概念索引

Claude Code / Codex CLI / Gemini CLI 等 AI 開發工具

給 AI 持久化記憶、讓之後可召回的架構

AI 在軟體開發中的不同參與程度

能自己決定下一步呼叫哪個工具的程式

終端裡的 AI 結對編程工具

AI coding agent CLI（agy）

零 JS baseline 的 web 框架

10 類偏好態度（風格/技術選型/設計原則）+ 版本鏈 + confidence decay

Claude Code 洩漏出的記憶整合 feature——四階段 Orient → Gather → Consolidate → Prune，夢境迴圈的命名起源

memvault 的背景軌道——記憶進入後的持續整理與遺忘

開源的 3D 建模與動畫軟體

設定簡單的 web server

層疊召回：slow path 沿圖譜走、L0/L1/L2 三層 KG

自製 zsh function，吃 ANTHROPIC_BASE_URL + ANTHROPIC_MODEL env var，讓 tmux 每 pane 跑不同 model。

社群工具，改 ~/.claude/settings.json 全域檔切 provider，無法做 tmux 多 pane 並行不同 model 因此放棄。

OpenAI 的對話式 AI

Anthropic 官方 CLI agent，本架構的規劃層主力，介面被 CCR 改造後可跑任意 model。

Claude Code 2.1.287 起的外掛機制：別人寫的小程式可以改變終端機畫面怎麼畫，不改 AI 讀到的內容

本機 :3456 protocol transformer，對 Claude Code 表現為 Anthropic API、對下游 forward 成 OpenAI。

命令列介面 — 零 schema overhead 的萬用接口

CDN 與邊緣網路服務

Cognitive Load Theory — 控制認知負荷的設計哲學：砍多餘、拆複雜、校範例

OpenAI 官方 coding CLI，本架構驗收層之一，看 worktree git diff 提供獨立於 coding rules 的視角。

把生圖流程攤成節點圖的本機工具

日期/金額/比例/時長/中文標點統一寫法的內聯預處理層 — 4 子模組 + preprocess_chinese

AI Agent 的 context window 使用效率與管理策略

GitHub 的 AI 編程助手 CLI

AI 優先的程式編輯器

每天 SQL aggregation 出 top intents / entities，自動寫日記

DeepSeek 的開源模型

夢境迴圈——每日批次的記憶整合 pipeline

TypeScript 的 ORM

AI 語音合成與聲音設計服務

Handler crash 時放行而非阻擋的容錯策略

Python 的非同步 web 框架

Google 的 AI coding CLI 與模型

xAI 的模型與 CLI

決定模型實際表現的執行框架，不只是模型的外殼——同一顆模型換一套 harness，分數能差十個百分點

AI coding agent CLI

AI coding 工具的確定性安全護欄機制

語意向量＋BM25 關鍵字雙路索引

7/30/90 天注意力窗口 + 知識缺口偵測

結構化資料標記 — 讓搜尋引擎理解內容語意

Moonshot 的模型與 CLI

反覆查不到（verdict=INCORRECT，≥2 failures）標記為知識缺口

從對話抽取實體與關係建立的圖譜

知識圖譜的四層遞進體檢——圖結構、Ground Truth、LLM、三階段確認

多 provider 統一 OpenAI-compatible 閘道。本架構唯一 model_list/key/fallback 集中處。

Dream Loop 第三階段——用 LLM 讀統計快照產生洞察與知識缺口

Model Context Protocol — AI 工具的標準化協議

個人記憶保險庫——把 AI 對話整理、降噪、去重後存下來

在 Discord 下指令生圖的付費服務

MiniMax 的影片生成模型，可以同時給參考圖和音訊

Adobe 提供的人形角色動作庫

KG 邊權重融合 5 訊號：co-occurrence + session overlap + Adamic-Adar + type affinity + semantic

