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 Coding 真正的瓶颈不只是生成代码,而是测试、验证、排障、交付等非编码流程。围绕 Harness Engineering,系统讲清大模型推理限制、上下文治理、工具设计、多智能体协作和端到端闭环交付的方法。
ClawBot 协议层提供了微信消息接收、AES 加密、二维码认证和媒体文件传输能力。围绕这些协议能力,可以用本地 Node.js 进程把微信消息转发给 Claude Code,再把 Agent 的回复发回微信,构建一个不依赖公网回调的移动端入口。
OpenClaw 的 workspace 决定 Agent 的身份、行为规则、用户偏好、工具使用方式、长期记忆和技能加载方式。通过梳理核心文件、openclaw.json 配置、多 Agent 目录设计和常见坑,可以把 Agent 从“能启动”调到“稳定好用”。
Claude Code 里有不少容易被忽略的斜杠命令和快捷键,可以减少上下文污染、回退错误改动、分叉实验方案、定时执行任务、远程控制会话,并对 AI 生成代码做自动审查。
OpenClaw 将 Telegram、Discord、Slack 等渠道消息统一转换为内部消息对象,再经过路由、队列、上下文组装、ReAct 执行和工具调用生成回复。这里按端到端链路拆解它的分层架构、并发控制、记忆系统和安全边界。
可进化 Skill 把用户交互、执行轨迹和环境反馈沉淀为可版本化的能力文档,让智能体不只会调用提示词,还能在持续使用中改进任务流程。AutoSkill 关注对话场景下的 Skill 自进化,XSKILL 关注多模态智能体中 Skill 与 Experience 的协同学习。
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。