Auto-sync
This commit is contained in:
@@ -1,47 +0,0 @@
|
||||
---
|
||||
title: "14个免费的AI图生视频工具"
|
||||
type: source
|
||||
tags: [AI, image-to-video, tools]
|
||||
date: 2025-12-05
|
||||
---
|
||||
|
||||
## 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个免费AI图生视频工具评测
|
||||
- 问题域：视频制作需要专业设备和技能，门槛高
|
||||
- 方法/机制：上传静态图片，AI分析内容并生成动态视频
|
||||
- 结论/价值：AI图生视频工具降低视频创作门槛，实现便捷创作
|
||||
|
||||
## Key Claims
|
||||
- 绘蛙AI视频（阿里）：模特图转视频，支持多格式高分辨率
|
||||
- 智谱清影：30秒生成6秒高清视频，支持音效匹配
|
||||
- 通义万相（阿里）：支持提示词控制运动，匹配音效
|
||||
- Vidu（清华）：全球首个"多主体参考"功能，10秒生成视频
|
||||
- 可灵AI（快手）：1080p分辨率，真实物理规律表现
|
||||
- 海螺AI（MiniMax）：主体一致性优秀，支持多种艺术风格
|
||||
|
||||
## Key Concepts
|
||||
- [[图生视频]]：将静态图片转化为动态视频的AI技术
|
||||
- [[主体一致性]]：视频中角色/物体保持一致的能力
|
||||
- [[运动控制]]：通过文本提示词控制视频中主体的运动方式
|
||||
|
||||
## Key Entities
|
||||
- [[绘蛙AI视频]]：阿里巴巴AI图生视频工具
|
||||
- [[智谱清影]]：智谱AI视频生成工具
|
||||
- [[通义万相]]：阿里巴巴AI视频生成工具
|
||||
- [[Vidu]]：生数科技与清华大学发布的视频大模型
|
||||
- [[可灵AI]]：快手AI创作平台
|
||||
- [[海螺AI]]：MiniMax推出的AI视频工具
|
||||
- [[即梦AI]]：字节跳动一站式AI创意创作平台
|
||||
- [[PixVerse]]：爱诗科技AI视频工具
|
||||
- [[Stable Video]]：Stability AI视频生成平台
|
||||
|
||||
## Connections
|
||||
- [[AI视频生成]] ← includes ← [[图生视频]]
|
||||
- [[阿里巴巴]] ← provides ← [[绘蛙AI视频]]
|
||||
- [[阿里巴巴]] ← provides ← [[通义万相]]
|
||||
- [[快手]] ← provides ← [[可灵AI]]
|
||||
|
||||
## Contradictions
|
||||
@@ -1,48 +0,0 @@
|
||||
---
|
||||
title: "2025年11个神级AI开源平替"
|
||||
type: source
|
||||
tags: [open-source, AI, GitHub]
|
||||
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
|
||||
- 问题域：闭源AI产品价格昂贵，开源替代品需求旺盛
|
||||
- 方法/机制：按类别梳理各领域最火热的开源项目
|
||||
- 结论/价值：国产AI模型（DeepSeek、Qwen）在开源界表现亮眼
|
||||
|
||||
## Key Claims
|
||||
- 大语言模型：DeepSeek R1、Qwen 3为开源界标杆
|
||||
- AI生图：Flux（开源Midjourney）、Stable Diffusion（LoRA/ControlNet生态最丰富）
|
||||
- AI生视频：HunyuanVideo（腾讯）参数量最大，中文理解最强
|
||||
- 通用智能体：OpenManus（5万Star）为核心开源平替
|
||||
- AI Coding：Cline为Cursor最佳开源平替
|
||||
- 智能体工作流：n8n（16万Star）、Dify为最强开源项目
|
||||
|
||||
## Key Concepts
|
||||
- [[开源平替]]：开源替代闭源产品的方案
|
||||
- [[AI生图]]：开源模型Flux、Stable Diffusion
|
||||
- [[AI生视频]]：HunyuanVideo、Veo 3
|
||||
- [[AI智能体]]：Manus、OpenManus
|
||||
- [[AI编程]]：Cline、Claude Code
|
||||
|
||||
## Key Entities
|
||||
- [[DeepSeek]]：国产开源大模型
|
||||
- [[Qwen]]：通义千问开源模型
|
||||
- [[Flux]]：前SD团队开发的AI生图模型
|
||||
- [[HunyuanVideo]]：腾讯混元视频生成模型
|
||||
- [[OpenManus]]：通用智能体开源项目
|
||||
- [[Cline]]：VS Code AI编程插件
|
||||
- [[n8n]]：工作流自动化开源平台
|
||||
- [[Dify]]：LLM应用开发平台
|
||||
|
||||
## Connections
|
||||
- [[开源AI]] ← includes ← [[大语言模型]]
|
||||
- [[开源AI]] ← includes ← [[AI生图]]
|
||||
- [[开源AI]] ← includes ← [[AI生视频]]
|
||||
- [[GitHub]] ← hosts ← [[开源AI项目]]
|
||||
|
||||
## Contradictions
|
||||
@@ -1,41 +0,0 @@
|
||||
---
|
||||
title: "2025-03-02 日记"
|
||||
type: source
|
||||
tags: [diary]
|
||||
date: 2025-03-02
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Daily notes/2025-03-02.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：AI Agent在工作场景中的应用探索
|
||||
- 问题域：Cloud DevOps中如何利用AI提升效率
|
||||
- 方法/机制：通过阅读LinkedIn文章和YouTube视频了解Agentic AI最新发展
|
||||
- 结论/价值：计划撰写Agentic AI在Cloud DevOps中的应用文章，探索Grafana数据喂给AI进行决策的可行性
|
||||
|
||||
## Key Claims
|
||||
- LinkedIn上有价值的Agentic AI文章值得系统整理并撰写文章分享
|
||||
- n8n可作为设计Agentic AI工作流的工具本地部署
|
||||
- Grafana监控数据可喂入AI Agent的向量数据库辅助决策
|
||||
- 告警机制可用于实时事件处理和自动创建工单
|
||||
|
||||
## Key Quotes
|
||||
> "Use data from Grafana to feed into an Agent's Vector DB so the AI can consume the data and help us make decisions."
|
||||
> "Use the alerting mechanism to handle incidents in real time, such as immediate notifications and direct incident creation."
|
||||
|
||||
## Key Concepts
|
||||
- [[Agentic AI]]：能够自主行动以达成目标的AI系统
|
||||
- [[VectorDB]]：向量数据库，用于存储和检索嵌入向量
|
||||
- [[Grafana]]：开源监控和可观测性平台
|
||||
|
||||
## Key Entities
|
||||
- [[OpenClaw]]：开源AI Agent框架
|
||||
- [[N8N]]：工作流自动化平台
|
||||
- [[DavidOndrej]]：YouTube内容创作者
|
||||
|
||||
## Connections
|
||||
- [[Agentic AI]] ← 应用场景 ← [[Grafana]]
|
||||
- [[N8N]] ← 用于构建 ← [[工作流自动化]]
|
||||
|
||||
## Contradictions
|
||||
@@ -1,36 +0,0 @@
|
||||
---
|
||||
title: "2025-03-04 日记"
|
||||
type: source
|
||||
tags: [diary]
|
||||
date: 2025-03-04
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Daily notes/2025-03-04.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：利用现有数据构建AI模型支持
|
||||
- 问题域：如何将运营数据转化为AI可用的标准化数据集
|
||||
- 方法/机制：通过与Jackie Ye讨论，确定了利用监控数据、标准化指标、阈值和运行手册构建数据集的路径
|
||||
- 结论/价值：AI驱动的情感分析、工单自动分配和解决方案建议是三个可行的PoC方向
|
||||
|
||||
## Key Claims
|
||||
- 现有的监控数据、标准化指标和阈值可作为AI模型训练的基础
|
||||
- 客户工单情感分析可帮助Customer Success Managers优化策略
|
||||
- AI可实现工单自动分配和历史方案推荐
|
||||
|
||||
## Key Quotes
|
||||
> "We need well-structured and mature datasets to support future development and implementation."
|
||||
|
||||
## Key Concepts
|
||||
- [[标准化数据集]]：结构化、可复用的数据集合
|
||||
- [[PoC]]：概念验证
|
||||
|
||||
## Key Entities
|
||||
- [[Jackie Ye]]：Cloud Ops团队成员
|
||||
|
||||
## Connections
|
||||
- [[标准化数据集]] ← 基础 ← [[监控数据]]
|
||||
- [[情感分析]] ← 应用场景 ← [[客户工单]]
|
||||
|
||||
## Contradictions
|
||||
@@ -1,37 +0,0 @@
|
||||
---
|
||||
title: "2025-03-05 日记"
|
||||
type: source
|
||||
tags: [diary]
|
||||
date: 2025-03-05
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Daily notes/2025-03-05.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：AI Agent构建学习和n8n实践
|
||||
- 问题域：如何快速入门AI Agent开发
|
||||
- 方法/机制：观看YouTube视频学习CrewAI框架，使用NoteGPT提取YouTube字幕并用DeepSeek-R1总结
|
||||
- 结论/价值：CrewAI是初学者入门的好选择，建议从小项目开始逐步迭代
|
||||
|
||||
## Key Claims
|
||||
- CrewAI是适合初学者的AI Agent开发框架
|
||||
- 可以使用Google Colab进行无代码配置
|
||||
- 应从自动化重复任务开始，逐步构建复杂工作流
|
||||
|
||||
## Key Quotes
|
||||
> "Start Small: Automate repetitive tasks (e.g., daily research) before tackling complex workflows."
|
||||
|
||||
## Key Concepts
|
||||
- [[CrewAI]]：开源AI Agent框架
|
||||
- [[Agent模式]]：模型自动执行工具命令的交互模式
|
||||
|
||||
## Key Entities
|
||||
- [[CrewAI]]：AI Agent开发框架
|
||||
- [[DeepSeek-R1]]：DeepSeek推理模型
|
||||
|
||||
## Connections
|
||||
- [[CrewAI]] ← 用于构建 ← [[AI Agent]]
|
||||
- [[DeepSeek-R1]] ← 用于 ← [[内容总结]]
|
||||
|
||||
## Contradictions
|
||||
@@ -1,37 +0,0 @@
|
||||
---
|
||||
title: "2025-03-10 日记"
|
||||
type: source
|
||||
tags: [diary]
|
||||
date: 2025-03-10
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Daily notes/2025-03-10.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：N8N工作流配置与应用
|
||||
- 问题域：实现自动化内容生成和发布
|
||||
- 方法/机制：配置n8n实现工作流备份、AI生成社交媒体内容、RSS翻译推送
|
||||
- 结论/价值：成功配置三个n8n工作流，覆盖备份、内容生成和RSS翻译场景
|
||||
|
||||
## Key Claims
|
||||
- n8n可实现工作流自动备份到Google Drive
|
||||
- AI可基于关键词生成社交媒体内容并自动发布
|
||||
- RSS Feed可结合AI实现实时翻译并推送至Telegram
|
||||
|
||||
## Key Quotes
|
||||
> "AI-Powered Social Media Content Generator & Publisher"
|
||||
|
||||
## Key Concepts
|
||||
- [[工作流自动化]]：使用工具自动执行重复性任务
|
||||
- [[RSS]]：Really Simple Syndication，信息聚合标准
|
||||
|
||||
## Key Entities
|
||||
- [[N8N]]：工作流自动化平台
|
||||
- [[Google Drive]]：云存储服务
|
||||
|
||||
## Connections
|
||||
- [[N8N]] ← 实现 ← [[工作流自动化]]
|
||||
- [[RSS]] ← 触发 ← [[AI翻译]]
|
||||
|
||||
## Contradictions
|
||||
@@ -1,39 +0,0 @@
|
||||
---
|
||||
title: "2025-03-14 日记"
|
||||
type: source
|
||||
tags: [diary]
|
||||
date: 2025-03-14
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Daily notes/2025-03-14.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：F5-TTS本地语音克隆工具安装
|
||||
- 问题域：如何在本地实现语音克隆
|
||||
- 方法/机制：使用Conda创建Python 3.10环境，安装PyTorch和F5-TTS，配置FFmpeg
|
||||
- 结论/价值：成功安装F5-TTS并测试语音转换，效果良好但CPU处理较慢
|
||||
|
||||
## Key Claims
|
||||
- F5-TTS是由交大学生开发的开源语音克隆项目
|
||||
- 使用Conda可以创建独立的Python环境避免依赖冲突
|
||||
- FFmpeg是处理音频文件的必要组件
|
||||
- GPU加速可显著提升推理速度
|
||||
|
||||
## Key Quotes
|
||||
> "ffmpeg was not found but is required to load audio files from filename"
|
||||
|
||||
## Key Concepts
|
||||
- [[语音克隆]]：用少量样本重建个人声音
|
||||
- [[Conda]]：Python环境管理工具
|
||||
|
||||
## Key Entities
|
||||
- [[F5-TTS]]：开源语音克隆项目
|
||||
- [[FFmpeg]]：多媒体处理工具
|
||||
- [[Gradio]]：Web界面框架
|
||||
|
||||
## Connections
|
||||
- [[F5-TTS]] ← 基于 ← [[PyTorch]]
|
||||
- [[语音克隆]] ← 应用场景 ← [[AI配音]]
|
||||
|
||||
## Contradictions
|
||||
@@ -1,34 +0,0 @@
|
||||
---
|
||||
title: "2025-03-15 日记"
|
||||
type: source
|
||||
tags: [diary]
|
||||
date: 2025-03-15
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Daily notes/2025-03-15.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：Chat-TTS、Notion集成和CUDA配置
|
||||
- 问题域：探索轻量级语音合成和知识管理工具
|
||||
- 方法/机制：对比Chat-TTS与F5-TTS，安装NVIDIA CUDA运行时，集成Notion
|
||||
- 结论/价值：Chat-TTS执行更快，Notion可作为笔记存储后端
|
||||
|
||||
## Key Claims
|
||||
- Chat-TTS比F5-TTS执行更快，基于默认语音库处理
|
||||
- NVIDIA CUDA可加速模型推理
|
||||
- Notion API可实现笔记集成
|
||||
|
||||
## Key Concepts
|
||||
- [[AI配音]]：文本转语音技术
|
||||
|
||||
## Key Entities
|
||||
- [[Chat-TTS]]：开源语音合成工具
|
||||
- [[NVIDIA CUDA]]：GPU计算平台
|
||||
- [[Notion]]：笔记和知识管理平台
|
||||
|
||||
## Connections
|
||||
- [[Chat-TTS]] ← 对比 ← [[F5-TTS]]
|
||||
- [[Notion]] ← 集成 ← [[Obsidian]]
|
||||
|
||||
## Contradictions
|
||||
@@ -1,30 +0,0 @@
|
||||
---
|
||||
title: "Ubuntu合盖行为配置"
|
||||
type: source
|
||||
tags: [tutorial]
|
||||
date: 2025-05-13
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Daily notes/2025-05-13.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：Ubuntu系统合盖行为配置
|
||||
- 问题域：如何在Ubuntu系统中禁用合盖休眠
|
||||
- 方法/机制：修改systemd-logind服务配置，设置HandleLidSwitch为ignore
|
||||
- 结论/价值：通过配置文件可灵活控制笔记本合盖行为
|
||||
|
||||
## Key Claims
|
||||
- 修改/etc/systemd/logind.conf可控制合盖行为
|
||||
- GNOME桌面环境可能有独立的电源设置覆盖systemd配置
|
||||
|
||||
## Key Concepts
|
||||
- [[systemd]]：Linux系统和服务管理器
|
||||
|
||||
## Key Entities
|
||||
- [[Ubuntu]]：Linux发行版
|
||||
|
||||
## Connections
|
||||
- [[systemd]] ← 管理 ← [[电源行为]]
|
||||
|
||||
## Contradictions
|
||||
@@ -1,30 +0,0 @@
|
||||
---
|
||||
title: "2025-07-02 日记"
|
||||
type: source
|
||||
tags: [diary]
|
||||
date: 2025-07-02
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Daily notes/2025-07-02.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：直播换脸技术和AI养生视频
|
||||
- 问题域：探索AI在直播和视频内容创作中的应用
|
||||
- 方法/机制：研究VisoMaster开源项目，了解AI生成养生视频的可行性
|
||||
- 结论/价值：直播换脸和AI养生视频是两个值得探索的赛道
|
||||
|
||||
## Key Claims
|
||||
- VisoMaster是开源的直播换脸解决方案
|
||||
- AI生成养生视频是一个有潜力的内容方向
|
||||
|
||||
## Key Concepts
|
||||
- [[换脸技术]]：实时面部替换技术
|
||||
|
||||
## Key Entities
|
||||
- [[VisoMaster]]：开源直播换脸项目
|
||||
|
||||
## Connections
|
||||
- [[AI视频生成]] ← 应用场景 ← [[直播换脸]]
|
||||
|
||||
## Contradictions
|
||||
@@ -1,37 +0,0 @@
|
||||
---
|
||||
title: "2025-07-05 日记"
|
||||
type: source
|
||||
tags: [diary]
|
||||
date: 2025-07-05
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Daily notes/2025-07-05.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：自在自得的实践路径
|
||||
- 问题域：如何实现身心平衡和自我提升
|
||||
- 方法/机制：整合古典智慧与现代方法，从身心调适、认知提升、行动落实三层面实践
|
||||
- 结论/价值：提出执一守中、有劳而作、言行意合、自然而行的实践理念
|
||||
|
||||
## Key Claims
|
||||
- 4-7-8呼吸法可快速平复焦虑
|
||||
- 情绪标签法可削弱情绪强度
|
||||
- 悖论允许可解除对抗消耗
|
||||
- 全局视野可减少小我执念
|
||||
|
||||
## Key Quotes
|
||||
> "执一守中，有劳而作，言行意合，自然而行"
|
||||
> "终极心法：允许身体如云舒展，允许情绪如溪流来去，允许在不完美中完整存在"
|
||||
|
||||
## Key Concepts
|
||||
- [[4-7-8呼吸法]]：吸气4秒→屏息7秒→吐气8秒的呼吸技术
|
||||
- [[情绪标签法]]：精准命名情绪以削弱其强度
|
||||
|
||||
## Key Entities
|
||||
|
||||
## Connections
|
||||
- [[身心调适]] ← 方法 ← [[认知提升]]
|
||||
- [[认知提升]] ← 支撑 ← [[行动落实]]
|
||||
|
||||
## Contradictions
|
||||
@@ -1,31 +0,0 @@
|
||||
---
|
||||
title: "2025-07-07 日记"
|
||||
type: source
|
||||
tags: [diary]
|
||||
date: 2025-07-07
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Daily notes/2025-07-07.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：视频转文字并AI总结的实践
|
||||
- 问题域：如何高效理解长视频内容
|
||||
- 方法/机制：使用在线工具将视频转音频，再用AI工具总结
|
||||
- 结论/价值：FFmpeg可作为本地视频音频处理的通用工具
|
||||
|
||||
## Key Claims
|
||||
- online-convert.com和tinywow可实现在线视频转音频
|
||||
- notegpt.io可实现音频AI总结
|
||||
- FFmpeg支持几乎所有视频音频格式转换
|
||||
|
||||
## Key Concepts
|
||||
- [[FFmpeg]]：开源多媒体处理框架
|
||||
|
||||
## Key Entities
|
||||
|
||||
## Connections
|
||||
- [[视频处理]] ← 工具 ← [[FFmpeg]]
|
||||
- [[AI总结]] ← 输入 ← [[音频转文字]]
|
||||
|
||||
## Contradictions
|
||||
@@ -1,33 +0,0 @@
|
||||
---
|
||||
title: "2025-07-25 日记"
|
||||
type: source
|
||||
tags: [diary]
|
||||
date: 2025-07-25
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Daily notes/2025-07-25.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：n8n更新和V2RayA配置
|
||||
- 问题域：自动化工具和网络代理的配置
|
||||
- 方法/机制：更新n8n到最新版本，配置V2RayA使用新代理服务
|
||||
- 结论/价值：成功更新n8n和V2RayA，可通过HTTP直接访问n8n
|
||||
|
||||
## Key Claims
|
||||
- N8N_RUNNERS_ENABLED=true可启用Runner功能
|
||||
- N8N_SECURE_COOKIE=false可通过HTTP本地访问
|
||||
- V2RayA可作为NAS的网络代理工具
|
||||
|
||||
## Key Concepts
|
||||
- [[V2Ray]]：代理工具
|
||||
|
||||
## Key Entities
|
||||
- [[N8N]]：工作流自动化平台
|
||||
- [[V2RayA]]：V2Ray的图形化客户端
|
||||
|
||||
## Connections
|
||||
- [[N8N]] ← 配置 ← [[Docker]]
|
||||
- [[V2RayA]] ← 运行在 ← [[NAS]]
|
||||
|
||||
## Contradictions
|
||||
@@ -1,59 +0,0 @@
|
||||
---
|
||||
title: "2025 年 11 个神级 AI 开源平替"
|
||||
type: source
|
||||
tags: ['AI', '开源', 'DeepSeek', 'Qwen', 'Flux', 'HunyuanVideo', 'OpenManus', 'Cline', 'GitHub']
|
||||
date: 2026-01-01
|
||||
source: https://mp.weixin.qq.com/s/
|
||||
author: 逛逛
|
||||
---
|
||||
|
||||
## 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 最火的 11 个 AI 开源平替项目，横跨 LLM/AI生图/AI生视频/AI Agent/AI编程 五大方向
|
||||
- 问题域：闭源 AI 产品主导市场，但开源社区持续推出性能逼近甚至部分超越闭源的替代方案
|
||||
- 方法/机制：按应用方向分类，每个方向推荐 1-3 个最优开源项目及核心优势
|
||||
- 结论/价值：国产开源模型（DeepSeek R1、Qwen 3、HunyuanVideo）在多个维度已超越国际竞争者；Manus 以数十亿美元被 Meta 收购标志着 AI Agent 元年正式开启
|
||||
|
||||
## Key Claims
|
||||
### 大语言模型
|
||||
- **DeepSeek R1**：2025 年春节破壁者，开源首个 o1 级深度推理模型，价格战主力
|
||||
- **Qwen 3**：开源界六边形战士，全尺寸覆盖，极致工具调用能力，最稳最全基座模型
|
||||
- **国产其他**：智谱 GLM、Kimi K2、MiniMax
|
||||
|
||||
### AI 生图
|
||||
- **Flux**（前 SD 核心团队）：开源 Midjourney，人体解剖学最正确开源模型，精准文字渲染（海报/Logo 能力）
|
||||
- **Stable Diffusion 3.5**：LoRA+ControlNet 生态最丰富，动漫角色、精确姿势控制首选，中端显卡友好
|
||||
|
||||
### AI 生视频
|
||||
- **HunyuanVideo**（腾讯）：开源参数量最大视频生成模型之一，中文 Prompt 理解天花板，动作连贯符合物理直觉，高分辨率原生支持
|
||||
|
||||
### 通用智能体
|
||||
- **Manus**：2025 年现象级产品，定义 AI Agent 元年，被 Meta 数十亿美元收购
|
||||
- **OpenManus**（Manus 开源平替）：5万+ Stars，规划→执行→循环反馈，自己打开浏览器搜索、读取网页、写 Python 代码
|
||||
|
||||
### AI 编程
|
||||
- **Cline**（Cursor 开源平替）：VS Code 最强开源自主编程插件，MCP 扩展连接本地数据库，敏感操作需用户授权（安全+自主平衡）
|
||||
|
||||
## Key Quotes
|
||||
> "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、最能打的基座模型，流水的开源模型，铁打的通义千问。"
|
||||
|
||||
## Key Entities
|
||||
- [[DeepSeek R1]]：国产深度推理开源大模型
|
||||
- [[Qwen 3]]：阿里通义千问，开源六边形战士
|
||||
- [[Manus]]：AI Agent 元年里程碑产品，被 Meta 收购
|
||||
- [[OpenManus]]：Manus 开源实现，规划-执行-循环反馈
|
||||
- [[HunyuanVideo]]：腾讯混元视频，开源视频生成
|
||||
- [[Flux]]：开源图像生成，文字渲染能力最强
|
||||
- [[Cline]]：VS Code 开源 AI 编程插件
|
||||
|
||||
## Connections
|
||||
- [[DeepSeek R1]] ← competes_with ← [[OpenAI o1]]
|
||||
- [[Qwen 3]] ← is_open_source_alternative_to ← [[GPT-4]]
|
||||
- [[OpenManus]] ← is_open_source_of ← [[Manus]]
|
||||
- [[Cline]] ← is_open_source_alternative_to ← [[Cursor]]
|
||||
|
||||
