nexus/wiki/log.md

[2026-04-18] ingest | 做TK跨境思路不对努力白费

• Source file: 跨境电商/做TK跨境思路不对努力白费.md
• Status: ✅ 成功摄入
• Summary: TikTok跨境电商全流程实战指南——从市场选择(美区/日本>东南亚)→账号准备→选品策略(数据软件+垂直类目)→店铺运营(流量监控+商品优化)→流量获取(短视频+达人营销)→仓储物流(海外仓+海运补货)→团队建设，提供完整执行框架。
• Concepts touched: 跨境电商, 选品策略, TikTok电商, 达人营销
• Entities touched: TikTok Shop, 美区, 日本
• Source page: wiki/sources/做tk跨境思路不对努力白费.md
• Notes:
  • 新增 1 个 Source Page（wiki/sources/做tk跨境思路不对努力白费.md）
  • Concept 和 Entity 均以 wikilink 形式建立关联，暂不创建独立页面（出现次数<2次阈值）
  • 冲突检测：无已知冲突内容
  • 已在 index.md 添加 Source 条目
  • 已在 overview.md 新增 "TikTok E-commerce Operations" 小节

[2026-04-23] ingest | 超达物流定价

• Source file: 跨境电商/超达物流定价.md
• Status: ✅ 成功摄入
• Summary: 超达物流跨境电商定价规则：申报/实重/材积取最大值计费，UIN渠道24-48h轨迹推送，TK平台面单"TKM"开头单号无效，UIN/TK取消单号收费规则，发货截止时间12点/美区周日休息。
• Concepts touched: 计费重量原则, 轨迹推送机制, 取消单号收费
• Source page: wiki/sources/超达物流定价.md
• Notes:
  • 新增 1 个 Source Page（wiki/sources/超达物流定价.md）
  • Entity 和 Concept 均以 wikilink 形式建立关联，暂不创建独立页面（各仅出现 1 次，未达 ≥2 次阈值）
  • 冲突检测：无实质冲突，与 TK美国面单授权及操作流程 互为补充（前者专注授权配置，本文专注计费规则）
  • 已在 index.md 添加 Source 条目
  • overview.md 无需更新（物流定价内容与 AI/软件主题 overview 相关性低）

[2026-04-25] ingest | TK美国面单授权及操作流程

• Source file: 跨境电商/TK美国面单授权及操作流程.md
• Status: ✅ 成功摄入
• Summary: TikTok美国市场面单授权配置与操作流程截图教程，通过6张Zipline图床备份图片展示具体操作步骤。
• Concepts touched: TikTokShop, 面单授权, 跨境电商物流
• Entities touched: TikTok美国站
• Source page: wiki/sources/tk美国面单授权及操作流程.md
• Notes:
  • 新增 1 个 Source Page（wiki/sources/tk美国面单授权及操作流程.md）
  • Concept 和 Entity 均以 wikilink 形式建立关联，暂不创建独立页面（内容为截图教程，信息量有限）
  • 冲突检测：无已知冲突内容
  • 已在 index.md 修正 Source 条目
  • overview.md 无需更新（物流操作类内容与 overview 主题相关性低）

[2026-04-24] ingest | Scrapy + Playwright 抓取TikTok Shop Data

• Source file: 跨境电商/Scrapy + Playwright 抓取TikTok Shop Data.md
• Status: ✅ 成功摄入
• Summary: 使用 Scrapy + Playwright 技术栈抓取 TikTok Shop 商家数据的环境配置与运行指南。涵盖 Python venv 虚拟环境搭建、scrapy-playwright 依赖安装、Chromium 浏览器安装、Docker 容器化部署配置，以及 Playwright 验证方法。
• Concepts touched: Scrapy, Playwright, scrapy-playwright, venv, Docker, Chromium
• Entities touched: TikTok Shop, shenwei
• Source page: wiki/sources/scrapy-playwright-抓取tiktok-shop-data.md
• Notes:
  • 新增 1 个 Source Page（wiki/sources/scrapy-playwright-抓取tiktok-shop-data.md）
  • Concept 和 Entity 均以 wikilink 形式建立关联，暂不创建独立页面（各仅出现 1 次，未达 ≥2 次阈值）
  • 冲突检测：无已知冲突内容
  • 已在 index.md 添加 Source 条目
  • overview.md 无需更新（TikTok Shop 已存在于 Key Entities，Scrapy/Playwright 属技术工具不需独立概念页）

[2026-04-23] ingest | GOG CLI 安装配置指南

• Source file: Skills/GOG-CLI-安装配置指南.md

• Status: ✅ 成功摄入

• Summary: gog CLI（Google Workspace 命令行工具）在 macOS 系统上的完整安装与配置流程。涵盖 Homebrew 安装、OAuth 凭证配置、测试用户白名单添加、Google API 启用、常用命令速查及故障排除。

• Concepts touched: OAuth 2.0, Google Cloud Console, API Enablement, Google Workspace

• Entities touched: gog CLI

• Source page: wiki/sources/gog-cli-安装配置指南.md

• Notes:

  • 新增 1 个 Source Page（wiki/sources/gog-cli-安装配置指南.md）
  • 新增 1 个 Entity Page（wiki/entities/gog-CLI.md）
  • 冲突检测：无已知冲突内容
  • 已在 index.md 修正 Source 条目（去除 "(expected: source missing)" 标注）
  • 已在 overview.md Key Entities 添加 gog CLI 条目
  • 已在 overview.md Key Concepts 添加 OAuth 2.0, Google Cloud Console, API Enablement

• Source file: Skills/Last30Days-使用指南.md

• Status: ✅ 成功摄入

• Summary: Last30Days 方法论——通过 AI Agent 自动化追踪近30天内新增/更新的内容源，避免信息过载。核心价值：将"主动订阅"转变为"被动接收"，用 AI 替代人工巡检，节省 80% 信息搜集时间。

• Concepts touched: Last 30 Days Method, 信息消费习惯

• Entities touched: Last30Days

• Source page: wiki/sources/last30days-使用指南.md

• Notes:

  • 新增 1 个 Source Page
  • Concept 和 Entity 均以 wikilink 形式建立关联，暂不创建独立页面
  • 冲突检测：无已知冲突内容
  • 已在 index.md 添加 Source 条目
  • overview.md 无需更新（Last 30 Days Method 已存在于 Key Concepts）

[2026-04-25] ingest | 如何利用Sora接口实现视频自动化生成工作流

• Source file: AI/如何利用Sora接口实现视频自动化生成工作流.md
• Status: ✅ 成功摄入
• Summary: 利用亚马逊 Bedrock 平台的 Sora API 实现视频生成全自动化工作流，覆盖注册→API调用→批量生成完整流程。成本仅 2-3 元人民币，远低于市场水平；新用户享 200 美元抵扣金和 6 个月免费试用；支持文本转视频和图像生成，可结合 n8n 实现批量 UGC 内容生产。
• Concepts touched: 文字生成视频, 提示词优化, 肖像权合规, n8n 工作流自动化, UGC内容
• Entities touched: Sora, 亚马逊 Bedrock, n8n
• Source page: wiki/sources/如何利用sora接口实现视频自动化生成工作流.md
• Notes:
  • 新增 1 个 Source Page
  • Concept 和 Entity 均已在 Source Page 中以 wikilink 形式建立关联，暂不创建独立页面（各出现 1 次，未达 ≥2 次阈值）
  • 冲突检测：无已知冲突内容
  • 已在 index.md 添加 Source 条目

[2026-04-25] ingest | If You Have Multiple Interests, Do Not Waste the Next 2-3 Years

• Source file: 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
• Status: ✅ 成功摄入
• Summary: 系统论证多重兴趣是AI时代超能力的个人发展指南——核心主张：工业化专业化分工使人类沦为"愚蠢而依赖"的螺丝钉，第二次文艺复兴已经到来；个人成功三要素（自学+自利+自立）自然涌现通才型人才；品牌内容系统、创意密度方法论、系统经济是具体路径
• Concepts created: Generalist, Self-Education, Self-Interest, Self-Sufficiency, Second-Renaissance, Idea-Density, Idea-Museum, Brand-Environment, Content-Creator, System-Economy, Attention-Economy
• Entities created: AdamSmith, LeonardoDaVinci
• Source page: wiki/sources/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
• Notes:
  • 新增 1 个 Source Page、5 个 Concept 页面、2 个 Entity 页面
  • Concepts 全部符合"可抽象可复用"原则，创建独立页面
  • Entities: Adam Smith（≥2次引用分工理论）、Leonardo da Vinci（文艺复兴通才典范）均符合创建条件
  • 冲突检测：与 Multi-Agent System Reliability 的 Generalist 概念高度互补（后者从系统可靠性角度）
  • 已在 overview.md 个人品牌与一人公司段落添加新来源摘要
  • 已在 index.md 添加 11 个 Concept 条目、2 个 Entity 条目

[2026-04-25] ingest | 我用 Gemini 3 一口气做了 10 个应用，附教程

• Source file: AI/我用 Gemini 3 一口气做了 10 个应用，附教程.md
• Status: ✅ 成功摄入
• Summary: 使用 Google Gemini 3 模型通过三步方法论（限定垂直场景→提示词约束结构化输出→前端SVG容器）快速构建 10 个可视化应用。核心发现：AI 生成 SVG 代码+前端渲染是快速交付 AI 应用的关键路径。
• Concepts touched: SVG可视化, 结构化输出, Vibe-Coding, AI应用开发
• Entities touched: Gemini-3（出现1次，不满足≥2次条件，暂不创建独立Entity页）
• Source page: wiki/sources/我用-gemini-3-一口气做了-10-个应用-附教程.md
• Notes:
  • 新增 1 个 Source Page
  • 已在 overview.md 添加 Gemini 3 十应用实战 段落，连接到 Vibe-Coding
  • 已更新 index.md 条目（日期从 2026-04-18 更新为 2026-04-23）
  • Entity 检查：Gemini-3 仅在本文出现，未达"出现≥2次"阈值，暂不创建独立页面
  • Concept 检查：SVG可视化/结构化输出等均未达"可抽象可复用"独立成页条件，暂纳入 Source Page Key Concepts
  • 冲突检测：无冲突内容

[2026-04-25] ingest | Multi-Agent System Reliability

• Source file: AI/Multi-Agent System Reliability.md
• Status: ✅ 成功摄入
• Summary: 介绍4种提升多智能体系统可靠性的架构模式（Hierarchy/Consensus/Adversarial Debate/Knock-out），核心主张：停止拟人化LLM，将其视为分布式系统中不可靠的组件，通过架构约束而非提示词约束强制正确性
• Concepts created: Hierarchy-Agent-Pattern, Consensus-Voting-Pattern, Adversarial-Debate-Pattern, Knock-out-Pattern, Tree-of-Thoughts, Genetic-Algorithm, Reliability-Engineering
• Entities created: Alex Ewerlöf
• Entities updated: 无（Alex Ewerlöf 为新实体）
• Source page: wiki/sources/multi-agent-system-reliability.md
• Notes:
  • 新增 1 个 Source Page、1 个 Entity 页面、7 个 Concept 页面
  • Alex Ewerlöf Entity 在源文件中出现 ≥2 次（作者署名+引用），符合创建条件
  • 7 个 Concept 均符合"可抽象、可复用"原则，全部创建独立页面
  • 冲突检测：与 Designing for Agentic AI 互补而非冲突；与 Recursive Self-Optimization 共享自引用结构思想；与 Genetic-Algorithm 有明确关联（Knock-out 是 GA 的精简实现）
  • 已在 overview.md Key Concepts 列表添加所有 7 个新概念
  • 已在 overview.md Key Entities 列表添加 Alex Ewerlöf

[2026-04-24] ingest | 全网最全！Nano Banana 2 使用指南（2025年12月更新）

• Source file: AI/全网最全！Nano Banana 2 使用指南（2025年12月更新） 1.md
• Status: ✅ 成功摄入
• Summary: 介绍 Google Nano Banana 2（Gemini 3 Pro Image）推理型图像生成模型的国内使用方法，通过 DeepSider 浏览器插件实现无 VPN 直连访问，同时支持数十款 AI 大模型
• Concepts created: 无（本次概念不足以独立建页）
• Entities created: DeepSider, Nano Banana 2
• Entities updated: Google（新增 Nano Banana 2 产品信息）
• Source page: wiki/sources/全网最全-nano-banana-2-使用指南-2025年12月更新-1.md
• Notes:
  • Nano Banana 2 与 Nano Banana Pro 为不同版本，Nano Banana 2 为更新版（2025年12月发布）
  • Nano Banana Pro 已在 Google.md entity 中提及，本次新增 Nano Banana 2.md entity 独立页面

[2026-04-24] ingest | 2025 年 11 个神级 AI 开源平替，GitHub 杀疯了

• Source file: AI/2025 年 11 个神级 AI 开源平替，GitHub 杀疯了。.md
• Status: ✅ 成功摄入
• Summary: 按 8 大领域（LLM/AI生图/生视频/AI智能体/AI编码/工作流/AI搜索/AI知识库）系统盘点 GitHub 上各领域最火的开源平替项目，核心洞察：国产开源模型在多领域达到或超越国际闭源竞品水平
• Concepts created: AI开源平替
• Entities created: Flux, HunyuanVideo, Manus, OpenManus, Cline, Perplexica, Dify, Stable Diffusion
• Entities updated: DeepSeek, Qwen, n8n
• Source page: wiki/sources/2025-年-11-个神级-ai-开源平替-github-杀疯了.md
• Notes:
  • DeepSeek、Qwen、n8n 已在 Wiki 中存在，本次仅追加新版本信息
  • Flux（≥2次）、HunyuanVideo（≥2次）、Manus（≥2次）、OpenManus（≥2次）、Cline（≥2次）、Perplexica（≥2次）、Dify（≥2次）、Stable Diffusion（≥2次）均出现 ≥2 次，符合创建条件
  • OpenAI、MiniMax、Kimi K2、智谱 GLM 仅出现 1 次，未达到创建阈值
  • Perplexity 作为对比对象出现，但非本文主角，不创建独立页面
  • 冲突检测：内容与现有 Wiki 中 DeepSeek、n8n 等实体描述一致，无冲突
  • Meta 收购 Manus 是 2025 年重大事件，已体现在 Manus 实体页

