ai agent

OpenClaw学习总结_IV_认证与安全_5：Secret管理与轮换详解本篇目标：把 OpenClaw 项目里所有“能代表身份/能导致越权/能被滥用”的敏感信息（secrets）怎么存、怎么用、怎么轮换、怎么审计，讲成一套可落地的工程规范。

行者-全栈开发

AI 驱动的智能行程规划系统：腾讯地图 Map Skills 实战💡 摘要: 本文深入讲解了如何使用腾讯地图 Map Skills 构建 AI 驱动的智能行程规划系统，涵盖需求分析、NLU 模块设计、Tool Calling 实现、POI 检索、路径规划、行程生成算法、多人汇合点推荐等核心内容。通过完整的代码示例和实战案例，展示如何从零到一打造企业级 LBS 应用。包含 8 个常见问题和性能优化技巧，适合有一定基础的开发者进阶学习。

zhangshuang-peta

通过 MCP 控制平面引入技能构建 agentic 产品的团队，往往一开始会把 “skills（技能）” 当作一种内部构造：它是可复用指令、工具 schema，以及一点点嵌在每个 agent 内部的胶水代码的混合体。对于少量技能和单个 agent，这种方式可能是可行的，但一旦多个 agent、多个团队以及多个环境需要安全且一致地共享能力，这种方法通常就会崩溃。开放的 Agent Skills 格式（例如一个 SKILL.md 清单文件，再加上可选的脚本/资源）以及 OpenAI API 层面的 “Skills” 概念，都是行业正在标准

都市凡尘@Paraverse

Agent 设计模式第 3 章学习笔记：从设计到演化，走进 Agent 时代LLM 融入软件架构核心后，软件从被动工具升级为主动智能体，人机交互从 “命令 - 控制” 转向 “意图 - 协作”，Agent 是具备感知、记忆、推理、行动能力的数字新物种。

Java Agent 集成 MCP 工具协议：让 AI 真正驱动企业系统标签：Java MCP Agent j-langchain LLM 工具调用 Function Calling 适合人群：希望把企业 API、数据库、文件系统等能力统一接入 Java Agent 的开发者

zhangshuang-peta

MCP 的渐进式披露渐进披露（progressive disclosure）是一种用户体验策略，它让复杂系统在不移除能力的前提下，显得简单。这个模式很直接：先展示大多数人此刻成功所需的少量选项，而“其余内容”只在用户请求时，或在任务相关时才揭示出来。做好这一点，可以减少错误、提升可学习性，并加快高频任务——尤其是在“MCP”环境中，因为那里有多个渠道、能力和治理要求，可能会让用户和团队不堪重负。 [1]

正在走向自律

AI Agent：从概念到实践，下一代人工智能的核心形态说实话，第一次用ChatGPT的时候我是有点震撼的。但用了几个月后发现，它更像是个"超级搜索引擎"——你问一句，它答一句，对话之间没什么连续性。直到去年我开始接触AI Agent，才真正感觉到：哦，这才是我想象中AI该有的样子。

【Agent Memory篇】08：MemPalace MCP 服务、CLI、Hooks 与实战指南本文是「Agent Memory 系列」第 08 篇，也是 MemPalace 子系列的完结篇。这是"最后一公里"——把一个单机 Python 包变成 AI 的长期记忆器官。

从“应答机器”到“提问专家”：解锁AI主动思考的Prompt设计艺术本文深入探讨如何通过精妙的Prompt设计和身份赋予，将AI从被动的信息提供者转变为主动的问题发现者。文章系统解析了“审计/顾问”身份设定的核心原理，结合代码审查、需求分析、安全审计等实战场景，提供可操作的Prompt模板和设计框架。通过引入Active-Prompt、AI Agent等前沿技术，展示如何构建具备主动提问能力的智能助手，为人机协作开辟全新范式。