反向代理與 web server

開源的 AI coding agent CLI

意圖分類之上的個人化路由 — attention profile (7/30/90) × historical intent

極簡可擴充的 AI coding CLI

瀏覽器自動化與端對端測試

擋偽裝攻擊：authority/role/markdown/temporal/base64 五類 — InjectionGuard 的姊妹元件

關聯式資料庫

向量資料庫，存 embedding 做語意檢索

意圖分類：六種 intent 決定 LayerPlan 與 ScoringConfig

阿里的開源模型與 CLI

前端 UI 函式庫

函式合成的基礎抽象：Operator / Pipeline / Observable / Subject 四件套（RxJS-inspired）

記憶讀取軌道：意圖分類、評分管線、層疊召回

出口端消毒，跟 InjectionGuard 雙端對稱 — query 端 + prefetch cache 雙層過濾

記憶體式資料庫與快取

用 React 寫程式、逐格算出影片的工具

低信心抽取進候補區 — auto-approve rules + human-in-loop fallback

Meta 的模型，從單一畫面估出人的 3D 身體與全身關節角度

拋棄式工具 — 低頻操作在沙盒即時撰寫

寫入前的三道循序閘門——雜訊、注入防護、去重

照 3D 姿態驅動角色圖的動作轉移模型

11-stage scoring：時間衰減、信任、PPR、語意、去重

將底層服務封裝為程式化介面的中間層

字節跳動的影片生成模型，可以同時給參考圖和參考音訊

Search Engine Optimization — 搜尋引擎優化技術

網站地圖 — 告訴爬蟲有哪些頁面

最上層抽象，工具組合封裝為可重用的 AI 技能

L1 基礎 → L2 精通 → L3 創造 — 追蹤技能熟練度

VoiceAgentRAG 啟發的 5-op pipeline 預測式預取 + admission control

Server-Side Rendering — 伺服器端渲染

可在自己電腦上跑的開源生圖模型與 WebUI

Claude Code 內建委派機制，可指定 haiku 等次等模型跑簡單任務，省主對話配額。

AI 作曲服務，生成整首歌

主動探勘 — cross-community 橋樑、indirect-strong 中介、knowledge-gap 缺口

utility-first CSS 框架

新舊事實打架時的 LLM 三向裁判（MERGE / SUPERSEDE / COEXIST）+ 低信心升級 RLM

在瀏覽器裡算繪 3D 的 JavaScript 函式庫

warm→cold→frozen 降級時 LLM 摘要壓縮（≤400 chars）— 只下行不上行

終端多工器——一個 session 開多個 pane，斷線接回去程式還在跑

右緣側欄即時列出正在跑的 agent

一條清單翻遍各家 AI CLI 存在硬碟上的歷史對話

重啟後把每格 AI 對話接回斷點

狀態列數出幾個 AI 在忙／卡住／閒著

背景視窗卡在錯誤尺寸時自動收斂回正確大小

右鍵在滑鼠點的位置叫出動作選單

浮動的暫存終端，關掉再開內容還在

狀態列顯示 AI 用量與額度

巢狀 tmux 時一鍵把按鍵讓給內層

多開一排狀態列，切左中右三格

狀態列顯示 CPU／記憶體／磁碟／網速

一鍵把專案排成 IDE 版面，另含田字格、直欄等排法

減少 LLM 的 context token 消耗

從圖片生成 3D 網格和貼圖的 AI 服務

Salesforce benchmark，發現前沿 LLM 找自家程式碼隱性 bug 成功率不到 50%，本文「驗收不交給小模型」的依據。

前端建置工具與 dev server

3D 角色常用的檔案格式，以 glTF 為基礎

阿里巴巴 Wan 系列的動作轉移模型，照參考影片讓角色圖動起來

從聲音辨識語音的自監督模型

記憶進入保險庫的路徑——三道 gate 加雙軌寫入

用 AI 從圖片或文字生成 3D 模型

memvault 自驅動骨幹：Write Pipeline、Dream Loop、Read Pipeline、Slow Thinker

人類與 AI 分工的不同模式

規劃留 Claude Code、worker 拆給便宜小模型、驗收用兩個 model 交叉的工作流範式。

Service → SDK → CLI → MCP → Skill 分層策略

先把每個鏡頭的構圖、鏡位、動作與時間定下來的拍攝計畫

從構想到落地的設計思考記錄

一張一張手畫出來的動畫，常用一拍二（一張畫停兩格）

畫面照音樂的拍子切換或動作

AI Agent 行為的事件記錄與監控

把寫入、背景、召回三條軌道整合為一張系統地圖的視角

AI 工具使用的 token 與 API 成本管理

工程師只指方向，開發測試全交 AI

從構想到落地的架構迭代紀錄

真人表演一次、電腦記錄全身動作，再套到 3D 角色上的製作方式

給一張角色圖和一段參考影片，讓角色照著影片動起來的模型

給生成模型的文字描述：從英文關鍵字串到一句白話

角色換髮型、衣服、表情的系統

mutation thinking / 寫測分離 / 不變量 / runtime 回歸 / mock 邊界 / 草稿不是成品 — 驗收層的對照規則。

用 AI 放大個人產出的工作模式

公開原始碼的軟體開發模式

記憶跨對話、跨週期重新浮上來的能力

讓角色的嘴形跟著聲音動

給一張圖或一句話就直接生出影片片段的模型

系統拆分為獨立可組合的模組

記憶系統的北極星——過時、雜訊、矛盾都要會退場