[2026-04-23] ingest | AI 解决方案专家培训课程

• Source file: AI/AI 解决方案专家培训课程.md

• Status: ✅ 成功摄入

• Summary: Coze 平台多行业 AI Agent 培训课程，涵盖国内版（coze.cn）和海外版（coze.com），提供覆盖金融、医疗、教育、电商、人力资源、泛娱乐、在线客服等 7 大行业共 50+ 可体验 Agent Demo，核心技术栈为 Prompt 工程、RAG、Function Call 和 Workflow 编排。

• Concepts created: Coze-Workflow

• Entities created: Coze, SONY, 滴滴

• Source page: wiki/sources/ai-解决方案专家培训课程.md

• Notes:

  • Coze、SONY、滴滴三个实体在源文件中均出现 ≥2 次，符合创建条件
  • FaceFusion、F5-TTS、World Labs、抖音仅出现 1 次，未达到创建阈值（≥2次）
  • Prompt Engineering、Function Call、Workflow Engineering 等核心概念已存在于 Wiki，本次作为 Key Concepts 引用
  • 冲突检测：Coze 平台与其他 AI 工具（Claude Code、Ollama 本地部署）属互补关系，无内容冲突

• Source file: AI/RAG从入门到精通系列1：基础RAG.md

• Status: ✅ 成功摄入

• Summary: RAG 基础原理与实战：Indexing（文档加载→切分→向量化入库）→ Retrieval（向量相似度 Top-k 检索）→ Generation（问题+上下文→LLM 生成答案），Qwen+BAAI+LangChain+Qdrant 实战工具链。

• Concepts created: Indexing, Retrieval, Generation, Split, Context-Window

• Entities created: LangChain, Qwen, Qdrant

• Source page: wiki/sources/rag从入门到精通系列1-基础rag.md

• Notes:

  • RAG 概念页面 RAG 已存在于 wiki/concepts/RAG.md，已在 Source Page 中正确引用
  • 冲突检测：基础 RAG（Naive RAG）与 Advanced RAG / RAG Fusion 存在优化方向差异，待后续进阶内容补充后更新 Contradictions
  • PyTorch研习社 为文章来源方，raw 文档中有注明，Source Page Key Entities 已记录
  • BAAI（Embedding Model）和 LlamaIndex 在 Source Page 中作为 Key Entities 记录，暂未创建独立 Entity 页面

[2026-04-23] ingest | 固定镜头短视频制作的AI全流程解析

• Source file: AI/固定镜头短视频制作的AI全流程解析.md
• Status: ✅ 成功摄入
• Summary: 利用 AI 技术快速制作高播放量固定机位家装类短视频的全流程方法论，涵盖分镜拆解（Google AI Studio）、九宫格图像生成（Midjourney/Nano Banana）、首尾针动画（海螺AI/KAI）、快节奏剪辑（剪映）、声音设计五大步骤，10 分钟内完成成片。
• Concepts created: 固定机位, 首尾针动画, 九宫格法
• Entities created: Midjourney, KAI, 剪映
• Source page: wiki/sources/固定镜头短视频制作的ai全流程解析.md
• Notes:
  • 冲突检测：与传统视频制作理念（复杂镜头语言+丰富转场）存在冲突，已记录至 Source Page Contradictions 部分
  • Google/Nano Banana 实体已存在于 wiki/entities/Google.md，已在 Source Page Key Entities 中正确引用
  • 海螺AI 仅为提及（非关键工具），未创建独立 Entity 页面
  • 快节奏剪辑、卡点、内容连续变化、时间压缩等为描述性术语，不满足"可抽象可复用"原则，未创建独立 Concept

[2026-04-25] ingest | 大模型相关术语和框架总结｜LLM、MCP、Prompt、RAG、vLLM、Token、数据蒸馏

• Source file: AI/大模型相关术语和框架总结｜LLM、MCP、Prompt、RAG、vLLM、Token、数据蒸馏.md
• Status: ✅ 成功摄入
• Summary: 大模型生态核心术语入门速查手册，涵盖 LLM、Prompt、MCP、Agent、RAG、Embedding、LangChain、vLLM、Token、数据蒸馏等概念，用通俗语言和可视化类比解释大模型领域关键术语
• Concepts created: Model Context Protocol, vLLM, LangChain
• Concepts updated: Large Language Model（添加来源引用）, AI Agent（添加 Model Context Protocol 关联 + 来源引用）, RAG（已包含来源）
• Entities identified: 无（shenwei 仅在本文出现 1 次，不满足 ≥2 次条件；OpenAI/vLLM 社区仅为引用来源，不满足关键影响条件）
• Source page: wiki/sources/大模型相关术语和框架总结｜llm-mcp-prompt-rag-vllm-token-数据蒸馏.md
• Notes:
  • 冲突检测：与 llms-rag-ai-agent-三个到底什么区别 属互补关系（术语科普 vs 三层架构梳理），已记录至 Source Page Contradictions 部分
  • 无需创建 shenwei Entity（仅出现 1 次，不满足 ≥2 次条件）
  • vLLM.md 中 KV Cache/PagedAttention/Continuous Batching 等子概念不单独创建页面，因其属于 vLLM 框架的内部技术细节，不满足"可抽象、可复用"原则
  • Embedding 已存在 Vector-Embedding Concept，LangChain 为框架类概念（已有充分讨论）

[2026-04-25] ingest | Nano Banana Pro 提示词指南与策略（上篇）

• Source file: AI/Nano-Banana Pro Prompting Guide & Strategies 1.md

• Status: ✅ 成功摄入

• Summary: Google Nano Banana Pro 官方提示词指南上篇，涵盖 10 条黄金法则（编辑而非重生成、使用自然语言、提供上下文等）和前 9 个能力域（文本渲染/信息图、角色一致性/身份锁定、Google Search 信息锚定、高级编辑/修复/着色、2D/3D 维度转换、高分辨率/纹理、思考推理模式、故事板/概念艺术、结构控制/布局引导），附大量可直接复制的实战提示词模板。

• Concepts identified: 无（Nano Banana Pro 特有概念均为具体应用技术，不满足可复用抽象原则）

• Entities identified: Google（已存在于 wiki/entities/Google.md，已更新 Key Products 添加 Google AI Studio / Nano Banana Pro / Google Colab）

• Source page: wiki/sources/nano-banana-pro-prompting-guide-strategies-1.md

• Notes:

  • index.md 已修复旧条目（移除 expected/missing 标注，替换为完整标题和摘要）
  • overview.md 已更新「Nano Banana Pro 提示词指南」段落，明确标注本文为上篇及涵盖的 9 个能力域
  • 冲突检测：与 全网最全-nano-banana-2-使用指南-2025年12月更新-1 存在范围重叠，已记录至 Source Page Contradictions 部分，结论为互补而非冲突
  • 无需新建 Entity 页面（shenwei 作者仅在本文出现 1 次，不满足 ≥2 次条件）
  • 无需新建 Concept 页面（身份锁定/对话式编辑等为 Nano Banana Pro 特有应用技术，不满足可复用抽象条件）

• Source file: AI/我的工具集.md

• Status: ✅ 成功摄入

• Summary: 个人 AI 工具推荐清单，按类型分类（Text-to-Speech / Image-Editor / Image-to-Video / Web-Scraper / AI-Summary），覆盖 Google AI Studio（Wavespeed 图生视频、Vidu、海螺 AI）、Brightdata（网页爬取）、Decopy（AI 摘要）等服务。与 AI图生视频工具盘点属互补关系——本文为工具索引，后者为免费工具详细评测。

• Concepts identified: 无（工具索引类来源，各概念已在其他来源中有充分讨论）

• Entities identified: Google（已存在于 wiki/entities/Google.md）

• Source page: wiki/sources/我的工具集.md

• Notes:

  • 更新 index.md Sources 部分（替换 expected 标记行）
  • 更新 overview.md AI Tools & Prompt Engineering 部分（新增「我的工具集」段落）
  • Google Entity 已存在，无需重复创建
  • Vidu/海螺AI/Wavespeed/Brightdata/Decopy 仅在本文中出现 1 次，不满足 Entity ≥2 次创建条件
  • 无需新建 Concept 页面（各工具类型概念在其他来源中已充分覆盖）
  • 冲突检测：与 二创视频必不可少-2025年最热门ai工具推荐合集-ai配音-声音克隆 存在互补关系（工具清单 vs 详细评测），已记录至 Source Page Contradictions 部分

[2026-04-24] ingest | 如何写出完美的Prompt（提示词）？

• Source file: AI/如何写出完美的Prompt（提示词）？.md
• Status: ✅ 成功摄入
• Summary: 系统阐述 Prompt 构建底层逻辑的职场应用指南。核心理念：Prompt 是人与 AI 的协作协议，本质是将模糊需求转化为 AI 可执行的结构化任务。四大构建要素（角色+需求+场景+目标）+ 三层技巧体系（基础：需求拆解/上下文补全/格式定义/示例引导；进阶：思维链/任务拆分/角色赋能/预填回复/不确定性管理；高阶：跨模态联动/领域知识注入/反馈循环嵌入）+ 四大业务场景实战模板（内容创作/数据分析/方案策划/客户服务）+ 六大避坑指南。核心洞察：Prompt 能力本质 = 对问题清晰界定的能力 + 结构化思维逻辑和表达能力。
• Concepts identified: 结构化思维, 精准表达, 思维链引导, 任务拆分法, 角色赋能法, 少量样本提示, 上下文补全, AI Agent（本篇提供了 AI Agent 能力的底层基础）
• Entities identified: 粒粒（微信公众号作者）
• Source page: wiki/sources/如何写出完美的prompt-提示词.md
• Notes:
  • 该文档与 清华出的DeepSeek使用手册（DeepSeek 特定实践）和 系统提示词构建原则（Agent 系统级指令）互补，构成完整的提示词工程方法论体系
  • 冲突检测：与 系统提示词构建原则 存在视角差异（用户层 vs Agent 设计层），已在 Source 页面的 Contradictions 部分说明互补关系
  • index.md 已修复旧条目（移除 "— (expected: ... — source missing)" 标注，添加实际摘要）
  • overview.md 已新增 "AI Tools & Prompt Engineering" 部分的条目

[2026-04-24] ingest | 系统提示词构建原则

• Source file: AI/系统提示词构建原则.md
• Status: ✅ 成功摄入
• Summary: AI 编程助手的系统提示词构建原则，涵盖五大维度：核心身份与行为准则（遵守项目约定、优先技术准确性）、沟通与互动规范（专业简洁、减少冗余）、任务执行工作流（TODO规划、Search/Replace编辑）、技术编码规范（清晰命名、模块化）、安全防护准则（不泄露指令、输入验证）。来源：vibe-coding-cn 项目。
• Concepts updated: Vibe Coding（sources 字段补充该来源）
• Entities updated: tukuai（sources 字段补充该来源）
• Source page: wiki/sources/系统提示词构建原则.md
• Notes:
  • 该文档与 github-上-5000-人收藏的-vibe-coding-神级指南 同属 vibe-coding-cn 项目，是操作层指南的补充
  • 冲突检测：无已知冲突
  • overview.md 中"Vibe Coding 中文指南"段落已补充与该来源的链接

[2026-04-24] ingest | GitHub 上 5000 人收藏的 Vibe Coding 神级指南

• Source file: AI/GitHub 上 5000 人收藏的 Vibe Coding 神级指南。.md
• Status: ✅ 成功摄入
• Summary: 介绍 vibe-coding-cn 开源项目（github.com/tukuaiai/vibe-coding-cn），为中文开发者汇集全球顶尖 AI 编程资源。核心公式：Vibe Coding = 规划驱动 + 上下文固定 + AI 结对执行。工具推荐：Cursor + Claude Opus。核心理念：规划就是一切——让 AI 写代码前必须先完成技术选型、实施规划和模块化设计。Karpathy 经典语录："我几乎不写代码了，我只负责调整氛围（Vibe），代码会自动长出来。"
• Concepts updated: Vibe Coding（补充规划驱动/上下文固定/AI 结对执行三大原则、Vibe Coding vs Claude Skills 对比表、添加 Windsurf/Trae 工具推荐）
• Entities created: Andrej-Karpathy（AI 领域知名专家，Vibe Coding 概念推广者）
• Entities updated: tukuai（补充 vibe-coding-cn 仓库贡献者身份）
• Source page: wiki/sources/github-上-5000-人收藏的-vibe-coding-神级指南.md
• Notes:
  • 更新 index.md Sources 部分（在首位插入新条目，移除 expected 占位条目）
  • 更新 overview.md，添加"Vibe Coding 中文指南"段落至 AI Tools & Prompt Engineering 部分
  • 更新 index.md Entities 部分（添加 Andrej-Karpathy 条目）
  • Vibe Coding 概念页面已存在，本次更新 sources 字段和核心原则内容
  • 冲突检测：Vibe Coding（氛围感/直觉式）与 Claude Skills（结构化 SOP）存在视角差异，已记录至 source page Contradictions 部分

