技术博客 全部文章

Openclaw将对话与数据映射为本机文件，调用Claude读写文件完成任务；若把公司也建模为统一文件系统，案件、计费、权限等以目录与权限表示，打通分散系统数据，AI代理即可凭共享命名空间获取上下文并做决策，文件系统将成代理的事实源。

Agent工程师用GPT-4到多种coding agent一年多将生产开发交给AI，发现瓶颈是上下文丢失而非模型能力，于是用HANDOFF结构化交接替代压缩、用Sub-Agent分工与文件传递扩容上下文、用git worktree隔离并发，并给agent全局多仓视图与测试日志CLI自验证能力，协作方式转为Issue驱动开发与PR审查，最终沉淀并开源Code Relay协议复用该工作流。

越来越多智能体需要能运行代码、装包、读写文件且与主机隔离的沙箱工作区，文中给出两种集成模式：智能体在沙箱内通过网络交互，环境耦合强但更新需重建且API密钥更易暴露；智能体在外部把沙箱当远程执行工具，迭代快、密钥留在外部但会引入网络延迟，deepagents可通过简单配置同时支持两者。

作者将Obsidian接入Claude（Claudian+终端），用CLAUDE.md固化身份与协作规则，并以16个Skill把采集、写稿、配图、跨平台发布模块化自动化，使播客素材到带图成文发布压缩至约30分钟，结论是“超级大脑”在于把个人工作方式文字化并让AI按此执行。

研究员提出“代理团队”让多实例Claude在无人工干预下并行写代码，借助循环脚手架、任务锁与高质量测试，两周约2000次会话耗2万美元生成10万行Rust C编译器，可编译Linux 6.9并覆盖x86/ARM/RISC-V，验证复杂项目可自主完成但在冲突、性能与可靠性上接近模型极限且存在安全风险。

Claude Code 团队提炼10条用法，核心是没有统一最佳配置，关键动作包括用git worktree并行多会话推进任务，复杂需求先Plan Mode反复对齐再执行，持续更新CLAUDE.md与可复用Skills固化规范与流程，直接把Bug与CI失败交给Claude闭环修复，并用终端配置、语音输入与Subagents提速，外延到数据分析与学习模式，结论是效率与产出质量可显著上升但需按个人注意力与任务复杂度取舍。

作者主张在AI时代用Postgres统一搜索、向量、时序、队列等能力，通过扩展提供与专用数据库相同或更优算法，减少多库导致的运维学习成本、数据同步漂移与SLA叠加故障，结论是99%团队应先用Postgres，仅在极端规模再引入专用库。

提出用Claude等自主编码代理跑持续循环：将需求拆成小任务，逐轮实现、测试、提交并重置上下文，借AGENTS.md、日志与Git形成持久记忆，配自动化测试/CI和监控止损，在分支沙箱内控权限降风险，最终实现夜间稳定迭代并加速交付。

创始人Peter Steinberger借助AI在66天完成8297次原子化提交，推动Moltbot从WhatsApp中继演化为多平台本地Agent，并以提交分类、测试与渐进发布控制变更风险，项目获得8万+GitHub星，证明高频迭代可同时维持产品路线与稳定性。

为让编码代理掌握与项目版本匹配的Next.js16新API，作者对比skills与在AGENTS.md内嵌8KB压缩文档索引并跑强化后的评测，skills默认与无文档同为53%，加脆弱指令升至79%，而AGENTS.md索引达100%且可用npx @next/codemod@canary agents-md一键生成，结论是通用框架知识当前更适合用被动上下文驱动检索而非按需触发skills。