1044 lines
57 KiB
Markdown
1044 lines
57 KiB
Markdown
---
|
||
title: Wiki Overview
|
||
last_updated: 2026-04-16 Morning Batch 9
|
||
// 新增领域：ChatGPT 个性化指令配置与自定义指令工程（2026-04-16 Early Morning）
|
||
// 新增领域：提示词库与变量注入技术（2026-04-16 Early Morning）
|
||
// 新增领域：Ollama + Qwen2.5-Coder 本地 AI 推理部署（2026-04-16 Batch 2）
|
||
// 新增领域：Synology NAS NFS 永久挂载与 rsync 备份架构（2026-04-16 Batch 2）
|
||
// 新增领域：Apache Superset Docker 部署（2026-04-16 Batch 2）
|
||
// 新增领域：多云策略（AWS/Azure/GCP）与跨云治理框架（2026-04-16 Early Morning）
|
||
// 新增领域：家庭网络环境概览（多节点混合基础设施架构，FRP+Caddy 统一公网暴露）（2026-04-16 Early Morning）
|
||
// 新增领域：Jellyfin Docker 部署（Intel QuickSync 硬件转码，Synology NAS 媒体平台）（2026-04-16 Early Morning）
|
||
// 新增领域：vibe coding 经验收集（设计文档优先+双AI Review+CodeWeaver 上下文压缩）（2026-04-16 Early Morning）
|
||
// 新增领域：vibe-coding-cn 中文 Vibe Coding 资源库（2026-04-16 Early Morning）
|
||
// 新增领域：Clonezilla + NFS 磁盘镜像备份与灾难恢复（2026-04-16 Early Morning）
|
||
// 新增领域：Agent Use Cases 四大工作流（项目管理/内容工厂/产品工厂/知识库）（2026-04-15 Evening）
|
||
// 新增领域：Last30Days 与多平台热点聚合（2026-04-15）
|
||
// 新增领域：gog CLI 与 Google Workspace CLI（2026-04-15）
|
||
// 新增领域：Cursor 2.0 与 AI 代码编辑器（2026-04-15）
|
||
// 新增领域：n8n Docker 部署与网络代理配置（2026-04-15 PM）
|
||
// 新增领域：Cloud Operating Model 云运营模型（2026-04-15 PM）
|
||
// 新增领域：MinIO + Zipline 自托管图床（2026-04-15 PM）
|
||
// 新增领域：Trae Remote SSH 远程开发（2026-04-15 PM）
|
||
// 新增领域：Claude Skills 完整资源图谱与流程工程（2026-04-15 PM）
|
||
// 新增领域：NotebookLM 7 种应用场景与 Source-Grounding（2026-04-15 PM）
|
||
// 新增领域：Agentic AI UX 设计五原则（2026-04-15 PM）
|
||
// 新增领域：OpenClaw 照片整理实战（2026-04-15 PM）
|
||
// 新增领域：AI 时代赚钱思维模型（2026-04-15 PM）
|
||
// 新增领域：递归自优化生成系统（2026-04-15）
|
||
// 新增领域：AI产品经理工作流（2026-04-15）
|
||
// 新增领域：baoyu-skills Claude Code技能集（2026-04-15）
|
||
// 新增领域：OpenClaw Agent Use Cases 五大工作流（arXiv论文阅读/自主游戏开发/语义记忆搜索/自愈基础设施/预测市场自动化）（2026-04-16 Batch 5）
|
||
// 新增领域：DevOps Culture and Transformation 四大支柱框架（2026-04-16 Batch 4）
|
||
// 新增领域：RTO/RPO 现代灾难恢复体系与 Feature Flag 秒级 RTO（2026-04-16 Batch 4）
|
||
// 新增领域：公有云/私有云/混合云三种部署模型对比与共享责任模型（2026-04-16 Batch 4）
|
||
// 新增领域：Agentic AI UX 设计五原则与 GenAI 对比（2026-04-16 Batch 8）
|
||
// 新增领域：LLM/RAG/AI Agent 三层架构与协同关系（2026-04-16 Batch 8）
|
||
// 新增领域：Cloud DevOps 成熟度评估框架与 DORA 指标（2026-04-16 Batch 8）
|
||
// 新增领域：Vibe Coding 范式与 vibe-coding-cn 中文资源库（2026-04-16 Batch 9）
|
||
// 新增领域：Clonezilla + NFS + Synology NAS 全盘镜像灾难恢复体系（2026-04-16 Batch 9）
|
||
// 新增领域：Cursor 2.0 Plan/Agent/Ask 三模式与 Composer 模型（2026-04-16 Batch 9）
|
||
// 新增领域：ChinaTextbook 41.53GB 中国教育 PDF 教材开源归档（2026-04-16 Batch 9）
|
||
---
|
||
|
||
# LLM Wiki Overview
|
||
|
||
## 核心主题
|
||
AI开源生态在2025年取得突破性进展，国产模型在多个领域成为国际闭源产品的有力替代。同时，DevOps 文化与转型方法论为组织提供数字化交付能力建设的系统性指导。
|
||
|
||
## 主要领域
|
||
1. **本地AI推理**：Ollama + Qwen2.5-Coder 7B 在 Ubuntu 服务器快速部署本地 LLM 推理能力，GPU 自动加速，远程 API 供 n8n/OpenClaw 调用
|
||
2. **NAS 存储架构**：Synology NAS NFS 永久挂载方案，rsync 增量备份保留 Docker 卷权限信息
|
||
3. **AI生图**：Flux和Stable Diffusion主导开源生态，Flux在人体解剖学正确性上表现最佳
|
||
4. **AI生视频**：HunyuanVideo以最大参数量成为开源视频生成标杆
|
||
4. **通用智能体**：Manus定义AI Agent元年，OpenManus提供开源实现
|
||
5. **AI编程**：Cline将VS Code变身全自动AI工程师
|
||
6. **智能体工作流**：n8n（16万Star）和Dify实现可视化AI流程编排
|
||
7. **AI搜索**：Perplexica实现完全本地化的开源搜索
|
||
8. **DevOps 文化与转型**：四大支柱驱动组织数字化交付能力
|
||
9. **DevOps 成熟度评估**：DORA 四指标 + 云成熟度 5 级模型
|
||
10. **Linux 运维**：150 个核心命令覆盖系统管理全场景
|
||
11. **OpenClaw Agent Use Cases**：arXiv 论文阅读（LaTeX 自动展平）/自主游戏开发（Bugs First + 每7分钟产出）/语义记忆搜索（memsearch 混合向量）/自愈基础设施（SSH+Cron+多因素安全）/预测市场自动化（纸带交易策略）
|
||
|
||
## 关键趋势
|
||
- 深度推理让AI学会"慢思考"
|
||
- 开源内卷将价格打成白菜价
|
||
- 国产开源模型在多个领域实现差异化竞争
|
||
- DevOps 向 GitOps、AI 赋能、Serverless 和 Edge Computing 方向演进
|
||
|
||
## 新增领域：Agent Use Cases 四大工作流
|
||
|
||
### 1. Autonomous Project Management（去中心化项目管理）
|
||
基于 [[STATE.yaml]] 的去中心化协调模式，替代传统中央 orchestrator。subagent 通过读写共享状态文件自主协作，Git 作为审计日志，主会话保持薄（CEO 模式）。灵感来源：[[Nicholas Carlini]]。
|
||
|
||
### 2. Content Factory（内容工厂）
|
||
Discord 多 agent 链式协作管线：Research Agent 扫描趋势 → Writing Agent 生成脚本 → Thumbnail Agent 生成配图，全部自动执行定时运行。[[Alex Finn]] YouTube 视频激发此工作流设计。
|
||
|
||
### 3. Market Research & Product Factory（产品工厂）
|
||
[[Last30Days]] 挖掘 Reddit/X 真实用户痛点 → ranked pain points → [[OpenClaw]] 构建 MVP。零编码要求，每周定时追踪市场演变。核心依赖：[[Matt Van Horne]] 的 Last30Days skill。
|
||
|
||
### 4. Personal Knowledge Base RAG（个人知识库）
|
||
基于 [[RAG]] 的第二大脑：Drop any URL 自动摄取 → 向量嵌入 → 语义搜索返回 ranked 结果+来源引文。支持其他 agent 工作流主动查询。
|
||
|
||
## 新增领域：Claude Skills 与流程工程
|
||
|
||
Claude Skills 的爆发标志着从"提示词工程"到"流程工程"的范式转移。Skills = 说明书 + SOP，将人类经验封装为可复用工作流。Anthropic 官方 Skills 仓库（github.com/anthropics/skills）收藏数突破 3.2 万，包含生产级 Skills：办公自动化、开发者工具箱、创意类 Skill。Vibe Coding 的尽头也是 Skills。
|
||
|
||
### 关键概念
|
||
- [[AI技能封装]]：将固定流程任务拆解为 AI 可理解的结构化流程
|
||
- [[流程工程]]：将经验沉淀为 SOP 再交给 AI 稳定执行的新范式
