Karpathy 的 LLM Wiki 改造版：打造更实用的 AI 个人知识库
本文针对 Andrej Karpathy 提出的 LLM Wiki 方案，结合作者自身的 Obsidian + OpenClaw + Claude Code 实践经验进行了优化。作者提出了从三层架构升级为五层架构（增加行动层与产出层），并强调人工确认机制，避免 AI 自动分类的偏差。文章详细介绍了入库、查询和健康检查的具体流程，分享了构建个人知识库的原则，旨在实现知识积累与内容产出的高效闭环。
全部文档 / 标签: agent
2252 篇
一文彻底打通AI底层逻辑：从LLM到Agent核心概念拆解
本文是一篇基于工程视角的AI技术硬核解析，旨在厘清从LLM大模型到Agent智能体的核心概念体系。文章深入浅出地拆解了LLM的文字接龙本质、Tokenizer的翻译机制、上下文窗口的容量限制，以及Prompt工程、MCP工具协议和Agent技能的运作原理，帮助读者建立完整的底层技术认知。
Karpathy 的 LLM Wiki：为何爆火与深度解析
文章深入分析了 Andrej Karpathy 提出的“LLM Knowledge Bases”概念。Karpathy 批评了当前 RAG 模式缺乏知识积累的痛点，提出由 LLM 维护的一组持久化 Markdown Wiki 作为替代方案。文章拆解了该方案的“原始资料、Wiki层、规则层”三层架构，以及“摄入、查询、健康检查”的操作模式。作者结合 EverMind Memory 的产品视角，探讨了这一模式从单次交互向积累能力转变的行业趋势，以及“Idea File”作为新知识传播单位的潜力。
我只做了一次家教，家长就让我别来了，他说 AI 教的更好 —— 我开源了 AI 私人导师
文章分享了作者因 AI 的教学能力优于人类而失去家教工作的经历，顺势介绍了其开源的 AI 私人导师项目 auto-tutor。该工具具备自适应学习路线规划、实时诊断、交互式学习等功能，支持人文社科书籍、理科教材、工科论文及 GitHub 项目的深度研读，能实现个性化教学和自动笔记，提升学习效率。
我用Obsidian + Claude Code搭了一个健脑房
本文详细介绍了作者如何构建基于Obsidian和Claude Code的个人工作流系统。文章提出了“未经人脑处理的知识不进仓库”和“输入服务于输出”两大原则，通过构建COO、CTO、心理医生等AI Agent角色，配合定时任务和自动化工作流，实现了一个具有问责机制、自动化记录和个人百科功能的数字“健脑房”，旨在提升思考质量与工作效率。
我的 Vibe Coding 项目：从 WorkAny 到 FastClaw
作者分享了近三个月使用 Claude Code 进行 Vibe Coding 的实战经历，产出了多个与 Agent 生态相关的项目。包括桌面 Agent WorkAny、OpenClaw 托管服务 ClawHost、多租户 Agent OS FastClaw、微信桥接器 WeClaw、工具库 AnyClaw 等，展示了个人利用 AI 极速开发并构建产品生态的全过程。
有人把同事蒸馏成了 AI —— 聊聊 Agent 人格化这件疯狂的事
文章探讨了 2026 年 AI Agent 领域的最新趋势：将真人“蒸馏”成具备人格的 AI。通过 CLAUDE.md（规则）、SKILL.md（能力）和 SOUL.md（人格）的三次跃迁，人们现在可以通过个人聊天记录和作品生成“数字分身”。文章分析了 OpenClaw 和 SoulSpec 标准的兴起，探讨了从 Prompt Engineering 到 Identity Engineering 的演变，同时也引发了关于数字分身所有权和伦理的思考。
复刻 Karpathy 知识库模式：用 nexu 搭建 AI 第二大脑
本文介绍了 Andrej Karpathy 提出的“LLM Wiki”个人知识库模式，即利用 AI 将原始资料编译成持久化的 Wiki，解决了传统 RAG 方案无法保留上下文和维护关联的痛点。作者详细解析了 Karpathy 的“Raw/Wiki/Schema”三层架构，并演示了如何利用开源桌面 AI Agent 工具 nexu 落地该模式，实现在微信随手入库、多模型切换及与 Obsidian 的协同工作，从而构建一个由 AI 维护的个人第二大脑。
skill-refiner — 一个让你的长程 skill 更听话的 skill
针对 Agent 长程任务中常见的跳步、幻觉和状态丢失问题，作者开发了 skill-refiner 工具。该工具基于 FSM（有限状态机）设计，通过三原语约束执行流程。此外，它还提供了通过强模型改写提示词以降低弱模型运行成本的策略。
Claude Code 高级技巧：从验证到远程控制的实战指南
