20260514:增加新内容

articles/caddy-reverse-proxy-auth.md

@@ -0,0 +1,56 @@
+---
+title: "Caddy 反向代理认证方案"
+created: 2026-05-01
+updated: 2026-05-01
+type: article
+tags: []
+sources: []
+---
+
+# Caddy 反向代理认证方案
+
+- **类型**: 技术教程/配置指南
+- **标签**: #caddy #reverse-proxy #authentication
+
+## 概述
+
+Caddy 本身没有内置 `X-API-Key` 或 `Bearer Token` 的直接校验指令，但利用**命名匹配器（Named Matcher）** + `respond`/`abort` 指令可以干净利落地实现。本文涵盖 5 种认证方案，从零依赖纯内置到完整 JWT 生态。
+
+## 方案总览
+
+### 方案一：Header 匹配器（纯内置，推荐）
+利用 Caddy 的 `header` 匹配器检查请求头，不匹配则返回 401。
+
+核心逻辑：`@unauthorized { not header X-API-Key "..." }` → `respond @unauthorized "Unauthorized" 401`
+
+- 支持 `X-API-Key` 和 `Authorization: Bearer` 两种头格式
+- 可通过命名匹配器组合实现多 Key 白名单
+
+### 方案二：Route + Handle（路径级别控制）
+同一站点下，`/public/*` 不需要认证，`/api/*` 需要 Bearer Token —— 用 `route` + `handle` 块做路径级别精细控制。
+
+### 方案三：Basic Auth（用户名密码）
+Caddy 内置 `basicauth` 指令，使用 `caddy hash-password` 生成 bcrypt 哈希。
+
+### 方案四：Forward Auth（外部认证委托）
+将认证逻辑委托给外部服务（查数据库、第三方鉴权），外部服务返回 200 通过，401/403 拒绝。Caddy 原生支持 `forward_auth` 指令。
+
+### 方案五：JWT 插件（完整 JWT 生态）
+通过社区插件 `caddy-auth-jwt` 实现 JWT 签发、验证、claim 提取，需重新编译 Caddy。
+
+## 方案选择指南
+
+| 场景 | 推荐方案 |
+|------|---------|
+| 简单固定 API Key / Bearer Token | [[reverse-proxy-authentication|方案一]] |
+| 部分路径需要认证 | 方案二（route + handle） |
+| 用户名密码即可 | 方案三（basicauth） |
+| 认证逻辑复杂，需外部服务 | [[forward-authentication|方案四]] |
+| 需要完整的 JWT 生态 | 方案五（JWT 插件） |
+
+## 相关概念
+
+- [[caddy-web-server]] — Caddy Web 服务器
+- [[reverse-proxy-authentication]] — 反向代理层认证模式
+- [[api-key-authentication]] — API Key / Token 认证
+- [[forward-authentication]] — 外部委托认证模式

articles/crawl4ai-open-source-web-crawler.md

@@ -1,3 +1,12 @@
+---
+title: "Crawl4AI：赋能AI用户的开源智能网页爬虫与数据提取工具"
+created: 2026-05-01
+updated: 2026-05-01
+type: article
+tags: []
+sources: []
+---
+
 # Crawl4AI：赋能AI用户的开源智能网页爬虫与数据提取工具
 
