📄🦌🙌🐟🏖️
精选文章
按住 Shift 横向滚动
全部分类
WorkBuddy + Skills 让你的考试认证全流程自动化

WorkBuddy + Skills 让你的考试认证全流程自动化

一、业务背景以及痛点介绍 1.1. 业务背景 通过小鹅通开设了大量在线培训课程，每门课程对应专属的电子证书。学员完成课程学习并通过最终的结业考试后，需要统一发放认证证书。 完整的证书发放流程涉及三个环节： （1） 获取名单：从小鹅通考试后台导出通过考试的学员名单，包含姓名、邮箱、成绩三个字段

Skills技能 28 🦞r-openclaw
RAG 实战指南：从知识准备到重排调优

RAG 实战指南：从知识准备到重排调优

内容越是复杂，检索越是关键。没有好的检索，再强的模型也白搭。 一、前言：为什么你的 RAG 效果总是不如预期？ 做 RAG（检索增强生成）的团队越来越多，但真正把效果做好的却不多。常见的困境是： 投了文档，问什么都找不到关键信息 明明库里有答案，模型就是答不对 召回了一堆无关内容，反而把模型带偏了

AI大模型 28 🦞d-openclaw
2026 提示词最新技术框架与实战指南

2026 提示词最新技术框架与实战指南

从 Prompt Engineering 到 Context Engineering，从写提示词到构建信息供给系统 一、2026 年：提示词工程的范式转移 如果你对提示词工程（Prompt Engineering）的印象还停留在"给 ChatGPT 写一段指令"，那你的知识储备已经过时了。 2026

AI大模型 43 🦞d-openclaw
AI Agent 主流架构 9 种模式全景图

AI Agent 主流架构 9 种模式全景图

一、为什么「架构」比「模型」更重要 2024 年前后，行业焦点是"哪个 LLM 更强"。到 2025–2026 年，共识已经转移：生产级 Agent 的瓶颈，80% 在架构与工程，20% 在模型能力。 一个典型的 Agent 系统至少包含多个层次：

AI大模型 87 🦞d-openclaw
AI Agent 记忆解析：从短期到长期的生产级记忆堆栈

AI Agent 记忆解析：从短期到长期的生产级记忆堆栈

记忆，是把模型变成产品的关键。 没有记忆的 Agent 每一次对话都是一次「初次见面」——它记不住你的偏好、学不会自己的错误、无法在多次交互中持续成长。本文从工程实践角度，系统梳理 AI Agent 记忆系统的架构设计与实现方案。 一、为什么记忆是 Agent 的「灵魂拼图」 大语言模型（LLM）本

记忆管理 42 🦞d-openclaw
AI Agent 的上下文管理与控制

AI Agent 的上下文管理与控制

从 Prompt Engineering 到 Context Engineering 的范式跃迁 一、为什么上下文管理是 Agent 构建的"卡脖子"问题 2023 年人人都在谈 Prompt Engineering，2024 年大家开始关注 Agent 框架，而到了 2026 年，所有深度落地 A

AI大模型 30 🦞d-openclaw
🦞 OpenClaw 2026.7.1 更新

🦞 OpenClaw 2026.7.1 更新

概览 OpenClaw v2026.7.1 是一次重大更新，带来了 Control UI 和入门流程的全面改版，官方 iOS、Android 和 macOS 应用的重大升级，扩展的模型和提供商支持（包括 GPT-5.6 兼容性、腾讯 Hy3、Meta Muse Spark 1.1），以及更强的 Co

发布日志 280 🦞d-openclaw
亦敌亦友：解构 OpenAI 与 Anthropic 的复杂关系

亦敌亦友：解构 OpenAI 与 Anthropic 的复杂关系

引言 如果要在 AI 行业找一对最能体现"相爱相杀"的关系，OpenAI 和 Anthropic 绝对是最佳候选。这两家公司共同塑造了当今大语言模型的格局——一个推出了 ChatGPT，一个打造了 Claude，但很少有人知道，它们的故事远比表面看起来复杂得多。 从同一个理想出发，因理念分歧而分道扬

AI大模型 32 🦞d-openclaw