[2025-12-18] ingest | 不会Gemini的产品经理真的要被淘汰了 | 附保姆级PRD生成指南

• Source file: AI/不会Gemini的产品经理真的要被淘汰了 附保姆级PRD生成指南.md
• Status: ✅ 成功摄入
• Summary: 产品经理Kira2red分享大模型（Gemini）辅助PRD生成的保姆级教程——三步工作流：①用FeatureList构思需求框架（大模型生成层级式功能表）、②Mermaid画逻辑图（ER图/时序图/泳道图辅助理解）、③分页面逐一描述生成PRD+HTML原型。核心方法论："人负责想，大模型负责写"，可缩短文档工作时间90%以上。深层洞察：未来可能不需要PRD文档，产品经理需进化为"超级个体"，核心能力是市场洞察而非写文档。
• Concepts created: FeatureList, 超级个体, PRD生成工作流
• Entities updated: Gemini（关联本文工作流）
• Source page: wiki/sources/不会gemini的产品经理真的要被淘汰了-附保姆级prd生成指南.md
• Notes:
  • 更新 index.md Sources 部分（在首位插入新条目）
  • 更新 overview.md AI Tools & Prompt Engineering 小节（补充AI辅助PRD生成条目）
  • Vibe Coding Concept 已存在（无需新建）
  • FeatureList、超级个体、PRD生成工作流为新创建 Concept
  • 无内容冲突

[2026-04-23] ingest | 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！

• Source file: 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
• Status: ✅ 成功摄入
• Summary: Anthropic 官方 Claude Skills 仓库（github.com/anthropics/skills，3.2 万收藏）介绍。Skills = 写给 Claude 的"说明书" + "SOP"，将反复执行的有固定流程的任务拆解为 AI 能理解、能复用、能自动执行的一套流程。官方库包含三大类：办公自动化（Word/PDF/PPT/Excel）、开发者工具箱（MCP Server/自动化测试/Artifacts 构建）、创意类 Skill。核心洞察：Claude Skills 的爆发标志着从「提示词工程」向「流程工程」的范式转变；Vibe Coding 的尽头也是 Skills。
• Concepts created: Claude Skills, Workflow Engineering
• Source page: wiki/sources/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
• Notes:
  • 更新 index.md Sources 部分（修正 source missing 条目）
  • 更新 overview.md AI Tools & Prompt Engineering 小节（添加 Claude Skills 范式洞察）
  • 创建 Claude-Skills 和 Workflow-Engineering 两个 Concept 页面
  • 添加 Concepts 条目到 index.md（Claude-Skills、Workflow-Engineering）
  • 无内容冲突
  • Entity 页面（Anthropic/skillsmp/aitmpl 等）出现次数均 <2 次，未创建
• Source page: wiki/sources/7-ways-i-use-notebooklm-to-make-my-life-easier.md
• Notes:
  • 更新 index.md Sources 部分（替换 expected 占位条目）和 Concepts 部分（新增2个条目）
  • 更新 overview.md AI Tools & Prompt Engineering 小节（补充 NotebookLM 7种用法条目）
  • NotebookLM Entity 页面已存在，更新 sources 字段和内容
  • Source-Grounding 和 Passive-Learning 为新建 Concept 页面
  • 冲突检测：未发现与其他 Wiki 页面存在明显内容冲突

[2026-04-24] ingest | Never write another prompt

• Source file: AI/Never write another prompt.md
• Status: ✅ 成功摄入
• Summary: 介绍一款能将简单描述自动转化为详细结构化提示词的 AI 工具，支持变量插入和自定义编辑，大幅降低提示词工程门槛。与 Claude Prompt Library（现成提示词库）和 Nano Banana 提示词框架（结构化模板）同属提示词工程的不同路径。
• Concepts covered: Prompt Engineering, API Key, Variables in Prompts
• Entities referenced: ChatGPT, Google Gemini
• Source page: wiki/sources/never-write-another-prompt.md
• Notes:
  • 更新 index.md Sources 部分（新增条目，按日期排序）
  • 更新 overview.md AI Tools & Prompt Engineering 小节
  • 冲突检测：与 useful-prompt-lib.md 存在"是否需要预制提示词"视角差异（双方 Contradictions 均已记录）
  • ChatGPT/Google Gemini 已存在于 Wiki，无需新建 Entity 页面

[2026-04-23] ingest | Best 7 news API data feeds - AI News

• Source file: AI/Best 7 news API data feeds - AI News.md
• Status: ✅ 成功摄入
• Summary: 7款主流新闻API横向评测（Webz.io/GNews/The Guardian/Bloomberg/Financial Times/Opoint/Mediastack），覆盖开放网/深网/暗网数据、金融情报、舆情监控、情感分析、内容聚合、AI预测分析等应用场景，为AI应用和数据分析场景选择新闻数据接口提供选型参考。
• Concepts covered: News API, Financial Intelligence, Media Monitoring, Sentiment Analysis, Risk Assessment, Content Aggregation, Predictive Analysis
• Entities referenced: Webz.io, GNews API, The Guardian API, Bloomberg API, Financial Times API, Opoint, Mediastack API
• Source page: wiki/sources/best-7-news-api-data-feeds-ai-news.md
• Notes:
  • 更新 index.md Sources 部分
  • 7个 Entity 均仅出现1次，未创建独立 Entity 页面
  • Concept 均为通用概念，已隐式覆盖，无冲突

[2026-04-23] ingest | Claude Prompt Library 汇总表

• Source file: AI/Useful Prompt Lib.md
• Status: ✅ 成功摄入
• Summary: Anthropic Claude 官方提示词库完整汇总，收录 64+ 款专业化提示词，覆盖开发工具、效率工具、创意工具、营销工具、教育工具等 10+ 领域。TikTok 跨境电商推荐 Babel's Broadcasts（多语言推文）、Review Classifier（评论分类）、Data Organizer（非结构化→JSON）三剑客。
• Concepts covered: Anthropic Prompt Library, Babel's Broadcasts, Review Classifier, Data Organizer, Prompt Engineering
• Entities referenced: Anthropic, TikTok
• Source page: wiki/sources/useful-prompt-lib.md
• Notes:
  • 更新 index.md Sources 部分
  • 更新 overview.md AI Tools & Prompt Engineering 小节
  • Anthropic/TikTok 均仅出现1次，未创建独立 Entity 页面
  • 冲突检测：与 never-write-another-prompt.md 存在"是否需要预制提示词"的冲突（已记录至 source page Contradictions 部分）

[2026-04-23] ingest | 二创视频必不可少！2025年最热门AI工具推荐合集-AI配音、声音克隆

• Source file: AI/二创视频必不可少！2025年最热门AI工具推荐合集-AI配音、声音克隆.md
• Status: ✅ 成功摄入
• Summary: 2025年AI配音及声音克隆工具推荐合集，评测ElevenLabs、海螺AI（MiniMax）、F5-TTS、TTSMaker、剪映、魔音工坊、AnyVoice等7款主流工具。涵盖免费/付费、国际/国内、技术门槛等多维度对比，为不同用户群体提供选型建议。
• Concepts covered: AI配音, 声音克隆
• Entities referenced: ElevenLabs, 海螺AI, F5-TTS, TTSMaker, 剪映, 魔音工坊, AnyVoice, MiniMax
• Source page: wiki/sources/二创视频必不可少-2025年最热门ai工具推荐合集-ai配音-声音克隆.md
• Notes:
  • 更新 index.md Sources 部分
  • Entity/Concept 均未创建独立页面（各工具仅在本文出现一次，不满足Entity≥2次条件；AI配音/声音克隆概念在其他来源中已有相关讨论，可后续扩展）

[2026-04-23] ingest | The Picture They Paint of You

• Source file: AI/The Picture They Paint of You.md
• Status: ✅ 成功摄入
• Summary: 探讨 AI 工具的市场定位如何折射对人类工作者的隐性认知。对比 10+ 款 AI SRE 产品和 8+ 款 Coding Assistant 的营销话语，发现：AI SRE 被建构为"替代者"，Coding Assistant 被建构为"合作伙伴"。这种差异映射了组织内部对不同角色真实价值的认知分裂，暗示决策者与从业者之间对工作意义理解的根本分歧。
• Concepts created: Taylorism, Left-over-Principle, Analogy-as-Straitjacket
• Source page: wiki/sources/the-picture-they-paint-of-you.md
• Notes:
  • 新增 Sources 条目至 index.md
  • 新增 3 个 Concept 页面：Taylorism.md、Left-over-Principle.md、Analogy-as-Straitjacket.md
  • 冲突检测：与 wiki/sources/what-i-know-about-cloud-service-delivery-1.md 中 SRE 角色认知存在冲突（已记录至 source page Contradictions 部分）
  • Entities: Anthropic、GitHub Copilot、OpenAI Codex、Cline、AWS DevOps Agent 均未创建独立页面（属产品类 Entity，命名类 Entity 价值待定）

[2026-04-23] ingest | Nano Banana 提示词框架

• Source file: AI/Nano Banana 提示词框架.md
• Status: ✅ 成功摄入
• Summary: AI 图像生成的结构化提示词框架，提供两套 JSON Schema 模板——物件描述框架（item / materials / details / condition）和人物描述框架（age / appearance / pose）——共用 shot / environment / lighting / camera / color_grade / style / quality / negatives 参数字段。示例展示了如何将专业摄影描述语言（材质/布光/相机参数）结构化填入模板。
• Concepts covered: Nano Banana Prompting Framework, Structured Prompt Engineering, Negative Prompting, Shot Composition, Photography Lighting Description, Camera Parameter Specification
• Entities referenced: Google, Nano Banana
• Source page: wiki/sources/nano-banana-提示词框架.md
• Notes:
  • 新增 Sources 条目至 index.md（替换 expected 标记行）
  • 更新 overview.md AI Tools & Prompt Engineering 部分
  • Google Entity 已存在于 wiki/entities/Google.md，未重复创建

[2026-04-23] ingest | 谷歌深夜甩出一份【Nano Banana Pro提示词指南】，手把手教你生产专业级内容，实战案例+提示词模版

• Source file: AI/谷歌深夜甩出一份【Nano Banana Pro提示词指南】，手把手教你生产专业级内容，实战案例+提示词模版.md
• Status: ✅ 成功摄入
• Summary: 谷歌发布的 Nano Banana Pro 官方提示词指南（《The Complete Guide to Nano Banana Pro》），核心主题是"将 AI 从趣味性图像生成升级为功能性专业资产生产"。10 大黄金法则：编辑而非重新生成、使用自然语言完整句子、具体且具描述性、提供上下文。9 个实战章节覆盖文本渲染/信息图、角色一致性、Google 搜索信息锚定、高级编辑、2D/3D 转换、高分辨率、思考推理、故事板、结构控制。
• Concepts created: 提示词工程, 身份锁定（Identity Locking）, 思维推理模式（Thinking Mode）, 信息图生成, 2D/3D 转换, 草图转成品（Sketch to Final）
• Entities created: 谷歌
• Source page: wiki/sources/谷歌深夜甩出一份-nano-banana-pro提示词指南-手把手教你生产专业级内容-实战案例-提示词模版.md
• Notes:
  • 新增 Sources 条目至 index.md（替换 expected 标记行）
  • 新增 6 个 Concept 页面
  • 新增 1 个 Entity 页面：Google.md
  • 更新 overview.md，新增"Nano Banana Pro 提示词指南"段落至 AI Tools & Prompt Engineering 部分
  • 冲突检测：暂无发现与其他 Wiki 页面的内容冲突

[2026-04-23] ingest | 详细！离线部署大模型：ollama+deepseek+open-webui安装使用方法及常见问题解决 1

• Source file: AI/详细！离线部署大模型：ollama+deepseek+open-webui安装使用方法及常见问题解决 1.md
• Status: ✅ 成功摄入
• Summary: Ollama + DeepSeek-R1 + Open WebUI 本地离线部署完整指南，覆盖硬件要求、安装方法（macOS/Windows/Linux/Docker）、模型下载加速（魔塔/HF Mirror/夸克网盘）、API 安全配置（nginx + Bearer Token）和 Open WebUI Docker Compose 部署。
• Entities created: Ollama, Open WebUI
• Concepts created: Local LLM Deployment, Docker LLM Deployment
• Source page: wiki/sources/详细-离线部署大模型-ollama-deepseek-open-webui安装使用方法及常见问题解决-1.md
• Notes:
  • 新增 Sources 条目至 index.md（Sources 节顶部）
  • 新增 Entity 页面：Ollama.md、Open-WebUI.md
  • 新增 Concept 页面：Local-LLM-Deployment.md、Docker-LLM-Deployment.md
  • 更新 overview.md：Key Entities 节和 AI Tools 节

[2026-04-23] ingest | OpenAI ChatGPT 个性化定义

• Source file: AI/OpenAI ChatGPT 个性化定义.md
• Status: ✅ 成功摄入
• Summary: ChatGPT 自定义指令（Custom Instructions）的完整配置——定义用户身份（47岁、云计算背景、跨境电商创业者）、响应风格（高度有条理、详细解释、错误零容忍）和交互偏好（主动预判需求、不道德说教、URL统一末尾引用）。核心原则：Expert User Assumption（用户为所有领域专家）、Proactive AI（主动出击而非被动等待）、Error Accountability（主动反馈配置导致的回复质量下降）。
• Concepts created: Personalization, Custom Instructions, Proactive AI, Expert User Assumption, Error Accountability
• Entities created: OpenAI, ChatGPT
• Source page: wiki/sources/openai-chatgpt-个性化定义.md
• Notes:
  • 新增 Sources 条目至 index.md（替换 expected 标记行）
  • 新增 5 个 Concept 页面：Personalization.md、Custom-Instructions.md、Proactive-AI.md、Expert-User-Assumption.md、Error-Accountability.md
  • 新增 2 个 Entity 页面：OpenAI.md（美国 AI 研究公司）、ChatGPT.md（OpenAI 对话产品）
  • 更新 overview.md，新增"ChatGPT 个性化配置"段落至 AI Tools & Prompt Engineering 部分
  • 将 5 个新 Concept 添加至 overview.md Key Concepts 列表
  • 将 OpenAI、ChatGPT 添加至 overview.md Key Entities 列表
  • 冲突检测：暂无发现与其他 Wiki 页面的内容冲突——designing-for-agentic-ai 中的 Personalization 原则与本文配置案例一致，无矛盾

