Auto-sync: 2026-04-23 16:02

wiki/overview.md

@@ -93,7 +93,9 @@ Key concepts: [[CPU架构检测]], [[x86_64]], [[aarch64]], [[ARM64]], [[ELF格
 
 ChinaTextbook（TapXWorld/ChinaTextbook）是一个托管于 GitHub 的开源项目，收集中国小学、初中、高中、大学全阶段 PDF 教材，总库大小 41.53GB。教材来源于国家中小学智慧教育平台（basic.smartedu.cn），可通过第三方工具（tchMaterial-parser）下载。覆盖小学 10 门学科（语文、数学、英语、科学，音乐、美术、体育与健康、道德与法治等）、初中 17 门学科、高中 18 门学科，以及大学阶段概率论、离散数学、线性代数、高等数学等基础课程。
 
-Key concepts: [[国家中小学智慧教育平台]], [[tchMaterial-parser]], [[ChinaTextbook]], [[Build-Your-Own-X]], [[BYOX]], [[Learn-By-Building]], [[From-Scratch-Methodology]], [[CodeCrafters]], [[NAND-to-Tetris]]
+**免费 AI 学习资源全景**（[[learn-ai-for-free-directly-from-top-companies]]）：@RodmanAi 汇总的 10 家顶级科技公司免费 AI 学习资源——Anthropic（Skilljar 培训平台）、Google（Grow.google/AI 学习路径）、Meta（AI 资源中心）、NVIDIA（CUDA 开发者课程）、Microsoft（Microsoft Learn）、OpenAI（Academy）、IBM（SkillsBuild）、AWS（Skill Builder）、DeepLearning.AI（吴恩达课程）、Hugging Face（学习路径）。核心价值：**免费获取权威 AI 培训内容**，无需付费订阅。与 [[Claude Prompt Library]]（Anthropic 官方提示词库）属同一教育生态。
+
+Key concepts: [[国家中小学智慧教育平台]], [[tchMaterial-parser]], [[ChinaTextbook]], [[Build-Your-Own-X]], [[BYOX]], [[Learn-By-Building]], [[From-Scratch-Methodology]], [[CodeCrafters]], [[NAND-to-Tetris]], [[AI教育]], [[免费学习资源]]
 
 ### AI Tools & Prompt Engineering
 Covers Claude Code, Claude Code Templates (npx 一键安装 Skills/Agents/MCP via `npx claude-code-templates@latest --skill=<path> --yes` from aitmpl.com), OpenCode, [[Cursor]], [[Trae]], Gemini CLI, Vibe Coding, [[RAG]], multi-agent workflows, NotebookLM, Nano Banana prompting, and video generation tools.
@@ -121,6 +123,8 @@ Covers Claude Code, Claude Code Templates (npx 一键安装 Skills/Agents/MCP vi
 
 **[[AI图生视频工具盘点]]**：基于 [[14个免费的AI图生视频工具-用ai让图片动起来]] 的综合分析，介绍了14个免费AI图生视频工具，覆盖阿里巴巴（绘蛙、通义万相、万相营造）、字节跳动（即梦AI）、快手（可灵AI）、智谱AI（智谱清影）、MiniMax（海螺AI）、生数科技（Vidu）、爱诗科技（PixVerse）、潞晨科技（Video Ocean）、智象未来（Viva）、MewXAI（艺映AI）、Stability AI（Stable Video）等厂商。核心能力包括：文本提示词控制运动、动作模板选择、运镜参数调节、首尾帧精准控制、主体一致性保持、音效自动生成等。电商场景（模特图动态化、商品展示）、视频创作（创意短片）、广告制作是三大主要应用方向。与 [[文字生成视频网站推荐]] 属同类AI视频生成工具的不同角度——前者侧重点图生视频，后者侧重文生视频。
 
