vector-z-CSDN博客

原创 Claude Code ：入门少走弯路的使用技巧

本文分享了使用AI开发工具Claude的实用技巧，主要包括：1）常用快捷键和核心命令（如/plan规划模式、/compact压缩上下文）；2）项目配置方法（CLAUDE.md文件）；3）自动化钩子设置；4）推荐的MCP扩展和Skills技能；5）进阶技巧如并行运行和自定义命令；6）实战开发场景应用。文章还提供了常见问题解决方案和相关参考链接，帮助开发者提升使用Claude的效率。

2026-05-17 00:47:06 618 1

本文介绍了上下文工程（Context Engineering）的概念及其在大型语言模型（LLM）应用中的重要性。上下文工程旨在优化有限上下文窗口下的token效用，通过精心选择和管理上下文内容来维持模型的高效运行。文章探讨了四种关键策略：1）上下文卸载与检索，将信息存储在外部系统并按需获取；2）上下文摘要，对历史对话进行有损压缩；3）上下文隔离的多智能体架构，通过子智能体分担任务；4）KV缓存技术，重用计算结果降低延迟和成本。这些方法共同解决了长对话场景下的"上下文腐败"问题，帮助智能体

2026-05-05 11:01:40 416

原创从零开始搭建多 Agent 系统

摘要：多Agent系统通过分工协作提升AI任务处理效率。Agent（智能体）能自主规划、调用工具并执行多步任务，区别于传统LLM的单轮问答模式。多Agent的优势在于专业化分工（各Agent专注特定领域）和并行处理能力（同时执行独立子任务）。实现时采用“编排器-子Agent”架构，编排器拆解任务并分配，子Agent在独立上下文中执行，避免信息干扰。关键挑战包括Token消耗控制、上下文隔离、工具描述清晰度及调试难度。开发建议：从单Agent入手理解ReAct循环（推理→执行→观察），逐步扩展为多Agent

2026-04-28 23:11:12 451

原创 Hermes 与 openclaw 的技术路线对比

2026年AI工程化发展呈现Hermes与OpenClaw两大互补技术路线。OpenClaw作为开源AI执行网关，以"配置即行为"为核心理念，提供本地化部署、丰富技能生态（44000+社区Skill）和强执行能力，适合快速构建标准化应用。Hermes则采用"驾驭工程"设计哲学，具备三层记忆系统、自演进能力和40+内置工具，实现AI的持续优化与个性化服务。二者与Claude、Code等工具形成协同生态，用户可根据需求选择：OpenClaw适合快速原型开发，Hermes擅

2026-04-13 23:05:28 756

原创从开发角度认识Swarms

Swarms是一个面向开发者的多智能体LLM框架，旨在降低多智能体系统开发门槛。其核心优势包括：1）提供灵活的架构设计，支持预构建和自定义智能体集群；2）具备强大的第三方集成能力，可无缝对接各类API、数据库和业务系统；3）提供开发者友好的API，简化智能体编排复杂度。Swarms生态系统包含Framework、Cloud、Models等核心组件，覆盖开发、部署、运营全流程，支持从简单任务自动化到企业级业务编排的各类场景。通过标准化工具链和丰富的功能组件，Swarms显著提升了多智能体系统的开发效率和业务落

2026-04-11 17:08:36 446

原创 Swarms（蜂群式 AI 架构）

摘要：Swarms是一种由多个自主智能体组成的分布式系统，其灵感源于自然界群体行为（如蜂群），具有去中心化、自组织和动态适应性等特征。系统包含感知、决策和通信模块，通过共识算法和任务分配机制实现协作。技术实现包括基于语言模型的提示工程和强化学习方法，应用场景涵盖数据处理、科研协作和游戏仿真等。当前优化方向聚焦通信开销、策略漂移和系统可解释性等问题。

2026-04-10 23:15:10 278

原创 langchain初步认识

本文介绍了LangChain框架的核心功能及开发注意事项。LangChain通过6大模块（Models、Prompts、Memory等）简化了大模型应用开发，解决了模型切换、结构化交互等问题。重点分享了开发中的实用经验：1)必须使用.invoke()调用接口；2)Chain管道符顺序不可调换；3)Memory需单独处理；4)调试时开启缓存但生产环境需关闭；5)流式输出配置及避免重复打印的技巧。这些规范设计虽初期学习成本较高，但能有效提升开发效率和系统稳定性。

2026-04-08 23:33:38 299

原创 openclaw基于飞书开发多agent协作

OpenClaw 是一个开源、可自托管的个人 AI Agent 平台。它运行在你自己的机器上（笔记本、VPS 均可），连接你已有的聊天渠道（WhatsApp、Telegram、飞书等 22+ 平台）。它不仅能聊天 —— 更能执行任务：读写文件、处理邮件、运行代码、控制浏览器、调度工作流。一句话概括：一个坐在你消息应用和工具链之间的 Agent 运行时 + 网关，24/7 永远在线。

2026-04-03 23:19:00 752

原创一文理清RAG流程，学会如何开发RAG项目！！！

摘要：RAG（检索增强生成）技术通过结合信息检索与大模型生成能力，有效提升AI回答的准确性和可信度。其核心流程分为数据准备（提取、分割、向量化、入库）和应用阶段（提问、检索、生成）。关键技术包括意图识别、查询改写/扩写、向量索引检索和结果重排。评估指标涵盖检索质量（命中率、排名）、生成质量（忠实度、相关性）和端到端效果。RAG优势在于减少模型幻觉、支持知识库动态更新和答案溯源，适用于需要精准信息检索的复杂场景。

2026-04-01 00:20:26 330 1

原创一篇弄懂Function Calling，MCP，Skills!!!!!!

摘要： FunctionCalling、MCP协议和Skills是AI工具调用的三种技术方案，分别解决模型参数输出、工具统一管理和系统互通问题。FunctionCalling通过语法约束解码实现结构化输出，但需注意安全风险；MCP采用三层架构动态管理工具，区分资源与操作；Skills通过元数据和编排封装复杂任务。实际选型需权衡场景需求，简单任务用FunctionCalling，企业系统需Skills层，跨平台生态依赖MCP。设计时应注重Schema质量、错误处理和安全隔离，避免过度设计。

2026-03-30 23:20:27 411 1