 **来源**: 知乎专栏  

articles/gpt-image2-prompt-collection.md

@@ -0,0 +1,54 @@
+---
+title: "GPT-Image-2 绘图 Prompt 方法论与风格合集"
+created: 2026-05-01
+updated: 2026-05-01
+type: article
+tags: []
+sources: []
+---
+
+# GPT-Image-2 绘图 Prompt 方法论与风格合集
+
+- **类型**: 论坛教程/经验分享
+- **来源**: linux.do 论坛，作者 sallyn
+- **日期**: 2026-04-24
+- **标签**: #gpt-image2 #prompt-engineering #image-generation
+
+## 概述
+
+来自 linux.do 论坛用户 sallyn 的 GPT-Image-2 实战经验，包含 11 种经过验证的绘图风格 Prompt 模板和 3 种 Prompt 工程方法论。核心价值不在于模板本身，而在于展示了**系统化的 Prompt 设计思维**——从风格解构到反推复现的完整链条。
+
+## 核心方法论
+
+### 1. [[prompt-reverse-engineering|图片反推 Prompt]]（最核心）
+
+15 维分析模板，将任意参考图的美学属性拆解为可操作的自然语言描述：
+- **基础维度**: 画面风格、成分组成、构图方式、光影特质、色调色彩、媒介材质、情绪氛围、渲染参数
+- **进阶维度**: 时代感、空间逻辑与透视、信息密度与留白、动态瞬时感、后期数字痕迹、符号化特征
+
+### 2. AI 辅助风格学习
+
+AI 搜索设计风格关键词 → Pinterest/Google 图像验证 → 提示词中精确引用术语
+
+### 3. Grok 审核包装
+
+敏感主题经由 Grok 包装为合规 Prompt，再投喂给 GPT-Image-2
+
+## 风格分类
+
+| 类别 | 风格 | 核心特征 |
+|------|------|---------|
+| 几何/构成 | [[russian-constructivism|俄国构成主义]] | 三角/圆形/对角线、三色限定、丝网印刷 |
+| 数字/故障 | [[glitch-art-style|故障艺术]] | 像素排序、RGB偏移、数字碎片化 |
+| 印刷/网点 | [[halftone-print-style|半调雕刻]] | 线条密度构建立体、双色极简 |
+| 印刷/网点 | [[risograph-print-style|Riso杂志]] | 半调网点、波普艺术、复古封面 |
+| 动漫/平面 | [[cel-shading-style|赛璐璐]] | 硬边阴影、克莱因蓝、仰拍透视 |
+| 混合媒介 | 波普水墨 | 赛璐璐平涂+水墨喷溅+波点网纹 |
+| 朋克/亚文化 | DEDSEC赛博 | 硬核朋克、橙黑白三色、半调网点 |
+| 工业/冷峻 | 数字工业故障 | 电光蓝剪影、色差边缘、胶片噪点 |
+
+## 相关概念
+
+- [[gpt-image2]] — GPT-Image-2 图像生成工具
+- [[prompt-reverse-engineering]] — 从图像反推 Prompt 的系统方法
+- [[image-generation-prompt-design]] — 通用图像生成 Prompt 设计原则

articles/prompt-caching-architecture.md

@@ -0,0 +1,46 @@
+---
+title: "Prompt Caching 架构工程手册"
+created: 2026-05-11
+updated: 2026-05-11
+type: article
+tags: [prompt-caching, agent-architecture, system-design, ai-engineering]
+sources: ["https://mp.weixin.qq.com/s/gyd4cqxadv3YW5Fe09r95g"]
+---
+
+# Prompt Caching 架构工程手册 (Volume I)
+
+## 概述
+
+本文系统阐述了 **Prompt Caching** 在大规模 AI Agent 系统中的工程实践，以高频交易系统 [[meta-jctrader]] 为案例。Prompt Caching 不仅是降低延迟和成本的财务工具，更是系统稳健性与推理确定性的架构基石。
+
+## 核心问题
+
+在大规模 Agent 系统中，动态变化的 System Prompt 和工具定义导致缓存频繁失效（[[cache-invalidation|缓存失效]]），使模型丧失"热启动"能力，造成不可控的延迟和成本。
+
+## 方法论贡献
+
+### 四层架构分层
+
+构建 **Global → Project → Session → Dynamic** 的 [[prompt-layering|提示分层]] 堆栈，将不可变静态前缀与高频动态数据严格分离。
+
+### Stub 模式
+
+引入 [[stub-pattern|Stub 模式]] 和 [[tool-registry|ToolRegistry]] 统一接口，在 System Prompt 中仅保留最小化工具占位符，避免工具定义变更触发 [[cache-invalidation|缓存失效]]。
+
+### Cache-Safe Forking
+
+实现 [[cache-safe-forking|缓存安全分叉]]，在 [[context-compression|上下文压缩]] 时复用父会话的完整前缀，将总结成本降低一个数量级。
+
+### 状态管理工具化
+
+规避 [[system-message-abuse|System Message 滥用]]，将状态切换从 System Message 迁移到消息化标签或工具调用。
+
+### 可观测性体系
+
+建立以 [[cache-hit-ratio|缓存命中率]] (CHR) 为核心的 [[cache-health-observability|缓存健康度指标]] 系统，包含失效点识别和成本效率评分。
+
+## 与现有 Wiki 的关联
+
+- [[prompt-caching|提示缓存]] 作为 Agent 基础设施的核心组件
+- 与 [[agentic-systems|Agent 系统设计]] 中的状态管理与成本优化形成互补
+- [[meta-jctrader]] 作为 [[reinforcement-learning-trading|强化学习交易]] 的工程实践案例

