Agent Skills 可以理解为给 AI Agent 使用的结构化技能包,用来沉淀指令、参考资料、脚本和模板。掌握它的核心后,可以把一次性的 Prompt 改造成可复用、可维护、输出更稳定的工作模块。
讲解 Agent Studio 如何把本地 AI Agent 接入企业微信,并通过隧道、A2A 网关、MCP Admin 和定时任务形成个人 Agent 工作台。包含安装配置、调用流程、适用场景以及与 OpenClaw 的差异。
OpenSkills 把技能定义、匹配、资源加载和脚本执行拆成透明流程,适合把 AI Agent 能力集成到自己的 Python 项目。内容覆盖三层渐进式加载、SKILL.md 写法、脚本沙箱、Reference 加载模式和周报生成年度复盘的完整示例。
AI Agent 只靠静态记忆文件很容易保存过时信息。这里讲解 Moltbot 的三层动态记忆架构:知识图谱、每日笔记和隐性知识,并说明如何通过定时事实提取、每周综合整理和 Supermemory 集成,让 Agent 的上下文长期保持可读、可搜索、可更新。
OpenSandbox 为 AI Agent 的命令执行、代码运行、文件操作和浏览器自动化提供隔离环境。内容讲清它的协议设计、Docker 与 Kubernetes 双运行时、网络控制、入口代理,以及在 Coding Agent、评测和 Agentic RL 中的使用方式。
ClawdBot 这类 AI Agent 不只是聊天工具,而是能在服务器上执行命令、访问文件、调用邮箱和日历的自动化系统。公网裸露、无鉴权、提示词注入和密钥泄露都会把它变成高危入口,必须按生产级服务进行隔离、认证、限权和监控。
Clawdbot 是一个运行在本地机器上的 AI Agent,可以通过 Telegram、Slack、iMessage 等聊天入口访问本地文件、终端和浏览器。这里从架构、部署、MCP 技能扩展和安全边界几个角度讲清它的工作方式与使用注意事项。
Clawdbot 因名称和标识与 Claude 生态过于接近,被 Anthropic 要求改名为 Moltbot。围绕这个案例,可以看清开源 AI Agent 在项目命名、品牌借势、社区传播和生态依赖上的风险边界。