|
||
- [[Anthropic]] ← 发布方
|
||
|
||
### 资源生态
|
||
- 三大 Awesome 仓库：ComposioHQ、VoltAgent、BehiSecc
|
||
- 三大聚合站：skillsmp.com、aitmpl.com、claudemarketplaces.com
|
||
|
||
## 新增领域：NotebookLM 与 Source-Grounding
|
||
|
||
NotebookLM 通过 Source-Grounding 机制（严格限制知识库仅含上传文档）实现高精度回答，每个答案附带精确引文。可作为被动学习（Audio Overviews）、项目管理、法律文档审查、软件更新对比等多种场景的 AI 助理。
|
||
|
||
### 关键能力
|
||
- [[Source Grounding]]：消除幻觉，确保回答可溯源
|
||
- [[被动学习]]：Audio Overviews 在碎片时间消费复杂信息
|
||
- [[引文追溯]]：每个回答附带原文引文
|
||
|
||
## 新增领域：AI图生视频
|
||
|
||
2025年底，AI图生视频技术快速成熟，14款免费工具已能生成高质量视频，覆盖电商模特、内容创作、广告制作等多场景。
|
||
|
||
### 主要产品
|
||
- 绘蛙AI视频（阿里巴巴）：模特图转视频，操作简便
|
||
- 智谱清影（智谱AI）：30秒生成6秒高清视频，支持风格选择
|
||
- Vidu（生数科技+清华大学）：全球首个"多主体参考"功能
|
||
- 可灵AI（快手）：3D时空联合注意力，物理逻辑动作生成
|
||
- 海螺AI（MiniMax）：主体一致性保持，光影色调高度一致
|
||
- Stable Video（Stability AI）：LoRA摄像机精细控制
|
||
|
||
### 关键能力
|
||
- [[图生视频]]：静态图片转动态视频
|
||
- [[主体一致性]]：视频中保持角色外观一致
|
||
- [[运动控制]]：文本提示词控制主体运动
|
||
- [[运镜控制]]：模拟摄像机运动控制画面视角
|
||
|
||
## 新增领域：DevOps 文化与转型
|
||
|
||
### 核心框架
|
||
DevOps 建立在四大支柱之上：协作优先于孤岛、自动化即赋能者、持续改进（Kaizen）、客户中心。
|
||
|
||
### 关键实践
|
||
- [[CI/CD Pipelines]]：自动化构建、测试、部署流水线（Jenkins、GitHub Actions、GitLab CI）
|
||
- [[Infrastructure as Code]]：以代码管理基础设施（Terraform、AWS CloudFormation）
|
||
- [[DevSecOps]]：在 CI/CD 中内置安全（SonarQube、Snyk）
|
||
- [[GitOps]]：以 Git 为单一真实源管理配置
|
||
|
||
### 工具生态
|
||
- 监控可观测性：Prometheus、Grafana、Datadog
|
||
- 容器化：Docker、Kubernetes
|
||
- 配置管理：Ansible（Red Hat）
|
||
|
||
### 未来趋势
|
||
- AI/ML 赋能 DevOps（代码审查智能自动化、异常检测、自愈基础设施）
|
||
- [[Serverless DevOps]]：FaaS 减少运维开销
|
||
- [[Edge Computing DevOps]]：边缘节点实时应用优化
|
||
|
||
## 新增领域：DevOps 成熟度与云成熟度评估
|
||
|
||
### DevOps 成熟度模型
|
||
DevOps 成熟度评估帮助组织了解当前效能水平并识别改进方向，核心框架为 Google DORA 团队提出的四指标体系。
|
||
|
||
### DORA 四指标
|
||
- [[DORA指标]]：部署频率、变更前置时间、变更失败率、平均恢复时间
|
||
- 精英团队：每天多次部署、变更前置时间 < 1 天、变更失败率 0-15%、MTTR < 1 小时
|
||
- 关联概念：[[Kaizen]]、Chaos Engineering（主动测试系统韧性）
|
||
|
||
### 云成熟度 5 级模型
|
||
- Level 0（Legacy）：无云准备，纯本地遗留系统
|
||
- Level 1（Initial）：初始准备，少数系统试点云服务
|
||
- Level 2（Repeatable）：可重复，建立流程和采购规范
|
||
- Level 3（Systematic）：系统化文档化，有管理流程和合规策略
|
||
- Level 4（Measured）：可测量，云原生应用广泛采用
|
||
- Level 5（Optimized）：优化，数据驱动决策，灵活跨云迁移工作负载
|
||
|
||
### 三要素评估
|
||
- People：技能与工作方式转型
|
||
- Processes：工作流优化
|
||
- Technology：基础设施适配
|
||
|
||
### Forrester 预测
|
||
2025 年全球云成熟度模型市场达 15 亿美元，60%+ 组织已实施云成熟度模型。
|
||
|
||
## 新增领域：Linux 运维 150 命令
|
||
|
||
Linux 命令是系统管理的核心，核心理念为"一切皆文件"——CPU、内存、磁盘、键盘、鼠标、用户都是文件。
|
||
|
||
### 命令分类
|
||
- 线上查询：man（命令帮助）、help（内置命令帮助）
|
||
- 文件目录操作：ls/cd/cp/find/mkdir/mv/pwd/rename/rm/rmdir/touch/tree/basename/dirname/chattr/lsattr/file/md5sum
|
||
- 文件内容处理：cat/tac/more/less/head/tail/cut/split/paste/sort/uniq/wc/iconv/dos2unix/diff/vimdiff/rev/grep/join/tr/vi/vim
|
||
- 压缩解压：tar/unzip/gzip/zip
|
||
- 信息显示：uname/hostname/dmesg/uptime/stat/du/df/top/free
|
||
|
||
### 关键概念
|
||
- [[Shell]]：命令解释器（Bash/Zsh）
|
||
- [[管道]]：| 将多个命令组合实现复杂功能
|
||
- [[正则表达式]]：文本匹配模式
|
||
|
||
## 新增领域：家庭多节点混合基础设施
|
||
|
||
基于四层混合架构（VPS1 公网入口 + MacMini 主控 + Synology NAS 媒体存储 + Ubuntu1/2 应用节点），通过 FRP 内网穿透和 Caddy 反向代理实现全服务统一公网访问。
|
||
|
||
### 节点角色
|
||
- [[VPS1]]：公网入口，FRPS 监听 7000 端口 + Caddy HTTPS 反向代理，所有内网服务通过 FRP 隧道暴露
|
||
- [[Mac Mini]]：OpenClaw 主控节点，stq 项目栈（n8n/mariadb），vaultwarden 密码管理
|
||
- [[Synology NAS DS718]]：媒体平台（Jellyfin/Navidrome/Calibre）、对象存储（MinIO/Zipline）、Docker 监控栈
|
||
- [[Ubuntu1]]：监控全家桶（Grafana/Prometheus/Alertmanager/blackbox/cAdvisor）、homarr 导航面板、superset BI
|
||
- [[Ubuntu2]]：n8n 工作流引擎、Gitea 版本控制、drawio 图表编辑器
|
||
|
||
### 关键架构
|
||
- [[FRP内网穿透]]：frpc+frps 架构，MacMini/NAS/Ubuntu1/2 均运行 frpc 连接 VPS1 frps
|
||
- [[反向代理]]：Caddy（VPS1）统一申请 Let's Encrypt 证书，按域名路由；nginx-proxy-manager（Ubuntu1）管理内部 HTTPS
|
||
- [[多节点基础设施]]：四层拓扑通过内网 192.168.3.0/24 互联，VPS1 FRPS 端口 7000 是唯一公网入口
|
||
- [[可观测性]]：Prometheus + Grafana + Alertmanager + blackbox_exporter 覆盖所有节点
|
||
|
||
### 科学上网状态
|
||
- macmini/ubuntu1/ubuntu2：socks5://127.0.0.1:10808 ✅ 正常
|
||
- NAS：socks5://127.0.0.1:20170 ❌ 仅本机监听
|
||
|
||
## 新增领域：Jellyfin 开源媒体服务器
|
||
|
||
Jellyfin 是 Plex 的 GNU GPL 开源分支，提供完全自托管的媒体服务器能力，支持电影/电视剧/音乐/有声书，自动从 TMDB/TVDB 刮削元数据。
|
||
|
||
### 部署配置
|
||
- 镜像：nyanmisaka/jellyfin（优化版，内置 Intel QuickSync 支持）
|
||
- [[硬件转码]]：通过 /dev/dri 挂载 Intel GPU，将 H.265/H.264 转码卸载到 QuickSync，CPU 占用从 300%+ 降至 <20%
|
||
- 存储：/volume2/movie + /volume1/TV shows 以只读 :ro 挂载防止误改
|
||
- 用户权限：user: "1026:100" 匹配群晖默认 UID/GID
|
||
|
||
### 关键概念
|
||
- [[Jellyfin]] ← 替代 → [[Plex]]（商业闭源 vs GPL 开源）
|
||
- [[媒体刮削]]：自动匹配 TMDB/TVDB 元数据
|
||
- [[硬件转码]]：Intel QuickSync vs CPU 软解性能对比
|
||
|
||
## 新增领域：Vibe Coding 工程化实践
|
||
|
||
超越提示词优化，进入工程化实践阶段。[[vibe-coding经验收集]] 收集了 X/Twitter 实践者的核心工作流。
|
||
|
||
### 核心工程化模式
|
||
- [[设计文档优先]]：需求 → 含伪代码的设计文档 → AI 直出代码，比纯提示词显著提高直出质量