+**[[电商视频Prompt库]]**：基于 [[电商视频prompt]] 的 AI 生成宠物电商视频模块化 Prompt 库——7 大模块（产品展示/宠物动作/衣服防穿帮/场景变化/Negative Prompt/卖货文案/全流程示例），以"拼积木"方式组合使用，实现**低翻车率 + 高真实感**的 TikTok Shop 带货视频生成。核心原则：宠物衣服必加防穿帮模块，场景变化作为加法叠加而非写死；可扩展至 1 产品 → 3 条视频 → 6 条文案 → A/B 测试全链路自动化。与 [[AI图生视频工具盘点]]（工具盘点）和 [[做TK跨境思路不对努力白费]]（运营策略）共同构成 TikTok 跨境电商内容生产的完整知识链条。
+
 **[[固定镜头短视频制作的AI全流程解析]]**：基于固定机位 + 内容连续变化 + 时间压缩三大原理的家装短视频 AI 制作方法论——分镜拆解（Google AI Studio）→ 九宫格图像生成（Midjourney/Nano Banana）→ 首尾针动画（海螺AI/KAI）→ 快节奏剪辑（剪映）→ 声音设计，10 分钟内完成成片。核心突破：九宫格一次性生成保证画面一致性，首尾针动画替代复杂转场，硬切反而更干净。适用于所有固定机位且状态变化明显的短视频类型。与 [[AI图生视频工具盘点]] 同属 AI 视频创作工具应用，后者侧重工具评测，前者侧重完整工作流程。
 
 **NotebookLM 开源平替生态**：基于 [[google-神级生产力工具-所有-github-开源平替都找到了]] 的系统梳理，Google [[NotebookLM]] 作为 AI 笔记助手标杆，支持文档问答和播客生成两大核心能力，GitHub 上已形成完整的开源替代生态：[[OpenNotebook]]（14.6k Stars，全功能本地化，支持 16+ AI 提供商和本地模型）是 Star 最高的平替；[[SurfSense]]（11.4k Stars）定位为 NotebookLM + Perplexity + Glean 的综合替代，支持语义+全文混合搜索和团队 RBAC；[[Podcastfy]] 专注播客生成，整合 100+ LLM 和多种 TTS 引擎；[[NotebookLlama]]（LlamaIndex 官方项目）展示文档转播客的完整技术链条；[[PageLM]] 聚焦教育场景，提供康奈尔笔记和间隔重复闪卡；[[InsightsLM]] 采用 Supabase + N8N 低代码架构，支持完全离线部署。该生态覆盖从"全功能替代"到"垂直聚焦"的不同需求层次。与 [[Personal Knowledge Base (RAG)]]（文档检索知识库）同属 AI 驱动的知识管理工具，但 NotebookLM 生态侧重"文档→对话/音频"的交互形态。
@@ -165,6 +169,8 @@ Covers Claude Code, Claude Code Templates (npx 一键安装 Skills/Agents/MCP vi
 
 **[[Ollama 本地 LLM 部署]]**：基于 [[详细-离线部署大模型-ollama-deepseek-open-webui安装使用方法及常见问题解决-1]] 的完整实操指南，展示如何使用 Ollama + DeepSeek-R1 + Open WebUI 在本地离线部署大模型。核心价值：**免费、无需 API Key、数据完全私有**。Ollama 跨平台支持（macOS/Windows/Linux/Docker），通过 `ollama run deepseek-r1:8b` 一键运行；国内网络环境下可通过魔塔社区（modelscope.cn）或 HuggingFace Mirror（hf-mirror.com）加速下载；云服务器部署必须通过 nginx + Bearer Token 保护 API 防止恶意调用；Open WebUI 提供浏览器端 Web 界面，支持 RAG 本地知识库（bge-m3 嵌入模型）和联网搜索。硬件要求：1.5B 模型需 4GB RAM，7B 需 16GB RAM，32B 需 64GB RAM+48GB 显存（Apple M2 Max 可流畅运行 32b 及以下）。
 
