2026-08-24 微信文章4 增量 Ingest 报告
2026-08-24 微信文章4 增量 Ingest 报告
执行日期： 2026-08-24
范围： raw/articles/微信文章4/ 全部未覆盖文章（300 篇）
产出： 27 个批次综合来源页 + 17 个补建概念/实体页
质量： 779 条 wikilink 校验通过，无死链
1. 任务背景
用户指令："请 ingest 新料 /home/fangxia/文档/我的AI研究wiki/raw"。上一轮（2026-08-11 P6 后）全流程闭环，但 raw 入库与 wiki 覆盖之间积累了增量缺口：向量库 n_files=2152 而语料已达 2355 篇。
2. 对账方法（先对账，再动手）
对 raw/articles 全部 2,355 篇做"是否有来源页覆盖"的五重匹配：
| 匹配规则 | 说明 |
|---|---|
| 文件名直配 | sources 页名 == 文章文件名（去 .md） |
| H1 标题 | sources 页首行 # 标题 归一化比对 |
| 批次表格 | batch 页"覆盖文章列表"表格行标题比对 |
| .md 引用 | sources 正文引用的原始文件路径 |
| 子串兜底 | 标题归一化后在全部 sources 文本中子串搜素（防早期 batch 页无表格） |
结果：720 篇从未被覆盖，其中微信文章4 目录 300 篇（8 月 21-24 日新增为绝对主力），其余 420 篇分布在微信文章（103）、微信文章3（101）、微信文章2（77）、科技与未来趋势（39）、大模型分析（35）、AI读书笔记（34）、每周ai动态（18）、openclaw（10）、BAT（3）。
对账误差修复记录：早期 batch 页（微信文章2-001~010）没有"覆盖文章列表"表格，导致第一轮对账高估未覆盖数；加入 H1 + 子串兜底后收敛到可信值，并抽样 grep 验证。
3. 执行策略：批次综合页（沿用既有惯例）
- 300 篇按主题聚类 → 27 个批次（8-12 篇/批，主题集中），命名
batch-2026-weixin4-{NNN}-{slug}.md - 27 个子代理并行生成：每个子代理 read 全部文章 → 按 CLAUDE.md 模板综合 → 返回 markdown
- 主会话统一写盘（子代理不写 wiki 目录，避免权限与污染），写盘后统一死链校验
- 模板要素：来源类型/日期/标签/覆盖文件数 → 覆盖文章列表（12 行表格，重复稿标注）→ 核心主题 → 关键发现（每篇 ≥1 条带序号）→ 提取概念（≥8）→ 提取实体（≥4）→ 与 OpenClaw/Hermes 的关系 → 我的判断（置信度 + 2026-2028 预测）
4. 产出清单
新增来源页（27 个批次，300 篇）
| 批次 | 主题 | 篇数 |
|---|---|---|
| 012-013 codex-openai | Codex 生态与 OpenAI 开源、Agent 工具链（含推理链提取安全风暴） | 24 |
| 014-016 model-race | 模型选型/商业化/Tokencode 大战/后训练/RAG/多模态（含 Kimi K3、Qwen3.8、GPT-Red） | 34 |
| 017 dsh-harness | DeepSeek Harness 生态全景（Turn/Step 事件、七层记忆、插件 1700+、六种声音） | 12 |
| 018-020 agent-engineering | Agent 工程实践（A2A/AG-UI、灾难性记忆、追踪器、OSWorld 90.2%、实战教程） | 36 |
| 021-026 other | SDD/数学证明 AI 化/OPC/WAIC/氫能/GenOffice/产业时间尺度/RAG 建库等杂项精华 | 66 |
| 027-028 enterprise-ai | 企业落地三关口、Hyper-Transformer、字节数据一级部门、MVO 语义层、AI 招聘偏见 | 24 |
| 029 robotics-embodied | 具身智能"大脑为王"（WAM、50 万小时视频、触觉 T-Rex、激光雷达外溢） | 12 |
| 030 philosophy-human | 五个悖论、智能≠意识、Palantir 本体论工程化、证明工业化 | 10 |