[2026-04-23] ingest | A Formalization of Recursive Self-Optimizing Generative Systems

• Source file: AI/A Formalization of Recursive Self-Optimizing Generative Systems.md
• Status: ✅ 成功摄入
• Summary: 递归自我优化生成系统的形式化理论模型——定义生成器空间 $\mathcal{G}$、优化算子 $O$、元生成算子 $M$、自映射 $\Phi$，稳定生成能力 G^* = \Phi 的不动点；用 λ-calculus Y 组合子表达自引用结构 $G^* \equiv Y;\text{STEP}$。核心发现：递归自我优化自然涌现不动点结构，而非终止输出；为 Self-Improving AI 提供原则性理论基础。
• Concepts created: Recursive Self-Optimization, Generator Space, Self-Referential Computation, Fixed-Point Semantics, Y-Combinator
• Entities created: tukuai
• Source page: wiki/sources/a-formalization-of-recursive-self-optimizing-generative-systems.md
• Notes:
  • 新增 Sources 条目至 index.md（替换 expected 标记行）
  • 新增 5 个 Concept 页面：Recursive-Self-Optimization.md、Generator-Space.md、Self-Referential-Computation.md、Fixed-Point-Semantics.md、Y-Combinator.md
  • 新增 1 个 Entity 页面：tukuai.md（独立研究者，本文作者）
  • 更新 overview.md，新增"Recursive Self-Optimizing Generative Systems"段落至 Multi-Agent AI Systems 部分
  • 将 5 个新 Concept 添加至 overview.md Key Concepts 列表
  • 将 tukuai 添加至 overview.md Key Entities 列表
  • 冲突检测：暂无发现与其他 Wiki 页面的内容冲突——本文为纯理论形式化，与 Wiki 中其他 Agent 应用案例属不同层次

[2026-04-23] ingest | LLMs、RAG、AI Agent 三个到底什么区别？

• Source file: AI/LLMs、RAG、AI Agent 三个到底什么区别？.md
• Status: ✅ 成功摄入
• Summary: LLM、RAG、AI Agent 三者的定义与关系——LLM=思考（天才大脑），RAG=认知（记忆系统），Agent=执行（行动系统）。三者非竞争技术，而是在不同层面互补。未来不在于选择其一，而在于将三者结合架构设计。
• Concepts created: Large Language Model, RAG, AI Agent, ReAct Pattern
• Entities created: （无新 Entity 创建）
• Source page: wiki/sources/llms-rag-ai-agent-三个到底什么区别.md
• Notes:
  • 新增 Sources 条目至 index.md（置于最前，按日期排序）
  • 新增 3 个 Concept 页面：Large-Language-Model.md、RAG.md、AI-Agent.md
  • 更新 overview.md Key Concepts 列表，添加 Large Language Model/RAG/AI Agent/ReAct Pattern
  • 更新 overview.md，新增"LLM / RAG / AI Agent 三层架构"段落至 AI Tools & Prompt Engineering 部分
  • 更新 index.md Concepts 部分，添加 3 个新 Concept 条目
  • 冲突检测：暂无发现与其他 Wiki 页面的内容冲突——本文为基础概念梳理，与 Wiki 中 Agentic AI 相关内容一致

[2026-04-23] ingest | Google 神级生产力工具，所有 GitHub 开源平替都找到了

• Source file: AI/Google 神级生产力工具，所有 GitHub 开源平替都找到了。.md
• Status: ✅ 成功摄入
• Summary: Google NotebookLM 的 6 款 GitHub 开源平替全景盘点——OpenNotebook（14.6k Stars 全功能）、SurfSense（11.4k Stars 综合研究智能体）、Podcastfy（播客垂直聚焦）、NotebookLlama（LlamaIndex 官方学习参考）、PageLM（教育场景）、InsightsLM（低代码架构）。覆盖从"全功能替代"到"垂直聚焦"的不同需求层次。
• Concepts created: 文档问答, 播客生成, 语义搜索, 混合搜索, 本地化部署
• Entities created: Google, NotebookLM, OpenNotebook, SurfSense, Podcastfy, NotebookLlama, PageLM, InsightsLM
• Source page: wiki/sources/google-神级生产力工具-所有-github-开源平替都找到了.md
• Notes:
  • 新增 Sources 条目至 index.md（替换 expected 标记行）
  • 新增 Entity 页面：Google、NotebookLM、OpenNotebook、SurfSense、Podcastfy、NotebookLlama、PageLM、InsightsLM（共8个）
  • 新增 Concept 页面：文档问答、播客生成、语义搜索、混合搜索、本地化部署（共5个）
  • 更新 overview.md，新增"AI Tools & Prompt Engineering"部分的"NotebookLM 开源平替生态"段落
  • 无内容冲突——与现有 RAG、知识管理工具内容互补，未发现矛盾

[2026-04-23] ingest | 教學 ChatGPT 先做知識整理，再讓 Canva、 Gamma AI 輸出簡報

• Source file: AI/教學 ChatGPT 先做知識整理，再讓 Canva、 Gamma AI 輸出簡報.md
• Status: ✅ 成功摄入
• Summary: AI 简报自动化工作流——先用 ChatGPT 做知识整理，再用 Canva / Gamma AI 输出演示文稿。两阶段工作流（思考者→设计师）比直接用 AI 生成简报效果更好。
• Concepts created: AI簡報工作流
• Entities created: Canva, Gamma-AI
• Source page: wiki/sources/教學-chatgpt-先做知識整理-再讓-canva-gamma-ai-輸出簡報.md
• Notes:
  • 新增 Sources 条目至 index.md（替换 expected 标记行）
  • 新增 Entity 条目：Canva, Gamma-AI
  • 新增 Concept 条目：AI簡報工作流
  • 更新 overview.md，新增段落至 AI Tools & Prompt Engineering 部分
  • 无内容冲突

[2026-04-23] ingest | Designing for Agentic AI

• Source file: AI/Designing for Agentic AI.md
• Status: ✅ 成功摄入
• Summary: 阐述 GenAI（创作内容）vs Agentic AI（主动行动）的核心差异，以及为 Agentic AI 设计用户体验的 TCPCA 五原则——透明度、控制感、个性化、对话、主动预判。核心洞察：观察 AI 决策过程本身就是一种参与方式，设计隐喻从"响应用户点击/滑动"转向"AI 运行时的实时反馈"。
• Concepts updated: Agentic AI（已存在，仅补充 TCPCA 五原则维度）, Transparency, Control, Personalization, Conversation, Anticipation
• Entities updated: Yuri Pessa（已存在，仅补充身份说明）
• Source page: wiki/sources/designing-for-agentic-ai.md
• Notes:
  • 新增 Sources 条目至 index.md（置于 Sources 末尾，因源文件日期 2025-03-02 早于所有现有条目）
  • 新增 overview.md 段落至 AI Tools & Prompt Engineering 部分
  • 无需新建 Entity/Concept 页面（Agentic-AI entity 已存在，TCPCA 五原则暂不满足独立 Concept 页面条件）
  • 与 Google-5个-Agent-Skill-设计模式 同属 AI Agent 设计方法论

[2026-04-23] ingest | 养虾日记5：深夜与苏轼聊AI，他说：被浪打下去还能爬起来的才叫风流

• Source file: 微信公众号/养虾日记5：深夜与苏轼聊AI，他说：被浪打下去还能爬起来的才叫风流.md
• Status: ✅ 成功摄入
• Summary: 用AI蒸馏历史人物思维框架创建"数字导师"——以苏东坡为首位实践，展示如何将千年古人心智模型（六道：进退由时/此心安处/辞达而已/逆境转化/自出新意/天人合一）转化为可运行的AI Skill。女娲·Skill造人术通过6个并行Agent从6维度采集信息，产出自包含的.skill文件。
• Concepts created: 数字导师, 思维蒸馏（女娲造人术）, 心智模型, AI-Skill
• Entities created: 苏东坡, 女娲
• Source page: wiki/sources/养虾日记5-深夜与苏轼聊ai-他说-被浪打下去还能爬起来的才叫风流.md
• Notes:
  • 新增 Sources 条目至 index.md（置于养虾日记4之后）
  • 新增 Entity 条目：苏东坡
  • 新增 Concept 条目：数字导师, 思维蒸馏（女娲造人术）
  • 与 养虾日记1/2/3/4 和 养龙虾5天血泪史 属同一「养虾日记」系列

[2026-04-23] ingest | 一语点醒梦中人

• Source file: AI/一语点醒梦中人.md
• Status: ✅ 成功摄入
• Summary: 收录中国传统诗词与哲学典籍中的经典名句及其释义，涵盖儒道佛三家智慧——王维"行到水穷处，坐看云起时"的佛学顿悟、曾国藩"唯忘机可以消众机"的处世哲学、庄子"知其不可奈何而安之若命"的接受智慧、《老子》"大智若愚，大巧若拙"的守拙哲学、《金刚经》"一切有为法如梦幻泡影"的空性智慧。
• Concepts covered: 空性智慧, 守拙, 安之若命, 和光同尘, 忘机, 中庸之道, 有为法
• Entities referenced: 王维, 曾国藩, 庄子, 苏东坡, 郑板桥
• Source page: wiki/sources/一语点醒梦中人.md
• Notes:
  • 新增 Sources 条目至 index.md
  • 新增 overview.md 段落"经典智慧与人生哲学"
  • Entity/Concept 均未创建独立页面（各人物/概念仅在本文出现1次，未达≥2次阈值）
  • 与 养虾日记5（苏东坡数字导师）存在潜在关联，可后续扩展

