Update from Sync Service

wiki/Areas/AI编程工具/Obsidian+AI工作流研究.md

@@ -0,0 +1,41 @@
+---
+created: 2026-05-01
+type: knowledge
+tags: [Obsidian, AI, 知识管理, 工作流, 抖音, Aiob]
+source: https://v.douyin.com/gjP5VZmI9_A/
+---
+
+# Obsidian + AI 工作流研究
+
+> 抖音博主 @Aiob 分享：Obsidian + AI，2026 唯一的神
+
+## 为什么 Obsidian 天然适合 AI？
+
+1. **本地 Markdown 文件** — AI 可直接读写，无需 API
+2. **双向链接 + 知识图谱** — 为 AI 提供丰富的上下文
+3. **插件生态丰富** — Remotely Save、Templater、Dataview 等
+
+## 推荐工作流
+
+1. 用 AI 生成笔记内容 → 存入 Obsidian
+2. 利用双向链接构建知识网络
+3. 通过 AI 插件实现对话式查询和总结
+
+## 为什么是"唯一的神"？
+
+- 相比 Notion/语雀等云端方案，Obsidian 数据完全本地
+- 配合 AI 后，知识管理效率提升数倍
+- 开源生态 + 插件，可定制性极强
+
+## 与我们的实践对比
+
+| 方面 | 我们 | @Aiob |
+|------|------|-------|
+| AI 工具 | OpenClaw + obsidian-headless | 通用 AI 插件 |
+| 同步方式 | WebDAV | Remotely Save |
+| 知识管理 | PARA 结构 | 双向链接 |
+| 自动化 | ✅ cron/heartbeat | ❌ 手动 |
+
+---
+
+*基于抖音博主 @Aiob 内容整理 | 归档：2026-05-01*

wiki/Projects/软考高项冲刺-知识点.md

@@ -101,6 +101,23 @@ exam_date: 2026-05-24
 
 ## 🏗️ 二、项目管理知识体系 ⭐核心（占 47%）
 
+### 2.0 8 大绩效域（PMBOK 第七版）⭐新增
+
+> **绩效域 = 宏观战略地图（价值实现）** | **10大知识领域 = 施工蓝图（过程控制）**
+
+| 绩效域 | 口诀 | 对应知识领域/过程组 | 详情 |
+|--------|------|-------------------|------|
+| [[团队绩效域]] | 团33：共享所有绩效，文化领导绩效 | 资源管理 | [详情](高项知识领域/绩效域/团队绩效域.md) |
+| [[干系人绩效域]] | 干46：惨痛满无负，十里分忧参督 | 干系人管理、沟通管理 | [详情](高项知识领域/绩效域/干系人绩效域.md) |
+| [[不确定性绩效域]] | 不74：了解识别依赖预测负面改进储备 | 风险管理 | [详情](高项知识领域/绩效域/不确定性绩效域.md) |
+| [[测量绩效域]] | 度46：充分理解及时决策 | 监控过程组 | [详情](高项知识领域/绩效域/测量绩效域.md) |
+| [[规划绩效域]] | 规58：腿细城内挑 | 规划过程组 | [详情](高项知识领域/绩效域/规划绩效域.md) |
+| [[交付绩效域]] | 交53：战果手里满 | 质量管理、范围管理 | [详情](高项知识领域/绩效域/交付绩效域.md) |
+| [[项目工作绩效域]] | 工78：高湿干物采变雪 | 执行过程组 | [详情](高项知识领域/绩效域/项目工作绩效域.md) |
+| [[开发方法与生命周期绩效域]] | 开34：妇联租借发宣泄 | 整合管理 | [详情](高项知识领域/绩效域/开发方法与生命周期绩效域.md) |
+
+**12 大原则口诀：关键干架，互领材质，复风韧变**
+
 ### 2.1 五大过程组
 
 | 过程组 | 说明 | 核心输出 |
@@ -518,7 +535,20 @@ ROI = (收益 - 成本) / 成本 × 100%
 | 风险应对 | 4 种威胁 + 3 种机会 |
 | 合同类型 | 总价/成本补偿/工料 |
 
-### 7.3 冲刺策略
+### 7.3 8 大绩效域速记
+
+| 绩效域 | 口诀 | 核心要点 |
+|--------|------|----------|
+| 团队 | 团33 | 共享责任、高绩效团队、领导力技能 |
+| 干系人 | 干46 | 识别→理解→参与→监督，权力/利益方格 |
+| 不确定性 | 不74 | 风险/模糊性/复杂性，应急+管理储备 |
+| 测量 | 度46 | 度量指标+霍桑效应陷阱 |
+| 规划 | 规58 | 估算/团队/沟通/采购/变更规划 |
+| 交付 | 交53 | 价值交付+可交付成果+质量 |
+| 项目工作 | 工78 | 变更控制/学习/采购/沟通/资源 |
+| 开发方法 | 开34 | 预测vs适应，交付节奏 |
+
+### 7.4 冲刺策略
 