|
||
- [[双AI-Review]]：第一个 AI 生成 + 第二个 AI 独立 review，避免 self-justification，人工保留最终决策权
|
||
- [[上下文压缩]]：CodeWeaver 将屎山代码库编织为树形 Markdown，解决 AI 上下文窗口限制
|
||
|
||
### 趋势判断
|
||
> "未来的软件工程核心不是'看懂代码'，而是'验证代码按正确逻辑运行'" — 通过自动化测试+静态分析+形式化验证取代"看代码理解"
|
||
|
||
### 新工具
|
||
- [[CodeWeaver]]：GitHub 工具，将任意项目编织为可导航 Markdown，简化 AI 上下文注入
|
||
|
||
## 新增领域：Nano Banana 结构化提示词框架
|
||
|
||
Google Nano Banana 是图像生成提示词的结构化框架，通过 9 个标准化字段（Shot/Subject/Environment/Lighting/Camera/ColorGrade/Style/Quality/Negatives）将创意描述转化为机器可执行参数。
|
||
|
||
### 关键机制
|
||
- negatives（负向提示词）是质量控制关键字段
|
||
- camera 字段提供电影级构图控制（焦距/光圈/角度）
|
||
- 物件描述框架与人物描述框架共用同一结构，subject 字段内容不同
|
||
|
||
### 关键概念
|
||
- [[Nano Banana]]：Google 发布的结构化图像提示词框架
|
||
- [[负向提示词]]：明确排除不需要的特征
|
||
|
||
## 新增领域：Claude + n8n-mcp AI 工作流自动生成
|
||
|
||
Claude 与 n8n-mcp 结合，通过自然语言直接生成 n8n 工作流，降低自动化门槛。
|
||
|
||
### 核心机制
|
||
- [[n8n mcp]]：提供 543 个 n8n 节点的结构化访问，271 个 AI 能力节点
|
||
- Claude 自动生成工作流完成度约 80%-90%，10%-20% 错误率需人工修正
|
||
- 选择 Opensea 模型并开启 extended thinking 可显著提升生成质量
|
||
|
||
### 关键能力
|
||
- [[AI工作流自动生成]]：自然语言→工作流代码
|
||
- [[n8n mcp]]：AI 与 n8n 的 MCP 协议桥接
|
||
|
||
## 新增领域：MCP 在 Cursor 中的集成
|
||
|
||
MCP 协议为 Cursor 提供与大模型外围服务的高效集成能力。
|
||
|
||
### 核心机制
|
||
- [[MCP]]：Client-Server 架构，3 种接口（资源读取/工具调用/Promise 提示词）
|
||
- [[Composer]]：Cursor 对话模块，支持 Agent 模式和 Normal 模式
|
||
- [[Agent模式]]：自动执行 MCP 工具链，减少手动操作
|
||
- [[Sequential Thinking]]：逻辑推理分步工具，提升 AI 决策质量
|
||
|
||
### 关键区分
|
||
- Agent 模式：工具链自动串联
|
||
- Normal 模式：需手动复制命令
|
||
- enable yolo mode：风险高，默认关闭
|
||
|
||
## 新增领域：Google 5 种 Agent Skill 设计模式
|
||
|
||
Google Cloud 发布的 Skill 内容结构化设计模式，解决 SKILL.md 格式标准化后执行效果差异大的问题。
|
||
|
||
### 5 种模式
|
||
- [[Tool Wrapper]]：监听关键词动态加载规范文档，适合团队编码规范分发
|
||
- [[Generator]]：通过"填空"流程强制一致输出格式
|
||
- [[Reviewer]]：分离检查清单与检查逻辑，换清单即换审计类型
|
||
- [[Inversion]]：agent 先问你再做，逐阶段收集信息
|
||
- [[Pipeline]]：带硬性检查点的严格顺序工作流
|
||
|
||
### Anthropic 补充
|
||
- 最好的 Skill = 工具箱，而非"写好的提示词"
|
||
- 写 Skill 三条铁律：只写 Agent 不知道的、重点写踩坑清单、给工具不给指令
|
||
- 5 种模式可组合（Pipeline 包含 Reviewer、Generator 依赖 Inversion）
|
||
|
||
### 关键能力
|
||
- [[渐进式披露]]：ADK 机制，agent 只在需要时才加载特定 token
|
||
|
||
## 新增领域：Claude Code 调用模式
|
||
|
||
OpenClaw/Hermes 通过 terminal 工具调用 Claude Code，两种核心模式满足不同场景需求。
|
||
|
||
### 关键机制
|
||
- [[Print Mode]]：stdin 管道非交互模式，适合绝大多数编程任务
|
||
- [[TMUX交互模式]]：tmux session 交互模式，适合超长任务
|
||
- `--permission-mode bypassPermissions` 跳过所有交互确认，是自动化调用的必要条件
|
||
- `--add-dir` 自动扫描 SKILL.md 并在触发条件匹配时激活
|
||
|
||
### 关键区分
|
||
- delegate_task 仅调用 Hermes 子 agent，无法建立 Claude Code CLI 通道
|
||
- Skill 调用必须使用 terminal + claude -p
|
||
|
||
## 新增领域：baoyu-skills Claude Code 技能集
|
||
|
||
宝玉发布的 Claude Code 技能集，通过 ClawHub 协议支持按单个 skill 安装，涵盖内容生成、AI 图像创作、日常效率工具三大类。
|
||
|
||
### 技能架构
|
||
- [[内容技能]]：baoyu-xhs-images（小红书9×6风格布局）、baoyu-infographic（20×17布局风格）、baoyu-cover-image（5维封面定制）、baoyu-slide-deck（4维度16预设）、baoyu-comic（5×8画风基调）、baoyu-article-illustrator
|
||
- [[baoyu-imagine]]：9 家服务商自动选择（OpenAI/Google/DashScope/MiniMax/即梦/豆包/Replicate等）
|
||
- [[工具技能]]：baoyu-translate（三模式翻译）、baoyu-youtube-transcript、baoyu-url-to-markdown
|
||
|
||
### 发布协议
|
||
- ClawHub 按单个 skill 安装（clawhub install baoyu-imagine），而非 marketplace 批量安装
|
||
- EXTEND.md 支持用户级/项目级自定义，Env 配置支持 API Key 优先级覆盖
|
||
|
||
## 新增领域：AI 产品经理工作流
|
||
|
||
AI 时代产品经理将 Gemini 深度嵌入需求文档、FeatureList、逻辑图、HTML 原型的全链路工作流。
|
||
|
||
### 核心方法
|
||
- [[FeatureList]] 共创：与 Gemini 构思需求框架，AI 补全层级和边界场景
|
||
- [[PRD自动生成]]：分页面逐一描述 + PRD 写作指南模板 + 调教反馈
|
||
- Mermaid 代码生成 ER 图、泳道图、甘特图（飞书原生支持）
|
||
- HTML 原型同步生成 + 差量维护 = 永远最新的交互原型库
|
||
|
||
### 核心洞察
|
||
- Gemini = 知识渊博但不带脑子的苦工，表述越准执行越准
|
||
- [[超级个体]] = 某领域八九十分 + AI 横向扩展，AI 是充分非必要条件
|
||
- 市场洞察力 = 产品经理最稀缺也最重要的能力，AI 时代更重要
|
||
|
||
## 新增领域：递归自优化生成系统的形式化框架
|
||
|
||
tuuai 提出的自递归优化生成系统，将 AI 自我改进机制纳入固定点语义与 λ-calculus 的数学框架。
|
||
|
||
### 核心机制
|
||
- α-提示词（生成器 G）→ Ω-提示词（优化器 O）→ 元生成器（M）→ 自映射 Φ(G) = M(G, O(G(I), Ω))
|
||
- 稳定生成能力 = Φ 的固定点 G*：Φ(G*) = G*
|
||
- 自举（Bootstrapping）：用优化产物反馈给系统，启动下一轮进化
|
||
- Y Combinator 表达：G* = Y STEP，满足 G* = STEP G*
|
||
|
||
### 关键命题
|
||
- 自优化的目标不是单次最优输出，而是生成器空间 {G_n} 的收敛行为
|
||
- [[固定点]] 对应系统不动点，即自洽的稳定生成能力
|
||
- [[自递归优化生成系统]] 与 Agent Skill Generator Pattern 形成理论与实践的对应
|
||
|
||
## 新增领域：LLM 核心术语与技术框架
|
||
|
||
LLM 技术栈从模型到应用形成完整体系，涵盖参数规模基准、工具调用协议、推理优化等多个维度。
|
||
|
||
### 核心概念
|
||
- [[LLM]]：≥1B 参数的语言模型为"大模型"门槛，GPT-2（1.5B）、GPT-3（175B）
|
||
- [[MCP]]：Model Context Protocol，LLM 与外部工具的标准化通信协议
|
||
- [[Agent]]：大模型 + MCP 工具整合后实现实际任务执行，大模型仅输出步骤，执行需依赖 MCP
|
||
- [[RAG]]：Retrieval-augmented generation，通过检索增强解决幻觉问题（考试正确率 60%→90%）
|
||
- [[Embedding]]：向量化，将词转化为浮点数字计算语义距离
|
||
- [[vLLM]]：通过 PagedAttention（块式 KV Cache）和连续批处理优化 GPU 利用率
|
||
- [[Token]]：LLM 基本输入单元，中文约 0.6 token/字符，英文约 0.3 token/字符
|
||