## Contradictions
|
||||
- （无已知冲突）
|
||||
@@ -1,38 +0,0 @@
|
||||
---
|
||||
title: "2026-03-27 日记"
|
||||
type: source
|
||||
tags: [diary]
|
||||
date: 2026-03-27
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Daily notes/2026-03-27.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：定时任务配置和服务器巡检自动化
|
||||
- 问题域：如何实现多服务器日常维护自动化
|
||||
- 方法/机制：为所有服务器配置每日定时巡检任务，包括安全检查、性能检查和每日复盘
|
||||
- 结论/价值：成功配置12个cron job覆盖所有服务器日常巡检
|
||||
|
||||
## Key Claims
|
||||
- 早上7:00-7:10执行服务器性能和安全检查
|
||||
- 晚上23:00-23:30执行各Agent每日复盘
|
||||
- OpenClaw的compaction机制会压缩对话内容，需启用preserve模式
|
||||
|
||||
## Key Quotes
|
||||
> "定时任务配置是基础设施"
|
||||
|
||||
## Key Concepts
|
||||
- [[Cron]]：定时任务调度器
|
||||
- [[心搏检测]]：自动化定期执行机制
|
||||
|
||||
## Key Entities
|
||||
- [[星曜]]：执行安全检查的Agent
|
||||
- [[星辉]]：执行每日复盘的Agent
|
||||
- [[风驰]]：执行NAS检查的Agent
|
||||
|
||||
## Connections
|
||||
- [[Cron]] ← 调度 ← [[定时任务]]
|
||||
- [[OpenClaw]] ← 运行在 ← [[多服务器]]
|
||||
|
||||
## Contradictions
|
||||
@@ -1,38 +0,0 @@
|
||||
---
|
||||
title: "2026-03-29 日记"
|
||||
type: source
|
||||
tags: [diary]
|
||||
date: 2026-03-29
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Daily notes/2026-03-29.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：N8N内容转化流水线和架构精简
|
||||
- 问题域：如何实现内容多平台分发和系统优化
|
||||
- 方法/机制：设计N8N v4/v5内容转化工作流，精简作废Agent
|
||||
- 结论/价值：N8N v4成功跑通，公众号命名倾向「SW效率研究所」
|
||||
|
||||
## Key Claims
|
||||
- N8N内容转化流水线可实现英文文章→中文多平台内容转化
|
||||
- 核心挑战是翻译本土化和商业自然植入
|
||||
- Daily Memory创建是铁律，绝对不能漏
|
||||
|
||||
## Key Quotes
|
||||
> "Daily Memory 铁律：这是用户反复强调的规则，必须严格遵守"
|
||||
|
||||
## Key Concepts
|
||||
- [[内容流水线]]：自动化内容生产流程
|
||||
- [[多平台分发]]：内容一键发布到多个平台
|
||||
|
||||
## Key Entities
|
||||
- [[星匠]]：负责N8N流水线开发
|
||||
- [[云策]]：负责内容平台规划
|
||||
- [[云瀚]]：DevOps专家
|
||||
|
||||
## Connections
|
||||
- [[N8N]] ← 实现 ← [[内容流水线]]
|
||||
- [[RabbitMQ]] ← 用于 ← [[消息队列]]
|
||||
|
||||
## Contradictions
|
||||
@@ -1,30 +0,0 @@
|
||||
---
|
||||
title: "2026-03-30 日记"
|
||||
type: source
|
||||
tags: [diary]
|
||||
date: 2026-03-30
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Daily notes/2026-03-30.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：OpenClaw版本检查和问题排查
|
||||
- 问题域：服务器状态监控和更新问题
|
||||
- 方法/机制：检查各服务器OpenClaw版本，排查更新失败原因
|
||||
- 结论/价值：发现Ubuntu1/2更新异常和Mac Mini SSH连接问题
|
||||
|
||||
## Key Claims
|
||||
- Ubuntu1/2 OpenClaw更新失败，可能与npm权限或进程超时有关
|
||||
- Mac Mini SSH连接失败与PATH环境变量有关
|
||||
- Daily Notes生成需解析JSONL文件获取完整对话
|
||||
|
||||
## Key Concepts
|
||||
- [[JSONL]]：JSON Lines格式，用于日志存储
|
||||
|
||||
## Key Entities
|
||||
|
||||
## Connections
|
||||
- [[OpenClaw]] ← 运行在 ← [[多服务器]]
|
||||
|
||||
## Contradictions
|
||||
@@ -1,52 +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', 'VibeCoding', 'GitHub', 'AI']
|
||||
date: 2026-01-08
|
||||
source: https://mp.weixin.qq.com/s/eBAt1OBPZVobyZlcuNPeAw
|
||||
author: 痕小子/开源星探
|
||||
---
|
||||
|
||||
## 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（技能系统）作为 AI 应用新范式的崛起，以及官方和社区最佳实践资源盘点
|
||||
- 问题域：AI 应用正从"提示词工程"向"流程工程"迁移，Skills 是这一转型的核心载体
|
||||
- 方法/机制：Skills = 标准作业程序（SOP）+ AI 说明书，将重复性业务流程封装为可复用、可自动执行的 AI 技能单元
|
||||
- 结论/价值：Skills 标志着 AI 应用从"谁 Prompt 写得好"向"谁业务流程沉淀得更深"的竞争维度转变
|
||||
|
||||
## Key Claims
|
||||
- Skills 本质是"AI 专用 SOP"，将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）披露了 claude.ai 网页版真实生产级能力的内部逻辑代码，包括 Office 自动化、开发者工具箱、创意类 Skills 三大类
|
||||
- 官方 Skills 库覆盖：Word/PDF/PPT/Excel 操控（含容错策略）、MCP Server 构建、Web 应用测试、Artifacts 自动化验证、Canvas 设计
|
||||
- Skills 爆发标志 AI 应用从"提示词工程"升级为"流程工程"，Vibe Coding 的尽头也是 Skills
|
||||
- 三大 Skill 聚合站：skillsmp.com、aitmpl.com/skills、claudemarketplaces.com，提供"拿来就用"的技能库
|
||||
|
||||
## 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
|
||||
> "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" — 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'" — 开源星探
|
||||
> "未来真正有价值的，不是谁的 Prompt 写得最花，而是谁最懂业务流程、谁能把经验沉淀成 SOP" — 开源星探
|
||||
|
||||
## Key Concepts
|
||||
- [[Claude Skills]]：将重复性业务流程封装为 AI 可理解、可复用、可自动执行的标准化技能单元
|
||||
- [[流程工程]]：AI 应用新范式，核心是业务经验的流程化沉淀，而非 Prompt 技巧
|
||||
- [[Vibe Coding]]：AI 编程的尽头是 Skills，编程本身也被流程化
|
||||
- [[Anthropic Skills 官方库]]：github.com/anthropics/skills，3.2 万星，涵盖办公自动化、开发者工具、创意设计三大类
|
||||
|
||||
## Key Entities
|
||||
- [[Anthropic]]：Claude Skills 官方规范制定者和开源仓库维护者
|
||||
- [[SkillsMP]]：skillsmp.com，第三方 Skills 聚合平台，内容多、更新快、有分类
|
||||
- [[AITMPL]]：aitmpl.com/skills，第三方 Skills 聚合平台
|
||||
- [[ClaudeMarketplaces]]：claudemarketplaces.com，第三方 Skills 聚合平台
|
||||
- [[VoltAgent/awesome-claude-skills]]：高质量社区 Skills 精选仓库
|
||||
- [[ComposioHQ/awesome-claude-skills]]：高质量社区 Skills 精选仓库
|
||||
|
||||
## Connections
|
||||
- [[Claude Skills最值得研究的AI范式]] ← extends ← [[提示词工程]]
|
||||
- [[Vibe Coding]] ← depends_on ← [[Claude Skills]]
|
||||
- [[流程工程]] ← depends_on ← [[SOP标准化]]
|
||||
|
||||
## Contradictions
|
||||
- （无已知冲突）
|
||||
@@ -1,40 +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: []
|
||||
date: 2026-01-08
|
||||
---
|
||||
|
||||
## 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：Anthropic 官方 Claude Skills 仓库及其生态
|
||||
- 问题域：AI 技能（Skills）的标准化构建与复用
|
||||
- 方法/机制：Skills 作为 AI 的"说明书"和"SOP"，将重复性任务封装为可复用流程
|
||||
- 结论/价值：从提示词工程（Prompt Engineering）迈向流程工程（Process Engineering），Skills 是 AI 应用范式的质变
|
||||
|
||||
## Key Claims
|
||||
- Anthropic 官方 Skills 仓库（github.com/anthropics/skills）收藏数突破 3.2 万，原封不动拆解 Claude.ai 网页版的生产级能力
|
||||
- Skills 本质是写给 Claude 的"说明书"和"SOP"，将固定流程任务拆解为 AI 能理解、稳定复用、自动执行的一套流程
|
||||
- 官方库展示四大类 Skills：办公自动化（Word/PDF/PPT/Excel）、开发者工具箱、MCP Server、创意类 Skill
|
||||
- Skills 爆发标志着从"提示词工程"迈向"流程工程"，核心价值在于把经验沉淀为 SOP，再交给 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）'" — 文章定义
|
||||
> "这个库本质上是官方在教你，'怎么像我们一样开发 AI 应用'" — 对官方库的评价
|
||||
> "Claude Skills 的爆发，标志着我们从提示词工程迈向了流程工程" — 核心结论
|
||||
|
||||
## Key Concepts
|
||||
- [[Claude Skills]]：将反复执行、有固定流程的任务封装为 AI 可理解、可复用、可自动执行的标准化流程
|
||||
- [[流程工程]]：将经验沉淀为 SOP，再交给 AI 稳定执行的新范式，区别于单独的提示词优化
|
||||
|
||||
## Key Entities
|
||||
- [[Anthropic]]：Claude Skills 的官方发布者，拥有 github.com/anthropics/skills 仓库
|
||||
|
||||
## Connections
|
||||
- [[Claude Skills]] ← extends ← [[流程工程]]
|
||||
- [[Anthropic]] ← provides ← [[Claude Skills]]
|
||||
|
||||
## Contradictions
|
||||
- 无已知冲突
|
||||
@@ -1,33 +0,0 @@
|
||||
---
|
||||
title: "3X-UI Xray on BandwagonVPS"
|
||||
type: source
|
||||
tags: [[]]
|
||||
date: 2026-04-14
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[Home Office/3X-UI Xray on BandwagonVPS.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：title: 3X-UI Xray on BandwagonVPS author: shenwei description:
|
||||
- 问题域：见原文。
|
||||
- 方法/机制：见原文。
|
||||
- 结论/价值：见原文。
|
||||
|
||||
## Key Claims
|
||||
- （见原文）
|
||||
|
||||
## Key Quotes
|
||||
> （见原文）
|
||||
|
||||
## Key Concepts
|
||||
- （见原文）
|
||||
|
||||
## Key Entities
|
||||
- （见原文）
|
||||
|
||||
## Connections
|
||||
- （见原文）
|
||||
|
||||
## Contradictions
|
||||
- （见原文）
|
||||
@@ -1,37 +0,0 @@
|
||||
---
|
||||
title: "3X-UI Xray on BandwagonVPS"
|
||||
type: source
|
||||
tags: [xray, 3x-ui, vpn, vps, 科学上网]
|
||||
date: 2025-03-06
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Home Office/3X-UI Xray on BandwagonVPS.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：在Bandwagon VPS上安装3X-UI（Xray图形化管理面板）
|
||||
- 问题域：如何快速在VPS上部署Xray科学上网服务并通过Web UI管理
|
||||
- 方法/机制：SSH登录VPS → 一键安装脚本 → Web UI管理 → 导入VLESS URL
|
||||
- 结论/价值：3X-UI提供了友好的Xray管理界面，降低了科学上网的配置门槛
|
||||
|
||||
## Key Claims
|
||||
- 一键安装命令：bash <(curl -Ls https://raw.githubusercontent.com/mhsanaei/3x-ui/master/install.sh)
|
||||
- 管理命令：x-ui，进入交互式菜单管理
|
||||
- Web管理界面：https://kiwi.ishenwei.online:2053/
|
||||
- 支持多种协议：VLESS、VMess、Trojan等
|
||||
|
||||
## Key Concepts
|
||||
- [[3X-UI]]：Xray的图形化管理面板
|
||||
- [[Xray]]：支持多种协议的代理软件
|
||||
- [[VLESS]]：一种轻量级代理协议
|
||||
|
||||
## Key Entities
|
||||
- [[Bandwagon]]：VPS提供商
|
||||
- [[VPS2]]：104.194.92.188，kiwi.ishenwei.online
|
||||
|
||||
## Connections
|
||||
- [[3X-UI]] ← 管理面板 ← Xray
|
||||
- [[Xray]] ← 代理软件 ← 科学上网
|
||||
|
||||
## Contradictions
|
||||
- 无明显冲突
|
||||
@@ -1,42 +0,0 @@
|
||||
---
|
||||
title: "3X-UI Xray on BandwagonVPS"
|
||||
type: source
|
||||
tags: [vps, xray, 3x-ui, 科学上网]
|
||||
date: 2026-02-10
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Home Office/3X-UI Xray on BandwagonVPS.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：在 Bandwagon VPS 上安装配置 3X-UI 面板管理 Xray/VLESS+Reality
|
||||
- 问题域：VPS 科学上网节点的部署与管理
|
||||
- 方法/机制：通过 3X-UI 一键安装脚本实现 Xray 面板化管理，配置 VLESS+Reality 协议
|
||||
- 结论/价值：提供完整的自建科学上网节点运维手册
|
||||
|
||||
## Key Claims
|
||||
- Bandwagon VPS（VPS2）通过 3X-UI 面板实现 Xray 可视化管理
|
||||
- 3X-UI 提供完整的命令行管理菜单，支持启动/停止/更新/SSL证书等操作
|
||||
- 当前面板状态和 xray 状态均为 Running，Autostart 已启用
|
||||
- 使用 v2rayN（Windows/Linux）和 v2rayNG（Android）作为客户端
|
||||
|
||||
## Key Quotes
|
||||
> "bash <(curl -Ls https://raw.githubusercontent.com/mhsanaei/3x-ui/master/install.sh)" — 3X-UI 一键安装命令
|
||||
|
||||
## Key Concepts
|
||||
- [[VLESS+Reality]]：抗封锁的传输协议，配置需生成公钥私钥对
|
||||
- [[BBR]]：TCP 拥塞控制算法，可通过 3X-UI 菜单启用加速
|
||||
- [[Xray]]：网络代理工具，3X-UI 的底层引擎
|
||||
|
||||
## Key Entities
|
||||
- [[Bandwagon]]：VPS 服务商，提供廉价服务器
|
||||
- [[VPS2]]：Bandwagon 服务器，IP 104.194.92.188
|
||||
- [[3X-UI]]：Xray 面板管理脚本
|
||||
|
||||
## Connections
|
||||
- [[VPS2]] ← hosts ← [[3X-UI]]
|
||||
- [[v2rayN]] ← connects_to ← [[VPS2]]
|
||||
- [[v2rayNG]] ← connects_to ← [[VPS2]]
|
||||
|
||||
## Contradictions
|
||||
- 无
|
||||
@@ -1,51 +0,0 @@
|
||||
---
|
||||
title: "7 ways I use NotebookLM to make my life easier"
|
||||
type: source
|
||||
tags: ['NotebookLM', 'AI', '知识管理', '被动学习', 'Google']
|
||||
date: 2025-11-23
|
||||
source: https://www.howtogeek.com/ways-notebooklm-make-my-life-easier/
|
||||
author: How-To Geek
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/AI/7 ways I use NotebookLM to make my life easier.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：NotebookLM 的 7 种高价值使用场景，展示了 Source-Grounding 机制如何重塑信息处理和学习方式
|
||||
- 问题域：信息过载、数字囤积、信息消化效率低下、被动学习时间浪费
|
||||
- 方法/机制：Source-Grounding（源引用锚定）+ Audio Overviews（AI 双人播客）+ 交互式问答，所有回答附带精确引文
|
||||
- 结论/价值：NotebookLM 的核心竞争力在于"准确性优先"——仅在用户上传的文档范围内回答，消除幻觉，可作为个人知识管理、项目管理、法律文档审核的专业助手
|
||||
|
||||
## Key Claims
|
||||
- NotebookLM 的核心机制是 Source-Grounding：知识库严格限制在用户上传的文档内，输出结果经过自验证，准确率极高
|
||||
- 7大使用场景：信息聚合消化（替代 Read-It-Later）、音频笔记本（被动学习）、快速成为多领域入门专家、编程学习辅助、项目管理路线图生成、版本对比追踪、法律/合同文档审核
|
||||
- Audio Overviews 功能将文档转为双人 AI 对话播客，支持自定义风格（批判/辩论/简报）和主机人设，可用于通勤、健身等被动时间
|
||||
- NotebookLM 可替代 For Dummies 系列、技术文档阅读（Godot/Python）、Wikipedia 深度研读
|
||||
- 法律/合同审核场景：每个答案附带精确引文，点击直达原文原句，解决了普通 AI "幻觉率过高"的核心痛点
|
||||
- 作者用 NotebookLM 规划项目管理，2025年成功上线 6 个企业级应用
|
||||
|
||||
## 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
|
||||
> "This saves you hours of manual comparison work, and you even get citations to check just in case" — How-To Geek
|
||||
|
||||
## Key Concepts
|
||||
- [[Source-Grounding]]：NotebookLM 的核心机制，仅在用户上传文档范围内回答，确保输出自验证、无幻觉
|
||||
- [[Audio Overviews]]：NotebookLM 的双人 AI 播客功能，将文档转为可自定义风格的对话式音频，支持被动学习
|
||||
- [[被动学习]]：利用通勤、健身、家务等"死时间"消费知识内容
|
||||
- [[知识整理]]：将散乱的 Read-It-Later 堆积转化为可消化的结构化知识
|
||||
|
||||
## Key Entities
|
||||
- [[NotebookLM]]：Google 推出的 AI 知识管理工具，核心特性是 Source-Grounding 和 Audio Overviews
|
||||
- [[How-To Geek]]：美国知名科技博客，发布此使用指南
|
||||
- [[Godot]]：开源游戏引擎，作者用 NotebookLM 快速学习其文档
|
||||
- [[Google]]：[NotebookLM](https://notebooklm.google.com) 开发商
|
||||
|
||||
## Connections
|
||||
- [[Source-Grounding]] ← is_feature_of ← [[NotebookLM]]
|
||||
- [[Audio Overviews]] ← is_feature_of ← [[NotebookLM]]
|
||||
- [[被动学习]] ← enables ← [[Audio Overviews]]
|
||||
- [[知识管理]] ← enabled_by ← [[Source-Grounding]]
|
||||
|
||||
## Contradictions
|
||||
- （无已知冲突）
|
||||
@@ -1,41 +0,0 @@
|
||||
---
|
||||
title: "7 ways I use NotebookLM to make my life easier"
|
||||
type: source
|
||||
tags: [notebooklm, ai, 学习, 工具]
|
||||
date: 2025-12-19
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/AI/7 ways I use NotebookLM to make my life easier.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：NotebookLM的7种高价值使用场景
|
||||
- 问题域：如何在日常学习、项目管理、内容处理中高效利用NotebookLM
|
||||
- 方法/机制：利用source-grounding保证准确性 + Audio Overviews被动学习 + 交叉对比版本更新 + 法律文档审查
|
||||
- 结论/价值：NotebookLM通过严格限制知识库到上传文档，大幅提升信息处理效率
|
||||
|
||||
## Key Claims
|
||||
- NotebookLM的核心是source-grounding，知识库严格限于用户上传文档，保证输出准确且可溯源
|
||||
- Audio Overviews功能将文档转化为双人AI播客，适合通勤等被动学习场景
|
||||
- 可用于跨版本对比（如App更新日志对比）、法律文档审查、编程学习
|
||||
- NotebookLM适合作为"个人项目主管大脑枢纽"，将零散研究和想法集中管理
|
||||
|
||||
## 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
|
||||
> "It's so much better than a For Dummies book" — 作者评价NotebookLM学习效果
|
||||
|
||||
## Key Concepts
|
||||
- [[Source-Grounding]]：NotebookLM的核心机制，限制知识库仅到用户上传文档，确保回答准确性
|
||||
- [[Audio Overviews]]：NotebookLM将文档转化为双人AI对话播客的功能
|
||||
- [[被动学习]]：通过音频格式在通勤、运动时消费复杂信息
|
||||
|
||||
## Key Entities
|
||||
- [[NotebookLM]]：Google的AI学习和研究工具
|
||||
|
||||
## Connections
|
||||
- [[Source-Grounding]] ← 核心机制 ← [[NotebookLM]]
|
||||
- [[Audio Overviews]] ← 功能特性 ← [[NotebookLM]]
|
||||
- [[被动学习]] ← 应用场景 ← [[NotebookLM]]
|
||||
|
||||
## Contradictions
|
||||
- 与通用LLM（如ChatGPT/Gemini）对比：通用LLM有幻觉风险，NotebookLM通过source-grounding消除幻觉但受限于文档范围
|
||||
@@ -1,50 +0,0 @@
|
||||
---
|
||||
title: "A Formalization of Recursive Self-Optimizing Generative Systems"
|
||||
type: source
|
||||
tags: ['AI', '数学', '递归', '自举', '固定点', 'Lambda演算']
|
||||
date: 2025-12-30
|
||||
source: https://github.com/2025Emma/vibe-coding-cn/blob/main/i18n/zh/documents/Methodology%20and%20Principles/A%20Formalization%20of%20Recursive%20Self-Optimizing%20Generative%20Systems.md
|
||||
author: tukuai（独立研究者）
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/AI/A Formalization of Recursive Self-Optimizing Generative Systems.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：递归自我优化生成系统的形式化数学模型，证明稳定生成能力等价于不动点
|
||||
- 问题域：AI 系统从"优化单个输出"向"优化生成机制本身"的范式转移，缺乏统一的数学刻画
|
||||
- 方法/机制：generator space 自映射（Φ）、优化算子（O）、元生成算子（M）、λ-calculus 不动点组合子（Y）
|
||||
- 结论/价值：递归自优化的收敛目标不是某个最优输出，而是 generator space 中的不动点——一种在自身生成-优化-更新循环中保持不变的生成器
|
||||
|
||||
## Key Claims
|
||||
- 系统目标不是产出某个最优解 P*，而是生成器序列 {G_n} 的收敛行为
|
||||
- 稳定生成能力定义为算子 Φ 的不动点：G* = Φ(G*)，即在自身循环中保持不变的生成器
|
||||
- 在适当连续性或收缩性条件下，不动点可通过迭代获得：G* = lim_{n→∞} Φ^n(G_0)
|
||||
- 自展过程（Bootstrap）：用 Ω-提示词优化 α-提示词 → 生成更强 α → 再优化 → 无限逼近理想状态
|
||||
- 核心机制：生成器同时是计算的主体和对象，改善通过生成器空间的收敛实现，而非输出空间的优化
|
||||
|
||||
## Key Quotes
|
||||
> "The system's objective is not a particular P*, but the convergence behavior of the sequence {G_n}" — tukuai
|
||||
> "A stable generative capability is defined as a fixed point of Φ" — tukuai
|
||||
> "The generator is defined as the fixed point of a functional that transforms generators using their own outputs" — tukuai
|
||||
> "Recursive self-optimization naturally leads to fixed-point structures rather than terminal outputs" — tukuai
|
||||
|
||||
## Key Concepts
|
||||
- [[递归自优化]]：系统通过"生成→优化→更新"的循环，用优化结果更新自身的生成机制
