把设备能力接进 OpenClaw:Node 应用的架构与实现

随着大模型的飞快发展 AI 接入、自动化接入、工具接入非常流行,但一旦问题落到“真实设备能力怎么进入系统”时,情况就变得复杂。 摄像头怎么接?截图怎么做?通知、照片、位置这些能力如何统一暴露?更重要的是,这些能力不是在本地脚本里临时调用一下,而是要进入一个可连接、可调度、可鉴权、可回传结果的系统里。

OpenClaw(龙虾)进阶:轻量 Node 跨端控制物理设备,下一代 Agent 雏形?

目前关于 OpenClaw,大家讨论最多的是工作流和 Skills 怎么写。但对于开发者来说,它还有一个非常实用的工程价值——节点(Node)服务。它解决了一个很痛点的问题:怎么优雅地让云端的 Agent 安全、稳定地调用你本地电脑或手机上的硬件能力。 大模型的理解能力越来越强,但还是会出现:“好

OpenClaw(龙虾) 进阶:AI Agent团队协同的原理与使用

在构建复杂的 AI Workflow 时,依赖单一的大模型或单一的 Agent,通常难以兼顾不同领域的专业性。上下文一长,AI 就容易“失忆”或“越界”。 趋势必然是多 Agent 协同作业(Multi-Agent)——让负责调度的“老板”、负责写代码的“技术专家”和负责搜集信息的“情报员”各司其职

OpenClaw(龙虾) 进阶:多机器人、多 Agent 配置——AI团队协同的前提

默认情况下添加飞书频道绑定一个机器人之后,这时每个机器人对应的是一个Agent。你将该机器人拉到不同的群中他对应的也只是同一个机器人,在OpenClaw端背后对应着同一个Agent。 单机器人多群聊多Agent:配置多个群聊对应单机器人多个不同Agent,每个Agent之间数据隔离、模型可以不一样,

Claude Code 实战:从 Plan 模式到多 Agent 并行,NewsFlow 升级实录

上篇文章介绍了Vibe Coding编程的基本流程与使用,本篇主要关于如何Vibe Coding对产品进行升级,通过对 NewsFlow 这个新闻聚合应用进行升级来连接AI工具的使用。 要实现 UX 升级、RSS 集成、智能搜索、视觉创新四大模块,按传统开发节奏至少需要一个月。这次全程使用 Clau

当AI编程进入「Vibe Coding」模式:从脑洞到MVP产品

  传统产品开发流程是比较繁琐的,光需求调研就要花不少时间,更别说后面的技术选型、架构设计、代码实现、测试调试、部署运维——每个环节都有大量工作要做。 AI 编程不是简单地理解为 AI 替我们"写完了所有代码",而是有整套 AI-Native 工作流:以 Claude Code

Agent Skills:给智能体赋予技能——与其“喂”数据,不如教它“查字典”

2025年,Agent相关的概念、协议与标准层出不穷。从年初的 MCP,再到 A2A、A2UI 等,围绕着 Agent 相关而推出的各种标准。随着Agent生态的完善,Agent的门槛可用程度也越来越高。 Agent也从最开始的使用特定提示词、工具调用到基于MCP、基于工作流、A2A形式的,再到目前

单GPU运行N个专家模型:Multi-LoRA的低成本实战——从法律专家到代码专家

  对于个人或小公司有部署使用本地大模型的需求,但由于业务需求直接部署一个开源的通用大模型又不满足需求。这时常见的解决方案是使用RAG方案或微调模型方案。微调是使用领域知识训练模型,使模型其具备相应的领域知识能力。微调后模型可独立生成相应的领域知识,无需再通过RAG方案问答时通过上下文提供对应的领域

大模型法律知识评估——Qwen3-0.6B到8B vs LawLLM-7B

现在无论是数码产品手机、电脑、CPU、GPU等或是大模型跑分是一个永恒不变的流程,虽然现在不少厂商针对跑分进行了专门的“优化”,但跑分目前还是相对客观评价一个硬件产品或是软件产品的手段。 不服? 来跑个分。 跑分的专业术语是评测、评估。大模型评估对通用大模型很重要,对垂直模型一样很重要,一个垂直模型

智能体详解——极简深度研究Agent

   深度研究是各大AI平台都比较比较常见的智能体,无论是国外的OpenAI、Google或是国内的Kimi、阿里等都提供了此功能。只需要通过输入想要研究探索的主题该智能体就会自动通过网络检索、调用工具等抓取与用户关心的该主题的相关内容,然后输出该主题的报告/文章。    对于DeepResearc
Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×