- [[数据蒸馏]]：用大模型生成精简数据训练小模型
|
||
|
||
### 关键洞察
|
||
- MCP 协议核心约束：大模型不执行实际调用，只给出步骤建议
|
||
- vLLM 推理优化：PagedAttention 避免内存碎片化，连续批处理减少头阻塞
|
||
|
||
## 新增领域：Vibe Coding 氛围编程
|
||
|
||
Vibe Coding = 规划驱动 + 上下文固定 + AI 结对执行，让想法到可维护代码成为可审计流水线。
|
||
|
||
### 核心方法论
|
||
- 开发者从"写代码的人"转变为"指挥 AI 写代码的导演"
|
||
- 保持对产品逻辑、用户流程、审美和交互的"感觉"
|
||
- 规划是一切：技术选型、实施规划、模块化设计
|
||
- AI 工具（Cursor、Windsurf、Trae）承担体力活
|
||
|
||
### 推荐资源
|
||
- [[vibe coding cn]]：中文开发者 Vibe Coding 资源库与工作站
|
||
- Cursor + claude-opus-4.5-xhigh 为推荐工具组合
|
||
|
||
## 新增领域：Agentic AI 赋能 Cloud DevOps
|
||
|
||
Agentic AI 将传统响应式 DevOps 转变为预测性、自动化运维。
|
||
|
||
### 七大应用场景
|
||
1. 自主检测与修复：K8s、数据库、存储异常自动修复（MTTR 降低）
|
||
2. 智能 IaC 管理：审查 Terraform、CloudFormation、Pulumi 脚本
|
||
3. 成本优化：动态扩展、Spot/Reserved 实例优化（夜间负载转移降低 40% 成本）
|
||
4. 安全合规：IAM 策略扫描、容器漏洞检测、实时修复
|
||
5. 日志分析与可观测性：AI 驱动的根因分析
|
||
6. 多租户 SaaS 管理：自动化创建、配置、归档租户
|
||
7. AI 增强决策：What-If 模拟、异常检测
|
||
|
||
### 关键能力
|
||
- [[Self-Healing Systems]]：自愈系统，异常检测 + 自动修复
|
||
- [[Multi-Cloud Governance]]：跨 AWS/GCP/Azure 多云治理
|
||
|
||
## 新增领域：OpenClaw Workspace 架构
|
||
|
||
OpenClaw workspace 文件体系通过 7 个核心文件实现 Agent 的可预期性和一致性。
|
||
|
||
### 核心文件
|
||
- AGENTS.md：岗位职责说明书（300-500 字最佳），定义边界而非仅列能力
|
||
- SOUL.md：性格档案（叙事性角色设定），与 IDENTITY.md 分工明确
|
||
- USER.md：用户偏好固化，减少重复交代
|
||
- TOOLS.md：工具权限规范，核心是"什么时候不用"
|
||
- IDENTITY.md：结构化身份元数据（Name/Creature/Vibe/Emoji/Avatar）
|
||
- BOOTSTRAP.md：一次性初始化引导，完成后删除
|
||
- [[长期记忆]]：memory/ 目录，Agent 跨会话保留重要信息
|
||
|
||
### 核心价值
|
||
从"每次重新 onboarding"转变为"记得上下文、偏好和历史"的长期搭档。
|
||
|
||
## 新增领域：家庭监控方案（可观测性实践）
|
||
|
||
家庭和小型实验室场景下，通过 Docker 一键部署完整监控栈，实现主机/容器/服务三层覆盖。
|
||
|
||
### 核心组件
|
||
- [[Prometheus]]：时序数据库和告警规则引擎，pull 模式采集所有 exporter 指标
|
||
- [[Grafana]]：仪表盘可视化，Dashboard ID 1860/14282/7587 覆盖主要监控需求
|
||
- [[cAdvisor]]：容器指标采集，挂载 /var/lib/docker/ 获取完整容器资源数据
|
||
- [[blackbox_exporter]]：HTTP/TCP/DNS/TLS 黑盒探测，监控内外网服务可用性
|
||
- [[node_exporter]]：主机指标采集，CPU/内存/磁盘/网络
|
||
- [[Alertmanager]]：告警分组抑制分发，支持邮件/Slack/Telegram
|
||
|
||
### 关键告警
|
||
- HostHighCPU：CPU 5分钟平均 > 85%
|
||
- HostLowDisk：磁盘剩余 < 10%
|
||
- TLSCertExpiring：证书到期 < 14天
|
||
- HTTPProbeFailed：探测连续失败
|
||
|
||
### 扩展路径
|
||
- [[Loki]] + Promtail：日志聚合
|
||
- [[Uptime Kuma]]：轻量合成探针 UI
|
||
- [[VictoriaMetrics]]：长期时序存储
|
||
|
||
### 关键洞察
|
||
- Docker Socket 挂载存在安全风险，容器可获宿主机 root 等同权限
|
||
- 监控流量建议放在管理 VLAN 或防火墙限定访问
|
||
|
||
## 新增领域：Synology NAS 影视媒体平台
|
||
|
||
群晖 NAS 作为自托管媒体中心，整合阿里云盘资源与 Plex 前端，构建私有影视平台。
|
||
|
||
### 核心组件
|
||
- [[Plex]]：跨平台媒体服务器，自动刮削 TMDB/TVDB 元数据，支持转码和多设备播放
|
||
- [[Xiaoya Alist]]：阿里云盘资源聚合，通过 token 授权转存分享资源到阿里云盘
|
||
- [[CloudDrive2]]：群晖套件，将阿里云盘挂载为本地文件系统
|
||
- [[Synology NAS]]：硬件平台，Container Manager（Docker）和套件中心两大应用入口
|
||
|
||
### 离线镜像导入
|
||
当 Container Manager 无法读取 Docker Hub 时，通过 docker save/docker load 在离线环境迁移镜像。
|
||
|
||
### 媒体目录策略
|
||
aliyun-movie/ → Plex 电影库
|
||
aliyun-tvshows/ → Plex 电视剧库
|
||
aliyun-documentory/ → Plex 纪录片库
|
||
|
||
### 阿里云盘配置
|
||
- refresh_token：通过 alist.nn.ci/tool/aliyundrive/request.html 扫码获取
|
||
- token：阿里云盘 App 扫码授权
|
||
- 安全原则：仅授权资源目录，不授权备份目录
|
||
|
||
## 新增领域：电商数据采集与AI处理自动化
|
||
|
||
基于 Scrapy + Playwright + n8n + Ollama 构建全链路电商数据采集与 AI 处理管线。
|
||
|
||
### 核心架构
|
||
- [[Scrapy]]：异步结构化抓取，分页调度，支持 JSON/CSV 输出
|
||
- [[Playwright]]：JS 动态页面渲染，scrapy-playwright 插件集成
|
||
- [[n8n Workflow自动化]]：Cron 触发 → 执行爬虫 → 读取 JSON → AI 处理 → 存储 → 通知
|
||
- [[Ollama]]：本地 LLM 推理，http://localhost:11434/api/generate 调用
|
||
|
||
### 采集字段
|
||
title/price/rating/image_urls/product_url
|
||
|
||
### AI 处理任务
|
||
- 内容摘要（30字内）
|
||
- 分类（类目/品牌/价格区间）
|
||
- 特征提取（品牌、型号、规格）
|
||
- 多语言翻译
|
||
- 异常检测（异常价格/缺图）
|
||
|
||
### 防封策略
|
||
- User-Agent 轮换
|
||
- 代理池（[[BrightData]]/[[ScraperAPI]]）
|
||
- DOWNLOAD_DELAY + 随机化
|
||
|
||
### 扩展路径
|
||
- FastAPI 服务层：REST API 暴露给前端/BI
|
||
- LangChain + Qdrant：向量语义检索
|
||
- Grafana/Metabase：电商趋势可视化
|
||
|
||
## 新增领域：Last30Days 与多平台热点聚合
|
||
|
||
Last30Days 研究过去 30 天内多平台社交热点，生成聚合研究报告，覆盖 Reddit/X/YouTube/TikTok/Instagram/Hacker News/Polymarket/Web 8 大数据源。
|
||
|
||
### 核心机制
|
||
- [[多平台热点聚合]]：整合 8 个数据源的结构化趋势研究方法，权重分层（Reddit/X > YouTube > Polymarket > TikTok > Instagram > Web）
|
||
- [[社交信号权重]]：基于真实互动（upvotes/likes/押注）而非单纯曝光量的热度评估框架
|
||
- 对比模式（"A vs B"）一次返回并排对比研究
|
||
- [[ScrapeCreators]] API 覆盖 Reddit/TikTok/Instagram（前 100 次免费）
|
||
|
||
### API Keys 配置
|
||
- SCRAPECREATORS_API_KEY（必填）
|
||
- XAI_API_KEY 或 AUTH_TOKEN+CT0（X 搜索）
|
||
- OPENROUTER_API_KEY / TAVILY_API_KEY（Web 搜索备选）
|
||
|
||
### 最佳实践
|
||
- 测试话题：--quick（8-12 条/来源，2 分钟内）
|
||
- 深度研究：--deep（50-70 条 Reddit，40-60 条 X，2-8 分钟）
|
||
- 指定 X 账号：--x-handle=账号名（搜索特定人物/品牌帖子）
|
||
|
||
## 新增领域：gog CLI 与 Google Workspace CLI
|
||
|
||
gog CLI 是 macOS 系统通过命令行管理 Google Workspace 的工具，支撑日历/邮件自动化工作流。