|
||||
- [[固定点语义]]：稳定生成能力等价于元生成算子的不动点 G* = Φ(G*)
|
||||
- [[自举Meta生成]]：α-提示词（生成器）与 Ω-提示词（优化器）的递归互促
|
||||
- [[Generator Space]]：所有可能生成器的集合 G，是自映射 Φ 的定义域
|
||||
- [[Y Combinator]]：λ-calculus 不动点组合子，用于表达 G* = Y·STEP
|
||||
|
||||
## Key Entities
|
||||
- [[tukuai]]：独立研究者，提出此形式化框架
|
||||
- [[2025Emma/vibe-coding-cn]]：GitHub 仓库，包含此文
|
||||
- [[λ-calculus]]：用于表达系统自引用动力学的数学形式体系
|
||||
|
||||
## Connections
|
||||
- [[自举Meta生成]] ← extends ← [[递归自优化]]
|
||||
- [[固定点语义]] ← is_mathematical_basis_of ← [[递归自优化]]
|
||||
- [[Y Combinator]] ← implements ← [[固定点语义]]
|
||||
|
||||
## Contradictions
|
||||
- （无已知冲突）
|
||||
@@ -1,40 +0,0 @@
|
||||
---
|
||||
title: "A Formalization of Recursive Self-Optimizing Generative Systems"
|
||||
type: source
|
||||
tags: []
|
||||
date: 2025-12-30
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/AI/A Formalization of Recursive Self-Optimizing Generative Systems.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：递归自我优化生成系统的形式化数学模型
|
||||
- 问题域：如何让 AI 系统通过迭代自我修改构建稳定的生成能力
|
||||
- 方法/机制：定义生成器空间（Generator Space）、优化算子（O-operator）、元生成算子（M-operator），通过不动点（Fixed Point）语义描述系统收敛行为
|
||||
- 结论/价值：稳定的生成能力对应于元生成算子的不动点，递归自我优化自然导致不动点结构而非终端输出
|
||||
|
||||
## Key Claims
|
||||
- 系统定义：Generator G（I→P）、O-operator O（P×Ω→P）、M-operator M（G×P→G）三者构成递归循环
|
||||
- 不动点定义：G* 满足 Φ(G*) = G*，其中 Φ 是生成器空间上的自映射
|
||||
- λ-calculus 表达：使用 Y-组合子（固定点组合子）表达稳定生成器 G* ≡ Y·STEP
|
||||
- 自举过程（Bootstrap）：α-提示词（生成器）和 Ω-提示词（优化器）通过递归优化循环无限逼近理想状态
|
||||
|
||||
## Key Quotes
|
||||
> "The system's objective is not a particular P*, but the convergence behavior of the sequence {G_n}" — 核心目标
|
||||
> "Such a generator is invariant under its own generate–optimize–update cycle" — 不动点含义
|
||||
> "What I cannot create, I do not understand — Richard Feynman" — 核心理念
|
||||
|
||||
## Key Concepts
|
||||
- [[固定点语义]]：递归自我优化生成器的稳定状态由元生成算子的不动点定义
|
||||
- [[自举Meta-生成]]：α-提示词（生成器）和 Ω-提示词（优化器）通过递归循环实现自我超越
|
||||
- [[生成器空间]]：所有可能生成器的集合 Φ ⊆ P^I，系统在其中收敛
|
||||
|
||||
## Key Entities
|
||||
|
||||
## Connections
|
||||
- [[固定点语义]] ← defines ← [[自举Meta-生成]]
|
||||
- [[生成器空间]] ← iterates_on ← [[固定点语义]]
|
||||
|
||||
## Contradictions
|
||||
- 无已知冲突
|
||||
@@ -1,41 +0,0 @@
|
||||
---
|
||||
title: "AI 解决方案专家培训课程"
|
||||
type: source
|
||||
tags: ['Coze', 'AI', 'Agent', '工作流', '行业应用']
|
||||
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 Agent 开发实战培训课程资源汇总，覆盖多行业 AI 解决方案
|
||||
- 问题域：如何基于 Coze 平台快速构建企业级 Agent 应用（客服、教育、金融、医疗、电商等）
|
||||
- 方法/机制：Coze Agent + Function Call + Workflow + 知识库，覆盖从 Prompt 设计到插件集成的全链路
|
||||
- 结论/价值：Coze 作为国内领先的 Agent 开发平台，通过零代码/低代码方式大幅降低 AI 应用开发门槛
|
||||
|
||||
## Key Claims
|
||||
- Coze 平台支持多场景 Agent 构建：医疗分诊、财报解读、门店销售对练、骑手招聘、表格问答、在线问诊、教育拍图搜题、电商混剪等
|
||||
- Workflow（工作流）模式用于复杂业务流程编排，如滴滴计费规则解答、SONY 店员沟通、直播自动回复等
|
||||
- 泛娱乐场景覆盖：AI 证件照（FaceFusion）、视频生成（AI 生成视频工作流 1-4）、F5-TTS 声音克隆
|
||||
- Coze 国内版（coze.cn）与国际版生态互通，支持企业级私有化部署
|
||||
|
||||
## Key Concepts
|
||||
- [[Coze/扣子]]：字节跳动推出的 AI Agent 开发平台，支持零代码/低代码构建 Agent
|
||||
- [[Function Call]]：Agent 调用外部工具/数据的技术方式，Coze 平台核心能力
|
||||
- [[Workflow编排]]：将多个 Agent / 工具节点串联成复杂业务流程
|
||||
- [[知识库问答]]：基于 RAG 架构的企业知识检索系统
|
||||
|
||||
## Key Entities
|
||||
- [[Coze]]：字节跳动 AI Agent 开发平台，提供 Agent 构建、Workflow、知识库、插件等能力
|
||||
- [[GPT-SoVITS]]：开源声音克隆模型，用于 AI 配音
|
||||
- [[FaceFusion]]：开源人脸融合/换脸工具
|
||||
- [[F5-TTS]]：开源语音克隆模型
|
||||
|
||||
## Connections
|
||||
- [[Coze/扣子]] ← enables ← [[AI Agent开发]]
|
||||
- [[Function Call]] ← is_mechanism_of ← [[Coze/扣子]]
|
||||
- [[Workflow编排]] ← is_mechanism_of ← [[Coze/扣子]]
|
||||
|
||||
## Contradictions
|
||||
- （无已知冲突）
|
||||
@@ -1,39 +0,0 @@
|
||||
---
|
||||
title: "AI 解决方案专家培训课程"
|
||||
type: source
|
||||
tags: []
|
||||
date: 2025-06-29
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/AI/AI 解决方案专家培训课程.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：Coze（扣子）平台的 Demo 合集，涵盖多行业 AI Agent 应用案例
|
||||
- 问题域：企业级 AI Agent 的快速搭建与行业应用
|
||||
- 方法/机制：通过 Coze 国内版和海外版平台，提供 Bot（智能体）和 Workflow（工作流）两种构建方式，覆盖金融、教育、医疗、电商、人力资源、在线客服等多个行业
|
||||
- 结论/价值：Coze 平台大幅降低了 AI Agent 的开发门槛，无需编程即可创建功能丰富的对话式 AI 应用
|
||||
|
||||
## Key Claims
|
||||
- Coze 平台支持国内版（coze.cn）和海外版（coze.com），提供 Bot 和 Workflow 两种构建模式
|
||||
- 金融行业案例：知乎财报解读、客户分层营销助手、智能客服 Agent
|
||||
- 教育行业案例：知识库问答、拍照搜视频、组卷出题、知识点掌握情况评估
|
||||
- 医疗行业案例：影像图片识别、在线问诊、医疗分诊助手
|
||||
- 电商行业案例：混剪助手、在线换衣、抖音直播间自动回复助手
|
||||
|
||||
## Key Quotes
|
||||
> "Coze平台demo合集" — 平台概述
|
||||
|
||||
## Key Concepts
|
||||
- [[Coze Bot]]：扣子平台的对话式 AI Agent，无需编程即可创建
|
||||
- [[Coze Workflow]]：扣子平台的工作流自动化编排工具，支持复杂业务流程
|
||||
|
||||
## Key Entities
|
||||
- [[Coze]]：字节跳动出品的 AI Agent 构建平台，支持国内版和海外版
|
||||
|
||||
## Connections
|
||||
- [[Coze Bot]] ← part_of ← [[Coze]]
|
||||
- [[Coze Workflow]] ← part_of ← [[Coze]]
|
||||
|
||||
## Contradictions
|
||||
- 无已知冲突
|
||||
@@ -1,37 +0,0 @@
|
||||
---
|
||||
title: "普通人AI时代赚钱"
|
||||
type: source
|
||||
tags: [article]
|
||||
date: 2025-03-06
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/微信公众号/不谈技术：普通人该怎么在AI时代赚钱？.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：AI时代普通人如何赚钱
|
||||
- 问题域：如何在AI浪潮中找到个人机会
|
||||
- 方法/机制：来自乔布斯.skill的思考框架
|
||||
- 结论/价值：工具不值钱品味值钱，做端到端的事不做零件
|
||||
|
||||
## Key Claims
|
||||
- AI让每个人都能生成内容，但90%生成的是垃圾
|
||||
- 品味是护城河，能判断AI给出的方案哪个是insanely great
|
||||
- 要做端到端的事，不做零件
|
||||
|
||||
## Key Quotes
|
||||
> "正确的问题是：AI让我能做到什么以前做不到的事？"
|
||||
> "工具民主化了，但品味没有民主化"
|
||||
|
||||
## Key Concepts
|
||||
- [[品味]]：判断和选择能力
|
||||
- [[端到端]]：完整交付价值的能力
|
||||
|
||||
## Key Entities
|
||||
- [[乔布斯.skill]]：AI技能
|
||||
|
||||
## Connections
|
||||
- [[AI工具]] ← 需要 ← [[品味]]
|
||||
- [[端到端]] ← 对抗 ← [[零件思维]]
|
||||
|
||||
## Contradictions
|
||||
@@ -1,37 +0,0 @@
|
||||
---
|
||||
title: "AI时代赚钱方法"
|
||||
type: source
|
||||
tags: []
|
||||
date: 2026-04-10
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/微信公众号/不谈技术：普通人该怎么在AI时代赚钱？.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：AI时代普通人赚钱的正确姿势
|
||||
- 问题域：个人发展定位、竞争力构建
|
||||
- 方法/机制：工具不值钱品味值钱、做端到端的事、用死亡过滤器
|
||||
- 结论/价值：AI不会让普通人变富，AI会让那些知道自己要做什么、对品质有执念的人变得极其强大
|
||||
|
||||
## Key Claims
|
||||
- 工具民主化了，但品味没有民主化——品味是真正的护城河
|
||||
- 不要做AI流水线上的螺丝钉，要做一个完整的产品或服务
|
||||
- 用死亡过滤器：问自己对什么有真正的热爱和好奇心，然后用AI把它做到极致
|
||||
|
||||
## Key Quotes
|
||||
> "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"
|
||||
|
||||
## Key Concepts
|
||||
- [[品味护城河]]：判断AI方案优劣的能力比使用AI的能力更值钱
|
||||
- [[端到端]]：做完整产品而非流水线零件
|
||||
- [[死亡过滤器]]：对一千件事说No，只对一件事说Yes
|
||||
|
||||
## Key Entities
|
||||
- [[乔布斯]]：文章引用来源
|
||||
|
||||
## Connections
|
||||
- [[AI时代赚钱]] ← guided_by ← [[品味护城河]]
|
||||
|
||||
## Contradictions
|
||||
- 无冲突
|
||||
@@ -1,38 +0,0 @@
|
||||
---
|
||||
title: "AI解决方案专家培训课程"
|
||||
type: source
|
||||
tags: [coze, ai, agent, 培训]
|
||||
date: 2025-06-27
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/AI/AI 解决方案专家培训课程.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：Coze平台（国内版和海外版）的Demo合集，包含多行业Agent应用示例
|
||||
- 问题域：Coze平台上各类AI Agent和Workflow的展示与应用场景
|
||||
- 方法/机制：通过邀请链接加入团队空间，直接访问或复制Agent进行体验和改造
|
||||
- 结论/价值：Coze平台覆盖金融、教育、电商、医疗、人力资源、客服等多个行业的Agent解决方案
|
||||
|
||||
## Key Claims
|
||||
- Coze国内版提供知乎财报解读、SONY门店店员、医疗分诊、骑手招聘、表格问答等Agent Demo
|
||||
- 教育行业Demo包括知识库问答、拍照搜视频、组卷出题、知识点掌握情况评估
|
||||
- 电商行业Demo包括混剪助手、在线换衣、AI生成视频工作流
|
||||
- 金融行业Demo包括客户分层营销助手和智能客服Agent
|
||||
|
||||
## Key Concepts
|
||||
- [[Coze]]：字节跳动的AI Agent平台，支持国内版和国际版
|
||||
- [[Workflow]]：Coze上的工作流编排能力
|
||||
- [[Agent]]：Coze上可配置的AI智能体
|
||||
|
||||
## Key Entities
|
||||
- [[Coze]]：字节跳动出品的AI Agent构建平台
|
||||
|
||||
## Connections
|
||||
- [[Coze国内版]] ← 平台实例 ← [[Coze]]
|
||||
- [[Coze海外版]] ← 平台实例 ← [[Coze]]
|
||||
- 金融Agent ← 行业应用 ← [[Coze]]
|
||||
- 教育Agent ← 行业应用 ← [[Coze]]
|
||||
|
||||
## Contradictions
|
||||
- 无明显冲突
|
||||
@@ -1,35 +0,0 @@
|
||||
---
|
||||
title: "Anthropic Prompt Library实用合集"
|
||||
type: source
|
||||
tags: []
|
||||
date: 2025-12-19
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/AI/Useful Prompt Lib.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：Anthropic官方Prompt Library精选，聚焦TikTok跨境电商应用场景
|
||||
- 问题域：AI提示词工程、Prompt复用、电商自动化
|
||||
- 方法/机制：直接调用Anthropic官方预制Prompt，通过特定提示词实现特定任务
|
||||
- 结论/价值：为TikTok跨境电商业务推荐3个核心Prompt：Babel's broadcasts（多语言本地化）、Review classifier（评论分类）、Data organizer（非结构化数据转JSON）
|
||||
|
||||
## Key Claims
|
||||
- Anthropic Prompt Library包含66+个高质量预制Prompt，覆盖开发、创作、数据处理等领域
|
||||
- TikTok跨境电商最值得关注的3个Prompt：Babel's broadcasts（多语言产品发布推文）、Review classifier（评论情感分类）、Data organizer（非结构化数据→JSON）
|
||||
- Data organizer可直接对接自动化工作流，将竞品数据或产品信息结构化
|
||||
|
||||
## Key Quotes
|
||||
> "Babel's broadcasts极其适合用于TikTok视频脚本的多语言本地化改写。" — Anthropic Prompt库应用建议
|
||||
> "Review classifier可以帮助你自动化处理和分类TikTok店铺或广告投放的评论。" — 电商评论管理
|
||||
|
||||
## Key Concepts
|
||||
- [[PromptLibrary]]：Anthropic官方高质量预制提示词集合
|
||||
- [[多语言本地化]]：Babel's broadcasts支持10种语言产品发布推文生成
|
||||
|
||||
## Key Entities
|
||||
- [[Anthropic]]：Claude模型的开发商，运营官方Prompt Library平台
|
||||
|
||||
## Connections
|
||||
- [[提示词框架]] ← relates_to ← [[PromptLibrary]]
|
||||
- [[提示词框架]] ← relates_to ← [[多语言本地化]]
|
||||
@@ -1,39 +0,0 @@
|
||||
---
|
||||
title: "Best 7 News API Data Feeds for AI News"
|
||||
type: source
|
||||
tags: ['AI', 'API', '新闻', '数据', 'Webz', 'NewsAPI', 'GNews']
|
||||
date: 2025-03-11
|
||||
source: https://www.artificialintelligence-news.com/news/best-7-news-api-data-feeds/
|
||||
---
|
||||
|
||||
## 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 数据服务的功能对比与选型建议
|
||||
- 问题域：AI 应用需要实时/历史新闻数据来构建舆情监控、市场分析、个性化推荐等能力
|
||||
- 方法/机制：通过 API 聚合、格式化来自全球新闻源的结构化数据（JSON/XML），消除人工采集和整理工作
|
||||
|
||||
## Key Claims
|
||||
- 头部新闻 API：NewsAPI.org（免费额度最大）、Webz.io（实时爬取）、GNews API（轻量级）、 Bing News Search API（微软）、Event Registry（AI优化）、Newsriver（全球覆盖）、Guardian API（权威媒体）
|
||||
- 新闻 API 核心用途：舆情监控、竞争分析、金融情报、个性化内容推荐、事实核查
|
||||
|
||||
## Key Concepts
|
||||
- [[新闻API]]：聚合、整理并以结构化格式（JSON/XML）交付来自多源的新闻数据
|
||||
- [[舆情监控]]：新闻 API 的核心应用场景之一
|
||||
- [[金融情报]]：新闻 API 的高价值商业应用场景
|
||||
|
||||
## Key Entities
|
||||
- [[NewsAPI.org]]：新闻聚合 API，免费层级支持 100 个请求/天
|
||||
- [[Webz.io]]：专注实时新闻爬取和结构化，适合 AI 训练数据构建
|
||||
- [[GNews API]]：轻量级新闻 API，接口简洁
|
||||
- [[Bing News Search]]：微软新闻搜索 API，与 Azure 生态集成
|
||||
- [[Event Registry]]：AI 优化的新闻聚合平台
|
||||
|
||||
## Connections
|
||||
- [[新闻API]] ← enables ← [[舆情监控]]
|
||||
- [[新闻API]] ← enables ← [[金融情报]]
|
||||
- [[Webz.io]] ← is_provider_of ← [[新闻API]]
|
||||
|
||||
## Contradictions
|
||||
- （无已知冲突）
|
||||
@@ -1,42 +0,0 @@
|
||||
---
|
||||
title: "Best 7 news API data feeds - AI News"
|
||||
type: source
|
||||
tags: []
|
||||
date: 2025-03-14
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/AI/Best 7 news API data feeds - AI News.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：七大新闻 API 数据源平台的对比分析与行业应用
|
||||
- 问题域：企业获取结构化新闻数据的技术选型
|
||||
- 方法/机制：通过新闻 API 将非结构化内容聚合、格式化（JSON/XML）并交付给应用和workflows
|
||||
- 结论/价值：不同 API 各有专长——金融分析选 Bloomberg/Webz.io，初创项目选 GNews/Mediastack，新闻监测选 Opoint
|
||||
|
||||
## Key Claims
|
||||
- Webz.io：最全面的新闻 API，涵盖表层、深层和暗网数据，支持情感分析，适合金融和网络安全领域
|
||||
- GNews API：轻量级、易用、免费额度充足，适合小型应用和区域化新闻聚合
|
||||
- The Guardian API：高质量编辑内容，适合研究和专业内容平台
|
||||
- Bloomberg API：专注于金融市场数据，提供实时市场覆盖和专业投资分析
|
||||
- Financial Times API：商业和经济新闻的高级解决方案，适合经济学家和高层管理者
|
||||
- Opoint：专注于新闻监测和情感分析，支持多语言，适合 PR 和品牌监测团队
|
||||
- Mediastack：聚合全球 7500+ 来源，支持免费套餐，灵活性和可扩展性强
|
||||
|
||||
## Key Quotes
|
||||
> "News API data feeds are platforms that aggregate, organise, and deliver structured news data from multiple sources" — 定义
|
||||
|
||||
## Key Concepts
|
||||
- [[新闻 API]]：聚合、组织并以结构化格式（JSON/XML）交付新闻数据的技术平台
|
||||
|
||||
## Key Entities
|
||||
- [[Webz.io]]：综合性新闻 API，涵盖表层/深层/暗网数据
|
||||
- [[GNews API]]：轻量级新闻 API，提供实时全球覆盖
|
||||
- [[Opoint]]：新闻监测与情感分析 API
|
||||
- [[Mediastack]]：可扩展新闻聚合 API，支持 7500+ 来源
|
||||
|
||||
## Connections
|
||||
- [[新闻 API]] ← includes ← [[Webz.io]], [[GNews API]], [[Opoint]], [[Mediastack]]
|
||||
|
||||
## Contradictions
|
||||
- 无已知冲突
|
||||
@@ -1,47 +0,0 @@
|
||||
---
|
||||
title: "Best 7 News API Data Feeds"
|
||||
type: source
|
||||
tags: [news-api, ai, data, 金融, 新闻]
|
||||
date: 2025-03-14
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/AI/Best 7 news API data feeds - AI News.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：7大主流新闻API数据源及其适用场景
|
||||
- 问题域：企业、开发者如何获取结构化新闻数据用于应用集成和决策分析
|
||||
- 方法/机制：通过API聚合、格式化来自全球新闻源的结构化数据，提供实时/历史覆盖
|
||||
- 结论/价值：不同新闻API各有专长——Webz.io适合网络安全金融、GNews适合创业公司、Bloomberg/FT适合专业投研
|
||||
|
||||
## Key Claims
|
||||
- Webz.io：最全面的新闻API之一，支持开放网、深网和暗网数据，适合金融风险情报和网络安全
|
||||
- GNews API：轻量级，全球覆盖，价格实惠，适合创业公司和区域化应用
|
||||
- Guardian API：高质量编辑内容，适合研究和专业内容聚合
|
||||
- Bloomberg API：专注金融市场数据，与Bloomberg终端无缝集成
|
||||
- Financial Times API：商业和经济深度分析，适合专业投研用户
|
||||
- Opoint：实时监控和多语言情感分析，适合PR和品牌监测
|
||||
- Mediastack：7,500+来源，免费计划可用，适合各种规模企业
|
||||
|
||||
## Key Quotes
|
||||
> "News API data feeds are platforms that aggregate, organise, and deliver structured news data from multiple sources" — artificialintelligence-news.com
|
||||
|
||||
## Key Concepts
|
||||
- [[News API]]：聚合、组织并以结构化格式（JSON/XML）交付新闻数据的平台
|
||||
- [[情感分析]]：Opoint等API提供的新闻情感标签功能
|
||||
- [[风险情报]]：Webz.io等API支持的深层网络数据监控能力
|
||||
|
||||
## Key Entities
|
||||
- [[Webz.io]]：综合新闻API，支持开放网/深网/暗网
|
||||
- [[GNews API]]：轻量级新闻API，价格实惠
|
||||
- [[Bloomberg API]]：金融市场数据API
|
||||
- [[Opoint]]：新闻监测和情感分析API
|
||||
- [[Mediastack]]：可扩展的新闻聚合API
|
||||
|
||||
## Connections
|
||||
- [[News API]] ← 数据源基础设施 ← AI金融应用
|
||||
- [[情感分析]] ← 能力组件 ← PR品牌监测
|
||||
- [[风险情报]] ← 应用场景 ← 网络安全
|
||||
|
||||
## Contradictions
|
||||
- 与通用搜索引擎对比：News API提供结构化、可机读数据；搜索提供非结构化网页结果
|
||||
@@ -1,45 +0,0 @@
|
||||
---
|
||||
title: "ChatGPT 知识整理 + Canva/Gamma AI 简报工作流"
|
||||
type: source
|
||||
tags: ['ChatGPT', 'Canva', 'Gamma', 'AI', '简报', '工作流', '知识管理']
|
||||
date: 2025-10-26
|
||||
source: https://www.playpcesor.com/2025/10/chatgpt-canva-gamma-ai.html
|
||||
author: 电脑玩物
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/AI/教學 ChatGPT 先做知識整理，再讓 Canva、 Gamma AI 輸出簡報.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：先用 ChatGPT 做知识收集整理，再导出到 Canva/Gamma AI 生成精美简报的两段式工作流
|
||||
- 问题域：直接在 Canva/Gamma AI 上凭题生成简报，缺乏深度研究和内容整理，成果流于表面
|
||||
- 方法/机制：ChatGPT（深度研究+结构化大纲）→ Canva/Gamma AI（美化排版+视觉素材）
|
||||
- 结论/价值：两段式工作流——AI 做擅长的事（知识整理），另一 AI 做擅长的事（视觉设计），各司其职
|
||||
|
||||
## Key Claims
|
||||
- Canva AI（2025年9月支持中文）可一句话生成完整简报（内容+排版+图片），免费账户可用
|
||||
- Gamma AI 是另一个流行的 AI 简报工具，支持 Markdown 导入和 AI 生成
|
||||
- 核心问题：Canva/Gamma 长于视觉设计，不擅长前期"资料收集、研究、整理、分析"
|
||||
- 两段式工作流：
|
||||
1. **ChatGPT 阶段**：资料研究→整理分析→形成结构化大纲（论述、案例、数据）
|
||||
2. **Canva/Gamma 阶段**：接收大纲→生成精美排版→视觉素材填充
|
||||
- 凭题直接生成的简报"很难做出正确、有效、深入的成果"
|
||||
|
||||
## Key Concepts
|
||||
- [[两段式简报工作流]]：ChatGPT（内容）+ Canva/Gamma（设计），AI 各司其职
|
||||
- [[Gamma AI]]：AI 简报生成工具，支持 Markdown 导入
|
||||
- [[Canva AI]]：2025年支持中文的 AI 简报生成功能，免费模板丰富
|
||||
|
||||
## Key Entities
|
||||
- [[Canva]]：在线设计平台，新增 AI 简报生成功能（支持中文，2025年9月）
|
||||
