ai agent

OpenClaw学习总结_I_核心架构_8：SessionPruning详解阶段：I. 核心架构课序：第 8 课前置知识：I-7. Streaming 后续课程：I-9. Multi-Agent

zhangshuang-peta

MCP vs Prompt 工程：从“写提示词”到“立协议”的范式迁移一、为什么必须把 MCP 和 Prompt 工程区分开？（Why Must MCP Be Distinguished from Prompt Engineering?）

zhangshuang-peta

什么是 MCP：模型上下文协议到底解决了什么问题一、什么是 MCP？（What Is MCP?）1、MCP 的全称与基本定义（Full Name and Basic Definition）

红迅低代码平台（redxun）

零售行业如何用AI低代码开发平台实现全渠道数字化运营一、零售行业的数字化趋势与核心需求零售行业正处于数字化转型的关键时期，线上线下融合、全渠道运营、个性化营销、智能化服务等趋势正在重塑行业格局。对于零售企业的技术负责人而言，如何快速构建支撑全渠道运营的系统架构，是一个紧迫的任务。传统开发模式难以满足零售行业快速变化的需求，ai低代码开发平台为此提供了新的解决方案，通过快速搭建电商平台、会员系统、库存管理系统等，帮助零售企业实现全渠道数字化运营。红迅软件的ai低代码开发平台针对零售行业进行了专门优化，支持多渠道数据整合和实时分析。在消费升级和竞争加剧的背景

OpenClaw学习总结_I_核心架构_9：Multi-Agent详解阶段：I. 核心架构课序：第 9 课前置知识：I-8. Session Pruning 后续课程：I-10. Sandboxing

Agent Harness，正在成为新的 MLOps过去一年，很多人谈 agent，讨论重点还主要集中在两个问题上：这两个问题当然重要，但越来越不够了。如果只是做一个 demo，它们也许已经够用：

OpenClaw 消息路由机制详解消息路由是 OpenClaw 作为多渠道 AI Agent 平台的核心基础设施，承担着将来自不同渠道的消息精准分发到对应 Agent 实例的关键职责。本文深入剖析 OpenClaw 的消息路由机制，从消息接收与解析、路由规则匹配、分发策略选择、异步队列处理、重试容错机制到监控追踪体系，全面揭示其设计理念与实现细节。通过分层路由架构、多维度匹配策略和可扩展的绑定配置系统，OpenClaw 实现了灵活高效的消息路由能力，支持从私聊到群组、从单账号到多账号、从单一 Agent 到多 Agent 协作的复杂场景。

深度解析Skill机制：如何通过Spring AI + 阿里巴巴对接任意大模型实现智能技能调用？“大模型能聊天、能写作，但能‘干活’吗？” 这是当前AI应用落地的核心痛点。当用户说“帮我查一下北京天气”或“搜索最新关于蛋白质折叠的论文”，大模型本身无法直接执行这些操作——它需要“工具”，更需要一套智能调度机制。近期爆火的 Skill（技能）机制正是解决这一问题的关键突破。本文将带你从原理到实战，彻底搞懂： Skill到底是什么？它和Function Call、MCP、Work Flow Agent有何区别？更重要的是——如何用 Spring AI + 阿里巴巴，让任意大模型都具备“技能调用”能力

Ubuntu 24 Desktop LTS 部署 AI 智能体 OpenClawGitHub 地址：https://github.com/openclaw/openclaw 官方网站：https://clawhub.ai/ 官方文档：https://docs.openclaw.ai/

OpenClaw学习总结_I_核心架构_6：Compaction详解阶段：I. 核心架构课序：第 6 课前置知识：I-5. Memory 系统后续课程：I-7. Streaming

OpenClaw学习总结_I_核心架构_5：Memory系统详解阶段：I. 核心架构课序：第 5 课前置知识：I-4. Session 管理后续课程：I-6. Compaction