|
||
|
||
### 核心机制
|
||
- [[Google Workspace CLI]]：命令行管理 Gmail/Calendar/Drive/Contacts/Docs/Sheets
|
||
- OAuth 双层验证：OAuth 凭证（身份认证）+ Google Cloud API Enablement（权限控制）
|
||
- 403 accessNotConfigured 错误的根因是 Google Cloud 项目未启用对应 API，而非权限问题
|
||
|
||
### 关键使用规范
|
||
- 添加测试用户（ishenwei@gmail.com）绕过 Google 第三方应用验证限制
|
||
- 启用新 API 后必须重新授权（gog auth revoke && gog auth login）
|
||
- export GOG_ACCOUNT=ishenwei@gmail.com 设置默认账号
|
||
|
||
## 新增领域：Cursor 2.0 与 AI代码编辑器
|
||
|
||
Cursor 2.0 是基于 VS Code 的 AI 代码编辑器，通过 [[Composer模型]] 和多代理并行机制提升编程效率。
|
||
|
||
### 核心机制
|
||
- [[AI代码编辑器]]：集成 AI 辅助的代码编辑器（Cursor/Windsurf/Trae/Cline），AI 代理 + Diff 审查 + 项目规则
|
||
- [[Composer模型]]：Cursor 自研 AI 生成模型，生成速度比同类快 4 倍
|
||
- [[多代理并行]]：Plan/Agent/Ask 三种模式同时运行不同任务，互不干扰
|
||
- [[Diff审查]]：逐文件对比 AI 生成代码，强制先测试再确认
|
||
|
||
### 三种代理模式
|
||
- Plan 模式：AI 规划任务步骤，不修改代码
|
||
- Agent 模式：自动串联 MCP 工具链，修改代码
|
||
- Ask 模式：仅返回文本答案，不修改代码（最安全）
|
||
|
||
### 关键规范
|
||
- AI 生成代码即写入文件，未点 Undo 前持续保留
|
||
- [[项目规则]]（.cursorrules）可自定义 AI 行为规范
|
||
- Cursor 建议结合 [[Git]] 版本控制以便回滚
|
||
|
||
## 新增领域：n8n Docker 部署与网络代理配置
|
||
|
||
n8n 自托管工作流引擎通过 Docker 部署在 Ubuntu2（192.168.3.45），通过 SOCKS5 代理解决容器内访问外网问题。
|
||
|
||
### 核心组件
|
||
- [[Docker Compose]]：n8n 容器编排，定义环境变量、端口映射和数据卷
|
||
- [[SOCKS5代理]]：ALL_PROXY 环境变量将容器内 HTTP/HTTPS 流量转发到宿主机代理
|
||
- 容器内测试代理：curl --socks5 172.18.0.1:10808 https://ifconfig.me
|
||
|
||
### 关键能力
|
||
- [[n8n-mcp]]：Claude 通过 MCP 协议调用 n8n 543 个节点
|
||
- [[AI工作流自动生成]]：Claude 自然语言生成 n8n 工作流，完成度 80-90%
|
||
|
||
## 新增领域：Cloud Operating Model 云运营模型
|
||
|
||
企业级云运营模型（COM）通过四大支柱和六步设计法，为组织提供云投资有效管理、安全运营和可持续优化的标准化框架。
|
||
|
||
### 核心机制
|
||
- [[Cloud Operating Model]]：四大支柱（治理/自动化/安全/FinOps），六步设计法（评估→治理→自动化→FinOps→安全→优化）
|
||
- [[FinOps]]：实时成本追踪，Reserved Instances 可节省 40-70% 计算成本
|
||
- [[Zero Trust]]：零信任安全模型，永不信任持续验证，最小权限原则
|
||
- 多云策略避免供应商锁定，Kubernetes 实现工作负载可移植性
|
||
|
||
### 关键洞察
|
||
- 89% 企业将在 2025 年采用云优先架构（Gartner），但缺乏结构化方法的组织面临成本失控和安全漏洞
|
||
- AI 驱动异常检测可使停机时间减少 45%
|
||
|
||
## 新增领域：MinIO + Zipline 自托管图床
|
||
|
||
Synology NAS 通过 Docker 部署 MinIO 对象存储 + Zipline 图片托管服务 + PostgreSQL 元数据，构建完全自控的私有图床。
|
||
|
||
### 核心组件
|
||
- [[MinIO]]：兼容 S3 协议的对象存储引擎，数据持久化在 NAS
|
||
- [[Zipline]]：图片上传 Dashboard + REST API，与 n8n Workflow 集成
|
||
- [[PostgreSQL备份]]：pg_dump 热备份 + Synology Hyper Backup 增量归档
|
||
- [[S3协议]]：MinIO 核心配置参数（S3_BUCKET/ENDPOINT/ACCESS_KEY/SECRET_KEY/REGION/FORCE_PATH_STYLE）
|
||
|
||
### 关键洞察
|
||
- 存储性能仅受 NAS 硬盘/SSD 限制
|
||
- pg_dump + Hyper Backup 是防数据不一致的标准方案
|
||
|
||
## 新增领域：Trae Remote SSH 远程开发
|
||
|
||
Trae AI 代码编辑器通过 Remote SSH 连接 Ubuntu 服务器，结合 Docker Attach 模式和 Bind Mount，实现远程服务器上的隔离开发环境。
|
||
|
||
### 核心机制
|
||
- [[Remote SSH]]：Trae 在服务器安装 Trae Server，所有编辑操作在远程执行
|
||
- [[Docker Attach模式]]：直接进入 Docker 容器内部启动编辑器，完全隔离环境
|
||
- [[Bind Mount]]：宿主机目录挂载容器内，代码修改实时生效
|
||
- SSH Config HostName 可填写 Tailscale IP，实现内网/外网无缝切换
|
||
|
||
### 关键洞察
|
||
- Git 凭证通过 SSH Agent 转发解决
|
||
- 文件权限（UID/GID）问题：容器内生成文件归属 root，需在 Dockerfile 中指定用户
|
||
|
||
## 新增领域：Claude Skills 完整资源图谱与流程工程
|
||
|
||
Anthropic 官方 Skills 仓库 github.com/anthropics/skills 突破 3.2 万收藏，标志着从"提示词工程"到"流程工程"的范式转移。Skills = 说明书 + SOP，将人类经验封装为可复用工作流。
|
||
|
||
### 核心资源
|
||
- [[Anthropic]] 官方仓库：办公自动化（Word/PDF/PPT/Excel）、开发者工具箱（MCP Server/Web 测试/Artifacts 构建）、创意类 Skill
|
||
- 三大 Awesome 仓库：[[ComposioHQ]]、[[VoltAgent]]、[[BehiSecc]]，系统性整理 LLM Skills 工作流
|
||
- 三大聚合站：[[skillsmp.com]]、[[aitmpl.com]]、[[claudemarketplaces.com]]，拿来即用的 Skills 集
|
||
|
||
### 关键洞察
|
||
- Skills 核心是流程而非提示词，Vibe Coding 的尽头也是 Skills
|
||
- 真正有价值的不是 Prompt 写得多花哨，而是谁能将 SOP 交给 AI 稳定执行
|
||
|
||
## 新增领域：NotebookLM 7 种应用场景
|
||
|
||
NotebookLM 通过 Source-Grounding 机制（严格限制知识库仅含上传文档）实现高精度回答，每个答案附带精确引文。
|
||
|
||
### 7 种应用场景
|
||
- 信息管理：上传 PDF/文章/YouTube 链接，AI 自动处理并支持交互问答
|
||
- 被动学习：Audio Overviews 将文档转化为双人 AI 对话音频，支持 Brief/Deep Dive/Critique/Debate 风格
|
||
- 即时专家：上传多源资料快速建立领域认知
|
||
- 编程辅助：上传官方文档，通过问答定位知识点，替代冗长教程
|
||
- 项目管理：集中所有会议记录和战略文档，AI 自动生成结构化路线图
|
||
- 软件更新对比：同时上传多个版本发布说明，AI 提取差异并列出带引文变更清单
|
||
- 法律文档审查：严格基于上传文档回答，每问必带引文
|
||
|
||
### 关键洞察
|
||
- Source-Grounding 是 NotebookLM 与通用 AI 的本质区别：知识受限但精度极高
|
||
- 引文追溯让每个答案可验证，解决通用 AI 幻觉问题
|
||
|
||
## 新增领域：Agentic AI UX 设计五原则
|
||
|
||
Agentic AI（行动型 AI）与 GenAI（生成型 AI）的根本区别在于：Agentic AI 能感知环境、决策、预判并自主行动，而非仅生成内容。
|
||
|
||
### 五大设计原则
|
||
- [[透明度]]：可视化 AI 任务进度和推理过程摘要，帮助用户理解 AI 决策逻辑
|
||
- [[控制权]]：提供明确的停止机制和操作撤销能力，确保用户始终掌控 AI 行为边界
|
||
- [[个性化]]：基于用户历史行为预测未来需求，主动提供个性化建议
|
||
- [[对话式设计]]：自然语言界面取代传统点击，用户意图以对话方式传达
|
||
- [[预判式设计]]：AI 主动预判需求并提前行动，但保留用户调整 AI 自主性等级的控制权
|
||
|
||
### 关键洞察
|
||
- 用户通过观察 AI"思考"过程实现参与，而非直接操作界面
|
||
- AI 自主性 aggressiveness 可调节，需在主动服务与用户控制之间取得平衡
|
||
|
||
## 新增领域：OpenClaw 照片整理实战
|
||
|
||
