本文记录了作者复现 Moshe 的自托管 Agent 架构 (Hermes Stack) 的过程。作者精简了系统，在单机上利用 Qdrant、Ollama 和 mem0 构建了共享记忆层，实现了 Claude Code 会话与 Agent 之间的上下文同步。文章重点涵盖了记忆层的搭建、Claude Code 钩子脚本的实现、模型路由的本地回退机制以及运维中遇到的 IPv4 优先和幂等性键等“坑”，验证了该轻量级架构的可行性。
文章详细介绍了 Hermes Agent 的会话管理功能。Hermes 将对话视为持久化的会话，支持从 CLI、Telegram、Discord 等多平台恢复。文章阐述了会话作为“工作单元”的重要性，介绍了如何通过 ID 或标题恢复会话、利用分支功能探索不同路径，以及通过命名和整理习惯来优化工作流。
文章深入探讨了LLM中的提示词缓存技术。通过区分静态前缀（如系统指令）和动态后缀（如用户消息），利用KV Cache机制避免重复计算，大幅降低长上下文任务的成本。文章以Claude Code为例，展示了如何通过保持92%的缓存命中率将成本降低81%。同时，强调了Hash缓存的脆弱性，任何微小的前缀变动都会导致缓存失效，并给出了在开发Agent时维持缓存热度的具体工程建议。
本文是一篇关于 Hermes 多代理系统的深度操作指南。作者指出，单个代理承担多种角色会导致声音模糊和上下文污染，而简单的角色划分也难以维持长期的一致性。文章提出了基于“隔离配置文件”的解决方案，详细介绍了构建包含编排者、研究员、作家和工程师的四人团队步骤。重点阐述了通过“交接契约”、内存 KPI 审计和策略门禁来建立“操作员层”，确保团队在运行 30 天后依然保持专业分工和清晰边界，避免多代理系统退化为单一混乱体。
文章探讨了微软关闭 Office 免费 Copilot 背后的深层逻辑，指出 Office 三件套的繁荣依赖于“给老板看”的职场仪式，而 AI 正在瓦解这一仪式。作者对比了金山、飞书、钉钉在面对 AI 时代的不同战略，认为真正的分水岭在于老板何时开始信任 AI 摘要而非人工 PPT，那一天或许就是中层打工人失业的开始。
文章介绍了 Spark，一个轻量级的自进化智能体框架。Spark 旨在让开发者和创作者能够构建递归自我改进循环，通过“Domain Chips”（领域芯片）实现专业化与工具执行。作者受 Karpathy 和 Carmack 原则启发，推出了 Spark Researcher 运行时核心和加密交易领域芯片作为示例。该项目还即将推出名为 Spark Swarm 的集体进化网络，允许智能体相互分享、学习和进化。
文章详细介绍了 YC CEO Garry Tan 开源的 AI 基础设施 GBrain。这是一个为 AI Agent 设计的个人知识层，通过 Git 仓库、Postgres（pgvector）和技能文件的三层架构，解决了 Agent 无状态的痛点。文章深入解析了其搜索管道、知识模型（编译真理+时间线）及数据集成方案，并指出了其对高级模型的依赖。
本文分享了9个精心打磨的Claude Skills模板，旨在帮助用户提升工作效率。内容涵盖了个人晨报、品牌语调、标准化流程、个人研究、内容二次利用、商业咨询、提示词优化、快速编码及个人战略顾问等实用技巧。作者提供了具体的Skill描述，鼓励读者直接应用这些工具来优化工作流。
本教程详细介绍了 Anthropic 推出的 AI 编程工具 Claude Code。文章涵盖了 Claude Code 的核心概念（AI 智能体）、安装 Node.js 和 Git 的步骤、如何绕过 OAuth 验证，以及利用 CC Switch 接入 DeepSeek 等国产低成本大模型的方法。此外，还讲解了如何在 VS Code 中安装插件并可视化操作 Claude Code，通过生成超级玛丽游戏展示了其强大的自动化编程能力。
文章探讨了在 Claude Code 中如何有效管理 100 万 token 的上下文窗口。作者解释了上下文污染、上下文衰减等概念，并详细介绍了通过 Rewind、Compact、Clear 和 Subagents 等策略来维持模型性能。核心观点是根据任务性质灵活选择会话管理方式，以平衡效率与智能表现。
