Wiki 知识库

全部文档 / 标签: 开源

639 篇
清除

OpenClaw 从新手到中级完整教程

这是一份关于开源 AI Agent 项目 OpenClaw 的完整使用教程。文章详细介绍了 OpenClaw 相比传统聊天机器人的核心优势,即具备本地执行、真实操作、持久记忆等能力。教程涵盖了从环境准备、初始化配置、基础对话,到进阶的 Skills 插件开发、Google Workspace 集成、多 Agent 管理、Docker 沙盒安全配置及浏览器自动化等实战技能,旨在帮助用户构建真正能“做事”的个人 AI 助理。

技术 › OpenClaw Nicolechan 2026-02-2416.3 KB 2.3M 7.6K 90

Claude Code 工程化最佳实践与架构指南

本文系统性地介绍了 Claude Code 的工程化实战知识库,涵盖了从基础配置到高级架构设计的方方面面。内容解读了创建者的定制技巧,深入解析了 Command、Agent、Skills 的核心架构与 Memory 作用域,并针对 Monorepo 场景提供了上下文管理策略。文章还总结了上下文管理、Agent 设计、调试方法及权限安全的实践经验,并分享了如何利用高级 API 特性(如程序化工具调用、动态过滤)来显著降低 Token 消耗并提升准确率。

技术 › Claude Code shanraisshan 2026-02-235.2 KB 90

GLM-5深夜登场:国产开源模型首次逼平Claude Opus 4.5

本文评测了智谱最新发布的开源大模型GLM-5。作者认为GLM-5在编码能力、长任务规划及Agent能力上已逼近Claude Opus 4.5和GPT-5.2水平,是国产模型的重大突破。文章详细展示了使用GLM-5开发文章分发插件、斗地主记牌器及QQ农场的实战案例,并对比了其API价格与性能优势,称其为国内性价比最高的AI Coding选择。

技术 › LLM 数字生命卡兹克 2026-02-1219.1 KB 47.3K 107 80

如何用万字提示词和10个文件为AI打造数字灵魂:Personal AI Infrastructure

文章介绍了一套名为Personal AI Infrastructure (PAI) 的开源方法论,旨在通过万字提示词和十个精心设计的文件,将Claude Code等AI工具从“自动售货机”升级为长期记忆的“操作系统”。核心包括定义数字身份的TELOS系统、模拟人脑的记忆架构、主动感知的Hooks机制以及可扩展的Skills技能库。该系统强调数据主权、版本控制和工程化原则,致力于让AI真正理解用户并成为持久的生活与工作伙伴。

技术 › Claude Code 向 向阳乔木 2026-02-1119.6 KB 480.6K 1.6K 79

翁家翌:在OpenAI“卖铲子”的人

文章讲述了OpenAI核心工程师翁家翌的职业成长与理念。作为强化学习基础设施的搭建者,他坚持“工程重于学术”,认为读博是浪费生命,并致力于通过开源代码消除信息差。文章分享了他从清华到CMU再到OpenAI的经历,以及对年轻人的职业建议:尽早进入工业界,深耕工程能力,建立自己的评价体系。

技术 › LLM 向 向阳乔木 2026-01-2110.2 KB 26.8K 70 73

通过 Agent Skills 访问 Huntly SQLite 实现知识库对话

文章分享了作者为其开源项目 Huntly 实现“知识库对话”功能的巧妙思路。作者受技术帖启发,放弃了原本复杂的 Markdown 和 MCP 方案,转而让 Agent 直接通过 Skills 文档访问 SQLite 数据库。验证表明,该方案配合 glm-4.7-free 模型效果拔群,Agent 能轻松总结收藏、分析 RSS 文章并生成热门推文周刊。文章还展示了基于此逻辑生成的“lcomplete 的 X 精选”,涵盖了 AI 编程、投资哲学、工具生态及 Huntly 项目更新等内容。

技术 › Agent lcomplete 2026-01-179.4 KB 5.3K 33 60

我写了个 Skill,让 Agent 自动给文章配图

文章介绍了作者开发的一个 Agent Skill,用于自动分析文章内容、匹配风格并生成配图。文章详细讲解了 Agent Skills 的核心机制(渐进式加载)、配图 Skill 的五步设计思路、SKILL.md 的编写规范以及提示词模板的设计。作者通过该工具将文章配图从耗时半小时缩短至几分钟,并强调了将工作流程转化为 Skill 的重要性。

技术 › Agent 宝玉 2026-01-1610.4 KB 671.7K 1.6K 83

LLM 工具链与环境配置讨论

文章截图展示了一场关于大型语言模型(LLM)开发工具的讨论。主要涉及开源 CLI 工具的选择、本地开发环境的重要性、模型代理设计差异,以及在不同电脑环境下进行 AI 开发的常见问题(如闲鱼二手机器、环境报错等)。参与者认为统一的训练环境对模型兼容性至关重要,并指出新手只要教程得当上手并不难。

技术 › LLM 未 未知 2025-12-301.9 KB 20