归档

2026 年 03 月

Bytebot 是一种带可视化 Linux 桌面的 Agent,可以在本地 Docker 容器中执行浏览器、邮件、开发工具、办公软件等桌面任务。它适合企业用来落地数字助理,但也要面对视觉模型成本高、执行速度慢、权限治理复杂等问题。
围绕 AI 编程、智能体运行时、沙箱、爬虫、无头浏览器、上下文数据库和代码知识图谱,梳理 12 个开源项目的核心能力、适用场景和选型思路。
Claude Code Auto Mode 用模型分类器接管命令执行和工具调用前的权限判断,目标是在减少人工确认的同时拦截越权、数据外泄和破坏性操作。核心机制包括输入侧提示注入探针、输出侧转录分类器、三层放行规则和多 Agent 安全检查。
AI Agent 在多轮对话和工具调用中需要快速读取并更新短期记忆。围绕一句话点外卖场景,讲清楚如何用 Tair 设计会话记忆的数据模型、并发控制、过期清理和弹性扩展方案。
OpenClaw 可以用身份文件、长期记忆、Heartbeat、Cron 和 Skill 组合出一个能收集反馈、反思并更新自己的专属智能体。围绕银行客户经理助手场景,讲清核心文件设计、自我迭代闭环、跨 Agent 测试和评估 Skill 的落地方式。
Harness Engineering 关注的不是单次提示词,而是围绕 AI Agent 搭建上下文、工具、权限、约束、反馈和质量检查体系。它能让同一个模型在更可控的环境里完成复杂工程任务,并降低 AI 生成代码的维护风险。
Agent Harness 是包在智能体外层的运行框架,用来提供任务分解、上下文管理、工具调用、安全边界和自动评估。它解决的是大语言模型在长周期任务中容易遗忘、偏航、自评过宽和破坏架构约束的问题。
Harness Engineering 关注的是大语言模型外围的运行系统,包括上下文、工具、编排、安全、评估和观测。它决定了 AI Agent 能看到什么、能调用什么、如何规划任务、如何验证结果,以及失败后如何继续改进。
围绕 PUA、PUAClaw、noPua、edict 四个 GitHub 项目,拆解 AI Skill 如何通过系统提示、分类体系、正向方法论和多 Agent 流程影响大模型行为,并给出适用场景、风险和上手方式。
OpenClaw 运行时会涉及 Agent 执行、大语言模型推理、工具调用、消息队列和会话管理等链路。通过腾讯云可观测平台、OpenTelemetry、openclaw-tencent-plugin 和 diagnostics-otel,可以把请求链路、系统指标和 Token 消耗统一接入监控平台,方便排障、控成本和做告警。