胖小天

一、问题：AI 的”失忆症”你有没有遇到过这种情况？ 和 AI 聊了一个下午，讨论了项目方案、定了技术选型、甚至聊到了你的偏好。 第二天再打开对话，它问你： 你好，我是 AI 助手，有什么可以帮你？ 一切归零。 这不是 AI 的错。是 context 上下文窗口的限制。 两种记忆人的记忆分两种： 短期记忆：工作记忆，容量有限，持续几秒到几分钟 长期记忆：永久存储，容量近乎无限 AI 也一样。 类型 人类 AI Agent 短期记忆 工作记忆 context 上下文窗口 长期记忆 大脑皮层 ？（缺失） context 上下文窗口是 AI 的”工作内存”，但它没有”硬盘”。 对话一结束，工作内存清空。下次见面，它不认识你。 二、方案：两层记忆架构OpenClaw 的解决方案很直接： 给 Agent 加一个”硬盘”。 123456789101112131415┌─────────────────────────────────────────────┐│ OpenClaw Agent │├────── ...

AI Agent 的记忆系统，正在从”无状态工具”向”有记忆的伙伴”演进。 OpenClaw 提供了灵活的记忆架构：从开箱即用的 Markdown 文件系统，到功能完备的 OpenViking 记忆引擎。两种方案各有侧重，适合不同的场景。 这篇文章会深入解析： OpenClaw 默认的 Memory 机制 Memory-Search 的构建原理 OpenViking 记忆系统的工作方式 Telos + Obsidian 的目的驱动框架 三种方案的对比与选择 一、默认 Memory 机制：Markdown 即记忆OpenClaw 的核心理念：文件即记忆。 不需要数据库，不需要复杂配置。记忆就是工作区里的 Markdown 文件。 1.1 两层结构123456~/.openclaw/workspace/├── MEMORY.md # 长期记忆（curated）└── memory/ ├── 2026-03-12.md # 今日日志 ├── 2026-03-11.md # 昨日日志 └── ... MEMORY.md：存放需要长期记住的信 ...

OpenClaw 安全架构白皮书：从威胁模型到防御实践一个危险的假设想象这样一个场景： 你的 AI Agent 拥有完整的 API 访问权限。 它可以读写你的数据库。 它可以执行任意 shell 命令。 它可以访问你的业务系统。 如果这个 Agent 被攻破，攻击者会获得什么？ 所有这些权限。 更可怕的是——Agent 以机器速度自动执行。 无人值守，没有确认弹窗，没有”你确定吗”。 一次成功的攻击，几秒钟内就能完成横向移动。 这不是科幻。 这是每一个部署 AI Agent 的人必须面对的现实。 为什么 OpenClaw 需要”威胁模型”OpenClaw 是目前唯一公开威胁模型的 AI Agent 工具。 这本身就值得说一说。 威胁模型（Threat Model）是什么？ 简单说，就是回答三个问题： 攻击者可能从哪里进来？ 他们能做什么？ 我们如何阻止？ 没有威胁模型的工具，安全策略往往是”打补丁式”的——出了问题再修。 有威胁模型的工具，安全设计是”架构式”的——从地基开始考虑。 OpenClaw 选择了后者。 它基于 MITRE ATLAS 框架（专门针对 AI 系统的威胁分 ...

一个人就是一个团队——OpenClaw 多 Agent 协作实战指南Harrison Chase 说了一句话，我记了很久。 通才比以往更有价值。 他是 LangChain 创始人，这句话出自他那篇刷屏的《How Coding Agents Are Reshaping EPD》。 当时我就在想：通才的价值，到底从哪来？ 答案藏在后半句—— 因为没有沟通开销。 一个能做产品、设计、工程三件事的人，比三人团队更快。 因为没有来回拉扯，没有会议，没有”再对一下”。 但问题是：即使是通才，时间也有限。 一个人做三件事，精力分散。 “没有沟通开销”的前提是：你能独立完成所有环节。 直到我看到了 OpenClaw。 一、范式转变：从”单打独斗”到”团队作战”先回顾一下我们是怎么用 AI 的。 旧范式一个 ChatGPT，应付所有问题。 问代码、问写作、问分析……都是同一个”人”。 问题来了： 上下文混杂：上一秒还在写代码，下一秒要分析数据，Agent 的”脑子”会乱 专业度有限：同一个 Agent，很难在所有领域都足够深入 每次重新教育：切换任务，要重新解释背景 这就像让一个员工同时做 ...

AI Agent 的 USB-C —— 一文读懂四大协议小天想做一个 AI Agent。 能读他的日历、查他的邮件、还能写代码跑起来。 他发现一个很头疼的问题： 每个数据源都要单独对接。 Claude 用一套 API，ChatGPT 用另一套。 飞书要单独写，Notion 又不一样。 “为什么没有统一标准？” 答案是：正在形成。 而且不止一个。 2026 年，AI Agent 正在经历从”对话工具”到”自主执行者”的转变。 这个转变背后，有四个开放协议正在构建互操作生态。 它们分别是：MCP、A2A、ACP、Skills。 看起来很复杂？ 别急，一个一个来。 一、MCP：Agent 的 USB-C先从最核心的说起。 MCP（Model Context Protocol），Anthropic 主导的开源标准。 它解决一个问题：Agent 怎么连接数据源？ 一个类比以前手机充电有多乱？ Micro-USB、Lightning、Type-C……每家都有自己的接口。 后来 USB-C 统一了。 一根线，所有设备都能用。 MCP 就是 Agent 世界里的 USB-C。 写一个 MCP S ...

