Auto-sync: 2026-04-27 16:02
This commit is contained in:
@@ -1,46 +1,45 @@
|
||||
---
|
||||
title: "Personal CRM with Automatic Contact Discovery"
|
||||
type: source
|
||||
tags: []
|
||||
date: 2026-04-22
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[Agent/usecases/personal-crm.md]]
|
||||
|
||||
## Summary（用中文描述）
|
||||
- 核心主题：AI Agent 驱动的个人 CRM 系统，自动从邮件和日历中发现联系人并建立关系管理
|
||||
- 问题域：手动追踪联系人交流历史困难、重要跟进遗漏、开会前忘记之前讨论内容
|
||||
- 方法/机制：每日 Cron Job 扫描 Gmail 和日历提取新联系人 → SQLite 结构化存储（含关系上下文）→ 自然语言查询接口 → 会议前自动简报生成
|
||||
- 结论/价值：零手动录入，AI 自动构建和维护联系人知识库，开会前自动准备背景资料
|
||||
|
||||
## Key Claims（用中文描述）
|
||||
- 每日 Cron Job 自动扫描邮件和日历 → 无需手动录入联系人
|
||||
- AI 存储每次互动的上下文（时间、内容摘要）→ 保留完整交流历史
|
||||
- 每次会议前自动研究外部参会者 → 提供背景简报（含上次交流内容、待跟进事项）
|
||||
- 自然语言查询 → "上次和某人聊了什么？"、"谁需要跟进？"
|
||||
|
||||
## Key Quotes
|
||||
> "Keeping track of who you've met, when, and what you discussed is impossible to do manually. Important follow-ups slip through the cracks, and you forget context before important meetings." — 痛点陈述
|
||||
|
||||
## Key Concepts
|
||||
- [[Personal CRM]]：基于 AI Agent 自动发现和维护个人联系人关系的管理系统
|
||||
- [[Cron Job]]：定时任务触发每日联系人扫描和会议简报生成
|
||||
- [[Automatic Contact Discovery]]：从 Gmail 日历自动提取联系人和互动事件
|
||||
- [[Meeting Prep Briefing]]：会前自动收集参会者背景资料和历史交流记录
|
||||
|
||||
## Key Entities
|
||||
- [[gog CLI]]：Gmail 和 Google Calendar 的 CLI 工具，本方案的数据采集层
|
||||
- [[OpenClaw]]：AI Agent 框架，负责 Cron Job 编排、自然语言查询和简报生成
|
||||
- [[Telegram]]：CRM 查询接口的推送通道，通过 personal-crm topic 接收查询请求
|
||||
|
||||
## Connections
|
||||
- [[local-crm-framework]] ← extends ← [[personal-crm]]（DenchClaw 本地 CRM 框架是该方案的具体实现）
|
||||
- [[multi-channel-assistant]] ← extends ← [[personal-crm]]（CRM 是 Telegram topic 路由的频道之一）
|
||||
- [[Second Brain]] ← related ← [[personal-crm]]：均属 OpenClaw 持久化记忆能力的不同应用场景
|
||||
|
||||
## Contradictions
|
||||
- 与 [[Second Brain]] 可能存在功能重叠：
|
||||
- 冲突点：两者都依赖 OpenClaw 的记忆存储，是否需要合并？
|
||||
- 当前观点：Personal CRM 侧重联系人发现和会议准备（结构化数据），Second Brain 侧重任意内容的零摩擦捕获（非结构化）
|
||||
- 对方观点：两者可共享底层记忆系统，差异化在于查询界面和数据结构
|
||||
---
|
||||
title: "Personal CRM with Automatic Contact Discovery"
|
||||
type: source
|
||||
tags: []
|
||||
date: 2026-04-27
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[Agent/usecases/personal-crm.md]]
|
||||
|
||||
## Summary（用中文描述）
|
||||
- 核心主题：构建一个自动化维护的个人 CRM 系统，通过每日 cron job 扫描邮件和日历，自动发现联系人并更新交互记录。
|
||||
- 问题域：手动记录人际交往信息不可持续——重要跟进容易被遗忘，会面前忘记之前讨论的上下文。
|
||||
