总结 完成部署后，PandaWiki就可以作为一套本地AI知识库系统使用。文档导入、版本发布、知识库展示、AI检索和问答都能形成闭环，资料不再只是堆在文件夹里，而是可以被持续使用和提问。
我去蓝耘的模型广场查了一下GLM-5.1的定价：输入0.5元/百万token，输出2元/百万token。手动算了一下：一条短视频脚本（300-500字）平均消耗约3000-5000 token，成本约0.3-0.8分钱。也就是说生成100条视频脚本的总成本不到8毛钱。
建设和维护动作本身也应该标准化，让 Agent 能参与。可以把流程拆成三类 Skill： Skill 作用 wiki-creator 创建新 wiki，按模板生成基础结构 wiki-updater 补全、修订、拆分、合并、归档已有 wiki wiki-advisor 做查询、路由和命中解释 这样做的意义不只是提效，而是让产物格式稳定。
核心功能： 支持 JSON / CSV 双格式批量导出主机，资产、接口、模板、宏、标签等字段可选； 导入模拟预检，提前识别缺失依赖、冲突主机，降低误操作风险； 全量操作写入审计日志，操作者、时间、主机数量全程可追溯。
通过自主研发构建起覆盖科研全生命周期的智能化矩阵，包括期刊大数据智能匹配系统、全过程学术会议数字化解决方案、AI同行审稿人系统、全球智库平台、成果转化与技术交易系统、艾思共享实验室平台、AI科研工作台、AI学术翻译与高级润色等具有行业创新性的系统和实践，助力基础研究，服务科技创新。
14") # 字符串 -> 浮点数: 3.14 s = str(100) # 整数 -> 字符串: "100" b = bool(1) # -> True （非0为True，0/空/None为False） lst = list("hello") # 字符串 -> 列表: ['h', 'e', 'l', 'l', 'o'] 🔑 要点总结：isinstance() 比 type() 更灵活（支持子类判断），显式类型转换时要确保数据格式正确，否则会抛出 ValueError。