DataClaw 是一个用于导出 Claude Code、Codex、Gemini CLI 等 AI 编程终端对话记录的开源工具。它会在本地完成项目范围选择、隐私扫描、脱敏清洗，并支持将结果整理成标准数据集上传到 Hugging Face。
围绕 Claude Code 的 Command、Subagent、Skills、Hooks 与高级工具调用机制，拆解终端 Agent 如何管理上下文、调用工具和接入工程流程，并结合 Qoder CLI 说明代码审查、ACP 集成、云上运维等落地方式。
Code Review 在核心业务项目中不能只检查语法和代码风格，还要识别历史事故、业务约束和团队经验。这里讲解如何用 GitLab Webhook、Diff 预处理、RAG 知识召回和大语言模型搭建一套业务级 AI Code Review 系统。
文本大模型评测需要回答两个问题：评什么、怎么评。围绕通用能力、领域能力和业务场景能力，系统拆解评测维度、指标、评测集、人机协同阅卷和货运邀约场景中的落地流程。
AI Agent、传统编程和 Workflow 的核心差异不在于是否使用 AI，而在于谁负责决策。传统编程和 Workflow 依赖人提前设计流程，Agent 则让大模型根据目标、上下文和工具结果动态选择下一步动作。
围绕 AI 研发和自动化落地，整理 6 个开源项目：自动生成论文配图、零代码网页自动化、Claude Code 项目规范管理、QQ 机器人接入、跨端 Agent 框架和 OpenClaw 项目骨架。
企业 AI 失败往往不是模型太弱，而是上下文碎片化、无治理、不能安全回写。围绕统一上下文层（UCL）讲清上下文工程、上下文图谱、智能体治理、受控激活和运行时学习的完整架构。
GitHub 仓库 awesome-openclaw-usecases 收录了 30 多个 OpenClaw 真实使用场景。围绕信息摘要、内容生产、运维自动化、个人生产力等方向，讲清如何从用例文档提炼可复用的智能体工作流。
