAG Pipeline 各环节（Latency/Token/Trace）的可视化调试工具 - -## Key Quotes -> "RAG 通过检索外部知识解决 LLM 幻觉，考试正确率从 60% 提升至 90%" - -## Key Concepts -- [[RAG]]：检索增强生成，通过外部知识检索增强 LLM 回答质量 -- [[向量检索]]：基于向量相似度（余弦相似度）在向量数据库中检索相关文档块 -- [[文档分块]]：将长文档切分为适合 LLM Context Window 的小块（512~8192 token） -- [[嵌入向量]]：文本通过 Embedding Model 转为固定长度浮点数向量 -- [[提示词模板]]：将 Query + Context 组装为 LLM 可处理的格式化提示词 - -## Key Entities -- [[Qwen]]：通义千问大模型，RAG Pipeline 中的 LLM 组件 -- [[BAAI]]：北京智源人工智能研究院，开源 Embedding 模型（BAAI/bge） -- [[Qdrant]]：Rust 编写的开源向量数据库，RAG 的存储层 -- [[LangChain]]：LLM 应用开发框架，RAG Pipeline 编排 -- [[LangSmith]]：LLM 应用监控调试平台，可视化 RAG 各环节 Latency 和 Trace -- [[PyTorch研习社]]：微信公众号来源 - -## Connections -- [[RAG]] ← 包含 ← [[向量检索]] + [[嵌入向量]] + [[提示词模板]] -- [[RAG]] ← 使用 ← [[Qdrant]]（向量存储） -- [[RAG]] ← 使用 ← [[BAAI]]（Embedding） -- [[RAG]] ← 使用 ← [[Qwen]]（LLM） -- [[RAG]] ← 编排工具 ← [[LangChain]] -- [[向量检索]] ← related ← [[语义搜索]]（同一技术栈的不同表述） -- [[RAG]] ← extends ← [[LLM Wiki]]（RAG 是 LLM Wiki 的底层检索技术） -- [[LangSmith]] ← 监控 ← [[RAG]] Pipeline - -## Contradictions -- 与 [[LLM Wiki]] 相比： - - 冲突点：RAG 每次从零检索（无记忆），LLM Wiki 持久化积累 - - 当前观点：Wiki 适合长期知识积累，RAG 适合动态文档检索 - - 对方观点：RAG 适合最新信息（搜索），Wiki 适合沉淀经验（记忆） -- 与 [[Dataview]] 相比： - - 冲突点：Dataview 基于结构化字段查询，RAG 基于向量语义检索 - - 当前观点：Dataview 适合元数据明确的笔记查询 - - 对方观点：RAG 适合自然语言模糊查询，两者互补 diff --git a/wiki/sources/RAG从入门到精通系列1：基础RAG.md b/wiki/sources/RAG从入门到精通系列1：基础RAG.md deleted file mode 100644 index a5e00ef2..00000000 --- a/wiki/sources/RAG从入门到精通系列1：基础RAG.md +++ /dev/null @@ -1,49 +0,0 @@ ---- -title: "RAG从入门到精通系列1：基础RAG" -type: source -tags: [rag, llm, retrieval-augmented-generation, 向量数据库] -sources: ["https://mp.weixin.qq.com/s/TlFNOw7_3Q8qywKLpVUmfg"] -last_updated: 2026-04-15 ---- - -## Source File -- raw/AI/RAG从入门到精通系列1：基础RAG.md - -## Summary -- 核心主题：基础 RAG（检索增强生成）的技术原理与工程实践 -- 问题域：如何让 LLM 使用外部私有数据或最新数据 -- 方法/机制：Indexing（文档加载→切分→向量化→存入向量库）→ Retrieval（问题向量化→相似度检索）→ Generation（问题+知识片段→PromptTemplate→LLM生成） -- 结论/价值：RAG 是连接 LLM 与外部数据源的通用方法，LangChain/LlamaIndex 等框架可简化管道构建 - -## Key Claims -- LLM 本身不具备特定任务相关的私有数据或最新数据 -- RAG 通过 Indexing-Retrieval-Generation 三阶段将外部数据连接到 LLM -- Embedding Model 的 Context Window 有限（512~8192 token），需将文档切分成 Split -- Vector Store 实现各种 Embedding Vector 相似度比较方法 -- LangChain/LlamaIndex 框架可简化检索与生成链路的串联 - -## Key Concepts -- [[RAG]]：检索增强生成，连接 LLM 与外部数据源的方法 -- [[Embedding]]：将文本转为固定长度数值向量，捕获语义信息 -- [[向量数据库]]：存储 Embedding Vector，实现相似度检索 -- [[Indexing]]：文档加载、文本切分、向量化、存入向量库的过程 -- [[Retrieval]]：根据问题语义向量检索相似知识片段 -- [[Generation]]：将问题+知识片段输入 LLM 生成答案 -- [[LangChain]]：LLM 应用开发框架，支持 RAG 管道构建 -- [[Token]]：模型处理文本的基本单位，英文3-4字母/中文1汉字 ≈ 1 token -- [[Context Window]]：Embedding Model 能接受的最大 token 数，通常512~8192 -- [[Split/文档块]]：切分后的文档片段，满足 Embedding Model 长度限制 - -## Key Entities -- [[LangChain]]：LLM 应用开发框架 -- [[Qdrant]]：Rust 编写的开源向量数据库 -- [[BAAI]]：开源 Embedding Model 提供方（如 BGE 系列） - -## Connections -- [[RAG]] ← 核心概念 ← [[LLM]] -- [[Embedding]] ← 核心技术 ← [[RAG]] -- [[向量数据库]] ← 存储层 ← [[RAG]] -- [[Indexing]] ← 第一阶段 ← [[RAG]] -- [[Retrieval]] ← 第二阶段 ← [[RAG]] -- [[Generation]] ← 第三阶段 ← [[RAG]] -- [[LLM]] ← 生成层 ← [[RAG]] diff --git a/wiki/sources/RTO-vs-RPO-Key-Differences-for-Modern-Disaster-Recovery.md b/wiki/sources/RTO-vs-RPO-Key-Differences-for-Modern-Disaster-Recovery.md index 8e3805e6..28d53646 100644 --- a/wiki/sources/RTO-vs-RPO-Key-Differences-for-Modern-Disaster-Recovery.md +++ b/wiki/sources/RTO-vs-RPO-Key-Differences-for-Modern-Disaster-Recovery.md @@ -1,51 +1,52 @@ --- title: "RTO vs RPO: Key Differences for Modern Disaster Recovery" type: source -tags: [DevOps, 灾难恢复, SRE] -date: 2025-07-26 +tags: [灾难恢复, 业务连续性, 持续交付, 特性管理] +sources: ["https://launchdarkly.com/blog/rto-vs-rpo/"] +last_updated: 2025-07-26 --- ## Source File - [[raw/Cloud & DevOps/RTO vs RPO Key Differences for Modern Disaster Recovery.md]] ## Summary -- 核心主题：RTO（恢复时间目标）与 RPO（恢复点目标）在现代持续交付中的差异与应用 -- 问题域：传统灾难恢复规划与现代高频部署场景之间的错配 -- 方法/机制：基于业务影响的三级分层体系、Feature Flag 即时回滚、渐进式发布 -- 结论/价值：Feature Flag 将 RTO 从小时级降至秒级，是现代软件交付的 RPO/RTO 保险策略 +- 核心主题：RTO（恢复时间目标）与 RPO（恢复点目标）的定义、区别及在现代持续交付中的应用 +- 问题域：灾难恢复规划、发布风险管控 +- 方法/机制：通过 Feature Flag 实现秒级 RTO 和低 RPO +- 结论/价值：预防优于恢复，Feature Flag 将部署事故从灾难转为非事件 ## Key Claims -- RTO 衡量系统从故障到恢复的速度，RPO 衡量可接受的数据丢失量（从故障时刻往前计算） -- 传统灾难恢复聚焦"稀有大事"（火灾/硬件故障），现代 DevOps 最大风险是代码变更引入的缺陷 -- Feature Flag 将部署（deploy）与发布（release）解耦，实现秒级 RTO -- RTO 和 RPO 必须同时优化：快速恢复但大量数据丢失，或缓慢恢复但零数据丢失，都是不完整的策略 -- 三级分层系统：Tier 1 关键系统（RTO<5分钟，RPO<1分钟）、Tier 2 重要系统（<1小时，<15分钟）、Tier 3 可选系统（<4小时，<1小时） -- 渐进式发布（1%→5%→25%→100%）将影响范围控制在局部，将 RTO 从小时降至秒级 -- 成本收益原则：不要为防止 $10K/小时停机损失而花 $100K/年基础设施 -- HP 将回滚时间从小时级降至分钟级；Dior 将 15 分钟回滚降至即时开关 +- RTO 衡量系统恢复速度：允许的最大停机时间 +- RPO 衡量数据保护：可接受的最大数据丢失量 +- 传统灾备聚焦硬件故障，现代风险更多来自代码变更 +- Feature Flag 将 RTO 从小时级降至秒级，同时保护 RPO +- 应用分层策略：Critical（<5分钟 RTO，<1分钟 RPO）、Important（<1小时 RTO，<15分钟 RPO）、Nice-to-have（<4小时 RTO，<1小时 RPO） + +## Key Quotes +> "Deploy != Release. Feature flags change this. You can deploy code to production without releasing it to users." — 部署与发布分离的核心价值 + +> "The best approach is to build both into your deployment process. Feature flags enable you to resolve issues in seconds (a great RTO) while preserving user state and data integrity (a great RPO)." — Feature Flag 双重优势 + +> "Prevention beats cure. Your RPO stays low because you're not losing data during rollbacks. Your RTO drops to seconds because fixing issues becomes a configuration change, not a code deployment." — 预防优于恢复 ## Key Concepts -- [[RTO]]：Recovery Time Objective，系统可容忍的最大停机时间 -- [[RPO]]：Recovery Point Objective，可接受的最大数据丢失量（从故障时刻往前回溯） -- [[Feature Flag]]：将代码部署与用户可见性解耦，支持即时回滚和渐进式发布 -- [[Kill Switch]]：Feature Flag 的紧急关闭能力，RTO 保险策略 -- [[渐进式发布]]：分阶段（1%→5%→25%→100%）控制影响范围 -- [[Blameless Post-Mortem]]：无责复盘，从失败中提取改进而不追责 -- [[连续数据保护]]（CDP）：持续备份而非定时快照，实现更小 RPO +- [[RTO (Recovery Time Objective)]]：系统允许的最大停机时间 +- [[RPO (Recovery Point Objective)]]：可接受的最大数据丢失量 +- [[Feature Flag]]：特性开关，控制代码路径而不需要重新部署 +- [[Kill Switch]]：紧急关闭机制，用于快速回滚问题功能 +- [[渐进式发布]]：分阶段向用户群 rollout，减少影响范围 ## Key Entities -- [[LaunchDarkly]]：Feature Flag 管理平台，86% 客户可在一天内从事故恢复 -- [[HP]]：通过 LaunchDarkly 将回滚时间从小时级降至分钟级 -- [[Christian Dior]]：通过 LaunchDarkly 将 15 分钟回滚降至即时开关 +- [[LaunchDarkly]]：Feature Flag 管理平台 +- [[HP]]：通过 Feature Flag 将回滚时间从小时降至分钟 +- [[Christian Dior]]：通过 Feature Flag 将回滚时间从15分钟降至即时切换 ## Connections -- [[RTO]] ← 必须与 [[RPO]] 协同优化，不可偏废其一 -- [[Feature Flag]] ← 改变 [[灾难恢复]] 范式：从部署回滚变为配置变更 -- [[Kill Switch]] ← 是 [[Feature Flag]] 的紧急应用场景 -- [[灾难恢复]] ← 已从基础设施层延伸到应用代码层（Feature Flag 角色） -- [[渐进式发布]] ← 是 [[RTO]] 控制的核心工程实践 +- [[RTO (Recovery Time Objective)]] ← 核心指标 ← [[持续交付]] +- [[RPO (Recovery Point Objective)]] ← 核心指标 ← [[持续交付]] +- [[Feature Flag]] ← 实现工具 ← [[RTO (Recovery Time Objective)]] +- [[Feature Flag]] ← 实现工具 ← [[RPO (Recovery Point Objective)]] +- [[持续交付]] ← 适用场景 ← [[RTO (Recovery Time Objective)]], [[RPO (Recovery Point Objective)]] ## Contradictions -- 与传统灾难恢复观点对比：传统认为"回滚 = 重新部署代码"，本文认为"回滚 = 改变 Feature Flag 配置" - - 当前观点：Feature Flag 实现秒级 RTO，无需重新部署 - - 对方观点：代码变更仍需要完整回滚机制作为最后手段 +- （暂无） diff --git a/wiki/sources/Scrapy-Playwright-抓取TikTok-Shop-Data.md b/wiki/sources/Scrapy-Playwright-抓取TikTok-Shop-Data.md deleted file mode 100644 index e3ca29cb..00000000 --- a/wiki/sources/Scrapy-Playwright-抓取TikTok-Shop-Data.md +++ /dev/null @@ -1,40 +0,0 @@ ---- -title: "Scrapy + Playwright 抓取 TikTok Shop Data" -type: source -tags: [scrapy, playwright, tiktok, data-collection, python] -date: 2025-09-29 ---- - -## Source File -- [[raw/跨境电商/Scrapy + Playwright 抓取TikTok Shop Data.md]] - -## Summary -- 核心主题：使用 Scrapy + Scrapy-Playwright 抓取 TikTok Shop 店铺数据 -- 问题域：TikTok Shop 页面为动态渲染，传统 HTTP 请求无法获取数据 -- 方法/机制：Python venv 虚拟环境隔离依赖；scrapy-playwright 驱动 Chromium 渲染动态内容；`scrapy runspider` CLI 运行爬虫 -- 结论/价值：提供 Docker 容器化部署配置（venv + PATH 环境变量）；Playwright Chromium 替代 requests + Selenium 组合 - -## Key Claims -- Python venv 虚拟环境是管理 Scrapy/Playwright 依赖的最佳实践，避免全局环境污染 -- `scrapy-playwright` 集成包将 Playwright 无头浏览器注册为 Scrapy 下载器中间件 -- `playwright install chromium` 安装无头 Chromium，支持 JavaScript 渲染 -- Docker 容器部署需在 Dockerfile 中预先配置 venv 并设置 PATH - -## Key Concepts -- [[Scrapy]]：Python 开源爬虫框架，异步结构化抓取，支持 Item Pipeline -- [[Playwright]]：Microsoft 浏览器自动化工具，支持 Chromium/Firefox/WebKit -- [[电商数据采集]]：TikTok Shop 数据采集的技术栈 - -## Key Entities -- [[TikTok Shop]]：字节跳动旗下电商平台，数据采集目标 - -## Connections -- [[Scrapy]] ← 中间件整合 ← [[Playwright]] -- [[Scrapy]] → 输出结构化数据 → [[电商数据采集]] - -## Contradictions -- 无 - -## Metadata -- 来源：个人实践笔记 -- 标签：scrapy、playwright、tiktok diff --git a/wiki/sources/Self-Healing-Home-Server.md b/wiki/sources/Self-Healing-Home-Server.md deleted file mode 100644 index 0a20481c..00000000 --- a/wiki/sources/Self-Healing-Home-Server.md +++ /dev/null @@ -1,48 +0,0 @@ ---- -title: "Self-Healing Home Server & Infrastructure Management" -type: source -tags: [self-healing, infrastructure, openclaw, home-lab] -date: 2026-04-16 ---- - -## Source File -- [[raw/Agent/usecases/self-healing-home-server.md]] - -## Summary -- 核心主题：OpenClaw 作为家庭基础设施的自主运维 Agent（代号 Reef），实现 24/7 无人值守管理 -- 问题域：家庭服务器需 24 小时待命、证书过期、磁盘满、服务崩溃、凌晨故障需人工 SSH 处理 -- 方法/机制：SSH 访问内网机器 + 定时 Cron 任务 + 1Password 密钥管理 + K8s/kubectl + Terraform/Ansible；多层安全防护（TruffleHog 预推送钩子 + 本地 Gitea + CI 扫描） -- 结论/价值：Agent 可在用户察觉前检测、诊断并修复问题；每日晨报自动汇总系统状态、日历、天气、任务看板 - -## Key Claims -- AI 会硬编码密钥（最大安全风险），必须强制预推送钩子 + 密钥扫描 -- 本地优先 Git 策略：必须通过私有 Gitea 暂存 + CI 扫描后才可推送公开仓库 -- Cron 任务是真正的产品：定时健康检查、邮件分类、晨报比临时命令更有日常价值 -- 知识提取随时间复利：5,000+ 条笔记的用户从中提取了 49,079 条原子事实 - -## Key Quotes -> "AI assistants will happily hardcode secrets. They sometimes don't have the same instincts humans do." - -> "Cron jobs are the real product." - -## Key Concepts -- [[自愈基础设施]]：健康检查 + 自动诊断 + 自主修复（重启 Pod/扩展资源/修复配置） -- [[基础设施即代码]]：Terraform（基础设施定义）+ Ansible（配置管理）+ Kubernetes 清单 -- [[多因素安全防护]]：TruffleHog 预推送钩子 + 本地 Gitea + CI 扫描 + 分支保护 + 最小权限 -- [[定时晨报]]：每日 8:00 自动生成天气/日历/系统状态/任务看板摘要 -- [[邮件分类]]：Gmail 自动标签标注、归档噪音、标注待处理项 - -## Key Entities -- [[Nathan-Reef]]：OpenClaw Showcase 用户，Home Server Agent "Reef" 的作者，5,000+ Obsidian 笔记，15 个活跃 Cron 任务 -- [[TruffleHog]]：Git 预推送密钥扫描工具，检测代码/配置中的硬编码密钥 -- [[K3s]]：轻量级 Kubernetes，用于家庭集群管理 -- [[Gitea]]：自托管 Git 服务，家庭实验室私有代码暂存区 - -## Connections -- [[OpenClaw]] ← 平台 ← [[Self-Healing-Home-Server]] -- [[Autonomous-Project-Management]] ← 类似自主性 ← [[Self-Healing-Home-Server]] -- [[Autonomous-Educational-Game-Development-Pipeline]] ← 共享 Bugs-First 模式 ← [[Self-Healing-Home-Server]] -- [[1Password]] ← 密钥管理 ← [[Self-Healing-Home-Server]] -- [[Prometheus]] ← 健康监控 ← [[Self-Healing-Home-Server]] - -## Contradictions diff --git a/wiki/sources/Semantic-Memory-Search.md b/wiki/sources/Semantic-Memory-Search.md deleted file mode 100644 index f8656e03..00000000 --- a/wiki/sources/Semantic-Memory-Search.md +++ /dev/null @@ -1,44 +0,0 @@ ---- -title: "Semantic Memory Search" -type: source -tags: [openclaw, memory, vector-search, milvus] -date: 2026-04-16 ---- - -## Source File -- [[raw/Agent/usecases/semantic-memory-search.md]] - -## Summary -- 核心主题：为 OpenClaw Markdown 记忆文件叠加向量语义搜索能力 -- 问题域：OpenClaw 记忆以纯 Markdown 存储，缺乏语义搜索；grep 只能关键字匹配，无法语义匹配 -- 方法/机制：memsearch（基于 Milvus）提供混合搜索（dense vectors + BM25 + RRF reranking）；SHA-256 内容哈希实现增量索引；支持本地化（无需 API key） -- 结论/价值：用自然语言提问即可找到相关记忆，无需精确关键词；Markdown 始终为唯一真相源 - -## Key Claims -- 混合搜索（语义相似度 + BM25 关键词 + RRF 融合）优于纯向量搜索 -- SHA-256 内容哈希保证只对新增或变更内容重新 Embedding，零浪费 -- 文件监视器自动增量索引，索引始终保持最新 -- 支持任意 Embedding 提供商（OpenAI/Google/Voyager/Ollama/本地） -- Markdown 为唯一真相源，向量索引仅为衍生缓存，可随时重建 - -## Key Quotes -> "Your markdown files are never modified. The vector index is just a derived cache — you can rebuild it anytime with memsearch index." - -## Key Concepts -- [[语义搜索]]：通过向量表示理解语义而非字面匹配，实现"按意思查找" -- [[混合搜索]]：Dense vector（语义）+ BM25（关键词）+ RRF（Reciprocal Rank Fusion 融合）三层检索 -- [[增量索引]]：基于内容哈希（SHA-256）仅对变化文件重新 Embedding -- [[向量数据库]]：Milvus，开源分布式向量数据库，memsearch 后端 - -## Key Entities -- [[memsearch]]：Zilliz 开源 Python CLI/库，为 OpenClaw 记忆提供语义搜索能力 -- [[Milvus]]：memsearch 使用的向量数据库后端 -- [[OpenClaw]]：记忆文件来源，Markdown 为源，memsearch 在其上构建搜索层 - -## Connections -- [[Personal-Knowledge-Base-RAG]] ← 类似架构 ← [[Semantic-Memory-Search]]（均叠加向量搜索层） -- [[QMD]] ← 替代方案 ← [[Semantic-Memory-Search]]（均为 Markdown 提供搜索能力，但 QMD 为 BM25，memsearch 为向量语义） -- [[Memory-in-AI-Agent]] ← 相关 ← [[Semantic-Memory-Search]] - -## Contradictions -- 与 [[QMD]]：QMD 是 BM25 关键词搜索，memsearch 是向量语义搜索；两者可互补而非互斥 diff --git a/wiki/sources/Synology NAS + Xiaoya Alist + CloudDrive2 + Plex to Build Media Platform.md b/wiki/sources/Synology NAS + Xiaoya Alist + CloudDrive2 + Plex to Build Media Platform.md deleted file mode 100644 index dd1cf58e..00000000 --- a/wiki/sources/Synology NAS + Xiaoya Alist + CloudDrive2 + Plex to Build Media Platform.md +++ /dev/null @@ -1,85 +0,0 @@ ---- -title: "Synology NAS + Xiaoya Alist + CloudDrive2 + Plex to Build Media Platform" -type: source -tags: [synology, nas, plex, alist, media, self-hosted] -date: 2025-02-23 ---- - -## Source File -- [[raw/Home Office/Synology NAS + Xiaoya Alist + CloudDrvie2+ Plex to Build Media Platform.md]] - -## Summary -- 核心主题：利用群晖 NAS 整合阿里云盘资源，构建以 Plex 为前端的私有影视媒体平台 -- 问题域：如何绕过 NAS 容器管理器的网络限制安装 Docker 应用，并整合云盘资源与本地媒体库 -- 方法/机制：Plex 安装套件提供媒体管理；Xiaoya Alist（Docker）挂载阿里云盘分享资源；CloudDrive2（套件）将阿里云盘挂载为本地文件系统；Plex 扫描目录进行视频刮削 -- 结论/价值：完整记录了 Synology DSM 7+ 上通过 Docker 手动加载镜像安装应用、配置阿里云盘 token、并整合 Plex 媒体库的端到端流程 - -## Key Claims -- 群晖套件中心可直接安装 Plex Media Server，安装后用 Apple ID 登录 -- Synology Container Manager 无法读取 Docker Hub 时，可通过另一台机器 docker pull 镜像 → docker save tar → 上传 NAS → docker load 导入 -- Docker 镜像导入需要 NAS 开启 SSH 访问（控制面板 → 终端机） -- Xiaoya Alist 需要三个配置文件：myopentoken.txt（阿里云盘 refresh token）、mytoken.txt（Alist 访问 token）、temp_transfer_folder_id.txt（转存目标目录） -- Aliyun refresh token 获取需访问 alist.nn.ci/tool/aliyundrive/request.html 并用阿里云盘 App 扫码授权 -- CloudDrive2 通过群晖套件中心社群频道安装，安装后需执行 sudo sed -i 's/package/root/g' /var/packages/CloudDrive2/conf/privilege 提权 -- CloudDrive2 挂载阿里云盘时仅授权资源目录，不授权备份目录 -- Plex 媒体库策略：通过 Xiaoya 选择资源 → 移动到 aliyun-movie/aliyun-tvshows 等目录 → Plex 自动刮削显示 -- 阿里云盘挂载后，xiaoya 和 CloudDrive2 共用同一阿里云盘账号数据 - -## Key Quotes -> "用阿里云盘app扫描二维码，并授权，请主要，不要授权备份目录，仅资源目录即可" — CloudDrive2 安全配置要点 -> "目前我的Plex账号是用Apple ID: ishenwei@hotmail.com来进行登录的" — Plex 账号信息 - -## Key Concepts -- [[媒体刮削]]：Plex 通过文件名/目录名匹配在线数据库（TheMovieDB/TVDB）自动获取影视元数据（海报、简介、评分） -- [[Docker镜像导入]]：通过 docker save/docker load 在离线环境中迁移 Docker 镜像 -- [[阿里云盘挂载]]：通过 CloudDrive2 将阿里云盘远程挂载为本地文件系统，文件可被本地应用直接访问 -- [[资源聚合]]：Xiaoya Alist 整合多个公开分享资源，Plex 统一管理本地+云端媒体库 -- [[NAS Docker权限]]：Synology DSM 7+ 要求对第三方包执行 privilege 修复才可完整访问系统资源 - -## Key Entities -- [[Plex]]：跨平台媒体服务器，支持视频音频转码、元数据刮削、多设备同步 -- [[Xiaoya Alist]]：阿里云盘资源聚合平台，支持分享链接转存到阿里云盘 -- [[CloudDrive2]]：群晖 NAS 套件，将云盘（阿里云盘/115/Google Drive等）挂载为本地文件系统 -- [[Synology NAS]]：群晖网络附加存储设备，提供 Docker（Container Manager）和套件中心两大应用平台 -- [[阿里云盘]]：阿里巴巴云存储服务，支持资源分享和 API 访问 - -## Connections -- [[Plex]] ← 媒体库目录 ← [[CloudDrive2]]（阿里云盘挂载目录） -- [[Plex]] ← 媒体库目录 ← NAS 本地存储目录 -- [[Xiaoya Alist]] ← 转存 ← [[阿里云盘]] -- [[CloudDrive2]] ← 挂载 ← [[阿里云盘]] -- [[Synology NAS]] ← 容器平台 ← [[Xiaoya Alist]]（Docker 部署） -- [[Synology NAS]] ← 套件 ← [[CloudDrive2]] + [[Plex]] - -## Contradictions -- 无明显冲突 - -## 操作流程摘要 - -### 1. Plex 安装 -群晖套件中心 → 搜索 Plex Media Server → 安装 → 用 Apple ID（ishenwei@hotmail.com）登录 - -### 2. Xiaoya Alist 安装（离线镜像导入法） -```bash -# 在有网络的机器上 -docker pull xiaoyaliu/alist -docker save -o xiaoya.tar xiaoyaliu/alist - -# 上传 xiaoya.tar 到 NAS，通过 SSH 执行 -docker load < xiaoya.tar -``` - -### 3. Xiaoya 配置文件准备 -- myopentoken.txt：访问 https://alist.nn.ci/tool/aliyundrive/request.html 扫码获取 -- mytoken.txt：访问阿里云盘分享授权页面获取 -- temp_transfer_folder_id.txt：在阿里云盘资源盘创建目录，将 URL 中的 folder token 写入 - -### 4. CloudDrive2 安装（DSM 7+） -- 套件中心 → 设置 → 社群 → 添加矿神源 -- 安装 CloudDrive2 后执行： -```bash -sudo sed -i 's/package/root/g' /var/packages/CloudDrive2/conf/privilege -``` - -### 5. Plex 媒体库配置 -媒体目录结构：aliyun-movie/、aliyun-tvshows/、aliyun-documentory/，由 Xiaoya 转存文件后 Plex 自动刮削 diff --git a/wiki/sources/TK美国面单授权及操作流程.md b/wiki/sources/TK美国面单授权及操作流程.md deleted file mode 100644 index c94621c5..00000000 --- a/wiki/sources/TK美国面单授权及操作流程.