- 博客(30)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 为什么 Claude Code 选择 Bun 而非 Node.js？—— 运行时选型的技术考量
Claude Code 选择 Bun 而非 Node.js 的技术考量主要基于五个关键因素： 启动速度优势：Bun 冷启动 45ms（Node.js 320ms），热启动 20ms（Node.js 150ms），显著提升用户体验 原生 TypeScript 支持：直接执行 .ts 文件，简化开发流程，无需预编译步骤 高效的死代码消除：通过环境变量常量替换实现编译时优化，显著减小打包体积 高性能内置 API：文件操作和 JSON 解析等核心功能比 Node.js 快 2-5 倍 一体化工具链：内置包管理、构建
2026-04-07 23:09:22
9
原创 Claude Code 源码泄露事件深度剖析：51 万行代码背后的技术启示录
Claude Code 源码泄露事件分析 2026年3月，Anthropic公司旗舰产品Claude Code CLI的完整源代码因构建配置失误意外泄露，引发技术社区广泛关注。安全研究员Chaofan Shou发现npm包中包含了57MB的source map文件，导致约2,300个文件、51.2万行TypeScript代码暴露。 泄露代码揭示了Claude Code的先进架构设计：采用Bun而非Node.js作为运行时，使用React+Ink构建终端UI，包含约40个插件式工具系统、46K行的查询引擎模块
2026-04-07 22:13:44
74
原创 个人 AI 助理——打造你的第二大脑
信息过载时代，个人 AI 助理不再是奢侈品，而是必需品。本文教你如何搭建专属 AI 助理，实现信息管理、知识沉淀、决策辅助的智能化，让 AI 成为你的"第二大脑"。
2026-04-01 23:26:42
291
原创 智能办公革命——AI 如何重塑企业协作
2026 年，智能办公不再是概念。本文通过真实案例，展示 AI 如何在会议管理、文档协作、任务跟踪、知识管理等场景中提升企业协作效率。
2026-03-31 23:56:54
317
原创 AI 企业服务实战——客服、营销、销售、HR 全场景解析
2026 年，AI 在企业服务领域从"可选项"变成"必选项"。本文深度解析客服、营销、销售、HR 四大核心场景的 AI 落地实践，提供可复制的实施路径和 ROI 计算方法。
2026-03-30 22:54:02
467
原创 内容创作新范式——从 AIGC 到智能体工作流
2026 年，AI 内容创作从"生成"进化到"创作"。本文解析 AIGC 工具的演进，分享智能体工作流如何重塑内容生产，以及创作者如何拥抱这一变革。
2026-03-30 21:47:01
801
原创 智能办公革命——AI 如何重塑企业协作
AI办公革命：重塑企业协作效率 2026年，AI已深度融入企业办公场景，显著提升协作效率。调研显示，78%职场人受困于会议过多，72%苦于信息分散。AI办公实现从"人适应工具"到"工具适应人"的转变，通过三层能力（决策层、协调层、执行层）重构工作流程。 核心应用场景包括： 智能会议管理：自动安排会议、实时记录、会后跟进，某科技公司会议时间缩短37.5%，任务执行率提升至92% 智能文档协作：AI辅助创作提升效率78%，智能版本管理使12人团队完成报告时间从3周降至10
2026-03-29 21:42:48
327
原创 OpenClaw 生态全景图——AI 助理如何改变工作方式
摘要：2026年，OpenClaw生态系统通过AI助理彻底改变工作方式。该系统连接微信、飞书、钉钉等主流平台，提供"对话即完成工作"的全新体验。核心架构包括用户界面层、OpenClaw核心层和技能生态层，支持天气查询、文档处理、自动化报表等多样化场景。个人用户可提升70%信息整理效率，企业应用能缩短30%会议时间，实现客服响应从分钟级到秒级的飞跃。部署建议从小规模试点开始，逐步扩展到定制化企业应用，最终实现工作流程的智能化转型。
2026-03-29 18:54:28
503
