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

OpenClaw 、Codex 和 Claude Code 三者的关系

截至 2026 年 7 月 28 日,一句话概括:Codex 和 Claude Code 是直接竞争的“专业编程 Agent”;OpenClaw 更像一个长期在线、模型中立的个人 AI 助手与 Agent 调度平台。三者既竞争,也可以组合使用。

#人工智能
OpenClaw 、Codex 和 Claude Code 三者的关系

截至 2026 年 7 月 28 日,一句话概括:Codex 和 Claude Code 是直接竞争的“专业编程 Agent”;OpenClaw 更像一个长期在线、模型中立的个人 AI 助手与 Agent 调度平台。三者既竞争,也可以组合使用。

#人工智能
开发环境对比:VS Code、Cursor、IntelliJ IDEA

开发环境对比:VS Code、Cursor、IntelliJ IDEA

#intellij-idea#java#ide
用 Java 开发者熟悉的 JDK/JDBC 思想理解 MCP

MCP(Model Context Protocol)是AI领域的关键协议,类似于Java中的JDBC,为AI调用外部工具和服务提供统一接口。它屏蔽底层差异,让AI无需了解具体实现细节,只需按标准协议调用工具(如GitHub、数据库等)。MCP的价值在于构建生态,目前已有多种工具支持。随着AI进入Agent时代(执行实际任务而非仅回答问题),MCP有望成为AI与现实世界协作的通用标准,就像HTTP

#java#开发语言#MCP
Addy Osmani Loop Engineering(循环工程):让系统替你向 Agent 发出 Prompt

文章摘要: Loop engineering(循环工程)正在颠覆人机协作模式,其核心是用自动化系统替代人工向AI Agent发送Prompt。这种递归式工作流让AI根据既定目标自主迭代,直至任务完成。技术领袖认为,未来的开发工作将转向设计循环系统而非直接操控Agent。典型循环包含五个关键组件:定时运行的自动化任务、避免冲突的工作树、记录项目知识的技能模块、对接现有工具的插件,以及分工协作的子Ag

Addy Osmani Loop Engineering(循环工程):让系统替你向 Agent 发出 Prompt

文章摘要: Loop engineering(循环工程)正在颠覆人机协作模式,其核心是用自动化系统替代人工向AI Agent发送Prompt。这种递归式工作流让AI根据既定目标自主迭代,直至任务完成。技术领袖认为,未来的开发工作将转向设计循环系统而非直接操控Agent。典型循环包含五个关键组件:定时运行的自动化任务、避免冲突的工作树、记录项目知识的技能模块、对接现有工具的插件,以及分工协作的子Ag

一张架构图看懂 CC Switch:AI Coding 工具链终于有了“控制中心”

摘要: CC Switch 是一个 AI 编程工具配置管理器,旨在统一管理多工具(如 Claude Code、Codex CLI)与模型服务(如 Anthropic、OpenRouter)之间的配置,解决开发者面临的重复配置问题。其核心功能包括一键切换 Provider、集中管理 MCP 配置和 Prompt、同步多工具设置等,显著提升开发效率。通过分层架构,CC Switch 充当控制层,而非替

#人工智能
Loop Engineering 是一种开发方法;ReAct 是一种 Agent 推理框架;OODA 是一种通用决策模型。

概念本质回答的问题所在层级开发方法论如何与 Agent 高效协作完成复杂任务?最高层(开发者工作流)ReActAgent 推理框架Agent 如何思考、调用工具并根据结果继续行动?中间层(Agent 内部)OODA通用决策模型智能体如何持续观察环境、决策并行动?最底层(抽象决策思想)OODA提供了"观察→判断→行动"的通用思想;ReAct将这种思想具体化为大语言模型可执行的推理与工具调用流程;

Python AI 字幕识别项目踩坑与环境配置保姆级避坑指南

本文总结了Python AI项目环境配置的关键经验与常见问题解决方案。核心要点包括:1) 必须使用虚拟环境隔离依赖,避免系统污染;2) 典型问题处理:NumPy版本冲突需降级至1.x,Hugging Face下载问题建议使用新工具hf离线下载,模型路径报错需组合参数使用;3) 提供了包含环境激活、线程冲突解决和转录命令的一键运行模板。附注建议根据需求选择模型版本,base模型适合快速转录,medi

#python#人工智能#开发语言
在项目级别创建 Python 虚拟环境

摘要: 项目级Python虚拟环境(如.venv/或venv/)是最佳实践,能实现依赖隔离(避免版本冲突)、便于迁移(通过requirements.txt)和IDE自动识别(如VS Code)。推荐目录结构包含虚拟环境、代码、数据及依赖文件,并通过.gitignore忽略环境目录。对于普通开发(如API调用、字幕处理),venv轻量高效;涉及深度学习时建议使用Conda。典型操作包括创建环境(py

#python
    共 65 条
  • 1
  • 2
  • 3
  • 7
  • 请选择