Auto-sync: 2026-04-28 12:03

wiki/overview.md

@@ -8,6 +8,8 @@ This wiki is a living synthesis of curated sources spanning AI agents, cloud inf
 
 **[[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]]**（Claude Skills 范式图谱）：Anthropic 官方 Skills 仓库全面解析——核心主张：Claude Skills 是写给 Claude 的「说明书」+ SOP（标准作业程序），将反复执行、有固定流程的任务拆解为 AI 能理解、能稳定复用、能自动执行的流程。官方仓库（github.com/anthropics/skills）3.2 万+星，将 Claude.ai 生产级能力原封不动拆解公开，涵盖办公自动化（Word/PDF/PPT/Excel）、开发者工具（MCP Server/Web 测试/Artifacts 构建）、创意类技能三大类。**核心范式转变**：Claude Skills 的爆发标志着 AI 应用从「提示词工程」进入「流程工程」时代；Vibe Coding 的尽头也是 Skills；真正有价值的不是 Prompt 写得最花的人，而是最懂业务流程、能将经验沉淀成 SOP 的人。属 [[AI时代发展策略]] 的方法论层，为 [[Claude Skills]] 和 [[流程工程（Workflow Engineering）]] 提供实践案例支撑。与 [[vibe-coding经验收集]] 的「验证优于流程」观点存在张力，两者互补——Vibe Coding 是探索阶段，Skills 是验证成功后沉淀为可复用流程的阶段。
 
+**[[learn-ai-for-free-directly-from-top-companies]]**（AI免费学习资源汇总）：@RodmanAi 整理的顶级AI公司免费学习平台导航——涵盖 Anthropic (Skilljar)、Google (grow.google/ai)、Meta (ai.meta.com)、NVIDIA (CUDA)、Microsoft (Learn)、OpenAI (Academy)、IBM (SkillsBuild)、AWS (Skill Builder)、DeepLearning.AI 及 Hugging Face 共10家头部组织的官方免费课程资源。核心价值：一站式获取从基础概念到专业认证的完整免费学习路径，适合 AI 学习者系统性规划学习计划。属 [[AI免费学习]] 的资源索引层，为 [[AI时代发展策略]] 提供学习路径参考。
+
 **[[chinatextbook-41-53-gb-中国小学-初中-高中-大学-pdf-教材]]**（ChinaTextbook）：中国中小学及大学 PDF 教材开源收集项目——托管于 GitHub，总库大小 41.53 GB，收集了从小学到大学阶段的公开教材 PDF。教材来源为国家中小学智慧教育平台（basic.smartedu.cn），登录后即可浏览，亦可使用第三方工具（如 tchMaterial-parser）下载。覆盖小学（语数英科学等11科）、初中（15科）、高中（16科）及大学（概率论/离散数学/线性代数/高等数学）阶段。属教育资源开源化方向，为 [[教育资源开源]] 和 [[PDF教材数字化]] 提供实践案例。
 
 **[[固定镜头短视频制作的ai全流程解析]]**（AI全流程制作短视频）：利用AI技术快速高效制作高播放量家装类短视频的全套流程——核心三大关键词：固定机位（摄像机位置固定）、内容连续变化（画面随施工进度变化）、时间压缩（将长时间过程浓缩呈现）。五步公式：拆分镜头 → 一致性图像生成（九宫格法）→ 首尾针动画制作 → 快速剪辑（2-4倍速+硬切）→ 声音设计（施工音效+节奏感BGM+精准卡点）。AI工具分类：大脑类（XAR GPT/GEMALA负责分镜）、设计师类（Midjourney/Nano Banana负责图像）、动效类（海螺AI/KAI负责动画）。全流程可在10分钟内完成。属 [[AI时代发展策略]] 的内容创作工具层，与 [[我的工具集]] 的Image-to-Video工具互补——前者提供系统性方法论，后者提供具体工具选型。
@@ -69,6 +71,8 @@ The wiki covers two major multi-agent frameworks: **The Agency** (agency-agents)
 
 **Self-Improving 自改进系统**（[[养虾日记2]]）：解决 AI Agent"每次对话都是白纸"的核心问题——三层记忆架构（短期文件 + 长期向量数据库 + self-improving 复盘）配合每日 23:00 定时复盘，实现"错误只犯一次"的 Agent 学习闭环。Pattern-Key 重复是系统性问题的信号；Recurrence-Count 是区分一次性错误与重复问题的关键指标。[[Self-Improving-Skill]] 的 Suggested Action 必须具体到可直接执行（如 `--to 5038825565`），而非泛泛建议。
 
