大语言模型本身没有运行时状态，AI Agent 必须在模型外设计记忆系统。围绕 OpenClaw、Claude Code 和 Hermes Agent，拆解文件记忆、上下文工程、情景记忆三种架构路线的机制、适用场景和代价。
SkillClaw 是阿里 DreamX 团队开源的 Agent 技能进化框架。它把多用户交互轨迹沉淀为共享证据，在后台自动修正或创建技能，并通过夜间验证把更好的技能同步给所有 Agent。
Hermes Agent 是 Nous Research 推出的开源 AI Agent 框架，核心特点是能在任务执行后自动沉淀经验。这里从 Learning Loop、四层记忆系统、多模型编排、消息网关和上手成本几个角度，讲清它和 OpenClaw 这类 Agent 工具的关键差异。
办公 Agent 的瓶颈已经从“能不能生成内容”转向“能不能把结果交付到真实工作流”。围绕 QClaw V2 的 Connector 和 Multi-Agent 能力，讲清 AI 办公自动化如何从对话框输出走向文档、邮件、会议和多角色协作。
SDD-RIPER 用持久化 Spec、代码索引和审批状态机约束大模型编程，解决上下文腐烂、审查失控、维护断层和代码不可信问题。这里给出团队一周内试点、扩散和治理的完整流程。
Claude Code Skill 可以把人物的判断框架、表达风格和案例材料封装成可复用能力。这里以张雪峰 Skill 为例，拆解资料调研、心智模型提炼、决策启发式、表达 DNA、测试验证和安装使用流程。
DESIGN.md 是写给 AI coding agent 的纯文本设计系统，用来约束颜色、字体、间距和组件状态。通过把视觉规则放进项目根目录，并在 agent 配置中强制引用，可以减少 AI 生成界面的风格漂移。
RAG 系统中，向量召回只能快速找到话题相近的候选内容，不能保证文档真正回答问题。围绕 Bi-Encoder、Cross-Encoder、级联检索、阈值过滤和领域微调，讲清 Rerank 如何减少噪声上下文和幻觉回答。
讲解如何用角色拆分、文件系统协作、质量门控和人工决策，把超大代码库中的设计模式提炼为可复用的 Agent Skill。重点覆盖多 Agent 编排、handoff 文档、Just-in-Time Context 和 review-action 收敛流程。
文言文对抗提示利用古汉语表达与安全审核覆盖不足之间的缝隙，可能绕过只依赖关键词或现代语料的过滤器。围绕 CC-BOS 的策略空间、黑盒搜索和适应度评估机制，重点讲清防御侧该如何建模、评测与加固。