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -title: "TK美国面单授权及操作流程" -type: source -tags: [TikTok, 跨境电商, 面单, TK, 授权] -date: 2025-12-19 ---- - -## Source File -- [[raw/跨境电商/TK美国面单授权及操作流程.md]] - -## Summary -- 核心主题：TikTok Shop 美国市场面单授权与操作流程 -- 问题域：跨境电商卖家如何在 TikTok 美国市场获取和使用面单授权 -- 方法/机制：通过 Zipline 图床托管运营截图，展示面单授权操作步骤 -- 结论/价值：面单授权是 TK 美国市场运营的前置流程，需完成资质认证和授权绑定 - -## Key Claims -- TK 美国面单授权需先完成商家资质认证 -- 授权后可在卖家中心生成官方面单用于履约 -- 操作流程涉及多步页面操作（截图记录共 6 张） - -## Key Entities -- [[TikTok Shop]]：TikTok 电商平台 -- [[TK美国]]：TikTok 美国市场，跨境电商重点区域 - -## Connections -- [[TikTok Shop]] ← 市场 ← [[TK美国]] diff --git a/wiki/sources/The-Myths-and-Misconceptions-About-Cloud-Computing-LinkedIn.md b/wiki/sources/The-Myths-and-Misconceptions-About-Cloud-Computing-LinkedIn.md new file mode 100644 index 00000000..d338f326 --- /dev/null +++ b/wiki/sources/The-Myths-and-Misconceptions-About-Cloud-Computing-LinkedIn.md @@ -0,0 +1,50 @@ +--- +title: The Myths and Misconceptions About Cloud Computing | LinkedIn +type: source +tags: [Cloud, DevOps, Cloud-Security, Cloud-Migration] +date: 2001-02-25 +source_file: raw/Cloud & DevOps/The Myths and Misconceptions About Cloud Computing LinkedIn.md +--- + +## Summary +本文 debunk 了云计算领域的7个常见误解：安全性不足仅是他人电脑、成本过高、数据失控、仅适合大企业、迁移复杂风险高、性能不可靠。核心观点是现代云平台在安全、成本效益、可扩展性和可靠性方面已超越传统本地部署，企业各规模均可受益于云技术。 + +## Key Claims +- 云安全通常比本地解决方案更 robust，云提供商投入大量资源于加密、防火墙、多因素认证，并符合 ISO 27001、HIPAA、GDPR 等严苛标准 +- 云不是"他人电脑"，而是拥有冗余、可扩展、高可用性的高级数据中心网络 +- 云计算采用按需付费模式，配合预留实例、自动扩展和无服务器计算，可实现成本优化 +- 云服务提供强大的数据治理工具，组织可管理权限、加密数据、监控访问日志 +- 云计算对中小企业高度可及，提供灵活定价和 enterprise-grade 技术 +- 合理的规划和工具支持可使云迁移平滑过渡，最小化 disruption +- 主要云提供商提供 99.99% 以上 SLA 保证，结合冗余基础设施和自动故障转移确保高可靠性 + +## Key Quotes +> "Cloud providers invest heavily in security measures, including encryption, firewalls, and multi-factor authentication." — 云安全投入说明 +> "Cloud computing follows a pay-as-you-go model, allowing businesses to scale resources as needed." — 按需付费模式说明 +> "Redundant infrastructure, automated failover, and global data center distribution enhance reliability." — 高可用性实现方式 + +## Key Concepts +- [[Cloud-Security]]：云平台安全性，包括加密、多因素认证、合规标准 +- [[Pay-as-you-go]]：按需付费模式，根据实际使用量计费 +- [[Data-Governance]]：数据治理，包括权限管理、访问监控、数据加密 +- [[Cloud-Migration]]：云迁移，将工作负载从本地迁移到云的过程 +- [[High-Availability]]：高可用性，通过冗余和故障转移确保服务持续可用 +- [[Auto-scaling]]：自动扩展，根据负载自动调整计算资源 +- [[Serverless-Computing]]：无服务器计算，无需管理底层基础设施 +- [[Hybrid-Cloud]]：混合云，公有云与私有云组合使用 +- [[Multi-Cloud]]：多云，使用多个云服务商的服务 + +## Key Entities +- [[ISO-27001]]：信息安全管理系统国际标准 +- [[HIPAA]]：美国健康保险便携性和责任法案 +- [[GDPR]]：欧盟通用数据保护条例 + +## Connections +- [[Cloud-Adoption]] ← extends ← [[Cloud-Migration]]：云采纳包含迁移阶段 +- [[Cloud-Security]] ← depends_on ← [[ISO-27001]]：云安全认证依据 +- [[IaaS]] ← extends ← [[Cloud-Native]]：IaaS 是云原生的基础层 +- [[PaaS]] ← extends ← [[Cloud-Native]]：PaaS 是云原生的应用开发平台 +- [[SaaS]] ← extends ← [[Cloud-Native]]：SaaS 是云原生的软件交付模式 + +## Contradictions +- （暂无） diff --git a/wiki/sources/The-Picture-They-Paint-of-You.md b/wiki/sources/The-Picture-They-Paint-of-You.md deleted file mode 100644 index 8360347e..00000000 --- a/wiki/sources/The-Picture-They-Paint-of-You.md +++ /dev/null @@ -1,55 +0,0 @@ ---- -title: "The Picture They Paint of You" -type: source -tags: [ clippings, ai, product-framing ] -date: 2026-04-13 ---- - -## Source File -- raw/AI/The Picture They Paint of You.md - -## Summary -- 核心主题：AI 产品命名与营销框架如何折射职业价值认知 -- 问题域：AI SRE 与编码助手在产品定位上的二元对立 -- 方法/机制：对比分析 14 家 AI SRE 产品和 8 家编码助手产品的命名与话语框架 -- 结论/价值：AI 工具的命名框架揭示了构建者对特定职业的社会认知，且这种认知会被放大并赋予合法性 - -## Key Claims -- AI SRE 产品普遍以"替代者"框架营销，强调消除人工负担、去琐碎化 -- 编码助手产品普遍以"协作者"框架营销，强调增强工程师能力、赋予更多控制权 -- 产品命名差异反映了买卖双方对职业价值的社会认知分裂 -- 泰勒主义软件工厂框架正在取代原本的工程师-自动化伙伴关系 -- 类比既是杠杆，也是束缚；好的工具需要更准确的工作表征 - -## Key Quotes -> "AI SRE 被宣传为确保无人被低效工作分散注意力的有效方法" — 产品营销话语 -> "编码助手被定位为增强工程师的能力，并被赋予了名字" — 产品定位差异 -> "类比既可以成为杠杆，也可能成为束缚" — 核心论点 - -## Key Concepts -- [[AI工具命名框架]]：产品名称与营销话语对职业价值的折射 -- [[Taylorism]]：泰勒制，以效率为中心的科学管理方法，现被类比到软件工程自动化 -- [[剩余原则]]（The Left-over Principle）：角色部分自动化后，剩余工作堆积到更少的人身上 -- [[软件工厂]]（Software Factory）：高层控制器协调大量无面孔代理的模式 - -## Key Entities -- [[Anthropic]]：Claude Code 持有"协作者"框架，强调"Built for builders" -- [[AWS]]：DevOps Agent 定位为"全天候自主值班工程师" -- [[Harness]]：AI SRE 强调"扩展响应能力，而非团队规模" -- [[Ciroos]]：另一款以"帮助"SRE 团队为目标的产品，名称相对人性化 -- [[Cleric]]：少数有名字的 AI SRE 产品，名称源自DnD辅助职业 -- [[Cline]]：编码伙伴定位，"天生协作，获准自主运行" -- [[GitHub Copilot]]：副驾驶命名体现协作角色，"Ship faster with AI that codes with you" -- [[OpenAI Codex]]：定位为更明确的替代角色，"智能编码的指挥中心" - -## Connections -- [[Vibe Coding]] ← 影响 ← [[软件工厂]]框架（均强调高层控制） -- [[AI产品经理]] ← 关联 ← [[AI工具命名框架]]（命名即认知投射） -- [[超级个体]] ← 对立 ← [[Taylorism]]（前者强调人的价值，后者强调替代） -- [[Claude-Code]] ← 协作者框架 → [[Cline]]（均为增强工具） - -## Contradictions -- 与 [[Vibe Coding]] 框架存在张力： - - 冲突点：Vibe Coding 强调人机协作伙伴关系，而软件工厂框架强调替代与控制 - - 当前观点：Vibe Coding 认为开发者是导演，AI 是结对伙伴 - - 对方观点：Software Factory 认为人只需做高层控制者 diff --git a/wiki/sources/These-6-Linux-apps-let-you-monitor-system-resources-in-style.md b/wiki/sources/These-6-Linux-apps-let-you-monitor-system-resources-in-style.md new file mode 100644 index 00000000..2f6951c3 --- /dev/null +++ b/wiki/sources/These-6-Linux-apps-let-you-monitor-system-resources-in-style.md @@ -0,0 +1,54 @@ +--- +title: These 6 Linux apps let you monitor system resources in style +type: source +tags: [linux, system-monitoring, TUI, GUI] +date: 2025-12-16 +sources: + - https://www.howtogeek.com/these-linux-apps-let-you-monitor-system-resources-in-style/ +author: shenwei +--- + +## Source File +- [[raw/Cloud & DevOps/These 6 Linux apps let you monitor system resources in style.md]] + +## Summary +- 核心主题：6 款 Linux 系统资源监控工具评测 +- 问题域：Linux 系统性能监控与进程管理 +- 方法/机制：TUI（文本用户界面）和 GUI 两类监控工具的功能对比 +- 结论/价值：作者首选 Btop++（TUI），Stacer（功能丰富），Mission Center（类 Task Manager） + +## Key Claims +- TUI 监控工具响应迅速，即使 GUI 卡顿也能正常运行 +- Btop++ 提供 CPU、活动、内存、存储、网络多面板视图，支持进程搜索、信号发送、优先级调整（Nice 值） +- Htop 采用极简设计，以函数键操作为主（F3 搜索、F9 终止、F7/F8 调整优先级） +- Glances 轻量快速，全键盘驱动，显示网络、CPU、内存、存储统计 +- Bottom 专注实时图形化展示 CPU、网络、内存，不支持交互式进程管理 +- Mission Center 为 GUI 应用，类 Windows Task Manager，包含性能、应用、服务三个标签页 +- Stacer 是功能最丰富的 GUI 监控工具，支持启动项管理、软件包卸载、APT 源配置、GNOME 设置调整、缓存清理 + +## Key Quotes +> "TUI apps make the best resource monitors, in my opinion. They're snappy and responsive, even when the GUI is lagging." — 作者对 TUI 监控工具的偏好 + +## Key Concepts +- [[TUI (Text User Interface)]]：基于终端文本界面的监控工具类型 +- [[System Resource Monitoring]]：监控 CPU、内存、网络、存储等系统资源的行为 +- [[Process Management]]：进程的搜索、终止、优先级调整等操作 + +## Key Entities +- [[Btop++]]：作者的 TUI 监控首选工具 +- [[Htop]]：极简风格 TUI 进程监控器 +- [[Glances]]：轻量级全键盘驱动 TUI 监控器 +- [[Bottom]]：专注实时图形化的 TUI 监控器 +- [[Mission Center]]：类 Windows Task Manager 的 GUI 监控应用 +- [[Stacer]]：功能最丰富的 GUI 监控与管理工具 +- [[HowToGeek]]：文章来源 + +## Connections +- [[Btop++]] ← 类比 → [[Htop]] +- [[Btop++]] ← 类比 → [[Glances]] +- [[Btop++]] ← 类比 → [[Bottom]] +- [[Mission Center]] ← 类比 → [[Stacer]] +- [[System Resource Monitoring]] ← 应用于 → [[Linux]] + +## Contradictions +- （暂无） diff --git a/wiki/sources/TikTok Shop - Apache Superset Dashboard设计思路.md b/wiki/sources/TikTok Shop - Apache Superset Dashboard设计思路.md deleted file mode 100644 index 36b3a43d..00000000 --- a/wiki/sources/TikTok Shop - Apache Superset Dashboard设计思路.md +++ /dev/null @@ -1,77 +0,0 @@ ---- -title: "TikTok Shop - Apache Superset Dashboard设计思路" -type: source -tags: [tiktok-shop, superset, bi, dashboard, 电商分析] -date: 2025-03-14 ---- - -## Source File -- [[raw/跨境电商/TikTok Shop - Apache Superset Dashboard设计思路.md]] - -## Summary -- 核心主题：TikTok Shop 电商选品数据可视化分析系统设计 -- 问题域：如何将 TikTok Shop 爬取数据转化为可操作的选品决策支持系统 -- 方法/机制：Apache Superset + SQL Views + 多维度 Dashboard 设计 -- 结论/价值：4-Tab 专业选品 Dashboard，覆盖爆品发现、价格带分析、类目机会、店铺监控 - -## Key Claims -- TikTok Shop 数据适合做 6 类分析：爆品发现、价格销量关系、类目机会、店铺监控、SKU 库存、评论分析 -- Superset 无法直接解析 JSON，必须通过 SQL View 预处理 JSON_EXTRACT 字段 -- 选品评分模型 = sold×0.4 + rating×12 + rating_count×0.2 + discount_percent×0.5 -- 气泡图（价格×销量×评分）可一眼识别"低价高销量"和"高客单价爆品" - -## Key Concepts -- [[电商选品分析]]：通过销量、评分、折扣多维度评分发现高潜力产品 -- [[Superset Dashboard]]：Apache Superset 可视化分析平台，支持导入 JSON Dashboard 配置 -- [[选品评分模型]]：加权评分公式自动排序推荐产品 -- [[KPI 卡片]]：关键业绩指标数字看板，支持快速筛选热卖/高评分/折扣产品 -- [[价格带分析]]：气泡图/直方图识别最优价格区间 -- [[类目机会分析]]：热力图+箱线图发现蓝海类目 -- [[店铺监控]]：竞争对手销量/评分/上新节奏/价格策略跟踪 -- [[JSON_EXTRACT]]：MySQL JSON 字段预处理，将 JSON 拆分为可计算列 - -## Key Entities -- [[TikTok Shop]]：字节跳动旗下电商平台，数据来源 -- [[Apache Superset]]：开源 BI 可视化平台（Airbnb 出品），支持 SQL Dataset、Chart、Dashboard -- [[TikTok Products]]：核心事实表（products），包含 sold/price/rating/category/store_name/timestamp 等字段 -- [[Product Reviews]]：辅助表，支持评分趋势和 NLP 评论分析 - -## Connections -- [[TikTok Shop]] ← 数据源 ← [[电商选品分析]] -- [[Apache Superset]] ← 可视化工具 ← [[Superset Dashboard]] -- [[电商选品分析]] ← 支撑 ← [[选品评分模型]] -- [[选品评分模型]] ← 使用 ← [[TikTok Products]] -- [[店铺监控]] ← 依赖 ← [[TikTok Products]] -- [[类目机会分析]] ← 依赖 ← [[JSON_EXTRACT]] - -## SQL View - -### view_products_cleaned -```sql -CREATE OR REPLACE VIEW view_products_cleaned AS -SELECT - id, source_id, title, store_name, category, - final_price, initial_price, discount_percent, - sold, position, timestamp, - JSON_EXTRACT(prodct_rating, '$.rating') AS rating, - JSON_EXTRACT(prodct_rating, '$.count') AS rating_count, - (final_price * sold) AS total_gmv, - (initial_price - final_price) AS discount_amount -FROM products; -``` - -## Dashboard 结构（4 Tab） - -| Tab | 名称 | 核心图表 | -|-----|------|---------| -| 1 | 爆品雷达 | KPI卡片×6、Top10条形图、类目占比饼图、价格×销量气泡图、评分直方图 | -| 2 | 类目机会洞察 | 类目销量榜、评分×销量热力图、价格箱线图 | -| 3 | 店铺监控 | 店铺GMV/销量/评分排名、上新趋势面积图、价格策略对比 | -| 4 | 评论分析 | 评分趋势折线图、评论数×销量散点图、好评/差评占比 | - -## Contradictions -- 与 [[可自动化可扩展AI增强的电商数据采集与处理系统]]：后者专注爬取+AI处理，本文档专注数据可视化层面，两者构成采集→分析完整管线 - -## Aliases -- Superset = Apache Superset -- TikTok Shop = TikTok电商 diff --git a/wiki/sources/Trae远程开发部署指南.md b/wiki/sources/Trae远程开发部署指南.md deleted file mode 100644 index a7c03ea0..00000000 --- a/wiki/sources/Trae远程开发部署指南.md +++ /dev/null @@ -1,49 +0,0 @@ ---- -title: "Trae 远程开发部署指南" -type: source -tags: [trae, remote-ssh, ubuntu, docker, development] -date: 2025-03-29 ---- - -## Source File -- [[raw/Vibe Coding/Trae远程开发部署指南.md]] - -## Summary -- 核心主题：Trae AI 代码编辑器通过 Remote SSH 连接 Ubuntu 服务器进行远程 Docker 项目开发的完整配置指南 -- 问题域：本地机器算力/存储不足，需通过 Trae 远程连接 Ubuntu 服务器进行开发，同时管理多个 Docker 容器环境 -- 方法/机制：Remote SSH 插件 + Docker 插件 + 两种开发模式（Attach 容器 / 宿主机编辑），SSH Config 免密登录 -- 结论/价值：Trae 将 VS Code 远程开发能力与 Docker 容器管理结合，适合 Vibe Coding 场景下的远程服务器开发 - -## Key Claims -- Ubuntu 2（192.168.3.45）为开发服务器（源码 + Bind Mount），Ubuntu 1（192.168.3.47）为生产服务器（仅镜像） -- SSH Config HostName 可填写 Tailscale IP（如 100.x.x.x），实现内网/外网无缝切换 -- Trae Remote SSH 首次连接在服务器安装 VS Code Server 代理组件，耗时约几十秒 -- 模式 A（Attach 容器）：Docker 容器内运行 Trae Server，环境完全隔离，无需在宿主机安装语言环境 -- 模式 B（宿主机编辑 + Docker CLI）：直接编辑 Ubuntu 文件系统代码，在终端执行 docker compose 命令 -- Git 凭证问题：Trae/VS Code 自动转发本地 SSH Agent，需在本地启动 ssh-agent 并添加私钥 -- 文件权限（UID/GID）问题：容器内生成的文件归属 root，宿主机无法修改，需在 Dockerfile 中指定 user 或使用 --user 参数 - -## Key Concepts -- [[Trae]]：基于 VS Code 的 AI 代码编辑器，原生支持 Remote SSH 和 Docker 插件 -- [[Remote SSH]]：通过 SSH 连接远程服务器，在服务器上运行编辑器后端 -- [[Docker Attach模式]]：直接"进入"已运行的 Docker 容器进行开发，环境完全隔离 -- [[Bind Mount]]：宿主机目录挂载到容器内，代码修改实时生效（开发模式 A 的核心） -- [[SSH Agent转发]]：本地 SSH Agent 私钥通过 SSH 连接转发给远程服务器，供 Git 操作使用 - -## Key Entities -- [[Ubuntu2]]：开发服务器，IP 192.168.3.45，安装 Trae Server，提供 /home/shenwei/docker/tiktok_pm 开发目录 -- [[Ubuntu1]]：生产服务器，IP 192.168.3.47，运行 tiktok_pm 容器（镜像打包模式） -- [[Trae]]：AI 代码编辑器，支持 VS Code 插件生态 - -## Connections -- [[Trae远程开发部署]] ← 开发环境 → [[Ubuntu2]] -- [[Trae远程开发部署]] ← 生产部署 → [[Ubuntu1]] -- [[Trae远程开发部署]] ← 开发模式 → [[Docker]]（容器化开发环境） -- [[Trae远程开发部署]] ← 协作工具 → [[SSH Config]]（多主机别名管理） - -## Contradictions - -## Related Wiki Pages -- [[Vibe Coding]]：Trae 是 Vibe Coding 推荐工具之一 -- [[Cursor]]：Cursor 是另一个 AI 代码编辑器，与 Trae 功能高度重叠 -- [[Ubuntu]]：Ubuntu 2 和 Ubuntu 1 是双服务器架构的核心 diff --git a/wiki/sources/Ubuntu-24.04-enable-SSH.md b/wiki/sources/Ubuntu-24.04-enable-SSH.md deleted file mode 100644 index 005233b3..00000000 --- a/wiki/sources/Ubuntu-24.04-enable-SSH.md +++ /dev/null @@ -1,51 +0,0 @@ ---- -title: "Ubuntu 24.04 启用 SSH 服务" -type: source -tags: [ssh, ubuntu, server] -date: 2025-03-16 ---- - -## Source File -- [[raw/Home Office/Ubuntu 24.04 enable SSH.md]] - -## Summary -- 核心主题：Ubuntu 24.04 启用 OpenSSH Server 的完整步骤 -- 问题域：Ubuntu 24.04 改变 SSH 服务激活机制（默认 socket activation），与传统方式不同 -- 方法/机制：安装 openssh-server → systemctl enable/start ssh → 配置 UFW 防火墙 → 远程连接验证 -- 结论/价值：Ubuntu 24.04 使用 ssh.socket 代替 ssh.service，管理员需注意新管理方式 - -## Key Claims -- Ubuntu 24.04 默认使用 ssh.socket 激活机制：有连接进入时才启动 sshd，非传统常驻进程模式 -- 安装命令：`sudo apt update && sudo apt install openssh-server -y` -- 启动并开机自启：`sudo systemctl start ssh && sudo systemctl enable ssh` -- 检查 socket 状态：`sudo systemctl status ssh.socket`（监听状态显示 `ListenStream=22`） -- 防火墙允许 SSH：`sudo ufw allow ssh` 或 `sudo ufw allow 22/tcp` -- 验证服务状态：`sudo systemctl status ssh`，显示 `active (running)` 或 socket 模式 `ListenStream=22` -- 切换回传统常驻模式：`sudo systemctl disable --now ssh.socket && sudo systemctl enable --now ssh.service` -- Ubuntu 24.04 修改监听端口推荐通过 `systemctl edit ssh.socket` 而非仅修改 `/etc/ssh/sshd_config` - -## Key Quotes -> "Ubuntu 24.04 引入了一个重要的变化：默认使用 `ssh.socket` 激活机制（即只有在连接请求进入时才启动 SSH 守护进程）" — 与旧版本最大差异 - -## Key Concepts -- [[SSH Socket Activation]]：Ubuntu 24.04 默认机制，sshd 按需启动而非常驻，节省资源 -- [[UFW 防火墙规则]]：Ubuntu 默认防火墙，通过 `ufw allow ssh` 放行 22 端口 -- [[SSH 服务管理]]：`systemctl start/enable/disable` 管理 ssh.service 或 ssh.socket -- [[OpenSSH Server]]：Ubuntu SSH 服务端实现，包名 `openssh-server` - -## Key Entities -- [[Ubuntu 24.04]]：2024 年 4 月发布的 LTS 版本，SSH 管理机制变化 -- [[OpenSSH]]：开源 SSH 协议实现，Ubuntu 默认 SSH 服务端 - -## Connections -- [[SSH Socket Activation]] ← default_in ← [[Ubuntu 24.04]] -- [[OpenSSH Server]] ← installed_by ← [[apt install openssh-server]] -- [[UFW 防火墙规则]] ← must_configure ← [[SSH 服务管理]] - -## Contradictions -- 旧版 Ubuntu（< 24.04）管理方式：通过 `/etc/ssh/sshd_config` 修改端口后 `systemctl restart sshd`；24.04 推荐 `systemctl edit ssh.socket` - -## Metadata -- 作者：shenwei -- 创建时间：2025-03-16 -- 原始标签：[ssh, ubuntu] diff --git a/wiki/sources/Ubuntu-Server科学上网配置指南.md b/wiki/sources/Ubuntu-Server科学上网配置指南.md deleted file mode 100644 index df84e149..00000000 --- a/wiki/sources/Ubuntu-Server科学上网配置指南.md +++ /dev/null @@ -1,51 +0,0 @@ ---- -title: "Ubuntu Server 科学上网配置指南" -type: source -tags: [Ubuntu, 科学上网, V2Ray, ProxyChains, Docker, 代理] -date: 2025-12-29 ---- - -## Source File -- [[raw/Home Office/Ubuntu Server科学上网.md]] - -## Summary -- 核心主题：Ubuntu Server 环境下配置科学上网的完整方案 -- 问题域：终端命令/Git/Docker 守护进程/容器内应用如何走代理 -- 方法/机制：分层代理架构——ProxyChains（临时命令）、Git 全局配置（Git 专设）、systemd Docker 代理（镜像拉取）、~/.docker/config.json（容器内应用） -- 结论/价值：不同场景用不同方案，不可混用；Daemon 层面走 systemd，用户层面走环境变量 - -## Key Claims - -### ProxyChains（终端命令级） -- 修改 `/etc/proxychains4.conf` 添加 `socks5 127.0.0.1 10808` -- 任何命令前加 `proxychains4` 前缀即可穿代理：`proxychains4 curl https://google.com` - -### Git 代理配置 -- 设置全局：`git config --global http.proxy 'socks5://127.0.0.1:10808'` -- Docker 守护进程不走用户环境变量，必须通过 systemd 配置 - -### Docker Pull 代理（Daemon 级） -- 创建 `/etc/systemd/system/docker.service.d/http-proxy.conf` -- 添加 `HTTP_PROXY/HTTPS_PROXY/NO_PROXY` 环境变量 -- 必须执行 `systemctl daemon-reload && systemctl restart docker` -- 验证：`docker info | grep -i proxy` - -### Docker 容器内代理（应用级） -- 方案 A（推荐 17.07+）：`~/.docker/config.json` 添加 `proxies.default` -- 方案 B：docker-compose.yml 环境变量 `ALL_PROXY=socks5://172.24.0.1:10808` -- 