feat(wiki): ingest misc sources batch (Daily notes/Others/Skills/Vibe Coding/微信公众号/跨境电商)

wiki/concepts/AI拟人化谬误.md

@@ -0,0 +1,27 @@
+---
+title: "AI拟人化谬误"
+type: concept
+tags: []
+---
+
+## Definition
+将 LLM 拟人化（赋予名字、情感、恐惧、动机）是一种设计谬误。LLM 没有生物体的局限性——不会死亡、饥饿或害怕；它们在推理时只存在几秒钟来生成响应，缺乏真正的同理心或情感。
+
+## Why It's Wrong
+- LLM 天生的不可靠性（幻觉、逻辑谬误、上下文漂移）与人类不同
+- 对 LLM 的"威胁"或"激励"只是利用训练数据中高风险→高质量输出的相关性
+- 拟人化会掩盖 LLM 真正的问题：将其视为可靠组件而非需要工程保障的系统
+
+## The Correct Approach
+- [[Alex Ewerlöf]] 主张：将 LLM 视为分布式系统中不可靠的组件
+- 构建系统时：约束（Constrained）、验证（Verified）、修剪（Pruned）、挑战（Challenged）
+- 不需要"关心"的 AI，需要的是经过工程保障的 AI
+
+## Related Concepts
+- [[泰勒主义软件工厂]]
+- [[LLM不可靠性]]
+- [[多Agent可靠性模式]]
+
+## Sources
+- [[The-Picture-They-Paint-of-You.md]]
+- [[Multi-Agent-System-Reliability.md]]

wiki/concepts/YouTubeRSS.md

@@ -0,0 +1,24 @@
+---
+title: "YouTube RSS"
+type: concept
+tags: []
+---
+
+## Definition
+通过 YouTube 频道的 channel_id 拼接的 Atom/RSS 订阅格式，允许用户通过 RSS 阅读器订阅频道更新。YouTube 已移除官方 RSS 订阅按钮，需通过"查看页面源码"获取 channel_id。
+
+## How to Get
+1. 访问 YouTube 频道页面（如 https://www.youtube.com/@CHANNEL_NAME）
+2. 右键 → "查看页面源码"（View Page Source）
+3. 搜索 "channel_id="
+4. 拼接 RSS URL：https://www.youtube.com/feeds/videos.xml?channel_id=<CHANNEL_ID>
+
+## Why It Matters
+- YouTube 移除 RSS 按钮以迫使用户访问网站（商业动机）
+- RSS 是获取频道更新的无平台锁定方式
+
+## Related Tools
+- 任意 RSS 阅读器（如 Feedly、Inoreader 等）
+
+## Sources
+- [[YouTube-RSS-Feed.md]]

wiki/concepts/共识投票.md

@@ -0,0 +1,31 @@
+---
+title: "共识投票"
+type: concept
+tags: []
+---
+
+## Definition
+多智能体系统中 N 个独立 LLM 对同一任务生成答案，取出现最频繁的结果作为最终输出的模式。核心机制是利用 LLM 随机性，让不同运行的噪声相互抵消。
+
+## Mathematical Basis
+- 假设单模型幻觉率 = 20%（P_hallucination = 0.2）
+- N 个模型同时产生相同幻觉的概率 = P_hallucination^N
+- N = 3 时：0.2³ = 0.008 = 0.8%
+- 该公式与 SRE 中的 composite SLO 原理相同
+
+## Implementation
+1. Spawn N LLMs（N 需要在成本和可靠性之间找到平衡）
+2. Fan out：给所有模型分配完全相同的任务
+3. Fan in：选取出现最频繁的答案
+
+## Diversity Requirement
+- 各 Agent 最好使用不同模型（同质化噪声会放大而非抵消）
+- 确保参与者之间无反馈回路（防止群体思维和从众效应）
+- 实验应像盲测一样运行
+
+## Best For
+- 事实核查
+- 分类任务（如"这是垃圾邮件吗？"）
+
+## Sources
+- [[Multi-Agent-System-Reliability.md]]

wiki/concepts/固定点语义.md

@@ -0,0 +1,20 @@
+---
+title: "固定点语义"
+type: concept
+tags: []
+---
+
+## Definition
+在递归自我优化生成系统中，稳定的生成能力对应于元生成算子 Φ 的不动点 G*，满足 Φ(G*) = G*。该生成器在自身的"生成→优化→更新"循环下保持不变。
+
+## Core Properties
+- 不动点定义：G* ∈ G，满足 Φ(G*) = G*
+- 收敛条件：Φ 满足连续性或收缩性条件时，可通过迭代获得：G* = lim(n→∞) Φⁿ(G₀)
+- 自洽性：不动点的输出已编码其自身改进所需的标准
+
+## Related Concepts
+- [[自举Meta生成]]：通过不动点实现递归自我优化的过程
+- [[生成器空间]]：Φ 作用的空间
+
+## Sources
+- [[A-Formalization-of-Recursive-Self-Optimizing-Generative-Systems.md]]