+**[[Qwen2.5-Coder]] 部署实战**（[[在-ubuntu-安装-ollama-并运行-qwen2-5‑coder-7b]]）：Ubuntu 上通过 Ollama 本地部署 Qwen2.5-Coder 7B 代码生成模型，3条命令完成安装（`curl -fsSL https://ollama.com/install.sh | sh && ollama pull qwen2.5-coder:7b && ollama run qwen2.5-coder:7b`）。推荐配置：8+ CPU cores + 16GB RAM + NVIDIA GPU（CUDA 自动加速）。**qwen2.5-coder:7b 因 Tool usage 能力强、Shell/Python/SQL 理解强、Repo 级代码理解强，比普通 qwen2.5:7b 更适合工程任务**。支持 REST API（默认 localhost:11434）和 Python/Node.js SDK，可与 [[Open WebUI]]、[[n8n]]、[[OpenClaw]] 等工具集成构建本地 AI 应用栈。与 [[Ollama 本地 LLM 部署]]（DeepSeek-R1）同属 Ollama 本地部署场景，本方案侧重 Qwen2.5-Coder 的代码生成能力优势。
+
 **Claude Code 调用方法**：[[claude-code调用方法总结]] 详细记录了 Hermes Agent 通过 `terminal` 工具调用 Claude Code 的两种模式——Print Mode（`claude -p`，适合绝大多数任务）和 TMUX 交互模式（适合超长任务）。核心参数包括 `--permission-mode bypassPermissions`（跳过所有权限确认）和 `--add-dir`（加载 SKILL.md）。关键结论：当任务需要 Claude Code 的 Skill 时，应使用 `terminal` 调用 `claude -p` 而非 `delegate_task`。
 
 **Coze 平台多行业 AI Agent 培训**（[[ai-解决方案专家培训课程]]）：Coze（扣子）平台的实战培训课程，分国内版（coze.cn）和海外版（coze.com），提供覆盖金融（客户分层营销、智能客服）、医疗（分诊助手、影像识别）、教育（知识库问答、拍照搜题）、电商（混剪助手、在线换衣、抖音直播回复）、人力资源（招聘打分、面试对练、AI 培训对练）、泛娱乐（AI 证件照、视频生成工作流）、在线客服（AI 助教、AI 销售）等 7 大行业共 50+ 可体验 Agent Demo，是 AI 解决方案专家培训的实操案例库。与 [[Prompt Engineering]]（提示词技能）、[[RAG（检索增强生成）]]（知识库问答）、[[Function Call]]（工具调用）三大基础能力配套，学员可通过邀请链接直接加入团队空间体验所有 Agent，并可 Fork 改造。与 [[固定镜头短视频制作的AI全流程解析]] 的 AI 视频生成工作流相关联。
@@ -192,12 +198,19 @@ Covers Claude Code, Claude Code Templates (npx 一键安装 Skills/Agents/MCP vi
 Key concepts: [[AI簡報工作流]], [[AI圖生視頻工具]], [[文字生成視頻]], [[電商場景]], [[AI工具整合]], [[ChatGPT]], [[Canva]], [[Gamma AI]], [[Morning Briefing]], [[Todoist API]], [[AI-Driven Task Extraction]], [[TaskAutomation]], [[Recurring Tasks]], [[MeetingNotes]], [[ActionItemTracking]], [[TranscriptProcessing]], [[RAG从入门到精通系列]], [[Agent Personality Design]], [[Vibe Coding]], [[Design-to-Code Workflow]], [[Multi-AI Review]], [[CodeWeaver]], [[LLM Wiki]], [[多智能体系统可靠性]], [[Plan Mode]], [[Build Mode]], [[Workspace]], [[API Enablement]], [[OAuth 2.0]], [[Google Cloud Console]], [[Agent-Memory]], [[Claude Code Templates]], [[MCP（Model Context Protocol）]], [[Remote-SSH]], [[Bind Mount]], [[Attach 容器]], [[Docker 用户组]], [[SSH Config]], [[SSH 免密登录]], [[Vibe-Kanban]], [[OpenCode]], [[nvm]], [[pm2]], [[单一职责原则]], [[DRY原则]], [[模块化编程]], [[微服务架构]], [[Redis缓存]], [[消息队列]], [[输入-处理-输出模型]], [[并发编程]], [[Pain Point Mining]], [[Startup MVP Pipeline]], [[Agent-Driven Market Research]], [[Last 30 Days Method]], [[Pre-Build Validation]], [[Reality-Signal]], [[Competition-Analysis]], [[Pivot-Strategy]], [[Agent-Build-Gate]], [[CoworkWorkspace]], [[RemoteRescuePattern]], [[Multi-AgentHub]], [[MCPOnceAllAgents]], [[Personalization]], [[Custom Instructions]], [[Proactive AI]], [[Expert User Assumption]], [[Error Accountability]]
 
