logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

Superpowers Skills 完整探索

Superpowers Skills 摘要 Superpowers 是一个智能体技能框架和软件开发最佳实践工具包,包含 6 大类核心技能: 调试类:强调先调查根因再修复(systematic-debugging)和完成前验证(verification-before-completion)的严谨流程 设计规划类:通过头脑风暴(brainstorming)探索多种方案,并使用结构化计划(writing

#人工智能
在 WSL2 上从源码安装 OpenClaw(2026 年最新版)完整实录:踩坑 + 解决方案**

在 WSL2 (Ubuntu 20.04) 上从 GitHub 源码编译安装 OpenClaw 个人 AI 助手(2026.1.30 版),过程中遇到 Node 版本过低、pnpm 未安装、node-llama-cpp 编译失败(CMake 版本不足)、gateway 默认只绑 loopback、Control UI 安全策略(secure context 要求 HTTPS 或 localhost

#人工智能
OpenClaw 使用免费 Kimi K2.5 的主流方式(2026年2月最新情况)

OpenClaw 已将 Kimi K2.5(及 Kimi Coding)设为首个官方免费主力模型(OpenClaw 自补贴算力)。主流免费使用方式:1. **官方通道**(最推荐):安装 OpenClaw(curl 脚本或 npm),运行 onboard,选择 Moonshot AI → Kimi Code API Key(新版可留空或任意填继续),选 moonshot/kimi-k2.5 模型,

#人工智能
OpenClaw 用户使用手册

OpenClaw是一个跨平台AI代理消息网关,支持WhatsApp、Telegram、Discord等多种消息服务。本文档详细介绍其安装配置、通道设置、代理系统、工具使用和安全管理等内容,提供从基础入门到高级功能的完整指导,帮助用户快速掌握OpenClaw的使用方法,实现AI代理与各类消息平台的安全高效集成。

#人工智能
OpenClaw 架构文档

OpenClaw 是一个跨平台的消息网关,用于连接 AI 代理与各种消息服务,如 WhatsApp、Telegram、Discord、iMessage 等。它提供了一个统一的接口来处理来自不同渠道的消息,并将其路由到 AI 代理进行处理。

#架构#人工智能
一文看懂 OpenClaw 和 Dify:定位差异、能力边界与最佳场景

OpenClaw 是偏执行型的自主 AI 助手,强调本地部署、隐私保护和系统级自动化,适合个人或团队做真实任务执行;Dify 是低代码 LLM 应用构建平台,擅长工作流、RAG 和产品化部署,适合企业快速搭建 AI 应用。两者核心差异在“做事”与“做应用”。

#人工智能
AMD 主机上部署大模型的选型参考:以 Ryzen AI Max+ 395 128GB 配置为例

摘要: 本文针对2026年AMD Ryzen AI Max+ 395(Strix Halo架构)128GB主机部署大模型(32B–120B参数)的选型问题,重点分析OpenClaw/OpenCode等AI代理框架的兼容性需求。通过对比LM Studio、Ollama等工具在GPU利用率、API稳定性和上下文支持的表现,推荐LM Studio(Vulkan后端)为首选方案,并提供配置示例(如1310

#人工智能
OpenClaw 升级搜索能力:轻松接入 Tavily,让你的个人 AI 助手更聪明、更精准

大家好,我是 Lyben,生活在新加坡的 AI 爱好者。最近 Brave Search API 免费额度大幅缩水或直接取消后,很多 OpenClaw 用户(包括我自己)都在寻找更好的 Web 搜索替代方案。。这个插件直接把 Tavily Search API 集成进 OpenClaw,让你的 AI 助手能享受到专为 Agent/RAG 优化的搜索结果:更干净的结构化输出、AI 生成的摘要、页面提取

#人工智能
OpenClaw 部署方式对比:云端、WSL、Mac 本机、Ubuntu 虚拟机(2026年2月最新主流实践)

OpenClaw(原 Clawdbot/Moltbot)本质是 Node.js + 守护进程 + 技能生态的本地/云端 AI Agent 平台。官方推荐 **本地安装**(CLI 一键),但实际用户多用云端 24/7 运行或混合方式。下面按你提到的几种部署方式,列出**优缺点**和**典型使用场景**

#macos#ubuntu#linux
任务委托:协同智能时代的系统设计范式

任务委托模式正推动人工智能从单体智能迈向协同智能新时代。这一系统设计范式通过专业化分工与动态授权机制,实现三大核心价值:效率的指数级提升、质量的系统性保障以及系统可扩展性的根本解决。其分层架构包含顶层指挥、中层主管和底层执行三个层级,形成清晰的委托-分解-执行链条。任务委托模式不仅解决了单体模型面临的上下文限制、领域知识不足等困境,更为构建下一代AI原生应用提供了关键架构思路,将成为智能化转型的重

#人工智能
    共 72 条
  • 1
  • 2
  • 3
  • 8
  • 请选择