通过 OpenClaw AI Agent 实现 28 万张照片的自动化整理，将"没有想清楚"的问题前置化。
|
||
|
||
### 核心方法
|
||
- [[精确去重]]：MD5 哈希比对，只删真正相同的文件
|
||
- [[小文件清理]]：低于 100KB 的图片（截图/微信压缩图）自动移走
|
||
- [[安全删除]]：待删文件先移至 To-Be-Deleted 目录而非直接删除
|
||
- [[分批执行]]：68 个目录拆为 8 批次，每天凌晨 0 点自动执行
|
||
- [[AI Agent 思维方式]]：先问关键问题（格式/重复定义/删除策略）而非直接动手
|
||
|
||
### 关键洞察
|
||
- AI Agent 核心价值不是单点能力提升，而是思维方式升级——将模糊想法变成清晰结构
|
||
- Telegram 推送每批次执行 Summary 报告，实现真正的无人值守
|
||
|
||
## 新增领域：AI 时代赚钱思维模型
|
||
|
||
"普通人怎么在AI时代赚钱"的框架是错的，正确的问题是"AI 让我能做到什么以前做不到的事"。
|
||
|
||
### 三大核心原则
|
||
- [[品味]]：AI 工具民主化后，能判断什么是真正好的成为稀缺护城河
|
||
- [[端到端]]：别做别人 AI 流水线上的螺丝钉，做从 idea 到 product 的完整闭环
|
||
- [[死亡过滤器]]：每天问自己是否还愿意做这件事，筛选真正的热爱
|
||
|
||
### 关键洞察
|
||
- AI 不会让普通人变富，但会让那些知道自己要做什么、且对品质有执念的人变得极其强大
|
||
|
||
// 新增领域：DevOps Culture and Transformation 四大支柱框架（2026-04-16 Batch 4）
|
||
// 新增领域：RTO/RPO 现代灾难恢复体系与 Feature Flag 秒级 RTO（2026-04-16 Batch 4）
|
||
// 新增领域：公有云/私有云/混合云三种部署模型对比与共享责任模型（2026-04-16 Batch 4）
|
||
// 新增领域：Multi-Agent 虚拟团队协作模式（2026-04-15 PM）
|
||
// 新增领域：Vibe-Kanban + OpenCode Ubuntu 部署（2026-04-15 PM）
|
||
// 新增领域：Home Office 自托管服务三件套——MariaDB + Navidrome + rsync 增量备份（2026-04-15 Evening）
|
||
|
||
// 新增领域：n8n + Claude 自然语言工作流生成（2026-04-15 Night）
|
||
// 新增领域：LLM Wiki vs RAG 的本质区别与持久化笔记系统（2026-04-15 Night）
|
||
// 新增领域：一人公司 90 天跑通模式（2026-04-15 Night）
|
||
|
||
// 新增领域：Self-Improving + 双层记忆架构（2026-04-15 PM）
|
||
|
||
## 新增领域：baoyu-skills Claude Code 技能集
|
||
|
||
宝玉（JimLiu）发布的 Claude Code 技能集，通过 ClawHub 协议按单个 skill 安装，覆盖内容生成、AI 图像、日常效率工具三大类。
|
||
|
||
### 技能架构
|
||
- [[内容技能]]：baoyu-xhs-images（小红书 9×6 风格布局）、baoyu-infographic（20×17 布局风格）、baoyu-cover-image（5维封面定制）、baoyu-slide-deck（4维度16预设）、baoyu-comic（5×8 画风基调）、baoyu-article-illustrator
|
||
- [[baoyu-imagine]]：9 家服务商自动选择（OpenAI/Google/Azure/OpenRouter/DashScope/MiniMax/即梦/豆包/Replicate），支持文生图/参考图/批量生成
|
||
- [[工具技能]]：baoyu-translate（三模式翻译）、baoyu-youtube-transcript、baoyu-url-to-markdown、baoyu-x-to-markdown
|
||
|
||
### 发布协议
|
||
- ClawHub 按单个 skill 安装（clawhub install baoyu-imagine），而非 marketplace 批量安装
|
||
- EXTEND.md 支持用户级/项目级自定义，Env 配置支持 API Key 优先级覆盖
|
||
|
||
## 新增领域：Multi-Agent 虚拟团队协作模式
|
||
|
||
Solo founder 通过多 Agent 虚拟团队实现 24/7 全天候工作能力，每个 Agent 有独立角色/人格/模型，共享记忆，协作完成复杂任务。
|
||
|
||
### 核心机制
|
||
- [[共享内存模式]]：GOALS.md（OKR 与优先级）+ DECISIONS.md（关键决策日志）+ PROJECT_STATUS.md（当前项目状态）
|
||
- [[定时主动任务]]：Agent 主动在后台工作并推送结果，而非等待用户请求（早会摘要/指标推送/内容创意）
|
||
- [[Telegram路由]]：单群聊入口 + @AgentName 路由 + 无@默认 Lead Agent
|
||
- 从 2 Agent 开始，按瓶颈扩展，不是一上来建 4 个团队
|
||
|
||
### 实践案例
|
||
- [[Trebuh]] 的 4 Agent 团队（Milo/Josh/Marketing/Dev）+ Telegram + VPS，描述为"真正的 24/7 小团队"
|
||
|
||
## 新增领域：Vibe-Kanban + OpenCode Ubuntu 部署
|
||
|
||
Ubuntu Server 上通过 nvm 管理 Node 20，安装 Vibe-Kanban 与 OpenCode，pm2 管理进程，实现远程 AI 结对编程。
|
||
|
||
### 核心组件
|
||
- [[nvm]]：Node Version Manager（v0.39.7），安装和管理 Node 20
|
||
- [[Vibe-Kanban]]：AI 结对编程任务看板，Web UI（PORT 9999），自动 spawn OpenCode Executor
|
||
- [[pm2]]：进程管理器，pm2 start/logs/save/startup systemd
|
||
- [[OpenCode Executor]]：vibe-kanban spawn 的 AI 编程执行器，随机端口运行
|
||
|
||
### 关键约束
|
||
- 不要用 root 启动 OpenCode serve
|
||
- executor 随 vibe-kanban 进程一起管理，不单独用 pm2 管理
|
||
- I/O error 通常是 executor 没启动或端口被占用
|
||
|
||
## 新增领域：Home Office 自托管服务三件套
|
||
|
||
### MariaDB 数据库
|
||
Synology NAS Docker 部署 MariaDB 10.11，通过 socket 本地登录管理，CREATE USER 创建远程访问账号。公网域名 mysql.ishenwei.online:63307 提供外网访问能力。
|
||
|
||
### Navidrome 音乐服务器
|
||
Synology Docker 部署 Navidrome 开源音乐流媒体服务，音乐目录只读（:ro）挂载保护原始文件。ND_AUTOTRANSCODEDOWNLOAD 根据客户端能力自动转码，Subsonic API 兼容主流音乐 App。
|
||
|
||
### rsync 增量备份自动化
|
||
rsync + NFS + /etc/fstab 永久挂载 + Crontab 凌晨 3 点自动化，构建"Clonezilla 整机镜像 + rsync 增量数据"二级保护体系。lockfile 防重入，mountpoint -q 防 NAS 掉线写爆本地硬盘。
|
||
|
||
### 核心概念
|
||
- [[Socket登录]]：MariaDB 本地连接方式
|
||
- [[NFS永久挂载]]：/etc/fstab + _netdev 等待网络就绪
|
||
- [[rsync增量备份]]：Delta-transfer 算法仅传输变化部分
|
||
- [[lockfile防重入]]：PID 文件 + kill -0 检测进程存活
|
||
|
||
## 新增领域：n8n + Claude 自然语言工作流生成
|
||
|
||
n8n 通过 MCP 协议与 Claude 连接，实现自然语言驱动的自动化工作流生成。
|
||
|
||
### 核心机制
|
||
- [[n8n-mcp]]：Claude 与 n8n 之间的 MCP 协议桥接，提供 543 个 n8n 节点的结构化访问
|
||
- [[AI工作流自动生成]]：Claude 生成 n8n 工作流 JSON 完成度约 80-90%，10-20% 错误率需人工修正
|
||
- 选择 Opensea 模型并开启 extended thinking 可显著提升生成质量
|
||
- n8n AI Agent 节点内置 Memory 机制，支持多轮对话上下文
|
||
|
||
### 关键区分
|
||
- [[Workflow vs Agent]]：预定义固定路径 vs LLM 动态决策
|
||
- Claude Code 的 delegate_task（Hermes 子 agent）vs terminal 调用 claude -p（MCP CLI 通道）
|
||
|
||
## 新增领域：LLM Wiki vs RAG 的本质区别与持久化笔记系统
|
||
|
||
通过 Obsidian + Gitea + OpenClaw 三层架构，将 AI 助手输出持久化为可积累的知识网络。
|
||
|
||
### 核心洞察
|
||
- [[LLM Wiki]] vs [[RAG]]：RAG 每次从零检索，知识不积累；LLM Wiki 让 AI 增量构建和维护持久化 Wiki，页面间互相链接
|
||
- AI 输出直接落盘到笔记（Obsidian）而非留在聊天记录，笔记通过 iCloud Drive 三端同步
|
||
- [[Gitea]] 提供 Git 版本管理，任何时候都能回溯历史版本
|
||
|
||