 ### Productivity & Knowledge Management
-Obsidian plugins, blogwatcher RSS monitoring, Quartz static site generation, project management systems, and personal CRM frameworks. QuickAdd plugin enables quick note capture via hotkeys for rapid idea recording.
+Obsidian plugins, blogwatcher RSS monitoring, [[Quartz]] static site generation, project management systems, and personal CRM frameworks. QuickAdd plugin enables quick note capture via hotkeys for rapid idea recording.
+
+**[[Quartz]]** 是 Obsidian 笔记的静态网站发布方案——将 Markdown 文件通过 `npx quartz build` 构建为 HTML/JS/CSS bundle，支持本地预览（`--serve`）和自托管部署。本地预览适合开发调试，生产部署需配置 Web 服务器处理无扩展名链接：Nginx 使用 `try_files $uri $uri.html $uri/ =404`，Apache 使用 RewriteRule，Caddy 使用 `try_files {path} {path}.html {path}/`。部署前必须正确配置 `baseUrl`，否则 RSS Feed 和 Sitemap 功能无法正常工作。[[Obsidian]] 笔记 → [[Quartz]] 构建 → 自托管（GitHub Pages / Nginx / Apache / Caddy）构成完整的个人知识发布链条。
 
 **Personal Knowledge Base (RAG)**：基于 [[OpenClaw]] 的个人知识库 RAG 系统——通过 Telegram Topic 或 Slack Channel 投递任意 URL（网页/推文/YouTube 字幕/PDF），Agent 自动抓取内容并以 Embedding 向量入库；支持语义搜索（"我保存的关于 LLM memory 的内容？"），返回排名结果并附带来源；可被其他工作流（如 [[YouTube-Content-Pipeline]]）主动查询。核心理念：**捕获像发短信一样简单，检索像搜索一样容易**，无需专用 App。[[ClawHub]] 提供 knowledge-base skill 一键安装。与 [[Second Brain]] 同属 OpenClaw 持久记忆能力，Second Brain 侧重对话记忆，本方案侧重结构化知识检索。
 
 **[[semantic-memory-search]]**：通过 [[memsearch]]（基于 [[Milvus]] 向量数据库）为 OpenClaw 的 Markdown 记忆文件添加语义搜索能力——用自然语言提问（"我们选了哪个缓存方案？"）即可找到相关内容，无需精确措辞。混合搜索（稠密向量 + BM25 + RRF 重排）兼顾语义相似性和关键词精确匹配；SHA-256 内容哈希实现增量索引，仅重新嵌入变更内容；支持本地模式（无需 API Key）。Markdown 文件是唯一真相，向量索引随时可重建。与 [[Knowledge-Base-RAG]] 同属 RAG 技术栈的不同场景。
 
+**[[ai-memory-tools-two-camps]]**：AI 记忆工具的全景分类框架（@witcheer，2026-04-15）——GitHub 上 450+ repos 标记"agent-memory"、460+ 标记"context-management"，但几乎无人明确区分两个根本不同的技术路线：
+- **Camp 1（Memory Backend）**：从对话中提取事实，存入向量/图数据库，检索时召回。代表：Mem0、MemPalace、Supermemory、Honcho。优化目标：**召回精度**
+- **Camp 2（Context Substrate）**：维护结构化人类可读文件（Markdown/知识图谱），跨会话累积，背景进程整合。代表：OpenClaw、Zep、Thoth、TrustGraph、MemSearch、ALIVE。优化目标：**复合增长**
+- Zep 从"memory"重塑品牌为"context engineering"是市场上最强的信号；作者预测 6 个月内"context engineering"将取代"memory"成为描述成熟 Agent 基础设施的标准术语。与 [[semantic-memory-search]]（MemSearch 的文件优先哲学）、[[Self-Improving-Skill]]（背景整合实践）同属 Context Substrate 范式的不同切面。
+
 Key concepts: [[Obsidian Tasks]], [[Dataview]], [[Templater]], [[QuickAdd]], [[Spaced Repetition]], [[Kanban]], [[Projects]], [[Outliner]], [[Calendar]], [[DB Folder]], [[Homepage]], [[间隔重复]], [[看板]], [[动态模板]], [[双向链接]], [[Daily Notes]], [[Event Sourcing]], [[Second Brain]], [[Personal CRM]], [[Knowledge-Base-RAG]], [[Zero-Friction-Capture]], [[Semantic-Search]], [[Content-Ingestion]], [[semantic-memory-search]], [[memsearch]], [[Hybrid Search]], [[Reciprocal Rank Fusion]], [[Content Hashing]], [[File Watcher]]
 