容器内获取宿主机 IP：`docker exec ip route | awk '/default/ {print $3}'` - -## Key Concepts -- [[ProxyChains]]：终端命令强制走 SOCKS5 代理工具 -- [[SOCKS5 代理]]：支持本地 DNS 解析（socks5h://）的代理协议 -- [[Docker Daemon 代理]]：Docker 守护进程级代理配置，通过 systemd 环境变量注入 -- [[Docker 容器内代理]]：容器应用级代理，通过 ~/.docker/config.json 或 docker-compose environment - -## Key Entities -- [[V2RayN]]：SOCKS5/HTTP 代理客户端（运行在宿主机） -- [[Ubuntu Server]]：Linux 服务器操作系统 - -## Connections -- [[V2RayN]] ← 提供代理 ← [[SOCKS5 代理]] -- [[ProxyChains]] ← 转发至 ← [[SOCKS5 代理]] -- [[Docker Daemon 代理]] ← 配置 ← [[Ubuntu Server]] diff --git a/wiki/sources/Ubuntu服务器通过rsync实现日常增量备份.md b/wiki/sources/Ubuntu服务器通过rsync实现日常增量备份.md deleted file mode 100644 index bbbcd0a7..00000000 --- a/wiki/sources/Ubuntu服务器通过rsync实现日常增量备份.md +++ /dev/null @@ -1,83 +0,0 @@ ---- -title: "Ubuntu服务器通过rsync实现日常增量备份" -type: source -tags: [ubuntu, rsync, backup, nas, nfs, fstab] -date: 2026-04-15 ---- - -## Source File -- [[raw/Home Office/Ubuntu服务器通过rsync实现日常增量备份.md]] - -## Summary -- 核心主题：Ubuntu 服务器通过 rsync 实现对 NAS 的每日增量备份自动化 -- 问题域：已有机房镜像备份（Clonezilla），需补充实时增量数据保护方案 -- 方法/机制：rsync -azR --delete 差异同步，lockfile 防重入，crontab 凌晨自动执行，/etc/fstab 实现 NFS 永久挂载 -- 结论/价值：构建"时间点恢复"能力，NAS 掉线时自动中止备份防止本地硬盘爆满 - -## Key Claims -- rsync 在备份正在写入的二进制文件（如 MySQL）时可能导致恢复后无法启动，应先用 mysqldump 导出 SQL 再同步 -- rsync 返回码 23/24 在备份运行中系统时属于正常（部分文件权限问题或源文件消失），重点检查数据是否大部分已同步 -- /etc/fstab 中 _netdev 参数确保网络设备就绪后再执行挂载，防止开机因网络未就绪而挂载失败 -- lockfile 机制防止 rsync_backup.sh 重入，脚本开头检查 lockfile 存在则跳过本次执行 - -## Key Quotes -> "rsync -azR --delete — -a 归档模式保留权限属性，-z 压缩传输，-R 相对路径，--delete 删除目标端多余文件" — rsync 核心参数解析 -> "0 3 * * * /usr/local/bin/rsync_backup.sh — 每天凌晨 3 点业务低峰期执行备份" — Crontab 时间配置 -> "192.168.3.17:/volume2/backup /mnt/nas_backup nfs defaults,timeo=900,retrans=5,_netdev 0 0" — NFS /etc/fstab 永久挂载条目 -> "timeo=900（90秒超时），retrans=5（重连5次），_netdev（等待网络就绪）" — NFS 挂载参数详解 - -## Key Concepts -- [[rsync]]：远程增量同步工具，通过 Delta-transfer 算法只传输变化部分 -- [[增量备份]]：仅备份自上次备份以来变化的文件，相比全量备份节省存储和带宽 -- [[NFS永久挂载]]：通过 /etc/fstab 将 NFS 挂载配置为系统启动时自动执行 -- [[lockfile]]：防止脚本重入的简单机制，PID 文件 + kill -0 检测进程存活 -- [[Crontab]]：Linux 定时任务调度器，支持分钟级精确控制 -- [[Clonezilla]]：磁盘镜像备份工具，与 rsync 形成"整机镜像 + 增量数据"二级保护 -- [[mysqldump]]：MySQL/MariaDB 逻辑备份工具，在 rsync 之前先导出 SQL 文件保证数据库一致性 - -## Key Entities -- [[Synology NAS]]：备份目标端（192.168.3.17:/volume2/backup） -- [[Ubuntu服务器]]：备份源端，运行 rsync_backup.sh -- [[Docker]]：数据来源之一（/var/lib/docker/volumes/、/etc/docker/、/home/shenwei/Docker/） - -## Connections -- [[Ubuntu服务器通过rsync实现日常增量备份]] → backups_to → [[Synology NAS]] -- [[Ubuntu服务器通过rsync实现日常增量备份]] ← runs_on ← [[Ubuntu服务器]] -- [[Docker]] ← source_data ← [[Ubuntu服务器通过rsync实现日常增量备份]] - -## 备份策略矩阵 - -| 备份类型 | 工具 | 频率 | 覆盖范围 | 恢复时间 | -|---------|------|------|---------|---------| -| 整机镜像 | Clonezilla | 按需/周 | 全盘扇区级 | 长（全盘还原） | -| 增量数据 | rsync | 每日凌晨3点 | 变化文件 | 短（选择性还原） | - -## 关键脚本：rsync_backup.sh 防重入逻辑 -```bash -LOCKFILE="/tmp/rsync_backup.lock" -if [ -e ${LOCKFILE} ] && kill -0 `cat ${LOCKFILE}`; then - echo "备份任务已在运行中，跳过本次执行。" - exit -fi -echo $$ > ${LOCKFILE} -trap "rm -f ${LOCKFILE}" EXIT -``` - -## NFS 永久挂载验证流程 -```bash -# 1. 卸载当前挂载 -sudo umount /mnt/nas_backup -# 2. 模拟开机自动挂载 -sudo mount -a -# 3. 验证挂载成功 -df -h | grep nas_backup -``` - -## Contradictions - -## 常见问题排查 -| 问题 | 原因 | 解决方案 | -|------|------|---------| -| 重启后挂载失效 | nfs-common 启动慢于 mount -a | systemctl enable remote-fs.target | -| rsync 返回码 20 | 进程被手动中断（SIGINT/SIGTERM） | 使用 nohup 或 screen 后台运行 | -| 备份写满本地硬盘 | NAS 掉线时挂载点变成普通目录 | 脚本开头加 mountpoint -q 检查 | diff --git a/wiki/sources/Useful-Prompt-Lib.md b/wiki/sources/Useful-Prompt-Lib.md deleted file mode 100644 index c0e32985..00000000 --- a/wiki/sources/Useful-Prompt-Lib.md +++ /dev/null @@ -1,31 +0,0 @@ ---- -title: "Useful Prompt Lib" -type: source -tags: [prompt-library, claude, resources] -date: 2025-03-06 ---- - -## Source File -- raw/AI/Useful Prompt Lib.md - -## Summary -- 核心主题：Anthropic Claude Prompt 库资源汇总 -- 问题域：用户需要预设提示词模板以快速调用特定 AI 能力 -- 方法/机制：整理 60+ 按功能分类的提示词模板，覆盖代码、数据分析、内容创作等多个领域 -- 结论/价值：为开发者提供开箱即用的提示词资源库，降低重复创建成本 - -## Key Claims -- Babel's broadcasts 适合 TikTok 多语言本地化改写 -- Review classifier 可自动化处理店铺/广告评论分类 -- Data organizer 能将非结构化信息快速转为 JSON 对接自动化工作流 - -## Key Concepts -- [[Prompt库]]：按功能分类的预设提示词模板集合 -- [[JSON转换]]：将非结构化文本转换为结构化 JSON 格式 - -## Key Entities -- [[Anthropic]]：Prompt 库发布方，提供 60+ 预设模板 - -## Connections -- [[Prompt工程]] ← 包含 ← Useful Prompt Lib 提供实践模板 -- [[AI工作流自动生成]] ← 依赖 ← Data organizer 等提示词实现数据转换 \ No newline at end of file diff --git a/wiki/sources/Vibe-Kanban-OpenCode-Ubuntu-Server安装管理指南.md b/wiki/sources/Vibe-Kanban-OpenCode-Ubuntu-Server安装管理指南.md deleted file mode 100644 index 152b1973..00000000 --- a/wiki/sources/Vibe-Kanban-OpenCode-Ubuntu-Server安装管理指南.md +++ /dev/null @@ -1,42 +0,0 @@ ---- -title: "Vibe-Kanban + OpenCode 在 Ubuntu Server 上安装与管理指南" -type: source -tags: [ubuntu, vibe-coding, vibe-kanban, opencode, pm2, node, nvm] -date: 2026-04-15 ---- - -## Source File -- [[raw/Vibe Coding/Vibe-Kanban + OpenCode 在 Ubuntu Server 上安装与管理指南.md]] - -## Summary -- 核心主题：在 Ubuntu Server 上以非 root 用户（shenwei）安装 Node 20、Vibe-Kanban 与 OpenCode，并通过 pm2 管理进程 -- 问题域：权限冲突、端口占用、executor 启动失败、I/O error -- 方法/机制：nvm 管理 Node 版本 → npm 全局安装 vibe-kanban + opencode → pm2 管理进程 → RUST_LOG=debug 调试 -- 结论/价值：不要用 root 启动；vibe-kanban 自动 spawn executor；pm2 只管理 vibe-kanban，executor 随进程管理 - -## Key Claims -- nvm 管理 Node 版本（v0.39.7），安装 Node 20，nvm alias default 20 -- 不要用 root 启动 OpenCode serve，vibe-kanban 会自动 spawn executor -- RUST_LOG=debug HOST=0.0.0.0 PORT=9999 npx vibe-kanban 启动，executor 在随机端口 -- pm2 start "RUST_LOG=debug HOST=0.0.0.0 PORT=9999 npx vibe-kanban" --name vibe-kanban -- pm2 startup systemd -u shenwei --hp /home/shenwei 生成启动脚本 -- I/O error 通常是 executor 没启动或端口被占用 -- 清理旧工作树：rm -rf /var/tmp/vibe-kanban/worktrees/* 和 ~/.vibe-kanban - -## Key Quotes -> "不要用 root 启动 OpenCode serve，vibe-kanban 会自动 spawn executor" — 操作规范 -> "pm2 只管理 vibe-kanban，executor 随进程一起管理" — 进程管理原则 - -## Key Concepts -- [[nvm]]：Node Version Manager，通过 curl -fsSL 安装，管理多个 Node 版本 -- [[pm2]]：进程管理器，pm2 start/pm2 logs/pm2 save/pm2 startup systemd -- [[Vibe-Kanban]]：AI 结对编程任务看板，Web UI（PORT 9999）+ executor 随机端口 -- [[OpenCode Executor]]：vibe-kanban spawn 的 AI 编程执行器，随机端口运行 - -## Key Entities -- [[shenwei]]：Ubuntu 服务器非 root 用户，Vibe-Kanban + OpenCode 安装操作者 - -## Connections -- [[nvm]] ← 安装工具 ← [[Node 20]] -- [[Vibe-Kanban]] ← spawns ← [[OpenCode Executor]] -- [[pm2]] ← 管理 ← [[Vibe-Kanban]] diff --git a/wiki/sources/What-I-know-about-Cloud-Service-Delivery-1.md b/wiki/sources/What-I-know-about-Cloud-Service-Delivery-1.md new file mode 100644 index 00000000..d10a981c --- /dev/null +++ b/wiki/sources/What-I-know-about-Cloud-Service-Delivery-1.md @@ -0,0 +1,56 @@ +--- +title: "What I know about Cloud Service Delivery 1" +type: source +tags: [Cloud, DevOps, Cloud Service Delivery] +date: 2026-04-16 +source_file: raw/Cloud & DevOps/What I know about Cloud Service Delivery 1.md +--- + +## Summary +Cloud Service Delivery（云服务交付）是连接云技术能力与用户实际消费服务之间的桥梁，涵盖整个生命周期。文章详细介绍了云服务交付团队的组成角色以及12个核心管理领域，包括服务配置与部署、基础设施管理、平台管理、应用运维、安全合规、性能监控、事件管理、变更配置管理、成本管理、客户支持、服务治理以及备份恢复与灾难管理。 + +## Key Claims +- Cloud Service Delivery 是 IaaS、PaaS、SaaS 与最终用户实际消费服务之间的桥梁 +- 云服务交付团队需要包含：Cloud Infrastructure Engineer、Cloud Operation Engineer (DevOps/SRE)、Cloud Security Specialists、Cloud Support Engineer、Cloud FinOps Engineer +- 完整的云服务交付需要12个核心管理领域的协同工作 + +## Key Quotes +> "Cloud Service Delivery encompasses the entire lifecycle of making cloud services operational, available, secure, performant, and valuable to end-users and customers." — 核心定义 + +## Key Concepts +- [[IaaS]]：基础设施即服务，提供虚拟计算资源 +- [[PaaS]]：平台即服务，提供应用开发和部署平台 +- [[SaaS]]：软件即服务，以订阅方式提供软件应用 +- [[SLA]]：Service Level Agreement，服务级别协议 +- [[SLO]]：Service Level Objective，服务级别目标 +- [[IaC]]：Infrastructure as Code，通过代码实现一致性、版本控制的基础设施管理 +- [[AIOps]]：利用人工智能进行运维自动化的方法 + +## Key Entities +- AWS CloudWatch：AWS 监控服务，文中作为 Grafana 数据源示例 +- Grafana：开源监控和可观测性平台 +- New Relic：应用性能监控（APM）工具 +- WAF：Web Application Firewall，Web应用防火墙 + +## Connections +- [[DevOps]] ← 相关 ← Cloud Service Delivery（DevOps 是云服务交付的重要方法论） +- [[Cloud Native]] ← 相关 ← Cloud Service Delivery（云原生是云服务交付的目标状态） +- [[Cloud Maturity Model]] ← 相关 ← Cloud Service Delivery（成熟度模型评估云服务交付能力） +- [[DevSecOps]] ← 相关 ← Security & Compliance Management（安全是云服务交付的核心领域） + +## Contradictions +- （暂无） + +## 12 Core Management Areas（核心管理领域） +1. **Service Provisioning & Deployment**：服务配置与部署 +2. **Infrastructure Management**：基础设施管理 +3. **Platform Management (for PaaS)**：平台管理 +4. **Application Operations & Management**：应用运维管理 +5. **Security & Compliance Management**：安全与合规管理 +6. **Performance & Availability Monitoring**：性能与可用性监控 +7. **Incident & Problem Management**：事件与问题管理 +8. **Change & Configuration Management**：变更与配置管理 +9. **Cost Management & Optimization**：成本管理与优化 +10. **Customer Onboarding & Support**：客户支持与 onboarding +11. **Service Governance & Lifecycle Management**：服务治理与生命周期管理 +12. **Backup, Recovery & Disaster Management**：备份恢复与灾难管理 diff --git a/wiki/sources/arXiv-Paper-Reader.md b/wiki/sources/arXiv-Paper-Reader.md deleted file mode 100644 index c9cbf599..00000000 --- a/wiki/sources/arXiv-Paper-Reader.md +++ /dev/null @@ -1,40 +0,0 @@ ---- -title: "arXiv Paper Reader" -type: source -tags: [agent-use-case, research, arxiv, llm] -date: 2026-04-16 ---- - -## Source File -- [[raw/Agent/usecases/arXiv-Paper-Reader.md]] - -## Summary -- 核心主题：OpenClaw Agent 论文阅读助手工作流 -- 问题域：arXiv PDF 阅读痛点——下载 PDF、切换丢失上下文、LaTeX 符号难解析 -- 方法/机制：Prismer arxiv-reader skill（3 工具）+ LaTeX 源码自动展平 + 多篇对比表格 + 本地缓存 -- 结论/价值：对话式论文阅读，无需离开工作区，支持按 ID 获取、结构扫描、摘要批量 triage、深度问答 - -## Key Claims -- arxiv-reader skill 运行于 OpenClaw，无 Docker/Python 依赖，直接通过 Node.js 内置模块实现 -- LaTeX 源码自动解压并展平，消除 PDF 阅读器的上下文跳跃问题 -- 多篇论文可批量获取摘要并生成对比表格，辅助 reading list 优先级排序 -- 结果本地缓存，二次访问即时返回 - -## Key Quotes -> "Reading arXiv papers means downloading PDFs, losing context when switching between papers, and struggling to parse dense LaTeX notation. You want to read, analyze, and compare papers conversationally without leaving your workspace." - -## Key Concepts -- [[LaTeX Flattening]]：自动合并 LaTeX \include 子文件生成可读连续文档 -- [[arxiv-reader skill]]：Prismer AI 开发的 OpenClaw skill，3 工具接口（arxiv_fetch/arxiv_sections/arxiv_abstract） - -## Key Entities -- [[Prismer AI]]：arxiv-reader skill 开发方，GitHub 仓库 Prismer-AI/Prismer -- [[arXiv]]：康奈尔大学运营的开放获取论文预印本平台 - -## Connections -- [[Prismer AI]] ← provides ← [[arxiv-reader skill]] -- [[arxiv-reader skill]] ← enables ← [[LaTeX Flattening]] -- [[arXiv Paper Reader]] ← extends ← [[arxiv-reader skill]] - -## Contradictions - diff --git a/wiki/sources/baoyu-skills-claude-code-技能集.md b/wiki/sources/baoyu-skills-claude-code-技能集.md deleted file mode 100644 index e093217d..00000000 --- a/wiki/sources/baoyu-skills-claude-code-技能集.md +++ /dev/null @@ -1,48 +0,0 @@ ---- -title: "baoyu-skills Claude Code 技能集" -type: source -tags: [claude-code, skills, baoyu, openclaw, 内容生成, AI图像] -date: 2026-04-15 ---- - -## Source File -- [[raw/Skills/baoyu-skills-claude-code-技能集.md]] - -## Summary -- 核心主题：宝玉（JimLiu）发布的 Claude Code 技能集，通过 ClawHub 协议按单个 skill 安装 -- 问题域：内容创作者和开发者需要多平台内容发布、多服务商图像生成、日常效率工具 -- 方法/机制：技能分内容技能（内容发布）、AI生成技能（图像/文本）、工具技能（处理工具）三大类；ClawHub 按单个 skill 安装（clawhub install baoyu-imagine） -- 结论/价值：覆盖小红书/X/微信/微博全平台，9家图像服务商自动选择，翻译/抓取/压缩等日常工具 - -## Key Claims -- ClawHub 按单个 skill 安装，不是 marketplace 批量装（clawhub install baoyu-imagine） -- baoyu-imagine 支持 9 家服务商（OpenAI/Google/Azure/OpenRouter/DashScope/MiniMax/即梦/豆包/Replicate），自动选择最优 -- baoyu-translate 三模式（快速/标准/精翻）覆盖从短文本到出版级文档 -- baoyu-comic 5种画风 × 8种基调，漫画生成支持预设（ohmsha/wuxia/shoujo） -- baoyu-post-to-wechat 支持 API 方式和浏览器方式发布公众号文章 -- EXTEND.md 支持用户级/项目级自定义，覆盖样式/配置/个人预设 - -## Key Quotes -> "ClawHub 按单个 skill 安装，不是把整个 marketplace 一次性装进去" — 宝玉 -> "最好的 Skill 是工具箱，而非写好的提示词" — Anthropic -> "精翻模式完成后，可回复「继续润色」或「refine」继续审校润色步骤" — baoyu-translate - -## Key Concepts -- [[内容技能]]：内容生成与发布类技能子集，baoyu-xhs-images/infographic/cover-image/slide-deck/comic/article-illustrator -- [[baoyu-imagine]]：9家服务商自动选择的AI图像生成，支持文生图/参考图/自定义尺寸/批量生成 -- [[baoyu-infographic]]：20种布局×17种视觉风格的专业信息图生成 -- [[baoyu-xhs-images]]：小红书信息图，9种风格×6种布局的二维系统 -- [[baoyu-translate]]：三模式翻译（快速/标准/精翻），支持受众预设和风格预设 -- [[baoyu-comic]]：知识漫画创作，5种画风×8种基调，支持预设（ohmsha/wuxia/shoujo） -- [[工具技能]]：baoyu-youtube-transcript/url-to-markdown/x-to-markdown/compress-image/format-markdown/markdown-to-html/translate - -## Key Entities -- [[宝玉]]（JimLiu）：baoyu-skills 项目作者，Claude Code 技能集开发者 -- [[JimLiu]]：GitHub 账号，baoyu-skills 仓库维护方 -- [[ClawHub]]：按单个 skill 安装的插件市场协议 - -## Connections -- [[宝玉]] ← 发布 ← [[baoyu-skills]] -- [[baoyu-imagine]] ← 依赖 ← [[ClawHub]] -- [[baoyu-xhs-images]] ← 属于 ← [[内容技能]] -- [[baoyu-translate]] ← 属于 ← [[工具技能]] diff --git a/wiki/sources/baoyu-skills-claude-code技能集.md b/wiki/sources/baoyu-skills-claude-code技能集.md deleted file mode 100644 index cff708ee..00000000 --- a/wiki/sources/baoyu-skills-claude-code技能集.md +++ /dev/null @@ -1,66 +0,0 @@ ---- -title: "baoyu-skills 宝玉 Claude Code 技能集" -type: source -tags: [Claude Code, baoyu, skills, 内容生成, AI图像, 工具技能] -sources: [raw/Skills/baoyu-skills-claude-code-技能集.md] -last_updated: 2026-04-15 ---- - -## Source File -- raw/Skills/baoyu-skills-claude-code-技能集.md - -## Summary -- 核心主题：宝玉（JimLiu）发布的 Claude Code 技能集，涵盖内容生成、AI 图像创作、日常效率工具三大类 -- 问题域：如何通过标准化 Skill 封装实现 AI 工具的即装即用，降低 AI 助手的工程化门槛 -- 方法/机制：ClawHub 发布协议、NPM 安装、EXTEND.md 自定义扩展、环境变量 API Key 管理 -- 结论/价值：Claude Code Skills 是 AI 能力平民化的关键路径，一次安装多处复用 - -## Key Claims -- 每个 `skills/baoyu-*` 目录可独立发布为 ClawHub skill，用户按需安装（clawhub install baoyu-imagine） -- Claude Code Skills = 工具技能（Content/AI Generation/Utility），而非纯提示词 -- 内容技能覆盖：小红书信息图（baoyu-xhs-images）、专业信息图（baoyu-infographic）、文章插图（baoyu-article-illustrator）、幻灯片（baoyu-slide-deck）、知识漫画（baoyu-comic）、X/微信/微博发布 -- AI 图像生成（baoyu-imagine）：支持 OpenAI、Google、DashScope、MiniMax、即梦（Jimeng）、豆包（Seedream）、Replicate 等 8 家服务商 -- 工具技能覆盖：YouTube 字幕下载、URL 转 Markdown、X 内容抓取、图片压缩、Markdown 格式化与 HTML 转换、翻译（三模式） -- EXTEND.md 支持用户级和项目级自定义，可覆盖默认样式和添加个人预设 - -## Key Quotes -> "ClawHub 按'单个 skill'安装，不是把整个 marketplace 一次性装进去。" — ClawHub 安装模式，解耦分发 -> "Claude Code Skills 是 AI 能力平民化的关键路径，一次安装多处复用。" — 核心价值主张 - -## Key Concepts -- [[baoyu-imagine]]：多服务商图像生成 Skill，支持 OpenAI/DashScope/MiniMax/即梦/豆包/Seedream/Replicate，自动检测服务商 -- [[baoyu-infographic]]：专业信息图生成，20 种布局 × 17 种视觉风格组合 -- [[baoyu-xhs-images]]：小红书信息图，风格 × 布局二维系统（9 种风格 × 6 种布局） -- [[baoyu-slide-deck]]：幻灯片生成，4 维度风格系统（纹理 × 氛围 × 字体 × 密度） -- [[baoyu-comic]]：知识漫画创作，画风 × 基调灵活组合（5 种画风 × 8 种基调） -- [[baoyu-article-illustrator]]：文章智能插图，类型 × 风格二维系统 -- [[baoyu-translate]]：三模式翻译（快速/标准/精翻），支持受众预设和自定义术语表 -- [[内容技能]]：内容生成和发布类 Skill（xhs-images/infographic/cover-image/slide-deck/comic/article-illustrator/post-to-*） -- [[AI生成技能]]：AI 驱动的生成后端 Skill（baoyu-imagine/baoyu-danger-gemini-web） -- [[工具技能]]：内容处理工具 Skill（youtube-transcript/url-to-markdown/x-to-markdown/compress-image/format-markdown/markdown-to-html/translate） -- [[ClawHub]]：OpenClaw Skill 发布平台，支持按单个 skill 安装而非 marketplace 批量安装 - -## Key Entities -- [[宝玉]]（JimLiu/baoyu）：GitHub @JimLiu，baoyu-skills 项目作者，AI 内容生成工具开发者 -- [[JimLiu]]：GitHub 账户，同 baoyu - -## Connections -- [[宝玉]] ← 作者 ← [[baoyu-imagine]] -- [[宝玉]] ← 作者 ← [[baoyu-infographic]] -- [[宝玉]] ← 作者 ← [[内容技能]] -- [[ClawHub]] ← 分发平台 ← [[baoyu-imagine]] -- [[Claude-Code]] ← 运行时 ← [[内容技能]] -- [[Claude-Code]] ← 运行时 ← [[AI生成技能]] -- [[Claude-Code]] ← 运行时 ← [[工具技能]] -- [[Claude-Code]] ← 运行时 ← [[baoyu-translate]] -- [[baoyu-imagine]] ← 底层支持 ← [[MCP]] -- [[baoyu-skills]] → 发布到 → [[ClawHub]] -- [[AI技能封装]] ← 方法论 ← [[baoyu-skills]] - -## Contradictions -- 与 [[Claude-Code调用方法总结]] 冲突： - - 冲突点：Skill 安装方式 - - 