放下华子我只抽RuiKe5

从零构建高精度 AI Agent Skill：Tech Blog Generator 实战指南摘要：为什么同样是写技术博客，有的 AI 能输出高质量内容，有的却满屏 “In today’s digital landscape”（在当今的数字景观中）？答案往往不在模型本身，而在于 Skill（技能）的设计质量。本文将以 tech-blog-generator 为例，深度解析如何构建一个符合 OpenClaw/Codex 标准的高精度 AI Skill，并手把手教你将其发布到 GitHub。

在未来等你

AI Agent Skill Day 11：RAG Retrieval技能：检索增强生成的技能封装【AI Agent Skill Day 11】RAG Retrieval技能：检索增强生成的技能封装在“AI Agent Skill技能开发实战”系列的第11天，我们聚焦于知识检索技能模块的核心能力——RAG（Retrieval-Augmented Generation）检索增强生成技能的封装。随着大语言模型（LLM）在开放域问答、智能客服、企业知识库等场景中的广泛应用，单纯依赖模型内部参数的知识已难以满足准确性、时效性和领域专业性的要求。RAG通过将外部知识库与生成模型动态结合，显著提升了回答的可靠性与

AI Agent 核心认知框架详解在人工智能领域，Agent（智能体）之所以区别于传统的聊天机器人，核心在于其具备感知、规划、记忆和使用工具的能力。而决定 Agent 如何思考、如何决策以及如何执行任务的底层逻辑，被称为“认知框架”。认知框架是 AI Agent 的大脑结构，从基础的思维链到复杂的反思机制，每种框架都在试图解决大模型幻觉、逻辑断层或工具使用不当的问题

在未来等你

AI Agent Skill Day 12：Web Search技能：互联网搜索与信息聚合【AI Agent Skill Day 12】Web Search技能：互联网搜索与信息聚合在“AI Agent Skill技能开发实战”系列的第12天，我们聚焦于Web Search技能——这一使Agent具备实时获取互联网公开信息能力的核心模块。随着大模型知识存在时效性限制（如训练数据截止至2023年或2024年），仅依赖内部知识库难以应对动态世界中的最新事件、股价、新闻、产品发布等需求。Web Search技能通过集成搜索引擎API（如SerpAPI、Google Programmable Sear

Kimmy评论论文的深度分析：AI Agent自我认知与进化路径最近Kimmy针对某篇AI Agent相关论文发表了重要评论，引发了业内广泛讨论。作为长期从事AI Agent系统设计的实践者，我想从技术实现、理论框架和实际应用三个维度，对Kimmy的观点进行深度剖析，并提出自己的见解。

星野云联AIoT技术洞察

2026 年 MCP + MQTT：AI Agent 真正控制 IoT 设备的落地路径如果今天还把 MCP + MQTT 理解成“让 Agent 直接发一条 MQTT 消息”，那这条路线在生产环境里大概率走不远。MCP 解决的是 Agent 与工具之间的结构化交互问题，MQTT 解决的是设备侧常见的消息传输问题，但真正决定 AI Agent 能否控制 IoT 设备落地的，是中间那层控制平面是否存在。

Java后端的Ai之路

OpenManus 开发实战图文教程将自然语言转化为可执行工作流的 AI 智能体框架OpenManus 是由 MetaGPT 团队在 2025 年 7 月推出的开源通用 AI 智能体框架。它的核心理念是**“无堡垒、纯开放”**，能够将自然语言需求直接转化为可执行的工作流。

杨超越luckly

AI Agent应用指南：自动化构建品牌数据库：提示词 + API + 结构化输出在人工智能从“感知智能”迈向“认知智能”的今天，大语言模型（LLM）正加速超越对话助手的局限，演变为可编程、可集成的智能数据代理（AI Agent）。它们不仅能理解人类用自然语言表达的复杂意图，更能主动执行信息检索、结构化提取、层级组织乃至逻辑校验等类人任务。这一能力为垂直领域知识库的构建提供了全新可能：无需依赖网页结构、不需人工标注、也无须采购昂贵的商业数据库，仅通过语义指令即可驱动模型生成高质量结构化数据。