- 方法/机制：gog CLI 读取 Gmail/日历 → SQLite 结构化存储 → Agent 自然语言查询 → 每日晨会简报推送至 Telegram。
|
||||
- 结论/价值：用 AI Agent 实现联系人管理的全自动化，保证每次会议都有充分的事前准备。
|
||||
|
||||
## Key Claims（用中文描述）
|
||||
- 手动记录人脉信息不可行：重要跟进会遗漏，会面前的上下文容易被遗忘。
|
||||
- 每日 cron job 扫描邮件和日历可自动发现新联系人和交互事件。
|
||||
- 结构化数据库存储联系人关系上下文，支持自然语言查询。
|
||||
- 每日晨会简报（7 AM）可在会面前推送：联系人背景、上次交谈内容、待跟进事项。
|
||||
|
||||
## Key Quotes
|
||||
> "Keeping track of who you've met, when, and what you discussed is impossible to do manually." — 核心痛点陈述
|
||||
> "Daily meeting prep briefing: before each day's meetings, researches external attendees via CRM + email history and delivers a briefing" — 核心价值点
|
||||
|
||||
## Key Concepts
|
||||
- [[Personal CRM]]：个人客户关系管理系统，自动维护联系人及交互历史。
|
||||
- [[Meeting Briefing]]：会前简报，在会议开始前提供参会者背景信息。
|
||||
- [[Contact Discovery]]：联系人自动发现机制，从邮件和日历中提取新联系人。
|
||||
- [[Gog CLI]]：Gmail 和 Google Calendar 的命令行接口，用于数据采集。
|
||||
|
||||
## Key Entities
|
||||
- [[Gog CLI]]：邮件/日历数据源工具。
|
||||
- [[SQLite CRM Database]]：存储联系人结构化数据的技术组件。
|
||||
- [[Telegram Topic personal-crm]]：CRM 查询专用 Telegram 话题。
|
||||
|
||||
## Connections
|
||||
- [[Gog CLI]] ← feeds ← [[Personal CRM]]
|
||||
- [[SQLite CRM Database]] ← stores ← [[Personal CRM]]
|
||||
- [[Meeting Briefing]] ← depends_on ← [[Personal CRM]]
|
||||
- [[Telegram Topic personal-crm]] ← delivers ← [[Meeting Briefing]]
|
||||
|
||||
## Contradictions
|
||||
- 暂无已知冲突页面。
|
||||
|
||||
@@ -1,41 +1,47 @@
|
||||
---
|
||||
title: "Polymarket Autopilot"
|
||||
type: source
|
||||
tags: []
|
||||
date: 2026-04-21
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[Agent/usecases/polymarket-autopilot.md]]
|
||||
|
||||
## Summary（用中文描述）
|
||||
- 核心主题：基于 AI Agent 的 Polymarket 预测市场自动驾驶交易系统
|
||||
- 问题域：预测市场信息获取滞后、交易决策效率低下、无法 24/7 监控市场动态
|
||||
- 方法/机制：AI Agent 自动监控 Polymarket 市场数据、智能分析预测概率变化、自动执行交易策略、定时推送市场洞察
|
||||
- 结论/价值：实现预测市场的半自动化交易，减少人工盯盘时间，提高市场信息获取效率
|
||||
|
||||
## Key Claims（用中文描述）
|
||||
- AI Agent 能够实现 Polymarket 市场的 24/7 全天候监控
|
||||
- 自动化分析可识别预测概率的显著变化
|
||||
- 定时推送机制确保用户及时获取关键市场信息
|
||||
- 多 Agent 协作可处理复杂的市场研究和交易决策流程
|
||||
|
||||
## Key Quotes
|
||||
> "AI agents can monitor Polymarket markets 24/7, analyzing prediction probabilities and triggering automated responses" — 核心价值主张
|
||||
|
||||
## Key Concepts
|
||||
- [[Prediction Market]]：预测市场平台，用户通过交易事件结果概率获取收益
|
||||
- [[Polymarket]]：基于区块链的去中心化预测市场协议
|
||||
- [[Agentic Trading]]：AI Agent 驱动的自动化交易策略
|
||||
