Auto-sync: 2026-04-27 20:02

wiki/overview.md

@@ -6,6 +6,8 @@ This wiki is a living synthesis of curated sources spanning AI agents, cloud inf
 
 ### 知识与资源
 
+**[[不谈技术-普通人该怎么在ai时代赚钱]]**（AI时代财富认知）：以乔布斯.skill署名，阐述AI时代普通人财富创造的三大认知框架——①品味是护城河（工具民主化后品味不会民主化，90%人用AI生成shit因为缺乏判断力）；②做端到端不做零件（iPod成功不在于MP3解码器，而在于iTunes→iPod→iTunes Store完整体验）；③死亡过滤器找真正热爱（「如果今天是最后一天」过滤找到genuine passion再与AI结合）。核心结论：AI不会让普通人变富，AI会让那些知道要做什么且对品质有执念的人变得极其强大。与 [[乔布斯.skill]]（署名来源）和 [[Mac]]（品味案例）、[[iPod]]（端到端案例）实体相关联。属 [[AI时代发展策略]] 主题。
+
 **[[chinatextbook-41-53-gb-中国小学-初中-高中-大学-pdf-教材]]**（ChinaTextbook）：中国中小学及大学 PDF 教材开源收集项目——托管于 GitHub，总库大小 41.53 GB，收集了从小学到大学阶段的公开教材 PDF。教材来源为国家中小学智慧教育平台（basic.smartedu.cn），登录后即可浏览，亦可使用第三方工具（如 tchMaterial-parser）下载。覆盖小学（语数英科学等11科）、初中（15科）、高中（16科）及大学（概率论/离散数学/线性代数/高等数学）阶段。属教育资源开源化方向，为 [[教育资源开源]] 和 [[PDF教材数字化]] 提供实践案例。
 
 ### Multi-Agent AI Systems
@@ -47,6 +49,10 @@ The wiki covers two major multi-agent frameworks: **The Agency** (agency-agents)
 
 **[[multi-channel-customer-service]]**：基于 [[OpenClaw]] 的企业级多渠道 AI 客服统一收件箱——整合 WhatsApp Business、Instagram DMs、Gmail 和 Google Reviews 至单一 AI 驱动的收件箱，AI 自动识别消息意图（FAQ/Appointment/Complaint/Review）并匹配对应处理策略，语言自动检测匹配客户语言（ES/EN/UA），支持 Test Mode 演示而不影响真实客户。餐厅实测响应时间从 4+ 小时降至 2 分钟以内，80% 咨询自动处理。与 [[multi-channel-assistant]] 互补——后者面向个人助理多渠道入口，前者面向企业客服场景。
 
+**[[aionui-cowork-desktop]]**（OpenClaw as Desktop Cowork）：通过 AionUi 桌面应用将 [[OpenClaw]] 打造为可视化 Cowork Agent，支持远程救援和多 Agent 统一管理——内置 OpenClaw 部署专家可通过 Telegram/WebUI 远程执行 `openclaw doctor`、修复配置、重启 gateway；支持 OpenClaw/Claude Code/Codex 等 12+ Agent 共存并共享同一 MCP 配置；WebUI/Telegram/Lark/DingTalk 多通道远程接入。解决"看不见 Agent 在做什么"和"Agent 坏了人在外地无法修复"两大痛点。与 [[multi-agent-team]] 互补——后者侧重 Agent 团队协作架构，前者侧重统一界面管理与远程控制；与 [[Second-Brain]] 同属 OpenClaw 场景但侧重不同（记忆捕获 vs 可视化与远程管理）。
+
+## Second Brain
+
 **Inbox De-clutter**：基于 [[OpenClaw]] 的 Newsletter 自动整理方案——每天 20:00 通过 Cron Job 阅读过去 24 小时的新邮件，生成精华摘要并附原文链接，根据用户反馈持续学习偏好。需前置 Gmail OAuth Setup。与 [[custom-morning-brief]] 属同一 Cron Job + AI 摘要模式的 Newsletter 垂直场景。与 [[email-triage]] 属同一方法论的不同实现。
 
 **[[Second Brain]]**：基于 [[OpenClaw]] 的个人第二大脑记忆捕获系统——通过短信/Telegram/Discord 零摩擦捕获任何内容（\"Remind me to read a book...\"），OpenClaw 永久记忆存储所有对话，Next.js 可搜索仪表盘提供全局检索，Cmd+K 跨所有记忆/文档/任务全局搜索。核心价值：**捕获像发短信一样简单，检索像搜索一样简单**。无需文件夹、无需标签、无需复杂组织——文本加搜索足矣。OpenClaw 的累积记忆系统使 AI 随时间变得越来越强大，用户从手机发消息就能在电脑端构建内容。灵感来源：Alex Finn 的 YouTube 视频、Tiago Forte 的《Building a Second Brain》。
@@ -57,6 +63,12 @@ The wiki covers two major multi-agent frameworks: **The Agency** (agency-agents)
 