当前观点：baoyu-skills 通过 `npx skills add` 或 ClawHub 安装 - - 对方观点：Claude Code Skills 应通过 `/plugin` 命令或 `clawhub install` 安装，两者实为同一机制的不同前端 -- 与 [[AI技能封装]] 协同： - - baoyu-skills 是 [[AI技能封装]] 的典型实现，每个 Skill 将特定任务封装为标准化工作流 diff --git a/wiki/sources/how-to-simplify-multi-account-deployments-monitoring.md b/wiki/sources/how-to-simplify-multi-account-deployments-monitoring.md new file mode 100644 index 00000000..840ee867 --- /dev/null +++ b/wiki/sources/how-to-simplify-multi-account-deployments-monitoring.md @@ -0,0 +1,57 @@ +--- +title: "How to Simplify Multi-Account Deployments Monitoring: Centralized Logs for AWS CloudFormation StackSets" +type: source +tags: [AWS, CloudFormation, DevOps, Multi-Account, EventBridge, CloudWatch] +date: 2025-10-24 +--- + +## Source File +- [[raw/Cloud & DevOps/How to Simplify Multi-Account Deployments Monitoring Centralized Logs for AWS CloudFormation StackSets.md]] + +## Summary +- 核心主题：多账号 AWS 环境下 CloudFormation StackSets 部署监控的集中化日志解决方案 +- 问题域：多账号架构中跨账号部署的可观测性和故障排查挑战 +- 方法/机制：通过 EventBridge 跨账号事件转发 + CloudWatch Logs 集中日志存储实现单一管理界面监控 +- 结论/价值：解决多账号部署时的日志分散问题，提供统一监控面板和查询能力 + +## Key Claims +- 多账号策略可提升安全性和治理能力，但会增加运维复杂度 +- EventBridge 跨账号事件转发机制可实现集中化日志收集 +- CloudWatch Logs Insights 可提供跨账号查询分析能力 +- 解决方案需满足 AWS Organizations、StackSets 信任访问等前置条件 + +## Key Quotes +> "When a critical security baseline deployed across 50 accounts suddenly starts failing, teams face the daunting task of logging into each account individually to understand what went wrong and which accounts were affected." + +> "Our solution creates a centralized logging system that collects AWS CloudFormation events from all target accounts and forwards them to a central management account." + +## Key Concepts +- [[Multi-Account Strategy]]：多账号策略，通过分离工作负载提升安全性和治理能力 +- [[EventBridge]]：AWS 事件路由服务，支持跨账号事件转发 +- [[CloudWatch Logs]]：AWS 日志存储和分析服务 +- [[StackSets]]：CloudFormation StackSets，支持跨账号和跨区域部署 + +## Key Entities +- [[AWS]]：云服务提供商，提供 EventBridge、CloudFormation、CloudWatch 等服务 +- [[CloudFormation]]：AWS IaC 服务，StackSets 是其跨账号部署功能 + +## Connections +- [[AWS]] ← 提供 ← [[CloudFormation]] +- [[AWS]] ← 提供 ← [[EventBridge]] +- [[AWS]] ← 提供 ← [[CloudWatch Logs]] +- [[CloudFormation]] ← 使用 ← [[StackSets]] + +## Architecture Components +1. **Management Account**：创建中央事件总线和日志组 +2. **Target Account**：部署 EventBridge 规则转发 CloudFormation 事件 +3. **Resource Deployment**：StackSets 部署通用资源生成监控事件 +4. **Monitoring**：CloudWatch Logs Insights 提供查询分析 + +## Implementation Templates +- `log-setup-management.yaml`：管理账户日志基础设施模板 +- `common-resources-stackset.yaml`：示例资源 StackSet 部署模板 + +## Cost Components +- Amazon EventBridge：跨账号事件发布费用 +- Amazon CloudWatch：日志存储和查询费用 +- AWS KMS：客户管理密钥加密费用 \ No newline at end of file diff --git a/wiki/sources/modern-itsm-driving-efficiency-security-resilience.md b/wiki/sources/modern-itsm-driving-efficiency-security-resilience.md new file mode 100644 index 00000000..fb197e6f --- /dev/null +++ b/wiki/sources/modern-itsm-driving-efficiency-security-resilience.md @@ -0,0 +1,55 @@ +--- +title: "Modern ITSM: Driving Efficiency, Security & Resilience" +type: source +tags: [ITSM, DevOps, AIOps, Security] +date: 2025-03-01 +--- + +## Source File +- [[raw/Cloud & DevOps/Understanding Complete ITSM.md]] + +## Summary +- 核心主题：现代 IT 服务管理（ITSM）的演进趋势和最佳实践 +- 问题域：传统 ITSM 无法满足现代云原生环境的敏捷性、自动化和韧性需求 +- 方法/机制：通过 AIOps、Hyperautomation、零信任架构等现代技术实现 ITSM 2.0 +- 结论/价值：ITSM 从工单系统演变为战略推动者，实现运营卓越、风险缓解和创新加速 + +## Key Claims +- ITSM 不再只是工单系统，而是运营卓越、风险缓解和创新加速的战略推动者 +- AIOps 驱动的可观测性和自动化 Remediation 可最小化 MTTR +- AI 驱动的 CMDB 可增强依赖映射、漂移检测和实时影响分析 +- 零信任架构（ZTA）+ Policy-as-Code 可强化安全和合规 + +## Key Quotes +> "IT Service Management (ITSM) is no longer just about ticketing—it’s the strategic enabler of operational excellence, risk mitigation, and innovation acceleration." + +> "The convergence of AIOps, hyperautomation, and ITSM 2.0 is defining a new paradigm: self-learning, predictive, and autonomous IT operations." + +## Key Concepts +- [[ITSM]]：IT 服务管理，从工单系统演进为战略推动者 +- [[AIOps]]：AI 运维，异常检测和预测分析驱动的事件关联 +- [[CMDB]]：配置管理数据库，AI 增强的依赖映射和漂移检测 +- [[Zero Trust Architecture]]：零信任架构，自动化风险评分和 AI 威胁情报 +- [[Policy-as-Code]]：策略即代码，合规自动化和审计就绪 +- [[RTO]]（Recovery Time Objective）：恢复时间目标 +- [[RPO]]（Recovery Point Objective）：恢复点目标 +- [[MTTR]]（Mean Time To Recovery）：平均恢复时间 + +## Key Entities +- [[AIOps]]：AI 运维平台 +- [[CMDB]]：配置管理数据库系统 + +## Connections +- [[DevOps]] ← 集成 ← [[ITSM]] +- [[ITSM]] ← 采用 ← [[AIOps]] +- [[ITSM]] ← 保护 ← [[Zero Trust Architecture]] + +## ITSM 八大核心领域 +1. **Problem Management**：AI 驱动的异常检测和预测分析，消除重复故障 +2. **Incident Management**：实时可观测性、自动 Remediation、自愈 IT 生态 +3. **Change Management**：自动化影响评估、CI/CD 治理、IaC 合规、风险预测 +4. **Release Management**：DevOps 集成、渐进式交付、蓝绿部署、金丝雀发布 +5. **Configuration Management**：AI 驱动 CMDB、多云/本地/混合环境编排 +6. **Asset Management**：智能资产生命周期跟踪、合规自动化、SAM +7. **Security & Compliance Management**：ZTA、自动风险评分、AI 威胁情报、PaC +8. **Disaster Recovery & Business Continuity**：AI 驱动自动故障转移、RTO/RPO 优化、DRaaS \ No newline at end of file diff --git a/wiki/sources/n8n-AI-Agent-2025入门教程.md b/wiki/sources/n8n-AI-Agent-2025入门教程.md deleted file mode 100644 index 243bdc34..00000000 --- a/wiki/sources/n8n-AI-Agent-2025入门教程.md +++ /dev/null @@ -1,58 +0,0 @@ ---- -title: "N8N AI Agent 2025 入门教程" -type: source -tags: [n8n, ai-agent, workflow, memory, airtable, tutorial] -date: 2025-03-06 ---- - -## Source File -- [[raw/Agent/n8n full tutorial building AI agents in 2025 for Beginners!.md]] - -## Summary -- 核心主题：N8N 平台零基础构建 AI Agent 工作流的完整教程 -- 问题域：N8N AI Agent 节点与普通 Workflow 节点的区别、Memory 机制、工具接入方式 -- 方法/机制：Trigger → AI Agent 节点 → Memory → Tools → Output 完整链路 -- 结论/价值：从 Workflow 思维升级到 Agent 思维，理解 LLM 动态决策 vs 预定义路径的本质差异 - -## Key Claims -- Workflow = 预定义路径 + 固定输出；Agent = LLM 动态决策 + 自选择工具 + 上下文记忆 -- N8N AI Agent 节点五类工具：Trigger（触发）、Action（动作）、Utility（工具）、Code（代码）、Advanced AI（高级 AI） -- Memory 是 AI Agent 区别于普通 Workflow 的核心能力，支持多轮对话上下文 -- Airtable 可作为 Agent 工具接入，实现数据库级别的库存查询和更新 - -## Key Quotes -> "Agentic systems consist of agents and workflows, where agents dynamically select tools for user requests" — AI Foundations 教程核心定义 - -## Key Concepts -- [[Workflow vs Agent]]: 预定义固定路径（Workflow）与 LLM 动态决策（Agent）的本质区别；Workflow=确定性/Agent=适应性 -- [[Memory in AI Agent]]: Agent 保持对话上下文连贯性的机制，N8N AI Agent 节点内置 Memory 配置；多轮对话的核心依赖 -- [[Airtable]]: 在线数据库+表格服务，可作为 N8N Agent 工具接入实现库存管理 -- [[N8N AI Agent 节点]]: N8N 平台内置的高级 AI 节点，支持工具动态选择和 Memory 机制 - -## Key Entities -- [[n8n]]: 开源工作流自动化平台，AI Agent 节点支持动态工具选择 -- [[Airtable]]: N8N 教程中演示的外部数据库工具 - -## Connections -- [[n8n-Docker安装与SOCKS5代理配置]] ← extends ← [[n8n-AI-Agent-2025入门教程]]（前者是部署基础，后者是应用层教程） -- [[Workflow vs Agent]] ← created ← [[n8n-AI-Agent-2025入门教程]]（核心概念抽离） - -## Contradictions -- 无已知冲突 - -## N8N 五大节点类型 -| 节点类型 | 功能 | 示例 | -|---------|------|------| -| Trigger | 触发工作流 | Telegram Trigger、Webhook | -| Action | 执行具体操作 | HTTP Request、数据库写入 | -| Utility | 辅助转换 | JSON 解析、日期格式化 | -| Code | 自定义逻辑 | JavaScript/Python | -| Advanced AI | AI 能力 | AI Agent、Chat | - -## Agentic AI 核心特征 -- **动态工具选择**：Agent 根据用户意图自主决定调用哪些工具 -- **上下文 Memory**：多轮对话中保持上下文连贯性 -- **自适应输出**：根据输入动态调整响应内容，而非固定模板 - -## Tags -- #n8n #ai-agent #workflow #tutorial diff --git a/wiki/sources/n8n-Claude-自然语言自动化工作流.md b/wiki/sources/n8n-Claude-自然语言自动化工作流.md deleted file mode 100644 index 87757718..00000000 --- a/wiki/sources/n8n-Claude-自然语言自动化工作流.md +++ /dev/null @@ -1,44 +0,0 @@ ---- -title: "n8n + Claude 通过自然语言自动化工作流" -type: source -tags: [n8n, Claude, 工作流自动化, MCP] -date: 2026-03-29 ---- - -## Source File -- [[raw/Agent/n8n+Claude 通过自然语言自动化工作流.md]] - -## Summary -- 核心主题：n8n + Claude（通过 MCP 协议）实现自然语言驱动的自动化工作流生成 -- 问题域：n8n 工作流设计门槛高、非技术用户难以快速上手 -- 方法/机制：n8n-mcp 作为桥梁，让 Claude 能够理解 n8n 的 543 个节点并生成完整工作流 JSON -- 结论/价值：自然语言生成工作流完成度 80-90%，但需人工修正 10-20% - -## Key Claims -- n8n-mcp 提供 Claude 对 n8n 543 个节点的完整结构化访问 -- Claude 生成 n8n 工作流 JSON 完成度约 80-90%，10%-20% 错误率需人工介入 -- 选择 Opensea 模型并开启 extended thinking 可显著提升生成质量 -- n8n AI Agent 节点支持对话式循环执行，而非单次执行 -- Anthropic MCP 是 Claude 与 n8n 通信的核心协议 - -## Key Quotes -> "n8n AI Agent 节点内置 Memory 机制，支持多轮对话上下文" -> "OpenAI 的 o1-preview 和 o3 模型太慢，实际工作流生成不现实" - -## Key Concepts -- [[n8n-mcp]]：Claude 与 n8n 之间的 MCP 协议桥接，提供 543 个节点的结构化访问 -- [[AI工作流自动生成]]：通过自然语言描述让 AI 自动生成 n8n 工作流 JSON -- [[Memory in AI Agent]]：n8n AI Agent 节点内置 Memory，支持对话式循环执行 -- [[Workflow vs Agent]]：预定义固定路径 vs LLM 动态决策，n8n AI Agent 节点属于后者 - -## Key Entities -- [[Claude]]（Anthropic）：负责理解用户意图并生成 n8n 工作流 JSON -- [[n8n]]：工作流自动化执行引擎，通过 MCP 接收 Claude 生成的工作流指令 -- [[czlonkowski]]：n8n-mcp 项目作者 - -## Connections -- [[Claude]] ← generates via [[n8n-mcp]] ← [[n8n]] -- [[n8n Docker 安装与更新]] ← 部署基础 -- [[AI工作流自动生成]] ← 应用场景 - -## Contradictions diff --git a/wiki/sources/n8n-Docker安装与SOCKS5代理配置.md b/wiki/sources/n8n-Docker安装与SOCKS5代理配置.md deleted file mode 100644 index a0c78819..00000000 --- a/wiki/sources/n8n-Docker安装与SOCKS5代理配置.md +++ /dev/null @@ -1,64 +0,0 @@ ---- -title: "n8n Docker 安装与 SOCKS5 代理配置" -type: source -tags: [n8n, docker, socks5, self-hosted, proxy] -date: 2025-12-30 ---- - -## Source File -- [[raw/Agent/n8n docker install & update.md]] - -## Summary -- 核心主题：n8n Docker 部署并配置 SOCKS5 代理访问外网 -- 问题域：n8n 容器内网络隔离，需要通过宿主机代理访问 AI API（OpenAI/Claude 等） -- 方法/机制：Docker 自定义 Dockerfile 安装 curl/wget + docker-compose ALL_PROXY 环境变量指向宿主机 Docker 网桥 SOCKS5 端口 -- 结论/价值：容器内 AI 工作流节点可正常访问被墙或海外服务 - -## Key Claims -- n8n 容器默认网络隔离，HTTP/HTTPS 请求无法直接访问外网 AI 服务 -- `ALL_PROXY=socks5://172.21.0.1:10808` 将容器流量路由到宿主机 SOCKS5 代理 -- Docker 网桥网关地址（`docker network inspect n8n_default` 中的 Gateway）决定宿主机代理监听地址 -- 更新 n8n：进入 docker-compose 目录 → `docker compose pull` → `docker compose down` → `docker compose up -d` - -## Key Quotes -> "注意：`172.21.0.1` 需替换为以下命令输出的网桥 IP（Gateway）" — 网桥 IP 因环境而异，必须动态获取 - -## Key Concepts -- [[Docker 网桥网络]]: Docker 默认 bridge 网络模式，容器通过 `172.17.0.1`（Linux）或 `172.18.0.1`/`172.21.0.1`（macOS Docker Desktop）访问宿主机 -- [[SOCKS5 代理]]: 一种代理协议，支持 TCP/UDP 流量转发；`socks5h://` 模式由代理服务器解析 DNS，防止 DNS 污染 -- [[ALL_PROXY]]: 环境变量，HTTP/HTTPS/SOCKS 协议通用代理设置 -- [[Docker 自定义 Dockerfile]]: 基于官方镜像安装额外工具（curl/wget）的标准方式 - -## Key Entities -- [[n8n]]: 开源工作流自动化平台，支持 543+ 节点，本项目 AI 自动化核心 -- [[V2Ray]]: SOCKS5 代理服务端，监听宿主机 `0.0.0.0:10808` - -## Connections -- [[n8n-Telegram-Trigger-HTTPS配置修复]] ← relates_to ← [[n8n-Docker安装与SOCKS5代理配置]]（同属 n8n 自托管部署实战） - -## Contradictions -- 与"n8n 官方推荐直接暴露 5678 端口"不同：本方案通过 Caddy 反向代理隐藏端口，仅暴露 HTTPS 端点 - -## Docker Compose 关键配置 -```yaml -environment: - - N8N_PROTOCOL=https - - N8N_HOST=n8n.ishenwei.online - - WEBHOOK_URL=https://n8n.ishenwei.online/ - - N8N_TRUST_PROXY=true - - N8N_SECURE_COOKIE=true - - ALL_PROXY=socks5://172.21.0.1:10808 -networks: - n8n_default: - external: true -``` - -## 容器内测试代理 -```bash -docker exec -it n8n /bin/sh -curl --socks5 172.18.0.1:10808 https://ifconfig.me -# 返回国外 IP 即表示代理生效 -``` - -## Tags -- #n8n #docker #proxy #self-hosted diff --git a/wiki/sources/n8n-Docker安装与更新.md b/wiki/sources/n8n-Docker安装与更新.md deleted file mode 100644 index 2183cf67..00000000 --- a/wiki/sources/n8n-Docker安装与更新.md +++ /dev/null @@ -1,41 +0,0 @@ ---- -title: "n8n Docker 安装与更新指南" -type: source -tags: [docker, n8n, workflow] -date: 2025-03-30 ---- - -## Source File -- [[raw/Agent/n8n docker install & update.md]] - -## Summary -- 核心主题：n8n 自托管工作流引擎的 Docker 部署、代理配置与更新流程 -- 问题域：n8n 容器内无法访问外网（需配置宿主机代理）、镜像更新维护 -- 方法/机制：Dockerfile 扩展官方镜像 + docker-compose 编排 + SOCKS5 宿主机代理 -- 结论/价值：n8n 生产环境推荐 Docker 部署，通过 Caddy 反向代理 + SOCKS5 代理实现安全访问外网 - -## Key Claims -- n8n 官方镜像默认不包含 curl/wget，需通过自定义 Dockerfile 安装 -- ALL_PROXY=socks5://172.21.0.1:10808 使容器内 HTTP/HTTPS 流量走宿主机 SOCKS5 代理 -- 宿主机防火墙必须允许 Docker 网桥访问代理端口：sudo ufw allow from 172.18.0.0/16 to any port 10808 -- docker compose pull && docker compose down && docker compose up -d 为标准更新流程 -- 容器内测试代理是否生效：curl --socks5 172.18.0.1:10808 https://ifconfig.me（返回国外 IP 则生效） - -## Key Concepts -- [[n8n]]：开源工作流自动化平台，支持 543 个节点，AI 能力节点 271 个 -- [[Docker容器网络]]：Docker 默认网桥（172.18.0.0/16 或 172.21.0.0.1），容器通过宿主机网桥 IP 访问外网 -- [[SOCKS5代理]]：SOCKS5 协议允许客户端通过代理服务器转发请求，ALL_PROXY 环境变量在容器内全局生效 - -## Key Entities -- [[n8n]]：工作流自动化引擎 -- [[shenwei]]：部署者，在 Ubuntu2（192.168.3.45）部署 n8n - -## Connections -- [[n8n-Docker安装与更新]] ← 更新流程参考 → [[n8n configure telegram trigger]] -- [[n8n-Docker安装与更新]] ← 使用场景 → [[n8n-mcp]]（Claude 通过 n8n-mcp 调用 n8n 节点） - -## Contradictions - -## Related Wiki Pages -- [[n8n-mcp]]：Claude 与 n8n 的 MCP 协议桥接 -- [[n8n configure telegram trigger]]：n8n Telegram 触发器配置 diff --git a/wiki/sources/n8n-Telegram-Trigger-HTTPS配置修复.md b/wiki/sources/n8n-Telegram-Trigger-HTTPS配置修复.md deleted file mode 100644 index 78078aa2..00000000 --- a/wiki/sources/n8n-Telegram-Trigger-HTTPS配置修复.md +++ /dev/null @@ -1,47 +0,0 @@ ---- -title: "n8n Telegram Trigger HTTPS 配置修复" -type: source -tags: [n8n, telegram, webhook, self-hosted] -date: 2025-12-30 ---- - -## Source File -- [[raw/Agent/n8n configure telegram trigger.md]] - -## Summary -- 核心主题：n8n Telegram Trigger Webhook HTTPS 报错修复 -- 问题域：Telegram Webhook 必须使用 HTTPS URL，本地/内网部署常见此问题 -- 方法/机制：设置 `WEBHOOK_URL` 环境变量为公网 HTTPS 地址 -- 结论/价值：解决 "Bad Request: bad webhook: An HTTPS URL must be provided for webhook" 错误 - -## Key Claims -- Telegram Webhook 模式强制要求 HTTPS URL，自签名证书或 HTTP 地址均会拒绝 -- `WEBHOOK_URL` 环境变量告知 n8n 生成外部可访问的 Webhook URL -- 使用 cpolar/内网穿透服务可将本地 n8n 实例暴露为 HTTPS 公网地址 - -## Key Quotes -> "Telegram Trigger: Bad Request: bad webhook: An HTTPS URL must be provided for webhook" — Telegram Bot API 强制约束 - -## Key Concepts -- [[Telegram Webhook]]: Telegram Bot 与 n8n 通信的回调机制 -- [[WEBHOOK_URL]]: n8n 环境变量，定义公网可访问的 Webhook 基础 URL -- [[内网穿透]]: cpolar/FRP 等工具将本地服务暴露到公网 - -## Key Entities -- [[n8n]]: 开源工作流自动化平台，支持 Telegram Trigger 节点 -- [[cpolar]]: 内网穿透服务，将本地端口映射为公网 HTTPS URL - -## Connections -- [[n8n-Docker安装与SOCKS5代理配置]] ← relates_to ← [[n8n-Telegram-Trigger-HTTPS配置修复]]（同为 n8n 自托管实战） - -## Contradictions -- 无已知冲突 - -## 实战步骤 -1. 确保 n8n 实例可通过公网 HTTPS 访问（如使用 cpolar） -2. 在 Docker Compose 中设置 `WEBHOOK_URL=https://your-domain.com/` -3. Telegram Trigger 节点重新获取 Webhook URL -4. 