- [[Gamma AI]]：另一 AI 简报工具，以 Markdown 驱动生成
|
||||
- [[ChatGPT]]：OpenAI 聊天助手，此工作流中负责知识整理
|
||||
- [[电脑玩物]]：台湾知名效率博客，作者为此教程博主
|
||||
|
||||
## Connections
|
||||
- [[ChatGPT]] ← generates ← [[知识整理]]
|
||||
- [[Canva AI]] ← generates ← [[简报设计]]
|
||||
- [[两段式简报工作流]] ← combines ← [[ChatGPT]] + [[Canva AI]]
|
||||
|
||||
## Contradictions
|
||||
- （无已知冲突）
|
||||
@@ -1,45 +0,0 @@
|
||||
---
|
||||
title: "ChatGPT+Canva+Gamma简报工作流"
|
||||
type: source
|
||||
tags: [chatgpt, canva, gamma, 简报, workflow, ai]
|
||||
date: 2025-12-18
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/AI/教學 ChatGPT 先做知識整理，再讓 Canva、 Gamma AI 輸出簡報.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：ChatGPT知识整理 + Canva/Gamma AI简报设计的四阶段工作流
|
||||
- 问题域：直接在Canva/Gamma让AI做简报容易产生幻觉、内容不够深入
|
||||
- 方法/机制：ChatGPT做资料研究→建立知识架构→输出大纲→Canva/Gamma制作版面
|
||||
- 结论/价值：简报不是从版面设计开始，而是从资料研究开始
|
||||
|
||||
## Key Claims
|
||||
- 阶段一（5分钟）：ChatGPT上网搜集10+笔资料，建立素材库
|
||||
- 阶段二（1分钟）：建立知识架构，整合资料并建立主客观认识
|
||||
- 阶段三（1分钟）：根据理解和分析输出10页简报大纲
|
||||
- 阶段四：简报大纲粘贴到Canva或Gamma，用AI生成版面
|
||||
- 防弹笔记法作为知识管理底层支撑
|
||||
|
||||
## Key Quotes
|
||||
> "简报不是从版面设计开始，而是从资料研究开始" — esor/电脑玩物
|
||||
|
||||
## Key Concepts
|
||||
- [[知识整理先行]]：先在ChatGPT完成研究整理，再进行版面设计
|
||||
- [[Canva AI]]：Canva内置AI简报设计功能
|
||||
- [[Gamma AI]]：专业的AI简报生成工具
|
||||
- [[防弹笔记法]]：任务导向、动态演化、简单精准的知识管理系统
|
||||
|
||||
## Key Entities
|
||||
- [[ChatGPT]]：用于前期知识整理和研究
|
||||
- [[Canva]]：简报版面设计工具
|
||||
- [[Gamma]]：AI简报生成工具
|
||||
|
||||
## Connections
|
||||
- [[ChatGPT]] ← 知识整理 ← 简报工作流
|
||||
- [[Canva]] ← 版面设计 ← 简报工作流
|
||||
- [[Gamma]] ← 版面设计 ← 简报工作流
|
||||
- [[知识整理先行]] ← 方法论 ← 简报工作流
|
||||
|
||||
## Contradictions
|
||||
- 与直接AI简报对比：直接让Canva/Gamma生成简报容易产生幻觉；分阶段工作流通过ChatGPT深度研究保证内容质量
|
||||
@@ -1,33 +0,0 @@
|
||||
---
|
||||
title: "ChinaTextbook - 41.53 GB，中国小学、初中、高中、大学 PDF 教材"
|
||||
type: source
|
||||
tags: ['GitHub']
|
||||
date: 2025-05-13
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[Others/ChinaTextbook - 41.53 GB，中国小学、初中、高中、大学 PDF 教材.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：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
|
||||
- 问题域：见原文。
|
||||
- 方法/机制：见原文。
|
||||
- 结论/价值：见原文。
|
||||
|
||||
## Key Claims
|
||||
- （见原文）
|
||||
|
||||
## Key Quotes
|
||||
> （见原文）
|
||||
|
||||
## Key Concepts
|
||||
- （见原文）
|
||||
|
||||
## Key Entities
|
||||
- （见原文）
|
||||
|
||||
## Connections
|
||||
- （见原文）
|
||||
|
||||
## Contradictions
|
||||
- （见原文）
|
||||
@@ -1,36 +0,0 @@
|
||||
---
|
||||
title: "中国教材PDF资源"
|
||||
type: source
|
||||
tags: [resource]
|
||||
date: 2025-12-19
|
||||
---
|
||||
|
||||
## 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：中国中小学和大学教材PDF资源汇总
|
||||
- 问题域：如何获取公开的教育资源
|
||||
- 方法/机制：从GitHub项目获取，来源为国家中小学智慧教育平台
|
||||
- 结论/价值：提供41.53GB的免费教材资源，覆盖小初高大学
|
||||
|
||||
## Key Claims
|
||||
- ChinaTextbook项目收集了公开的中国教材，托管在GitHub
|
||||
- 教材来源于国家中小学智慧教育平台，需登录后下载
|
||||
- 可使用tchMaterial-parser项目批量下载
|
||||
|
||||
## Key Quotes
|
||||
> "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"
|
||||
|
||||
## Key Concepts
|
||||
- [[教育资源]]：公开可获取的学习材料
|
||||
|
||||
## Key Entities
|
||||
- [[ChinaTextbook]]：GitHub项目
|
||||
- [[国家中小学智慧教育平台]]：官方教育资源平台
|
||||
|
||||
## Connections
|
||||
- [[GitHub]] ← 托管 ← [[教育资源]]
|
||||
- [[PDF]] ← 格式 ← [[教材]]
|
||||
|
||||
## Contradictions
|
||||
@@ -1,38 +0,0 @@
|
||||
---
|
||||
title: "ChinaTextbook中国教材"
|
||||
type: source
|
||||
tags: []
|
||||
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：开源中国教材资源库
|
||||
- 问题域：教育资源获取、K-12到大学教材整理
|
||||
- 方法/机制：聚合国家中小学智慧教育平台公开教材，GitHub托管，41.53GB总库
|
||||
- 结论/价值：提供了从小学到大学全学段教材的免费PDF获取途径
|
||||
|
||||
## Key Claims
|
||||
- ChinaTextbook项目聚合了41.53GB的中国教材PDF，涵盖小学到大学全学段
|
||||
- 教材来源为国家中小学智慧教育平台，仅需登录即可浏览和下载
|
||||
- 项目托管在GitHub，由TapXWorld维护
|
||||
|
||||
## Key Quotes
|
||||
> "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"
|
||||
|
||||
## Key Concepts
|
||||
- [[知识聚合]]：将分散的公开教育资源集中整理
|
||||
- [[K-12教育]]：小学到高中的基础教育体系
|
||||
|
||||
## Key Entities
|
||||
- [[TapXWorld]]：GitHub用户，ChinaTextbook项目维护者
|
||||
- [[国家中小学智慧教育平台]]：官方教材来源平台
|
||||
- [[Appinn]]：发现并报道此项目的网站
|
||||
|
||||
## Connections
|
||||
- [[知识聚合]] ← provides ← [[ChinaTextbook中国教材]]
|
||||
|
||||
## Contradictions
|
||||
- 无冲突
|
||||
@@ -1,34 +0,0 @@
|
||||
---
|
||||
title: "Claude Code Templates Skills安装"
|
||||
type: source
|
||||
tags: [Claude-Code, Skills, Templates]
|
||||
date: 2026-03-29
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Vibe Coding/如何在项目里安装Claude-Code-Templates Skills.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：通过npx安装Claude Code Templates Skills
|
||||
- 问题域：快速获取预定义的Claude Code Skills/Agents/MCP
|
||||
- 方法/机制：npx claude-code-templates@latest --skill=xxx
|
||||
- 结论/价值：Skills/Agents/MCP模板的快速安装方法
|
||||
|
||||
## Key Claims
|
||||
- Skills模板：https://www.aitmpl.com/skills
|
||||
- Agents模板：https://www.aitmpl.com/agents
|
||||
- MCP模板：https://www.aitmpl.com/mcps
|
||||
- 安装命令：npx claude-code-templates@latest --skill=development/git-commit-helper --yes
|
||||
|
||||
## Key Concepts
|
||||
- [[ClaudeCodeTemplates]]：预定义的Claude Code Skills模板
|
||||
- [[Skills安装]]：npx快速安装
|
||||
|
||||
## Key Entities
|
||||
- [[ClaudeCode]]：AI编程工具
|
||||
|
||||
## Connections
|
||||
- [[Claude-Code-Templates-Skills安装]] ← documents [[ClaudeCodeTemplates]]
|
||||
|
||||
## Contradictions
|
||||
- 无冲突
|
||||
@@ -1,30 +0,0 @@
|
||||
---
|
||||
title: "Claude Code Templates技能安装"
|
||||
type: source
|
||||
tags: [tutorial]
|
||||
date: 2025-12-30
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Vibe Coding/如何在项目里安装Claude-Code-Templates Skills.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：Claude Code Templates技能安装
|
||||
- 问题域：如何在项目中安装预置技能模板
|
||||
- 方法/机制：使用npx命令安装
|
||||
- 结论/价值：提供Skills、Agents、MCPs三种模板类型
|
||||
|
||||
## Key Claims
|
||||
- aitmpl.com提供多种模板类型
|
||||
- 使用npx claude-code-templates@latest命令安装
|
||||
|
||||
## Key Concepts
|
||||
- [[Claude Skills]]：Claude Code的扩展机制
|
||||
|
||||
## Key Entities
|
||||
- [[Claude Code Templates]]：技能模板集合
|
||||
|
||||
## Connections
|
||||
- [[Claude Code]] ← 扩展 ← [[模板]]
|
||||
|
||||
## Contradictions
|
||||
@@ -1,37 +0,0 @@
|
||||
---
|
||||
title: "Claude Prompt Library实用合集"
|
||||
type: source
|
||||
tags: [claude, prompt, ai, 工具]
|
||||
date: 2025-03-06
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/AI/Useful Prompt Lib.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：Anthropic官方Claude Prompt Library的完整分类汇总
|
||||
- 问题域：如何快速找到适合特定场景的Claude AI提示词
|
||||
- 方法/机制：按功能分类整理59个提示词，覆盖编程、教育、数据、内容创作等场景
|
||||
- 结论/价值：Claude Prompt Library是结构化提示词的资源库，每个提示词针对特定任务优化
|
||||
|
||||
## Key Claims
|
||||
- Babel's broadcasts：多语言产品发布推文生成（10种语言）
|
||||
- Review classifier：反馈分类到预设标签
|
||||
- Data organizer：将非结构化文本转换为JSON表格
|
||||
- SQL sorcerer：自然语言转SQL查询
|
||||
- Website wizard：根据用户规范创建单页网站
|
||||
|
||||
## Key Concepts
|
||||
- [[Prompt Library]]：Claude官方提示词资源库
|
||||
- [[提示词模板]]：针对特定任务结构化设计的提示词
|
||||
|
||||
## Key Entities
|
||||
- [[Claude]]：Anthropic的AI模型
|
||||
- [[Claude Prompt Library]]：官方提示词库
|
||||
|
||||
## Connections
|
||||
- [[Claude Prompt Library]] ← 资源 ← Claude
|
||||
- [[提示词模板]] ← 工具 ← Claude应用
|
||||
|
||||
## Contradictions
|
||||
- 无明显冲突
|
||||
@@ -1,42 +0,0 @@
|
||||
---
|
||||
title: "Claude Skills 最值得研究的AI范式"
|
||||
type: source
|
||||
tags: [claude, skills, prompt]
|
||||
date: 2026-01-08
|
||||
---
|
||||
|
||||
## 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：Anthropic Claude Skills 的架构设计与应用价值
|
||||
- 问题域：AI技能（Skills）的标准化构建与规模化复用
|
||||
- 方法/机制：Skills作为"说明书+SOP"，将反复执行的任务拆解为AI可理解、可复用、可自动执行的流程
|
||||
- 结论/价值：Skills标志着从"提示词工程"向"流程工程"的质变，是AI应用逻辑的升级路径
|
||||
|
||||
## Key Claims
|
||||
- Claude Skills将Claude.ai网页版的生产级能力拆解为可复用的技能模块
|
||||
- Skills覆盖办公自动化、开发者工具、创意类三大方向
|
||||
- Skills的核心价值不在于"好不好看"，而在于设计思路是否可复用、输入输出是否稳定可控
|
||||
|
||||
## Key Quotes
|
||||
> "Skills 就是一套你写给 Claude 的'说明书'和'SOP（标准作业程序）'" — 开篇定义
|
||||
> "这个库本质上是官方在教你，'怎么像我们一样开发 AI 应用'" — 核心价值
|
||||
> "Claude Skills 的爆发，标志着我们从提示词工程迈向了流程工程" — 趋势判断
|
||||
|
||||
## Key Concepts
|
||||
- [[Claude Skills]]：将反复执行、有固定流程的任务拆解为AI可理解、可稳定复用、可自动执行的流程
|
||||
- [[流程工程]]：Skills的核心范式，将经验沉淀为SOP、将SOP交给AI稳定执行
|
||||
|
||||
## Key Entities
|
||||
- [[Anthropic]]：Claude Skills的官方发布者
|
||||
- [[ComposioHQ]]：维护Awesome-Claude-Skills仓库的团队
|
||||
- [[VoltAgent]]：维护awesome-claude-skills的团队
|
||||
|
||||
## Connections
|
||||
- [[Claude Skills]] ← 衍生 ← [[Anthropic]] Claude.ai网页版
|
||||
- [[流程工程]] ← 支撑 ← [[Claude Skills]]
|
||||
- [[Vibe Coding]] ← 尽头是 ← [[Claude Skills]]
|
||||
|
||||
## Contradictions
|
||||
- 无冲突
|
||||
@@ -1,43 +0,0 @@
|
||||
---
|
||||
title: "Claude Skills最值得研究的AI范式"
|
||||
type: source
|
||||
tags: [claude, ai, skills, anthropic]
|
||||
date: 2026-01-08
|
||||
---
|
||||
|
||||
## 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：Anthropic官方Claude Skills开源项目介绍与技能构建范式
|
||||
- 问题域：AI技能（Skills）如何转化为可复用、可自动执行的标准作业程序
|
||||
- 方法/机制：Skills = 写给Claude的"说明书" + SOP；Anthropic官方Skills仓库展示生产级能力
|
||||
- 结论/价值：从提示词工程迈向流程工程，Skills是AI应用的质变标志
|
||||
|
||||
## Key Claims
|
||||
- Claude Skills是AI技能的"说明书"和SOP（标准作业程序），不是简单提示词
|
||||
- Anthropic官方Skills仓库（github.com/anthropics/skills）已获3.2万收藏，涵盖办公自动化、开发者工具、创意类Skills
|
||||
- Skills本质是官方教你"怎么像我们一样开发AI应用"
|
||||
- Vibe Coding的尽头也是Skills
|
||||
|
||||
## 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'" — 文章评论
|
||||
> "Claude Skills的爆发，标志着我们从提示词工程迈向了流程工程" — 文章结论
|
||||
|
||||
## Key Concepts
|
||||
- [[Claude Skills]]：一套写给AI的"说明书"和SOP，使AI能稳定复用和自动执行
|
||||
- [[流程工程]]：从优化单个输出转向优化生成输出的机制本身
|
||||
- [[Vibe Coding]]：一种编程范式，其尽头是Skills的系统化
|
||||
|
||||
## Key Entities
|
||||
- [[Anthropic]]：发布官方Skills仓库的AI公司
|
||||
- [[Claude Code]]：Anthropic的编码助手，内置Skills能力
|
||||
|
||||
## Connections
|
||||
- [[Claude Skills]] ← 应用场景 ← [[Claude Code]]
|
||||
- [[Vibe Coding]] ← 进化终点 ← [[Claude Skills]]
|
||||
- [[流程工程]] ← 范式升级 ← [[提示词工程]]
|
||||
|
||||
## Contradictions
|
||||
- 与传统提示词工程对比：提示词是一次性指令，Skills是可持续执行的可复用流程
|
||||
@@ -1,38 +0,0 @@
|
||||
---
|
||||
title: "Clonezilla对Ubuntu Server进行全盘镜像备份"
|
||||
type: source
|
||||
tags: [clonezilla, backup, ubuntu, nas, 镜像备份]
|
||||
date: 2025-03-06
|
||||
---
|
||||
|
||||
## 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（再生龙）对Ubuntu Server进行全盘镜像备份到NAS
|
||||
- 问题域：如何将运行中的Ubuntu Server完整备份以便灾难恢复
|
||||
- 方法/机制：制作Clonezilla启动U盘 → 从U盘启动 → 选择源盘和NAS目标 → 执行镜像备份
|
||||
- 结论/价值：Clonezilla提供免费、可靠的全盘镜像备份，支持增量备份和压缩
|
||||
|
||||
## Key Claims
|
||||
- 下载Clonezilla ISO（amd64架构，debian发行版）
|
||||
- 使用Rufus制作启动U盘（注意：会格式化U盘）
|
||||
- 备份模式：Clonezilla提供两种模式：disk to disk、disk to image
|
||||
- 存储目标：支持NFS、SMB等网络存储，本例使用NAS
|
||||
- 恢复时注意选择正确的目标磁盘，避免覆盖错误
|
||||
|
||||
## Key Concepts
|
||||
- [[Clonezilla]]：开源磁盘镜像备份工具，再生龙
|
||||
- [[全盘镜像]]：将整个磁盘复制为可恢复的镜像文件
|
||||
- [[NAS备份]]：通过网络存储实现异地备份
|
||||
|
||||
## Key Entities
|
||||
- [[Clonezilla]]：备份工具
|
||||
- [[NAS]]：网络附加存储（备份目标）
|
||||
|
||||
## Connections
|
||||
- [[Clonezilla]] ← 备份工具 ← Ubuntu Server
|
||||
- [[NAS备份]] ← 存储目标 ← 备份
|
||||
|
||||
## Contradictions
|
||||
- 无明显冲突
|
||||
@@ -1,33 +0,0 @@
|
||||
---
|
||||
title: "Clonezilla对Ubuntu Server进行全盘镜像备份"
|
||||
type: source
|
||||
tags: ['Ubuntu', 'NAS']
|
||||
date: 2026-04-14
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[Home Office/Clonezilla对Ubuntu Server进行全盘镜像备份.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：author: shenwei description: tags: [backup, clonezilla, nas, rufus, ubuntu]
|
||||
- 问题域：见原文。
|
||||
- 方法/机制：见原文。
|
||||
- 结论/价值：见原文。
|
||||
|
||||
## Key Claims
|
||||
- （见原文）
|
||||
|
||||
## Key Quotes
|
||||
> （见原文）
|
||||
|
||||
## Key Concepts
|
||||
- （见原文）
|
||||
|
||||
## Key Entities
|
||||
- （见原文）
|
||||
|
||||
## Connections
|
||||
- （见原文）
|
||||
|
||||
## Contradictions
|
||||
- （见原文）
|
||||
@@ -1,43 +0,0 @@
|
||||
---
|
||||
title: "Clonezilla对Ubuntu Server进行全盘镜像备份"
|
||||
type: source
|
||||
tags: [backup, clonezilla, nas, ubuntu, 运维]
|
||||
date: 2025-12-20
|
||||
---
|
||||
|
||||
## 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 再生龙对 Ubuntu Server 进行全盘镜像备份到 NAS
|
||||
- 问题域：服务器灾难恢复与数据保护
|
||||
- 方法/机制：通过 Rufus 制作 Clonezilla 启动盘，通过 NFS 挂载 NAS，保存/还原磁盘镜像
|
||||
- 结论/价值：实现类似 Ghost 的磁盘镜像备份，支持完整系统恢复
|
||||
|
||||
## Key Claims
|
||||
- Clonezilla 支持将整个磁盘备份为镜像文件，存储在 NAS 或外置硬盘
|
||||
- 使用 Rufus 制作 U 盘启动盘，需选择正确的分区方案（GPT for UEFI，MBR for BIOS）
|
||||
- 备份模式选择 device-image，NFS 挂载 NAS 的共享文件夹作为存储目标
|
||||
- 恢复时选择 restoredisk，选中镜像文件即可覆盖新硬盘完成系统复活
|
||||
|
||||
## Key Quotes
|
||||
> "以 ISO 镜像模式写入 (推荐)" — Rufus 制作 Clonezilla 启动盘的关键设置
|
||||
|
||||
## Key Concepts
|
||||
- [[Clonezilla]]：开源磁盘克隆工具，类似 Ghost 但免费
|
||||
- [[NFS]]：网络文件系统，用于 Linux 间共享存储
|
||||
- [[磁盘镜像]]：将整个磁盘内容打包为单个镜像文件
|
||||
- [[灾难恢复]]：通过镜像备份实现系统复原
|
||||
|
||||
## Key Entities
|
||||
- [[Rufus]]：开源 U 盘启动盘制作工具
|
||||
- [[Synology NAS]]：NAS 存储设备，备份目标
|
||||
- [[HP ZBook]]：源笔记本电脑，运行 Ubuntu Server
|
||||
|
||||
## Connections
|
||||
- [[HP ZBook]] ← backed_up_to ← [[Synology NAS]]
|
||||
- [[Clonezilla]] ← creates ← [[磁盘镜像]]
|
||||
- [[Rufus]] ← creates ← [[Clonezilla启动盘]]
|
||||
|
||||
## Contradictions
|
||||
- 无
|
||||
@@ -1,38 +0,0 @@
|
||||
---
|
||||
title: "Clonezilla对Ubuntu全盘镜像备份"
|
||||
type: source
|
||||
tags: [Clonezilla, 备份, Ubuntu]
|
||||
date: 2025-03-14
|
||||
---
|
||||
|
||||
## 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（再生龙）将Ubuntu Server备份镜像到NAS的全流程
|
||||
- 问题域：物理服务器/旧笔记本的系统备份与灾难恢复
|
||||
- 方法/机制：Rufus制作启动盘 → Clonezilla live启动 → NFS连接NAS → savedisk全盘备份
|
||||
- 结论/价值：完整的Ghost式备份恢复流程，蓝色U盘已安装Clonezilla
|
||||
|
||||
## Key Claims
|
||||
- Rufus制作启动盘：选择ISO模式（非DD模式），UEFI选GPT，老机器选MBR
|
||||
- Clonezilla模式选择：device-image（磁盘备份为镜像）
|
||||
- NAS连接：选择nfs_server，输入NAS IP和共享路径（如192.168.3.17/volume2/backups）
|
||||
- 参数：-z1p高压缩、-sfsck跳过检查
|
||||
- 恢复：选择restoredisk，选中镜像文件即可覆盖新硬盘
|
||||
|
||||
## Key Concepts
|
||||
- [[磁盘镜像备份]]：将整个磁盘备份为镜像文件
|
||||
- [[NAS备份存储]]：通过网络（NFS）将备份存储到NAS
|
||||
- [[灾难恢复]]：镜像恢复实现系统复活
|
||||
|
||||
## Key Entities
|
||||
- [[Clonezilla]]：开源磁盘克隆工具（再生龙）
|
||||
- [[SynologyNAS]]：NAS设备，备份存储目标
|
||||
- [[Rufus]]：U盘启动盘制作工具
|
||||
|
||||
## Connections
|
||||
- [[Clonezilla对Ubuntu全盘镜像备份]] ← documents ← [[磁盘镜像备份]]
|
||||
|
||||
## Contradictions
|
||||
- 无冲突
|
||||
@@ -1,45 +0,0 @@
|
||||
---
|
||||
title: "Cloud DevOps Maturity Guideline"
|
||||
type: source
|
||||
tags: []
|
||||
date: 2026-04-14
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Cloud & DevOps/Cloud DevOp Maturity - Guideline.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：企业级SaaS公司云DevOps成熟度评估指南
|
||||
- 问题域：DevOps成熟度模型、评估指标、改进路径
|
||||
- 方法/机制：基于CMMI和DORA指标的成熟度评估框架
|
||||
- 结论/价值：提供持续改进的路线图，提升交付效率与可靠性
|
||||
|
||||
## Key Claims
|
||||
- DevOps成熟度评估可降低上市时间、提升运营效率
|
||||
- 成熟度分为多个级别，从初始阶段到高度优化自动化环境
|
||||
- 四大支柱：自动化、协作与文化、监控与可观测性、安全集成
|
||||
|
||||
## Key Quotes
|
||||
> "DevOps is a continuous improvement process, and even mature companies need to adapt to evolving technologies and practices."