 **[[养龙虾5天血泪史]]**：AI Agent 记忆失效问题的专项调试全记录——作者（比利哥）花费 5 天时间系统修复 OpenClaw 助理"星辉"的失忆问题。发现 5 类根本原因：①上下文压缩导致细节丢失（姓名/数字/决定）→ 配置 `memoryFlush` 在压缩前写入磁盘；②纯语义搜索在专有名词上失败 → 切换到 QMD 混合搜索（BM25+向量+重排）；③Agent 找到但不自动使用信息 → 启动序列强制触发检索；④多次压缩后上下文仍丢失 → 配置 `contextPruning` 协同工作；⑤系统提示词膨胀 28% → 全面清理未使用技能和无效文件。**10 条黄金法则**：只有 7 个自动加载文件（AGENTS/SOUL/TOOLS/IDENTITY/USER/HEARTBEAT/MEMORY）；启动序列必须放在 AGENTS.md 最顶部；**写入纪律比读取纪律更重要**；交接协议是模型切换修复的关键；定期运行 `/context detail` 检测 token 消耗。核心洞察：**压缩不是敌人，未写入的上下文才是**；系统提示词中每个令牌都是代理携带的开销。最终将系统提示词从 209,652 精简到 9,349 令牌，减少 28%。与 [[养虾日记1]]（照片整理）、[[养虾日记2]]（Self-Improving）属同一「养虾日记」系列，从不同角度解决 OpenClaw 的记忆与持久化问题。
 
+从不同角度解决 OpenClaw 的记忆与持久化问题。
+
+## Research & Content Consumption
+
+**[[arxiv-paper-reader]]**（arXiv Paper Reader）：基于 [[Prismer]] `arxiv-reader` skill 的对话式 arXiv 论文阅读工作流——通过 3 个工具（`arxiv_fetch`/`arxiv_sections`/`arxiv_abstract`）直接从 arXiv 获取论文，自动解压 LaTeX 源码并扁平化为可读文本，支持先浏览结构再决定是否深入阅读、跨论文摘要对比、局部章节精读，结果本地缓存二次访问即时响应。无需 Docker 或 Python，使用 Node.js 内置模块独立运行。核心解决：下载 PDF 丢失上下文、LaTeX 符号难解析、论文切换需要手动管理等问题。与 [[YouTube Content Pipeline]] 同属 Agent 内容获取与对话式交互范式；与 [[Second Brain]]（对话记忆捕获）和 [[Personal Knowledge Base (RAG)]]（知识检索）共同构成完整的内容消费与沉淀体系。
+
 **[[养虾日记5]]**：用AI蒸馏历史人物思维框架创建"数字导师"——以苏东坡为首位实践，展示如何将千年前古人的心智模型（六道：进退由时/此心安处/辞达而已/逆境转化/自出新意/天人合一）转化为可运行的AI Skill。女娲·Skill造人术通过6个并行Agent从6个维度（著作/对话/表达DNA/他者视角/决策/时间线）采集信息，提炼心智模型、决策启发式和表达DNA，产出自包含的.skill文件。核心洞察：AI时代用AI放大人类历史上最强大的脑子——学投资蒸馏芒格，学物理思维蒸馏费曼，逆境中保持风骨蒸馏苏东坡。与 [[养虾日记1/2/3/4]] 和 [[养龙虾5天血泪史]] 属同一「养虾日记」系列，从"AI数字导师"新角度扩展了 OpenClaw 的使用场景。与 [[Second Brain]]（对话记忆捕获）、[[思维蒸馏（女娲造人术）]] 同属用AI构建外部认知能力的不同路径。
 
 **Recursive Self-Optimizing Generative Systems**（[[a-formalization-of-recursive-self-optimizing-generative-systems]]）：递归自我优化生成系统的形式化理论模型——将 [[养虾日记2]] 中 Self-Improving 的实践经验抽象为严格数学框架：系统目标不是直接产出最优输出，而是通过迭代自我修改构建稳定的生成能力 $G^*$。定义生成器空间 $\mathcal{G}$ → 优化算子 $O$ → 元生成算子 $M$ → 自映射 $\Phi$ → 稳定不动点 $G^*$，最终用 λ-calculus Y 组合子表达自引用结构 $G^* \equiv Y\;\text{STEP}$。核心发现：**递归自我优化自然涌现不动点结构**——当 $\Phi$ 满足收缩性条件时，$G^* = \lim_{n \to \infty} \Phi^n(G_0)$。该框架为 [[Self-Improving-Skill]] 和所有自我改进 AI 架构提供了原则性理论基础。