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。
OpenClaw 展示了一类 AI Agent 的典型运行方式:用 System Prompt 构建身份,用 Tool Call 操作外部环境,用 Markdown 和 RAG 保存记忆,再通过 HEARTBEAT 触发主动任务。理解这些机制,也能看清 Agent 的能力边界和安全风险。
OpenClaw 把 IM 网关、Agent workspace、Skills、Session 和 Memory 组合成一套个人 Agent 运行框架。围绕部署、单 Agent 启动、多 Agent 通信、记忆压缩、Skills 管控和安全边界,讲清它如何运作以及如何落地。
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。
OpenViking 是面向 AI Agent 的上下文数据库,用虚拟文件系统统一管理资源、用户记忆、Agent 技能和任务经验。它通过分层上下文加载、目录递归检索和自动记忆提取,降低长任务中的 Token 成本,并让检索链路更可观察。
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。
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。
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。