- [[Market Monitoring]]：市场动态实时监控与警报系统
|
||||
|
||||
## Key Entities
|
||||
- [[Polymarket]]：去中心化预测市场协议，本文档的核心交互平台
|
||||
|
||||
## Connections
|
||||
- [[Dynamic Dashboard]] ← extends ← [[polymarket-autopilot]]
|
||||
- [[earnings-tracker]] ← similar_pattern ← [[polymarket-autopilot]]
|
||||
|
||||
## Contradictions
|
||||
- 无已知冲突
|
||||
|
||||
---
|
||||
title: "Polymarket Autopilot: Automated Paper Trading"
|
||||
type: source
|
||||
tags: []
|
||||
date: 2026-05-18
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[Agent/usecases/polymarket-autopilot.md]]
|
||||
|
||||
## Summary（用中文描述）
|
||||
- 核心主题：基于 AI Agent 的 Polymarket 预测市场自动化模拟交易（Paper Trading）系统
|
||||
- 问题域：预测市场变化快、人工盯盘错失机会、情绪化决策、实盘测试策略风险高
|
||||
- 方法/机制：AI Agent 通过 API 持续监控 Polymarket 市场数据（价格/成交量/价差），使用 TAIL（趋势跟踪）、BONDING（逆向）、SPREAD（套利）三种策略执行模拟交易，追踪组合表现并每日推送 Discord 报告，支持基于回测结果调整策略参数
|
||||
- 结论/价值：无需真实资金即可验证交易策略，实现 24/7 市场监控，减少人工盯盘，提高决策效率
|
||||
|
||||
## Key Claims（用中文描述）
|
||||
- AI Agent 可实现 Polymarket 市场的 24/7 全天候监控，自动识别套利机会
|
||||
- TAIL 策略在成交量放大且动量明确时（概率 >60%）顺势跟进效果最佳
|
||||
- BONDING 策略在市场因新闻过度反应时（概率骤降 >10%）逆向建仓胜率较高
|
||||
- SPREAD 策略在 YES + NO 价格之和 >1.05 时存在无风险套利空间
|
||||
- 模拟交易（Paper Trading）允许在零风险下测试和迭代交易策略
|
||||
- 子代理并行分析可在高成交量期间同时监控多个市场
|
||||
|
||||
## Key Quotes
|
||||
> "Manually monitoring prediction markets for arbitrage opportunities and executing trades is time-consuming and requires constant attention." — 痛点陈述
|
||||
> "You wake up to a summary of what it 'traded' overnight, what worked, and what didn't." — 系统核心价值
|
||||
|
||||
## Key Concepts
|
||||
- [[Prediction Market]]：预测市场平台，用户通过交易事件结果概率获取收益
|
||||
- [[Polymarket]]：基于区块链的去中心化预测市场协议，本系统的核心交易平台
|
||||
- [[Paper Trading]]：模拟交易——使用虚拟资金在真实市场环境中执行交易策略，不承担真实财务风险
|
||||
- [[TAIL Strategy]]：趋势跟踪策略——在成交量放大且概率动量明确时（>60%）顺势建仓
|
||||
- [[BONDING Strategy]]：逆向/均值回归策略——在市场因新闻过度反应时（概率骤降 >10%）逆向建仓
|
||||
- [[SPREAD Strategy]]：套利策略——当 YES + NO 价格之和 >1.05 时存在无风险套利机会
|
||||
- [[Sub-Agent Parallelism]]：子代理并行执行——高成交量期间并行分析多个市场，提高监控覆盖率
|
||||
|
||||
## Key Entities
|
||||
- [[Polymarket]]：去中心化预测市场协议，本系统的核心交互平台
|
||||
- [[Discord]]：每日交易报告和洞察的推送渠道
|
||||
|
||||
## Connections
|
||||
- [[Dynamic Dashboard]] ← extends ← [[polymarket-autopilot]]（Polymarket 市场监控的具体实现）
|
||||
- [[earnings-tracker]] ← similar_pattern ← [[polymarket-autopilot]]（市场数据监控场景扩展）
|
||||
|
||||
## Contradictions
|
||||
- 无已知冲突
|
||||
|
||||
Reference in New Issue
Block a user