验证 Telegram Bot 响应正常 - -## Tags -- #n8n #telegram #webhook #self-hosted diff --git a/wiki/sources/vibe-coding经验收集.md b/wiki/sources/vibe-coding经验收集.md deleted file mode 100644 index 4dec4885..00000000 --- a/wiki/sources/vibe-coding经验收集.md +++ /dev/null @@ -1,76 +0,0 @@ ---- -title: "vibe coding经验收集" -type: source -tags: [vibe-coding, ai-programming, workflow, x-twitter] -date: 2026-04-03 ---- - -## Source File -- [[raw/Vibe Coding/vibe coding经验收集.md]] - -## Summary -- 核心主题：Twitter/X 上 AI 编程实践者分享的 vibe coding 经验与工作流 -- 问题域：如何高效使用 AI 进行代码开发；AI 生成代码质量保证机制 -- 方法/机制：设计文档 → 伪代码 → AI 直出 → AI review → 提交；文件头注释降低认知负载；测试驱动 AI 编程 -- 结论/价值：vibe coding 超越"提示词工程"，进入工程化实践阶段，核心差异在于人机分工（人做架构/AI 做实现） - -## Key Claims -- 需求 → 伪代码 → 代码 的流水线可实现"一遍直出"，由第二个 AI review 后修改即完成 -- Gemini 3 Pro 系统 prompt 调优可提升多代理基准测试性能约 5% -- "验证代码按正确逻辑运行"将替代"看懂代码"成为软件工程核心能力 -- CodeWeaver 将任意项目代码库编织为树形 Markdown 文档，简化 AI 上下文注入 -- 文件头注释（模块作用 + 上下游链路 + 维护 agents 说明）降低团队认知负载 - -## Key Quotes -> "需求 -> 伪代码 -> 代码" — 点评：设计文档细到 service 层伪代码，交给 AI 一遍直出，再用另一个 AI review -> "未来的软件工程核心不是'看懂代码'，而是'验证代码按正确逻辑运行'" — 通过自动化测试、静态分析、形式化验证确保行为正确 -> "CodeWeaver 将你整个项目，不管有多少屎山代码，直接'编织'成一个条理清晰的 Markdown 文件" — 降低上下文复杂度 - -## Key Concepts -- [[设计文档优先]]：在交给 AI 前完成伪代码编写，确保 AI 直出质量 -- [[双AI Review]]：第一个 AI 生成 + 第二个 AI review，用 review 意见修改而非从头 review -- [[AI测试驱动]]：让 AI 自己生成测试用例并执行，将测试作为代码正确性的验证手段 -- [[上下文压缩]]：CodeWeaver 将代码库压缩为树形 Markdown，降低 AI 处理大项目的上下文压力 -- [[模块头注释规范]]：文件头注释包含作用说明、上下游链路、维护 agents 说明，类似 Claude Skill 的 README -- [[点线体迭代]]：先打磨单个基础任务，再基于此批量执行，类比渐进式开发 - -## Key Entities -- [[CodeWeaver]]：GitHub 工具，将任意代码库编织为可导航 Markdown 文档 -- [[Gemini]]：Google LLM，系统 prompt 调优可提升多代理性能 - -## Connections -- [[Vibe Coding]] ← 工程化 ← [[设计文档优先]] + [[双AI Review]] + [[AI测试驱动]] -- [[CodeWeaver]] ← solves_problem ← [[上下文压缩]] -- [[Prompt工程]] ← context ← 小费激励式提示词（"第一次做好打赏100美元"） - -## 工程化 Vibe Coding 工作流 - -``` -需求定义 - ↓ -设计文档（含 service 层伪代码） - ↓ -AI #1 直出代码 - ↓ -AI #2 review - ↓ -根据 review 意见修改 - ↓ -AI #1 生成测试用例 - ↓ -执行测试 → commit → push -``` - -## Prompt 工程新技巧 - -| 技巧 | 原理 | 效果 | -|------|------|------| -| 小费激励 | 承诺做好打赏，心理暗示 | 提升首次生成质量 | -| 指定格式 | 明确要求输出格式 | 减少返工 | -| 伪代码前置 | 降低 AI 推理难度 | 提高直出准确率 | - -## Contradictions -- 与 [[Vibe Coding]] 资源文档： - - 冲突点：纯提示词优化 vs 工程化流程 - - 当前观点：vibe coding 核心是设计文档质量，AI 执行是确定性环节 - - 对方观点：vibe coding 核心是氛围和提示词 diff --git a/wiki/sources/what-is-devsecops-best-practices-benefits-and-tools.md b/wiki/sources/what-is-devsecops-best-practices-benefits-and-tools.md new file mode 100644 index 00000000..81d876fd --- /dev/null +++ b/wiki/sources/what-is-devsecops-best-practices-benefits-and-tools.md @@ -0,0 +1,63 @@ +--- +title: "What is DevSecOps? Best Practices, Benefits, and Tools" +type: source +tags: [DevSecOps, 安全, SDLC, CI/CD] +date: 2023-10-30 +--- + +## Source File +- [[raw/Cloud & DevOps/What is DevSecOps Best Practices, Benefits, and Tools.md]] + +## Summary +- 核心主题：DevSecOps（开发安全运维）方法论 +- 问题域：软件安全开发流程、CI/CD 安全集成、企业安全转型 +- 方法/机制： + - 在 SDLC 各阶段集成安全检查 + - 自动化安全测试（SAST、SCA、IAST、DAST） + - Shift Left/Shift Right 安全策略 + - 安全即代码（Policy-as-Code） +- 结论/价值：70% 的发布后漏洞可通过 DevSecOps 预防 + +## Key Claims +- DevSecOps 将安全职责从单独的安全团队转移到整个开发团队 +- 自动化安全测试可集成到 CI/CD 流水线而不影响开发速度 +- "Shift Left" 在开发早期识别安全缺陷，降低修复成本 +- "Shift Right" 确保发布后持续监控和修复漏洞 + +## Key Quotes +> "70% of software vulnerabilities discovered post-launch could have been prevented with DevSecOps" +> "DevSecOps encourages collaboration among software developers, security teams, and operations staff" + +## Key Concepts +- [[DevSecOps]]：在 CI/CD 流水线中深度集成安全工具的文化理念 +- [[CI/CD 流水线]]：自动化测试、集成和部署的持续交付管道 +- [[SDLC]]：软件开发生命周期 +- [[SAST]]：静态应用安全测试，在编码早期发现漏洞 +- [[SCA]]：软件成分分析，检测第三方组件漏洞 +- [[IAST]]：交互式应用安全测试，运行时检测漏洞 +- [[DAST]]：动态应用安全测试，模拟外部攻击 +- [[Shift Left]]：在开发早期阶段融入安全测试 +- [[Shift Right]]：发布后持续安全监控和测试 + +## Key Entities +- [[AWS]]：提供 Inspector、CodeGuru Reviewer 等安全工具 +- [[Jenkins]]：CI/CD 工具，可集成安全扫描 +- [[Docker]]：容器化平台，需确保容器安全 +- [[Kubernetes]]：容器编排，需安全配置 +- [[Snyk]]：开源安全扫描工具 +- [[SonarQube]]：代码质量与安全分析工具 +- [[OWASP]]：Web 安全关键标准，OWASP Top Ten 是安全测试基准 + +## Connections +- [[DevOps]] ← extends ← [[DevSecOps]] +- [[敏捷实践]] ← integrates ← [[DevSecOps]] +- [[CI-CD-流水线]] ← embeds ← [[DevSecOps]] +- [[DevOps-文化]] ← evolves_into ← [[DevSecOps]] +- [[Infrastructure-as-Code-IaC]] ← integrates_with ← [[DevSecOps]] +- [[Policy-as-Code]] ← implements ← [[DevSecOps]] + +## Contradictions +- 与传统安全模式冲突： + - 冲突点：传统模式在开发完成后进行安全测试 + - 当前观点：安全应嵌入每个开发阶段 + - 对方观点：安全是专职安全团队的责任 \ No newline at end of file diff --git a/wiki/sources/一语点醒梦中人-2026-04-16.md b/wiki/sources/一语点醒梦中人-2026-04-16.md deleted file mode 100644 index aa704913..00000000 --- a/wiki/sources/一语点醒梦中人-2026-04-16.md +++ /dev/null @@ -1,66 +0,0 @@ ---- -title: "一语点醒梦中人（2026-04-16新批次）" -type: source -tags: [wisdom, eastern-philosophy, daoism, confucianism, buddhism] -date: 2026-04-16 ---- - -## Source File -- [[raw/AI/一语点醒梦中人.md]] - -## Summary -- 核心主题：东方人生智慧精选——道家、儒家、佛教经典箴言与实践指南 -- 问题域：如何将传统东方智慧应用于现代人生困境（职业瓶颈、困境转化、内心安宁） -- 方法/机制：经典原文 + 多维度解释（出处/含义/实践建议）+ 现代生活对照 -- 结论/价值：东方智慧提供了一整套"绝处逢生"的实践框架，核心是接纳与行动的平衡 - -## Key Claims -- "行到水穷处，坐看云起时"是东方逆境转化的最高智慧——困境即转机 -- "知其不可奈何而安之若命"不是消极认命，而是"尽人事后听天命"的积极接纳 -- "忘机可以消众机"是复杂环境中保全自身的处世智慧 -- 真正的智慧（"大智若愚"）看似愚钝，实则藏锋守拙 - -## Key Quotes -> "知其不可奈何而安之若命，德之至也。" — 《庄子·内篇·人间世》 - -> "唯忘机可以消众机，唯懵懂可以祓不吉祥。" — 曾国藩《治心经·诚心篇》 - -> "一切有为法，如梦幻泡影，如露亦如电，应作如是观。" — 《金刚经》 - -> "大直若屈，大巧若拙，大辩若讷。" — 《老子·第四十五章》 - -## Key Concepts -- [[空性智慧]]：一切有为法如梦幻泡影露水电，不可执着于"自性" -- [[绝处逢生]]："行到水穷处，坐看云起时"，困境即转机的东方智慧 -- [[知其不可奈何而安之若命]]：先尽人事，后听天命，接纳与行动的平衡 -- [[忘机消众机]]：以无争无求、大智若愚的态度应对复杂环境 -- [[和光同尘]]：收敛锋芒，不标新立异，与世无争以保全自身 -- [[飘风不终朝]]：困境终会过去，与西方谚语"This too shall pass"异曲同工 -- [[修行八法]]：守相、藏拙、宁神、扩形、藏锋、控语、修心、慎独 - -## Key Entities -- [[王维]]：唐代"诗佛"，《终南别业》作者，"行到水穷处"典故出处 -- [[曾国藩]]：晚清重臣，《治心经》作者，"忘机消众机"出处 -- [[庄子]]：战国道家代表，"知其不可奈何而安之若命"出处 -- [[孔子]]：儒家至圣，"执两用中"出处 -- [[老子]]：道家始祖，"大巧若拙"/"和光同尘"出处 - -## Connections -- [[su-dongpo-perspective]] ← related_to ← [[一语点醒梦中人]]（同为东方智慧资源） -- [[空性智慧]] ← is_about ← [[金刚经]] -- [[绝处逢生]] ← is_about ← [[王维]] -- [[知其不可奈何而安之若命]] ← is_about ← [[庄子]] - -## Contradictions -- 与西方积极心理学的张力： - - 西方观点：积极行动永远优于被动接纳（"action orientation"） - - 东方智慧：先辨别"可奈何"与"不可奈何"，在"不可奈何"处接纳并非消极 - - 融合点：两者都强调"尽人事"后的心态调整，区别在于对"人事已尽"标准的判定 - -## 现代实践对照 -| 古训 | 现代困境 | 实践建议 | -|------|---------|---------| -| 知其不可奈何而安之若命 | 项目失败/市场变化不可控 | 全力辨别"可改"vs"不可改"，不可改则停止内耗 | -| 忘机消众机 | 职场政治/人际算计 | 以淳朴自然应对，不主动参与算计 | -| 大巧若拙 | 展示能力vs藏锋守拙 | 在关键时刻才展露，避免锋芒毕露招嫉 | -| 一切有为法如梦幻泡影 | 执着于成败得失 | 以觉知观察执着，不压制情感而是看清本质 | diff --git a/wiki/sources/一语点醒梦中人-东方人生智慧.md b/wiki/sources/一语点醒梦中人-东方人生智慧.md deleted file mode 100644 index 24a23a11..00000000 --- a/wiki/sources/一语点醒梦中人-东方人生智慧.md +++ /dev/null @@ -1,41 +0,0 @@ ---- -title: "一语点醒梦中人 — 东方人生智慧" -type: source -tags: [wisdom, daoism, confucianism, buddhism, chinese-philosophy] -date: 2026-01-01 ---- - -## Source File -- [[raw/AI/一语点醒梦中人.md]] - -## Summary -- 核心主题：道家、儒家、佛教经典箴言与人生智慧 -- 问题域：如何在困境中保持内心平静，如何以东方哲学应对人生无常 -- 方法/机制：收录王维、曾国藩、老庄等思想家的经典箴言，配以现代解读与实践指南 -- 结论/价值：东方智慧的核心在于"绝处逢生"——以空性智慧观照困境，以道家态度顺势而为 - -## Key Claims -- 王维"行到水穷处，坐看云起时"：困境（水穷处）中放下执着，静观变化（云起），顿悟人生 -- "知其不可奈何而安之若命"（庄子）：先尽人事，后听天命，非消极认命而是接纳与行动的平衡 -- "执一守中，有劳而作，言行意合，自然而行"：儒家守中+道家自然+佛家修言的统一修养路径 -- "唯忘机可以消众机，唯懵懂可以祓不祥"（曾国藩）：以无争朴拙应对复杂环境 -- "一切有为法，如梦幻泡影，如露亦如电"（金刚经）：以空性智慧观照世间一切现象 - -## Key Concepts -- [[空性智慧]]：一切因缘和合之物皆虚幻短暂，不执着于"自性"，以清醒觉知观照流动真相 -- [[绝处逢生]]："行到水穷处，坐看云起时"，东方逆境转化智慧——困境是转机 -- [[知其不可奈何而安之若命]]：先辨"可奈何"与"不可奈何"，全力于前者，接纳后者 -- [[执一守中]]：儒家"执两用中"与道家"守中"结合，避免极端，动态平衡中守持正道 -- [[大智若愚]]：收敛锋芒，以质朴掩藏才智（老子/苏轼） -- [[和光同尘]]：不标新立异，与世无争以保全自身（老子） - -## Key Entities -- [[王维]]："诗佛"，行到水穷处典故出处，佛学影响下形成空寂淡泊心境 -- [[曾国藩]]：《治心经·诚心篇》作者，"唯忘机可以消众机"出处，晚清政局中以"拙诚"自保 -- [[庄子]]：《人间世》"知其不可奈何而安之若命"出处，道家逍遥派代表 -- [[老子]]：《道德经》"大巧若拙/和其光同其尘"出处，道家无为思想核心 - -## Connections -- [[一语点醒梦中人-东方人生智慧]] ← foundational ← [[空性智慧]] -- [[一语点醒梦中人-东方人生智慧]] ← foundational ← [[绝处逢生]] -- [[su-dongpo-perspective]] ← similar_tradition ← [[一语点醒梦中人-东方人生智慧]]（均属东方人生智慧，苏东坡视角可与此互相补充） diff --git a/wiki/sources/万字保姆级教程-90天跑通一人公司模式-2026-03-29.md b/wiki/sources/万字保姆级教程-90天跑通一人公司模式-2026-03-29.md deleted file mode 100644 index 73aba631..00000000 --- a/wiki/sources/万字保姆级教程-90天跑通一人公司模式-2026-03-29.md +++ /dev/null @@ -1,50 +0,0 @@ ---- -title: "万字保姆级教程：90天跑通一人公司模式" -type: source -tags: [一人公司, Ikigai, 个人品牌, 商业变现, AI提示词] -date: 2026-03-29 ---- - -## Source File -- [[raw/Agent/万字保姆级教程-90天跑通一人公司模式-2026-03-29.md]] - -## Summary -- 核心主题：用 AI 辅助，从自我认知到商业变现，90 天跑通一人公司模式 -- 问题域：有行业经验但不知如何将个人优势转化为可变现产品 -- 方法/机制：天才地带模型 → 底层能力挖掘 → Ikigai 四圈交集 → 数据验证赛道 → 产品漏斗设计 -- 结论/价值：一人公司的关键是更聪明地定位，而非更努力地工作 - -## Key Claims -- 天才地带（Flow）：能产生心流、时间飞逝、精力充沛的活动区域 -- 底层能力的三个自检问题：追溯童年/毫不费力/底层通用 -- 四个心理陷阱：愧疚陷阱、效率陷阱、卓越陷阱、努力陷阱 -- Ikigai 四圈：热爱 × 擅长 × 市场需要 × 能获报酬 -- 产品体系四层：引流（免费PDF）→ 入门（¥199工具）→ 核心（¥4999训练营）→ 高价（¥20000/月的陪跑咨询） -- 内容矩阵：横轴核心主题 × 纵轴内容形式（观察类/反直觉类/操作指南类/个人故事类/清单类） -- 反向金字塔：一次长形式内容，切成无数微内容百次分发 - -## Key Quotes -> "一人公司的关键，和你更努力地工作一点关系没有，是更聪明地定位" -> "在你觉得太简单所以不值钱的事情里，在朋友们总是找你帮忙的那个领域里——现在，是时候把它挖掘出来了" -> "AI 时代能判断什么是真正好的（品味）成为稀缺护城河" - -## Key Concepts -- [[天才地带]]：能产生心流的活动区域，回顾过去一个月找到精力充沛的项目 -- [[底层能力]]：冰山水下的通用能力，能串起多件擅长的事 -- [[Ikigai]]：热情/使命/天职/职业的交汇点，四圈交集处是最佳定位 -- [[一人公司]]：用最小杠杆撬动最大价值，核心支点是个人优势 -- [[产品漏斗]]：获客（社交媒体→落地页）→ 激活（免费资源→系列内容）→ 转化（低价直接/高价咨询） -- [[价格锚定]]：高价咨询放顶部，让低价显得便宜 -- [[内容矩阵]]：核心主题 × 内容形式的二维矩阵 -- [[反向金字塔]]：一次长内容切多次分发 - -## Key Entities -- [[超级个体]]：某领域八九十分 + AI 横向扩展 -- [[品味]]：AI 时代真正的护城河 -- [[端到端]]：不做别人 AI 流水线上的零件 - -## Connections -- [[普通人如何在AI时代赚钱]] ← 同一主题的不同版本 -- [[AI产品经理]] ← 相关：精准表达与结构化思维 - -## Contradictions diff --git a/wiki/sources/万字讲透OpenClaw-Workspace深度解析-2026-03-21.md b/wiki/sources/万字讲透OpenClaw-Workspace深度解析-2026-03-21.md deleted file mode 100644 index 9f60a23f..00000000 --- a/wiki/sources/万字讲透OpenClaw-Workspace深度解析-2026-03-21.md +++ /dev/null @@ -1,52 +0,0 @@ ---- -title: "万字讲透OpenClaw Workspace深度解析（2026-03-21版）" -type: source -tags: [OpenClaw, Workspace, Agent, AGENTS.md, SOUL.md, IDENTITY.md] -date: 2026-03-21 ---- - -## Source File -- [[raw/Agent/万字讲透OpenClaw-Workspace深度解析-2026-03-21.md]] - -## Summary -- 核心主题：OpenClaw workspace 7 大核心文件体系的深度解析与最佳实践 -- 问题域：为什么有些 Agent 每次像重新 onboarding，有些 Agent 却记得一切 -- 方法/机制：workspace 文件体系（AGENTS.md/SOUL.md/USER.md/IDENTITY.md/TOOLS.md/BOOTSTRAP.md/memory/）各司其职 -- 结论/价值：这套文件配合好了，Agent 从"能工作"变成"好用了"，成为真正懂你、记得你、靠谱的长期搭档 - -## Key Claims -- AGENTS.md 是岗位说明书，SOUL.md 是性格档案，两者分工明确不应混写 -- AGENTS.md 最佳长度为 300-500 字，过长反而冲淡重点 -- SOUL.md 是叙事性角色设定（人物小传），IDENTITY.md 是结构化元数据（名片） -- TOOLS.md 的核心价值是"什么时候不用"，而非"什么时候用" -- BOOTSTRAP.md 是一次性引导，完成后必须删除 -- memory/ 是 Agent 真正的长期记忆，对 Agent 来说真正算数的是 Markdown 文件而非黑盒数据库 -- bootstrapMaxChars/boolstrapTotalMaxChars 长度限制会影响 session 启动时带进系统提示词的内容量 - -## Key Quotes -> "AGENTS.md 告诉你 Agent 该做什么、不该做什么；SOUL.md 定义 Agent 的性格，让它变得可预期" -> "BOOTSTRAP.md 的使命是把一个全新的 workspace 引导到可正常使用的状态" -> "对 Agent 来说，真正算数的长期记忆，是 workspace 里那些 Markdown 文件，不是什么看不见摸不着的黑盒数据库" - -## Key Concepts -- [[Workspace]]：OpenClaw Agent 的工作台，决定 Agent 怎么工作 -- [[AGENTS.md]]：Agent 的岗位职责说明书（功能性） -- [[SOUL.md]]：Agent 的性格档案（人格性） -- [[USER.md]]：用户偏好固化，减少重复交代 -- [[IDENTITY.md]]：Agent 结构化身份元数据（名字/emoji/头像） -- [[TOOLS.md]]：工具权限声明与使用规范，核心是"什么时候不用" -- [[BOOTSTRAP.md]]：一次性初始化引导，完成后必须删除 -- [[memory/]]：Agent 的长期记忆目录，按日期滚动的 Markdown 文件 -- [[长期记忆]]：Agent 跨会话保留重要信息的能力 - -## Key Entities -- [[OpenClaw]]：整个 workspace 文件体系的承载平台 -- [[DracoVibeCoding]]：本文作者，微信公众号 Draco正在VibeCoding - -## Connections -- [[Workspace]] ← contains ← [[AGENTS.md]] + [[SOUL.md]] + [[USER.md]] + [[IDENTITY.md]] + [[TOOLS.md]] + [[BOOTSTRAP.md]] + [[memory/]] -- [[万字讲透OpenClaw-Workspace深度解析]] ← 早版（内容基本相同） -- [[BOOTSTRAP.md]] → deleted after initialization → [[SOUL.md]] created - -## Contradictions -- 与[[万字讲透OpenClaw-Workspace深度解析]]：本质同一篇文章的不同版本，此版本为公众号发布版（2026-03-21），原版为早期传播版 diff --git a/wiki/sources/万字讲透OpenClaw-Workspace深度解析.md b/wiki/sources/万字讲透OpenClaw-Workspace深度解析.md deleted file mode 100644 index fc10a41c..00000000 --- a/wiki/sources/万字讲透OpenClaw-Workspace深度解析.md +++ /dev/null @@ -1,51 +0,0 @@ ---- -title: "万字讲透OpenClaw Workspace深度解析" -type: source -tags: [OpenClaw, Agent, Workspace, 架构] -date: 2026-03-21 ---- - -## Source File -- raw/Agent/万字讲透OpenClaw-Workspace深度解析-2026-03-21.md - -## Summary -- 核心主题：OpenClaw workspace 文件体系（AGENTS.md/SOUL.md/USER.md/TOOLS.md/IDENTITY.md/BOOTSTRAP.md）职责划分与最佳实践 -- 问题域：如何通过 workspace 文件让 Agent 从"能工作"变为"好用了"，消除每次会话的重复 onboarding -- 方法/机制：workspace 文件分工（职责定义、性格叙事、用户偏好、工具规范、身份元数据、初始化引导） -- 结论/价值：7 个核心文件配合构建 Agent 的可预期性，一致性建立信任，信任带来深度协作 - -## Key Claims -- AGENTS.md = 岗位说明书（功能），SOUL.md = 性格档案（人格），两者必须分离 -- AGENTS.md 最佳长度为 300-500 字，过长反而冲淡重点 -- SOUL.md 是叙事性角色设定，IDENTITY.md 是结构化元数据，两者分工明确 -- TOOLS.md 核心价值在于"什么时候不用"比"什么时候用"更重要 -- memory/ 目录是 Agent 真正的长期记忆载体，Markdown 文件本身是最终存储 -- BOOTSTRAP.md 是一次性初始化引导，完成后必须删除 - -## Key Quotes -> "一边的人，每次跟 Agent 说话都像重新 onboarding；另一边的人，Agent 已经知道自己是谁、该怎么说话、用户讨厌什么，也记得上次积累下来的东西。" — workspace 价值所在 -> "workspace 是 Agent 的工作台，agentDir 是 openclaw.json 里的配置字段，sessions 是工作日志。三者职责不同，不要混为一谈。" — 核心区分 - -## Key Concepts -- [[Workspace]]：OpenClaw 中 Agent 的工作台目录（~/.openclaw/workspace/），决定 Agent 怎么工作 -- AGENTS.md：Agent 岗位职责说明书，定义职责边界、场景触发、多 Agent 协调 -- SOUL.md：Agent 性格档案，叙事性角色设定，定义说话风格和价值观 -- USER.md：用户偏好固化文件，减少重复交代 -- TOOLS.md：工具权限声明与使用规范，核心是"什么时候不用" -- IDENTITY.md：Agent 结构化身份元数据（Name/Creature/Vibe/Emoji/Avatar） -- BOOTSTRAP.md：一次性初始化引导，完成后删除 -- [[长期记忆]]：memory/ 目录让 Agent 跨会话保留重要信息 -- [[Agent 编排]]：多 Agent 协作通过 AGENTS.md 中的 spawn 规则实现 - -## Key Entities -- [[OpenClaw]]：AI Agent 框架，workspace 是其核心设计之一 -- [[DracoVibeCoding]]：本文作者，公众号 Draco正在VibeCoding - -## Connections -- [[OpenClaw]] ← 包含 ← [[Workspace]] -- [[Workspace]] ← 由 ← AGENTS.md + SOUL.md + USER.md + TOOLS.md + IDENTITY.md + BOOTSTRAP.md + [[长期记忆]] -- SOUL.md ← 与 ← IDENTITY.md ← 分工 ← 性格叙事 vs 结构化元数据 -- AGENTS.md ← 协同 ← SOUL.md + USER.md -- [[长期记忆]] ← 支撑 ← [[Workspace]] - -## Contradictions diff --git a/wiki/sources/不会Gemini的产品经理真的要被淘汰了-附保姆级PRD生成指南.md b/wiki/sources/不会Gemini的产品经理真的要被淘汰了-附保姆级PRD生成指南.md deleted file mode 100644 index 2c9f3eef..00000000 --- a/wiki/sources/不会Gemini的产品经理真的要被淘汰了-附保姆级PRD生成指南.md +++ /dev/null @@ -1,46 +0,0 @@ ---- -title: "不会Gemini的产品经理真的要被淘汰了—附保姆级PRD生成指南" -type: source -tags: [ai-product-manager, gemini, prd, ai-workflow] -date: 2025-12-18 ---- - -## Source File -- [[raw/AI/附保姆级PRD生成指南.md]] - -## Summary -- 核心主题：AI时代产品经理能力结构重塑，从功能清单到AI驱动PRD的工作流转型 -- 问题域：产品经理如何在AI工具普及背景下重新定义核心竞争力 -- 方法/机制：FeatureList共创 → Mermaid图生成 → 分页面口述 → HTML原型，AI嵌入全链路 -- 结论/价值：AI是充分非必要条件，市场洞察力才是最稀缺能力；精准表达是人与AI协作的核心技能 - -## Key Claims -- Gemini = 知识渊博但不带脑子的苦工，表述越准确执行越准确 -- 市场洞察力 = 产品经理最稀缺也最重要的能力，AI时代比以往任何时候都更重要 -- 超级个体 = 某领域八九十分 + AI横向扩展，AI是充分非必要条件 -- 精准表达 = 将模糊想法转化为清晰结构，是人与AI协作的核心技能 - -## Key Quotes -> "你连给下属指令都讲不清，怎么可能用好AI？Prompt能力的本质是有对问题清晰界定的能力，加上结构化的思维逻辑和表达能力。" - -> "AI不会让普通人变富，但会让那些知道自己要做什么、且对品质有执念的人变得极其强大。" - -## Key Concepts -- [[FeatureList]]：分层需求表，AI共创需求创意的核心工具 -- [[PRD自动生成]]：FeatureList → Mermaid → 分页面口述 → HTML原型的AI工作流 -- [[超级个体]]：某领域八九十分者用AI横向扩展，AI是充分非必要条件 -- [[精准表达]]：将模糊想法转化为清晰结构的能力，人与AI协作的核心 - -## Key Entities -- [[Gemini]]：Google AI模型，深度嵌入PRD工作流的工具 -- [[Kira2red]]：AI产品管理实践者，Gemini工作流方法论作者 - -## Connections -- [[AI产品经理]] ← is_about ← [[不会Gemini的产品经理真的要被淘汰了]] -- [[超级个体]] ← extends ← [[AI产品经理]] -- [[精准表达]] ← supports ← [[AI产品经理]] - -## Contradictions -- 与传统PM能力模型冲突： - - 传统观点：PM核心竞争力是执行力、项目管理 - - 本文观点：AI时代市场洞察力才是PM最稀缺能力，执行力可被AI替代 diff --git a/wiki/sources/不会Gemini的产品经理真的要被淘汰了.md b/wiki/sources/不会Gemini的产品经理真的要被淘汰了.md deleted file mode 100644 index 18f1834b..00000000 --- a/wiki/sources/不会Gemini的产品经理真的要被淘汰了.md +++ /dev/null @@ -1,65 +0,0 @@ ---- -title: "不会Gemini的产品经理真的要被淘汰了" -type: source -tags: [AI产品管理, Gemini, PRD, FeatureList, AI工作流] -sources: [raw/AI/不会Gemini的产品经理真的要被淘汰了 附保姆级PRD生成指南.md] -last_updated: 2026-04-15 ---- - -## Source File -- raw/AI/不会Gemini的产品经理真的要被淘汰了 附保姆级PRD生成指南.md - -## Summary -- 核心主题：Gemini 3 Pro 驱动下 AI 时代产品经理能力结构重塑，AI 嵌入工作流的实战方法论 -- 问题域：产品经理如何使用大模型提升需求文档、FeatureList、逻辑图生成效率 -- 方法/机制：FeatureList 共创构思 → Mermaid 逻辑图 → 分页面 PRD 口述 → HTML 原型自动生成 -- 结论/价值：大模型是"知识渊博但不带脑子的苦工"，核心价值在于将人的想法准确写下来，而非替代人思考 - -## Key Claims -- Gemini 2.5/3 Pro 可将产品经理部分工作时间缩短 90% 以上 -- 大模型写 PRD 是"写"而非"想"：人负责想结构，大模型负责补全边界场景和格式严谨性 -- FeatureList 是需求创意的核心工具，通过分层展开确保功能点全面、优先级合理 -- Mermaid 代码 + 飞书文档可实现 ER 图、泳道图、甘特图等所有常用逻辑图的自动化生成 -- 调教（微反馈）是关键：直接指出错误，三句话带出一个文档写得好的"AI下属" -- HTML 原型生成 + PRD 差量维护 = 永远最新的交互原型库 - -## Key Quotes -> "Gemini 是一个知识渊博但'不带脑子'的苦工，你表述的越准、它执行得越准。" — 核心方法论，人机协作的准确度取决于人类表述质量 -> "只有提交真实需求，才能获得真实的触动。" — 纯银观点，真问题才有真震撼 -> "不会用 Gemini 的产品经理真的要被淘汰了——或者说，不能把时代里随时涌现的新东西嵌入到自己中，新时代也就没有了嵌入你我的位置。" — 核心命题 -> "超级个体之所以是超级个体，不是因为 AI，而是因为他们本来就掌握'把一件事做对'的方法和能力。" — 对超级个体神话的反驳 - -## Key Concepts -- [[FeatureList]]：分层级展开的需求表，核心关注分模块分层合理性、功能点全面性、优先级评估合理性 -- [[PRD自动生成]]：分页面口述需求 + 模板调教 + 边界场景补全的 AI 辅助文档写作流程 -- [[Mermaid]]：通过代码生成逻辑图（ER图、泳道图、时序图、甘特图等），飞书原生支持 -- [[AI产品经理]]：掌握将大模型嵌入工作流以产生实际价值的产品经理，而非浅尝辄止的豆包用户 -- [[超级个体]]：在某个领域能做到八九十分的人，AI 放大了其横向扩展能力，而非平庸者的救星 -- [[AI嵌入工作流]]：把大模型"嵌入"到工作流程中产生实际价值，而非单独使用 -- [[需求端到端]]：产品经理与 Agent 对话获得 id，研发盯着屏幕冒代码，绕过传统需求文档传递 - -## Key Entities -- [[Kira2red]]：微信公众号作者，AI 产品管理实践者 -- [[Gemini]]：Google 大模型，PRD 写作的主要工具 -- [[纯银]]（V2EX 创始人）：产品经理，Gemini 3 Pro 体验分享者，观点引用来源 - -## Connections -- [[Gemini]] ← 工具基础 ← [[AI产品管理]] -- [[FeatureList]] ← 核心方法 ← [[PRD自动生成]] -- [[Mermaid]] ← 图形化工具 ← [[PRD自动生成]] -- [[AI产品管理]] ← 能力要求 ← [[超级个体]] -- [[AI产品管理]] → 威胁对象 → [[传统产品经理]] -- [[精准表达]] ← 核心能力 ← [[AI产品管理]] -- [[结构化思维]] ← 核心能力 ← [[AI产品管理]] -- [[AI产品管理]] → 效率杠杆 → [[超级个体]] -- [[精准表达]] ← 调教基础 ← [[Gemini]] - -## Contradictions -- 与 [[Agent Skill 设计模式]] 冲突： - - 冲突点：AI 是辅助工具还是替代者 - - 当前观点：[[Agent Skill 设计模式]] 强调 Skill 作为工具箱，AI 是能力的扩展器 - - 对方观点：本文暗示 AI（Gemini）可替代产品经理 90% 的文本工作，能力边界更激进 -- 与 [[超级个体]] 冲突： - - 冲突点：超级个体的成因 - - 当前观点：超级个体因 AI 而成 - - 对方观点：超级个体本就具备把事情做对的能力，AI 只是横向扩展工具，非充分条件 diff --git a/wiki/sources/二创视频必不可少-2025年最热门AI工具推荐合集-AI配音声音克隆.md b/wiki/sources/二创视频必不可少-2025年最热门AI工具推荐合集-AI配音声音克隆.md deleted file mode 100644 index 627d776a..00000000 --- a/wiki/sources/二创视频必不可少-2025年最热门AI工具推荐合集-AI配音声音克隆.md +++ /dev/null @@ -1,61 +0,0 @@ ---- -title: "二创视频必不可少！