归档

2026 年 02 月

智能体编码正在把软件开发从逐行编码推向任务编排。围绕软件生命周期、多智能体、长时运行、人机监督、非技术团队开发和安全治理,梳理 2026 年组织该如何落地 AI 编程能力。
Agent 获得代码执行和文件读写能力后,必须通过沙箱限制文件系统、网络、进程和资源边界。这里系统讲解 Local Runtime、WASM、Docker、gVisor、MicroVM 的隔离原理、适用场景和工程选型方法。
Superpowers 是一套用于约束 AI 编码过程的工作流,适合在 Claude Code、OpenCode 等工具里使用。它通过 brainstorm、write-plan、execute-plan 三个步骤,让 AI 先澄清需求,再写实施计划,最后分步编码和验证,减少随意改代码带来的风险。
OpenClaw 的 Skills 可以把大模型从聊天工具扩展成能搜索资料、解析课件、生成知识结构、规划练习、记录进度和润色中文表达的工作流系统。以《世界电影史》课程为例,拆解 6 个 Skills 的职责、调用方式和注意事项。
介绍 6 个偏工具型 GitHub 开源项目,覆盖地图海报生成、X 推荐算法源码、极简笔记、本地 PDF 处理、键鼠统计和 AI 图像水印算法研究,重点说明它们解决的问题、核心机制和适合使用的场景。
OpenClaw 可以通过 Skills 调用浏览器、邮件等外部工具,把聊天机器人从“会回复”扩展为“能执行任务”的 AI Agent。这里以默认集成的 agent-browser 和手动安装 email Skill 为例,讲清楚 Skills 的作用、使用方式和配置流程。
多能力 Agent 如果把所有领域知识都塞进 System Prompt,会浪费上下文并降低可扩展性。AgentScope-Java 的 Skill 机制通过元数据、指令、资源三层加载,让 Agent 先知道可用能力,再按任务加载 SOP、参考文档和脚本。
Deep Agents 是构建复杂 AI Agent 的多智能体框架,适合处理长期运行、多步骤规划、文件系统上下文、子代理协作和持久记忆等任务。内容围绕它解决的问题、核心机制、适用场景和上手方式展开。
FunctionGemma 可以把自然语言请求转换为函数调用,但通用模型不一定理解企业内部的工具选择策略。这里用“内部知识库搜索”和“Google 搜索”的路由任务,讲清 FunctionGemma 微调的原因、数据准备方式、训练流程、评估方法,以及 FunctionGemma Tuning Lab 的无代码使用方式。
OpenClaw 是一个本地优先的 AI Agent 运行时,把大语言模型、消息通道、本地文件、Shell、浏览器和长期记忆连接起来。内容拆解它的本地架构、ReAct 编排、分层记忆、System Prompt 组装方式,以及适合和不适合的使用场景。