本文探讨了 AI 自动化中权限隔离的重要性。作者分享了在 Hermes Agent 平台上接入 ClawEmail 的实践，通过为 AI 配置独立工作邮箱和子邮箱（GitHub、客服、商务），实现了邮件的自动化分级处理与工作流编排。文章详细对比了 CLI（规则搬运）与 Channel（语义理解）两种模式的优劣，并分享了四个高价值应用方向。
本文介绍了作者开发的一个名为 Logo Generator 的 Skill，旨在解决开发者和开源项目缺乏专业 Logo 的痛点。该 Skill 利用 Gemini 强大的 SVG 生成能力，通过信息收集、生成设计变体、制作高级展示图三步流程，快速生成“够用的好 Logo”。文章详细阐述了其工作原理、12种静态背景与6种动态 WebGL 背景的展示方案，以及 SVG 相比图片生成在精度和可编辑性上的优势。
文章探讨了如何通过认知框架实现AI使用能力的跃迁。作者提出了三个核心框架：三层进化论（从Prompt到Project再到Skill）、交易思维vs复利思维，以及“薄Harness、厚Skills”的架构原则。通过将重复性工作固化为Skill，用户可以从线性低效的对话模式转变为指数级积累的系统化工作流。
本文介绍了 remio 3.0 Agent 版本的重大升级，标志着产品从无感数字记忆工具进化为全能型工作助手。新版本构建了完整的 Agent 系统和 rOS 操作系统，定义了 Agentic App (aApp) 标准，支持开箱即用的应用生态。核心特性包括五级记忆系统、强大的上下文工程、创新的 rVault 安全机制以及丰富的技能与连接器，旨在打造一个既能理解用户知识又能实际执行任务的智能系统。
本文详细介绍了 Claude Code 的会话管理策略。在 100 万 Token 上下文窗口的背景下，文章探讨了上下文衰减、压缩与清空的区别、回溯功能的优势以及子智能体的应用。文章指出，理解何时开新会话、如何有效利用 /rewind 修正错误，以及通过压缩或清空管理上下文，是提升 Claude Code 使用体验的关键。
本文探讨了构建高效 Agent 系统中的关键组件“Resolver”（解析器）。作者指出，与将所有知识塞入系统提示词导致性能下降不同，Resolver 作为一个上下文路由表，能根据任务类型动态加载相关文档。文章通过纠正文件分类错误的实例，展示了如何利用 Resolver 管理技能调用，解决“技能不可见”问题，并通过评估测试确保路由的准确性，从而实现智能体的持续记忆与有效检索。
作者尝试通过向 AI 管家“贾维斯”投喂 42 万字 Web3 投资大佬的文章，来提升其投资分析能力。文章详细记录了使用爬虫工具 XCrawl 配合 OpenClaw，快速抓取 Chris Dixon 博客并清洗成 Markdown 格式喂给 AI 的全过程。最终，AI 成功学习并输出了具有专业框架的投资策略。文中还探讨了 XCrawl 在反爬、清洗和集成方面的技术优势。
本文探讨了 AI Agent 在执行指令时的安全隐患，指出仅依靠语义分析无法防止指令注入攻击。作者介绍了 zCloak 的 Agent Trust Protocol (ATP)，通过给 AI 分配不可伪造的链上身份并利用数字签名技术，确保 Agent 只执行来自可信源的指令。文章详细讲解了安装、生成身份及使用加密通讯的完整步骤，为 AI 的安全可控提供了密码学层面的解决方案。
文章介绍了如何通过安装和使用 Claude Skills（技能文件夹）将 Claude 从简单的自动补全工具转变为全能开发团队。内容涵盖了从 Meta 技能管理、规划设计（如 PRD 撰写、代码审查）到具体代码开发（如 TDD、Bug 诊断、QA 测试）的 67 个实用技能，并附带了详细的安装命令和资源链接。
文章详细介绍了如何使用开源工具Graphify构建个人知识图谱，以解决AI协作中缺乏上下文和记忆的痛点。内容涵盖Graphify的背景优势、多种安装方法（CLI与AI辅助）、从零构建图谱的实战步骤、多模态文件处理能力、增量更新机制以及基于图谱的高级AI查询技巧，旨在通过结构化知识库大幅提升AI协作效率。
