OpenClaw 接入 Kimi 2.5 实战教程
本文详细介绍了如何将 Kimi 2.5 接入 OpenClaw（原 Clawdbot）的完整流程，涵盖 API 获取、本地环境配置、TUI/Web UI 使用及飞书机器人接入。作者实测了 Kimi 2.5 在前端设计和复杂工作流（如视频生成 Skill）中的表现，效果惊艳。文章还提供了常见问题避坑指南、700+ Skill 资源库及常用操作指令，旨在帮助用户利用 OpenClaw 打造专属 AI 助理。
相关文档
给 AI 最大的执行权限，但把爆炸半径压到最小：我在 Startup 落地 Coding 工作流的半年迭代
作者分享了在创业公司落地 AI Coding 工作流半年来的实践迭代。核心思路是给 Agent 最大执行权限同时控制爆炸半径：使用 Claude Code 作为主力 Agent 配合 matt Skill 与项目 MCP；通过 git worktree 物理隔离多个并行 Agent 的工作区；坚持计划先行，动代码前必须产出完整 Plan 并用状态文件持久化进度；测试上人机分工，AI 在 DEV 环境完成正反用例自测，人类只验收业务效果；通过 PR 规范、GPT 对抗性 Review、CI 自闭环守住质量防线；用 PostHog Feature Flag 实现秒级回退止血；并以部署看板巡检日志、三层文档体系（CLAUDE.md、rules、specs）作为长期记忆，实现生产级 AI 高速开发。
AI 时代的 eval 究竟应该怎么做
作者提出在 AI 时代执行成本越来越低，eval（评估）才是一等公民。他建立了 repo-evals 项目，系统测评各类工具和 skill，并详细介绍了完整的评估方法论：先看真实产出而非介绍；将工具分为原子、分子、复合物三个层级并采用不同检查标准；打分四档且分数拆开可解释；明确 who/when/how 使用场景；绘制工作流并与同类工具对比；标注部署成本和 license；把 README 承诺拆成一条条 claim 逐条核对实测证据；最后按层级使用不同检查清单（确定性、幂等性、工作流正确性、错误传播等）。文章以 guizang social card 为例演示了完整评估页面结构。
We built a 20x faster Grok bot
Cerebras 团队测试了主流 AI 个人助理完成订餐任务的表现，发现现有助理耗时过长（如 Grok Bot 需 7 分 40 秒）。团队使用 Qwen 3.8 27B 模型运行在 Cerebras 硬件上，以 Pi 作为 Agent Harness，通过三项优化将任务压缩至 22 秒：1) 并行执行独立的检查操作；2) 借助 Cerebras 快速推理加速模型调用；3) 将探索网站的经验固化为 Skill 复用，减少 80% 以上的工具调用。文章展示了 Harness Engineering、快速推理和经验沉淀对 Agent 效率的巨大提升潜力。
How we built Hermes to support our entire team
Artie 团队（17人）分享了如何将 Hermes——NousResearch 的开源 AI agent harness——部署为全团队共享的 AI 助手。文章讲述了从工程师个人 WhatsApp 使用的起步，到选择 Hermes 而非 OpenClaw 并加入护栏的决策；用每年 60 美元的 Hetzner 物理服务器承载全部运行。团队为每个部门设计了独立 profile：工程（Plan 分派任务、Code 执行开 PR）、销售、设计、BizOps 等，并强调人类始终在环节中审核。Skills 以代码形式版本化进 Git 仓库，严控数量以省 token。受人类 REM 睡眠启发，Hermes 每晚'做梦'复盘当日工作，将有价值内容晋升到长期记忆。
为什么 Agent 自我学习不能靠实时微调参数？Claude Code 的 AutoDream 是如何整理记忆的？