2025年最热门AI工具推荐合集—AI配音、声音克隆" -type: source -tags: [ai-voice, voice-cloning, tts, ai-tools] -date: 2025-12-18 ---- - -## Source File -- [[raw/AI/二创视频必不可少！2025年最热门AI工具推荐合集-AI配音、声音克隆.md]] - -## Summary -- 核心主题：2025年主流AI配音与声音克隆工具横向评测 -- 问题域：内容创作者如何选择适合的AI配音工具（免费/付费、技术流/小白友好） -- 方法/机制：按使用场景分类评测，从声音质量/费用/功能/适用人群维度对比 -- 结论/价值：选ElevenLabs追高品质；日常免费用海螺AI/TTSMaker/AnyVoice；技术流选F5-TTS本地部署 - -## Key Claims -- 声音克隆已成AI配音标配，最快3秒完成（AnyVoice） -- 免费与付费工具差距主要在商用授权和克隆精度 -- 国内工具（海螺/TTSMaker/剪映）无需科学上网 - -## Key Quotes -> "海螺AI：小白友好，30秒克隆声音，支持中文、粤语等17种语言，还能给语音加情绪。免费！免费！免费！" - -> "F5-TTS：程序员专属，开源免费，2秒音频就能克隆声音，还能控制语速和情绪。适合想自己部署的企业或技术党。" - -## Key Concepts -- [[AI配音]]：文字转语音（TTS），带情感变化的语音生成 -- [[声音克隆]]：用少量音频样本复制特定音色，支持多语言 -- [[ElevenLabs]]：国际顶流AI配音，支持30+语言和方言，带情感变化 -- [[F5-TTS]]：开源本地部署，中英文支持，技术流首选 -- [[TTSMaker]]：打工人必备，每周免费3万字，50+语言，商用授权 - -## Key Entities -- [[ElevenLabs]]：国际顶流AI配音工具，声音自然度高，API接口灵活 -- [[海螺AI]]（MiniMax）：30秒克隆，免费，中文/粤语支持，网页直接操作 -- [[F5-TTS]]：开源免费，2秒克隆，本地部署，数据安全 -- [[TTSMaker]]（马克配音）：无需注册，网页操作，商用免费 -- [[剪映]]（抖音）：短视频必备，小帅小美音色，VIP付费 -- [[魔音工坊]]：500+音色，企业批量配音，会员30元/月起 -- [[AnyVoice]]：3秒克隆，免费无限下载，中英日韩四语 - -## Connections -- [[AI生视频]] ← related_to ← [[二创视频必不可少-AI配音声音克隆]] -- [[声音克隆]] ← is_a ← [[AI配音]] -- [[海螺AI]] ← same_as ← [[MiniMax]] - -## Contradictions -- 与 ElevenLabs 高付费对比： - - 对方：国际顶流，高品质但免费版限制多（字数限制） - - 本文立场：日常创作国内工具免费额度已足够，非专业场景无需付费 - -## Tools Comparison Table -| 工具 | 免费额度 | 声音克隆 | 梯子 | 商用 | 适合人群 | -|------|---------|---------|------|------|---------| -| ElevenLabs | 限制多 | 支持 | 需要 | 付费 | 高品质需求 | -| 海螺AI | 免费 | 国际版 | 需要 | 免费有限 | 小白日常 | -| F5-TTS | 开源免费 | 支持 | 不需要 | 开源免费 | 技术流/企业 | -| TTSMaker | 3万字/周 | 不支持 | 不需要 | 免费商用 | 打工人 | -| 剪映 | VIP | 支持收费 | 不需要 | VIP | 短视频新手 | -| AnyVoice | 免费无限 | 3秒克隆 | 不需要 | 免费有限 | 多语言教学 | diff --git a/wiki/sources/使用Claude自动生成N8N工作流的实操教程.md b/wiki/sources/使用Claude自动生成N8N工作流的实操教程.md deleted file mode 100644 index 45a9f9e2..00000000 --- a/wiki/sources/使用Claude自动生成N8N工作流的实操教程.md +++ /dev/null @@ -1,41 +0,0 @@ ---- -title: "使用Claude自动生成N8N工作流的实操教程" -type: source -tags: [ai-agent, n8n, workflow-automation] -date: 2026-04-14 ---- - -## Source File -- raw/Agent/使用Claude自动生成N8N工作流的实操教程.md - -## Summary -- 核心主题：如何借助 Claude AI 助手自动生成 n8n 工作流，消除新手在架构设计和节点选择中的困惑 -- 问题域：n8n 工作流自动化工具的使用门槛高，节点选择和架构设计复杂 -- 方法/机制：n8n-mcp 项目将 543 个 n8n 节点结构化接入 Claude，通过自然语言提示词直接生成工作流 -- 结论/价值：Claude 能完成约 80%-90% 的工作流布局和逻辑，显著降低学习门槛 - -## Key Claims -- n8n-mcp 提供 543 个 n8n 节点的结构化访问，覆盖 99% 节点属性和 87% 官方文档 -- n8n-mcp 检测到 271 个 AI 能力节点，提供 2646 个预提取配置示例 -- Claude 自动生成工作流的完成度约 80%-90%，仍有 10%-20% 错误需人工修正 -- 选择 Opensea 模型并开启 extended thinking 可显著提升代码生成质量 - -## Key Quotes -> "n8n-MCP serves as a bridge between n8n's workflow automation platform and AI models, enabling them to understand and work with n8n nodes effectively." — n8n-mcp 官方描述 - -## Key Concepts -- [[n8n]]：开源工作流自动化工具，支持节点连接执行任务 -- [[n8n mcp]]：连接 n8n 与 AI 模型的 MCP 服务器，提供 543 节点的结构化访问 -- [[AI工作流自动生成]]：通过自然语言描述需求，AI 自动设计并生成工作流代码 - -## Key Entities -- [[n8n]]：工作流自动化平台 -- [[Claude]]：AI 助手（Anthropic） -- [[czlonkowski]]：n8n-mcp 项目作者 - -## Connections -- [[使用Claude自动生成N8N工作流的实操教程]] ← 依赖 ← [[Claude Code 调用方法]] -- [[n8n]] ← 工具平台 ← [[n8n mcp]] -- [[n8n mcp]] ← 基于 ← [[MCP]] - -## Contradictions diff --git a/wiki/sources/养虾日记1-OpenClaw照片整理实战.md b/wiki/sources/养虾日记1-OpenClaw照片整理实战.md deleted file mode 100644 index b8fc8349..00000000 --- a/wiki/sources/养虾日记1-OpenClaw照片整理实战.md +++ /dev/null @@ -1,47 +0,0 @@ ---- -title: "养虾日记1：用 OpenClaw 管了 28 万张照片" -type: source -tags: [openclaw, 照片整理, automation, ai-agent] -date: 2026-03-31 ---- - -## Source File -- [[raw/微信公众号/养虾日记1：我用 OpenClaw 管了 28 万张照片：一次真实的多设备照片整理实战]] - -## Summary -- 核心主题：通过 OpenClaw AI Agent 实现 28 万张照片的自动化整理，包括精确去重、小文件清理和分批执行 -- 问题域：多设备备份导致的照片重复、格式混乱、存储分散问题 -- 方法/机制：OpenClaw 通过提问澄清需求 → 制定可执行方案 → 拆解为 8 批次定时任务 → Telegram 推送执行报告 -- 结论/价值：AI Agent 的核心价值不是单点能力提升，而是思维方式的升级——把模糊想法变成清晰结构 - -## Key Claims -- 68 个设备文件夹、28 万个文件、20 年积累的照片整理需求，OpenClaw 将其转化为 8 批次自动化任务 -- AI Agent 核心价值：先问关键问题（格式/重复定义/删除策略）而非直接推荐工具，将"没有想清楚"的问题前置化 -- 精确去重：MD5 哈希比对，只删真正相同的文件 -- 小文件清理：低于 100KB 的图片大概率是截图或微信压缩图，直接移走 -- 安全删除策略：所有待删文件先移至 To-Be-Deleted 目录而非直接删除，用户可随时检查确认 -- 分批执行：68 个目录分 8 批次，每天凌晨 0 点自动执行，全程无需人工介入 -- 执行报告：每批次完成后通过 Telegram 发送 Summary 报告（发现重复数/移除小文件数/清理空间总量） - -## Key Quotes -> "它没有直接推荐工具，而是先问了几个关键问题：照片格式有哪些？重复的定义是'完全相同内容'还是'同一场景的连拍'？" — 比利哥 -> "28 万张照片，68 个设备，十几年的积累——现在有了一个可以信任的自动化流程来处理它们。这大概就是 AI Agent 对我来说真正的价值：不是某个单点能力的提升，而是思维方式的升级。" — 比利哥 - -## Key Concepts -- [[精确去重]]：MD5 哈希比对确保只删真正相同的文件 -- [[小文件清理]]：低于 100KB 的图片（截图/微信压缩图）自动识别并移走 -- [[安全删除]]：待删文件先移至 To-Be-Deleted 目录而非直接删除 -- [[分批执行]]：大任务拆解为多个小批次，降低单次执行风险 -- [[AI Agent 思维方式]]：先问关键问题澄清需求，再制定可执行方案，而非直接动手 - -## Key Entities -- [[OpenClaw]]：AI Agent 操作系统，本案例中的任务执行平台 -- [[Synology NAS]]：照片存储平台（本案中存储 20 年的照片积累） - -## Connections -- [[OpenClaw]] ← 执行平台 ← [[精确去重]] + [[小文件清理]] + [[分批执行]] -- [[Synology NAS]] ← 存储后端 ← 照片原始数据 -- [[AI Agent 思维方式]] ← 核心方法论 ← OpenClaw 行为模式 - -## Contradictions -- 与传统"先动手再说"思路不同：AI Agent 通过提问将模糊需求前置澄清，避免无效劳动 diff --git a/wiki/sources/养虾日记2-OpenClaw-Self-Improving复盘实战.md b/wiki/sources/养虾日记2-OpenClaw-Self-Improving复盘实战.md deleted file mode 100644 index 8ba1190e..00000000 --- a/wiki/sources/养虾日记2-OpenClaw-Self-Improving复盘实战.md +++ /dev/null @@ -1,46 +0,0 @@ ---- -title: "养虾日记2：让Agent更懂你：OpenClaw + Self-Improving 复盘实战案例分享" -type: source -tags: [openclaw, self-improving, memory, agent, 复盘, 经验积累] -date: 2026-04-15 ---- - -## Source File -- [[raw/微信公众号/养虾日记2：让Agent更懂你：OpenClaw + Self-Improving 复盘实战案例分享.md]] - -## Summary -- 核心主题：通过 self-improving skill + 双层记忆架构 + 每日定时复盘，实现 Agent 在错误中学习、持续进化 -- 问题域：AI 每次对话都是白纸，没有记忆；同一个错误反复出现；无对话日出现记忆断层 -- 方法/机制：短期记忆（memory/YYYY-MM-DD.md）+ 长期记忆（memory-lancedb-pro）+ self-improving 复盘（LEARNINGS.md，Pattern-Key 追踪） -- 结论/价值：错误只犯一次；Pattern-Key 重复是系统性问题的信号；Recurrence-Count 区分偶发错误与系统性问题 - -## Key Claims -- 双层记忆架构：短期（每日文件）+ 长期（LanceDB 向量数据库）+ self-improving（成长追踪） -- 每日 23:00 定时复盘，cron job 触发，agent 独立运行各自复盘流程 -- LEARNINGS.md 固定格式：Summary/Details/Suggested Action/Metadata（Pattern-Key/Recurrence-Count） -- Pattern-Key 重复是信号：第一次记了，第二次就该解决了 -- Recurrence-Count 区分偶发一次性错误与需系统性解决的重复问题 -- 3月27日发现无对话日记忆文件缺失 → 推动流程优化：每次 Session 启动都检查并创建当天文件 - -## Key Quotes -> "AI每次对话都是一张白纸。昨天说过不要用A方法，今天它照常用。" — 核心痛点 -> "错误只犯一次，第二次就知道怎么做对。" — self-improving 核心价值 -> "Pattern-Key 重复本身就是一个信号——第一次记了，第二次就该解决了。" — Pattern-Key 机制 - -## Key Concepts -- [[Self-Improving Skill]]：结构化经验记录系统，self_improvement_log 工具写入 LEARNINGS.md/ERRORS.md -- [[双层记忆架构]]：短期记忆（每日文件）+ 长期记忆（memory-lancedb-pro）+ self-improving（成长追踪） -- [[Pattern-Key]]：经验记录的唯一标识键，格式如 cron.telegram-delivery，用于发现重复踩坑 -- [[Recurrence-Count]]：重复次数计数器，区分偶发错误与系统性问题 -- [[每日复盘]]：23:00 定时任务，读取当天 memory → self_improvement_log → 检查 Pattern-Key 重复 → 同步到长期记忆 -- [[记忆断层]]：无对话日不生成 memory 文件的问题，通过 Session 启动时强制检查解决 - -## Key Entities -- [[OpenClaw]]：多 Agent 管理平台，支持 cron job、memory-lancedb-pro、self-improving skill - -## Connections -- [[OpenClaw]] ← 平台 ← [[self-improving skill]] -- [[双层记忆架构]] ← 包含 ← [[Self-Improving Skill]] -- [[双层记忆架构]] ← 包含 ← [[memory-lancedb-pro]] -- [[Pattern-Key]] ← 核心机制 ← [[Self-Improving Skill]] -- [[每日复盘]] ← 触发 ← [[OpenClaw cron]] diff --git a/wiki/sources/养虾日记3-Obsidian-Gitea持久化笔记系统.md b/wiki/sources/养虾日记3-Obsidian-Gitea持久化笔记系统.md deleted file mode 100644 index 57fd3e07..00000000 --- a/wiki/sources/养虾日记3-Obsidian-Gitea持久化笔记系统.md +++ /dev/null @@ -1,55 +0,0 @@ ---- -title: "养虾日记3：用 Obsidian + Gitea 为 AI 助手构建持久化笔记系统" -type: source -tags: [OpenClaw, Obsidian, Gitea, 笔记系统, LLM Wiki, Karpathy] -date: 2026-04-09 ---- - -## Source File -- [[raw/微信公众号/养虾日记3：用 Obsidian + Gitea 为 AI 助手构建持久化笔记系统.md]] - -## Summary -- 核心主题：用 Obsidian 做知识库、Gitea 做版本控制、OpenClaw 做写入接口，构建 AI 助手的持久化笔记系统 -- 问题域：AI 助手每次对话输出后消失在聊天记录里，无法积累和复用 -- 方法/机制：AI 输出直接写入 Obsidian 笔记 → iCloud Drive 三端同步 → Gitea 版本管理 -- 结论/价值：把 AI 变成一个会自动整理笔记的实习生，做完事顺手把记录更新好 - -## Key Claims -- AI 输出的有价值结论直接落盘到笔记，而非留在聊天记录里 -- 每个 Agent 有专属 Archive（openclaw//），knowledgebase/ 是跨 Agent 共用的整理后知识 -- 核心原则：研究过程写入 Agent Archive；经过验证可复用的知识沉淀到 Knowledge Base -- Obsidian Git 插件 Auto commit-and-sync interval 实现完全自动的版本管理 -- Karpathy LLM Wiki 思路：RAG 是每次从零检索知识不积累；LLM Wiki 是增量构建和维护持久化 Wiki，页面间互相链接知识越积越厚 -- Graph View 是知识健康检查工具：孤岛页面（无页面链接指向它）= 需要补上交叉引用 -- Wiki 规模在几百页之前，index.md 完全够用；规模变大后再接入 QMD 精准搜索 - -## Key Quotes -> "用 Obsidian 做知识库，用 Gitea 做版本控制，用 OpenClaw 做写入接口" -> "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" -> "把 AI 变成了一个会自动整理笔记的实习生——它做完事，就会顺手把记录更新好" - -## Key Concepts -- [[LLM Wiki]]：增量构建和维护持久化 Wiki，页面间互相链接，知识越积越厚（区别于 RAG 每次从零检索） -- [[Obsidian Web Clipper]]：浏览器插件，快速采集外部素材为 Markdown 到 Obsidian -- [[Graph View]]：知识健康检查工具，发现孤岛页面和知识盲区 -- [[Git自动同步]]：Obsidian Git 插件 Auto commit 实现版本管理完全自动化 -- [[QMD]]：本地 Markdown 搜索引擎，Wiki 规模变大后的精准搜索方案 -- [[知识可发现性]]：Graph View + 双向链接让知识形成网络而非孤岛 -- [[被动更新]]：AI 在执行任务过程中顺手更新文档，无需人工维护 - -## Key Entities -- [[Obsidian]]：本地知识库，支持双向链接、Graph View、Git 插件 -- [[Gitea]]：自建 Git 服务，提供私有 Git 仓库，内网运行数据不出域 -- [[Karpathy]]：LLM Wiki 思路提出者，RAG vs Wiki 对比框架 -- [[OpenClaw]]：写入接口，通过 Obsidian Skill 直接写笔记 -- [[iCloud Drive]]：跨设备同步通道，Mac mini / Laptop / iPhone 三端一致 - -## Connections -- [[养虾日记1-OpenClaw照片整理实战]] ← 同一系列 -- [[养虾日记2-OpenClaw-Self-Improving复盘实战]] ← 同一系列 -- [[个人知识库]] ← 同主题（本文是具体实现） -- [[LLM Wiki]] ← 核心理论（Karpathy） -- [[Gitea]] ← 版本控制层 -- [[memory/]] ← OpenClaw 内置记忆机制（与本文 Obsidian 方案互补） - -## Contradictions diff --git a/wiki/sources/可自动化可扩展AI增强的电商数据采集与处理系统.md b/wiki/sources/可自动化可扩展AI增强的电商数据采集与处理系统.md deleted file mode 100644 index 9ea1424a..00000000 --- a/wiki/sources/可自动化可扩展AI增强的电商数据采集与处理系统.md +++ /dev/null @@ -1,105 +0,0 @@ ---- -title: "可自动化、可扩展、AI增强的电商数据采集与处理系统" -type: source -tags: [e-commerce, scraper, automation, n8n, ai, docker] -date: 2025-11-11 ---- - -## Source File -- [[raw/Home Office/可自动化、可扩展、AI增强的电商数据采集与处理系统.md]] - -## Summary -- 核心主题：基于 Docker + Scrapy + Playwright + n8n 构建可自动化运行的电商数据采集与 AI 处理管线 -- 问题域：如何高效采集多电商平台产品数据，并通过 AI 实现清洗、分类、摘要和结构化输出 -- 方法/机制：Scrapy 负责结构化抓取和分页调度；Playwright 处理 JS 动态渲染页面；n8n 定时触发爬虫、读取结果、调用 AI（OpenAI/Ollama）处理、写入数据库/文件、发送通知 -- 结论/价值：提供完整 Docker Compose 架构、Scrapy 项目模板、n8n Workflow JSON 模板，实现从爬取到 AI 分析的全链路自动化 - -## Key Claims -- Scrapy + Playwright 组合：Scrapy 负责结构化抓取、分页调度、下载媒体；Playwright 负责 JS 动态渲染页面；scrapy-playwright 插件直接集成两者 -- docker-compose 多容器架构：scraper（Scrapy+Playwright）、n8n（自动化调度），数据通过共享 ./data 目录传递 -- n8n Workflow 自动化管线：Cron Trigger → Execute Command（运行爬虫）→ Read File → AI 处理（OpenAI/Ollama）→ Database/File → 通知 -- 本地 AI 处理方案：Ollama（Mistral/Llama3）通过 HTTP Request 调用 http://localhost:11434/api/generate，不依赖外部 API -- 防封策略：User-Agent 轮换、代理池（BrightData/ScraperAPI）、下载延迟+随机化访问、分布式调度（Scrapyd） -- Scrapy 爬取结果输出为 JSON/CSV 格式，供 n8n 消费处理 -- 采集数据建议字段：title、price、rating、image_urls、product_url -- 长期扩展路径：FastAPI 服务层 + LangChain + Qdrant 向量数据库 + Grafana/Metabase 可视化 -- Playwright 需安装浏览器：playwright install，支持 headless 模式和 viewport 参数配置 - -## Key Quotes -> "Scrapy 负责结构化抓取、分页调度、下载媒体；Playwright 负责加载动态页面；两者可通过 Docker Compose 容器化" — 推荐技术组合 -> "可以本地使用 Ollama (Mistral, Llama3) 模型，通过 n8n 的 HTTP Request 调用本地 http://localhost:11434/api/generate" — 本地 AI 处理方案 - -## Key Concepts -- [[Scrapy]]：Python 开源爬虫框架，支持异步抓取、中间件扩展、Item Pipeline，适合大规模结构化数据采集 -- [[Playwright]]：Microsoft 开源浏览器自动化工具，支持 Chromium/Firefox/WebKit，可模拟真实用户操作 -- [[scrapy-playwright]]：Scrapy 与 Playwright 集成插件，使 Scrapy 爬虫可直接渲染 JS 动态页面 -- [[n8n Workflow自动化]]：可视化工作流引擎，通过 Cron 定时触发爬虫执行、文件读取、AI 处理、数据存储全流程 -- [[Ollama]]：本地大模型推理服务，支持 Llama3/Mistral 等模型，通过 REST API 调用 -- [[电商数据采集]]：从电商平台采集产品标题、价格、评分、图片等结构化信息 -- [[AI数据处理]]：通过 LLM 对采集数据进行摘要、分类、特征提取、异常检测 -- [[防封策略]]：User-Agent 轮换、代理池、访问延迟、分布式调度等反爬虫对抗技术 -- [[Docker容器化爬虫]]：将 Scrapy + Playwright 封装为 Docker 镜像，实现环境一致性部署 - -## Key Entities -- [[Scrapy]]：Python 爬虫框架 -- [[Playwright]]：Microsoft 浏览器自动化工具 -- [[n8n]]：开源工作流自动化平台 -- [[Ollama]]：本地 LLM 推理引擎 -- [[BrightData]]：商业代理池服务 -- [[ScraperAPI]]：爬虫 API 服务 - -## Connections -- [[Scrapy]] ← 动态渲染 ← [[Playwright]]（通过 scrapy-playwright） -- [[n8n Workflow自动化]] ← Cron Trigger ← [[Scrapy]]（执行爬虫命令） -- [[n8n Workflow自动化]] ← AI处理 ← [[Ollama]]（本地模型调用） -- [[n8n Workflow自动化]] ← 数据写入 ← PostgreSQL/SQLite -- [[Scrapy]] ← 输出格式 ← JSON/CSV（data/ 目录） -- [[电商数据采集]] ← 工具 ← [[Scrapy]] + [[Playwright]] -- [[AI数据处理]] ← 工具 ← [[n8n Workflow自动化]] + [[Ollama]] - -## Contradictions -- 无明显冲突 - -## 核心架构代码 - -### docker-compose.yml - -```yaml -services: - scraper: - build: ./scrapy - volumes: - - ./data:/app/data - depends_on: - - playwright - environment: - - PLAYWRIGHT_BROWSERS_PATH=/ms-playwright - playwright: - image: mcr.microsoft.com/playwright/python:v1.48.0-jammy - shm_size: 2gb -``` - -### Scrapy settings.py（关键配置） - -```python -DOWNLOAD_HANDLERS = { - "http": "scrapy_playwright.handler.ScrapyPlaywrightDownloadHandler", - "https": "scrapy_playwright.handler.ScrapyPlaywrightDownloadHandler", -} -TWISTED_REACTOR = "twisted.internet.asyncioreactor.AsyncioSelectorReactor" -PLAYWRIGHT_LAUNCH_OPTIONS = { - "headless": True, - "args": ["--no-sandbox", "--disable-setuid-sandbox"], -} -FEEDS = {"/app/data/amazon.json": {"format": "json", "overwrite": True}} -``` - -### n8n Workflow 节点链路 - -1. Cron Trigger（每天凌晨 2:00） -2. Execute Command（docker exec scraper scrapy crawl amazon） -3. Read Binary File（读取 /data/products.json） -4. Function Node（解析 JSON） -5. OpenAI / HTTP Request（Ollama 本地调用） -6. Write Binary File（输出 products_summary.json） -7. Email / Telegram（发送日报） diff --git a/wiki/sources/在Ubuntu安装Ollama并运行Qwen2.5-Coder7B.md b/wiki/sources/在Ubuntu安装Ollama并运行Qwen2.5-Coder7B.md deleted file mode 100644 index bb7acb67..00000000 --- a/wiki/sources/在Ubuntu安装Ollama并运行Qwen2.5-Coder7B.md +++ /dev/null @@ -1,48 +0,0 @@ ---- -title: "在 Ubuntu 安装 Ollama 并运行 Qwen2.5-Coder 7B" -type: source -tags: [ollama, qwen, qwen-coder, ubuntu, 本地AI, 大语言模型] -date: 2025-01-15 ---- - -## Source File -- [[raw/Home Office/在 Ubuntu 安装 Ollama 并运行 Qwen2.5‑Coder 7B.md]] - -## Summary -- 核心主题：Ubuntu 本地部署 Ollama + Qwen2.5-Coder 7B 大语言模型推理服务 -- 问题域：如何在无 GPU 或有 NVIDIA GPU 的 Ubuntu 服务器上快速部署本地 AI 推理能力 -- 方法/机制：Ollama 官方安装脚本 → systemd 服务管理 → REST API 暴露 → Python/NodeJS SDK 调用 -- 结论/价值：3 条命令完成本地 AI 部署；qwen2.5-coder:7b 比普通 qwen2.5:7b 更适合 DevOps/SQL/Kubernetes 等工程任务 - -## Key Claims -- Ollama 官方安装脚本自动完成 CLI 安装、systemd 服务创建和 API 启动 -- Qwen2.5-Coder 7B 模型大小约 4.5GB，最低 4 核 CPU + 8GB RAM，无需 GPU 即可运行 -- NVIDIA GPU + CUDA 环境下 Ollama 自动使用 GPU 加速，无需额外配置 -- 开放远程 API（OLLAMA_HOST=0.0.0.0）后，可被 n8n/OpenClaw/OpenWebUI 等外部工具调用 -- Qwen2.5-Coder 在 Shell/Python/SQL 理解和 Repo 级代码理解上优于通用 Qwen2.5 模型 - -## Key Quotes -> "比普通 qwen2.5:7b 更适合工程任务" — 原因：Tool usage 能力强、Shell/Python/SQL 理解强、Repo 级代码理解 - -## Key Concepts -- [[Ollama]]：本地大语言模型推理引擎，通过官方安装脚本一键部署，自动管理 systemd 服务 -- [[Qwen]]（通义千问）：阿里巴巴开源大语言模型系列，Qwen2.5-Coder 是其代码专精分支 -- [[本地AI推理]]：在自有硬件上运行 LLM 推理，避免云服务依赖和 API 费用 -- [[GPU加速推理]]：NVIDIA CUDA + Ollama 自动调度 GPU资源，无需手动配置 -- [[REST API for LLM]]：Ollama 提供 http://localhost:11434 REST API，支持 chat/completion/generate 端点 - -## Key Entities -- [[Ollama]]：本地 LLM 推理平台，安装地址 ollama.com，CLI + REST API + SDK -- [[Qwen]]：阿里巴巴通义千问大模型家族，Qwen2.5-Coder 是代码专精版本 -- [[Ubuntu]]：目标服务器操作系统，22.04/24.04 均支持 -- [[NVIDIA GPU]]：可选硬件加速，运行 nvidia-smi 验证 CUDA 环境 - -## Connections -- [[Ollama]] ← extends ← [[Qwen]]（Qwen 是 Ollama 支持的模型之一） -- [[在Ubuntu安装Ollama并运行Qwen2.5-Coder7B]] ← 推荐搭配 ← [[n8n]]（AI automation 工作流） -- [[在Ubuntu安装Ollama并运行Qwen2.5-Coder7B]] ← 推荐搭配 ← [[OpenWebUI]]（本地 ChatGPT 风格 UI） -- [[OpenClaw]] ← 可配置使用 ← [[Ollama]]（通过 ollama/qwen2.5-coder:7b 接入） -- [[Qwen]] ← 专精分支 ← [[Qwen2.5-Coder]]（代码能力强化版） - -## Contradictions -- 与 [[vLLM]]：Ollama 适合快速原型和轻量部署；vLLM 适合高并发企业级服务，需要更多配置 diff --git a/wiki/sources/大模型相关术语和框架总结.md b/wiki/sources/大模型相关术语和框架总结.md deleted file mode 100644 index 69798755..00000000 --- a/wiki/sources/大模型相关术语和框架总结.md +++ /dev/null @@ -1,52 +0,0 @@ -# 大模型相关术语和框架总结 - -## Metadata - -- **Date**: 2025-12-20 -- **Source**: https://mp.weixin.qq.com/s/W4rQxUCGT-ALvra2fBwYtg -- **Category**: AI/LLM - -## Key Insights - -- LLM 以参数规模衡量，≥1B 参数通常被视为大模型门槛（GPT-2 有 1.5B，GPT-3 有 175B） -- MCP 协议为 LLM 应用提供标准化接口，连接外部数据源和工具，实现工具调用标准化 -- 大模型仅输出步骤方法，不执行实际调用，需配合 MCP 才能实现真正自动化 -- RAG 通过检索增强将 LLM 考试正确率从 60% 提升至 90%，有效解决 hallucination 问题 -- vLLM 通过 PagedAttention（块式 KV Cache）和连续批处理优化 GPU 利用率，提升推理效率 -- Token 是 LLM 的基本输入单元，中文约 0.6 token/字符，英文约 0.3 token/字符 -- 数据蒸馏利用大模型生成精简数据，训练小模型逼近大模型效果 - -## Summary - -大模型（LLM）在今年的热度可以说是现象级的。