|
||||
|
||||
## Key Concepts
|
||||
- [[DevOps成熟度模型]]：基于CMMI和DORA指标的评估框架，包含部署频率、变更前置时间、变更失败率、平均恢复时间
|
||||
- [[基础设施即代码]]：使用Terraform、Ansible等工具实现基础设施的版本控制和自动化配置
|
||||
- [[DevSecOps]]：将安全集成到DevOps生命周期中，通过自动化实现持续合规
|
||||
- [[云原生架构]]：采用微服务、容器化、无服务器技术加速交付
|
||||
|
||||
## Key Entities
|
||||
- [[CMMI]]：能力成熟度模型集成
|
||||
- [[DORA]]：DevOps研究与评估组织，提出四项核心指标
|
||||
- [[Terraform]]：基础设施即代码工具
|
||||
- [[Ansible]]：自动化配置管理工具
|
||||
- [[Prometheus]]：监控系统
|
||||
- [[Grafana]]：可视化监控系统
|
||||
|
||||
## Connections
|
||||
- [[DevOps成熟度模型]] ← uses ← [[CMMI]]
|
||||
- [[DevOps成熟度模型]] ← uses ← [[DORA]]
|
||||
- [[云原生架构]] ← enables ← [[CI/CD]]
|
||||
|
||||
## Contradictions
|
||||
- 无
|
||||
@@ -1,42 +0,0 @@
|
||||
---
|
||||
title: "Cloud Maturity Model - A Detailed Guide For Cloud Adoption"
|
||||
type: source
|
||||
tags: []
|
||||
date: 2026-04-14
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Cloud & DevOps/Cloud Maturity Model A Detailed Guide For Cloud Adoption.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：云成熟度模型(CMM)的5个级别及最佳实践
|
||||
- 问题域：企业云采用准备度评估、云迁移路径
|
||||
- 方法/机制：基于人员、流程、技术三维度评估云成熟度
|
||||
- 结论/价值：提供从初始阶段到优化阶段的渐进式云成熟度提升路径
|
||||
|
||||
## Key Claims
|
||||
- 云成熟度模型帮助企业在业务和技术维度评估云采用准备度
|
||||
- 5个成熟度级别：从无云准备到云原生优化
|
||||
- 云成熟度提升是持续改进过程，不能跳跃式发展
|
||||
|
||||
## Key Quotes
|
||||
> "Cloud Maturity Model helps organizations with cloud maturity assessment & readiness for cloud adoption from both business and technical perspectives."
|
||||
|
||||
## Key Concepts
|
||||
- [[云成熟度模型]]：五级评估框架，从等级0（遗留系统）到等级5（优化）
|
||||
- [[云采用框架]]：AWS CAF、Azure CAF、Google CAF等供应商特定框架
|
||||
- [[云治理]]：定义角色、职责和决策流程的结构化框架
|
||||
- [[FinOps]]：云财务运营，优化云支出
|
||||
|
||||
## Key Entities
|
||||
- [[Open Alliance for Cloud Adoption]]：提出云成熟度模型
|
||||
- [[AWS Cloud Adoption Framework]]：AWS云采用框架
|
||||
- [[Azure Cloud Adoption Framework]]：微软云采用框架
|
||||
- [[GCP]]：Google Cloud Platform
|
||||
|
||||
## Connections
|
||||
- [[云成熟度模型]] ← evaluates ← [[云采用框架]]
|
||||
- [[云治理]] ← enables ← [[FinOps]]
|
||||
|
||||
## Contradictions
|
||||
- 无
|
||||
@@ -1,43 +0,0 @@
|
||||
---
|
||||
title: "Cloud Operating Model - Key Strategies and Best Practices"
|
||||
type: source
|
||||
tags: []
|
||||
date: 2026-04-14
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Cloud & DevOps/Cloud Operating Model Key Strategies and Best Practices.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：云运营模型设计策略与最佳实践
|
||||
- 问题域：云治理、安全、成本优化、多云策略
|
||||
- 方法/机制：四大核心支柱——治理、自动化、安全、财务管理
|
||||
- 结论/价值：构建可扩展、安全、合规、经济的云运营体系
|
||||
|
||||
## Key Claims
|
||||
- 云运营模型是云投资有效管理的基础框架
|
||||
- 四大支柱必须对齐IT域与业务条件
|
||||
- 2025年89%企业将运营在云端
|
||||
|
||||
## Key Quotes
|
||||
> "A Cloud Operating Model guarantees orderliness and is the foundation upon which cloud investments can be managed effectively, securely, and sustainably."
|
||||
|
||||
## Key Concepts
|
||||
- [[云运营模型]]：标准化云资源管理、安全、成本控制的框架
|
||||
- [[Zero Trust安全模型]]：无隐式信任、持续验证的安全架构
|
||||
- [[基础设施即代码]]：使用Terraform等工具实现部署自动化
|
||||
- [[多云策略]]：跨AWS、Azure、GCP分布工作负载
|
||||
|
||||
## Key Entities
|
||||
- [[Terraform]]：基础设施即代码工具
|
||||
- [[AWS Cost Explorer]]：AWS成本管理工具
|
||||
- [[Azure Cost Management]]：Azure成本管理工具
|
||||
- [[FinOps]]：云财务运营
|
||||
|
||||
## Connections
|
||||
- [[云运营模型]] ← uses ← [[Zero Trust安全模型]]
|
||||
- [[云运营模型]] ← uses ← [[基础设施即代码]]
|
||||
- [[云运营模型]] ← uses ← [[FinOps]]
|
||||
|
||||
## Contradictions
|
||||
- 无
|
||||
@@ -1,38 +0,0 @@
|
||||
---
|
||||
title: "Cloud Service Delivery"
|
||||
type: source
|
||||
tags: [cloud, delivery, iass, paas, saas]
|
||||
date: 2025-03-02
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Cloud & DevOps/What I know about Cloud Service Delivery 1.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：云服务交付的完整生命周期管理
|
||||
- 问题域：如何将云技术能力转化为对用户有价值的服务
|
||||
- 方法/机制：云服务交付涵盖从基础设施到最终用户的全链路：IaaS/PaaS/SaaS → 可用、安全、高性能、价值
|
||||
- 结论/价值：云服务交付团队是连接云技术能力和业务价值的桥梁
|
||||
|
||||
## Key Claims
|
||||
- 云服务交付团队角色：Cloud Infrastructure Engineer、Cloud Operator、Cloud Architect、FinOps Engineer
|
||||
- 交付生命周期：基础设施层（IaaS）→ 平台层（PaaS）→ 软件层（SaaS）→ 对用户可用、安全、高性能、有价值
|
||||
- Cloud Service Delivery是云技术和用户实际消费服务之间的桥梁
|
||||
|
||||
## Key Concepts
|
||||
- [[云服务交付]]：将云能力转化为用户可用服务的完整生命周期
|
||||
- [[FinOps]]：云成本优化和财务管理
|
||||
- [[云架构师]]：负责云服务设计和交付的角色
|
||||
|
||||
## Key Entities
|
||||
- [[Cloud Infrastructure Engineer]]：云基础设施工程师
|
||||
- [[Cloud Operator]]：云运维工程师
|
||||
- [[Cloud Architect]]：云架构师
|
||||
- [[FinOps Engineer]]：云财务工程师
|
||||
|
||||
## Connections
|
||||
- [[云服务交付]] ← 核心主题 ← 云计算
|
||||
- [[FinOps]] ← 能力组件 ← 云服务交付
|
||||
|
||||
## Contradictions
|
||||
- 无明显冲突
|
||||
@@ -1,38 +0,0 @@
|
||||
---
|
||||
title: "Coze平台Demo合集"
|
||||
type: source
|
||||
tags: []
|
||||
date: 2025-06-29
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/AI/AI 解决方案专家培训课程.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：Coze平台(国内版+海外版)Agent与Workflow Demo合集
|
||||
- 问题域：AI Agent构建、工作流设计、多行业应用
|
||||
- 方法/机制：提供多个行业的Agent案例和Workflow模板
|
||||
- 结论/价值：覆盖金融、教育、医疗、电商、人力资源等多个行业的AI Agent解决方案
|
||||
|
||||
## Key Claims
|
||||
- 知乎财报解读、滴滴计费解答等垂直领域Agent
|
||||
- 表格问答、拍照搜视频等工具调用Agent
|
||||
- AutoGPT主Prompt等开发参考
|
||||
- 泛娱乐场景：AI证件照、换衣、视频生成等
|
||||
- 教育行业：知识库问答、组卷出题、知识点评估
|
||||
|
||||
## Key Concepts
|
||||
- [[垂直领域Agent]]：针对特定行业的AI助手
|
||||
- [[工作流自动化]]：Coze Workflow编排多Agent协作
|
||||
- [[工具调用]]：Function Call实现外部系统集成
|
||||
|
||||
## Key Entities
|
||||
- [[Coze]]：一站式AI Agent开发平台
|
||||
- [[CozeCN]]：Coze国内版
|
||||
- [[CozeCom]]：Coze海外版
|
||||
|
||||
## Connections
|
||||
- [[Coze]] ← hosts ← [[垂直领域Agent]]
|
||||
|
||||
## Contradictions
|
||||
- 无冲突
|
||||
@@ -1,33 +0,0 @@
|
||||
---
|
||||
title: "Cursor 2.0初学者使用指南"
|
||||
type: source
|
||||
tags: ['Cursor', 'AI']
|
||||
date: 2026-04-14
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[Vibe Coding/Cursor 2.0初学者使用指南.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：author: shenwei description: tags: [ai, cursor, ide, mcp]
|
||||
- 问题域：见原文。
|
||||
- 方法/机制：见原文。
|
||||
- 结论/价值：见原文。
|
||||
|
||||
## Key Claims
|
||||
- （见原文）
|
||||
|
||||
## Key Quotes
|
||||
> （见原文）
|
||||
|
||||
## Key Concepts
|
||||
- （见原文）
|
||||
|
||||
## Key Entities
|
||||
- （见原文）
|
||||
|
||||
## Connections
|
||||
- （见原文）
|
||||
|
||||
## Contradictions
|
||||
- （见原文）
|
||||
@@ -1,33 +0,0 @@
|
||||
---
|
||||
title: "Cursor 2.0初学者使用指南"
|
||||
type: source
|
||||
tags: [tutorial]
|
||||
date: 2025-12-30
|
||||
---
|
||||
|
||||
## 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代码编辑器使用教程
|
||||
- 问题域：如何高效使用AI辅助编程
|
||||
- 方法/机制：通过YouTube视频学习Cursor基本操作和AI功能
|
||||
- 结论/价值：Cursor是基于VS Code的AI代码编辑器，支持AI代码生成
|
||||
|
||||
## Key Claims
|
||||
- Cursor是基于VS Code的AI代码编辑器
|
||||
- 支持付费升级获取更多生成额度
|
||||
- AI代理可高效生成和审查代码
|
||||
|
||||
## Key Concepts
|
||||
- [[AI编程]]：使用AI辅助代码编写
|
||||
- [[IDE]]：集成开发环境
|
||||
|
||||
## Key Entities
|
||||
- [[Cursor]]：AI代码编辑器
|
||||
|
||||
## Connections
|
||||
- [[Cursor]] ← 基于 ← [[VS Code]]
|
||||
- [[AI编程]] ← 工具 ← [[Cursor]]
|
||||
|
||||
## Contradictions
|
||||
@@ -1,40 +0,0 @@
|
||||
---
|
||||
title: "Cursor 2.0初学者指南"
|
||||
type: source
|
||||
tags: []
|
||||
date: 2026-03-13
|
||||
---
|
||||
|
||||
## 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代码编辑器入门教程
|
||||
- 问题域：AI辅助编程、代码生成工作流
|
||||
- 方法/机制：通过规划模式、多代理并行、代码审查等功能实现AI驱动开发
|
||||
- 结论/价值：Cursor通过Composer模型和Agent模式让AI深度参与代码生成全过程
|
||||
|
||||
## Key Claims
|
||||
- Cursor基于VS Code，集成了AI代码生成能力，支持Plan/Agent/Ask三种代理模式
|
||||
- Composer模型主打生成速度，比同类模型快4倍
|
||||
- 多代理功能可并行运行不同任务，互不干扰
|
||||
- Diff视图支持代码审查，支持逐个文件或整体接收
|
||||
- 项目规则可自定义AI行为规范
|
||||
|
||||
## Key Concepts
|
||||
- [[AI代理模式]]：Plan规划、Agent执行、Ask咨询三种模式
|
||||
- [[代码审查]]：Diff视图对比AI改动
|
||||
- [[多代理并行]]：多个代理同时处理不同任务
|
||||
- [[版本控制]]：Git结合AI实现代码管理
|
||||
|
||||
## Key Entities
|
||||
- [[Cursor]]：AI增强代码编辑器
|
||||
- [[Composer]]：Cursor自研AI模型
|
||||
- [[MCP]]：Model Context Protocol外部工具集成
|
||||
|
||||
## Connections
|
||||
- [[Cursor]] ← powers ← [[AI代理模式]]
|
||||
- [[Cursor]] ← integrates_with ← [[MCP]]
|
||||
|
||||
## Contradictions
|
||||
- 无冲突
|
||||
@@ -1,39 +0,0 @@
|
||||
---
|
||||
title: "Cursor 2.0初学者使用指南"
|
||||
type: source
|
||||
tags: [Cursor, AI IDE, AI编程]
|
||||
date: 2025-03-17
|
||||
---
|
||||
|
||||
## 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代码编辑器完整教程
|
||||
- 问题域：AI辅助编程、多代理并行、代码审查
|
||||
- 方法/机制：Plan模式规划 → Agent执行 → Diff审查 → Git版本控制
|
||||
- 结论/价值：AI代码生成即写入文件，需先测试再确认保存
|
||||
|
||||
## Key Claims
|
||||
- Cursor基于VS Code，集成AI模型Composer（比类似模型快4倍）
|
||||
- 代理模式：Plan（规划）、Agent（执行）、Ask（咨询仅回答不修改）
|
||||
- 代码生成即写入文件，未点撤销前持续保留，需先测试再确认
|
||||
- 多代理并行：不同任务创建不同代理避免上下文混乱
|
||||
- Diff视图：查看AI改动逐个审查或整体接收
|
||||
- 项目规则：可设定AI自动生成文档注释等规范
|
||||
- MCP服务器：集成外部工具和API
|
||||
|
||||
## Key Concepts
|
||||
- [[AI代码编辑器]]：Cursor 2.0
|
||||
- [[多代理并行]]：不同任务用不同代理
|
||||
- [[代码审查Diff]]：AI改动的逐个审查
|
||||
|
||||
## Key Entities
|
||||
- [[Cursor]]：AI增强代码编辑器
|
||||
- [[MCP]]：Model Context Protocol外部工具集成
|
||||
|
||||
## Connections
|
||||
- [[Cursor-2.0初学者使用指南]] ← documents [[AI代码编辑器]]
|
||||
|
||||
## Contradictions
|
||||
- 无冲突
|
||||
@@ -1,31 +0,0 @@
|
||||
---
|
||||
title: "Dataview插件使用指南"
|
||||
type: source
|
||||
tags: [tutorial]
|
||||
date: 2025-12-18
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Others/Dataview——让我从"笔记黑洞"里逃出来的 Obsidian 神器 1.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：Obsidian Dataview插件介绍
|
||||
- 问题域：如何从笔记中提取和分析数据
|
||||
- 方法/机制：使用Dataview进行元数据查询和数据驱动笔记
|
||||
- 结论/价值：Dataview是Obsidian知识管理的核心插件
|
||||
|
||||
## Key Claims
|
||||
- Dataview可从笔记中提取元数据进行查询
|
||||
- 支持数据视图和内联字段
|
||||
|
||||
## Key Concepts
|
||||
- [[Dataview]]：Obsidian的元数据查询插件
|
||||
- [[数据驱动笔记]]：基于数据查询的笔记方法
|
||||
|
||||
## Key Entities
|
||||
- [[Obsidian]]：笔记应用
|
||||
|
||||
## Connections
|
||||
- [[Obsidian]] ← 扩展 ← [[Dataview]]
|
||||
|
||||
## Contradictions
|
||||
@@ -1,33 +0,0 @@
|
||||
---
|
||||
title: "Dataview——让我从“笔记黑洞”里逃出来的 Obsidian 神器 1"
|
||||
type: source
|
||||
tags: ['Obsidian']
|
||||
date: 2025-12-18
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[Others/Dataview——让我从“笔记黑洞”里逃出来的 Obsidian 神器 1.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：title: Dataview——让我从“笔记黑洞”里逃出来的 Obsidian 神器 source: https://mp.weixin.qq.com/s?__biz=MzI3NzcwOTY4MQ==&mid=2247486990&idx=1&sn=9e9a06297e8533d1b33ccfd34cd27da2&scene=21&poc_token=HK31Q2mjfulxj6Qg77YFy2
|
||||
- 问题域：见原文。
|
||||
- 方法/机制：见原文。
|
||||
- 结论/价值：见原文。
|
||||
|
||||
## Key Claims
|
||||
- （见原文）
|
||||
|
||||
## Key Quotes
|
||||
> （见原文）
|
||||
|
||||
## Key Concepts
|
||||
- （见原文）
|
||||
|
||||
## Key Entities
|
||||
- （见原文）
|
||||
|
||||
## Connections
|
||||
- （见原文）
|
||||
|
||||
## Contradictions
|
||||
- （见原文）
|
||||
@@ -1,41 +0,0 @@
|
||||
---
|
||||
title: "DeepSeek使用手册清华版"
|
||||
type: source
|
||||
tags: [deepseek, prompting, 提示词, 教程, 清华]
|
||||
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：清华大学《DeepSeek从入门到精通2025》——104页全面指南
|
||||
- 问题域：如何科学地使用DeepSeek，包括模型选择、提示词设计、避免常见误区
|
||||
- 方法/机制：理论+实践结合，不仅告诉你怎么问，更告诉你为什么这么问
|
||||
- 结论/价值：这是"授人以渔"的真正指南——揭示提示词的底层逻辑而非表面技巧
|
||||
|
||||
## Key Claims
|
||||
- DeepSeek是专注AGI的中国科技公司，开源的DeepSeek-R1在复杂任务处理方面表现卓越
|
||||
- 手册内容覆盖：DeepSeek技术特点、应用场景、使用方法、如何通过提示语设计提升AI使用效率
|
||||
- 核心特点：不是简单将GPT说明书改个名字用于DeepSeek，而是深入讲解原理
|
||||
- 实用性高：提供的示例和策略可直接应用于实际工作场景
|
||||
|
||||
## Key Quotes
|
||||
> "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。它不只是告诉你怎么提问，还会告诉你为啥要这么问，这不就是教你怎么掌握提示词的底层逻辑嘛" — 文章评论
|
||||
|
||||
## Key Concepts
|
||||
- [[DeepSeek]]：专注AGI的中国AI公司
|
||||
- [[DeepSeek-R1]]：开源推理模型，处理复杂任务表现出色
|
||||
- [[提示词底层逻辑]]：不仅知道怎么问，更理解为什么这么问有效
|
||||
|
||||
## Key Entities
|
||||
- [[DeepSeek]]：AI公司
|
||||
- [[清华大学]]：手册发布机构
|
||||
- [[余梦珑博士后]]：手册作者
|
||||
|
||||
## Connections
|
||||
- [[DeepSeek-R1]] ← 核心模型 ← DeepSeek
|
||||
- [[提示词底层逻辑]] ← 手册核心价值 ← DeepSeek应用
|
||||
|
||||
## Contradictions
|
||||
- 与其他"说明书"式教程对比：传统教程只改模型名称不改内容；本手册深入讲解原理和底层逻辑
|
||||
@@ -1,43 +0,0 @@
|
||||
---
|
||||
title: "Designing for Agentic AI"
|
||||
type: source
|
||||
tags: ['AgenticAI', 'AI产品设计', '交互设计', '透明性', '控制权']
|
||||
date: 2025-02-27
|
||||
source: https://www.linkedin.com/pulse/designing-agentic-ai-yuri-pessa-ztcmf/
|
||||
author: Yuri Pessa
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/AI/Designing for Agentic AI.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：Agentic AI（能动性 AI）的产品设计原则，对比 GenAI 与 Agentic AI 的核心差异
|
||||
- 问题域：传统 UI 范式（点击/滑动）无法满足 Agentic AI 的主动性和自主决策特性，需要全新设计范式
|
||||
- 方法/机制：5大设计原则——透明性（Transparency）、控制权（Control）、个性化（Personalization）、对话（Conversation）、预见（Anticipation）
|
||||
- 结论/价值：Agentic AI 重新定义用户与 AI 的关系，用户从"主动操作者"变为"监督者/评估者"，设计师需要构建实时反馈机制
|
||||
|
||||
## Key Claims
|
||||
- GenAI 擅长生成内容（文本/图像/音乐），Agentic AI 擅长行动（交互环境、决策、预见需求）
|
||||
- Agentic AI 核心转变：用户界面从"响应用户输入"转向"实时反馈 AI 运作过程"
|
||||
- 用户观看 AI 决策过程本身即是一种交互形式——观察、理解、评估、干预
|
||||
- 5大设计原则：透明性（可视化进展+推理摘要）、控制权（停止/撤销+行为偏好设置）、个性化（行为预测+反馈机制）、对话（自然语言交互+输入理解反馈）、预见（主动建议+自主性层级调节）
|
||||
- Agentic AI 的自主性需要用户能够调节：低（辅助建议）→ 高（完全自主执行）
|
||||
|
||||
## Key Concepts
|
||||
- [[AgenticAI]]：AI 不仅生成内容，而是能够主动行动、决策、预见用户需求的 AI 系统
|
||||
- [[透明性设计]]：让用户理解 AI 决策过程的设计原则，可视化 AI 进展和推理路径
|
||||
- [[控制权设计]]：用户始终保持对 AI 的控制，提供停止、撤销、偏好设置等机制
|
||||
- [[AI自主性层级]]：用户可调节 AI 从"仅建议"到"完全自主执行"的连续区间
|
||||
- [[主动交互]]：AI 主动预见需求并提供帮助，而非被动等待用户指令
|
||||
|
||||
## Key Entities
|
||||
- [[Yuri Pessa]]：LinkedIn 作者，AI 产品设计研究者
|
||||
|
||||
## Connections
|
||||
- [[AgenticAI]] ← extends ← [[GenAI]]
|
||||
- [[透明性设计]] ← is_design_principle_of ← [[AgenticAI]]
|
||||
- [[控制权设计]] ← is_design_principle_of ← [[AgenticAI]]
|
||||
- [[AI自主性层级]] ← is_mechanism_of ← [[AgenticAI]]
|
||||
|
||||
## Contradictions
|
||||
- （无已知冲突）
|
||||
@@ -1,33 +0,0 @@
|
||||
---
|
||||
title: "DevOps Culture and Transformation Fostering Collaboration, Agile Practices, and Innovation LinkedIn"
|
||||
type: source
|
||||
tags: ['Docker', '监控', 'GitHub', 'AI']
|
||||
date: 2001-02-27
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[Cloud & DevOps/DevOps Culture and Transformation Fostering Collaboration, Agile Practices, and Innovation LinkedIn.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：title: DevOps Culture and Transformation: Fostering Collaboration, Agile Practices, and Innovation | LinkedIn source: https://www.linkedin.com/pulse/devops-culture-transformation-fostering-collaborati
|
||||
- 问题域：见原文。
|
||||
- 方法/机制：见原文。
|
||||
- 结论/价值：见原文。
|
||||
|
||||
## Key Claims
|
||||
- （见原文）
|
||||
|
||||
## Key Quotes
|
||||
> （见原文）
|
||||
|
||||
## Key Concepts
|
||||
- （见原文）
|
||||
|
||||
## Key Entities
|
||||
- （见原文）
|
||||
|
||||
## Connections
|
||||
- （见原文）
|
||||
|
||||
## Contradictions
|
||||
- （见原文）
|
||||
@@ -1,44 +0,0 @@
|
||||
---
|
||||
title: "DevOps Culture and Transformation"
|
||||
type: source
|
||||
tags: []
|
||||
date: 2026-04-14
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Cloud & DevOps/DevOps Culture and Transformation Fostering Collaboration, Agile Practices, and Innovation LinkedIn.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：DevOps文化转型与协作实践
|
||||
- 问题域：打破部门墙、加速交付、驱动创新
|
||||
- 方法/机制：四大支柱——协作、自动化、持续改进、客户导向
|
||||
- 结论/价值：构建持续交付和创新的组织文化
|
||||
|
||||
## Key Claims
|
||||
- DevOps不仅是工具，更是一种文化转变
|
||||
- 跨职能团队共享整个软件生命周期的所有权
|
||||
- CI/CD将反馈周期从数周缩短到数分钟
|
||||
|
||||
## Key Quotes
|
||||
> "DevOps isn't just about tools or automation; it's a mindset shift that prioritizes collaboration, continuous learning, and customer-centricity."