[2026-04-22] ingest | 不谈技术：普通人该怎么在AI时代赚钱？

 2|- Source file: 微信公众号/不谈技术：普通人该怎么在AI时代赚钱？.md
 3|- Status: ✅ 成功摄入
 4|- Summary: AI时代普通人如何赚钱的思维框架——三大原则：品味值钱（判断力是护城河）、做端到端的事（不当代价）、用死亡过滤器（找到真正热爱的事）。核心洞察：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。
 5|- Concepts created: [[品味]], [[端到端]], [[死亡过滤器]], [[工具民主化]]
 6|- Entities created: [[乔布斯]]
 7|- Source page: wiki/sources/不谈技术-普通人该怎么在ai时代赚钱.md
 8|- Notes:
 9|  - 与 [[个人品牌与一人公司]] 属同一主题（AI时代个人定位与杠杆）
10|  - 与 [[Ikigai框架]] 的"热情"维度高度相关
11|
12|## [2026-04-10] ingest | 养虾日记4：一次「Context Limit Exceeded」错误排查
13|- Source file: 微信公众号/养虾日记4： 一次「Context Limit Exceeded」错误排查：我以为是小问题，结果踩了大坑.md
14|- Status: ✅ 成功摄入
15|- Summary: OpenClaw Telegram Channel「Context Limit Exceeded」错误深度排查——问题表象是 context 耗尽，实际根因是 Telegram channel 的模型被切换为 deepseek-reasoner（仅 16K context），safeguard 模式预留 16K tokens 导致实际可用为 0。解决关键：Agent 级别模型配置优先级高于全局 compaction 配置，需在路由规则层修复。
16|- Concepts created: [[Context-Window]], [[Model-Fallback]], [[Compaction]], [[Agent-Routing-Rules]], [[Error-Surface-vs-Root-Cause]], [[Layered-Configuration]], [[Log-Driven-Debugging]], [[Hidden-Failure-Paths]]
17|- Entities created: （无新增；[[OpenClaw]]/[[星枢]]/[[DeepSeek]]/[[MiniMax]] 均已在现有来源中出现，不满足 ≥2 次创建条件）
18|- Source page: wiki/sources/养虾日记4-一次「context-limit-exceeded」错误排查-我以为是小问题-结果踩了大坑.md
19|- Notes:
20|  - 新增 Sources 条目至 index.md（置于养龙虾5天血泪史之后）
21|  - 更新 overview.md，新增 [[养虾日记4]] 段落至 Multi-Agent AI Systems 部分
22|  - 创建 8 个 Concept 页面：Context-Window.md、Model-Fallback.md、Compaction.md、Agent-Routing-Rules.md、Error-Surface-vs-Root-Cause.md、Layered-Configuration.md、Log-Driven-Debugging.md、Hidden-Failure-Paths.md
23|  - 更新 index.md Concepts 节，新增 8 个条目（按字母顺序插入）
24|  - 与 [[养龙虾5天血泪史]] 互补（记忆写入/压缩问题 vs 模型配置错误）
25|  - 冲突检测：无与其他 Wiki 页面的实质性内容冲突
26|
27|## [2026-04-23] ingest | 养虾日记3：用 Obsidian + Gitea 为 AI 助手构庺持久化笔记系统
28|- Source file: 微信公众号/养虾日记3：用 Obsidian + Gitea 为 AI 助手构建持久化笔记系统.md
29|- Status: ✅ 成功摄入
30|- Summary: 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（Git 历史）+ OpenClaw obsidian skill 做写入接口。核心价值：把 AI 变成"会自动整理笔记的实习生"。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。
31|- Concepts created: [[LLM Wiki]], [[Obsidian Git]], [[Graph View]], [[Obsidian Web Clipper]], [[QMD]], [[版本管理]], [[被动更新]], [[双链笔记]]
32|- Entities created: [[Obsidian]], [[Gitea]]
33|- Source page: wiki/sources/养虾日记3-用-obsidian-gitea-为-ai-助手构建持久化笔记系统.md
34|- Notes:
35|  - 新增 Sources 条目至 index.md（置于最前）
36|  - 更新 overview.md，替换原 [[养虾日记1]] 段落为 [[养虾日记3]]
37|  - 创建 Entity 页面：Obsidian.md, Gitea.md
38|  - 创建 Concept 页面：LLM-Wiki.md
39|  - Gitea 已在 Entity 中存在（无需重复创建，仅更新）
40|  - 冲突：无已知冲突
41|
42|## [2026-04-23] ingest | 养龙虾5天血泪史：我的AI Agent为什么总失忆？OpenClaw 记忆调试全记录
43|- Source file: 微信公众号/养龙虾5天血泪史：我的AI Agent为什么总失忆？OpenClaw 记忆调试全记录.md
44|- Status: ✅ 成功摄入
45|- Summary: AI Agent 记忆失效问题的5天专项调试全记录——发现5类根本原因（上下文压缩、搜索后端、检索触发、压缩协同、系统配置），对应10条黄金法则。核心洞察：写入纪律比读取纪律更重要；压缩不是敌人，未写入的上下文才是；系统提示词从209,652精简到9,349令牌（减少28%）。
46|- Concepts created: 上下文压缩、上下文刷新、写入纪律、交接协议、启动序列
47|- Entities created: —
48|- Source page: wiki/sources/养龙虾5天血泪史-我的ai-agent为什么总失忆-openclaw-记忆调试全记录.md
49|- Notes:
50|  - 新增 Sources 条目至 index.md（置于养虾日记1、2之后）
51|  - 更新 overview.md，新增 [[养龙虾5天血泪史]] 段落至养虾日记系列部分
52|  - 创建 5 个 Concept 页面（上下文压缩/上下文刷新/写入纪律/交接协议/启动序列）
53|  - Hybrid-Search 概念页面已存在（无需重复创建）
54|  - 冲突已记录于 source page Contradictions 部分（与 Second Brain 的 MEMORY.md 定位差异、与 personal-crm 的联系人记录方式差异）
55|
56|## [2026-04-23] ingest | 养虾日记1：我用 OpenClaw 管了 28 万张照片
57|- Source file: 微信公众号/养虾日记1：我用 OpenClaw 管了 28 万张照片：一次真实的多设备照片整理实战.md
58|- Status: ✅ 成功摄入
59|- Summary: AI Agent 照片整理实战——使用 OpenClaw 成功整理了 NAS 上 28 万张、跨越 20 年的家庭照片。OpenClaw 通过「提问澄清 → 方案制定 → 批次拆分（8 批次）→ Cron 凌晨自动执行 → Telegram Summary 报告」全流程自动化。核心机制：MD5 精确去重 + 小文件清理（<100KB）+ 安全删除策略（To-Be-Deleted 目录）。核心感悟：AI Agent 的价值是思维方式升级。
60|- Concepts created: —
61|- Entities created: —
62|- Source page: wiki/sources/养虾日记1-我用-openclaw-管了-28-万张照片-一次真实的多设备照片整理实战.md
63|- Notes:
64|  - 新增 Sources 条目至 index.md（置于最前）
65|  - 更新 overview.md，新增 [[养虾日记1]] 段落至 Self-Improving 部分，新增 [[AI-Agent思维方式]]/[[批次任务拆分]]/[[精确去重]]/[[小文件清理]]/[[安全删除策略]]/[[Telegram通知]] 至 Key Concepts
66|  - Entity 数量不足阈值（OpenClaw/Synology Photos/NAS 均已存在或仅出现 1 次），未创建新 Entity 页面
67|  - Concept 数量不足阈值（所有概念均为本篇特定实践，不满足可抽象/可复用条件），未创建独立 Concept 页面
68|  - 冲突已记录于 source page Contradictions 部分（与 Self-Healing-Home-Server 的规划者 vs 修复者角色差异）
69|
70|## [2026-04-23] ingest | X Account Analysis
71|- Source file: Agent/usecases/x-account-analysis.md
72|- Status: ✅ 成功摄入
73|- Summary: 基于 OpenClaw + Bird Skill 的 X 账号定性分析——通过 Cookie 认证读取真实账号推文，AI 分析内容质量模式（为何有时 1000+ 赞有时 <5 赞）、话题偏好与互动差异原因。免费替代 $10-$50/月订阅服务。
74|- Concepts created: —
75|- Entities created: —
76|- Source page: wiki/sources/x-account-analysis.md
77|- Notes:
78|  - 新增 Sources 条目至 index.md（置于最前）
79|  - 更新 overview.md，新增 [[x-account-analysis]] 段落至 X/Twitter Automation 部分（补充原 x-twitter-automation 段落的互补关系描述）
80|  - 更新 wiki/sources/x-twitter-automation.md，移除"（尚未摄入）"标注
81|  - Entity/Concept 数量不足阈值（每项仅在本文中出现 1 次），未创建新实体/概念页面；[[OpenClaw]] 已存在于 Key Entities
82|  - 新增 Key Concepts: [[Social-Media-Analytics]], [[Credential-Isolation]]
83|
84|## [2026-04-23] ingest | Phone Call Notifications
85|- Source file: Agent/usecases/phone-call-notifications.md
86|- Status: ✅ 成功摄入
87|- Summary: AI Agent 通过 clawr.ing 托管电话服务主动向用户拨打电话通知——Agent 评估事件优先级（股价暴跌/紧急邮件/日程提醒），自动拨叫用户真实号码，用户可实时提问，Agent 双向对话响应。与 [[phone-based-personal-assistant]] 互补（Agent 去电通知 vs 用户来电接收）。
88|- Concepts created: [[Voice Notification Channel]], [[Two-Way Voice Conversation]], [[Call-Worthy Threshold]]
89|- Entities created: [[clawr.ing]], [[clawhub.ai]] (updated)
90|- Source page: wiki/sources/phone-call-notifications.md
91|- Notes:
92|  - 新增 Sources 条目至 index.md（置于最前）
93|  - 更新 overview.md，新增 [[phone-call-notifications]] 段落至 AI Tools & Prompt Engineering 部分，新增 [[clawr.ing]]/[[clawhub.ai]] 至 Key Entities，新增 [[Voice Notification Channel]]/[[Two-Way Voice Conversation]]/[[Call-Worthy Threshold]]/[[PSTN Calling]] 至 Key Concepts
94|  - 新增 Entity: wiki/entities/clawr.ing.md；更新 wiki/entities/ClawHub.md（添加 clawr.ing 作为托管 skill）
95|  - 新增 Concept: wiki/concepts/Voice-Notification-Channel.md、wiki/concepts/Two-Way-Voice-Conversation.md、wiki/concepts/Call-Worthy-Threshold.md
96|  - 更新 overview.md Conflict Areas，新增"Agent 去电通知 vs Agent 来电接收"冲突点
97|
98|## [2026-04-23] ingest | Autonomous Educational Game Development Pipeline
99|- Source file: Agent/usecases/autonomous-game-dev-pipeline.md