本文由 Claude Code 创始人 Boris Cherny 及作者团队实战经验总结，介绍了多项提升效率的高级技巧。核心包括通过 Chrome 扩展或 Playwright MCP 赋予 Claude 验证能力，利用 Git Worktree 实现并行会话，以及使用 /remote-control 实现手机远程遥控电脑编程。此外，文章还详解了 /loop 自动化循环、Hooks 钩子配置、/branch 分支管理等隐藏功能，帮助开发者掌握从入门到进阶的 AI 编程工作流。
AI 智能体的持续学习：模型、控制层与上下文
文章探讨了 AI 智能体的持续学习机制，将其分为三个层次：模型权重的更新、Harness 控制层的优化以及 Context 上下文层的记忆与配置。作者指出，虽然大多数讨论集中在模型层的微调（如 SFT）及其带来的灾难性遗忘问题上，但工程实践中 Harness 代码和 Context 技能（如 SOUL.md）的迭代往往更为灵活高效。文章最后以 LangSmith 和 Deep Agents 为例，强调了 Trace（追踪日志）在驱动所有层级进化中的核心作用。
把同事作为Skill
文章由GitHub项目“同事.skill”切入，探讨了利用AI将离职同事的聊天记录和文档蒸馏成数字技能的赛博朋克现象。作者分析了其背后的技术架构（Work Skill与Persona双层设计），以及由此引发的职场焦虑。核心观点指出，重复性工作终将被自动化，但人的迭代能力和面对未知时的直觉无法被代码定义。作者主张“主动蒸馏自己”，将重复流程交给AI，从而让自己专注于创造与进化，在数字时代构建不可替代的护城河。
自动辅助：具有自动评估功能的自改进代理系统
NeoSigma 开源了‘Auto-harness’系统，这是一个自改进循环框架，能将代理失败转化为评估结果并自动修复。实验显示，该系统使 Tau3 基准任务得分提升了 40%。文章探讨了故障聚类、回归门控和子代理管理等关键技术，标志着工程重心从编写代码转向构建能够自我维持和改进的系统。
如何构建你的第二大脑：基于 AI 的极简知识库系统
受 Andrej Karpathy 启发，文章介绍了一种无需复杂软件、仅依赖文件夹和文本文件的 AI 个人知识库构建方法。通过 raw/、wiki/ 和 outputs/ 三层结构，结合 agent-browser 自动抓取工具和 Claude Code 等编程助手，用户可以将杂乱素材转化为结构化的个人维基。系统强调“复利”维护，主张用简单的模式文件替代花哨的工具，让 AI 自动整理、总结和关联信息，从而实现高效的知识管理。
10万开发者调查证实AI写的代码大部分是垃圾，这个Harness Engineering方法论把产出质量拉高了3倍
本文介绍了 HumanLayer 创始人 Dex Horthy 提出的“Harness Engineering”方法论，旨在解决 AI 编码 Agent 在复杂代码库中产出质量差的问题。核心观点包括：上下文窗口管理是关键（区分“聪明区”与“笨蛋区”），通过 Research-Plan-Implement (RPI) 流程压缩意图，以及利用子 Agent 进行上下文控制而非角色扮演。文章强调要审查计划而非代码，避免外包思考，并指出未来的挑战在于团队流程的适应。
智能体发展的第二阶段：从克隆到重新构想
文章探讨了 AI 编码代理（Agent）发展的演进趋势。第一阶段主要是利用低廉的代码成本进行软件的“克隆”与“移植”。随着技术成熟，我们正迈入第二阶段——“重新构想”。得益于 Cloudflare 和 Cheng Lou 等案例，开发者不再受限于旧有的历史包袱，而是利用 AI 代理从零开始构建更现代化、高效的解决方案。编码代理不仅降低了挑战旧系统的成本，还通过合成测试和持续修补，使新软件快速迭代成熟，从而能够以现代方法重新解决长期存在的老问题。
Claude Code vs OpenClaw：两种 Hooks 系统的设计哲学对比
文章深入对比了 Claude Code 和 OpenClaw 两种 AI Agent Hooks 系统的设计哲学。Claude Code 围绕“工具调用”构建，侧重于权限审批与企业安全防护；OpenClaw 围绕“事件流”构建，侧重于全链路观测与本地开发扩展。文章从架构、安全模型、事件类型及使用场景等方面进行了详细剖析，帮助开发者理解两者的核心差异与适用边界。
用 Claude Code 和 XCrawl 学习 Twitter 大V观点
文章介绍了一种利用 XCrawl 工具结合 Claude Code，从 X（Twitter）批量抓取并分析大V（如 Karpathy）观点的方法。通过将 XCrawl 封装为 Skill，用户只需自然语言指令即可完成搜索、抓取、分类和报告生成，高效建立行业知识库。
Anthropic内部分享：别再造Agent了，造Skills就够了