|
||||
|
||||
## Key Concepts
|
||||
- [[DevOps文化]]：打破开发与运维壁垒的协作文化
|
||||
- [[CI/CD]]：持续集成/持续交付流水线
|
||||
- [[基础设施即代码]]：版本控制的环境配置
|
||||
- [[GitOps]]：使用Git作为唯一真实来源的基础设施管理
|
||||
- [[DevSecOps]]：将安全集成到DevOps工作流
|
||||
|
||||
## Key Entities
|
||||
- [[Jenkins]]：CI/CD工具
|
||||
- [[GitLab CI]]：GitLab持续集成
|
||||
- [[GitHub Actions]]：GitHub自动化工作流
|
||||
- [[Prometheus]]：监控系统
|
||||
- [[Grafana]]：可视化监控
|
||||
|
||||
## Connections
|
||||
- [[DevOps文化]] ← enables ← [[CI/CD]]
|
||||
- [[DevOps文化]] ← integrates ← [[DevSecOps]]
|
||||
|
||||
## Contradictions
|
||||
- 无
|
||||
@@ -1,44 +0,0 @@
|
||||
---
|
||||
title: "DevOps Culture and Transformation"
|
||||
type: source
|
||||
tags: []
|
||||
date: 2026-04-14
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Cloud & DevOps/DevOps Culture and Transformation Fostering Collaboration, Agile Practices, and Innovation LinkedIn.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：DevOps文化转型与协作实践
|
||||
- 问题域：打破部门墙、加速交付、驱动创新
|
||||
- 方法/机制：四大支柱——协作、自动化、持续改进、客户导向
|
||||
- 结论/价值：构建持续交付和创新的组织文化
|
||||
|
||||
## Key Claims
|
||||
- DevOps不仅是工具，更是一种文化转变
|
||||
- 跨职能团队共享整个软件生命周期的所有权
|
||||
- CI/CD将反馈周期从数周缩短到数分钟
|
||||
|
||||
## Key Quotes
|
||||
> "DevOps isn’t just about tools or automation; it’s a mindset shift that prioritizes collaboration, continuous learning, and customer-centricity."
|
||||
|
||||
## Key Concepts
|
||||
- [[DevOps文化]]：打破开发与运维壁垒的协作文化
|
||||
- [[CI/CD]]：持续集成/持续交付流水线
|
||||
- [[基础设施即代码]]：版本控制的环境配置
|
||||
- [[GitOps]]：使用Git作为唯一真实来源的基础设施管理
|
||||
- [[DevSecOps]]：将安全集成到DevOps工作流
|
||||
|
||||
## Key Entities
|
||||
- [[Jenkins]]：CI/CD工具
|
||||
- [[GitLab CI]]：GitLab持续集成
|
||||
- [[GitHub Actions]]：GitHub自动化工作流
|
||||
- [[Prometheus]]：监控系统
|
||||
- [[Grafana]]：可视化监控
|
||||
|
||||
## Connections
|
||||
- [[DevOps文化]] ← enables ← [[CI/CD]]
|
||||
- [[DevOps文化]] ← integrates ← [[DevSecOps]]
|
||||
|
||||
## Contradictions
|
||||
- 无
|
||||
@@ -1,42 +0,0 @@
|
||||
---
|
||||
title: "DevOps Maturity Model - From Traditional IT to Advanced DevOps"
|
||||
type: source
|
||||
tags: []
|
||||
date: 2026-04-14
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Cloud & DevOps/DevOps Maturity Model From Traditional IT to Advanced DevOps.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：DevOps成熟度模型的5个阶段
|
||||
- 问题域：从传统IT到高级DevOps的转型路径
|
||||
- 方法/机制：文化、自动化、结构、协作、技术五维度评估
|
||||
- 结论/价值：实现持续部署和高频交付
|
||||
|
||||
## Key Claims
|
||||
- DevOps成熟度模型帮助组织评估当前实践并识别改进领域
|
||||
- 5个阶段从初始/adhoc到完全成熟
|
||||
- 关键指标包括部署频率、MTTR、变更失败率
|
||||
|
||||
## Key Quotes
|
||||
> "The DevOps maturity model is a structured framework that guides organizations through adopting and implementing DevOps principles."
|
||||
|
||||
## Key Concepts
|
||||
- [[DevOps成熟度模型]]：五阶段评估框架
|
||||
- [[CI/CD]]：持续集成/持续交付
|
||||
- [[DevSecOps]]：将安全集成到DevOps
|
||||
- [[MTTR]]：平均恢复时间
|
||||
- [[Lead Time]]：代码提交到部署的时间
|
||||
|
||||
## Key Entities
|
||||
- [[Kubernetes]]：容器编排平台
|
||||
- [[Docker]]：容器化工具
|
||||
- [[Terraform]]：基础设施即代码
|
||||
|
||||
## Connections
|
||||
- [[DevOps成熟度模型]] ← includes ← [[CI/CD]]
|
||||
- [[DevOps成熟度模型]] ← integrates ← [[DevSecOps]]
|
||||
|
||||
## Contradictions
|
||||
- 无
|
||||
@@ -1,43 +0,0 @@
|
||||
---
|
||||
title: "DevOps Culture and Transformation: Fostering Collaboration, Agile Practices, and Innovation"
|
||||
type: source
|
||||
tags: [devops, agile, transformation, collaboration]
|
||||
date: 2025-03-02
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Cloud & DevOps/DevOps Culture and Transformation Fostering Collaboration, Agile Practices, and Innovation LinkedIn.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：DevOps 文化与转型——打破孤岛、实现协作与创新
|
||||
- 问题域：企业 DevOps 转型方法论
|
||||
- 方法/机制：协作优先、自动化、持续改进、客户中心四大支柱
|
||||
- 结论/价值：DevOps 是文化与运营的变革，不仅仅是工具和自动化
|
||||
|
||||
## Key Claims
|
||||
- DevOps 四大支柱：协作优先、自动化即赋能者、持续改进（Kaizen）、客户中心
|
||||
- CI/CD 是 Agile 的加速器，将反馈周期从数周缩短到数分钟
|
||||
- DevSecOps 将安全工具（SonarQube、Snyk）集成到流水线
|
||||
- 混沌工程主动测试系统韧性
|
||||
- 未来趋势：AI/ML in DevOps、GitOps、Serverless DevOps、Edge Computing DevOps、DevSecOps
|
||||
|
||||
## Key Quotes
|
||||
> "DevOps isn't just about tools or automation; it's a mindset shift that prioritizes collaboration, continuous learning, and customer-centricity" — DevOps 的核心本质
|
||||
|
||||
## Key Concepts
|
||||
- [[DevOps]]：文化与运营变革，打通开发与运维
|
||||
- [[CI/CD]]：持续集成/持续部署流水线
|
||||
- [[DevSecOps]]：在 DevOps 中集成安全
|
||||
- [[GitOps]]：用 Git 作为唯一真实源管理基础设施和部署
|
||||
- [[Kaizen]]：持续改进
|
||||
- [[IaC]]：基础设施即代码
|
||||
|
||||
## Key Entities
|
||||
- [[DevOps]]：方法论框架
|
||||
|
||||
## Connections
|
||||
- [[DevOps]] ← includes ← [[Agile]]
|
||||
- [[DevOps]] ← includes ← [[DevSecOps]]
|
||||
|
||||
## Contradictions
|
||||
- 无
|
||||
@@ -1,36 +0,0 @@
|
||||
---
|
||||
title: "DevOps Culture and Transformation"
|
||||
type: source
|
||||
tags: [DevOps, 文化, 转型]
|
||||
date: 2025-03-02
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Cloud & DevOps/DevOps Culture and Transformation Fostering Collaboration, Agile Practices, and Innovation LinkedIn.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：DevOps文化与转型框架——打破孤岛、加速交付、推动创新
|
||||
- 问题域：如何建立DevOps文化，实现从传统IT到敏捷运营的转型
|
||||
- 方法/机制：四大支柱（协作、自动化、持续改进、客户导向）+ Agile集成 + 战略执行手册
|
||||
- 结论/价值：DevOps不仅是工具更是思维转变，需要领导层支持和团队再技能
|
||||
|
||||
## Key Claims
|
||||
- 四大支柱：协作（跨职能团队）、自动化（CI/CD、IaC、监控）、持续改进（无责复盘、Kaizen）、客户导向（Feature Flagging、A/B测试）
|
||||
- Agile集成：Scrum/Kanban工作流、Shift-Left实践（DevSecOps、性能测试）、价值流映射
|
||||
- 转型战略：领导层支持→明确目标→团队再技能→试点项目→逐步扩展→克服阻力
|
||||
- 未来趋势：AI/ML in DevOps、GitOps、Serverless DevOps、Edge IoT DevOps、DevSecOps
|
||||
|
||||
## Key Concepts
|
||||
- [[DevOps文化]]：跨职能协作、自动化、持续改进、客户导向
|
||||
- [[CI/CD]]：持续集成/持续交付
|
||||
- [[IaC]]：基础设施即代码
|
||||
- [[Shift-Left]]：将运营问题左移到开发阶段解决
|
||||
|
||||
## Key Entities
|
||||
- [[DevOps]]：开发与运维协作的文化和实践框架
|
||||
|
||||
## Connections
|
||||
- [[DevOps-Culture-and-Transformation]] ← documents ← [[DevOps文化]]
|
||||
|
||||
## Contradictions
|
||||
- 无冲突
|
||||
@@ -1,41 +0,0 @@
|
||||
---
|
||||
title: "DevOps Culture and Transformation"
|
||||
type: source
|
||||
tags: [devops, culture, agile, 运维, 组织]
|
||||
date: 2001-02-27
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Cloud & DevOps/DevOps Culture and Transformation Fostering Collaboration, Agile Practices, and Innovation LinkedIn.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：DevOps文化与转型——弥合开发和运维之间的鸿沟
|
||||
- 问题域：传统组织中开发和运维的分离导致软件交付效率低下
|
||||
- 方法/机制：文化转型 + 敏捷实践 + 自动化工具 + 持续集成/持续部署（CI/CD）
|
||||
- 结论/价值：DevOps不仅是技术变革，更是文化和组织结构的深刻变革
|
||||
|
||||
## Key Claims
|
||||
- DevOps核心是弥合Dev（开发）和Ops（运维）之间的文化和沟通鸿沟
|
||||
- 传统分离导致：开发追求新功能速度，运维追求系统稳定性，两者天然对立
|
||||
- DevOps文化特征：共享责任、协作沟通、持续改进
|
||||
- 关键实践：自动化一切、持续集成、持续交付、监控反馈、协作工具
|
||||
|
||||
## Key Quotes
|
||||
> "DevOps is a cultural and operational revolution that bridges development (Dev) and operations (Ops)" — Hemant Sawant/LinkedIn
|
||||
|
||||
## Key Concepts
|
||||
- [[DevOps]]：弥合开发和运维鸿沟的文化和技术实践
|
||||
- [[持续集成CI]]：频繁集成代码变更到共享仓库
|
||||
- [[持续交付CD]]：代码变更自动经过测试和部署准备
|
||||
- [[SRE]]：站点可靠性工程，DevOps的Google实现
|
||||
|
||||
## Key Entities
|
||||
|
||||
## Connections
|
||||
- [[DevOps]] ← 核心主题 ← 文化转型
|
||||
- [[持续集成CI]] ← 技术实践 ← DevOps
|
||||
- [[持续交付CD]] ← 技术实践 ← DevOps
|
||||
- [[SRE]] ← Google实现 ← DevOps
|
||||
|
||||
## Contradictions
|
||||
- 与传统"手递手"交付对比：传统模式开发和运维分离，DevOps强调共享责任和自动化
|
||||
@@ -1,35 +0,0 @@
|
||||
---
|
||||
title: "Docker安装Apache Superset"
|
||||
type: source
|
||||
tags: [Superset, Docker, BI, MySQL]
|
||||
date: 2025-03-14
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Home Office/用Docker安装Apache Superset.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：Docker方式安装Apache Superset BI平台
|
||||
- 问题域：快速部署Superset做数据可视化
|
||||
- 方法/机制：docker pull → docker run → fab create-admin → db upgrade → load_examples → init
|
||||
- 结论/价值：Superset安装的最小命令集
|
||||
|
||||
## Key Claims
|
||||
- 拉取镜像：docker pull apache/superset:GHA-19524015706
|
||||
- 运行容器：docker run -d -p 8777:8088 -e "SUPERSET_SECRET_KEY=mysuperset" --name superset apache/superset:GHA-19524015706
|
||||
- 创建管理员：docker exec -it superset superset fab create-admin --username admin --firstname Superset --lastname Admin --email admin@superset.com --password admin
|
||||
- 初始化：docker exec -it superset superset db upgrade && docker exec -it superset superset load_examples && docker exec -it superset superset init
|
||||
- 访问地址：http://192.168.3.47:8777/
|
||||
|
||||
## Key Concepts
|
||||
- [[ApacheSuperset]]：开源BI和数据可视化平台
|
||||
|
||||
## Key Entities
|
||||
- [[Superset]]：Apache开源BI工具
|
||||
- [[Docker]]：容器化平台
|
||||
|
||||
## Connections
|
||||
- [[Docker安装Apache-Superset]] ← documents ← [[ApacheSuperset]]
|
||||
|
||||
## Contradictions
|
||||
- 无冲突
|
||||
@@ -1,37 +0,0 @@
|
||||
---
|
||||
title: "Docker容器与Volume清理"
|
||||
type: source
|
||||
tags: [Docker, Portainer, Volume, 清理]
|
||||
date: 2025-03-14
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Home Office/如何删除旧的废弃的docker container +volume.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：清理旧的Docker容器、Volume和网络
|
||||
- 问题域：Portainer升级后旧容器/Volume残留导致警告
|
||||
- 方法/机制：docker stop/rm删除容器，docker volume rm删除卷，docker network rm删除网络
|
||||
- 结论/价值：干净的重装流程——stop+rm+volume rm+compose up
|
||||
|
||||
## Key Claims
|
||||
- 查看容器：docker ps -a | grep portainer
|
||||
- 停止容器：docker stop portainer
|
||||
- 删除容器：docker rm portainer或docker rm -f portainer
|
||||
- 查看Volume：docker volume ls | grep portainer
|
||||
- 删除Volume：docker volume rm portainer_data
|
||||
- 删除Network：docker network rm portainer_network
|
||||
- 完整重装：docker stop && docker rm && docker volume rm && docker network rm && docker compose up -d
|
||||
|
||||
## Key Concepts
|
||||
- [[Docker清理]]：容器/Volume/Network的删除流程
|
||||
|
||||
## Key Entities
|
||||
- [[Docker]]：容器化平台
|
||||
- [[Portainer]]：Docker管理UI
|
||||
|
||||
## Connections
|
||||
- [[Docker容器与Volume清理]] ← documents ← [[Docker清理]]
|
||||
|
||||
## Contradictions
|
||||
- 无冲突
|
||||
@@ -1,35 +0,0 @@
|
||||
---
|
||||
title: "Docker镜像传输与导入"
|
||||
type: source
|
||||
tags: [Docker, NAS, Synology, 镜像传输]
|
||||
date: 2025-03-06
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Home Office/如何传输Docker images 并且在另一个Docker安装.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：Docker镜像在设备间传输并导入（以笔记本到Synology NAS为例）
|
||||
- 问题域：NAS无法直接从Docker Hub拉取镜像
|
||||
- 方法/机制：docker pull → docker save → 上传tar → docker load
|
||||
- 结论/价值：完整的离线镜像迁移方案
|
||||
|
||||
## Key Claims
|
||||
- 拉取镜像：docker pull xiaoyaliu/alist
|
||||
- 打包tar：docker save -o xiaoya.tar xiaoyaliu/alist
|
||||
- 上传到NAS文件系统
|
||||
- 导入NAS：docker load < xiaoya.tar
|
||||
- 验证：NAS Container Manager的Image里查看
|
||||
|
||||
## Key Concepts
|
||||
- [[Docker镜像迁移]]：通过tar文件离线传输Docker镜像
|
||||
|
||||
## Key Entities
|
||||
- [[Docker]]：容器化平台
|
||||
- [[SynologyNAS]]：镜像导入目标
|
||||
|
||||
## Connections
|
||||
- [[Docker镜像传输与导入]] ← documents ← [[Docker镜像迁移]]
|
||||
|
||||
## Contradictions
|
||||
- 无冲突
|
||||
@@ -1,33 +0,0 @@
|
||||
---
|
||||
title: "输出: /opt/homebrew/bin/gog"
|
||||
type: source
|
||||
tags: ['GitHub']
|
||||
date: 2026-03-24
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[Skills/GOG-CLI-安装配置指南.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：title: 输出: /opt/homebrew/bin/gog author: shenwei description:
|
||||
- 问题域：见原文。
|
||||
- 方法/机制：见原文。
|
||||
- 结论/价值：见原文。
|
||||
|
||||
## Key Claims
|
||||
- （见原文）
|
||||
|
||||
## Key Quotes
|
||||
> （见原文）
|
||||
|
||||
## Key Concepts
|
||||
- （见原文）
|
||||
|
||||
## Key Entities
|
||||
- （见原文）
|
||||
|
||||
## Connections
|
||||
- （见原文）
|
||||
|
||||
## Contradictions
|
||||
- （见原文）
|
||||
@@ -1,33 +0,0 @@
|
||||
---
|
||||
title: "GOG CLI安装配置指南"
|
||||
type: source
|
||||
tags: [tutorial]
|
||||
date: 2025-12-20
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Skills/GOG-CLI-安装配置指南.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：gog CLI安装和配置
|
||||
- 问题域：如何在macOS上通过命令行管理Google Workspace
|
||||
- 方法/机制：使用Homebrew安装，配置OAuth凭证
|
||||
- 结论/价值：实现Gmail、Calendar、Drive等Google服务的命令行管理
|
||||
|
||||
## Key Claims
|
||||
- gog CLI可通过Homebrew安装
|
||||
- 需要在Google Cloud Console创建OAuth客户端ID
|
||||
- 支持管理Gmail、Google Calendar、Google Drive等
|
||||
|
||||
## Key Concepts
|
||||
- [[Google Workspace]]：Google云办公套件
|
||||
- [[OAuth]]：授权标准协议
|
||||
|
||||
## Key Entities
|
||||
- [[gog CLI]]：Google Workspace命令行工具
|
||||
|
||||
## Connections
|
||||
- [[gog CLI]] ← 管理 ← [[Google Workspace]]
|
||||
- [[OAuth]] ← 认证 ← [[Google Cloud Console]]
|
||||
|
||||
## Contradictions
|
||||
@@ -1,38 +0,0 @@
|
||||
---
|
||||
title: "GOG CLI安装配置指南"
|
||||
type: source
|
||||
tags: [gog, Google Workspace, CLI, macOS]
|
||||
date: 2026-03-15
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Skills/GOG-CLI-安装配置指南.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：macOS安装配置gog CLI管理Google Workspace
|
||||
- 问题域：Gmail/Calendar/Drive/Contacts/Docs/Sheets命令行管理
|
||||
- 方法/机制：Homebrew安装 → OAuth凭证配置 → API启用 → 代理访问
|
||||
- 结论/价值：完整的gog CLI配置手册，需要代理才能直连Google API
|
||||
|
||||
## Key Claims
|
||||
- 安装：brew install steipete/tap/gogcli
|
||||
- 凭证：Google Cloud Console创建OAuth客户端ID，下载credentials.json到~/Library/Application Support/gogcli/
|
||||
- 测试用户：Google Cloud添加测试用户ishenwei@gmail.com避免"应用未经Google验证"错误
|
||||
- API启用：Gmail API等需要在Google Cloud Console手动Enable
|
||||
- 代理：必须设置HTTPS_PROXY=socks5h://127.0.0.1:10808
|
||||
- 默认账号：export GOG_ACCOUNT=ishenwei@gmail.com
|
||||
|
||||
## Key Concepts
|
||||
- [[GoogleWorkspaceCLI]]：gog命令行工具
|
||||
- [[OAuth认证]]：Google API身份验证
|
||||
- [[代理配置]]：gog必须走代理
|
||||
|
||||
## Key Entities
|
||||
- [[gog]]：Google Workspace CLI工具
|
||||
- [[Google]]：Gmail/Calendar/Drive等Google服务
|
||||
|
||||