100|- Status: ✅ 成功摄入 101|- Summary: AI Agent 全自动管理教育游戏开发生命周期——"Bugs First" 优先策略 + Round Robin 轮询 + 纯 HTML5/CSS3/JS 技术栈，单人实现每 7 分钟产出 1 款游戏或 1 个 bugfix，41+ 款游戏维护。 102|- Concepts created: Bugs First, Round Robin Strategy, Conventional Commits, Feature Branch Workflow, HTML5 Game Development 103|- Entities created: — 104|- Source page: wiki/sources/autonomous-game-dev-pipeline.md 105|- Notes: 106| - 新增 Sources 条目至 index.md（置于最前） 107| - 更新 overview.md，新增 autonomous-game-dev-pipeline 段落至 AI Tools & Prompt Engineering 部分 108| - Entity/Concept 数量不足阈值，未创建新实体页面；OpenClaw 实体已存在于 index.md 109| 110|## [2026-04-23] ingest | arXiv Paper Reader 111|- Source file: Agent/usecases/arxiv-paper-reader.md 112|- Status: ✅ 成功摄入 113|- Summary: AI Agent 驱动的 arXiv 论文阅读助手——通过 arxiv-reader skill（3 工具：arxiv_fetch、arxiv_sections、arxiv_abstract）直接从 arXiv 下载 LaTeX 源码并自动扁平化展开，消除 PDF 下载后切换论文丢失上下文和 LaTeX 符号难以解析的痛点；支持摘要浏览、多论文对比排序、选择性细读和会话式分析；本地缓存使重复访问秒级响应；纯 Node.js 零依赖部署。 114|- Concepts created: arXiv-API, LaTeX-Flattening, Local-Caching, Paper-Abstract-Batch-Fetching 115|- Entities created: Prismer-AI 116|- Source page: wiki/sources/arxiv-paper-reader.md 117|- Notes: 118| - 新增 Sources 条目至 index.md（替换 "source missing" placeholder） 119| - 更新 overview.md，在 YouTube Automation 部分后新增 arXiv-Paper-Reader 段落，在 Key Concepts 列表新增 4 个新概念 120| - 创建 Entity 页面：Prismer-AI.md（GitHub 组织，arxiv-reader skill 维护方） 121| - 创建 Concept 页面：arXiv-API.md（arXiv 开放 API）、LaTeX-Flattening.md（LaTeX 扁平化技术）、Local-Caching.md（本地缓存模式）、Paper-Abstract-Batch-Fetching.md（批量摘要对比模式） 122| - 与 academic-historian 同属学术研究场景互补——前者侧重理工科论文，后者侧重人文社科 123| - 与 YouTube-Content-Pipeline 的 Research Agent 共享研究工作流设计模式 124| - 冲突检测：无已知实质冲突 125| 126|## [2026-04-22] ingest | Semantic Memory Search 127|- Source file: Agent/usecases/semantic-memory-search.md 128|- Status: ✅ 成功摄入 129|- Summary: 通过 memsearch（基于 Milvus 向量数据库）为 OpenClaw Markdown 记忆添加语义搜索能力——用自然语言提问即可找到相关内容，无需精确措辞。混合搜索（稠密向量 + BM25 + RRF）兼顾语义相似性和关键词精确匹配；SHA-256 内容哈希实现增量索引节省成本；文件监视器自动重建索引；支持本地模式无需 API Key。核心理念：Markdown 是唯一真相，向量索引是派生缓存。 130|- Concepts created: Hybrid Search, Reciprocal Rank Fusion, Content Hashing, File Watcher 131|- Entities created: memsearch, Milvus 132|- Source page: wiki/sources/semantic-memory-search.md 133|- Notes: 134| - 新增 Sources 条目至 index.md（替换 "source missing" placeholder） 135| - 更新 overview.md，在 Productivity & Knowledge Management 部分新增 semantic-memory-search 段落，在 Key Concepts 列表新增 6 个新概念 136| - 创建 Entity 页面：Memsearch.md（ZillizTech memsearch CLI/库）、Milvus.md（开源向量数据库） 137| - 创建 Concept 页面：Hybrid-Search.md（混合搜索策略）、Reciprocal-Rank-Fusion.md（排名融合算法）、Content-Hashing.md（增量索引机制）、File-Watcher.md（自动重建索引） 138| - 与 Knowledge-Base-RAG 同属 RAG 技术栈的不同场景——后者侧重 URL 入库，前者侧重现有 Markdown 文件的语义索引 139| - 冲突检测：wiki/concepts/Semantic-Search.md 已引用 Hybrid Search，与本 Source 一致；wiki/concepts/Knowledge-Base-RAG.md 有 Hybrid Search 说明，与本 Source 一致，暂无实质冲突 140| 141|## [2026-04-22] ingest | OpenClaw as Desktop Cowork (AionUi) — Remote Rescue & Multi-Agent Hub 142|- Source file: Agent/usecases/aionui-cowork-desktop.md 143|- Status: ✅ 成功摄入 144|- Summary: 通过 AionUi 桌面应用将 OpenClaw 作为可视化 Cowork Agent 运行——提供文件感知工作空间（可见文件读写/命令/网页浏览），内置 OpenClaw 部署专家通过 Telegram/WebUI 远程诊断修复（openclaw doctor），统一 MCP 配置全局同步到 12+ Agent，支持 WebUI/Telegram/Lark/DingTalk 多渠道远程访问。 145|- Concepts created: CoworkWorkspace, RemoteRescuePattern, Multi-AgentHub, MCPOnceAllAgents 146|- Entities created: AionUi 147|- Source page: wiki/sources/aionui-cowork-desktop.md 148|- Notes: 149| - 新增 Sources 条目至 index.md（替换 "source missing" placeholder） 150| - 更新 overview.md，在 AI Tools & Prompt Engineering 部分新增 aionui-cowork-desktop 段落，在 Key Entities 部分新增 AionUi，在 Key Concepts 部分新增 4 个新概念 151| - 创建实体页面 wiki/entities/AionUi.md 152| - 创建概念页面：CoworkWorkspace.md, RemoteRescuePattern.md, Multi-AgentHub.md, MCPOnceAllAgents.md 153| 154|## [2026-04-22] ingest | Family Calendar Aggregation & Household Assistant 155|- Source file: Agent/usecases/family-calendar-household-assistant.md 156|- Status: ✅ 成功摄入 157|- Summary: AI Agent 作为家庭日程协调中心——聚合 5+ 个分散日历（工作/个人/家庭/学校/课外）生成每日晨间简报；通过环境消息监控（Ambient Message Monitoring）自动从 iMessage 中识别预约并创建日历事件（含行车时间缓冲）；维护家庭库存 JSON，支持照片 OCR 和小票识别更新；生成购物清单。核心洞察：Ambient > Active，Mac Mini 是最优硬件。 158|- Concepts created: AmbientMessageMonitoring, HouseholdInventoryTracking 159|- Entities created: SparkryAI 160|- Source page: wiki/sources/family-calendar-household-assistant.md 161|- Notes: 162| - 新增 Sources 条目至 index.md（替换 "source missing" placeholder） 163| - 更新 overview.md，在 AI Tools & Prompt Engineering 部分新增 family-calendar-household-assistant 段落 164| - 新建 Concept 页面：AmbientMessageMonitoring.md（核心差异化机制）、HouseholdInventoryTracking.md（物资追踪模式） 165| - 新建 Entity 页面：SparkryAI.md（牙医预约案例的来源） 166| - 与 Custom Morning Brief 互补：同一晨间简报模式，个人场景 vs 家庭场景 167| - 与 Second Brain 共享 OpenClaw 持久记忆能力 168| - 冲突检测：暂无发现与其他 Wiki 页面的内容冲突 169| 170|## [2026-04-22] ingest | Personal Knowledge Base (RAG) 171|- Source file: Agent/usecases/knowledge-base-rag.md 172|- Status: ✅ 成功摄入 173|- Summary: AI Agent 驱动的个人知识库 RAG 系统——通过 Telegram Topic 或 Slack Channel 投递任意 URL（网页/推文/YouTube 字幕/PDF），Agent 自动抓取内容并以 Embedding 向量入库；支持语义搜索，返回排名结果并附带来源；可被其他工作流（如 YouTube-Content-Pipeline）主动查询。核心理念：捕获像发短信一样简单，检索像搜索一样容易。 174|- Concepts created: Semantic-Search, Content-Ingestion 175|- Source page: wiki/sources/knowledge-base-rag.md 176|- Notes: 177| - 新增 Sources 条目至 index.md（替换 "source missing" placeholder） 178| - 更新 overview.md，在 Productivity & Knowledge Management 部分新增 Personal Knowledge Base (RAG) 段落 179| - 与 Second Brain 互补：Second Brain 侧重对话记忆，本方案侧重结构化知识检索 180| - 与 YouTube-Content-Pipeline 关联：后者在工作流中主动查询知识库 181| - Knowledge-Base-RAG 概念页已存在（2026-04-22 youtube-content-pipeline ingest 时创建），本次补充 Semantic-Search 和 Content-Ingestion 两个子概念 182| - Entity 页面（OpenClaw、ClawHub、Telegram、Slack）均已在 overview.md Key Entities 中覆盖，无需新建 183| - Contradiction：暂无发现与其他 Wiki 页面的内容冲突 184|- Status: ✅ 成功摄入 185|- Summary: AI Agent 驱动的 YouTube 选题发现与选题自动化流水线——每小时 Cron Job 扫描 Web + X/Twitter 突发 AI 新闻，向 Telegram 推送选题；维护 90 天视频目录（播放量 + 主题分析）避免选题重复；通过 SQLite 向量嵌入实现语义去重；在 Slack 分享链接时自动研究主题、搜索 X、查询知识库并创建带大纲的 Asana 任务卡。 186|- Concepts created: Semantic-Deduplication, Vector-Embedding, Knowledge-Base-RAG 187|- Source page: wiki/sources/youtube-content-pipeline.md 188|- Notes: 189| - 新增 Sources 条目至 index.md（替换 "source missing" placeholder） 190| - 更新 overview.md，在 YouTube Automation 部分新增 YouTube-Content-Pipeline 段落 191| - 与 Daily-YouTube-Digest 互补：后者侧重订阅频道更新监控，前者侧重全网趋势主动发现 192| - 与 Content-Factory 共享并行子 Agent 执行模式 193| - Entity 页面（OpenClaw、Asana、Slack）均已存在，无需新建 194| - 新增 3 个 Concept 页面并注册至 index.md Concepts 索引 195| - Contradiction：暂无发现与其他 Wiki 页面的内容冲突 196|- Source file: Agent/usecases/polymarket-autopilot.md 197|- Status: ✅ 成功摄入 198|- Summary: 基于 AI Agent 的 Polymarket 预测市场自动驾驶交易系统，实现 24/7 市场监控与自动化分析。AI Agent 自动监控 Polymarket 市场数据、智能分析预测概率变化、自动执行交易策略、定时推送市场洞察。 199|- Concepts created: Prediction Market, Agentic Trading, Market Monitoring 200|- Entities created: Polymarket 201|- Source page: wiki/sources/polymarket-autopilot.md 202|- Notes: 203| - 新增 Sources 条目至 index.md（替换 placeholder） 204| - 更新 overview.md，在 Multi-Agent Monitoring 部分的 Dynamic Dashboard 段落中补充 polymarket-autopilot 引用 205| - 与 Dynamic Dashboard 存在关联（监控仪表盘的具体用例） 206| - 与 earnings-tracker 属于同类模式（市场数据监控 + 定时推送） 207| - Polymarket 已在 overview.md Key Entities 中提及，无需重复创建 Entity 页面 208| - Contradiction：暂无发现与其他 Wiki 页面的内容冲突 209| 210|## [2026-04-22] ingest | Local CRM Framework with DenchClaw 211|- Source file: Agent/usecases/local-crm-framework.md 212|- Status: ✅ 成功摄入 213|- Summary: DenchClaw 将 OpenClaw 转化为本地 CRM、销售自动化和生产力平台，通过 npx denchclaw 一键安装完整技术栈（DuckDB + Web UI + OpenClaw Profile + 浏览器自动化）。核心创新：所有设置/视图以 YAML/Markdown 文件存储，Agent 可直接修改 UI 而无需 API 抽象层；Chrome Profile 克隆使 Agent 继承用户认证状态，可直接导入 HubSpot 等平台数据。 214|- Concepts created: File-System-First-UI, DuckDB 215|- Entities created: DenchClaw 216|- Source page: wiki/sources/local-crm-framework.md 217|- Notes: 218| - 新增 Sources 条目至 index.md（置于首位） 219| - 更新 overview.md，在 personal-crm 附近添加 Local CRM Framework 段落 220| - 创建 1 个 Entity 页面：DenchClaw.md 221| - 创建 2 个 Concept 页面：DuckDB.md、File-System-First-UI.md 222| - 与 Second Brain 均基于 OpenClaw 的记忆/持久化能力，属同类应用的不同垂直场景 223| - 与 personal-crm 同属个人 CRM 场景的不同实现方案 224| - 与 multi-channel-assistant 共享 Telegram/消息平台作为交互入口 225| - 核心设计哲学：文件系统即 Agent 原生 UI + DuckDB 嵌入式数据库 + Chrome Profile 克隆 226| - Contradiction：暂无发现与其他 Wiki 页面的内容冲突 227| 228|## [2026-04-22] ingest | Goal-Driven Autonomous Tasks 229|- Source file: Agent/usecases/overnight-mini-app-builder.md 230|- Status: ✅ 成功摄入 231|- Summary: AI Agent 从被动执行者转变为主动规划者的目标驱动型自主任务系统。通过 Brain Dump 一次性倾倒所有目标，OpenClaw 每日清晨自动生成 4-5 个贴近目标的自主任务（研究/写作/MVP构建），通过 Next.js Kanban 看板实时追踪。核心价值：用户定义目的地，Agent 自动分解并执行每日步骤。还包含过夜惊喜 Mini-App 构建模式。核心工程实践：Git-style append-only 日志解决多 Agent 竞态条件；Token-Light Design 保持 AUTONOMOUS.md 在 50 行以内。 232|- Concepts created: Sub-Agent-Race-Condition, Token-Light-Design, Brain-Dump 233|- Entities created: （无新增，OpenClaw/Alex Finn/Next.js 均已存在） 234|- Source page: wiki/sources/overnight-mini-app-builder.md 235|- Notes: 236| - 新增 Sources 条目至 index.md（替换 placeholder，原标题为 overnight-mini-app-builder） 237| - 更新 overview.md，将 Market Research & Product Factory 段落替换为 Goal-Driven Autonomous Tasks 段落，补充 Git-style append-only 模式和 Token-Light Design 洞察 238| - 更新 Alex-Finn.md，将 overnight-mini-app-builder 添加至 sources 239| - 创建 3 个 Concept 页面：Sub-Agent-Race-Condition.md、Token-Light-Design.md、Brain-Dump.md 240| - 与 Project State Management 的看板 vs 事件溯源存在潜在冲突（已记录于 Source Page Contradictions） 241| - 与 market-research-product-factory 同属 Alex Finn 启发的 OpenClaw 高阶用法，前者侧重任务追踪和持续执行，后者侧重产品机会发现 242| 243|## [2026-04-17] ingest | Habit Tracker & Accountability Coach 244|- Source file: Agent/usecases/habit-tracker-accountability-coach.md 245|- Status: ✅ 成功摄入 246|- Summary: AI Agent 作为主动问责伙伴，通过 Telegram/SMS 每日定时签到，替代被动习惯追踪 App。核心机制：主动问责 + 连续打卡追踪 + 自适应语气 + 每周模式分析。关键洞察：主动询问比被动记录更能驱动行为改变；保持 3-5 个习惯可避免签到疲劳；Adaptive Tone 自适应语气是关键差异化因素。 247|- Concepts created: Adaptive-Tone, Active-Accountability, Streak-Tracking, Check-in-Fatigue, Weekly-Pattern-Analysis 248|- Entities created: （无新增，Telegram Bot API/Twilio/Google Sheets API 各仅出现 1 次，不满足≥2次创建条件；OpenClaw 已存在） 249|- Source page: wiki/sources/habit-tracker-accountability-coach.md 250|- Notes: 251| - 新增 Sources 条目至 index.md（替换 placeholder） 252| - 更新 overview.md，添加 Habit Tracker & Accountability Coach 段落，补充 Adaptive Tone, Active Accountability, Streak Tracking, Check-in Fatigue, Weekly Pattern Analysis 至 Key Concepts 253| - 创建 5 个 Concept 页面：Adaptive-Tone.md、Active-Accountability.md、Streak-Tracking.md、Check-in-Fatigue.md、Weekly-Pattern-Analysis.md 254| - 已有相关 Concept：Scheduled-Reminder（定时签到技术基础）、Agent-Personality（Adaptive Tone 的上层设计）、Morning Briefing（同一 Cron + AI 推送模式）、Food-Sensitivity-Tracking（同一框架的不同垂直场景） 255| - 已有相关 Entity：OpenClaw（底层运行平台） 256| - 与 Health & Symptom Tracker 属同一框架（OpenClaw + Telegram + Cron Job + 每周分析），但垂直于个人习惯养成 257| - Contradiction：与Todoist Task Manager 同属 OpenClaw 生产力工具集，但 Todoist 侧重任务管理，Habit Tracker 侧重个人行为改变——不冲突，属于互补关系 258| - 与传统习惯 App（Streaks/Habitica）的对比：传统 App 强调被动记录和视觉激励；本方案强调主动询问和个性化文字激励 259| 260|## [2026-04-22] ingest | Todoist Task Manager 261|- Source file: Agent/usecases/todoist-task-manager.md 262|- Status: ✅ 成功摄入 263|- Summary: AI Agent 通过 Todoist API 实现自然语言驱动的任务管理自动化——Agent 解析自然语言指令 → Todoist REST API 创建结构化任务（含截止/项目/标签）→ Cron Job 定时扫描逾期任务主动推送提醒。核心价值：用户只需发一条消息即可完成全套操作，AI 主动追踪逾期任务。 264|- Concepts created: Todoist API, AI-Driven Task Extraction, Recurring Tasks 265|- Entities created: （无新增，Todoist/OpenClaw/SuperCall 已存在） 266|- Source page: wiki/sources/todoist-task-manager.md 267|- Notes: 268| - 新增 Sources 条目至 index.md（替换 placeholder） 269| - 更新 overview.md，添加 Todoist Task Manager 段落，补充 Morning Briefing, Todoist API, AI-Driven Task Extraction, TaskAutomation, Recurring Tasks 至 Key Concepts 270| - 更新 entities/Todoist.md，添加 todoist-task-manager 至 sources 271| - 创建 3 个 Concept 页面：Todoist-API.md、AI-Driven-Task-Extraction.md、Recurring-Tasks.md 272| - Project State Management 冲突记录：Todoist（结构化字段/API驱动）与 Markdown 事件流（完整上下文/自托管）各有适用场景 273| - 与 multi-channel-assistant 中 Todoist 集成属同一技术栈，侧重不同：前者侧重多渠道统一入口，后者侧重任务管理深度自动化 274| 275|## [2026-04-22] ingest | Dynamic Dashboard with Sub-agent Spawning 276|- Source file: Agent/usecases/dynamic-dashboard.md 277|- Status: ✅ 成功摄入 278|- Summary: 基于子代理并行执行的多数据源实时监控仪表盘——通过子代理并行抓取 GitHub/Twitter/Polymarket/系统健康等多数据源，定时聚合结果推送 Discord，支持告警阈值和历史趋势存储。用对话式指令替代数周前端开发，立即获得实时洞察。 