| 031 fde-party | FDE 职业浪潮全景（+729% 岗位、Palantir 93%、CLI+Skills） | 8 |
| 032 ai-economics | 硅基经济学、算力金融化（CoreWeave"恒大"）、超节点与电力 | 12 |
| 033-038 mixed | 语音/垂直应用/芯片战略/生产级 Harness/数据资产/Skills 生态/中国制造 | 61 |
补建页面（历史死链清零）
- 概念页 9：organizational-ai-adoption / humagent / vla-alternative / embodied-ai-data / algorithm-governance / digital-caste / ai-for-social-good / low-altitude-economy / open-source-ecosystem
- 实体页 8：甲子光年 / 华为 / 浪潮信息 / 面壁智能 / 腾讯 / 阿里云 / 百度沈抖 / papi酱
修复
- batch-020、batch-030：wikilink 误带
.md后缀（23 处）→ 统一为[concepts/name](/wiki/concepts/name)格式 - batch-028：
entities/Humagent→concepts/humagent（大小写 + 分类修正）
5. 本次 ingest 的 Top 知识发现
- DeepSeek Harness（DSH）8/13 开源即爆：Agent=Model+Harness，一切皆插件（Cordis 18 补丁），8 天 12 万→15 万 Star、插件 1700+，一周冒出 6 个桌面版；但"开源≠去中心化"（治理权仍集中）
- OpenAI 开源 Codex Harness（Apache-2.0）：ARC-AGI-3 从 13.3%→38.3% 只需"保留推理+上下文压缩"；"把 Agent 嵌入业务看板"成范式
- 隐藏推理链被完整导出（arxiv 2608.09867 + can1357 外部草稿纸）：蒸馏 1 万条轨迹约 720 美元、公开轨迹 4.9% 泄漏率 → "模型家族安全上限由最弱模型决定"
- 模型商业战进入"结果计费"拐点：按 Token 卖争 IT 预算、按结果卖切入人力预算；Intercom Fin $0.99/单、Harvey 深耕法律数据
- "灾难性记忆"（1,867 仓库论文）：CLAUDE.md/AGENTS.md 平均增长 226%，规则带 ID + 理由文档成工程规范
- 具身智能"大脑为王"：WAM 统一 VLA 与世界模型；"百万小时"口号式微（有效比例 1-3%）；触觉独立编码（T-Rex 17%→65%）；激光雷达成最大受益行业
- FDE 被验证为真赛道：Indeed 岗位 +729%；Palantir Q2 +93%、Rule of 40=155；"系统 CLI 化、流程 Skill 化、员工 Agent 化"
- AI 数学进入"反例时代"：黎曼下限 41.6%→67.25%、月均推翻一个猜想；但溯因缺口（Zahavy）与新理论发明仍是短板
- 后训练成新竞争主轴：Agent 轨迹数据、验证器、经验生产系统；3B 级 Agent 小模型（Nanbeige 4.2）逼近大模型
- AI 办公双雄格局：腾讯 WorkBuddy（53.8% 访问份额、人机双写）vs 阿里千问办公（三合一、吴泳铭亲抓）；"上下文 All in One" 成为产品理念
6. 下一步建议
- 重建向量索引：
python3 wiki/tools/build_vector_index.py——当前索引为 8-11 版本（n_files=2152），本文新增 300 篇不在索引内 - 剩余 420 篇新料（微信文章 103 / 微信文章3 101 / 微信文章2 77 / 科技与未来趋势 39 / 大模型分析 35 / AI读书笔记 34 / 每周ai动态 18 / openclaw 10 / BAT 3）建议同策略分批
- Lint 遗留：
concepts/Humagent.md（历史旧页）与concepts/humagent.md（本次新建）重复，建议合并（保留小写版） - 增量管道：本次所有批次页均由子代理半自动生成；建议把"对账脚本 + 批次划分 + 代理生成 + 校验"沉淀为
wiki/tools/常驻脚本，配合 cron 形成自动 ingest 管道（见 2026-08-24 飞轮方案）
