文档(知识): 添加 2026-05-09 文章分享摘要，调整 .gitignore

- 为7篇文章编写摘要，按"宏观产业→工程实践→技术本质"叙事线组织
- 优化标题，增加文章间衔接与呼应
- .gitignore 添加 .claude/member 忽略规则
- 新增 20260509 图片目录

.gitignore

@@ -1 +1,2 @@
 .member/
+.claude/member

知识/金鹏.md

@@ -13,6 +13,60 @@
     - 360 x 276
     - 540 x 414
 
+## 2026-05-09
+
+- [AI从"工具"到"产业链重构者"](https://mp.weixin.qq.com/s/M5rWCr4T7OMCIXPeUWOZEA)
+- ![-](./金鹏/20260509/20260509-001.png)
+- 网新新思
+- AI不只是提升效率，而是在改写整个产业的游戏规则
+- 从咨询业到外包业，从个人生产力到组织协作
+    - [AI巨头同天亮剑：OpenAI与Anthropic双双杀入咨询业](https://mp.weixin.qq.com/s/M5rWCr4T7OMCIXPeUWOZEA)
+        - 职场罗老实Luo
+        - OpenAI与Anthropic在同一天宣布布局咨询业务，这不是巧合，而是行业转折的信号。
+        - AI公司不再满足于卖模型、卖API——它们要直接切入价值链的最顶端：**为企业提供战略级决策服务**。
+        - 传统咨询业的核心壁垒——信息不对称和人力规模——正在被AI逐层瓦解。
+        - **当AI能同时处理"信息搜集→分析建模→方案生成"，咨询业的护城河在哪里？**
+    - [15亿美元押注：黑石、高盛联手Anthropic，咨询业的游戏规则变了](https://mp.weixin.qq.com/s/cdzzsh-bVkD19YfuVqYIZQ)
+        - 经官之家
+        - 全球顶级另类资管巨头黑石 + 顶级投行高盛 + 顶级AI公司Anthropic——三方联手，15亿美元砸向AI咨询新公司。
+        - 这不是一次普通的投资，而是**资本层面对"AI重构咨询业"这一趋势的正式投票**。
+        - 新公司的核心逻辑：用AI替代初级顾问的调研和分析工作，让高级顾问专注于客户关系和战略判断。
+        - **咨询业的价值链正在被解构：数据采集→AI化，分析建模→AI化，报告生成→AI化。剩下的只有"信任"和"判断"。**
+    - [3万亿IT外包的黄昏：AI编程正在重写全球软件产业链](https://mp.weixin.qq.com/s/kn-JEAkdm-k3Vf61ChbuGQ)
+        - 铅笔道
+        - 全球3万亿美元的IT外包市场，建在"劳动力套利"的地基上——而AI编程正在把这个地基抽空。
+        - Claude Code、Cursor、Copilot等AI编程工具，让一个熟练开发者的产出抵得上过去一个小团队。
+        - 外包的核心价值——"用更便宜的人写代码"——在AI时代变成了一个逻辑悖论：**如果代码本身不再由人写，那"便宜的人"还有什么意义？**
+        - 产业链重构的方向：从"外包代码"转向"外包AI增强开发"，从"卖人头"转向"卖效能"。
+    - [Agent时代的生产力悖论：当协作本身成为最大的瓶颈](https://mp.weixin.qq.com/s/GPoQnFsXnnNpKdefWWiKRw)
+        - 阿里云
+        - 这是一个反直觉的发现：**Agent越多，效率不一定越高**——协作开销的增长速度可能超过个体能力的提升。
+        - 多智能体系统中，任务分配、状态同步、冲突解决、结果整合带来的通信成本随Agent数量指数级增长。
+        - 核心矛盾：单个Agent的能力在快速增长（模型越来越强），但Agent之间的协作协议还处于早期阶段。
+        - **生产力的真正瓶颈，正在从"个体能力不足"转向"组织协调失效"**——这跟人类组织的演化规律惊人地一致。
+        - 破局方向：更好地定义Agent间的接口协议、任务粒度、状态传递机制。
+    - [AGENTS.md 实践指南：一个文件让 AI Coding 效率翻倍](https://mp.weixin.qq.com/s/fBBBSfQajYjYtngZAitZCA)
+        - 阿里云
+        - AGENTS.md 是一个放在项目根目录的Markdown文件，为AI编程工具提供**持久化的项目上下文**。
+        - 核心价值：让AI在每次对话开始时就能理解项目约定、架构决策、编码规范，而不是每次都要重新解释。
+        - **"给AI正确的上下文"比"给AI更聪明的模型"更划算**——这是上下文工程的核心原则。
+        - 实践要点：写清楚构建命令、代码风格、目录结构、关键约束；控制在200行以内；随项目演进持续更新。
+        - 与上一篇文章形成呼应：Agent之间协作需要"协议"，而人与AI之间协作需要"文档"——**AGENTS.md 就是人与AI之间的接口规范**。
+    - [Claude Code 构建者揭秘：Skills 机制如何让智能体能力可复用](https://mp.weixin.qq.com/s/L8PsFFwB24WCda8J8480dw)
+        - 哲学园
+        - Claude Code 核心工程师 Thariq 首次系统分享 Skills 机制的设计理念和演进过程。
+        - Skills 的定位：介于"一次性Prompt"和"永久性工具"之间的**可复用能力单元**——比Prompt结构化，比工具灵活。
+        - 核心设计原则：Skills 应该是**可发现的**（Agent知道什么时候该用）、**可组合的**（多个Skills可以串联）、**可维护的**（独立的文件，易于版本管理）。
+        - 与前后文的呼应：Skills 本质上是在解决"Agent协作"问题——**Skills 定义了Agent可以"学会什么"，而 AGENTS.md 定义了Agent需要"知道什么"**。
+    - [LLM Wiki 与 Graphify 热潮背后：企业级 RAG 缺的到底是什么？](https://mp.weixin.qq.com/s/CJr4Oo_GDBD8ejJ57l6khQ)
+        - 韦东东
+        - Karpathy 的 LLM Wiki 项目 + 3.5万Star的 Graphify 知识图谱工具，让"知识图谱+RAG"再次成为热点。
+        - 但文章的核心拷问是：**企业级 RAG 效果不好的真正原因，真的是缺少知识图谱吗？**
+        - 更常见的问题链：数据没清洗 → 分块策略不对 → 检索精度不够 → 生成效果差。这些都不是知识图谱能解决的。
+        - 知识图谱解决的是"实体关系推理"问题，而大多数企业RAG失败的根因在更上游——**数据质量和检索策略**。
+        - 回到本质：RAG 的核心不是"图谱有多炫"，而是"对的信息在对的时机被对的上下文包裹，送给模型"。
+        - **当我们在追逐技术热点时，别忘了先解决工程基本功。**——这跟前面 Agent 协作、AGENTS.md、Skills 的讨论形成了闭环：技术堆砌不等于系统可靠。
+
 ## 2026-04-17
 
 - [基于 ERNIE Image 一键生成图像](https://aistudio.baidu.com/ernieimage)