文章解释了 Agent 的自我学习不能依靠推理时实时微调参数，原因在于算力成本极高且会导致灾难性遗忘。真正的经验积累靠上下文工程搭建的外挂认知系统，分为三层：执行后的反思复盘提炼经验、经验的持久归档（如 Claude Code 写入 CLAUDE.md 和 memory 目录、Codex 写入 SQLite）、动态检索注入（Claude Code 的极简索引与 OpenClaw 的向量化混合检索）。此外介绍了 Claude Code 的 AutoDream 机制，模拟人类做梦时的记忆整合，在后台空闲时扫描会话日志、合并重复经验、淘汰过时策略，保持记忆库精炼，从而让 Agent 持续进化且不被冗余记录拖垮。
一键打包WorkBuddy专家迁移至其他Agent使用
本文介绍了如何将WorkBuddy平台上的专家（由Agent角色配置、插件清单和多个Skill技能组成的安装包）打包成zip文件，并迁移到其他Agent软件（如Codex、Hermes、OpenClaw、豆包工作、千问办公等）中安装使用。操作步骤包括：在WorkBuddy中召唤专家、关闭引用并删除默认提示词、输入打包提示词让WorkBuddy查询并打包专家文件、将zip包上传至目标Agent并安装。同时建议定期清理不常用的专家以节省token消耗。
我用 Vibe Coding 搓了个音乐跨平台同步工具，能帮你每年省一笔音乐平台会员费
作者因网易云音乐版权缺失，用 Vibe Coding 开发了 MusicBridge 工具，实现从 QQ 音乐获取元数据、YouTube 下载音频、上传至网易云音乐网盘并自动创建歌单。文章记录了从 MVP 到功能优化（精准找歌、歌词同步、专辑下载）的过程，并改造为面向 Agent 的 Skill，通过 OpenClaw 用自然语言指令完成音乐同步，展示了 AI 辅助开发的效率。
别再盲目装 Skill 了：用 SkillCorpus 和 SkillEvaluator 给 Agent 技能做体检
文章指出盲目安装大量 Skill 的风险：Skill 可能泄露数据或污染上下文。作者实测两个开源工具：NVIDIA SkillEvaluator 负责对单个 Skill 做三层安全体检（静态文件检查、语义去重、实际效果对照），EverMind SkillCorpus 负责对技能库做收集、分类、去重和任务匹配筛选。推荐流程为先用 SkillCorpus 找候选，再用 SkillEvaluator 查文件，最后小范围试用并定期重查，强调安装量和官方推荐不能替代安全判断。
个人开发者的生产级 AI 堆栈
文章探讨了 AI 时代单人开发者面临的挑战，指出虽然 AI 加速了从想法到原型的过程，但并未解决从原型到生产环境的安全和运维问题。通过分析失败案例和成功者（如 OpenClaw 作者）的实践，强调了建立构建循环、防御层和自动化运维系统的重要性。
Claude Skills: 如何通过 Anthropic 的新功能节省 Token 并提升效率
文章介绍了 Anthropic 推出的 Claude Skills 功能，通过文件夹和 YAML 配置实现渐进式披露，显著减少 Token 消耗和重复解释。详细说明了技能的构建规则、命名规范、测试方法及分发策略，帮助用户将聊天机器人转化为高效的专业工程团队。
我把自己攒了半年的提示词秘籍，喂给了一个Agent当导演
作者分享了使用 LibTV Agent 制作视频的体验，包括选择预设的 Skill 作为导演，自动分镜、生成视频，以及上传自定义 Skill 的功能。该平台降低了视频制作门槛，支持手动干预和爆款视频复刻，还推出了 Skill 激励计划，鼓励创作者分享经验。
Agent 开发的三大核心技能：规范驱动的开发流程
本文介绍了利用 AI Agent 进行开发时，通过编写规范来提高构建成功率的方法。流程包括编写描述用户行为的产品规范、描述实现策略的技术规范，以及利用 Skills 进行编码、验证和 UX 测试。所有相关的 Skills 已在 GitHub 开源。
