顶级产品的系统提示词，早就不是在"调教模型"，而是在给一个强力系统立法。它们更像公司内部的架构规范文档，有不变的宪法层，有随工具变化的运行时合同层，有可插拔的能力模块层，有随风险加厚的权限治理层。每一层都在解决非常具体的产品问题：如何让用户不感到被监视、如何让代理行为可追溯、如何在执行能力扩大的同时不被恶意注入劫持。写这些东西需要的能力，已经和当年"怎么写一个好 Prompt 让 GPT-3 听话

在开发这个项目初期，我一度觉得写代码变成了一件特别爽的事。需要个什么功能，直接丢给大模型，几秒钟代码就出来了。但这股新鲜感没维持多久。当 video-helper 从一个简单的脚本，膨胀成一个包含 Next.js 前端和 FastAPI 后端的完整开源项目时，光靠对话来驱动 AI 开发开始频频翻车。模型经常写着前端的页面，就忘了后端的数据接口长什么样；或者在修复一个小 bug 时，顺手把我之前定好

2026 年初，如果你问一个技术圈的朋友最近在聊什么，十有八九会听到"龙虾"。不是餐厅里的那种。是 OpenClaw——一个让 AI 真正长出"手脚"的开源 Agent 框架，一个在的现象级项目，也是一个在短短的荒诞故事。我想把这件事完整地捋一遍。不是为了蹭热点，而是因为 OpenClaw 这段历程里，有太多值得认真对待的东西——关于技术、关于人性、关于这一波 AI 浪潮的本质。more。

2026 年初，如果你问一个技术圈的朋友最近在聊什么，十有八九会听到"龙虾"。不是餐厅里的那种。是 OpenClaw——一个让 AI 真正长出"手脚"的开源 Agent 框架，一个在的现象级项目，也是一个在短短的荒诞故事。我想把这件事完整地捋一遍。不是为了蹭热点，而是因为 OpenClaw 这段历程里，有太多值得认真对待的东西——关于技术、关于人性、关于这一波 AI 浪潮的本质。more。

另一个则是成功安装飞书插件后，我明明已经启动了openClaw的gateway并配置了飞书应用的AppID和APPSecret，但是在飞书工作台为该应用设置事件和回调为长连接时，保存的时候一直出现应用未建立长连接的报错。还是以openclaw为例，我想要创建不同的agent并连接不同的飞书机器人专门负责不同的功能(比如一个负责选题与写作，一个负责我的网站运营)，而不是所有的功能都堆叠在main a

众所周知，在一个agent中，大模型通过Tool calling来实现各种各样的功能，但是工具的方式多种多样，它可能是bash命令，可能是已经备受认可的skills，也可能通过直接运行代码实现。那么我们在搭建一个智能体时，应该如何设置工具的提供方式呢？Thariq则提出，这没有标准答案，核心在于我们应该代入到agent自身的视角，像agent一样思考问题，让你的设计模式和agent的能力相契合。

先从一个直觉上的比喻入手。想象一下，你雇了一位大厨。你每次叫他炒菜，都得先花 10 分钟教他你的口味偏好、厨房用具在哪、盐放哪个罐子里。每次都从头开始，效率极低。大厨已经把这些背景记在脑子里了。你只需要说一句："来个回锅肉，照旧。"他瞬间就能开火。落到模型推理上，道理是一样的。Prompt Caching 的核心思路是：对于已经出现过的内容，我们直接复用此前的计算结果，只把精力放在真正新的内容上，

众所周知，在一个agent中，大模型通过Tool calling来实现各种各样的功能，但是工具的方式多种多样，它可能是bash命令，可能是已经备受认可的skills，也可能通过直接运行代码实现。那么我们在搭建一个智能体时，应该如何设置工具的提供方式呢？Thariq则提出，这没有标准答案，核心在于我们应该代入到agent自身的视角，像agent一样思考问题，让你的设计模式和agent的能力相契合。