全栈研发笔记

菜单

归档

2026 年 03 月

The Agency：用 55 个 Markdown Prompt 搭出 AI Agent 虚拟公司

2026-03-09

人工智能 #The Agency#AI Agent#Prompt Engineering#Claude Code#LLM#Markdown
The Agency 是一个由 55 个专业 AI Agent 角色组成的开源 Prompt 库，把工程、设计、市场、产品、测试等岗位写成结构化 Markdown 文件。它适合用来给 Claude Code 或其他 LLM 初始化专家角色，让模型按明确的职责、流程和交付标准完成任务。
OpenClaw 核心架构解析：Agent Loop、Tools 与 Gateway 如何让 AI Agent 长期在线

2026-03-09

人工智能 #OpenClaw#AI Agent#Agent Loop#Gateway#Tools#LLM#开源架构
OpenClaw 的关键不只是让大模型会聊天，而是给 AI Agent 提供长期运行环境。围绕 Agent Loop、Tools、Gateway 三个模块，可以理解它如何接入多平台消息、隔离会话、调度任务，并实现 7×24 小时在线。
OpenClaw SKILL 插件选型指南：15 个常用插件和一个网页抓取补充

2026-03-09

人工智能 #OpenClaw#SKILL#Clawhub#AI Agent#Obsidian#Whisper#Markdown
OpenClaw 的 SKILL 相当于 AI 助手的插件系统，可以把网页读取、文件总结、语音转写、PDF 修改、GitHub 操作、本地知识库等能力接入对话框。这里按使用场景梳理 15 个常用 SKILL，并说明各自适合解决什么问题、安装前要注意什么。
Agent 长短期记忆的生产级落地架构：短期状态、异构存储与一致性兜底

2026-03-09

人工智能 #Agent#LLM#Redis#向量数据库#RAG#MySQL#Elasticsearch#消息队列
Agent 记忆不能只依赖滑动窗口和向量数据库。围绕短期会话状态、长期异构存储、同步读链路、异步写链路和一致性兜底，讲清一套可落地的生产级记忆架构。
AiToEarn 自部署指南：用 AI 搭建多平台内容生成与分发系统

2026-03-07

人工智能 #AiToEarn#AI Agent#内容生成#多平台分发#Docker#Docker Compose#MongoDB#Redis
AiToEarn 是一个面向内容运营的开源平台，支持 AI 内容生成、多平台适配、内容日历排程和数据反馈。它适合个人创作者、电商商家和内容团队自部署，用来减少重复发布、格式调整和内容排班的工作量。
HiClaw 本地安装与架构解析，Manager Agent 如何管理 Worker 团队

2026-03-06

人工智能 #HiClaw#OpenClaw#Agent#Higress#Matrix#MinIO#Docker
HiClaw 可以理解成 OpenClaw 的 Team 版，它通过 Manager Agent、Worker 隔离、AI Gateway、Matrix 群聊和 MinIO 共享文件系统，把本地 Agent 从单人助手扩展成可协作的 AI 团队。
移动端 App UI 设计参数规范：尺寸、字体、间距与适配

2026-03-05

产品与行业 #UI设计#移动端适配#iOS#Android#设计规范#Figma#可访问性
移动端 App UI 设计不能只靠视觉感觉，还需要明确尺寸单位、栅格、字体、间距、触控区域、安全区和多端适配规则。这里系统梳理 iOS 与 Android 常用 UI 参数，帮助设计稿更容易落地到开发实现。
TuriX-CUA：让 OpenClaw 和 Claude 控制 Mac、Windows 桌面的智能体框架

2026-03-05

人工智能 #TuriX-CUA#Computer-Use Agent#OpenClaw#MCP#GUI 自动化#macOS#Windows
TuriX-CUA 是一个 Computer-Use Agent 桌面智能体框架，可以让大模型观察屏幕并操作鼠标键盘，完成跨应用任务。它支持 macOS 和 Windows，也能通过 OpenClaw Skill 或 MCP 与 Claude 等工具集成。
AI Agent 中的 Skills 抽象：什么时候该用，什么时候别用

2026-03-05

人工智能 #AI Agent#Skills#Claude Code#工具调用#上下文工程#多Agent系统#能力复用
Skills 是 AI Agent 中用于封装专业能力的一层抽象。它在专用编程工具里不一定显眼，但在企业级 Agent 平台、多 Agent 协同和能力生态建设中，可以解决复用、标准化、版本管理和协作成本问题。
Agent 自动持续进化的工程闭环：评估、反馈、记忆与自动改提示词

2026-03-04

人工智能 #Agent#LLM#评估体系#Memory#Prompt Engineering#LLM-as-Judge#Human-in-the-loop
Agent 自动持续进化的核心不是反复手工调 prompt，而是建立评估、反馈、记忆、错误归因、自动修复和发布审核的闭环。只有把真实任务中的成功、失败、纠偏和人工干预沉淀下来，Agent 才能稳定地从使用数据中更新策略。