【Agent Memory篇】05：MemPalace 整体架构、宫殿隐喻与四层记忆栈系列前四篇（01–04）我们拆完了 OpenClaw 这一套"LLM 自主决定记什么"的 Agent Memory 方案。从这一篇开始，主角换人——我们进入一个立场截然相反的项目：MemPalace（milla-jovovich/mempalace，v3.0.14）。

zhangshuang-peta

MCP 与 Prompt Engineering：协议出现后，Prompt 还重要吗？一、一个常见疑问：有了 MCP，还需要 Prompt 吗？（A Common Question: Do We Still Need Prompts After MCP?）

[FastMCP设计、原理与应用-02]以命令行和客户端与MCP服务器交互在"Hello, MCP"，我们采用HTTP传输协议搭建了一个简单FastMCP服务器，并直接采用HTTP请求的形式完整MCP的基本操作，包括读取组件列表、调用工具、读取资源和渲染提示词等操作。接下来我们来演示其他两种交互方法，一是使用fastmcp命令行，而是以编程的方式是客户端SDK。

Hermes Agent爆火，聊聊与OpenClaw 到底区别在哪最近 AI Agent 圈出了一个新爆款——Hermes Agent，GitHub Star两个月冲到46k，被很多人称为「OpenClaw 的第一个真正对手」。正好最近在研究这两个工具，整理一份实操向的对比分析。

非科班Java出身GISer

国产 AI IDE（Agent）颠覆传统开发方式：codebuddy 介绍，以及简单对比 trae、lingma、Comate首先说一下最主要的原因：懒。外国 AI IDE 应该是挺早就有了，而笔者一直无感，主要是感觉前端开发对这个依赖程度不高。

行者-全栈开发

腾讯地图 Map Skills 快速入门：从零搭建 AI 智能行程规划应用💡 摘要: 本文深入讲解了腾讯位置服务开发者征文大赛的参赛指南，通过实战案例展示了如何使用腾讯地图 Map Skills 从零开始搭建 AI 智能行程规划应用。涵盖 API Key 申请、Vue3 项目初始化、地图集成、AI Agent 架构设计等核心内容。结合腾讯云开发环境，提供完整的项目模板和最佳实践，帮助开发者快速入门并构建高质量的参赛作品。包含 8 个常见问题和完整的代码示例。

AI自动化工坊

工程实践：AI Agent双重安全验证机制的技术实现方案近期以太坊创始人Vitalik Buterin提出的AI Agent安全模型在技术社区引起广泛讨论。作为开发者，我们不能仅仅停留在概念层面，更需要关注如何在工程实践中落地这一安全理念。本文将深入解析Human+LLM 2-of-2验证机制的技术实现细节。

【OpenClaw】一文说明 OpenWebUI / Ollama / OpenClaw 的区别与关系本文档对比了三个自托管 AI 项目的核心定位、功能特点与相互关系。定位：轻量级的本地 AI 模型运行服务

zhangshuang-peta

MCP：把不确定性变成工程能力一、MCP 试图解决的，从来不是“模型不够聪明”（What MCP Tries to Solve Is Never “Models Are Not Smart Enough”）

灵机一物AI原生电商小程序(已上线)-AI Agent+社交裂变：电商增长闭环的技术落地全解析（附代码结构与风控方案）作者：Maris5188摘要：AI砍价早已不是新鲜事，但传统单人对话砍价模式存在流量闭环断裂、获客成本高的痛点。本文从技术落地视角，完整拆解「AI对话砍价+社交裂变」的产品技术方案，重点讲解增量架构设计、Redis热数据缓存、多场景风控实现，以及LangGraph工作流的扩展改造，帮助技术开发者快速复用现有系统，落地高转化的社交裂变增长模式，解决AI砍价“砍到底就结束”的核心难题。

程序员夏末

【AI Agent基础 | 第五篇】简析MCP(模型上下文协议)前言本文是我近期学习MCP相关的知识并结合AI整理总结而来，一是为了记录，二是用于日后的回顾，三也是希望能其给他初学者带来一点点帮助。