摘要： 本文详细介绍了在 Ubuntu 24.04 系统上通过 Docker 部署 Ollama 并运行 Qwen3.5-9B（Q8_0量化模型）的完整流程，同时对接 OpenClaw 实现 Web 交互。关键步骤包括：环境检测（NVIDIA驱动、Docker）、Docker版Ollama的安装与模型拉取（注意数据持久化），以及OpenClaw的配置与权限管理。重点解决了GPU支持、端口冲突、用户

摘要：Agent后台任务设计的关键思路 本文探讨了Agent系统中后台任务的设计要点。核心观点是：将慢命令的执行与主循环解耦，通过后台线程执行任务，再通过通知机制将结果适时反馈给模型，而非阻塞主流程。具体实现包含三个关键部分： BackgroundManager管理任务状态和通知队列 后台线程执行命令并更新结果 主循环通过检查通知队列获取已完成任务 这种设计保持了主循环的简洁性，同时实现了任务执行

文章摘要： 本文探讨了子代理机制的核心价值——通过创建独立的消息上下文来简化主代理的负担。子代理不是简单的多Agent扩展，而是通过sub_messages = []实现上下文隔离，让主代理只保留任务摘要而非完整过程记录。这种设计解决了主代理上下文膨胀问题，同时保持了工具调用的灵活性。文章通过代码分析、类图和时序图，清晰展示了父子代理的分工协作机制，特别强调了task工具作为委派入口的关键作用，以

摘要：Agent后台任务设计的关键思路 本文探讨了Agent系统中后台任务的设计要点。核心观点是：将慢命令的执行与主循环解耦，通过后台线程执行任务，再通过通知机制将结果适时反馈给模型，而非阻塞主流程。具体实现包含三个关键部分： BackgroundManager管理任务状态和通知队列 后台线程执行命令并更新结果 主循环通过检查通知队列获取已完成任务 这种设计保持了主循环的简洁性，同时实现了任务执行

任务系统设计中，仅依赖聊天记录推进长期工作存在三大问题：状态不稳定、关系不明确、无法接力执行。s07_task_system.py通过建立持久化任务系统，将任务状态从对话上下文迁移到.tasks/目录下的独立JSON文件中。该系统通过blockedBy和blocks双向维护任务依赖关系，并在任务完成时自动解除阻塞状态，实现任务图的动态推进。核心创新在于将任务从临时会话记忆升级为可持久查询的外部状态

本文介绍了如何通过TodoWrite工具让AI在多步任务中保持执行秩序。核心思路是将任务计划从模型内部思维中显式提取出来，形成可校验、可回看并能持续更新的会话计划。相比前一版本，新增了TodoManager作为计划管理中心，负责接收、校验、存储和渲染计划。模型需显式提交完整计划而非零散修改，Python端则统一校验并确保只有一个进行中任务。系统还设置了计划更新提醒机制，避免模型长时间未更新计划。这

本文探讨了智能体团队协作设计的核心要素，指出真正的团队协作不仅需要多个模型并行工作，更需要建立持久化的组织结构。文章对比了临时子代理与固定队友的区别，强调后者需要具备身份标识、状态管理和通信通道三个关键特征。通过分析代码实现，重点解读了MessageBus采用JSONL邮箱文件的简洁设计理念，以及TeammateManager如何管理成员名册、状态和线程。文章指出，这种设计以最小成本实现了团队协作

这篇文章探讨了如何在不重写Agent主循环的情况下扩展其能力。核心观点是：稳定的Agent执行闭环比工具数量更重要。文章以代码示例s02_tool_use.py为基础，展示了通过添加工具schema和分发handler来扩展能力的方法。 关键要点： 专用工具比万能bash更安全高效，如read_file、write_file等 新增了路径安全边界safe_path()来约束文件操作范围 使用TOO

本文探讨了子代理（subagent）机制的核心价值——通过上下文隔离保护主代理（Agent）的思路清晰度。当主代理执行复杂任务时，中间过程产生的噪音会污染上下文，导致模型难以聚焦主线。

摘要：本文探讨了Agent在执行复杂多步骤任务时容易偏离主线的问题，提出通过"待办清单驱动执行"的解决方案。核心思路是让Agent自行维护结构化任务清单（TodoManager），而非依赖固定流程规划