279|- Concepts created: Dynamic-Dashboard, Alerting 280|- Entities created: （无新增，OpenClaw 已存在） 281|- Source page: wiki/sources/dynamic-dashboard.md 282|- Notes: 283| - 新增 Sources 条目至 index.md（插入顶部） 284| - 更新 overview.md，添加 Multi-Agent Monitoring & Automation 段落，补充 Dynamic-Dashboard 和 Alerting 至 Key Concepts 285| - 创建 2 个 Concept 页面：Dynamic-Dashboard.md、Alerting.md 286| - 已有相关 Concept：Parallel-Agent-Execution（子代理并行）、Scheduled-Task-Flywheel（定时任务） 287| - 已有相关 Entity：OpenClaw（多代理框架） 288| - 冲突：与 content-factory 存在场景重叠（并行执行模式），但前者侧重数据监控，后者侧重内容创作 289| 290|## [2026-04-22] ingest | Pre-Build Idea Validator 291|- Source file: Agent/usecases/pre-build-idea-validator.md 292|- Status: ✅ 成功摄入 293|- Summary: AI 项目启动前的竞争分析门控机制——在写代码之前通过 idea-reality-mcp 扫描 GitHub/Hacker News/npm/PyPI/Product Hunt 五个数据源，返回 reality_signal 分数（0-100）评估赛道拥挤度，防止 Agent 在已饱和赛道投入资源。 294|- Concepts created: Pre-Build Validation, Reality-Signal, Competition-Analysis, Pivot-Strategy, Agent-Build-Gate 295|- Entities created: idea-reality-mcp 296|- Source page: wiki/sources/pre-build-idea-validator.md 297|- Notes: 298| - 新增 Sources 条目至 index.md（插入顶部） 299| - 更新 overview.md，添加 pre-build-idea-validator 段落并补充 4 个新概念至 Key Concepts 300| - 创建 5 个 Concept 页面：Pre-Build-Validation.md、Reality-Signal.md、Competition-Analysis.md、Pivot-Strategy.md、Agent-Build-Gate.md 301| - 创建 1 个 Entity 页面：idea-reality-mcp.md 302| - Hacker-News 和 Product-Hunt 仅出现 1 次，不满足 ≥2 次的 Entity 创建阈值，未创建 303| - 与 market-research-product-factory 互补：后者挖痛点找方向，前者在动手前验证赛道的竞争密度 304| - 冲突：无 305| 306|## [2026-04-22] ingest | Autonomous Project Management with Subagents 307|- Source file: Agent/usecases/autonomous-project-management.md 308|- Status: ✅ 成功摄入 309|- Summary: 去中心化多 Agent 项目协调模式——通过共享 STATE.yaml 实现并行自主执行，主会话遵循 CEO 模式（仅做策略决策），Git 作为审计日志记录所有状态变更。核心洞察：文件协调优于中心编排器，主会话越薄响应越快。 310|- Concepts created: PM Delegation Pattern, CEO Pattern, Shared State Coordination, Git-as-Audit-Log 311|- Entities created: Nicholas Carlini 312|- Source page: wiki/sources/autonomous-project-management.md 313|- Notes: 314| - 新增 Sources 条目至 index.md（插入顶部） 315| - 更新 overview.md，添加 4 个新概念至 Key Concepts 316| - 创建 4 个 Concept 页面：PMDelegationPattern.md、CEOPattern.md、SharedStateCoordination.md、GitAsAuditLog.md 317| - 创建 1 个 Entity 页面：NicholasCarlini.md 318| - 冲突记录：与 project-state-management 的任务管理范式冲突（动态文件 vs 静态看板） 319| - Nicholas Carlini 未在原 Wiki 中出现，作为启发来源创建 Entity 页面 320| 321|- Source file: Agent/usecases/daily-reddit-digest.md 322|- Status: ✅ 成功摄入 323|- Summary: AI Agent 驱动的 Reddit 每日精选摘要自动化——通过 OpenClaw + reddit-readonly skill，每日定时抓取多 Subreddit 热门帖子，AI 记忆偏好持续优化规则，纯读取模式无需认证。 324|- Concepts created: Daily-Digest, Reddit Read-Only, Preference Learning 325|- Entities created: reddit-readonly 326|- Source page: wiki/sources/daily-reddit-digest.md 327|- Notes: 328| - 更新 index.md，替换缺失标记为正式条目 329| - 更新 overview.md，添加至 YouTube Automation / Daily Digest 章节 330| - OpenClaw Entity 页面已存在，无需新建 331| - Preference Learning Concept 已在 inbox-declutter 中引用，无需新建 332| 333|## [2026-04-22] ingest | Inbox De-clutter 334|- Source file: Agent/usecases/inbox-declutter.md 335|- Status: ✅ 成功摄入 336|- Summary: AI Agent 每日自动整理 Newsletter 邮件摘要——通过 Cron Job 每日 20:00 阅读过去 24 小时 Newsletter 新邮件，生成精华摘要并附链接，根据用户反馈持续学习偏好。需前置 Gmail OAuth Setup。 337|- Concepts created: Email Triage, Newsletter Digest, Preference Learning 338|- Entities created: Gmail OAuth 339|- Source page: wiki/sources/inbox-declutter.md 340|- Notes: 341| - 新增 Sources 条目至 index.md（插入顶部） 342| - 更新 overview.md，添加 inbox-declutter 描述段落（作为 custom-morning-brief 的相似模式） 343| - 创建 Concept 页面：Email-Triage.md、Newsletter-Digest.md、Preference-Learning.md 344| - 创建 Entity 页面：Gmail-OAuth.md 345| - 与 custom-morning-brief 属同一 Cron Job + AI 摘要模式的不同垂直场景 346| - 冲突：无 347| 348|## [2026-04-22] ingest | Market Research & Product Factory 349|- Source file: Agent/usecases/market-research-product-factory.md 350|- Status: ✅ 成功摄入 351|- Summary: AI Agent 驱动的"从市场调研到产品构建"全自动化流水线——通过 Last 30 Days skill 挖掘 Reddit 和 X 近30天真实用户痛点，OpenClaw 根据痛点构建 Web 应用 MVP。核心价值：发短信即可完成"发现问题→验证需求→构建方案"全流程，无需技术背景。 352|- Concepts created: Pain Point Mining, Startup MVP Pipeline, Agent-Driven Market Research, Last 30 Days Method 353|- Source page: wiki/sources/market-research-product-factory.md 354|- Notes: 355| - 新增 Sources 条目至 index.md 356| - 更新 overview.md，添加 Market Research & Product Factory 描述段落 357| - 添加 Pain Point Mining、Startup MVP Pipeline、Agent-Driven Market Research、Last 30 Days Method 到 Key Concepts 358| - Alex Finn 出现2次（content-factory + market-research），但按出现频次标准不满足 Entity 创建条件，跳过 359| - Matt Van Horne 仅出现1次，跳过 Entity 页面创建 360| - 冲突：无已知冲突 361| 362|## [2026-04-22] ingest | Phone-Based Personal Assistant 363|- Source file: Agent/usecases/phone-based-personal-assistant.md 364|- Status: ✅ 成功摄入 365|- Summary: 通过 ClawdTalk + Telnyx 将任意手机变成 AI 助理语音入口——拨打电话即可与 OpenClaw 对话，支持日历查询、Jira 任务更新、网络搜索，无需智能手机 App 或浏览器，覆盖驾驶、步行等双手占用场景。与 multi-channel-assistant 互补：文字入口覆盖图文交互，语音入口覆盖无屏场景。 366|- Concepts created: Voice Interface, Telephony Integration 367|- Entities created: ClawdTalk, Telnyx 368|- Source page: wiki/sources/phone-based-personal-assistant.md 369|- Notes: 370| - 新增 Sources 条目至 index.md（插入 Multi-Channel Personal Assistant 之后） 371| - 更新 overview.md，添加 phone-based-personal-assistant 描述段落，添加 Voice Interface、Telephony Integration 到 Key Concepts 372| - 创建 2 个 Entity 页面：ClawdTalk.md、Telnyx.md 373| - 创建 2 个 Concept 页面：Voice-Interface.md、Telephony-Integration.md 374| - 冲突已记录（已在 overview.md Conflict Area #10）：phone-based-personal-assistant 通用语音 Agent vs event-guest-confirmation SuperCall 沙盒 Persona 375| 376|## [2026-04-22] ingest | Event Guest Confirmation 377|- Source file: Agent/usecases/event-guest-confirmation.md 378|- Status: ✅ 成功摄入 379|- Summary: 基于 OpenClaw + SuperCall 的活动嘉宾自动确认方案——通过 AI 语音电话批量外呼客人，确认出席状态并收集备注（饮食禁忌、Plus-One、到达时间等），通话完成后生成出席确认/未出席/未接听三分类摘要。核心价值：真人电话比短信回复率高；SuperCall 沙盒 persona 设计确保安全隔离，无 Prompt Injection 风险；每通电话独立重置，无对话间信息混淆。 380|- Concepts created: Sandboxed Persona 381|- Entities created: （无新实体；OpenClaw 已在其他来源中出现） 382|- Source page: wiki/sources/event-guest-confirmation.md 383|- Notes: 384| - 新增 Sources 条目至 index.md（插入 Multi-Channel Personal Assistant 之后） 385| - 更新 overview.md，添加 AI Tools & Productivity 小节描述 386| - 更新 overview.md Conflict Area #10，添加 SuperCall 沙盒 Persona vs 通用语音 Agent 对比 387| - 创建 1 个 Concept 页面：Sandboxed-Persona.md 388| 389|## [2026-04-22] ingest | Multi-Channel Personal Assistant 390|- Source file: Agent/usecases/multi-channel-assistant.md 391|- Status: ✅ 成功摄入 392|- Summary: 基于 Telegram Topic 路由 + OpenClaw 的多渠道个人助理方案——以 Telegram 为统一入口，通过 Topic 隔离不同上下文（config/updates/video-ideas/personal-crm/earnings/knowledge-base），整合 Google Workspace（gog）、Slack、Todoist、Asana，实现"说一句话完成全套工作"。核心价值：消除应用切换疲劳，AI 主动推送定时提醒。 393|- Concepts created: Topic-Based Routing, Scheduled Reminder 394|- Entities created: Asana, gog 395|- Source page: wiki/sources/multi-channel-assistant.md 396|- Notes: 与 multi-agent-team 存在互补关系——Multi-Agent Team 为底层专业化分工，Multi-Channel Assistant 为用户交互层。 397| 398|## [2026-04-22] ingest | Project State Management System: Event-Driven Alternative to Kanban 399|- Source file: Agent/usecases/project-state-management.md 400|- Status: ✅ 成功摄入 401|- Summary: 用事件驱动系统替代传统看板——自然语言对话自动记录项目事件（progress/blocker/decision/pivot），PostgreSQL/SQLite 存储完整事件历史，Git 提交自动关联项目，每日 Cron 生成站会报告。消灭手动拖拽卡片的摩擦，保留完整决策上下文，让项目状态查询和每日站会自动化。 402|- Concepts created: Event Sourcing, Project State 403|- Entities created: （无新实体；OpenClaw 已存在于多个来源中，无需独立 Entity 页面） 404|- Source page: wiki/sources/project-state-management.md 405|- Notes: 406| - 新增 Sources 条目至 index.md（插入 Sources 首行） 407| - 更新 overview.md Conflict Area #1，扩展 Kanban vs Event Sourcing 对比描述 408| - 创建 2 个 Concept 页面：EventSourcing.md、ProjectState.md 409| - 冲突已记录：Event Sourcing（自动追踪+上下文保留）vs Kanban（可视化协作+团队同步） 410|- Source file: Agent/usecases/health-symptom-tracker.md 411|- Status: ✅ 成功摄入 412|- Summary: 通过 Telegram 话题 + OpenClaw AI Agent 自动追踪食物与症状，实现食物敏感性识别。每日三餐定时提醒（8AM/1PM/7PM）确保日志一致性，OpenClaw 自动解析消息并带时间戳写入 Markdown 日志，每周日分析关联模式识别潜在触发因素。无需专用 App，完全自托管。 413|- Concepts created: Food Sensitivity Tracking, Automated Health Logging 414|- Entities created: （无新实体；OpenClaw 实体已存在） 415|- Source page: wiki/sources/health-symptom-tracker.md 416|- Notes: 417| - 新增 Sources 条目至 index.md（插入首行） 418| - 新增健康追踪主题至 overview.md 419| - 冲突记录：与 habit-tracker-accountability-coach 的习惯追踪 vs 健康数据追踪侧重对比 420| 421| 422|## [2026-04-22] ingest | Second Brain 423|- Source file: Agent/usecases/second-brain.md 424|- Status: ✅ 成功摄入 425|- Summary: AI Agent 作为个人第二大脑的记忆捕获与检索系统——通过短信/Telegram/Discord 零摩擦捕获任何内容，OpenClaw 永久记忆存储，Next.js 可搜索仪表盘提供全局检索。核心洞见：捕获像发短信一样简单，检索像搜索一样简单。灵感来源：Alex Finn YouTube 视频 + Tiago Forte《Building a Second Brain》。 426|- Concepts created: Zero-Friction Capture, Cumulative Memory, Conversational Interface, Text-and-Search 427|- Entities created: Tiago Forte 428|- Entities updated: OpenClaw（追加 second-brain 到 sources）, Alex Finn（追加 second-brain 到 sources） 429|- Source page: wiki/sources/second-brain.md 430|- Notes: 431| - 新增 Sources 条目至 index.md（替换 placeholder） 432| - 更新 overview.md，添加 Second Brain 段落，补充 4 个新概念至 Key Concepts 433| - 创建 4 个 Concept 页面：Zero-Friction-Capture.md、Cumulative-Memory.md、Conversational-Interface.md、Text-and-Search.md 434| - 创建 1 个 Entity 页面：Tiago-Forte.md 435| - 与 dataview-让我从"笔记黑洞"里逃出来的-obsidian-神器-1 存在冲突记录：Obsidian + Dataview（结构化查询）vs Second Brain（极简搜索）——互补而非互斥 436| - 与 custom-morning-brief 和 self-healing-home-server 属相似模式（零摩擦信息捕获 + AI 主动管理），已记录为 Connections 437| - 与 habit-tracker-accountability-coach 的互补关系：Second Brain 管理想法/链接/书目，Habit Tracker 管理习惯行为——场景不同但方法论相似 438| - 冲突检测：无与其他已摄入来源的实质性内容冲突 439| 440| 441|- Status: ✅ 成功摄入 442|- Summary: AI Agent 作为家庭服务器基础设施的全天候自动驾驶代理——OpenClaw + SSH + Cron Job 系统实现自动健康监控、故障自愈（重启 Pod/扩缩容/修复配置）、邮件分拣、每日 8AM 晨报（天气/日历/系统状态/看板）、知识库录入和安全审计。核心洞察：Cron Job 是真正的产品；知识提取具有复利效应；AI 会硬编码 secrets，TruffleHog pre-push hooks 是必须配置的防线；Local-first Git 是防止 API Key 暴露的架构基础。 443|- Concepts created: Morning Briefing, Email Triage, Local-first Git, Defense-in-Depth 444|- Entities created: K3s, Gitea, TruffleHog 445|- Entities updated: OpenClaw（追加 self-healing-home-server 到 sources） 446|- Source page: wiki/sources/self-healing-home-server.md 447|- Notes: 448| - 新增 Sources 条目至 index.md（替换缺失条目） 449| - 更新 overview.md，添加 "Self-Healing Infrastructure Agent" 章节 450| - 创建 3 个 Entity 页面：K3s.md、Gitea.md、TruffleHog.md 451| - 创建 4 个 Concept 页面：Morning-Briefing.md、Email-Triage.md、Local-first-Git.md、Defense-in-Depth.md 452| - 冲突已记录：Prometheus/Grafana 监控方案（人工介入）vs AI Agent 自愈方案（全自动闭环） 453| 454|## [2026-04-22] ingest | AI-Powered Earnings Tracker 455|- Source file: Agent/usecases/earnings-tracker.md 456|- Status: ✅ 成功摄入 457|- Summary: AI Agent 自动化追踪科技公司财报——每周日 Cron Job 扫描财报日历并通过 Telegram 推送，用户选择后为每家公司创建一次性 Cron Job，财报发布后自动搜索结果并生成结构化摘要（beat/miss、营收、EPS、AI 亮点）。 458|- Concepts created: （无新概念；Cron Job 已在其他来源中建立） 459|- Entities created: （无新实体；OpenClaw 已存在；科技公司 NVDA/MSFT 等无需独立页面） 460|- Source page: wiki/sources/earnings-tracker.md 461|- Notes: 462| - 新增 Sources 条目至 index.md（插入首行） 463| - 无需更新 overview.md（与现有 OpenClaw + Cron Job 主题一致） 464| - 无需创建 Entity/Concept 页面 465| - 无冲突 466| 467|## [2026-04-23] ingest | Multi-Agent Specialized Team (Solo Founder Setup) 468|- Source file: Agent/usecases/multi-agent-team.md 469|- Status: ✅ 成功摄入 470|- Summary: 用多个专业化 AI Agent 组建团队，解决一人创业者（Solo Founder）身兼数职的困境——4 个专业 Agent（Milo/策略、Josh/商业、Marketing/营销、Dev/开发）通过共享记忆 + 私有上下文 + Telegram 单一控制平面协调运作，定时任务驱动主动工作流。 471|- Concepts created: Agent Personality, Agent Specialization, Shared Memory Architecture, Private Context, Single Control Plane, Scheduled Task Flywheel, Parallel Agent Execution 472|- Entities updated: OpenClaw（追加 multi-agent-team 到 sources） 473|- Source page: wiki/sources/multi-agent-team.md 474|- Notes: 475| - 新增 Sources 条目至 index.md（插入首行） 476| - 更新 overview.md Key Concepts，添加 5 个新概念 477| - 创建 6 个 Concept 页面 478| - 更新 OpenClaw.md sources 字段 479| - 冲突已记录：Multi-Agent Team（并行专业化分工）vs Content Factory（链式协作） 480| 481|## [2026-04-23] ingest | Daily YouTube Digest 482|- Source file: Agent/usecases/daily-youtube-digest.md 483|- Status: ✅ 成功摄入 484|- Summary: AI Agent 每日 YouTube Digest 全自动流水线——通过 youtube-full skill（ClawHub）监控订阅频道新视频，用 TranscriptAPI.com 提取字幕，AI 生成要点摘要后推送。两种模式：频道列表 + 关键词搜索。channel/latest 免费检查，seen-videos.txt 避免重复付费。核心洞察：把算法推荐的"被动消费"转变为系统化的"主动学习"。 485|- Concepts created: Daily-Digest, Transcript-Based Summarization, Channel-Based Monitoring, Keyword-Based Monitoring, Credit-Efficient Processing 486|- Entities updated: OpenClaw（追加 sources） 487|- Entities created: TranscriptAPI.com, ClawHub, Recapio 488|- Source page: wiki/sources/daily-youtube-digest.md 489|- Notes: 490| - 新增 Sources 条目至 index.md（顶部插入） 491| - 更新 overview.md，补充 AI-Powered Daily Digest 章节到 YouTube Automation 492| - 更新 OpenClaw.md sources 493| - 创建 3 个 Entity 页面：TranscriptAPI.com.md、ClawHub.md、Recapio.md 494| - 创建 5 个 Concept 页面：Daily-Digest.md、Transcript-Based-Summarization.md、Channel-Based-Monitoring.md、Keyword-Based-Monitoring.md、Credit-Efficient-Processing.md 495| - 与 实战笔记-本地部署-rsshub-并获取-youtube-订阅 的互补关系已在 Contradictions 节记录（RSSHub 被动监控 vs AI Digest 主动学习） 496|

