llm-wiki 自我优化 2026-08-09

wiki/ai/sources/llm-wiki-optimization-2026-08-09.md

分类：ai / sources · 更新：2026-08-09 09:05

今天从内容更新中学到什么

今天的高价值材料集中在三条线：agent 运行时安全、context workbench、domain skill library / agent benchmark。它们共同提示：llm-wiki 不应只追踪“新工具/新论文”，而要把每次发现转成可复查的工作流改进。

hol-guard-ai-agent-antivirus 与 agent-egress-bench-security-tool-corpus 说明，外部 skill/MCP/server 进入用户环境前需要 admission cell：来源、权限、脚本、联网、secret access、guard 支持、egress smoke test、false-positive 风险。
repoprompt-ce-context-engineering-app 说明，全局 wiki 与 repo-local context pack 应分层。llm-wiki 提供 durable methodology；代码任务需要当前仓库结构、diff、CodeMap、测试和文件边界。
claw-eval-trustworthy-agent-evaluation 提醒日报/入库 workflow 也需要 micro-benchmark rubric，不能只看单次成功。
open-science-skills-research-skill-library 与 designer-skills-agentic-design-skill-pack 说明，外部 skill 生态已扩展到研究与设计；AI radar 应周期性关注 domain skill，尤其是能反哺 wiki/product-design/ 和研究 ingest 的技能化方法。

在 Harness-Engineering 增加 runtime guard + egress corpus 的补充，明确外部 skill/MCP/发布类自动化需要 admission cell 与 post-effect receipt。
在 Context-Engineering 增加 repo-local context workbench 与 skill catalog routing 的补充，强调 global wiki / repo-local context pack 分层。
在 Agent-Benchmarks 增加 Pass^3、security-tool eval、false-positive discipline 的补充。
在 External-Agent-Skills-Design-Patterns 增加 domain skill library 与 skill/MCP security admission 两个模式。
更新 _index.md，把今日新增 source notes 纳入 AI/工程来源列表，并调整 AI/原始素材统计。

新增“agent 安全工具 / egress benchmark”主题轮换。 过去雷达已经连续看到 guard、policy、claim proof、sandbox；后续应把安全工具是否有可运行 corpus、false-positive suite、support matrix 当作晋升条件。
新增“domain skill library”主题轮换。 不只看 coding agent skills，也看 research、design、product、data、finance 等领域的 source-backed skill pack，优先提炼可迁移的 routing / rubric / template，而不是直接安装。
为 radar 生成候选 tape。 今日仍是报告中描述候选评分；未来可在 raw/notes/ 或优化文章中保存结构化候选表：query、候选、分数、读取状态、晋升/拒绝类别、证据路径。

未安装 HOL Guard、Sanctuary 或任何外部 skill；这些属于执行环境安全/权限变更，应先人工确认。
未重构 wiki/product-design/ 为 skill/playbook 体系；今天只记录方向，后续可分批把高频设计任务转成模板和 playbook。
未新增完整 egress smoke test；需要先确认用户希望保护的 agent harness、MCP 和网络边界。

2026-08-09 09:00 CST：新增当天 llm-wiki 自我优化文章，总结 runtime guard、egress corpus、context workbench、Pass^3 benchmark 与 domain skill library 对雷达和知识库结构的优化启发。