 ### 经典智慧与人生哲学
@@ -361,8 +374,12 @@ Key concepts: [[Generalist]], [[Self-Education]], [[Self-Interest]], [[Self-Suff
 - **[[Zipline]]** — 开源自托管图床应用，提供前端上传 UI 和 REST API，支持 [[n8n]] 工作流集成
 
 ### TikTok E-commerce Operations
+**[[电商如何选品-如何找到爆款-选品策略]]**（YouTube 视频摘要）：电商选品系统方法论——20 种选品策略（细分市场定位如LGBTQ群体、情境配对如露营三件套、季节性规划等）+ POD 低成本测款模式 + 工具辅助分析（Salesmartly 多平台订单管理、Erank 竞争分析、Pinterest/Etsy 趋势报告）。核心观点：未来品牌需针对细分市场而非大众市场；多工具组合使用可提升客户转化率和选品效率。与 [[做TK跨境思路不对努力白费]]（运营策略）和 [[TikTok E-commerce Product Management]]（Django 产品管理系统）共同构成 TikTok 跨境电商知识体系。
+
 **[[做TK跨境思路不对努力白费]]**：TikTok 跨境电商全流程实战指南——从市场选择（优先美区/日本，避开东南亚）→ 账号准备（选区看直播了解流程）→ 选品策略（数据软件分析+单一垂直类目）→ 店铺运营（流量监控+商品优化）→ 流量获取（短视频营销+达人合作）→ 仓储物流（海外仓+海运补货）→ 团队建设（招聘分工），提供完整的执行框架。核心观点：思路正确是成功的前提，市场定位和选品是核心竞争力。与 [[电商如何选品]] 同属选品策略范畴，与 [[TikTok E-commerce Product Management]]（Django 产品管理系统）互补——前者侧重运营策略，后者侧重技术实现。
 
+**电商数据采集与处理系统**：基于 Docker + Ubuntu + n8n 的可自动化、可扩展、AI增强的电商数据采集与处理系统。三层架构：爬虫层（Scrapy/Playwright）→ AI处理层（n8n + LLM API）→ 存储展示层（PostgreSQL/MinIO + Grafana）。推荐 Scrapy + Playwright 组合抓取动态页面，Docker Compose 容器化部署，输出 JSON/CSV 供 n8n 消费；n8n 工作流实现定时启动爬虫→读取数据→LLM提取属性→写入数据库→报表通知的全链路自动化；AI 处理任务包括摘要分类、多语言翻译、特征提取、异常检测；本地可使用 Ollama（Mistral/Llama3）通过 HTTP Request 调用，无需外部 API Key；防封策略包括 User-Agent 轮换、代理池（Bright Data/ScraperAPI）和下载延迟随机化。与 [[做TK跨境思路不对努力白费]]（运营策略）互补，后者侧重电商运营全流程，前者侧重技术架构搭建。与 [[scrapy-playwright-抓取tiktok-shop-data]] 同属电商数据采集技术栈。
+
 ### TikTok E-commerce Product Management
 A comprehensive Django-based product data management system for TikTok Shop. Covers Django ORM models (Product, ProductImage, ProductVideo, ProductVariation, ProductReview), Django Admin customization (TinyMCE rich text, inline models, image preview modals), REST API via Django REST Framework with django-filter for search and filtering, Docker + Gunicorn + Nginx production deployment, Django-Q async task queue for Bright Data API scraping, and custom Management Commands for JSON data import. Key components: Product list with thumbnail display, multi-condition filtering by store_name, bulk product fetch via Bright Data asynchronous API, description detail HTML generation, and Apache Superset BI dashboard integration.