+**[[obsidian-必装-skills]]**（Obsidian 必装 Skills）：Obsidian 生态 AI Skills 全景盘点——推荐安装：kepano 官方 defuddle（网页清洗）、obsidian-cli（官方 CLI 操作）、obsidian-bases（数据库视图）；Axton 的 obsidian-canvas-creator（径向布局算法解决节点重叠）；tutor-skills（"输入-内化-检测"三阶段学习闭环）；scholar-skill（基于 OpenClaw 的 L1/L2/L3 分级论文阅读）。核心插件：claudian（适配 Claude Code）和 obsidian-agent-client（适配多主流 Agent）。属 [[Second Brain]] 的工具选型层，与 [[obsidian-高效指南-我常用的插件与实用技巧]]（插件配置）和 [[dataview-让我从笔记黑洞里逃出来的-obsidian-神器-1]]（同类数据库视图工具）互补。
+
 **[[养虾日记3]]**：用 Obsidian + Gitea 为 AI 助手构建持久化笔记系统——解决"AI 对话结束输出就消失"的核心问题。核心架构：**Obsidian 做知识库**（iCloud Drive 三端同步）、**Gitea 做版本控制**（完整保留所有历史版本）、**OpenClaw obsidian skill 做写入接口**。三个 Agent（星枢/星辉/星曜）分别向各自 Obsidian 目录写入，knowledgebase/ 存放跨 Agent 共用知识，<agentId>/ 存放单一 Agent 私有笔记。核心价值：把 AI 变成"会自动整理笔记的实习生"——做完事顺手更新记录。与 [[Second Brain]]（对话记忆）、[[Personal Knowledge Base (RAG)]]（知识检索）同属持久化记忆能力的不同实现。与 [[self-healing-home-server]] 的 Morning Briefing 共享同一笔记更新机制。融合了 Karpathy 的 LLM Wiki 理念：让 AI 增量构建 Wiki，页面间互链，知识越积越厚。与 [[养虾日记1]]（照片整理）、[[养虾日记2]]（Self-Improving）、**[[养龙虾5天血泪史]]**（记忆调试）属同一「养虾日记」系列。
 
 **[[养龙虾5天血泪史]]**：AI Agent 记忆失效问题的专项调试全记录——作者（比利哥）花费 5 天时间系统修复 OpenClaw 助理"星辉"的失忆问题。发现 5 类根本原因：①上下文压缩导致细节丢失（姓名/数字/决定）→ 配置 `memoryFlush` 在压缩前写入磁盘；②纯语义搜索在专有名词上失败 → 切换到 QMD 混合搜索（BM25+向量+重排）；③Agent 找到但不自动使用信息 → 启动序列强制触发检索；④多次压缩后上下文仍丢失 → 配置 `contextPruning` 协同工作；⑤系统提示词膨胀 28% → 全面清理未使用技能和无效文件。**10 条黄金法则**：只有 7 个自动加载文件（AGENTS/SOUL/TOOLS/IDENTITY/USER/HEARTBEAT/MEMORY）；启动序列必须放在 AGENTS.md 最顶部；**写入纪律比读取纪律更重要**；交接协议是模型切换修复的关键；定期运行 `/context detail` 检测 token 消耗。核心洞察：**压缩不是敌人，未写入的上下文才是**；系统提示词中每个令牌都是代理携带的开销。最终将系统提示词从 209,652 精简到 9,349 令牌，减少 28%。与 [[养虾日记1]]（照片整理）、[[养虾日记2]]（Self-Improving）属同一「养虾日记」系列，从不同角度解决 OpenClaw 的记忆与持久化问题。
@@ -1105,4 +1109,6 @@ Key concepts: [[Django ORM]], [[Django REST Framework]], [[Django Admin 定制]]
 
 22. **NotebookLM：不止是信息整理，更是个人 AI 助手**：[[7-ways-i-use-notebooklm-to-make-my-life-easier]] 展示了 Google NotebookLM 的 7 种日常应用场景，核心优势在于 **source-grounding**（严格限制知识库仅限用户上传文档，消除幻觉）。七大应用场景：①信息消化——将 PDF/网页/视频上传后用问答快速提取要点；② Audio Overview——将文档转化为双人对话播客，适合通勤/健身时被动学习；③快速成为新手专家——上传 Batman/Star Wars 等多个来源可快速建立领域认知；④编程学习辅助——上传 Godot/Python 文档，通过问答学习比传统教程更高效；⑤项目管理脑 hub——整合分散的研究资料自动生成项目路线图；⑥软件版本对比——直接对比多个版本的 release notes 列出差异；⑦法律文档审查——每个答案附带精确引用，可信度极高。与 [[Second Brain]]（Obsidian + Gitea 构建的持久化笔记系统）互补——Second Brain 侧重长期知识积累与跨笔记关联，NotebookLM 侧重即时文档消化与 AI 交互问答。属 [[AI时代发展策略]] 的 AI 个人生产力工具层。
 
+23. **本地 Ollama + Qwen2.5-Coder 部署：开发者本地 AI Coding 基础设施**：[[在-ubuntu-安装-ollama-并运行-qwen2-5‑coder-7b]] 介绍了在 Ubuntu 上通过 Ollama 本地部署 Qwen2.5-Coder 7B 的完整流程。核心价值：3 条命令完成安装（`curl install.sh | sh` → `ollama pull qwen2.5-coder:7b` → `ollama run qwen2.5-coder:7b`），模型约 4.5GB，最低 8GB RAM 推荐 16GB，无需 GPU 也可运行。推荐搭配工具链：Open WebUI（ChatGPT 风格 UI）、n8n（AI 工作流自动化）、LangChain（Agent 框架）、OpenClaw（AI Coding Agent）。[[Qwen2.5-Coder]] 相比普通 `qwen2.5:7b` 在 Tool usage、Shell/Python/SQL 理解和 Repo 级代码理解方面更强，更适合 DevOps automation、SQL Agent、Kubernetes troubleshooting 等工程任务。Ollama 默认仅监听 127.0.0.1，通过设置 `OLLAMA_HOST=0.0.0.0` 可开放远程 API 访问，支持 Python/NodeJS SDK 和 n8n、WebUI、Agent 等外部调用。属 [[AI时代发展策略]] 的本地 AI 基础设施层。
+