### Obsidian 最佳实践
|
||
- [[Obsidian Web Clipper]]：浏览器插件快速采集外部素材
|
||
- [[Graph View]]：知识健康检查，发现孤岛页面和灰色幽灵节点（被引用但无专页的概念）
|
||
- [[Git自动同步]]：Auto commit-and-sync interval 完全自动化版本管理
|
||
- [[QMD]]：Wiki 规模到几百页后替代 index.md 提供精准搜索
|
||
|
||
### 知识管理原则
|
||
- 研究过程写入 Agent Archive（openclaw/<agentId>/）
|
||
- 经过验证可复用的知识沉淀到 Knowledge Base（knowledgebase/）
|
||
|
||
## 新增领域：一人公司 90 天跑通模式
|
||
|
||
从自我认知到商业变现，90 天跑通用最小杠杆撬动最大价值的一人公司。
|
||
|
||
### 核心框架
|
||
- [[天才地带]]：能产生心流的活动区域，精力充沛、时间飞逝
|
||
- [[底层能力]]：三个自检问题（追溯童年/毫不费力/底层通用）
|
||
- [[Ikigai]]：热情 × 擅长 × 市场需要 × 能获报酬，四圈交集是最佳定位
|
||
|
||
### 产品体系四层
|
||
- 引流（免费PDF）→ 入门（¥199 工具）→ 核心（¥4999 训练营）→ 高价（¥20000/月陪跑咨询）
|
||
- [[价格锚定]]：高价咨询放顶部让低价显得便宜
|
||
- [[内容矩阵]]：横轴核心主题 × 纵轴内容形式（观察/反直觉/操作指南/个人故事/清单）
|
||
- [[反向金字塔]]：一次长形式内容切成无数微内容一次制作百次分发
|
||
|
||
### 四个心理陷阱
|
||
- 愧疚陷阱（不喜欢 = 别人也不喜欢）/ 效率陷阱（忙 = 创造价值）/ 卓越陷阱（必须亲自干）/ 努力陷阱（轻松 = 没价值）
|
||
|
||
## 新增领域：Self-Improving + 双层记忆架构
|
||
|
||
通过 self-improving skill + 双层记忆架构 + 每日定时复盘，实现 Agent 在错误中学习、持续进化，避免同一错误重复出现。
|
||
|
||
### 双层记忆架构
|
||
- 短期记忆：memory/YYYY-MM-DD.md 每日文件，每次 Session 启动时强制创建（解决记忆断层）
|
||
- 长期记忆：memory-lancedb-pro（LanceDB 向量数据库），语义搜索重要决策和偏好
|
||
- self-improving 层：LEARNINGS.md，Pattern-Key 追踪，Recurrence-Count 量化系统性
|
||
|
||
### Self-Improving 核心机制
|
||
- [[Pattern-Key]]：经验记录唯一标识（如 cron.telegram-delivery），重复出现 = 系统性问题需系统性解决
|
||
- [[Recurrence-Count]]：重复次数计数器，≥2 说明这不是偶发错误
|
||
- 固定格式：Summary + Details + Suggested Action + Metadata（Pattern-Key/Recurrence-Count/See Also）
|
||
|
||
### 每日复盘
|
||
- 23:00 定时触发，读取当天 memory → self_improvement_log → 检查 Pattern-Key 重复 → 同步到长期记忆 → Telegram 摘要
|
||
- 发现机制：复盘时发现 3月27日无 memory 文件 → 推动"Session 启动时强制创建"流程优化
|
||
|
||
## 新增领域：多智能体可靠性架构（Alex Ewerlöf）
|
||
|
||
Alex Ewerlöf 提出的多智能体可靠性架构，将 LLM 视为分布式系统中不可靠组件而非拟人化智能体。
|
||
|
||
### 4 种架构模式
|
||
- [[Multi-Agent Hierarchy]]：Supervisor（规划器）+ Worker（工作者）+ Validator（验证器）三角色顺序协作，依赖图强制协作而非靠"喜欢"
|
||
- [[Multi-Agent Consensus]]：N 个模型独立响应同任务，多数票消除随机噪声（3 模型同谎言概率 0.8%），适合事实核查和分类
|
||
- [[Multi-Agent Adversarial Debate]]：Generator + Critic + Judge 三方对抗（法庭模型），Truth survives the fight，适合安全分析和代码审查
|
||
- [[Multi-Agent Knock-out]]：遗传算法启发的适应度淘汰制，最差代理被淘汰（cattle not pets），适合迭代式 Agent 工程
|
||
|
||
### 核心洞察
|
||
- 停止要求模型"小心"，改为强制其"正确"（架构约束 > 情感化 prompt）
|
||
- LLM Sycophancy：过度迎合导致撒谎，多数投票可缓解
|
||
- 验证器可以是确定性代码（单元测试/JSON schema）而非 LLM
|
||
|
||
## 新增领域：Build Your Own X（费曼学习法实践）
|
||
|
||
build-your-own-x GitHub 项目通过"从零重建流行技术"来深度掌握编程，是费曼学习法在技术领域的系统性实践。
|
||
|
||
### 核心资源
|
||
- [[CodeCrafters]]：build-your-own-x 当前维护方，提供 codecrafters.io 在线编程挑战
|
||
- 25 个技术领域：3D Renderer / BitTorrent / Blockchain / Bot / Docker / Emulator / Git / Neural Network / OS / Regex / Search Engine / Web Browser 等
|
||
- 每个领域提供多语言实现（Python/JavaScript/Go/C++/Rust 等）
|
||
|
||
### 关键洞察
|
||
- "What I cannot create, I do not understand" — Richard Feynman
|
||
- BYOX 是 [[Vibe Coding]] 的底层实践，Vibe Coding 规划驱动，BYOX 从零实现
|
||
|
||
## 新增领域：Solo Founder 多 Agent 专精团队
|
||
|
||
Solo founder 通过多 Agent 虚拟团队实现 24/7 全天候工作能力，[[Multi-Agent Hierarchy]] 模式的具体 OpenClaw 实践。
|
||
|
||
### 团队配置模式
|
||
- Lead Agent（Milo）：战略协调，制定计划，OKR 追踪
|
||
- Business Agent（Josh）：数据分析，定价策略，竞品监控
|
||
- Marketing Agent：内容创意，Reddit/X 趋势监控
|
||
- Dev Agent：代码实现，技术架构，CI/CD
|
||
|
||
### 核心机制
|
||
- [[定时主动任务]]：Agent 主动推送早会摘要/指标报告/内容创意，而非被动等待用户请求
|
||
- [[Telegram路由]]：单群聊 + @AgentName 路由 + 无@默认 Lead
|
||
- 2 Agent 起步按瓶颈扩展，而非一上来建 4 个团队
|
||
|
||
### 灵感来源
|
||
- [[Trebuh]] 的 4 Agent 实践（"a real small team available 24/7"）
|
||
- [[Nicholas Carlini]] 自主编码 Agent 方法论
|
||
|
||
## 新增领域：去中心化项目协调（STATE.yaml）
|
||
|
||
通过共享 STATE.yaml 文件替代中央 orchestrator，实现真正的并行 subagent 协作。
|
||
|
||
### 核心机制
|
||
- [[STATE.yaml]]：YAML 结构定义任务状态、owner、blocked_by、next_actions
|
||
- Git 作为审计日志：STATE.yaml 变更 commit 实现完整历史追溯
|
||
- 薄主会话原则：主 Agent 只做 spawn/send，不直接执行任务
|
||
|
||
### 与多 Agent 专精团队的关系
|
||
- 专精团队：多角色 Agent 并存，STATE.yaml 记录团队共享目标
|
||
- 去中心化协调：同一团队内无中央 orchestrator，各 Agent 自主读写状态
|
||
|
||
## 新增领域：东方人生智慧
|
||
|
||
道家、儒家、佛教经典箴言体系，补充西方哲学框架之外的人生哲学视角。
|
||
|
||
### 核心命题
|
||
- [[空性智慧]]：一切有为法如梦幻泡影露水电，不执着于"自性"（金刚经）
|
||
- [[绝处逢生]]："行到水穷处，坐看云起时"，困境即转机的东方智慧（[[王维]]）
|
||
- [[知其不可奈何而安之若命]]：先尽人事，后听天命，接纳与行动的平衡（[[庄子]]）
|
||
- [[和光同尘]]：收敛锋芒，不标新立异，与世无争以保全自身（老子/[[曾国藩]]）
|
||
|
||
### 与苏东坡视角的关系
|
||
- [[一语点醒梦中人]] 与 [[su-dongpo-perspective]] 均属东方人生智慧，后者侧重苏东坡的文学与政治生涯视角
|
||
|
||
|
||
// 新增领域：NotebookLM 开源平替生态（2026-04-16 Batch 2 Continued）
|
||
// 新增领域：Nano-Banana Pro 进阶提示词策略（2026-04-16 Batch 2 Continued）
|
||
// 新增领域：AI时代赚钱三原则（2026-04-16 Batch 2 Continued）
|
||
|
||
## 新增领域：NotebookLM 开源平替生态
|
||
|
||
Google NotebookLM 的开源替代品生态已成熟，覆盖从本地文档处理到企业级知识库的完整场景。
|
||
|
||
### 核心产品
|
||
- [[Open Notebook]]（14.6k ⭐）：功能最完整的 NotebookLM 平替，支持 16+ AI 提供商（OpenAI/Anthropic/Gemini/Ollama/LM Studio），多模态输入+4角色播客生成