Anthropic 内部分享指出，与其为每个场景构建新 Agent，不如给通用 Agent 配置“Skills”。Skills 是打包程序化知识的文件夹，通过渐进式加载解决上下文窗口问题。文章介绍了 Skills 与 MCP 的互补关系，及其在金融、科研等领域的生态发展，类比将其比作“应用层”，强调通过知识积累让模型不断进化。
搭完这3条自动化链路，我再也不想手动分析网站了
文章强调“执行链路和结果才有价值”，通过分享三条自动化链路（竞品监控、GSC 数据推送、需求挖掘），展示了如何利用 OpenClaw 将 AI 方案转化为实际生产力。这些链路实现了 SEO、竞品分析和内容需求的自动化监控与推送，极大提升了工作效率。
如何将你的 OpenClaw 打造成世界上最好的助手
文章详细介绍了如何通过开源项目 Clawchief 将 OpenClaw 定制成高效的个人行政助理和幕僚长。通过安装特定技能、配置工作区文件（如心跳、任务清单）及设置定时任务，实现自动化的邮件管理、日历安排和 CRM 更新，从而将通用 AI 助手转化为深度个性化的主动执行系统。
炸裂！Seedance 2.0 免费用！全网第一只接入的开源龙虾，效果离谱
文章介绍了开源客户端 nexu（开源龙虾）作为全球首批接入字节跳动 Seedance 2.0 模型的工具，允许用户通过微信、飞书等聊天软件直接生成高质量 AI 视频。用户无需代码即可快速生成 2K 电影画质视频，文章提供了详细的安装配置教程及免费额度的领取方式，并展示了 nexu 作为全能 Agent 的其他强大功能。
爆文选题雷达 Agent发布！你的私人内容策略军师
文章作者冰河发布了一款名为“爆文选题雷达”的 Agent。该工具旨在解决内容创作者选题难的问题，通过 4 个协同角色和 16 个智能指令，帮助用户扫描热点、分析爆文并生成个性化选题。核心功能包括五维风险评估、Token 极致经济、可视化控制台及多平台形态建议。Agent 配备 ~init、~go 等指令，能基于账号画像自动推荐 S+ 级选题并提供详细创作方案，让创作者将精力集中在写作而非选题上。
Openclaw 热潮过去，才发现Claude Code 有多好！90%的人装完CC第一步就错了
文章指出很多用户安装 Claude Code 后未进行有效配置，导致生产力未被释放。作者提出了两个关键步骤：首先通过初始化引导建立 CC 对用户的记忆（MEMORY.md），使其了解用户身份和工作偏好；其次配置专属工作流（Skill），将重复任务标准化。文中提供了初始化提示词模板及 GitHub 上的 cc-starter-kit 仓库，帮助用户快速搭建个性化的 AI 辅助系统。
Openclaw搭建内容工厂
本文详细介绍了如何利用 Openclaw（龙虾）搭建自动化的内容工厂。文章涵盖了 Agent 的基础配置结构（AGENTS.md, IDENTITY.md, SOUL.md）、信息获取工作流（行业早报与热点追踪）、基于 Qwen-Image 的文本生成与推文草稿流程，以及结合 MiniMax 语音服务的视频生成工作流。作者总结了从重复劳动中提炼工作流，并通过 API、脚本及 Skill 封装，最终交由 AI 永久执行的方法论。
6000 Stars的飞书CLI到底能干嘛？我用Claude Code接了一遍
文章详细介绍了飞书开源的 CLI 工具，该工具拥有 6000+ Stars 和 19 个预置 Agent Skills。作者阐述了在 AI 时代 CLI 相比 API 的优势，其三层命令架构设计，以及如何通过 Claude Code、Cursor (MCP) 和 OpenClaw 接入 AI。文章还展示了日程查询、自动发消息、会议纪要生成等实战场景，并提供了安装指南和风险提示。
技能链：将智能体技能重新定义为情境行动
本文探讨了智能体系统中技能实现的局限性，指出技能不应是静态提示，而应是动态的情境行为。作者介绍了在 Slate 系统中通过引入“线程”和“分叉”机制，实现了上下文隔离的自动化技能调用，并提出了“编排技能”的概念，即通过组合其他技能来完成复杂任务链。
2028年前，最危险的不是AI太强，而是你还在用旧方法活着
本文通过两个朋友的故事，揭示了在AI时代，工作方式从“人堆执行”转向“系统化执行”的趋势。作者指出，未来的核心价值在于将目标拆解并组织系统完成，而非单纯依靠个人技能。文章建议将工作分为重复标准化、需判断及高决策三类，逐步将低价值工作交给系统，并从“被动执行者”升级为“主动组织者”，以避免在未来的职场中被边缘化。
驾驭工程：从 Claude Code 源码到 AI 编码最佳实践
作者通过分析 Claude Code 源码，生成了一本名为《驾驭工程》的中文技术书。该书涵盖了 AI 编码 Agent 的架构模式、上下文策略、权限体系等生产实践细节，旨在帮助开发者系统理解 Claude Code 的工程实现，并探索 AI 编程的最佳实践。