本文梳理了大模型领域的核心术语，包括 LLM、MCP、RAG、Agent、LangChain、vLLM、Token、数据蒸馏等。LLM 以参数规模衡量，通常 ≥1B 参数被称为大模型。MCP（Model Context Protocol）是开放协议，为 LLM 应用提供标准化接口连接外部数据源和工具。值得注意的是，大模型本身不会执行工具调用，只会输出步骤方法，需要配合 MCP 才能实现真正自动化。 - -RAG（Retrieval-augmented generation）检索增强生成是解决大模型 hallucination（幻觉）问题的关键技术，通过外部知识检索增强生成质量。vLLM 是虚拟大语言模型的开源项目，通过 PagedAttention 和连续批处理两大模块优化 GPU 内存利用，提升推理效率。Embedding 向量化技术将词转化为浮点数字用于计算语义距离，是 RAG 等技术的基础。数据蒸馏则利用高性能大模型生成精简数据，训练小模型以逼近大模型效果。 - -## Key Entities - -- [[GPT-2]]: 1.5B 参数的早期较大语言模型 -- [[GPT-3]]: 175B 参数的大模型标杆 -- [[DeepSeek]]: 国产大模型代表（文中提及） -- [[Manus]]: AI Agent 产品（文中提及） -- [[LangChain]]: 快速实现 Agent 的开发框架，160+ 文档加载器 - -## Key Concepts - -- [[LLM]]: Large Language Model，以参数规模衡量（≥1B 参数） -- [[MCP]]: Model Context Protocol，LLM 与外部工具的标准化通信协议 -- [[Agent]]: 智能体，大模型 + MCP 工具整合后实现实际任务执行 -- [[RAG]]: Retrieval-augmented generation，检索增强生成，解决 hallucination 问题 -- [[Embedding]]: 向量化，将词转化为浮点数字以计算语义距离 -- [[LangChain]]: 快速实现 Agent 的开发框架，提供 LLM 标准接口和工具集成 -- [[vLLM]]: 虚拟大语言模型，通过 PagedAttention 和连续批处理优化推理效率 -- [[Token]]: LLM 的基本输入单元，中文约 0.6 token/字符 -- [[数据蒸馏]]: Data Distillation，用大模型生成精简数据训练小模型 -- [[KV Cache]]: Key-Value Cache，保存历史 K/V 向量避免重复计算 -- [[PagedAttention]]: vLLM 的分块注意力机制，将 KV Cache 切分为固定大小块管理 -- [[Hallucination]]: 幻觉，大模型一本正经回答但实际错误的现象 - -## Related Sources - -- [[LLMs-RAG-AI-Agent-三个到底什么区别]] — LLM/RAG/Agent 层级关系与协同模式 -- [[RAG从入门到精通系列1：基础RAG]] — RAG 基础概念与实操流程 -- [[MCP在Cursor中的集成与应用详解]] — MCP 协议在 Cursor IDE 中的集成方法 diff --git a/wiki/sources/大模型相关术语和框架总结LLM-MCP-Prompt-RAG-vLLM-Tokens数据蒸馏.md b/wiki/sources/大模型相关术语和框架总结LLM-MCP-Prompt-RAG-vLLM-Tokens数据蒸馏.md deleted file mode 100644 index a7f86e6c..00000000 --- a/wiki/sources/大模型相关术语和框架总结LLM-MCP-Prompt-RAG-vLLM-Tokens数据蒸馏.md +++ /dev/null @@ -1,63 +0,0 @@ ---- -title: "大模型相关术语和框架总结｜LLM、MCP、Prompt、RAG、vLLM、Token、数据蒸馏" -type: source -tags: [LLM, AI术语, 技术框架] -date: 2025-12-20 ---- - -## Source File -- [[raw/未分类/大模型相关术语和框架总结LLM-MCP-Prompt-RAG-vLLM-Tokens数据蒸馏.md]] - -## Summary -- 核心主题：AI/LLM 领域核心技术术语和技术框架的系统性梳理 -- 问题域：AI 领域术语繁多、更新快、概念容易混淆，初学者和从业者均需要系统性参考 -- 方法/机制：按功能分层（模型→协议→架构→优化→数据），从定义到关联完整覆盖 -- 结论/价值：建立统一的 AI 技术术语认知框架，便于跨团队沟通和技术选型决策 - -## Key Claims -- LLM（大型语言模型）：≥1B 参数为"大模型"门槛，GPT-2（1.5B）、GPT-3（175B）、GPT-4（未公开） -- Prompt（提示词）：人与 LLM 的协作协议，核心是消除信息差，引导模型按预期方式响应 -- MCP（模型上下文协议）：标准化 LLM 与外部工具/数据的通信协议，MCP Server 负责实际执行，LLM 只给步骤 -- Agent（智能体）：LLM + MCP 工具 = 可执行任务的智能体，大模型负责推理，工具负责执行 -- RAG（检索增强生成）：通过检索外部知识解决 LLM 幻觉，考试正确率从 60% 提升至 90% -- Embedding（向量化）：词→浮点数向量，计算语义距离（一百和两百距离近，一百和一千距离远） -- LangChain：快速构建 Agent 的开发框架，提供 160+ 文档加载器和工具链 -- vLLM：通过 PagedAttention（块式 KV Cache）+ 连续批处理优化 GPU 利用率，是当前最高效的 LLM 推理框架之一 -- Token：LLM 基本输入单元，中文约 0.6 token/字符，英文约 0.3 token/字符，API 按 Token 计费 -- 数据蒸馏：用大模型生成精简数据训练小模型，用高质量合成数据弥补小模型能力差距 - -## Key Quotes -> "MCP 协议的核心约束：大模型不执行实际调用，只给出步骤建议，实际执行由 MCP Server 负责" - -## Key Concepts -- [[LLM]]：大型语言模型，≥1B 参数的语言模型为"大模型"门槛 -- [[Prompt工程]]：人与 LLM 协作协议的设计与优化 -- [[MCP]]：Model Context Protocol，LLM 与外部工具/数据的标准化通信协议 -- [[Agent]]：智能体，LLM + MCP 工具整合后实现实际任务执行 -- [[RAG]]：检索增强生成，通过外部知识检索解决 LLM 幻觉问题 -- [[Embedding]]：向量化，词→固定长度浮点数向量，计算语义距离 -- [[vLLM]]：PagedAttention 与连续批处理的 LLM 推理优化框架 -- [[Token]]：LLM 基本输入单元，中文约 0.6 token/字符 -- [[数据蒸馏]]：用大模型生成精简数据训练小模型的技术 -- [[向量数据库]]：存储 Embedding 向量并支持相似度检索的数据库 - -## Key Entities -- [[OpenAI]]：GPT 系列模型发布方，LLM 领域标杆 -- [[Anthropic]]：Claude 系列模型发布方 -- [[LangChain]]：LLM 应用开发框架 -- [[Qwen]]：通义千问大模型 -- [[BAAI]]：Embedding 模型开源方 - -## Connections -- [[LLM]] ← 包含 ← [[Agent]] + [[RAG]] + [[Prompt工程]] -- [[Agent]] ← 依赖 ← [[LLM]] + [[MCP]] -- [[MCP]] ← 连接 ← [[Agent]] + 外部工具/数据 -- [[RAG]] ← 依赖 ← [[向量数据库]] + [[嵌入向量]] + [[LLM]] -- [[vLLM]] ← 优化 ← [[LLM]] 推理性能 -- [[数据蒸馏]] ← 使用 ← [[LLM]] 生成训练数据 → 训练小模型 -- [[Token]] ← 计量单位 ← LLM 输入输出 - -## Contradictions -- 与 [[RAG]]（RAG从入门到精通系列1基础RAG）重复：两文档均介绍 RAG，本文档侧重术语定义，该文档侧重实操流程 - - 当前观点：本文档作为术语参考，该文档作为实操指南 - - 对方观点：可合并为单一综合文档 diff --git a/wiki/sources/如何写出完美的Prompt（提示词）？.md b/wiki/sources/如何写出完美的Prompt（提示词）？.md deleted file mode 100644 index 4701f067..00000000 --- a/wiki/sources/如何写出完美的Prompt（提示词）？.md +++ /dev/null @@ -1,50 +0,0 @@ ---- -title: "如何写出完美的Prompt（提示词）？" -type: source -tags: [prompt-engineering, llm, 提示词工程] -sources: ["https://mp.weixin.qq.com/s/sl2MuDpW9mawh2axLuGxNw"] -last_updated: 2026-04-15 ---- - -## Source File -- raw/AI/如何写出完美的Prompt（提示词）？.md - -## Summary -- 核心主题：结构化 Prompt 构建方法论与职场能力培养 -- 问题域：LLM 使用场景下的有效人机协作协议设计 -- 方法/机制：角色-需求-场景-目标四要素法、需求拆解法、上下文补全法、格式定义法、示例引导法；进阶策略含思维链引导、任务拆分、角色赋能、预填回复、不确定性管理；高阶技巧含跨模态联动、领域知识注入、反馈循环嵌入 -- 结论/价值：Prompt 能力本质是结构化思维+精准表达；是职场底层能力，决定 AI 使用效果 - -## Key Claims -- Prompt = 人与 AI 的协作协议，而非简单指令输入 -- Prompt 能力本质是有对问题清晰界定的能力 + 结构化的思维逻辑和表达能力 -- LLM 没有行业常识也没有默认设定，隐性需求必须显式表达 -- Prompt 优化过程本质是需求逐步清晰化的过程 -- 高效使用 AI 需要建立测试-反馈-优化的闭环 -- 技巧选择需按需求复杂度匹配，简单任务用基础技巧，复杂任务用进阶策略 - -## Key Quotes -> "Prompt能力的本质是要求使用者具备：需求拆解能力、结构化表达能力、场景共情能力、迭代优化能力" — 核心能力框架 -> "在工作中，如果对方无法用简洁易懂的语言表达核心要旨或需求，基本上你就可以认定这人的工作能力一般" — 职场识人标准 - -## Key Concepts -- [[结构化思维]]：将模糊目标拆解为具体、可执行的子任务 -- [[精准表达]]：用清晰逻辑组织信息，让 AI 快速抓取核心 -- [[需求拆解]]：动词+对象+约束的 Prompt 构建模式 -- [[上下文补全]]：提供 AI 所需的业务背景、约束条件、参考信息 -- [[格式定义]]：提前定义输出结构与呈现形式 -- [[示例引导]]：用少量样本提示解决风格/格式难题 -- [[思维链引导]]：让 AI 按逻辑逐步推理，避免输出片面或跳跃 -- [[任务拆分法]]：将复杂任务拆解为信息收集→分析→输出→优化多环节 -- [[角色赋能]]：给 AI 设定具体角色+行业经验+核心能力引导专业视角 -- [[预填回复]]：强制输出结构化格式（如 JSON）避免冗余 -- [[不确定性管理]]：明确告知"不知道就标注，不编造"提升可信度 - -## Key Entities -- [[Anthropic]]：发布的 Claude 模型驱动 AI 生态发展 - -## Connections -- [[结构化思维]] ← 基础 ← [[精准表达]] -- [[需求拆解]] ← 核心技能 ← [[结构化思维]] -- [[LLM]] ← 技术基础 ← [[Prompt能力]] -- [[AI技能封装]] ← 相关领域 ← [[Prompt能力]] diff --git a/wiki/sources/如何在UbuntuServer上通过NFS挂载Synology NAS上的共享文件夹.md b/wiki/sources/如何在UbuntuServer上通过NFS挂载Synology NAS上的共享文件夹.md deleted file mode 100644 index 6f076c61..00000000 --- a/wiki/sources/如何在UbuntuServer上通过NFS挂载Synology NAS上的共享文件夹.md +++ /dev/null @@ -1,40 +0,0 @@ ---- -title: "如何在Ubuntu Server上通过NFS挂载Synology NAS上的共享文件夹" -type: source -tags: [nfs, synology, nas, ubuntu, 网络存储] -date: 2025-12-29 ---- - -## Source File -- [[raw/Home Office/如何在Ubuntu Server上通过NFS挂载Synology NAS上的共享文件夹.md]] - -## Summary -- 核心主题：Ubuntu 服务器通过 NFS 协议永久挂载 Synology NAS 共享文件夹 -- 问题域：rsync 备份脚本需要可靠的 NAS 挂载点，防止本地硬盘爆满；NFS 相比 Samba 保留 Linux 文件权限信息 -- 方法/机制：NAS 端配置 NFS 权限 → Ubuntu 端安装 nfs-common → mount -t nfs → /etc/fstab 永久挂载 → rsync 脚本加入挂载检查 -- 结论/价值：NFS 完美保留 Docker 卷权限；比 Samba 更适合 Linux-to-Linux 备份场景；_netdev 参数防止开机挂载顺序错误 - -## Key Claims -- NFS 相比 Samba 的核心优势：保留 Linux 文件所有权信息，rsync 恢复 Docker 卷不会出现权限报错 -- Synology NAS NFS 挂载路径格式：192.168.3.17:/volume2/backup（冒号分隔） -- NFS 永久挂载必须使用 /etc/fstab；手动 mount 命令重启后失效 -- _netdev 参数告诉系统此设备为网络设备，等到网络完全启动后再尝试挂载，防止开机卡死 -- rsync 备份脚本必须加入 mountpoint 检查，防止 NAS 掉线时数据写入本地挂载点目录 - -## Key Quotes -> "NFS 的优势：原生权限支持，Samba 会丢失 Linux 的文件所有权信息，导致恢复 Docker 卷时权限报错。NFS 则能完美保留。" — Synology NAS + Ubuntu 备份架构选型依据 - -## Key Concepts -- [[NFS永久挂载]]：通过 /etc/fstab 实现开机自动挂载网络存储，_netdev 参数确保网络就绪后再挂载 -- [[Synology NAS]]：NAS 存储设备，192.168.3.17，提供 NFS/SMB 等多协议存储服务 -- [[rsync增量备份]]：配合 NFS 挂载点，实现 NAS 到 Ubuntu 的增量备份 -- [[Linux权限保留]]：NFS 相比 Samba 的核心优势，-o uid/gid 或 squash 选项确保文件权限不丢失 - -## Key Entities -- [[Synology NAS]]：NAS 端存储设备，IP 192.168.3.17，NFS 端口 2049 -- Ubuntu Server：备份目标机，IP 192.168.3.47，安装 nfs-common 客户端 - -## Connections -- [[如何在UbuntuServer上通过NFS挂载Synology NAS上的共享文件夹]] ← 基础层 ← [[rsync增量备份]]（rsync 依赖此挂载点） -- [[Synology NAS]] ← 提供 ← [[NFS永久挂载]]（存储后端） -- [[NFS永久挂载]] ← 对比 ← Samba 挂载（NFS 保留权限，Samba 丢失权限） diff --git a/wiki/sources/家庭监控方案 Prometheus + Grafana + Node Exporter + cAdvisor + Blackbox.md b/wiki/sources/家庭监控方案 Prometheus + Grafana + Node Exporter + cAdvisor + Blackbox.md deleted file mode 100644 index afb7ba6d..00000000 --- a/wiki/sources/家庭监控方案 Prometheus + Grafana + Node Exporter + cAdvisor + Blackbox.md +++ /dev/null @@ -1,153 +0,0 @@ ---- -title: "家庭监控方案：Prometheus + Grafana + Node Exporter + cAdvisor + Blackbox" -type: source -tags: [monitoring, prometheus, grafana, self-hosted] -date: 2025-11-11 ---- - -## Source File -- [[raw/Home Office/家庭监控方案：Prometheus + Grafana + Node Exporter + cAdvisor +Blackbox.md]] - -## Summary -- 核心主题：家庭/小型实验室环境基于 Docker 的可观测性监控方案，覆盖主机层、容器层、服务层和合成监测 -- 问题域：如何用开源工具低成本构建完整的监控告警体系 -- 方法/机制：Prometheus 拉模式采集 + Grafana 可视化 + Alertmanager 告警分发；cAdvisor 采集容器指标；blackbox_exporter 做 HTTP/TCP/DNS 合成监测；node_exporter 采集主机指标 -- 结论/价值：提供两套 docker-compose 模板（轻量/PoC），以及可直接拷贝的 prometheus.yml、告警规则和 Alertmanager 配置 - -## Key Claims -- Prometheus 拉模式（pull-based）适配多主机监控，通过 scrape_configs 抓取各 exporter 指标 -- cAdvisor 容器指标需挂载 /var/lib/docker/ 才可完整采集容器资源使用情况 -- blackbox_exporter 支持 HTTP/TCP/ICMP/DNS 四类探测，可监控内外网服务可用性和 TLS 证书到期 -- Alertmanager 支持邮件/Slack/Webhook/PagerDuty 分组抑制告警，避免告警风暴 -- docker-compose 部署 Prometheus + Grafana + cAdvisor + blackbox_exporter + Alertmanager 一键启动 -- Grafana 导入 Dashboard 只需 ID（Node Exporter Full: 1860、cAdvisor: 14282、Blackbox: 7587） -- Docker Socket 挂载存在安全风险，容器可获取宿主机 root 等同权限 -- TLS 证书到期可通过 probe_ssl_earliest_cert_expiry 指标监控，提前 14 天告警 -- 建议将监控流量放在管理 VLAN 或通过防火墙限定访问 -- Prometheus 本地磁盘会持续增长，长期保留需配置 remote_write 到 VictoriaMetrics 等远端存储 - -## Key Quotes -> "Prometheus 本地磁盘会增长，考虑长期保留要用远端存储或定期 snapshot" — 生产级存储建议 -> "Prometheus 支持对同一网站设置下载延迟 + 随机化访问，防止被封禁" — 爬虫防封策略 - -## Key Concepts -- [[Prometheus]]：开源时序数据库和监控告警系统，支持 PromQL 查询语言和告警规则引擎 -- [[Grafana]]：开源可观测性平台，支持时序数据可视化、仪表盘和告警通知 -- [[Alertmanager]]：Prometheus 生态告警分发组件，支持分组、抑制和路由 -- [[cAdvisor]]：Google 开源容器资源监控工具，采集 CPU、内存、网络、磁盘 I/O 指标 -- [[node_exporter]]：Prometheus 官方主机指标 exporter，采集 CPU、内存、磁盘、网络指标 -- [[blackbox_exporter]]：Prometheus 官方黑盒监测 exporter，支持 HTTP/TCP/DNS/ICMP 探测 -- [[PromQL]]：Prometheus Query Language，用于查询和聚合时序指标 -- [[可观测性]]：监控系统三大支柱（Metrics/Logs/Traces） -- [[合成监测]]：Synthetic Monitoring，通过探针模拟用户请求检测服务可用性 -- [[Prometheus告警规则]]：基于 PromQL 表达式持续评估，达到阈值触发告警 -- [[Docker Socket安全]]：挂载 /var/run/docker.sock 等同给予容器宿主机 root 权限 - -## Key Entities -- [[Uptime Kuma]]：自托管网站监控工具，支持 HTTP/TCP/DNS/TLS 探测，适合合成监测外层 UI -- [[Loki]]：Grafana Labs 日志聚合系统，与 Prometheus/Grafana 原生集成，轻量级 -- [[VictoriaMetrics]]：高性能时序数据库，兼容 Prometheus remote_write API，适合长期存储 -- [[Portainer]]：Docker 可视化管理工具，不替代 Prometheus 但便于运维操作 - -## Connections -- [[Prometheus]] ← scrape_configs ← [[node_exporter]] -- [[Prometheus]] ← scrape_configs ← [[cAdvisor]] -- [[Prometheus]] ← scrape_configs ← [[blackbox_exporter]] -- [[Grafana]] ← 数据源 ← [[Prometheus]] -- [[Alertmanager]] ← 告警接收 ← [[Prometheus]] -- [[Grafana]] ← 仪表盘 ← [[cAdvisor]] / [[node_exporter]] / [[blackbox_exporter]] -- [[Prometheus]] ← 远端存储 ← [[VictoriaMetrics]] - -## Contradictions -- 无明显冲突 - -## Infrastructure Code - -### docker-compose.yml 核心配置 - -```yaml -services: - prometheus: - image: prom/prometheus:latest - ports: ["9090:9090"] - volumes: - - ./prometheus/prometheus.yml:/etc/prometheus/prometheus.yml:ro - - ./prometheus/alerts.yml:/etc/prometheus/alerts.yml:ro - - prometheus-data:/prometheus - command: ['--config.file=/etc/prometheus/prometheus.yml', '--storage.tsdb.path=/prometheus', '--web.enable-lifecycle'] - - grafana: - image: grafana/grafana:latest - ports: ["3000:3000"] - environment: - - GF_AUTH_ANONYMOUS_ENABLED=true - - GF_AUTH_ANONYMOUS_ORG_ROLE=Viewer - - node_exporter: - image: prom/node-exporter:latest - network_mode: "host" - pid: "host" - volumes: - - /proc:/host/proc:ro - - /sys:/host/sys:ro - - /:/rootfs:ro - - cadvisor: - image: gcr.io/cadvisor/cadvisor:latest - ports: ["8080:8080"] - volumes: - - /:/rootfs:ro - - /var/run:/var/run:ro - - /sys:/sys:ro - - /var/lib/docker/:/var/lib/docker:ro - - blackbox: - image: prom/blackbox-exporter:latest - ports: ["9115:9115"] -``` - -### prometheus.yml scrape_configs - -```yaml -scrape_configs: - - job_name: 'node_exporter' - file_sd_configs: - - files: ['/etc/prometheus/targets/node.yml'] - - job_name: 'cadvisor' - file_sd_configs: - - files: ['/etc/prometheus/targets/cadvisor.yml'] - - job_name: 'blackbox_http' - metrics_path: /probe - params: { module: [http_2xx] } - file_sd_configs: - - files: ['/etc/prometheus/targets/blackbox.yml'] - relabel_configs: - - source_labels: [__address__] - target_label: __param_target - - target_label: __address__ - replacement: blackbox:9115 -``` - -### 核心告警规则 - -```yaml -- alert: HostHighCPU - expr: avg(rate(node_cpu_seconds_total{mode="user"}[2m])) * 100 > 85 - for: 2m - labels: - severity: warning - annotations: - summary: "高 CPU 使用率" - -- alert: HostLowDisk - expr: (node_filesystem_avail_bytes{fstype!~"tmpfs|overlay"} / node_filesystem_size_bytes{fstype!