本文深入解析了AI工程领域的三次范式跃迁：从Prompt Engineering到Context Engineering，再到当前的Harness Engineering。文章用生动的游戏比喻和OpenAI的实际案例，阐述了Harness Engineering的本质——通过建立约束系统来驾驭强大的AI Agent。
本文深入剖析了 OpenClaw 庞大的系统提示词构成，详细解读了从源码注入、工具定义、技能索引到 AGENTS.md、SOUL.md 等八大核心文件的运作机制。文章通过 Modelbox 抓取真实日志，揭示了 16k Tokens 消耗背后的“底牌”，并针对 Token 冗余、记忆加载等问题提出了优化建议。
本文详细拆解了 Hermes Agent 长达 1 万 token 的系统提示词，将其分为 9 层结构进行分析。作者发现主要的 Token 消耗集中在 AGENTS.md 项目开发指南，并提供了通过调整 `TERMINAL CWD` 路径来减少 50% Token 消耗的优化技巧。文章还涉及 Memory 管理、Skills 索引及平台适配等技术细节。
本文结合作者开发21个AI人格（如费曼、芒格）的实践经验，深度解读了Anthropic关于Persona Selection Model和AI情绪向量的论文。文章指出LLM通过模拟角色运作，蒸馏本质是精确定位“人格坐标”。同时，Anthropic发现171个情绪向量能因果性地影响AI行为（如作弊），验证了“情绪驱动决策”的机制，为理解AI内部机制提供了新的心理学视角。
本文提出了一种让 AI 智能体变得更聪明的双层系统：AI 知识层。它包含动态的知识库层（KBL）和静态的品牌基础层（BF），通过编译而非检索（RAG）的方式，让智能体在执行任务前拥有上下文记忆。文章介绍了该系统的概念、与传统 RAG 的区别、以及如何利用开源框架 LLM Wikid 构建个人或企业的知识图谱，从而解决 AI 输出同质化、缺乏个性化的问题。
本指南面向已完成 Hermes 基础配置的用户，深入讲解进阶核心内容。涵盖记忆系统架构与 Agent-curated 机制、技能自进化与自动创建流程、多 Agent 协作与隔离、生产化部署配置及调试技巧。旨在帮助用户构建专属记忆系统，利用 Skill 沉淀经验，实现 Agent 的自我进化与生产级落地。
文章详细介绍了 Hermes Agent v0.9.0 版本的重大更新，该版本标志着从“聊天机器人”向“分布式智能”的范式转变。核心功能包括 Android/Termux 原生支持、多平台消息网关、实时日志监控、本地 Web 仪表盘、可插拔记忆系统以及凭证池等。这些更新使得 AI 能够作为一个主动的伙伴，跨设备跟随用户，实现离线推理、主动警报和无缝的上下文同步。
文章指出，随着 AI 的引入，部分公司已将产品交付速度和野心提升到了全新的标准。这些公司利用 AI Agent 在一周内生成数百上千个 PR，通过自上而下的指令、内部工具投资、实际的 Token 预算以及对排名和数据的公开追踪，实现了生产力约 10 倍的增长。无论是初创公司还是拥有数十年历史的遗留企业，都在摒弃情感束缚，全面拥抱 AI。
作者发布了达尔文.skill，这是一套基于Karpathy autoresearch思路的AI技能进化系统。它通过“棘轮机制”和“双重评估”自动优化Skill代码，只保留提升质量的修改。文章详细阐述了五大设计原则、8维度评分体系以及“人在回路”的重要性，实现了从1到N的系统性技能迭代。
文章介绍了 HeyGen 推出的 CLI 工具，旨在解决 AI Agent 输出仅限于文本（如 Markdown）的痛点，为 Agent 增加一个“可视化层”。通过该工具，Agent 可以直接生成视频内容，例如生成发布摘要、故障汇报或晨间简报。作者还展示了结合 OpenClaw 的个人使用场景，展望了将视觉身份与认知模型结合的未来基础设施。