## Connections
|
||||
- [[GOG-CLI安装配置指南]] ← documents [[GoogleWorkspaceCLI]]
|
||||
|
||||
## Contradictions
|
||||
- 无冲突
|
||||
@@ -1,36 +0,0 @@
|
||||
---
|
||||
title: "GOG CLI配置"
|
||||
type: source
|
||||
tags: []
|
||||
date: 2026-03-15
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Skills/GOG-CLI-安装配置指南.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：gog CLI安装配置完整指南
|
||||
- 问题域：Google Workspace命令行管理
|
||||
- 方法/机制：通过Homebrew安装、OAuth授权、Google Cloud Console配置API
|
||||
- 结论/价值：实现Gmail、Google Calendar、Google Drive、Google Contacts、Google Docs/Sheets的命令行管理
|
||||
|
||||
## Key Claims
|
||||
- gog CLI通过Homebrew安装后需配置OAuth凭证才能使用
|
||||
- Google API调用需同时满足OAuth授权和API Enablement两层条件
|
||||
- 需要在Google Cloud Console添加测试用户绕过"此应用未经Google验证"限制
|
||||
- 每个Google API服务需单独启用（如Gmail API、Drive API等）
|
||||
|
||||
## Key Concepts
|
||||
- [[OAuth授权]]：Google身份认证流程
|
||||
- [[GoogleWorkspace]]：Gmail、Calendar、Drive等企业级Google服务套件
|
||||
- [[CLI工具]]：命令行界面工具实现自动化
|
||||
|
||||
## Key Entities
|
||||
- [[gogCLI]]：Google Workspace CLI工具
|
||||
- [[GoogleCloudConsole]]：Google API管理平台
|
||||
|
||||
## Connections
|
||||
- [[GoogleWorkspace]] ← managed_by ← [[gogCLI]]
|
||||
|
||||
## Contradictions
|
||||
- 无冲突
|
||||
@@ -1,42 +0,0 @@
|
||||
---
|
||||
title: "我用 Gemini 3 一口气做了 10 个应用"
|
||||
type: source
|
||||
tags: [gemini, 应用构建, 提示词工程, ai]
|
||||
date: 2025-12-18
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/AI/我用 Gemini 3 一口气做了 10 个应用，附教程.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：使用Gemini 3快速构建10种AI应用的实战经验
|
||||
- 问题域：如何通过结构化提示词和约束模型思维快速将想法转化为可用的AI应用
|
||||
- 方法/机制：思考输入场景 → 约束模型思考（提示词+MCP）→ 设计输出容器（前端SVG/HTML）
|
||||
- 结论/价值：Gemini的应用构建遵循"输入约束→结构化扩展→可视化容器"三步法
|
||||
|
||||
## Key Claims
|
||||
- 蝴蝶生命周期SVG可视化卡片：AI输出SVG语言实现数据可视化展示
|
||||
- 配色卡片生成：输入"莫奈"获取主题色卡及名称解释
|
||||
- 电影海报制作：通过提示词约束大模型结构化输出信息（片名、简介、上映时间、导演）
|
||||
- 绘画思维导图：AI根据关键词脑暴相关词汇，用户选择后生成图片
|
||||
- 核心方法论：①思考输入场景 ②约束模型思考 ③设计输出容器
|
||||
|
||||
## Key Quotes
|
||||
> "整体思路：思考输入场景 → 约束模型的思考（利用提示词、MCP）→ 设计输出的容器（使用前端代码，可视化模型输出）" — 空格的键盘
|
||||
|
||||
## Key Concepts
|
||||
- [[Gemini]]：Google的多模态AI模型
|
||||
- [[MCP]]：Modal Context Protocol，用于扩展AI模型能力
|
||||
- [[SVG可视化]]：使用前端代码作为AI输出的可视化容器
|
||||
- [[结构化输出]]：通过提示词约束模型输出格式
|
||||
|
||||
## Key Entities
|
||||
- [[Gemini 3]]：Google AI模型（本文应用构建基础）
|
||||
|
||||
## Connections
|
||||
- [[Gemini 3]] ← 模型基础 ← AI应用构建
|
||||
- [[MCP]] ← 能力扩展 ← AI应用构建
|
||||
- [[结构化输出]] ← 提示词技术 ← AI应用构建
|
||||
|
||||
## Contradictions
|
||||
- 无明显冲突
|
||||
@@ -1,38 +0,0 @@
|
||||
---
|
||||
title: "我用 Gemini 3 一口气做了 10 个应用，附教程"
|
||||
type: source
|
||||
tags: []
|
||||
date: 2025-12-18
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/AI/我用 Gemini 3 一口气做了 10 个应用，附教程.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：利用 Gemini 3（Google Nano Banana Pro）一口气开发 10 个应用的方法论
|
||||
- 问题域：如何快速将 AI 能力转化为具体可用的应用产品
|
||||
- 方法/机制：三步法：思考输入场景 → 约束模型思考（提示词+MCP） → 设计输出容器（SVG/HTML 可视化）
|
||||
- 结论/价值：AI 应用开发的核心在于约束模型输出格式和设计前端可视化容器，而非单纯依赖模型能力
|
||||
|
||||
## Key Claims
|
||||
- 三步应用开发法：①局限输入词汇在垂直场景（诗词、小说、电影） ②约束模型思考（提示词/MCP，将输入扩展为结构化内容） ③设计输出容器（前端代码/SVG/HTML，可视化模型输出）
|
||||
- Gemini 3 的结构化输出能力使其能生成 SVG 代码，实现信息可视化（如蝴蝶生命周期卡片）
|
||||
- 配色卡片生成：输入主题（莫奈）获取主题颜色、渐变色卡和纯色卡
|
||||
- 电影海报应用：输入电影名，自动生成海报、简介、上映时间和导演信息
|
||||
- 绘画思维导图：输入关键词，AI 头脑风暴生成相关词汇思维导图，用户选择后生成图片
|
||||
|
||||
## Key Quotes
|
||||
> "约束好大模型结构化输出信息" — 核心方法
|
||||
> "使用前端代码，可视化模型输出的内容" — 输出容器设计
|
||||
|
||||
## Key Concepts
|
||||
- [[Gemini应用开发三步法]]：场景约束 → 模型思考约束 → 输出容器设计的 AI 应用开发流程
|
||||
|
||||
## Key Entities
|
||||
- [[Gemini]]：Google 的大型语言模型，支持文本和图像生成，此处指 Gemini 3 Nano Banana Pro
|
||||
|
||||
## Connections
|
||||
- [[Gemini应用开发三步法]] ← uses ← [[Gemini]]
|
||||
|
||||
## Contradictions
|
||||
- 无已知冲突
|
||||
@@ -1,30 +0,0 @@
|
||||
---
|
||||
title: "我用 Gemini 3 一口气做了 10 个应用，附教程"
|
||||
type: source
|
||||
tags: []
|
||||
date: 2025-12-19
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/AI/我用 Gemini 3 一口气做了 10 个应用，附教程.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：Google Gemini 3模型一口气构建10个AI应用的实战教程
|
||||
- 问题域：Gemini 3多模态应用开发、快速应用原型
|
||||
- 方法/机制：Gemini 3作为多模态模型，一站式完成网页应用、工具调用、数据处理等多种任务
|
||||
- 结论/价值：Gemini 3展示了新一代多模态AI在应用开发上的强大能力
|
||||
|
||||
## Key Claims
|
||||
- Gemini 3可一次性完成10个不同类型的应用开发
|
||||
- 覆盖类型：网页应用、数据分析工具、自动化脚本等
|
||||
- Gemini 3的多模态能力和长上下文窗口是核心优势
|
||||
|
||||
## Key Concepts
|
||||
- [[Gemini3]]：Google的多模态AI模型，支持文本、图像、视频等多模态输入
|
||||
- [[多模态应用]]：利用多模态AI一次性构建多种类型应用
|
||||
|
||||
## Key Entities
|
||||
- [[Google]]：Gemini模型的开发商
|
||||
|
||||
## Connections
|
||||
- [[GenAI]] ← extends ← [[Gemini3]]
|
||||
@@ -1,38 +0,0 @@
|
||||
---
|
||||
title: "Gemini 3一口气做了10个应用"
|
||||
type: source
|
||||
tags: [Gemini, 应用生成, AI工具]
|
||||
date: 2025-12-18
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/AI/我用 Gemini 3 一口气做了 10 个应用，附教程.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：用Gemini 3（Nano Banana）在Google AI Studio中快速构建10种应用的实操案例
|
||||
- 问题域：如何利用结构化提示词和AI Studio快速生成可分享应用
|
||||
- 方法/机制：约束模型思考→设计输出容器（SVG/HTML）→前端可视化展示AI输出
|
||||
- 结论/价值：核心方法论：思考输入场景→约束模型思考→设计输出容器
|
||||
|
||||
## Key Claims
|
||||
- 十大应用案例：蝴蝶生命卡片、配色卡片生成、电影海报制作、绘画思维导图等
|
||||
- 方法论：1.局限输入词汇在垂直场景（诗词、小说、电影）；2.约束模型结构化输出；3.设计前端容器可视化展示
|
||||
- AI Studio支持生成可分享的应用链接（fullscreenApplet）
|
||||
- 核心提示词技巧：约束大模型结构化输出信息
|
||||
|
||||
## Key Quotes
|
||||
> "约束好大模型结构化输出信息" — 空格
|
||||
|
||||
## Key Concepts
|
||||
- [[AI应用快速构建]]：AI Studio + 约束提示词 + 前端容器
|
||||
- [[结构化输出]]：通过提示词约束大模型输出格式
|
||||
|
||||
## Key Entities
|
||||
- [[Gemini]]：Google大语言模型
|
||||
- [[GoogleAIStudio]]：Google AI应用构建平台
|
||||
|
||||
## Connections
|
||||
- [[Gemini-3一口气做了10个应用]] ← documents ← [[AI应用快速构建]]
|
||||
|
||||
## Contradictions
|
||||
- 无冲突
|
||||
@@ -1,38 +0,0 @@
|
||||
---
|
||||
title: "Git Push 连接重置问题修复"
|
||||
type: source
|
||||
tags: []
|
||||
date: 2026-04-14
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Home Office/Git Push 连接重置问题修复.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：Git Push连接重置问题的解决方案
|
||||
- 问题域：国内访问GitHub时的网络干扰
|
||||
- 方法/机制：配置HTTP/SOCKS5代理、切换SSH协议
|
||||
- 结论/价值：根本解决TCP连接层面中断问题
|
||||
|
||||
## Key Claims
|
||||
- Recv failure是TCP连接中断，非权限问题
|
||||
- 代理方案最有效
|
||||
- 可切换SSH协议绕过
|
||||
|
||||
## Key Quotes
|
||||
> "连接重置是TCP连接层面的中断。"
|
||||
|
||||
## Key Concepts
|
||||
- [[Git代理]]：为Git单独配置代理
|
||||
- [[TCP RST]]：连接重置包
|
||||
- [[Git SSH]]：使用SSH协议
|
||||
|
||||
## Key Entities
|
||||
- [[GitHub]]：代码托管平台
|
||||
- [[V2RayN]]：代理软件
|
||||
|
||||
## Connections
|
||||
- [[Git代理]] ← uses ← [[SOCKS5代理]]
|
||||
|
||||
## Contradictions
|
||||
- 无
|
||||
@@ -1,40 +0,0 @@
|
||||
---
|
||||
title: "Vibe Coding神级指南"
|
||||
type: source
|
||||
tags: [vibe-coding, AI-coding, 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氛围编程方法论
|
||||
- 问题域：传统编程效率低，开发者被繁重代码束缚
|
||||
- 方法/机制：规划驱动+上下文固定+AI结对执行
|
||||
- 结论/价值：Vibe Coding让想法到可维护代码变成可审计流水线
|
||||
|
||||
## Key Claims
|
||||
- Vibe Coding = 规划驱动 + 上下文固定 + AI结对执行
|
||||
- 开发者转型为导演，专注产品逻辑、用户流程、审美和交互
|
||||
- Karpathy：只负责调整氛围，代码自动长出来
|
||||
- vibe-coding-cn是中文开发者设计的Vibe Coding资源库工作站
|
||||
- 核心是规划，AI写代码前必须有清晰技术选型和模块化设计
|
||||
|
||||
## Key Concepts
|
||||
- [[Vibe Coding]]：AI编程新范式，开发者变导演
|
||||
- [[规划驱动]]：在AI写代码前必须完成技术选型和规划
|
||||
- [[AI结对]]：AI与人类协作执行开发任务
|
||||
- [[上下文固定]]：保持AI理解的一致性
|
||||
|
||||
## Key Entities
|
||||
- [[vibe-coding-cn]]：中文Vibe Coding开源指南项目
|
||||
- [[Cursor]]：AI编程工具
|
||||
- [[Windsurf]]：AI编程工具
|
||||
- [[Trae]]：AI编程工具
|
||||
|
||||
## Connections
|
||||
- [[AI编程]] ← uses ← [[Vibe Coding]]
|
||||
- [[Karpathy]] ← coined ← [[Vibe Coding]]
|
||||
|
||||
## Contradictions
|
||||
@@ -1,42 +0,0 @@
|
||||
---
|
||||
title: "NotebookLM开源平替"
|
||||
type: source
|
||||
tags: [notebooklm, open-source, productivity]
|
||||
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。.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：NotebookLM的7个开源替代方案
|
||||
- 问题域：NotebookLM是付费工具，需要开源替代品
|
||||
- 方法/机制：本地化部署、多模型支持、播客生成
|
||||
- 结论/价值：多个开源项目可实现NotebookLM核心功能且完全私有化
|
||||
|
||||
## Key Claims
|
||||
- Open Notebook（14.6k Star）：全功能本地化，支持16+AI提供商
|
||||
- SurfSense（11.4k Star）：AI搜索研究智能体，整合Notion/GitHub
|
||||
- Podcastfy：专注播客生成，支持100+LLM和多种TTS引擎
|
||||
- notebookllama：LlamaIndex官方项目，文档转播客
|
||||
- PageLM：教育平台，自动生成康奈尔笔记、闪卡、考试
|
||||
- InsightsLM：低代码方案，Supabase+N8N后端
|
||||
|
||||
## Key Concepts
|
||||
- [[本地化部署]]：不依赖云端的数据处理
|
||||
- [[多模型支持]]：集成多种LLM提供商
|
||||
- [[播客生成]]：将文档转化为双人/多人对话音频
|
||||
|
||||
## Key Entities
|
||||
- [[Open Notebook]]：NotebookLM开源替代
|
||||
- [[SurfSense]]：AI搜索与研究智能体
|
||||
- [[Podcastfy]]：播客生成工具
|
||||
- [[notebookllama]]：LlamaIndex官方开源项目
|
||||
- [[PageLM]]：教育学习工具
|
||||
- [[InsightsLM]]：N8N支持的AI研究工具
|
||||
|
||||
## Connections
|
||||
- [[NotebookLM]] ← has_open_source ← [[Open Notebook]]
|
||||
- [[N8N]] ← integrates_with ← [[InsightsLM]]
|
||||
|
||||
## Contradictions
|
||||
@@ -1,49 +0,0 @@
|
||||
---
|
||||
title: "Google 5个 Agent Skill 设计模式"
|
||||
type: source
|
||||
tags: ['Agent', 'Skill', 'Google', 'ADK', '设计模式', 'AI工程化']
|
||||
date: 2026-03-19
|
||||
source: https://mp.weixin.qq.com/s/yu120tW0l4DJAJfWmbJYxg
|
||||
author: winkrun / AI工程化
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Agent/Google-5个Agent-Skill设计模式-2026-03-19.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：Google ADK 团队发布的 5 种经过验证的 Agent Skill 设计模式，以及 Skill 设计的最佳实践经验
|
||||
- 问题域：Skill 格式标准化后（30+工具支持同格式），内容设计成为效果差异的核心——同样格式，效果天差地别
|
||||
- 方法/机制：5 种独立设计模式（Tool Wrapper/Generator/Reviewer/Inversion/Pipeline），每种有完整 ADK 代码示例，可独立使用也可组合
|
||||
- 结论/价值：Skill 的本质是"工具箱"而非"好提示词"，Anthropic 经验：只写 Agent 不知道的东西、给工具不给指令
|
||||
|
||||
## Key Claims
|
||||
- **Tool Wrapper**：将某个库/框架规范文档打包为 Skill，动态加载（监听特定关键词），适合分发团队内部编码规范
|
||||
- **Generator**：通过模板强制一致的输出格式，assets/存模板、references/存样式指南，SKILL.md 扮演项目经理填充变量
|
||||
- **Reviewer**：将"检查什么"和"怎么检查"完全分离，references/review-checklist.md 存审查标准，agent 动态加载并强制输出结构化结果
|
||||
- **Inversion**：agent 先变面试官提问，收集所有必要信息后再行动（明确门控指令确保阶段完整性）
|
||||
- **Pipeline**：复杂任务的严格顺序工作流，关键节点设置硬性检查点，用户确认才进入下一步
|
||||
- Anthropic 经验：写好 Skill 的三条铁律——只写 Agent 不知道的东西；重点写踩坑清单；给工具不给指令
|
||||
- 5 种模式可组合使用（Pipeline + Reviewer、Generator + Inversion），利用 ADK 的 SkillToolset 和渐进式披露机制
|
||||
|
||||
## Key Concepts
|
||||
- [[ToolWrapper模式]]：将领域规范文档打包为 Skill，通过关键词监听动态加载，agent 按规范执行
|
||||
- [[Generator模式]]：模板+变量填充，强制输出格式一致性（API文档/commit消息/项目脚手架）
|
||||
- [[Reviewer模式]]：检查清单与检查逻辑分离，标准可替换（Python风格/OWASP安全/代码审查）
|
||||
- [[Inversion模式]]：agent 先收集信息再行动，反转"直接猜测生成"的默认行为，确保信息完整
|
||||
- [[Pipeline模式]]：带硬性检查点的严格工作流，强制执行顺序，无法跳过步骤
|
||||
- [[渐进式披露]]（Progressive Disclosure）：agent 只在运行时需要时消耗上下文 token 加载特定模式
|
||||
|
||||
## Key Entities
|
||||
- [[Google ADK]]：Google Agent Development Kit，发布此设计模式指南
|
||||
- [[Anthropic]]：Claude 开发商，Skill 实践经验提供方（ToolWrapper/Generator 等模式与 Anthropic 实践一致）
|
||||
- [[ADK]]（Agent Development Kit）：Google 的 Agent 开发工具包
|
||||
|
||||
## Connections
|
||||
- [[ToolWrapper模式]] ← is_pattern_of ← [[AgentSkill设计]]
|
||||
- [[Generator模式]] ← is_pattern_of ← [[AgentSkill设计]]
|
||||
- [[Reviewer模式]] ← is_pattern_of ← [[AgentSkill设计]]
|
||||
- [[Inversion模式]] ← is_pattern_of ← [[AgentSkill设计]]
|
||||
- [[Pipeline模式]] ← is_pattern_of ← [[AgentSkill设计]]
|
||||
|
||||
## Contradictions
|
||||
- （无已知冲突）
|
||||
@@ -1,50 +0,0 @@
|
||||
---
|
||||
title: "Google 5个Agent Skill设计模式"
|
||||
type: source
|
||||
tags: [agent, skill, 设计模式, 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 Cloud发布的5种经过验证的Agent Skill设计模式
|
||||
- 问题域：SKILL.md格式标准化后，如何设计真正有效的Skill内容而非空有格式的框架
|
||||
- 方法/机制：ToolWrapper、Generator、Reviewer、Inversion、Pipeline五种模式
|
||||
- 结论/价值：这五种模式可组合使用，ADK的SkillToolset和渐进式披露机制使agent只在需要时才加载相关token
|
||||
|
||||
## Key Claims
|
||||
- ToolWrapper：让agent在真正用到某技术时才动态加载规范文档，将规范当作绝对真理执行
|
||||
- Generator：从模板生成结构化输出，利用assets/（输出模板）和references/（样式指南）目录
|
||||
- Reviewer：把"检查什么"和"怎么检查"完全分开；审查标准存放在references/，可动态切换
|
||||
- Inversion：agent先变面试官问你问题，全部回答后才开始行动，有明确不可协商的门控指令
|
||||
- Pipeline：带硬性检查点的严格顺序工作流，每步有前置条件，用户必须确认才能进入下一步
|
||||
- 五种模式可组合：Pipeline末尾可加Reviewer，Generator开始可依赖Inversion
|
||||
|
||||
## Key Quotes
|
||||
> "别再把所有复杂又脆弱的指令塞进一个system prompt了。把工作流拆分开，应用正确的结构模式，才能构建出真正可靠的agent" — AI工程化公众号
|
||||
|
||||
## Key Concepts
|
||||
- [[AgentSkill设计模式]]：5种经过验证的Skill内容设计模式
|
||||
- [[ToolWrapper]]：监听特定关键词动态加载相关规范的模式
|
||||
- [[Generator]]：从模板生成结构化输出的模式
|
||||
- [[Reviewer]]：检查清单和检查逻辑分离的模式
|
||||
- [[Inversion]]：agent先问再做，强制收集必要信息的模式
|
||||
- [[Pipeline]]：带硬性检查点的严格顺序工作流模式
|
||||
|
||||
## Key Entities
|
||||
- [[Google]]：发布此指南的云服务提供商
|
||||
- [[Anthropic]]：Claude Skills的先驱，Skill格式标准化的推动者
|
||||
- [[ADK]]：Agent Development Kit，Google的Agent开发工具包
|
||||
|
||||
## Connections
|
||||
- [[AgentSkill设计模式]] ← 核心主题 ← Google Agent工程
|
||||
- [[ToolWrapper]] ← 模式1 ← [[AgentSkill设计模式]]
|
||||
- [[Generator]] ← 模式2 ← [[AgentSkill设计模式]]
|
||||
- [[Reviewer]] ← 模式3 ← [[AgentSkill设计模式]]
|
||||
- [[Inversion]] ← 模式4 ← [[AgentSkill设计模式]]
|
||||
- [[Pipeline]] ← 模式5 ← [[AgentSkill设计模式]]
|
||||
|
||||
## Contradictions
|
||||
- 与单一庞大system prompt对比：标准化SKILL.md格式后，Skill内容质量差异巨大；需要正确的设计模式而非更多指令
|
||||
@@ -1,42 +0,0 @@
|
||||
---
|
||||
title: "How Agentic AI Can Help for Cloud DevOps"
|
||||
type: source
|
||||
tags: []
|
||||
date: 2026-04-14
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Cloud & DevOps/How Agentic AI can help for Cloud DevOps.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：AI Agent在云DevOps中的应用
|
||||
- 问题域：自动化事件检测、成本优化、安全合规
|
||||
- 方法/机制：自主决策和执行任务的AI系统
|
||||
- 结论/价值：实现更快的部署和主动问题解决
|
||||
|
||||
## Key Claims
|
||||
- Agentic AI可主动检测异常并自动修复
|
||||
- AI驱动的根因分析加速MTTR
|
||||
- 多云成本治理和优化
|
||||
|
||||
## Key Quotes
|
||||
> "Agentic AI transforms Cloud DevOps by automating incident response, cost management, security, observability, and multi-cloud governance."