• Source file: Agent/usecases/meeting-notes-action-items.md
• Status: ✅ 成功摄入
• Summary: AI Agent 将会议转录文本（Otter.ai、Google Meet、Zoom）自动转换为结构化摘要，提取行动项并创建 Jira/Linear/Todoist/Notion 任务，发送 Slack/Discord 摘要，支持截止日提醒。核心洞察：自动任务创建比摘要本身更有价值，无法转化为追踪任务的会议记录只是"文档剧场"。
• Concepts created: MeetingNotes, ActionItemTracking, TaskAutomation, TranscriptProcessing

[2026-04-23] ingest | 14个免费的AI图生视频工具，用AI让图片动起来

• Source file: 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
• Status: ✅ 成功摄入
• Summary: 14个免费AI图生视频工具盘点——覆盖阿里巴巴（绘蛙、通义万相、万相营造）、字节跳动（即梦AI）、快手（可灵AI）、智谱AI（智谱清影）、MiniMax（海螺AI）、生数科技（Vidu）、爱诗科技（PixVerse）、潞晨科技（Video Ocean）、智象未来（Viva）、MewXAI（艺映AI）、Stability AI（Stable Video）等厂商。核心能力：文本提示词控制、动作模板、运镜参数、首尾帧控制、主体一致性、音效自动生成。电商/视频创作/广告三大应用场景。
• Concepts created: AI图生视频, AI文生视频, 主体一致性, 运镜控制, 首尾帧控制, 提示词控制
• Entities created: 14个工具均作为 Key Entities 记录于 Source 页面
• Source page: wiki/sources/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
• Notes:
  • 更新 index.md，修正条目日期为 2025-12-05 并补充摘要描述
  • 更新 overview.md，新增 AI图生视频工具盘点章节
  • 创建 Concept 页面：AI图生视频.md、AI文生视频.md
  • 所有14个工具作为 Key Entities 记录于 Source 页面，未创建独立 Entity 页面（每个工具仅出现1次，未达≥2阈值）
  • Contradictions：无冲突

[2026-04-23] ingest | 文字生成视频网站推荐

• Source file: AI/文字生成视频网站推荐.md
• Status: ✅ 成功摄入
• Summary: 5款文字生成视频AI工具推荐——万彩AI（完全免费，适合新手）、百度AI开放平台（大厂多模态技术）、Zeemo（多语言字幕，$79+）、Vizard（长视频自动剪辑）、快影（腾讯系模板剪辑）。总结推荐：最实惠选万彩AI，技术型选百度，多语言选Zeemo，长视频选Vizard。
• Concepts created: 文字生成视频, AI视频生成工具, 数字人
• Source page: wiki/sources/文字生成视频网站推荐.md
• Notes:
  • 新增 Sources 条目至 index.md（替换 expected 标记行）
  • overview.md 中已存在与 AI图生视频工具盘点 的互补关系说明，无需更新
  • 所有工具作为 Key Entities 记录于 Source 页面，未创建独立 Entity 页面（每个工具仅出现1次，未达≥2阈值）
  • Contradictions：无冲突

[2026-04-23] ingest | 清华出的DeepSeek使用手册，104页，真的是太厉害了！（免费领取）

• Source file: AI/清华出的DeepSeek使用手册，104页，真的是太厉害了！（免费领取）.md
• Status: ✅ 成功摄入
• Summary: 清华大学发布的《DeepSeek从入门到精通2025》官方使用手册（104页），由新闻与传播学院元宇宙文化实验室余梦珑博士后及团队撰写。手册核心价值在于"授人以渔"——不仅教用户"怎么问"，更教"为什么这么问"，帮助用户掌握提示词底层逻辑。涵盖 DeepSeek-R1 模型选择、提示语设计技巧、避免 AI 幻觉策略。内容实用性与理论深度兼备，适合不同层次读者。
• Concepts created: DeepSeek-R1, 提示语设计, AI幻觉, 通用人工智能（AGI）, 推理模型
• Entities created: DeepSeek, 余梦珑
• Source page: wiki/sources/清华出的deepseek使用手册-104页-真的是太厉害了-免费领取.md
• Notes:
  • 新增 Sources 条目至 index.md（替换 expected 标记行）
  • overview.md 新增 DeepSeek 使用手册条目，归入 AI Tools & Prompt Engineering 部分
  • 创建 Entity 页面：DeepSeek.md（公司）、余梦珑.md（作者）
  • Concept 页面：RAG.md、Large-Language-Model.md、AI-Agent.md 已覆盖相关概念（幻觉、推理模型），无需新建
  • Contradictions：与 llms-rag-ai-agent-三个到底什么区别 互补而非冲突——前者聚焦 DeepSeek 特定实践，后者聚焦 LLM/RAG/Agent 三层架构宏观对比，均记录于 Contradictions 小节

[2026-04-23] ingest | How to Get the RSS Feed For Any YouTube Channel

• Source file: AI/How to Get the RSS Feed For Any YouTube Channel.md
• Status: ✅ 成功摄入
• Summary: 作者 Chuck Carroll 分享获取 YouTube 频道 RSS Feed 的简单方法——在频道页面右键选择"查看页面源代码"，搜索 channel_id=，提取 RSS Feed URL 格式为 https://www.youtube.com/feeds/videos.xml?channel_id=<ID>。无需第三方服务，适合 RSS 阅读器用户。
• Concepts created: RSS Feed, Channel ID
• Entities updated: YouTube, Chuck Carroll
• Source page: wiki/sources/how-to-get-the-rss-feed-for-any-youtube-channel.md
• Notes:
  • RSS Feed 和 Channel ID Concept 已存在于 overview.md 相关章节
  • YouTube Entity 已存在于 overview.md Key Entities 列表
  • 无需新建 Entity 或 Concept 页面
  • 无内容冲突

[2026-04-23] ingest | codecrafters-io/build-your-own-x

• Source file: raw/AI/codecrafters-iobuild-your-own-x Master programming by recreating your favorite technologies from scratch.md
• Status: ✅ 成功摄入
• Summary: GitHub 精选教程列表，26+ 技术领域分步骤指南，引用 Richard Feynman "What I cannot create, I do not understand" 作为核心理念，通过从零重建主流技术实现深度技术理解。
• Entities created: CodeCrafters, DanielStefanovic, RichardFeynman
• Concepts created: Build-Your-Own-X, Learn-By-Building
• Source page: wiki/sources/codecrafters-iobuild-your-own-x-master-programming-by-recreating-your-favorite-technologies-from-scratch.md
• Notes:
  • 冲突检测：BYOX vs 传统课程式学习（理论优先 vs 实践优先）已记录于 Source Page Contradictions
  • index.md 和 overview.md 均已更新
  • 覆盖 26+ 领域：3D Renderer, Web Browser, Database, Docker, Git, OS, Programming Language, Neural Network 等
  • 支持 15+ 编程语言：C++, Python, Java, JavaScript, Go, Rust, Haskell, TypeScript 等
  • 与 Vibe Coding 互补：BYOX 理解原理，Vibe Coding 高效实现

[2026-01-26] ingest | 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！

• Source file: 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！.md
• Status: ✅ 成功摄入（重复来源，slug 不同）
• Summary: Anthropic 官方 Skills 仓库（github.com/anthropics/skills）介绍；Skills = 说明书 + SOP；标志从「提示词工程」向「流程工程」的范式转变；Vibe Coding 尽头也是 Skills；三大聚合站和 Awesome-Claude-Skills 仓库推荐
• Concepts identified: 无（已存在于之前摄取）
• Source page: wiki/sources/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.md
• Notes:
  • 同来源文章以不同 slug 重复摄取（与 wiki/sources/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 内容完全一致）
  • index.md 已添加新条目
  • 无需新建 Entity 或 Concept 页面
  • 无新内容冲突