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。
4 个 AI 开源项目分别覆盖图表可编辑重建、机器人视觉-语言-动作模型、代码智能体工程化和本地桌面自动化。重点讲清它们解决的问题、核心机制、适合场景和上手方式。
LobsterAI 是一个面向 OpenClaw 的桌面客户端,提供模型切换、Skills 管理、定时任务、本地与 VM 沙箱切换以及多平台消息集成。围绕 Reddit 摘要、近 30 天需求挖掘和科技新闻聚合三个任务,讲清桌面 Agent 如何自动读取、整理和分发全网信息。
6 个 GitHub 开源项目覆盖 LLM 应用开发中的信息抽取、AI 工作流、Agent 工具链、案例学习、浏览器自动化和本地知识库搜索场景,适合用来搭建从原型到自动化工具的完整开发链路。
nanoclaw 是一个轻量级 Claude 个人助手框架,用约 500 行 TypeScript 实现核心逻辑。它把每个会话和任务放进 macOS 原生容器中运行,用文件系统隔离降低本地 AI Agent 执行命令时误删或破坏宿主机的风险。