|
||||
|
||||
## Key Concepts
|
||||
- [[Agentic AI]]：具有自主决策能力的AI系统
|
||||
- [[Self-Healing Systems]]：自愈系统
|
||||
- [[AI-Driven RCA]]：AI驱动的根因分析
|
||||
- [[Predictive Maintenance]]：预测性维护
|
||||
|
||||
## Key Entities
|
||||
- [[AWS EKS]]：Amazon Elastic Kubernetes Service
|
||||
- [[GKE]]：Google Kubernetes Engine
|
||||
- [[Azure AKS]]：Azure Kubernetes Service
|
||||
- [[CloudWatch]]：AWS监控
|
||||
|
||||
## Connections
|
||||
- [[Agentic AI]] ← enables ← [[Self-Healing Systems]]
|
||||
- [[Agentic AI]] ← optimizes ← [[多云策略]]
|
||||
|
||||
## Contradictions
|
||||
- 无
|
||||
@@ -1,43 +0,0 @@
|
||||
---
|
||||
title: "How Can a Multi Cloud Strategy Transform Your Business ROI"
|
||||
type: source
|
||||
tags: []
|
||||
date: 2026-04-14
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Cloud & DevOps/How Can a Multi Cloud Strategy Transform Your Business ROI.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：多云策略的业务价值
|
||||
- 问题域：避免供应商锁定、成本优化、性能优化
|
||||
- 方法/机制：跨AWS、Azure、GCP分布工作负载
|
||||
- 结论/价值：实现30%运营成本降低
|
||||
|
||||
## Key Claims
|
||||
- 78%企业使用多云策略部署在3个以上公有云
|
||||
- 多云策略避免供应商锁定
|
||||
- 数据主权和合规要求满足
|
||||
|
||||
## Key Quotes
|
||||
> "The 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."
|
||||
|
||||
## Key Concepts
|
||||
- [[多云策略]]：使用多个云服务提供商
|
||||
- [[供应商锁定]]：依赖单一云提供商的风险
|
||||
- [[数据主权]]：数据存储的地域合规要求
|
||||
- [[ROI]]：投资回报率
|
||||
|
||||
## Key Entities
|
||||
- [[AWS]]：Amazon Web Services
|
||||
- [[Azure]]：Microsoft Azure
|
||||
- [[Google Cloud]]：GCP
|
||||
- [[Kubernetes]]：容器编排
|
||||
- [[Terraform]]：基础设施即代码
|
||||
|
||||
## Connections
|
||||
- [[多云策略]] ← reduces ← [[供应商锁定]]
|
||||
- [[多云策略]] ← enables ← [[数据主权]]
|
||||
|
||||
## Contradictions
|
||||
- 无
|
||||
@@ -1,38 +0,0 @@
|
||||
---
|
||||
title: "How to Get the RSS Feed For Any YouTube Channel"
|
||||
type: source
|
||||
tags: ['YouTube', 'RSS', '工具', '自动化', '内容聚合']
|
||||
date: 2024-05-12
|
||||
source: https://chuck.is/yt-rss/
|
||||
author: Chuck Carroll
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/AI/How to Get the RSS Feed For Any YouTube Channel.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：无需第三方服务，通过"查看页面源代码"获取任意 YouTube 频道 RSS 订阅地址的方法
|
||||
- 问题域：YouTube 出于商业利益移除了页面的 RSS 订阅按钮，导致用户无法在外部 RSS 阅读器中追踪频道更新
|
||||
- 方法/机制：打开频道页面 → 右键查看源代码 → 搜索 `channel_id=` → 提取 RSS URL
|
||||
- 结论/价值：绕过 YouTube 平台限制，实现去中心化的内容订阅追踪
|
||||
|
||||
## Key Claims
|
||||
- YouTube 移除 RSS 按钮是出于商业目的（防止用户不在 YouTube 站内消费内容）
|
||||
- 方法：访问频道页面（如 `https://www.youtube.com/@CHANNEL_NAME`）→ 右键"查看页面源代码" → 搜索 `channel_id=` → 复制 RSS URL
|
||||
- RSS 格式：`https://www.youtube.com/feeds/videos.xml?channel_id=UCHkYOD-3fZbuGhwsADBd9ZQ`
|
||||
- 该方法无需注册任何第三方服务，纯原生操作
|
||||
|
||||
## Key Concepts
|
||||
- [[YouTube RSS]]：通过 channel_id 获取的标准化 RSS 订阅地址
|
||||
- [[内容聚合]]：将多个频道聚合到单一 RSS 阅读器中统一追踪
|
||||
- [[去中心化订阅]]：绕过平台限制，直接订阅内容源
|
||||
|
||||
## Key Entities
|
||||
- [[Chuck Carroll]]：科技博主，发布此实用教程
|
||||
|
||||
## Connections
|
||||
- [[YouTube RSS]] ← enables ← [[内容聚合]]
|
||||
- [[内容聚合]] ← is_used_by ← [[RSS阅读器]]
|
||||
|
||||
## Contradictions
|
||||
- （无已知冲突）
|
||||
@@ -1,40 +0,0 @@
|
||||
---
|
||||
title: "Simplify Multi-Account Deployments Monitoring: Centralized Logs for AWS CloudFormation StackSets"
|
||||
type: source
|
||||
tags: []
|
||||
date: 2026-04-14
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Cloud & DevOps/How to Simplify Multi-Account Deployments Monitoring Centralized Logs for AWS CloudFormation StackSets.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：多账户AWS部署的集中日志监控
|
||||
- 问题域：跨账户部署跟踪和故障排除
|
||||
- 方法/机制：EventBridge + CloudWatch Logs集中化方案
|
||||
- 结论/价值：实现单一界面监控整个组织的CloudFormation部署
|
||||
|
||||
## Key Claims
|
||||
- CloudFormation StackSets支持跨多账户和区域部署基础设施
|
||||
- 集中日志方案提供单一监控界面
|
||||
- 跨账户事件转发使用EventBridge
|
||||
|
||||
## Key Quotes
|
||||
> "Managing infrastructure across multiple AWS accounts doesn't have to be complex."
|
||||
|
||||
## Key Concepts
|
||||
- [[CloudFormation StackSets]]：跨账户部署模板
|
||||
- [[EventBridge]]：事件驱动架构
|
||||
- [[CloudWatch Logs]]：云日志服务
|
||||
- [[跨账户部署]]：多AWS账户基础设施部署
|
||||
|
||||
## Key Entities
|
||||
- [[AWS Organizations]]：AWS组织
|
||||
- [[KMS]]：Key Management Service
|
||||
|
||||
## Connections
|
||||
- [[CloudFormation StackSets]] ← uses ← [[EventBridge]]
|
||||
- [[CloudFormation StackSets]] ← uses ← [[CloudWatch Logs]]
|
||||
|
||||
## Contradictions
|
||||
- 无
|
||||
@@ -1,33 +0,0 @@
|
||||
---
|
||||
title: "How to get Youtube Channel ID"
|
||||
type: source
|
||||
tags: ['n8n']
|
||||
date: 2025-03-16
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[Others/How to get Youtube Channel ID.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：title: How to get Youtube Channel ID author: shenwei created: 2025-03-16
|
||||
- 问题域：见原文。
|
||||
- 方法/机制：见原文。
|
||||
- 结论/价值：见原文。
|
||||
|
||||
## Key Claims
|
||||
- （见原文）
|
||||
|
||||
## Key Quotes
|
||||
> （见原文）
|
||||
|
||||
## Key Concepts
|
||||
- （见原文）
|
||||
|
||||
## Key Entities
|
||||
- （见原文）
|
||||
|
||||
## Connections
|
||||
- （见原文）
|
||||
|
||||
## Contradictions
|
||||
- （见原文）
|
||||
@@ -1,37 +0,0 @@
|
||||
---
|
||||
title: "如果你有多项兴趣爱好不要浪费接下来两三年时间"
|
||||
type: source
|
||||
tags: [个人发展, 多重兴趣, 自学]
|
||||
date: 2025-10-10
|
||||
---
|
||||
|
||||
## 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：多重兴趣是超能力而非弱点
|
||||
- 问题域：现代社会专业化分工导致人们成为流水线工人
|
||||
- 方法/机制：自我教育+自利+自给自足三位一体
|
||||
- 结论/价值：AI时代通才比专才更有价值
|
||||
|
||||
## Key Claims
|
||||
- 工业时代专业化已死，AI时代通才是优势
|
||||
- 个人成功三要素：自我教育、自利、自给自足
|
||||
- 第二次文艺复兴正在发生，独特视角是最终护城河
|
||||
- 注意力是最后的护城河，每个人都需要成为创造者
|
||||
- 系统是新产品，内容是新颖视角，品牌是环境
|
||||
|
||||
## Key Concepts
|
||||
- [[通才]]：跨领域知识整合者
|
||||
- [[自我教育]]：自主导向的学习
|
||||
- [[自利]]：关注自身利益而非服务组织
|
||||
- [[自给自足]]：拒绝外包判断力和自主性
|
||||
- [[注意力经济]]：在信息爆炸时代捕获关注的重要性
|
||||
|
||||
## Key Entities
|
||||
|
||||
## Connections
|
||||
- [[个人发展]] ← uses ← [[通才模型]]
|
||||
- [[创造力]] ← requires ← [[注意力]]
|
||||
|
||||
## Contradictions
|
||||
@@ -1,36 +0,0 @@
|
||||
---
|
||||
title: "Install Apache Superset in Docker"
|
||||
type: source
|
||||
tags: []
|
||||
date: 2026-04-14
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Home Office/Install Apache Superset in Docker.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：Docker中安装Apache Superset
|
||||
- 问题域：BI平台部署
|
||||
- 方法/机制：Docker容器化部署
|
||||
- 结论/价值：快速部署企业级BI平台
|
||||
|
||||
## Key Claims
|
||||
- 使用Docker镜像部署Superset
|
||||
- 需要初始化数据库和管理员账号
|
||||
- 支持加载示例数据
|
||||
|
||||
## Key Quotes
|
||||
- 无
|
||||
|
||||
## Key Concepts
|
||||
- [[Docker]]：容器化平台
|
||||
- [[Apache Superset]]：开源BI工具
|
||||
|
||||
## Key Entities
|
||||
- [[MySQL]]：数据库
|
||||
|
||||
## Connections
|
||||
- [[Apache Superset]] ← runs_on ← [[Docker]]
|
||||
|
||||
## Contradictions
|
||||
- 无
|
||||
@@ -1,49 +0,0 @@
|
||||
---
|
||||
title: "LLM、RAG、AI Agent 三者区别详解"
|
||||
type: source
|
||||
tags: ['LLM', 'RAG', 'AI Agent', 'AI', '入门', '概念区分']
|
||||
date: 2025-11-19
|
||||
source: https://mp.weixin.qq.com/s/
|
||||
author: AI工程化
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/AI/LLMs、RAG、AI Agent 三个到底什么区别？.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：用通俗比喻解释 LLM、RAG、AI Agent 三个核心 AI 应用概念的区别与关系
|
||||
- 问题域：初入 AI 应用的开发者被这三个术语混淆，不理解它们是互补关系而非竞争关系
|
||||
- 方法/机制：比喻法——LLM 是"天才大脑"、RAG 是"随身图书馆助理"、AI Agent 是"能走能想能查的完整行动系统"
|
||||
- 结论/价值：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；未来架构=LLM(推理)+RAG(准确性)+Agent(自主性)
|
||||
|
||||
## Key Claims
|
||||
- **LLM（天才大脑）**：学习了过去所有知识，能回答问题，但知识有截止日期，不知当前信息
|
||||
- 底座模型：ChatGPT、DeepSeek、Qwen（通用）
|
||||
- 专有模型：Midjourney（绘画）、Claude（编程）等（专项训练）
|
||||
- **RAG（检索增强生成）= 随身图书馆助理**：将静态 LLM 链接到外部实时知识库，解决知识时效性问题
|
||||
- 流程：用户提问 → 检索外部知识库 → 将相关 chunk+原始问题输入 LLM → 基于上下文生成答案
|
||||
- 优势：知识更新无需重新训练、消歧义、引用来源
|
||||
- **AI Agent（智能体）**：有脑+有信息+有行动能力，构建"感知→规划→执行→反思"循环控制系统
|
||||
- 五步循环：获取任务→扫描场景→仔细思考→采取行动→观察迭代
|
||||
- RAG 提供给 Agent "借书证"，使其立足于事实而非幻觉
|
||||
- 三者关系：LLM=思考，RAG=认知（准确信息），Agent=执行，三者叠加构成完整生产系统
|
||||
|
||||
## 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。"
|
||||
> "用 LLM 进行推理，用 RAG 确保准确性，用 Agent 框架实现自主性。"
|
||||
|
||||
## Key Concepts
|
||||
- [[LLM]]：大语言模型，AI 应用的"天才大脑"，负责推理和生成
|
||||
- [[RAG]]（检索增强生成）：解决 LLM 知识时效性问题，为模型提供外部实时知识查询能力
|
||||
- [[AI Agent]]：智能体，感知-规划-执行-反思的闭环自主系统
|
||||
- [[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
|
||||
- [[三层AI架构]]：LLM(思考层)+RAG(知识层)+Agent(行动层)，三者缺一不可
|
||||
|
||||
## Connections
|
||||
- [[AI Agent]] ← uses ← [[RAG]]（Agent 通过 RAG 获取实时信息）
|
||||
- [[AI Agent]] ← uses ← [[LLM]]（Agent 的核心推理引擎）
|
||||
- [[RAG]] ← augments ← [[LLM]]（RAG 扩展 LLM 的知识边界）
|
||||
|
||||
## Contradictions
|
||||
- 常见误解：认为三者择一使用。实际上生产级系统三者叠加，缺一不可
|
||||
@@ -1,33 +0,0 @@
|
||||
---
|
||||
title: "Last30Days 使用指南"
|
||||
type: source
|
||||
tags: ['Claude', 'OpenClaw', 'TikTok', 'GitHub', 'AI']
|
||||
date: 2026-03-29
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[Skills/Last30Days-使用指南.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：title: Last30Days 使用指南 author: shenwei description:
|
||||
- 问题域：见原文。
|
||||
- 方法/机制：见原文。
|
||||
- 结论/价值：见原文。
|
||||
|
||||
## Key Claims
|
||||
- （见原文）
|
||||
|
||||
## Key Quotes
|
||||
> （见原文）
|
||||
|
||||
## Key Concepts
|
||||
- （见原文）
|
||||
|
||||
## Key Entities
|
||||
- （见原文）
|
||||
|
||||
## Connections
|
||||
- （见原文）
|
||||
|
||||
## Contradictions
|
||||
- （见原文）
|
||||
@@ -1,31 +0,0 @@
|
||||
---
|
||||
title: "Last30Days使用指南"
|
||||
type: source
|
||||
tags: [tutorial]
|
||||
date: 2026-03-29
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Skills/Last30Days-使用指南.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：Last30Days研究工具使用
|
||||
- 问题域：如何研究过去30天内的热门内容
|
||||
- 方法/机制：聚合Reddit、X、YouTube、TikTok等8个数据源
|
||||
- 结论/价值：深度研究需要2-8分钟，结果自动保存
|
||||
|
||||
## Key Claims
|
||||
- 支持8个数据源：Reddit、X、YouTube、TikTok、Instagram、Hacker News、Polymarket、Web
|
||||
- 深度研究需要2-8分钟
|
||||
- 结果自动保存到~/Documents/Last30Days/
|
||||
|
||||
## Key Concepts
|
||||
- [[社交媒体分析]]：研究平台热门内容
|
||||
- [[趋势研究]]：追踪热点话题
|
||||
|
||||
## Key Entities
|
||||
|
||||
## Connections
|
||||
- [[Last30Days]] ← 聚合 ← [[多数据源]]
|
||||
|
||||
## Contradictions
|
||||
@@ -1,36 +0,0 @@
|
||||
---
|
||||
title: "Last30Days使用指南"
|
||||
type: source
|
||||
tags: [Last30Days, 社交媒体, 趋势研究]
|
||||
date: 2026-03-29
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Skills/Last30Days-使用指南.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：Last30Days研究过去30天社交媒体热门内容的工具
|
||||
- 问题域：Reddit/X/YouTube/TikTok/Instagram/Hacker News/Polymarket趋势研究
|
||||
- 方法/机制：Python脚本多源数据采集，生成结构化研究报告
|
||||
- 结论/价值：深度研究需要2-8分钟，支持对比模式
|
||||
|
||||
## Key Claims
|
||||
- 调用：python3 ~/.openclaw/skills/last30days-official/scripts/last30days.py "<话题>"
|
||||
- 参数：--quick快速模式、--deep深度模式、--x-handle指定X账号、--days=N
|
||||
- 数据权重：Reddit/X > YouTube > TikTok > Polymarket > Web
|
||||
- 对比模式："cursor vs windsurf"可得到并排对比
|
||||
- API Keys：SCRAPECREATORS_API_KEY（必填）、XAI_API_KEY、AUTH_TOKEN/CT0
|
||||
- 保存：--save-dir=~/Documents/Last30Days
|
||||
|
||||
## Key Concepts
|
||||
- [[社交媒体趋势研究]]：多平台热门内容聚合
|
||||
- [[对比模式]]：两个话题并排研究
|
||||
|
||||
## Key Entities
|
||||
- [[Last30Days]]：趋势研究工具
|
||||
|
||||
## Connections
|
||||
- [[Last30Days使用指南]] ← documents [[社交媒体趋势研究]]
|
||||
|
||||
## Contradictions
|
||||
- 无冲突
|
||||
@@ -1,33 +0,0 @@
|
||||
---
|
||||
title: "Linux 运维必会的 150 个命令"
|
||||
type: source
|
||||
tags: ['GitHub']
|
||||
date: 2025-09-29
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[Home Office/Linux 运维必会的 150 个命令.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：title: Linux 运维必会的 150 个命令，不熟练早晚得出事？ source: https://mp.weixin.qq.com/s/_h2eTqPvduZctE0YarQtWw author: shenwei
|
||||
- 问题域：见原文。
|
||||
- 方法/机制：见原文。
|
||||
- 结论/价值：见原文。
|
||||
|
||||
## Key Claims
|
||||
- （见原文）
|
||||
|
||||
## Key Quotes
|
||||
> （见原文）
|
||||
|
||||
## Key Concepts
|
||||
- （见原文）
|
||||
|
||||
## Key Entities
|
||||
- （见原文）
|
||||
|
||||
## Connections
|
||||
- （见原文）
|
||||
|
||||
## Contradictions
|
||||
- （见原文）
|
||||
@@ -1,43 +0,0 @@
|
||||
---
|
||||
title: "Linux 运维必会的 150 个命令"
|
||||
type: source
|
||||
tags: [linux, 运维, 命令]
|
||||
date: 2025-09-29
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Home Office/Linux 运维必会的 150 个命令.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：Linux 系统管理命令的全面总结
|
||||
- 问题域：Linux 运维基础知识
|
||||
- 方法/机制：按功能分类介绍 150 个常用命令
|
||||
- 结论/价值：覆盖文件操作、文本处理、网络管理、磁盘管理、用户管理、进程管理等核心领域
|
||||
|
||||
## Key Claims
|
||||
- Linux 命令分为内置 Shell 命令和外部命令两大类
|
||||
- 文件目录操作命令 18 个：ls/cd/cp/find/mkdir/mv/pwd/rename/rm/rmdir/touch/tree 等
|
||||
- 文本查看及处理命令 21 个：cat/tac/more/less/head/tail/cut/split/paste/sort/uniq/wc/diff/vimdiff 等
|
||||
- 网络操作命令 11 个基础+9 个深入：ssh/scp/wget/ping/ifconfig/netstat/ss/nmap/lsof/telnet 等
|
||||
- 磁盘与文件系统命令 16 个：mount/umount/fsck/dd/fdisk/parted/mkfs/swapoff/sync 等
|
||||
- 进程管理命令 15 个：kill/killall/crontab/ps/pstree/nohup/pgrep 等
|
||||
|
||||
## Key Quotes
|
||||
> "Linux 命令在系统中有两种类型：内置 Shell 命令和 Linux 命令"
|
||||
|
||||
## Key Concepts
|
||||
- [[Shell]]：命令解释器，Linux 与内核之间的接口
|
||||
- [[NFS]]：网络文件系统挂载
|
||||
- [[Cron]]：定时任务调度
|
||||
- [[管道]]：将前一个命令的输出作为后一个命令的输入
|
||||
|
||||
## Key Entities
|
||||
- [[Linux]]：开源操作系统内核
|
||||
|
||||
## Connections
|
||||
- [[Linux]] ← manages ← [[Shell]]
|
||||
- [[Cron]] ← schedules ← [[进程管理]]
|
||||
- [[管道]] ← connects ← [[文本处理命令]]
|
||||
|
||||
## Contradictions
|
||||
- 无
|
||||
@@ -1,37 +0,0 @@
|
||||
---
|
||||
title: "Linux运维必会的150个命令"
|
||||
type: source
|
||||
tags: [linux, 运维, 命令, shell]
|
||||
date: 2025-09-29
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Home Office/Linux 运维必会的 150 个命令.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：Linux运维最常用的150个命令分类汇总
|
||||
- 问题域：Linux系统管理需要掌握哪些核心命令
|
||||
- 方法/机制：按功能分类（查询帮助、文件管理、文件编辑、压缩打包、磁盘管理、系统相关等）
|
||||
- 结论/价值：系统梳理Linux命令是运维技能的基础
|
||||
|
||||
## Key Claims
|
||||
- 线上查询及帮助命令：man、--help
|
||||
- 文件管理命令：ls、cd、pwd、mkdir、rm、cp、mv、touch、cat、more、less、head、tail等
|
||||
- 压缩打包命令：gzip、bzip2、tar、zip、unzip
|
||||
- 磁盘管理命令：df、du、mount、umount、fdisk、mkfs
|
||||
- 系统相关命令：top、ps、kill、ifconfig、ping、netstat、systemctl、journalctl
|
||||
- 用户管理命令：useradd、userdel、usermod、passwd、su、sudo
|
||||
|
||||
## Key Concepts
|
||||
- [[Linux命令]]：Linux系统管理的核心工具
|
||||
- [[Shell]]：命令行解释器
|
||||
- [[系统管理]]：Linux运维的核心职责
|
||||
|
||||
## Key Entities
|
||||
|
||||
## Connections
|
||||
- [[Linux命令]] ← 工具集 ← Linux运维
|
||||
- [[Shell]] ← 接口层 ← Linux系统
|
||||
|
||||
## Contradictions
|
||||
- 无明显冲突
|
||||
@@ -1,32 +0,0 @@
|
||||
---
|
||||
title: "Linux运维必会的150个命令"
|
||||
type: source
|
||||
tags: [Linux, 命令, 运维]
|
||||
date: 2025-09-29
|
||||
---
|
||||
|
||||
## Source File
|
||||
- [[raw/Home Office/Linux 运维必会的 150 个命令.md]]
|
||||
|
||||
## Summary
|
||||
- 核心主题：Linux运维最常用的150个命令分类汇总表
|
||||
- 问题域：Linux命令记忆与速查
|
||||
- 方法/机制：按功能分类（查询帮助、文件目录、内容处理、压缩解压缩、信息显示、搜索、用户管理、网络操作等）
|
||||
- 结论/价值：完整的Linux运维命令速查表
|
||||
|
||||
## Key Claims
|
||||
- 分类统计：线上查询2+文件目录18+内容处理21+压缩4+信息显示11+搜索4+用户管理10+网络操作11+深入网络9+磁盘文件系统16+权限4+用户登陆信息7+内置命令19+系统管理9+关机重启6+进程管理15 = 150
|
||||
- 重点命令：find（查找）、grep/egrep（过滤）、tar（打包压缩）、chmod/chown（权限）、ssh/scp（远程）、awk/sed（文本处理）
|
||||
|
||||
## Key Concepts
|
||||
- [[Linux命令]]：Linux系统管理命令集合
|
||||
- [[运维工具链]]：150个命令覆盖运维全场景
|
||||
|
||||
## Key Entities
|
||||
- [[Linux]]：操作系统
|
||||
|
||||
## Connections
|
||||
- [[Linux运维必会的150个命令]] ← documents ← [[Linux命令]]
|
||||
|
||||
## Contradictions
|
||||
- 无冲突
|
||||
Some files were not shown because too many files have changed in this diff Show More
Reference in New Issue
Block a user