IDEAS CONNECT PROJECTS
从一个标签出发，打开一份值得研究的档案。
找到 2 个项目
清除筛选以下内容已由 AI 根据历史资料整理，供本地测试，未经人工复核。
一套由 AI Agent 自动维护、面向 Agent 与人类共读的结构化知识库方法论
LLM-Wiki 是一套关于 AI Agent 如何建立和维护自身知识体系的最佳实践方法论，由卡比卡比（@jakevin7）设计并开源。其核心主张是“Vault 是 Agent 的外脑”，将传统知识库工具重新定义为 Agent-native 工具——由 Agent 写，给 Agent 和人类读。它通过 /ingest（知识摄入）、/query（知识查询与写回）、/lint（健康检查）、/research（外部研究）四个操作形成闭环，实现知识库随使用自增长。知识采用三层隔离：sources/ 存放不可修改的原始材料，wiki/ 存放 Agent 维护的提炼知识，wiki-log.md 记录操作日志。产物兼容 Obsidian 格式，可直接用 Obsidian 查看知识图谱。项目已集成到 OpenCLI 的项目管理中，其核心理念也可独立于 OpenCLI 实现。
用一句话在飞书里搭建 Jira 级任务管理系统
本项目介绍了一套利用飞书官方 CLI 工具（lark-cli）配合 AI 编程助手（如 Claude Code、Codex），通过自然语言 Prompt 在飞书多维表格（Bitable）中自动生成任务管理系统的方法。该系统包含字段设计、公式计算、自动化工作流、看板视图和数据仪表盘，旨在让小团队和个人开发者以零代码、零 UI 操作的方式，获得与 Jira 对标的任务管理能力，并直接嵌入已有的飞书工作环境。报告指出，该方案解决了传统任务管理工具录入摩擦高、工具选择困难、字段膨胀、自动化配置繁琐、平台割裂以及小团队缺乏基础设施等痛点。其核心思想是降低录入摩擦、将 AI 作为配置器，并采用 Agent-Native 三层架构。系统包含 11 个实际使用的字段和 3 条自动化工作流，支持通过自然语言进行日常任务录入和提醒。报告也指出了该方案的局限性，例如绑定飞书生态、不支持复杂工作流、依赖 AI 工具等。