 | 科目 | 策略 |
 |------|------|

wiki/Projects/高项知识领域/十大管理/质量管理.md

@@ -0,0 +1,86 @@
+---
+created: 2026-04-29
+type: knowledge
+tags: [软考高项, PMBOK, 质量管理]
+source: 十大管理.xmind
+---
+
+# 质量管理
+
+> 核心：确定项目质量的方针、目标、职责，通过质量规划、保证、控制、改进来实现
+
+## 3 大过程
+
+### 1. 规划质量管理
+
+**定义**：识别项目可交付成果验收的质量要求、标准，并书面描述项目符合质量要求的证明
+
+**输入**：项目章程、项目管理计划、项目文件
+
+**工具**：
+- 数据收集（**标杆对照**）
+- 数据分析（**成本效益分析**、**质量成本**）
+  - **质量成本（COQ）**：找预防成本和评估成本的投资平衡点，用于规避失败成本
+- 数据表现：
+  - **流程图**（SIPOC：供应商→输入→流程→输出→客户，全景视角）
+  - 逻辑数据模型
+  - **矩阵图**（行列交叉展示因素和目标的强弱关系）
+  - 思维导图、鱼骨图
+- **测试与检查的规划**：α测试、β测试
+
+**输出**：
+- 质量管理计划
+- 质量测量指标
+- 质量核对单
+
+### 2. 管理质量（QA）
+
+### 3. 控制质量（QC）
+
+## 高频考点
+
+### 质量测量指标示例
+
+| 指标 | 说明 |
+|------|------|
+| 网络时延 | 性能指标 |
+| 易用性 | 用户体验 |
+| 事件报警精度 | 准确性 |
+
+### 质量核对单
+
+| 核对项 | 结果 | 备注 |
+|--------|------|------|
+| ... | ✓/✗ | ... |
+
+### QA（质量保证）职责
+
+- **过程辅导**：为项目组提供过程指导
+- **过程审计**：公司内部质量审计
+- **过程改进**：收集数据，数据分析，提出项目质量提升建议
+- **过程度量**
+
+### 管理质量 vs 控制质量
+
+| | 管理质量（QA） | 控制质量（QC） |
+|--|---------------|---------------|
+| 导向 | 过程导向（预防） | 结果导向（检查） |
+| 时机 | 过程中 | 完成后 |
+| 目标 | 确保过程正确 | 确保结果正确 |
+
+### 如何提升项目质量
+
+1. 做好人员培训
+2. 严格执行质量管理计划
+3. 持续过程改进
+4. 加强质量审计
+
+### 质量管理 vs 其他管理
+
+- **范围**：质量的基础，质量核对单里有范围基准定义的验收标准
+- **成本**：质量测量指标影响成本高低，质量成本构成成本
+- **进度**：在高质量和完成时间中找平衡
+
+---
+
+*基于《十大管理》XMind 整理*

wiki/Resources/方法论/机器学习.md

@@ -0,0 +1,53 @@
+---
+created: 2026-04-28
+type: concept
+tags: [机器学习，AI，监督学习，无监督学习]
+---
+
+# 机器学习（Machine Learning）
+
+> 让计算机从数据中自动学习规律，无需显式编程
+
+## 定义
+
+机器学习是人工智能的一个子领域，研究如何通过算法让计算机从数据中学习模式，并用这些模式进行预测或决策。
+
+## 三大范式
+
+| 范式 | 说明 | 典型任务 |
+|------|------|---------|
+| [[监督学习]] | 从标注数据中学习映射 | 分类、回归 |
+| [[无监督学习]] | 从未标注数据中发现结构 | 聚类、降维 |
+| [[强化学习]] | 通过与环境交互学习策略 | 游戏 AI、机器人控制 |
+
+## 工作流程
+
+```
+数据收集 → 数据预处理 → 特征工程 → 模型训练 → 模型评估 → 部署
+```
+
+## 核心概念
+
+| 概念 | 说明 |
+|------|------|
+| 特征（Feature） | 输入数据的属性 |
+| 标签（Label） | 要预测的目标值 |
+| 过拟合（Overfitting） | 模型记住了训练数据的噪声 |
+| 泛化（Generalization） | 模型在新数据上的表现 |
+| [[反向传播]] | 神经网络训练的核心算法 |
+
+## 与深度学习的区别
+
+- **机器学习**：包含所有从数据中学习的算法（包括简单算法如线性回归、决策树）
+- **深度学习**：机器学习的子集，特指使用多层[[神经网络]]的方法
+
+## 相关概念
+
+- [[神经网络]] / [[深度学习]]
+- [[监督学习]] / [[无监督学习]] / [[强化学习]]
+- [[Transformer 架构]]
+- [[RAG]]
+
+---
+
+*基于 AI 基础知识整理*