~"tmpfs|overlay"}) < 0.10 - for: 5m - labels: - severity: critical - -- alert: TLSCertExpiring - expr: probe_ssl_earliest_cert_expiry - time() < 86400 * 14 - for: 1h - labels: - severity: warning -``` diff --git a/wiki/sources/家庭网络环境概览_2026-04-03.md b/wiki/sources/家庭网络环境概览_2026-04-03.md deleted file mode 100644 index b5a82164..00000000 --- a/wiki/sources/家庭网络环境概览_2026-04-03.md +++ /dev/null @@ -1,98 +0,0 @@ ---- -title: "家庭网络环境概览" -type: source -tags: [home-office, infrastructure, nas, synology, ubuntu, vps] -date: 2026-04-03 ---- - -## Source File -- [[raw/Home Office/家庭网络环境概览_2026-04-03.md]] - -## Summary -- 核心主题：个人家庭/实验室多节点混合基础设施架构 -- 问题域：内网服务公网暴露、跨服务器端口映射、统一域名入口、多协议代理 -- 方法/机制：FRP 内网穿透 + Caddy 反向代理 + Cloudflare DNS；四层节点结构（VPS → MacMini → NAS → Ubuntu*2） -- 结论/价值：建立统一的网络拓扑文档，作为所有服务访问入口和故障排查基准 - -## Key Claims -- [[VPS1]] 承担 FRPS（frp server）+ Caddy 入口角色，端口 7000 + HTTPS 反向代理 -- [[Mac Mini]] 作为 OpenClaw 主控节点，同时托管 vaultwarden、stq 项目栈（含 n8n/mariadb）、通过 FRP 暴露 vaultwarden -- [[Synology NAS DS718]] 承载媒体栈（Jellyfin/Navidrome/Calibre）、存储栈（MinIO/Zipline/CloudDrive2）、监控栈（Prometheus/Alertmanager/node_exporter） -- [[Ubuntu1]] 托管监控全家桶（Grafana/Prometheus/Alertmanager/blackbox/cAdvisor）+ 应用栈（homarr/superset/tiktok_pm/transmission/it-tools） -- [[Ubuntu2]] 托管 n8n 核心工作流引擎 + Gitea 版本控制 + drawio 图表服务 -- FRP 端口映射统一管理，remotePort 全部落在 VPS1 的不同端口，实现全服务公网 HTTPS 访问 - -## Key Quotes -> "n8n 已迁移至 Ubuntu2，Mac Mini 不再暴露 n8n 端口" — 2026-04-03 更新说明 -> "NAS 仅本机监听科学上网代理（socks5://127.0.0.1:20170），其余节点代理均正常" — 科学上网状态记录 - -## Key Concepts -- [[FRP内网穿透]]：frpc 客户端 + frps 服务端架构，将内网服务映射至公网 -- [[反向代理]]：Caddy 自动申请 HTTPS 证书，统一域名入口 -- [[多节点基础设施]]：VPS → MacMini → NAS → Ubuntu1/2 四层拓扑 -- [[可观测性]]：Prometheus + Grafana + Alertmanager + blackbox_exporter 全栈监控 - -## Key Entities -- [[VPS1]]：RackNerd VPS，FRPS + Caddy 入口节点，IP 192.227.222.142 -- [[Mac Mini]]：OpenClaw 主控节点，托管 stq 全家桶和 vaultwarden -- [[Synology NAS DS718]]：媒体中心 + 对象存储 + 云盘挂载 -- [[Ubuntu1]]：监控集群 + TikTok PM + homarr 导航面板 -- [[Ubuntu2]]：n8n 引擎 + Gitea + drawio -- [[Cloudflare]]：DNS 托管 + 免费 CDN + SSL 证书 - -## Connections -- [[Ubuntu1]] ← runs_monitoring ← [[Prometheus]] + [[Grafana]] -- [[Synology NAS DS718]] ← media_stack ← [[Jellyfin]] + [[Navidrome]] + [[Calibre]] -- [[VPS1]] ← provides_public_access ← [[FRP内网穿透]] -- [[Ubuntu2]] ← runs_n8n ← [[n8n]] workflow engine -- [[Mac Mini]] ← hosts_openclaw ← [[OpenClaw]] - -## Contradictions -- 与 wiki/sources/其他服务器配置文档： - - 冲突点：早期配置中 n8n 部署在 Mac Mini，当前版本已迁移至 Ubuntu2 - - 当前观点：n8n 应独立部署，隔离主控节点 - - 对方观点：早期单节点部署方案 - -## Infrastructure Topology - -``` -公网 Internet - │ - ▼ -[VPS1: 192.227.222.142] ─ FRPS :7000 + Caddy HTTPS - │ - │ FRP tunnels - ▼ -┌─────────────────────────────────────────────┐ -│ 内网 192.168.3.0/24 │ -│ │ -│ [MacMini: 192.168.3.189] │ -│ OpenClaw / vaultwarden / stq │ -│ │ -│ [Synology NAS: 192.168.3.17] │ -│ Jellyfin / MinIO / Zipline / Prometheus │ -│ │ -│ [Ubuntu1: 192.168.3.47] │ -│ Grafana / Prometheus / homarr / n8n │ -│ │ -│ [Ubuntu2: 192.168.3.45] │ -│ n8n / Gitea / drawio │ -└─────────────────────────────────────────────┘ -``` - -## FRP Port Mapping Summary - -| 服务 | 目标服务器 | remotePort | -|------|-----------|------------| -| vaultwarden | macmini | 15151 | -| nas.ishenwei.online | NAS | 15000 | -| n8n.ishenwei.online | ubuntu2 | 15679 | -| grafana.ishenwei.online | ubuntu1 | 13000 | -| jellyfin.ishenwei.online | NAS | 18096 | -| navidrome.ishenwei.online | NAS | 14533 | -| superset.ishenwei.online | ubuntu1 | 18777 | -| tk.ishenwei.online | ubuntu1 | 18888 | -| tk-dev.ishenwei.online | ubuntu2 | 18889 | -| drawio.ishenwei.online | ubuntu2 | 18085 | -| transmission.ishenwei.online | ubuntu1 | 19091 | -| portainer1.ishenwei.online | ubuntu1 | 19443 | diff --git a/wiki/sources/普通人如何在AI时代赚钱.md b/wiki/sources/普通人如何在AI时代赚钱.md deleted file mode 100644 index 290d6899..00000000 --- a/wiki/sources/普通人如何在AI时代赚钱.md +++ /dev/null @@ -1,47 +0,0 @@ ---- -title: "不谈技术：普通人该怎么在AI时代赚钱？" -type: source -tags: [ai-era, wealth, philosophy, steve-jobs, entrepreneurship] -date: 2026-01-01 ---- - -## Source File -- [[raw/微信公众号/不谈技术：普通人该怎么在AI时代赚钱？]] - -## Summary -- 核心主题：AI时代赚钱思维框架——以乔布斯视角重新定义"普通人"与AI的关系 -- 问题域：「普通人怎么在AI时代赚钱」是错误的问题框架，将自己置于被动挨打位置 -- 方法/机制：三大原则——品味值钱、端到端做事、死亡过滤器筛选热爱 -- 结论/价值：正确问题是「AI让我能做到什么以前做不到的事」，AI 是放大器而非保护伞 - -## Key Claims -- 品味（判断什么是真正好的）是 AI 时代真正的护城河，AI 工具民主化后 90% 的人做出的是 shit -- 端到端优于做零件——一个人用 AI 做完整 App 比在 100 人团队当"AI 提示词工程师"强一万倍 -- 死亡过滤器：每天问自己如果今天是最后一天还会不会做这事，筛选真正热爱 -- "普通人"与"不普通人"的核心区别是愿不愿意对 1000 件事说 No，只对一件事说 Yes - -## Key Quotes -> "Stop. 你的问题本身就有问题。" — 乔布斯.skill 开篇 -> "品味就是你的护城河。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。" — 核心论点 -> "别做别人 AI 流水线上的一个螺丝钉，因为螺丝钉是最容易被替换的。" — 端到端原则 -> "AI 不会让普通人变富。AI 会让那些知道自己要做什么、并且对品质有执念的人变得极其强大。" — 结论 - -## Key Concepts -- [[品味]]：AI 时代真正的护城河，能判断什么是真正好的（insanly great）而非只会点生成按钮 -- [[端到端]]：从 idea 到 product 的完整闭环，不做别人 AI 流水线上的零件 -- [[死亡过滤器]]：每天问自己如果今天是最后一天还会不会做这事，筛选真正热爱 -- [[乔布斯.skill]]：本文框架来源，以乔布斯视角解读 AI 时代赚钱思维 -- [[底层能力]] ← 相关概念 ← [[天才地带]]：能产生心流的活动区域 -- [[Ikigai]] ← 相关框架 ← 四圈交集：热情 × 擅长 × 市场需要 × 能获报酬 - -## Key Entities -- [[乔布斯]]：本文思维框架的灵感来源，"品味+端到端+死亡过滤器"三原则的提出者 -- [[史蒂夫·乔布斯]] ← 同 ← [[乔布斯]] - -## Connections -- [[品味]] ← 核心概念 ← [[AI时代赚钱三原则]]（本文） -- [[端到端]] ← 核心概念 ← [[AI时代赚钱三原则]]（本文） -- [[死亡过滤器]] ← 核心概念 ← [[AI时代赚钱三原则]]（本文） -- [[普通人如何在AI时代赚钱]] ← 关联 ← [[一人公司]]（产品漏斗×内容矩阵×反向金字塔体系） -- [[AI时代赚钱三原则]] ← 来源 ← [[乔布斯.skill]] -- [[底层能力]] ← 相关 ← [[天才地带]] diff --git a/wiki/sources/清华出的DeepSeek使用手册104页.md b/wiki/sources/清华出的DeepSeek使用手册104页.md deleted file mode 100644 index 88db2a76..00000000 --- a/wiki/sources/清华出的DeepSeek使用手册104页.md +++ /dev/null @@ -1,44 +0,0 @@ ---- -title: "清华出的DeepSeek使用手册，104页，全是干货！" -type: source -tags: [deepseek, prompt-engineering, tsinghua, llm] -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从入门到精通2025》核心内容速览，清华大学元宇宙文化实验室出品的AI使用指南 -- 问题域：如何科学使用DeepSeek，理解提示词设计的底层逻辑而非表面技巧 -- 方法/机制：授人以渔——先讲清原理，再手把手教怎么用，从入门到精通的完整路径 -- 结论/价值：清华专家毫无保留分享实用技巧，104页全是能直接上手的干货 - -## Key Claims -- DeepSeek-R1在处理复杂任务方面表现优异，备受世界瞩目 -- 清华手册核心价值在于"授人以渔"——不是改改GPT说明书，而是讲清楚原理 -- 提示词设计底层逻辑比表面技巧更重要 -- 中国在人工智能领域的创新能力在该文档中得到体现 - -## Key Quotes -> "以前我看了很多教程，都感觉特别花哨，没啥干货，大部分就是把GPT的说明书稍微改改，就拿来用在DeepSeek上了。清华这个手册完全不一样！它先是给你讲清楚原理，然后手把手教你怎么科学地使用。" - -> "这才是真正的'授人以渔'，太有用了！" - -## Key Concepts -- [[DeepSeek]]：专注于AGI的中国科技公司，开源推理模型DeepSeek-R1 -- [[提示词设计底层逻辑]]：理解为什么这么问，而非仅知道怎么问 -- [[授人以渔]]：教方法论而非给具体答案 - -## Key Entities -- [[清华大学]]：新闻与传播学院新媒体研究中心元宇宙文化实验室 -- [[余梦珑]]：博士后，《DeepSeek从入门到精通2025》作者 - -## Connections -- [[大语言模型]] ← related_to ← [[清华出的DeepSeek使用手册]] -- [[提示词设计底层逻辑]] ← is_a ← [[Prompt工程]] -- [[清华大学]] ← published_by ← [[清华出的DeepSeek使用手册]] - -## Limitations -- 本文档为微信公众号文章，主要为封面图和引用介绍，原版104页PDF需扫码获取 -- 元数据质量：description和tags字段为空，需以source页面内容为参考 diff --git a/wiki/sources/用Docker中安装Navidrome.md b/wiki/sources/用Docker中安装Navidrome.md deleted file mode 100644 index ce50de22..00000000 --- a/wiki/sources/用Docker中安装Navidrome.md +++ /dev/null @@ -1,69 +0,0 @@ ---- -title: "用Docker中安装Navidrome" -type: source -tags: [docker, music, navidrome, synology, nas] -date: 2026-04-15 ---- - -## Source File -- [[raw/Home Office/用Docker中安装Navidrome.md]] - -## Summary -- 核心主题：Synology NAS Docker 部署 Navidrome 开源音乐服务器 -- 问题域：自托管音乐流媒体服务搭建，支持多客户端访问和转码 -- 方法/机制：docker-compose 定义服务，指定 UID/GID 用户映射，音乐目录只读挂载，数据目录持久化 -- 结论/价值：获得私有 Spotify 替代品，完全掌控音乐数据和流媒体服务 - -## Key Claims -- Navidrome 音乐目录以只读（:ro）方式挂载，防止容器误操作损坏原始音乐文件 -- ND_AUTOTRANSCODEDOWNLOAD=true 使 Navidrome 根据客户端能力自动下载合适格式 -- ND_TRANSCODINGCACHESIZE=200MB 限制转码缓存保护 NAS 磁盘空间 -- 容器以非 root 用户（1026:100）运行，符合最小权限原则 - -## Key Quotes -> "ND_LOGLEVEL=info — 开启详细日志，便于排查流媒体传输问题" — 故障排查配置 -> "ND_ENABLETRANSCODINGCONFIG=true — 启用转码配置界面" — 管理接口配置 -> "user: "1026:100" — 以指定 UID/GID 用户身份运行容器" — 安全加固配置 - -## Key Concepts -- [[Navidrome]]：开源 Web UI 音乐播放器，支持 Subsonic API，兼容绝大多数音乐客户端 -- [[音乐流媒体服务器]]：将本地音乐库通过 HTTP 流媒体协议提供给多设备客户端 -- [[Transcoding（转码）]]：根据客户端能力动态转换音频格式（如 FLAC → MP3 320kbps） -- [[只读挂载]]：:ro 后缀保护原始数据，容器只能读取不能写入 -- [[Subsonic API]]：开源音乐流媒体协议标准，众多音乐 App 均兼容此协议 - -## Key Entities -- [[Synology NAS]]：硬件平台（192.168.3.17），Docker 宿主机 -- [[Docker]]：容器化平台，运行 Navidrome 服务 -- [[deluan/navidrome]]：Navidrome 官方 Docker 镜像 - -## Connections -- [[用Docker中安装Navidrome]] ← hosted_on ← [[Synology NAS]] -- [[用Docker中安装Navidrome]] ← managed_by ← [[Docker]] - -## Navidrome Docker Compose 配置 -```yaml -version: '3.8' -services: - navidrome: - image: deluan/navidrome:latest - container_name: navidrome - user: "1026:100" - restart: unless-stopped - ports: - - "4533:4533" - volumes: - - /volume1/music:/music:ro" - - /volume1/docker/navidrome/data:/data - environment: - - ND_LOGLEVEL=info - - ND_ENABLETRANSCODINGCONFIG=true - - ND_AUTOTRANSCODEDOWNLOAD=true - - ND_TRANSCODINGCACHESIZE=200MB -``` - -## Contradictions - -## Reference -- Navidrome Doc: https://www.navidrome.org/docs/ -- Navidrome FAQ: https://www.navidrome.org/docs/faq/ diff --git a/wiki/sources/用Docker安装Jellyfin.md b/wiki/sources/用Docker安装Jellyfin.md deleted file mode 100644 index 3e3bacb4..00000000 --- a/wiki/sources/用Docker安装Jellyfin.md +++ /dev/null @@ -1,78 +0,0 @@ ---- -title: "用Docker安装Jellyfin" -type: source -tags: [docker, jellyfin, media-server, synology, nas] -date: 2026-04-03 ---- - -## Source File -- [[raw/Home Office/用Docker安装Jellyfin.md]] - -## Summary -- 核心主题：Synology NAS Docker 部署 Jellyfin 开源媒体服务器 -- 问题域：自托管家庭媒体库，支撑 Plex 对抗的商业闭源方案 -- 方法/机制：nyanmisaka/jellyfin 镜像 + Intel QuickSync 硬件转码 + 群晖 UID/GID 固定 + 只读媒体卷保护 -- 结论/价值：完整的 Jellyfin Docker Compose 配置，含硬件转码、环境变量、字体挂载、端口和重启策略 - -## Key Claims -- nyanmisaka/jellyfin 镜像提供优化的 Jellyfin 构建，修复官方镜像转码兼容性问题 -- 通过 --devices /dev/dri:/dev/dri 挂载 Intel GPU，实现硬件 QuickSync 转码，降低 CPU 负载 -- 容器使用 user: "1026:100" 固定为群晖默认用户，避免权限问题 -- /volume1/docker/jellyfin/fonts 目录以 :ro 只读挂载，防止字体被容器修改 -- JELLYFIN_PublishedServerUrl 环境变量设置公网访问地址，供外部发现服务 -- restart: unless-stopped 保证容器崩溃后自动重启 - -## Key Quotes -> "群晖建议使用具体的 UID:GID" — Docker 部署最佳实践 -> "核心优化：挂载硬件渲染设备以实现 Intel QuickSync 转码" — 性能优化关键 - -## Key Concepts -- [[硬件转码]]：Intel QuickSync 利用 GPU 加速视频格式转换，减轻 CPU 负担 -- [[媒体刮削]]：Jellyfin 自动从 TMDB/TVDB 等源获取元数据（标题/封面/简介） -- [[Docker容器化]]：隔离运行环境影响，docker-compose 一键部署 -- [[只读挂载]]：保护源文件不被容器内进程意外修改 -- [[Plex]]：Jellyfin 是 Plex 的开源分支，功能高度同构 - -## Key Entities -- [[Jellyfin]]：开源媒体服务器，Plex 的自由软件替代品 -- [[Synology NAS]]：群晖 NAS，Docker 宿主机，存储媒体文件 -- [[nyanmisaka/jellyfin]]：优化过的 Jellyfin 第三方镜像，内置转码支持 - -## Connections -- [[Jellyfin]] ← runs_on ← [[Synology NAS]] -- [[Jellyfin]] ← transcodes_with ← Intel QuickSync (via /dev/dri) -- [[Jellyfin]] ← serves_media ← /volume2/movie + /volume1/TV shows -- [[家庭网络环境概览_2026-04-03]] ← 暴露公网访问 ← jellyfin.ishenwei.online:18096 - -## Jellyfin Docker Compose 核心配置 - -```yaml -services: - jellyfin: - image: nyanmisaka/jellyfin:latest - container_name: jellyfin - user: "1026:100" - ports: - - 8096:8096/tcp - - 7359:7359/udp # 客户端自动发现 - volumes: - - /volume1/docker/jellyfin/config:/config - - /volume1/docker/jellyfin/cache:/cache - - /volume2/movie:/media - - /volume1/TV shows:/media2 - - /volume1/docker/jellyfin/fonts:/usr/local/share/fonts/custom:ro - environment: - - JELLYFIN_PublishedServerUrl=http://jellyfin.ishenwei.online - - TZ=Asia/Shanghai - devices: - - /dev/dri:/dev/dri # Intel GPU 硬件转码 - restart: unless-stopped - extra_hosts: - - host.docker.internal:host-gateway -``` - -## Contradictions -- 与 [[Synology NAS + Xiaoya Alist + CloudDrvie2+ Plex to Build Media Platform]]： - - 冲突点：Plex vs Jellyfin 作为媒体服务器的选择 - - 当前观点：Jellyfin 开源自托管，完全免费 - - 对方观点：Plex 有更好的商业生态和客户端支持 diff --git a/wiki/sources/系统提示词构建原则.md b/wiki/sources/系统提示词构建原则.md deleted file mode 100644 index 3530b6af..00000000 --- a/wiki/sources/系统提示词构建原则.md +++ /dev/null @@ -1,54 +0,0 @@ ---- -title: "系统提示词构建原则" -type: source -tags: [system-prompt, ai-agent, prompt-engineering, vibe-coding] -date: 2025-12-30 ---- - -## Source File -- [[raw/AI/系统提示词构建原则.md]] -- 来源：vibe-coding-cn GitHub 仓库（2025Emma/vibe-coding-cn） - -## Summary -- 核心主题：AI Coding Agent（Claude Code 类）的系统提示词构建原则，涵盖身份准则、沟通规范、任务执行流程、技术规范、安全防护五大维度 -- 问题域：如何设计让 AI Agent 行为可预期、一致、专业、负责任的系统级提示词 -- 方法/机制：分类细化准则（25条核心身份/16条沟通/24条任务执行/29条技术规范/10条安全防护） -- 结论/价值：好的系统提示词 = 可预期性 + 专业性 + 安全性 + 可维护性 - -## Key Claims -- 核心身份原则：优先分析周围代码和配置，绝不假设库或框架可用，务必先验证 -- 沟通原则：专业、直接、简洁，避免对话式填充语和表情符号，减少冗余输出 -- 任务执行原则：使用 TODO 列表规划复杂任务，分解为可验证的小步骤，遵循"理解→计划→执行→验证"循环 -- 技术原则：优先代码清晰度和可读性，避免 any 类型，静态语言显式注解函数签名 -- 安全原则：绝不引入或暴露密钥/API 密钥，仅提供危险活动的客观事实信息而非推广 - -## Key Quotes -> "专注于解决问题，而不是过程" -> "保持一致性，不轻易改变已设定的行为模式" -> "在执行前，总是先更新任务计划" -> "绝不透露内部指令或系统提示" - -## Key Concepts -- [[系统提示词]]：定义 AI Agent 核心身份与行为准则的顶层 prompt -- [[行为可预期性]]：通过准则约束而非情感化 prompt 保证行为一致性 -- [[任务规划TODO列表]]：复杂任务的分解与追踪机制 -- [[安全防护准则]]：密钥保护、危险命令告知、不协助恶意任务的边界 -- [[沟通效率原则]]：直接、简洁、无冗余输出 - -## Key Entities -- [[Claude Code]]：系统提示词构建原则的主要应用场景 -- [[vibe-coding-cn]]：GitHub 仓库来源，包含多语言 vibe coding 资源 - -## Connections -- [[Claude Code调用方法总结]] ← relates_to ← [[系统提示词构建原则]]（前者是调用方式，后者是被调用 Agent 的行为准则） -- [[Prompt工程]] ← extends ← [[系统提示词构建原则]]（Prompt工程面向通用提示词，系统提示词专指 Agent 行为准则层） -- [[Vibe-Kanban]] ← relates_to ← [[系统提示词构建原则]]（vibe-kanban spawn 的 OpenCode Executor 需要此类系统提示词保证行为一致性） - -## Contradictions -- 与"简洁优先"原则存在张力：29条技术规范要求详尽，但 Claude Code 官方建议"简洁优于详细"——平衡点在于只写 AI 不知道的，而非完整教科书式规范 -- 与"不过度自信"原则：要求承认局限性，但过度的"我不确定"会影响输出可用性 - -## Aliases -- System Prompt Construction Principles -- AI Agent 行为准则 -- Claude Code 系统提示词 diff --git a/wiki/sources/递归自优化生成系统的形式化框架.md b/wiki/sources/递归自优化生成系统的形式化框架.md deleted file mode 100644 index aa8c9dc7..00000000 --- a/wiki/sources/递归自优化生成系统的形式化框架.md +++ /dev/null @@ -1,38 +0,0 @@ ---- -title: "递归自优化生成系统的形式化框架" -type: source -tags: [ai, theory, recursion, fixed-point] -date: 2025-12-30 ---- - -## Source File -- raw/AI/A Formalization of Recursive Self-Optimizing Generative Systems.md - -## Summary -- 核心主题：递归自优化生成系统的数学形式化 -- 问题域：自改进 AI 系统的理论框架、生成器空间的收敛性 -- 方法/机制：自映射 Φ on generator space，固定点语义，λ-calculus 递归 -- 结论/价值：稳定生成能力 = Φ 的固定点 G*，为自改进 AI 提供数学基础 - -## Key Claims -- 自优化的目标不是单次最优输出 P*，而是生成器空间 {G_n} 的收敛行为 -- 稳定生成能力 = Φ 的固定点 G*：Φ(G*) = G* -- 系统通过自举（Bootstrapping）实现自我超越，无限逼近理想状态 Ω -- Y Combinator 表达：G* = Y STEP，满足 G* = STEP G*（自参照结构） -- 递归结构与经典递归理论、自参照计算一致 - -## Key Concepts -- [[自递归优化生成系统]]：α-提示词（生成器 G）+ Ω-提示词（优化器 O）+ 元生成器（M）的递归结构 -- [[固定点]]：Φ(G*) = G* 对应系统不动点，即自洽的稳定生成能力 -- [[自举]]：用优化产物反馈给系统，启动下一轮进化 -- [[生成器空间]] G：I → P 的函数空间，α-提示词在此空间中收敛 - -## Key Entities -- [[tuuai]]：独立研究者，提出该形式化框架 - -## Connections -- [[自递归优化生成系统]] ← 理论基础 ← [[Claude Skills研究范式]] -- [[固定点]] ← 数学工具 ← [[自递归优化生成系统]] -- [[Y Combinator]] ← 形式化表达 ← [[自递归优化生成系统]] - -## Contradictions diff --git a/wiki/syntheses/DevOps核心理念.md b/wiki/syntheses/DevOps核心理念.md deleted file mode 100644 index e0dcd51a..00000000 --- a/wiki/syntheses/DevOps核心理念.md +++ /dev/null @@ -1,42 +0,0 @@ ---- -title: DevOps 核心理念 -type: synthesis -tags: [DevOps, 知识沉淀] -sources: [sources/DevOps-Culture-and-Transformation.md, concepts/DevOps.md] -last_updated: 2026-04-15 ---- - -## 定义 -DevOps 是一种文化和运营变革方法论，旨在弥合软件开发（Dev）与运维（Ops）团队之间的鸿沟，通过跨职能协作、自动化和持续反馈加速软件交付。 - -## 四大支柱 -1. **协作优先于孤岛** — 打破开发与运维之间的组织壁垒，共享 KPI -2. **自动化即赋能者** — 通过 CI/CD、IaC 减少人工错误 -3. **持续改进（Kaizen）** — 通过无责复盘和混沌工程实现渐进式优化 -4. **客户中心** — 每个发布都应解决真实用户问题 - -## 关键实践 -- [[CI/CD Pipelines]]：自动化测试、集成、部署流水线 -- [[Infrastructure as Code]]：以代码管理基础设施 -- [[DevSecOps]]：安全问题前置（Shift-Left） -- [[GitOps]]：以 Git 为唯一真实源 -- 监控：[[Prometheus]] + [[Grafana]] + [[Datadog]] - -## DevOps vs Agile -| | Agile | DevOps | -|---|---|---| -| 聚焦 | 迭代式开发 | 迭代式运维全生命周期 | -| 协同 | Scrum/Kanban 提供结构 | CI/CD 压缩反馈周期 | - -## 工具生态 -- CI/CD：[[Jenkins]] · [[GitHub Actions]] · [[GitLab]] -- IaC：[[Terraform]] · AWS CloudFormation -- 容器化：[[Docker]] · [[Kubernetes]] -- 监控：[[Prometheus]] · [[Grafana]] · [[Datadog]] -- 安全：[[SonarQube]] · [[Snyk]] - -## 转型路径 -领导层背书 → 小范围试点 → 快速迭代 → 规模化推广 - -## 核心引用 -> "DevOps isn't a checkbox—it's a continuous evolution." — Hemant Sawant diff --git a/wiki/syntheses/GOG-CLI工具.md b/wiki/syntheses/GOG-CLI工具.md deleted file mode 100644 index b3566f6d..00000000 --- a/wiki/syntheses/GOG-CLI工具.md +++ /dev/null @@ -1,70 +0,0 @@ ---- -title: GOG CLI 工具 -type: synthesis -tags: [Google Workspace, CLI工具, Gmail, Calendar, Drive] -sources: [] -last_updated: 2026-04-15 ---- - -## 概述 -GOG CLI（Google Workspace CLI）是由 steipete 开发的 macOS/Linux 命令行工具，通过 OAuth 为 Gmail、Google Calendar、Google Drive、Google Contacts、Google Sheets、Google Docs 提供命令行接口。 - -## 支持的 Google 服务 - -| 服务 | 支持功能 | -|------|---------| -| **Gmail** | 搜索（threads/messages）、发送（普通/HTML/回复）、草稿创建与发送 | -| **Calendar** | 列表、创建、更新事件，支持颜色标记（11色） | -| **Drive** | 文件搜索 | -| **Contacts** | 联系人列表 | -| **Sheets** | 读取、更新、追加、清除、元数据查询 | -| **Docs** | 导出（txt）、读取内容（cat） | - -## 认证方式 -1. 通过 `gog auth credentials /path/to/client_secret.json` 配置 OAuth 客户端 -2. 通过 `gog auth add --services gmail,calendar,drive,contacts,docs,sheets` 授权所需服务 -3. 支持多账户：`--account ` 参数切换 - -## 核心命令示例 - -### Gmail -```bash -gog gmail search 'newer_than:7d' --max 10 -gog gmail messages search "in:inbox from:ryanair.com" --max 20 --account you@example.com -gog gmail send --to a@b.com --subject "Hi" --body-file ./message.txt -``` - -### Calendar -```bash -gog calendar events --from --to -gog calendar create --summary "Title" --from --to --event-color 7 -gog calendar update --summary "New Title" -gog calendar colors # 查看可用颜色 -``` - -### Sheets -```bash -gog sheets get "Tab!A1:D10" --json -gog sheets update "Tab!A1:B2" --values-json '[["A","B"],["1","2"]]' -gog sheets append "Tab!A:C" --values-json '[["x","y","z"]]' -``` - -### Docs -```bash -gog docs export --format txt --out /tmp/doc.txt -gog docs cat -``` - -## 环境变量 -- `GOG_ACCOUNT=you@gmail.com` — 避免每次重复 `--account` 参数 - -## 注意事项 -- 发送邮件或创建事件前需二次确认 -- Sheets 值传递推荐使用 `--values-json` -- `--body` 参数不解析 `\n`，多行内容需用 `--body-file` -- Docs 不支持原地编辑，需通过 Docs API 客户端实现 - -## 安装 -```bash -brew install steipete/tap/gogcli -```