AI智能体
玩转Ai Agent，OpenClaw的各种玩法，学习Ai Agent技巧，OpenClaw技能分享
DeepSeek Harness 完全指南：Everything is a Plugin 的 AI 编程工具
昨天注定是一个载入史册的日子——DeepSeek 一口气放出了两大惊喜：官方 DeepSeek V4 Pro 模型，以及 DeepSeek Harness 的 developer preview。
截至本文撰写时，仅…
9种Agentic架构模式详解：AI开发者必备的智能体设计指南
每一个运行中的 AI Agent，底层都依赖以下 9 种架构模式之一。
大多数 AI 开发者遇到的瓶颈，并不是技术能力不足，而是架构模式选择不当。
同一个 Agent 循环，处理简单任务时可能表现优异；但当任务复杂度上升时，它可能变得成…
DSH 插件 vs Skill：DeepSeek Harness 中 skill 还有必要装吗？一文说清关系与迁移
DeepSeek Harness（DSH）开源不到 48 小时就破了 10 万 Star，创下 GitHub 史上最快涨星纪录。全网都在推 DSH 插件教程，火了大半年的「必装 skill」文章似乎被「必装插件」取而代之。
但 skill …
模型如何获得更好的推理表现：8 种测试时计算机制详解
让大语言模型（LLM）获得更强推理表现的方法，主要可以归为两类：
并行扩展（parallel scaling）：对同一个提示多次采样，再从多个候选结果中进行选择。
顺序扩展（sequential scaling）：在给出最终答案前，延长单…
DeepSeek Harness 架构与执行 Loop 深度全解：模型之外的可靠执行系统
Harness 不是又一个 Agent 框架，而是一套让模型 真正能干完事 的执行系统。
过去两年，大模型工程的关注点基本是这条线：模型 → Prompt → RAG → Agent。但凡真正跑过复杂任务就会发…
构建 Agent Harness 的 7 个关键设计决策：从单智能体到权限控制
前沿大模型之间的能力差距正在缩小，智能体系统真正的差异化因素，正逐渐转向模型之外的基础设施——Agent Harness（智能体运行框架）。
它围绕大语言模型（LLM），负责组织智能体循环、工具调用、记忆、上下文管理…
2026 年 RAG Embedding Model 选型指南：六类场景与三条过时经验
2026 年，RAG 系统的 Embedding 模型选择不再是一刀切的答案。不同场景、不同预算、不同数据形态，需要不同的模型。本文梳理了六类典型场景的最优选择，以及三条 2025 年曾被视为常识、如今已过时的经验。
场景一：通用型商业 …
Agent Skills 沉淀企业 SOP：从静态文档到可调度知识资产
企业中常见的困境是：核心 SOP 掌握在少数老员工手里，一旦人员流动，整套流程就要从头重建。如果能把 SOP 沉淀为 Agent 可用的 Skill，就能把隐性知识显性化、可复用。
Skill、Prompt、Tool、MCP 的区别
这四个…
具身智能 7 个核心概念通俗讲解：从 VLM、VLN 到世界模型
如果你最近关注机器人、具身智能或者智能驾驶，应该会经常看到这些缩写：VLM、VLN、VA、VLA、WM、WAM、VLX。它们背后其实指向同一条技术主线：
具身智能要做的事，是让模型从「看懂世界」，走向「能在世界里行动」，再走向「行动前能预判…
LangChain、AgentScope、Mem0 深度横评：谁才是 Agent 的真正记忆系统？
2026 年初，有一个现象让人反复思考：某些 Agent 框架用起来特别"顺"。不是因为它接了哪家最强的模型，也不是代码有多优雅，而是用过的人都说——这东西越用越懂你。
它能记住你上次说的代码风格偏好，能记住你项目…