Ryan 个人学习仪表盘 + 知识库

概述

这是 Ryan 的个人学习与知识管理体系。包含：

1. 成长计划 — 从 TL 到高级/资深专家的学习路线、目标、监督机制
2. 知识库 — 广告业务、Agent技术、全栈开发、前沿追踪的知识笔记
3. 碎片任务管理 — 适合 15-30min 碎片时间完成的学习/沉淀任务
4. 前沿监控 — 通过 blogwatcher 自动推送

目录结构

ryan-personal-knowledge/
├── SKILL.md                              ← 主文件，定义使用规则
├── references/
│   └── distilling-principles.md          ← 从经验蒸馏 skill 的决策框架
├── templates/
│   ├── learning-note.md                  ← 知识笔记模板
│   ├── progress-log.md                   ← 学习进度日志模板
│   └── 前沿-insight.md                   ← 前沿洞察模板
├── progress/
│   └── roadmap.md                        ← 学习路线总览
├── knowledge/
│   ├── advertising/                      ← 广告业务知识
│   │   ├── google/                       ← Google Ads, PMax, GMX
│   │   ├── meta/                         ← FB Ads, IG, Advantage+
│   │   ├── tiktok/                       ← TikTok Ads, Pangle
│   │   ├── snapchat/                     ← Snapchat Ads
│   │   ├── amazon/                       ← Amazon DSP
│   │   ├── microsoft/                    ← Microsoft Advertising
│   │   ├── x/                            ← X/Twitter Ads
│   ├── agent-tech/                       ← Agent 技术知识
│   ├── fullstack/                        ← 全栈开发知识
│   ├── 前沿/                             ← 前沿追踪
│   └── growth-plan/                      ← 成长计划（新增）
│       └── growth-roadmap.md             ← 从TL到高级专家路线图
├── books/
│   ├── reading-list.md                   ← 待读书单
│   ├── reading-progress.md               ← 阅读进度跟踪
│   └── notes/                            ← 读书笔记
│       └── {book-name}.md               ← 每本书的笔记
└── tasks/
    └── 碎片任务.md                       ← 碎片任务看板

└──碎片任务.md                     # 碎片任务看板

## 一、学习路线总览

当前四条学习线：

### 1. Agent 技术 (核心重点)
- **目标**: 深入理解 Agent 架构、编排、Skill 工程、多 Agent 协作
- **进度**: 查看 `progress/roadmap.md`
- **里程碑**:
  - [ ] 掌握 Hermes 配置与扩展
  - [ ] 理解并实践多 Agent 并行调度
  - [ ] 能够编写高质量 Skill
  - [ ] 对比 Claude Code / Codex / OpenCode
  - [ ] 构建个人 Skill 生态

### 2. 全栈开发
- **目标**: 提升工程能力，覆盖前后端 + DevOps
- **进度**: 查看 `progress/roadmap.md`
- **里程碑**:
  - [ ] 掌握 TDD 工作流
  - [ ] 系统化调试能力
  - [ ] 熟练 Git worktree + PR 流程

### 3. 广告业务深度
- **目标**: 深入理解广告平台架构、API、数据流
- **进度**: 查看 `progress/roadmap.md`
- **里程碑**:
  - [ ] 熟练 ad-knowledge-query 定位实现
  - [ ] 能够沉淀业务文档
  - [ ] 掌握测试设计流程

### 4. 前沿追踪
- **目标**: 持续跟踪 LLM / Agent / MLOps 前沿
- **进度**: 通过 blogwatcher 自动推送，笔记存于 `knowledge/前沿/`
- **工具**: blogwatcher + arxiv + llm-wiki