训龙虾——打造你的 AI 分身上一篇聊完养龙虾。 身份录入了，技能装好了。 你的龙虾已经能干活了。 但还有一个问题—— 每次对话，它都像第一次见面。 你说过的话，它不记得。 你交代过的偏好，它下次还问。 明明用一个 AI 用了 40 天，它还是那个刚出厂的样子。 智能体不会因为你用得更久而变聪明，但它周围的文件会变得更丰富、更精准。 今天这篇，解决的就是这个问题。 为什么你的 AI 总是”失忆”先问一个问题： 第1天和第40天，用同一个模型，区别在哪？ 答案是：区别在于一堆每周都在变丰富的 Markdown 文件。 模型还是那个模型。 但你给它读的文件，变厚了。 变精准了。 更贴合你的需求了。 这就是 OpenClaw 的核心设计—— 文件系统本身就是集成层。 AI 不需要”记住”一切。 它只需要在你开口时，读到正确的文件。 三层文件架构OpenClaw 的文件架构分三层： 1234567891011121314151617┌─────────────────────────────────────────┐│ 第一层：身份层 ...

养龙虾——让 AI 真正认识你你的龙虾还在冬眠吗？ 先聊聊：什么是养龙虾“龙虾”是 OpenClaw 的昵称。 OpenClaw 是一个开源的个人 AI Agent 框架，2026 年 1 月在技术圈爆红。 它不是 ChatGPT 那样的聊天工具。 它是一个”住在电脑里的 AI 管家”——能操作你的文件、运行命令、浏览网页、连接你的飞书和 Telegram。 一句话概括： 它标志着 AI 从”对话工具”向”自主执行者”的范式转变。 怎么装前置要求 Node 22 或更新版本。 检查一下：node --version 安装命令 根据你的系统选择： 系统 命令 macOS / Linux curl -fsSL https://openclaw.ai/install.sh | bash Windows (PowerShell) iwr -useb https://openclaw.ai/install.ps1 | iex 装完之后 运行 onboarding 向导： 1openclaw onboard --install-daemon 它会引导你配置模型、 ...

企业级 Skills 架构派：把团队智慧编码成 AI 本能团队里有个现象，挺有意思。 同样的需求，小王用 Claude 写出来的代码，跟小李用 Claude 写出来的，风格完全不同。 小王喜欢用 class，小李偏爱函数式。 小王习惯写注释，小李觉得代码即文档。 两个人都很努力，都很专业。 但产出的代码放在一起，像两个项目。 企业 AI 落地的第一个坑这个问题不解决，AI 用得越多，越乱。 很多团队已经踩进去了： 同一个团队，AI 输出风格迥异。 产品文档，A 同事生成的像教科书，B 同事生成的像营销文案。 品牌一致性难以保证。 设计规范写了 50 页，但每次 AI 生成的 UI 都要人工校准。 最佳实践无法沉淀。 老员工摸索出来的 prompt 技巧，离职就带走了。新员工从零开始踩坑。 不是人的问题。 是没有把”怎么做”编码成 AI 能理解的形式。 Skills 是什么？官方定义：Skills 是 Claude Code 的能力扩展包。 我的理解更直接： Skills 把你的经验，变成 AI 的本能。 一个 Skill 就是一个 Markdown 文件。 告诉 AI：遇到这类 ...

Skills 入门实战派：5 分钟让 Claude 输出”有个性”你有没有发现，让 Claude 写一个落地页，出来的东西几乎一模一样？ Inter 字体。紫色渐变。白底。极简动画。 一眼就能认出来——这是 AI 生成的。 问题不在 Claude。在于分布收敛。 模型在采样时，会倾向训练数据中出现频率最高的”安全选择”。这些选择通用、不出错、也不得罪人。 但对做产品的你来说，这种”AI 味”正在削弱品牌辨识度。 好消息是：Claude 高度可引导。 告诉它”别用 Inter”，输出立刻改善。 问题是，每次都要重复这些指令，太累。 Skills 是什么一句话：按需加载的领域知识包。 你把常用的指令、约束、最佳实践写成 Markdown 文件，放到指定目录。Claude 会在需要时自动读取，用完即走。 这不是插件，不需要写代码，不需要调 API。 就是一份文档。 但这份文档，能让你从”每次都要说一遍”变成”说一次，永久生效”。 Skills 的原理：三级渐进加载为什么 Skills 能做到”按需加载”而不撑爆上下文？ 因为 Anthropic 设计了一个三级渐进式加载机制。 第一级：元 ...

在2025年最新技术环境下，Visual Studio Code（VSCode）已成为Go语言开发的首选编辑器，结合其强大的Go扩展和丰富的工具链支持，可以打造高效、智能的Go开发环境。本文将为您提供一个系统、简明的VSCode Go环境搭建指南，帮助您快速开启Go语言开发之旅。 一、安装Go语言环境 下载Go安装包访问Go官方网站下载对应操作系统的安装包： Windows：下载.msi安装程序 macOS：下载.pkg安装程序 Linux：下载.tar.gz压缩包或使用包管理器安装 推荐使用最新稳定版（如Go 1.23.x或更高版本），它包含了最新的性能优化、安全补丁和特性支持 。 安装Go Windows：双击.msi文件，按向导完成安装，确保勾选”将Go添加到系统PATH”选项 macOS：双击.pkg文件，按向导完成安装 Linux： 对于.deb或.rpm包：使用apt或yum安装 对于.tar.gz：解压到/usr/local目录 验证安装打开终端（Windows使用CMD或PowerShell），执行以下命令：go versio ...