articles/ramsey-context-construction.md

@@ -0,0 +1,61 @@
+---
+title: "上下文构造与拉姆齐数"
+created: 2026-05-11
+updated: 2026-05-11
+type: methodology
+tags: [ramsey-theory, agent-architecture, prompt-caching, context-design]
+sources: ["用户上传 Markdown"]
+---
+
+# 上下文构造与拉姆齐数：基于 Ramsey 理论的 Agent 上下文缓存设计
+
+## 概述
+
+本文提出将 [[ramsey-theory|拉姆齐理论]] 的数学保证应用于 Agent 上下文的构筑，设计一套**有存在性保证的高效缓存与组织方法**。核心创新：将上下文组装从"每次都要费力搜索"变成"维持一张好图"的维护问题。
+
+## 核心问题
+
+在 Agent 上下文中，tools、skills、prompts 的组合空间呈爆炸增长。传统方法依赖穷举或启发式搜索来找到兼容组合——而 [[ramsey-numbers|拉姆齐数]] 告诉我们：只要维持的候选池超过某个阈值，**必然存在**一个完全兼容的子集。关键在于如何将这一"必然性"工程化。
+
+## 方法论
+
+### [[ramsey-context-graph|拉姆齐上下文图]]
+
+将所有上下文原子（tools、skills、prompts）建模为图的**节点**，用两种颜色的边表达关系：
+- **蓝边**：兼容、可共存
+- **红边**：冲突、冗余、超 token
+
+涵盖**跨部边**（工具-技能）和**部内边**（工具-工具、技能-技能）。
+
+### [[ramsey-context-cache|拉姆齐上下文缓存]]
+
+三层运转机制：
+1. **缓存池维护**：动态计算和更新红蓝边
+2. **必然团监控器**：追踪最大蓝色团，跌破阈值触发重组
+3. **O(1) 上下文命中**：预计算兼容团直接作为上下文骨架
+
+### [[greedy-context-screening|贪心上下文筛选]]
+
+基于当前用户需求，三步完成快速筛选：
+1. **相关性投射**：每个节点计算相关度分数
+2. **高相关子图**：过滤出与需求相关的节点诱导子图
+3. **贪心团搜索**：利用蓝色边稠密性，贪心扩展得到近似最优团（差距 <5%）
+
+## 与 Prompt Caching 的协同
+
+- [[ramsey-context-template|拉姆齐上下文模板]]：蓝色团天然是稳定前缀，作为模板库直接复用 → [[cache-hit-ratio|KV cache 命中率]] 可达 80%+
+- 模板复用保证前缀一致性，与 [[prompt-caching|Prompt Caching]] 的 [[prefix-matching|前缀匹配]] 原则完美契合
+- 与 [[prompt-layering|提示分层]] 形成互补：拉姆齐方法处理组件间的横向兼容性，分层方法处理纵向静态/动态分离
+
+## 反遗忘机制
+
+- **团大小动态收缩**：长对话轮次时下调目标团大小
+- **节点活性评级**：低频长描述节点受惩罚，优先选择高频轻量节点
+
+## 与现有 Wiki 的关联
+
+- [[ramsey-theory|拉姆齐理论]] — 数学基础
+- [[ramsey-numbers|拉姆齐数]] — 提供阈值保证 R(3,3)=6, R(4,4)=18
+- [[prompt-caching|Prompt Caching]] — 工程目标
+- [[prompt-layering|提示分层]] — 互补的设计理念
+- [[stub-pattern|Stub 模式]] — 类似的"通过结构保证稳定性"的思路