|
||
- [[SurfSense]]（11.4k ⭐）：定位 NotebookLM+Perplexity+Glean 合一，Notion/YouTube/GitHub 外部数据源整合+语义+全文混合搜索+RBAC，适合企业知识库
|
||
- [[Podcastfy]]：专注播客生成，100+ LLM+4 种 TTS 引擎，Shorts 和 Longform 两种格式
|
||
- [[PageLM]]：教育平台，自动生成康奈尔笔记（SmartNotes）+互动测验+Flashcards+ExamLab
|
||
- [[InsightsLM]]：Supabase+N8N+React 架构，私有化部署，支持 Ollama/Qwen3 本地模型
|
||
|
||
### 关键洞察
|
||
- 开源平替已覆盖 NotebookLM 全部核心功能（文档问答/引用/播客生成）
|
||
- Open Notebook 在功能完整性上最接近原版，SurfSense 在研究场景最强
|
||
|
||
## 新增领域：Nano-Banana Pro 进阶提示词策略
|
||
|
||
Google Nano-Banana Pro 从"娱乐级"升级到"专业级资产生产"，是"思考模型"，理解意图、物理和构图而非简单关键词匹配。
|
||
|
||
### 10 大能力维度
|
||
1. **Text Rendering**：SOTA 文字渲染，信息图/蓝图/白板/技术图纸多种风格
|
||
2. **Identity Locking**：14 张参考图（6 高精度），单次生成 Viral Thumbnail（Identity+Text+Graphics）
|
||
3. **Google Search Grounding**：实时数据可视化，减少时效性话题幻觉
|
||
4. **Advanced Editing**：In-painting/Restoration/Colorization/Style Swapping，语义指令替代手动遮罩
|
||
5. **2D↔3D 转换**：户型图→室内设计稿，平面图→3D 可视化
|
||
6. **4K 原生输出**：1K-4K 分辨率，高保真纹理
|
||
7. **Thinking Mode**：中间推理图（不收费）优化构图，再渲染最终输出
|
||
8. **One-Shot Storyboarding**：单次会话生成连贯叙事流的故事板
|
||
9. **Layout Guidance**：草图/线框图/网格图严格控制构图和布局
|
||
10. **Pixel Art & LED Display**：64x64 网格生成，驱动 LED 矩阵
|
||
|
||
### 黄金四法则
|
||
- **Edit Don't Re-roll**：图像 80% 正确时不重新生成，只要求具体修改
|
||
- **自然语言完整句子**：像给人类艺术家 brief，而非堆砌标签
|
||
- **具体描述**：Subject + Setting + Lighting + Mood
|
||
- **提供上下文**：Why 或 For Whom，帮助模型做逻辑性艺术决策
|
||
|
||
## 新增领域：AI时代赚钱三原则
|
||
|
||
以乔布斯视角提出的 AI 时代赚钱思维框架——品味值钱、端到端做事、死亡过滤器筛选热爱。
|
||
|
||
### 三原则
|
||
- **品味值钱**：AI 工具民主化后，品味是真正的护城河，能判断什么是真正好的比只会点"生成"的人强一百倍
|
||
- **端到端**：别做别人 AI 流水线上的螺丝钉，做从 idea 到 product 的完整闭环
|
||
- **死亡过滤器**：每天问自己如果今天是最后一天还会不会做这事，筛选真正的热爱
|
||
|
||
### 正确问题框架
|
||
- ❌ 错误：「普通人怎么在AI时代赚钱」（被动挨打）
|
||
- ✅ 正确：「AI 让我能做到什么以前做不到的事」（主动创造）
|
||
|
||
### 来源
|
||
[[乔布斯.skill]] — 通过 Claude Code Skills 封装的乔布斯视角思维框架
|
||
|
||
## 新增领域：DevOps Culture and Transformation 四大支柱框架
|
||
|
||
DevOps 超越工具层面，进入思维模式转变，通过文化、运营和技术三位一体实现软件交付能力的系统性提升。
|
||
|
||
### 四大支柱
|
||
- **协作优先于孤岛**：跨职能团队共享软件全生命周期所有权，打破 Dev 与 Ops 的组织壁垒
|
||
- **自动化即赋能者**：CI/CD Pipeline + IaC 将人工程序自动化，释放团队聚焦高价值工作
|
||
- **持续改进（Kaizen）**：无责复盘、数据驱动瓶颈识别、混沌工程主动测试系统韧性
|
||
- **客户中心**：Feature Flagging 嵌入式反馈、A/B 测试数据驱动决策
|
||
|
||
### 敏捷整合
|
||
- Scrum/Kanban 为结构化迭代或持续流动提供框架
|
||
- DevSecOps 将安全左移（Shift-Left）在开发阶段即嵌入
|
||
- Value Stream Mapping 可视化工作流消除等待和浪费
|
||
|
||
### AI/ML 赋能趋势
|
||
- GitOps 以 Git 作为单一真实源管理基础设施
|
||
- Serverless DevOps 通过 FaaS 减少运维开销
|
||
- Edge Computing DevOps 实现近用户侧实时应用性能优化
|
||
|
||
### 关键实体
|
||
- [[Atlassian]]：Jira 提供跨职能团队实时协作
|
||
- [[Jenkins]] / [[GitLab]] / [[GitHub]]：主流 CI/CD 工具
|
||
- [[HashiCorp]]：Terraform IaC 工具
|
||
|
||
## 新增领域：RTO/RPO 现代灾难恢复体系与 Feature Flag 秒级 RTO
|
||
|
||
传统灾难恢复聚焦稀有硬件故障，现代 DevOps 的最大风险已转向代码变更引入的缺陷。Feature Flag 将 RTO 从"部署回滚时间"（小时级）降至"配置变更时间"（秒级）。
|
||
|
||
### RTO vs RPO 核心差异
|
||
- **RTO**：系统可容忍的最大停机时间，衡量速度
|
||
- **RPO**：可接受的最大数据丢失量（从故障时刻往前回溯），衡量数据完整性
|
||
- 两者必须协同优化：快速恢复但大量数据丢失，或缓慢恢复但零数据丢失，均不完整
|
||
|
||
### 三级分层体系
|
||
| 级别 | 示例 | RTO | RPO |
|
||
|------|------|-----|-----|
|
||
| Tier 1 关键 | 支付/用户认证 | <5 分钟 | <1 分钟 |
|
||
| Tier 2 重要 | 管理后台/报表 | <1 小时 | <15 分钟 |
|
||
| Tier 3 可选 | 内部工具/文档站 | <4 小时 | <1 小时 |
|
||
|
||
### Feature Flag 改变灾难恢复范式
|
||
- **部署 ≠ 发布**：代码可部署到生产环境但默认不向用户开放
|
||
- **Kill Switch**：Flip the Flag 而非 Debug under pressure
|
||
- **渐进式发布**：1%→5%→25%→100%，将影响范围控制在局部
|
||
- HP：将回滚时间从小时级降至分钟级
|
||
- Christian Dior：将 15 分钟回滚降至即时开关
|
||
|
||
### 关键洞察
|
||
- "预防优于补救"：主动质量保障（渐进式发布+测试）成本永远低于被动灾难恢复
|
||
- 成本收益原则：不要为防止 $10K/小时停机损失花 $100K/年基础设施
|
||
|
||
### 关键实体
|
||
- [[LaunchDarkly]]：企业级 Feature Flag 平台，86% 客户可在一天内恢复
|
||
|
||
## 新增领域：公有云/私有云/混合云三种部署模型与共享责任
|
||
|
||
三种云部署模型并非互斥，实际组织应根据工作负载特征采取混合策略，每种模型在安全/性能/成本/合规之间有不同权衡。
|
||
|
||
### 三种模型对比
|
||
| 维度 | 公有云 | 私有云 | 混合云 |
|
||
|------|--------|--------|--------|
|
||
| 成本 | 按需弹性，规模化后指数增长 | TCO 高，固定投入 | 可优化，但管理复杂 |
|
||
| 安全 | 多租户，隔离弱 | 专用环境，高安全 | 敏感负载在私有，弹性在公有 |
|
||
| 合规 | 需额外措施 | 高度可控 | 按负载分配 |
|
||
| 弹性 | 强 | 受限于物理硬件 | 公有侧弹性，私有侧稳定 |
|
||
| 适用 | 开发测试/峰值扩展 | 金融/政府/敏感数据 | 大多数企业实际选择 |
|
||
|
||
### 公有云适用场景
|
||
- 可预测计算需求（固定用户量的通信服务）
|
||
- 软件开发测试环境
|
||
- 应对不可预测的峰值负载
|
||
|
||
### 私有云适用场景
|
||
- 高度监管行业（金融/政府/医疗）
|
||
- 敏感商业数据
|
||
- 需要强控制和定制化的超大型企业
|
||
|
||
### 混合云核心价值
|
||
- 策略驱动的工作负载分配：安全敏感负载在私有云，弹性需求在公有云
|
||
- 业务连续性：分布式架构使灾难恢复更容易
|
||
- 成本效率：日常负载在廉价的公有云，峰值弹性扩展
|
||
|
||
### 共享责任模型
|
||
无论哪种部署模式，组织均对以下责任负责：
|
||
- **访问控制**：谁可以访问什么资源
|
||
- **数据安全与加密**：静态和传输中数据加密
|
||
- **灾难恢复规划**：RTO/RPO 设计与测试
|
||
- **合规性**：满足行业法规要求
|
||
|
||
// 新增领域：AI配音与声音克隆工具生态（2026-04-16 Batch 7）
|
||
// 新增领域：AI时代产品经理能力重塑与超级个体（2026-04-16 Batch 7）
|
||
// 新增领域：东方人生智慧新批次——知其不可奈何/忘机消众机/飘风不终朝（2026-04-16 Batch 7）
|