## 二、知识库使用

### 添加知识笔记

当学习/工作中获得新认知时，使用 `templates/learning-note.md` 模板：

```bash
# 1. 复制模板
cp templates/learning-note.md knowledge/agent-tech/某个主题.md

# 2. 编辑内容
# 填写：日期、标签、核心概念、实践心得、相关 links

笔记标签体系

• #agent-architecture — Agent 架构相关
• #skill-engineering — Skill 编写经验
• #ad-api — 广告 API 知识
• #ad-dataflow — 数据流/调用链
• #fullstack — 全栈开发实践
• #frontend — 前端相关
• #backend — 后端相关
• #devops — 运维/部署
• #前沿-llm — LLM 前沿
• #前沿-agent — Agent 前沿
• #前沿-mlops — MLOps 前沿
• #排障经验 — 排坑记录
• #工具对比 — 工具选型对比

三、碎片任务管理

任务存储在 tasks/碎片任务.md，格式：

## 待办
- [ ] #agent-技术 #15min 读一篇 blogwatcher 推送的文章
- [ ] #skill #20min 把 ad-knowledge-query 的坑蒸馏成 skill
- [ ] #广告 #30min 给某个模块写知识库

## 进行中
- [x] #agent #30min 写第一个个人 skill

## 已完成（归档到 history/）

碎片任务原则

• 每个任务标注预计时间 (#15min / #20min / #30min / #60min)
• 任务完成后更新状态，积累的经验蒸馏进知识库
• 每周回顾一次，更新 roadmap.md

四、进度日志

每次学习后记录进度到 progress/progress-log-YYYY-MM.md：

## 2025-01-15
- 学习了什么
- 实践了什么
- 产出（笔记链接）
- 下一步

五、使用场景

场景 1: 收到新任务时

1. 检查 knowledge/ 是否有相关笔记
2. 如果有，先复习再动手
3. 完成后更新/新增笔记

场景 2: 碎片时间学习时

1. 查看 tasks/碎片任务.md，选一个任务
2. 完成后更新进度 + 写笔记
3. 把经验蒸馏成 skill（如果需要）

场景 3: 积累到一定量时

1. 考虑是否值得把经验蒸馏成独立 skill
2. 更新 roadmap.md 的里程碑状态
3. 清理过时的碎片任务

场景 4: 前沿追踪

1. blogwatcher 自动推送（需配置）
2. 有价值的文章 → 写前沿洞察笔记
3. 定期汇总到 knowledge/前沿/summary-YYYY-QN.md

六、与 Hermes 现有体系的关系

• 本 skill 是个人知识管理，不影响现有 111 个 skills
• 经验蒸馏成可复用 skill 时，写到 ~/.hermes/skills/ 下
• 本 skill 的笔记供个人回顾，不自动加载到 agent prompt
• 用 session_search 也可以搜历史对话中的知识点

七、知识库搜索 — 如何快速查找知识

知识库内置了基于 biz-delivery 框架的轻量级搜索引擎 knowledge-search/，支持意图识别 + 多路融合查询。

快速使用

# 进入 knowledge-search 目录
cd knowledge-search

# 基础搜索 — 关键词匹配
python3 query_knowledge.py "Redis 相关的书"

# 查询意图 — 自动识别"查找/查看"类查询
python3 query_knowledge.py "我想看 Redis 相关的书"

# 提问意图 — 自动识别"怎么/如何"类问题
python3 query_knowledge.py "怎么集成 agentmemory"

# 对比意图 — 自动识别"对比/比较"类查询
python3 query_knowledge.py "对比 agentmemory 的三种方案"

# 排障意图 — 自动识别"排障/错误"类问题
python3 query_knowledge.py "seaTalk bridge 怎么排障"

搜索维度

搜索引擎从 4 个维度交叉匹配，RRF 融合排序：

1. 📄 文件内容 — 全文关键词匹配（权重最高）
2. 📁 目录路径 — 文件所在目录匹配（如 agent-tech, advertising）
3. 🏷️ 标签 — #tag 关键词匹配（如 #前沿, #agent-技术）
4. 📑 文件名/标题 — Markdown 文件名和 # 标题匹配

意图自动识别

搜索引擎会自动识别你的查询意图，选择最优搜索策略：

意图	触发词	权重倾向
query (查询)	查看/查找/获取	文件内容 0.8
question (提问)	怎么/如何/为什么	文件内容 0.8
explain (解释)	原理/机制/解释	文件内容 0.9
compare (对比)	对比/比较/区别	标签 0.8
debug (排障)	排障/错误/bug	文件内容 0.9

高级选项

# 重建索引（当新增/修改文件后）
python3 query_knowledge.py "关键词" --rebuild

# 清除查询缓存
python3 query_knowledge.py "关键词" --clear-cache

# 查看详细信息
python3 query_knowledge.py "关键词" --verbose

工作原理

用户查询
    │
    ▼
意图识别 → 选择各搜索维度的权重
    │
    ▼
多路并行查询（内容 / 文件名 / 标签 / 目录）
    │
    ▼
RRF 融合（按命中排名加权）
    │
    ▼
返回排序后的 Top-K 结果 + 摘要 + 标签

与 biz-delivery 的关系

knowledge-search 复用了 biz-delivery 框架的核心能力：

• 意图识别逻辑 → 来自 biz-delivery/scripts/smart_routing.py
• RRF 融合引擎 → 来自 biz-delivery/scripts/rrf_fusion.py
• 查询缓存机制 → 来自 biz-delivery/scripts/query_cache.py
• 配置化 Profile → 类似 biz-delivery 的 profile.json

---

八、已知问题与排障

• blogwatcher 的大多数主流 AI 博客 (Anthropic, OpenAI, Google AI, Meta AI) RSS feed 已失效，只有 Hugging Face 正常工作。详见 knowledge/前沿/blogwatcher-setup.md 和 references/verified-feeds.md。

• 大型二进制 tar 文件在 macOS 上用 tar xzf 可能触发系统超时阻断。备选方案：用 Python tarfile 模块解压。

• 确认包内结构：tar -tzf file.tar.gz 先看文件名再决定解压路径。

• Blogwatcher 配置见 references/blogwatcher-setup.md

• 验证可用的 RSS feed 见 references/verified-feeds.md

新增技能

agentmemory 集成 (2025-06-05)

• agentmemory 是一个成熟的持久化记忆引擎（21.3k ⭐），可为 AI 编码代理提供自动记忆
• 与 Hermes 的集成方式见 references/agentmemory-integration.md
• 采用方案 C（混合模式）：保留 Hermes 内置记忆 + agentmemory 作为增强层
• 依赖：iii-engine (v0.11.2) + @agentmemory/agentmemory (npm)

七、GitHub 仓库

本 skill 的内容同步到 GitHub 用于版本管理和协作：

• 仓库: https://github.com/Ryan-myp/ryan-personal-knowledge
• 每次更新 commit + push 保持本地和远程一致

八、个人 Sub-skill 体系

从经验蒸馏出的可复用 skill 统一作为本 skill 的 references 子文件

当前 sub-skill（以 references/ 文件形式存在于本 skill 下）：

• references/seatalk-bridge-troubleshooting.md — SeaTalk bridge 排障指南
• references/agentmemory-integration.md — agentmemory 与 Hermes 集成指南
• references/macos-tar-workaround.md — macOS 大文件 tar 解压避坑

创建规则：

1. 不新建独立 skill 目录（避免碎片化）
2. 蒸馏结果作为 references/ 文件加入本 umbrella
3. SKILL.md 头部维护一个引用列表