wiki/concepts/多Agent可靠性模式.md

@@ -0,0 +1,42 @@
+---
+title: "多Agent可靠性模式"
+type: concept
+tags: []
+---
+
+## Definition
+多智能体系统中用于克服 LLM 不可靠性（幻觉、逻辑谬误、上下文漂移）的四大架构模式：层级结构、共识、 adversarial debate 和淘汰制。
+
+## Four Patterns
+
+### 1. 层级结构（Hierarchy）
+- **角色**：Planner（规划器）+ Worker（工作者）+ Validator（验证器）
+- **依赖图强制协作**：Worker 必须等待 Planner 分配任务，且无法作弊（Validator 会发现）
+- **适用场景**：需要将上下文分开的复杂工作流程
+
+### 2. 共识（Consensus / Voting）
+- **机制**：N 个 LLM 独立生成同一任务答案，取多数票
+- **数学基础**：3 个模型同时产生相同幻觉的概率 = 0.2³ = 0.8%（假设单模型幻觉率 20%）
+- **适用场景**：事实核查、分类任务
+
+### 3. 对抗辩论（Adversarial Debate）
+- **角色**：Generator → Critic（反对） → Judge（裁决）
+- **机制**：Truth survives the fight，真理越辩越明
+- **适用场景**：安全分析、代码审查、高风险内容审核
+
+### 4. 淘汰制（Knock-out）
+- **类比**：SRE 中服务器是"cattle"（可替换）而非"pets"（独一无二）
+- **机制**：N 个 Agent 执行任务，最差者被淘汰；可选择用获胜者特征替换已淘汰者
+- **适用场景**：迭代式 Agent 工程、开发调试
+
+## Core Insight
+> "Stop treating LLMs like magic chatbots. Start treating them like unreliable components in a distributed system."
+
+## Related Concepts
+- [[LLM不可靠性]]
+- [[验证器模式]]
+- [[共识投票]]
+- [[AI拟人化谬误]]
+
+## Sources
+- [[Multi-Agent-System-Reliability.md]]

wiki/concepts/泰勒主义软件工厂.md

@@ -0,0 +1,30 @@
+---
+title: "泰勒主义软件工厂"
+type: concept
+tags: []
+---
+
+## Definition
+将开发者定位为高层控制者、周围是大量无面孔 Agent 的软件工程架构思维。源自泰勒科学管理思想——将人视为可替换的生产单元，通过标准化流程最大化效率。
+
+## Core Pattern
+- 开发者 = 高层控制者（Product Manager / Commander）
+- Agent = 无面孔、可替换的生产单元（类似于泰勒制中的流水线工人）
+- 关系 = 控制与执行，而非协作
+
+## Related Debate
+- 与 [[Agentic AI]] 的协作型定位（Claude Code、Copilot 等命名伙伴角色）形成鲜明对比
+- [[AI拟人化谬误]] 提供工具命名和定位如何反映工作价值认知的分析框架
+
+## Criticism
+- 简化了开发工作的复杂性和创造性价值
+- 忽视了开发者作为决策者和创新者的角色
+- [[Ferdinand]] 指出这种框架缺乏对工作的尊重
+
+## Related Concepts
+- [[AI拟人化谬误]]
+- [[Agentic AI]]
+- [[多Agent系统]]
+
+## Sources
+- [[The-Picture-They-Paint-of-You.md]]

wiki/concepts/自举Meta生成.md

@@ -0,0 +1,26 @@
+---
+title: "自举Meta生成"
+type: concept
+tags: []
+---
+
+## Definition
+通过递归优化循环实现系统自我超越的过程：α-提示词（生成器）和 Ω-提示词（优化器）通过迭代不断优化自身，无限逼近理想状态。
+
+## Bootstrap Cycle
+1. **创生（Bootstrap）**：用 AI 生成 α-提示词 和 Ω-提示词 的初始版本 (v1)
+2. **自省与进化（Self-Correction）**：用 Ω-提示词(v1) 优化 α-提示词(v1)，得到更强的 α-提示词(v2)
+3. **创造（Generation）**：用进化后的 α-提示词(v2) 生成所有目标提示词和技能
+4. **循环与飞跃（Recursive Loop）**：将新生成的产物反馈给系统，启动下一轮进化
+
+## Relationship to Fixed Points
+- 稳定生成能力 = Φ 的不动点
+- 递归优化循环 → 逼近不动点
+- 不动点 = 自举过程的极限状态
+
+## Related Concepts
+- [[固定点语义]]：自举过程的稳定状态定义
+- [[生成器空间]]：α-提示词 和 Ω-提示词 迭代的空间
+
+## Sources
+- [[A-Formalization-of-Recursive-Self-Optimizing-Generative-Systems.md]]

wiki/concepts/验证器模式.md

@@ -0,0 +1,25 @@
+---
+title: "验证器模式"
+type: concept
+tags: []
+---
+
+## Definition
+多智能体系统中 Validator（验证器）检查 Worker 输出质量，不合格则退回的机制。验证器可以是确定性代码（单元测试、JSON Schema 验证）或 LLM 本身。
+
+## Validation Methods
+- **确定性代码验证**：单元测试、JSON Schema 验证、正则表达式匹配
+- **LLM 验证**：单独训练或提示的验证模型判断输出质量
+- **双模式**：可单独验证每个 Worker 输出，或在汇总所有结果后整体验证
+
+## Placement in Multi-Agent Patterns
+- [[层级结构]]（Hierarchy）：Validator 是关键角色，位于 Planner → Worker → Validator 链路的末端
+- [[淘汰制]]（Knock-out）：Validator 决定哪些 Agent 被淘汰
+- [[对抗辩论]]（Adversarial Debate）：Watchdog（确定性代码）打破辩论死循环
+
+## Best Practice
+- Validator 最好使用与 Generator/Worker 不同的模型（提高质量和客观性）
+- 验证器可以在同一 LLM 会话中与规划器协作（PLAN → VALIDATION loop）
+
+## Sources
+- [[Multi-Agent-System-Reliability.md]]