原创 Agent 性能优化：降低 Token 消耗的 5 个技巧
AI Agent 性能优化摘要（146字） 本文介绍了5种降低Token消耗的优化技巧：1）精简提示词（节省96%）；2）智能裁剪对话历史（节省75%）；3）优化工具描述（节省95%）；4）流式输出提升体验；5）缓存结果减少重复调用。通过实战案例展示，客服机器人Token消耗从1500降至500（节省67%），数据分析助手从3000降至800（节省73%）。高级优化包括模型选择策略（简单任务用便宜模型）、批量处理（减少API调用）和提前终止机制。综合应用这些技巧可显著降低运营成本，如案例中每月预估节省$90
2026-03-27 20:53:24
315
原创 LangChain vs Google ADK：主流框架对比测评
本文对比了Google ADK和LangChain两大AI开发框架。Google ADK在易用性、代码简洁度和性能方面表现更优，特别适合新手和快速原型开发；而LangChain在功能丰富度、生态成熟度和模型支持方面领先，更适合企业级复杂项目。测试显示ADK平均快25%，但LangChain支持更多模型和工具。最终评分LangChain略高(8.0 vs 7.8)，建议根据项目需求选择：简单应用选ADK，复杂系统选LangChain。
2026-03-27 20:50:08
380
原创 给 Agent 添加工具调用能力：搜索/计算/API
本文介绍了如何为AI Agent添加多种工具调用能力，包括网络搜索、数学计算、API调用、文件操作和数据库查询。文章详细说明了每种工具的实现方法，提供了代码示例和使用说明。网络搜索工具使用DuckDuckGo API获取实时信息；计算器工具支持多种数学运算；API调用工具演示了天气和股票查询；文件操作工具包含读写和目录列表功能；数据库工具则实现了安全的SQL查询。这些工具扩展了Agent的功能边界，使其能够执行具体操作并获取实时数据，为开发更智能的AI助手提供了实用基础。
2026-03-26 22:59:33
165
原创 AI Agent 记忆系统实现：让机器人记住对话历史
本文介绍了为AI Agent实现记忆系统的技术方案，包含三种记忆类型：短期记忆（对话历史）、长期记忆（持久化存储）和向量记忆（语义搜索）。文章提供了基于列表的短期记忆实现、带摘要的记忆优化方案，以及使用ChromaDB和Sentence Transformers构建向量记忆的详细代码示例。实战案例展示了如何将记忆系统应用于个性化助手和客服机器人场景，通过语义搜索检索相关记忆并生成智能回复。这些技术可帮助AI Agent记住对话历史、用户偏好和专业知识，实现更智能的多轮交互体验。
2026-03-25 23:49:33
185
原创 30 分钟搭建第一个 AI Agent：Google ADK 入门
本文摘要： 《30分钟搭建第一个AI Agent：Google ADK入门》是一篇面向初学者的AI Agent开发教程。文章首先介绍了AI Agent的核心概念（大模型+记忆+工具调用），然后详细讲解了使用Google ADK开发AI Agent的完整流程： 环境准备：Python 3.10+、虚拟环境、Google ADK安装和API配置 基础示例：包括简单对话Agent、带记忆的对话Agent和带工具调用的Agent 实战项目：实现了一个天气查询Agent，演示了工具调用和持续对话 进阶内容：多Agen
2026-03-25 23:32:10
202
原创 OpenClaw 源码解析：架构设计与扩展开发
本文深入解析了OpenClaw开源项目的系统架构和核心模块，提供了扩展开发的详细指南。文章首先展示了OpenClaw的四层架构设计（用户接口层、核心引擎层、工具执行层和基础设施层），然后重点剖析了三大核心模块：任务规划器、上下文管理和工具注册中心的实现原理。在扩展开发部分，详细介绍了如何开发自定义工具、技能和插件，包括代码示例和配置说明，为开发者提供了完整的扩展开发方法论。全文通过清晰的架构图和实用的代码示例，帮助开发者快速掌握OpenClaw的内部机制和扩展能力。
2026-03-24 23:30:42
207
原创 OpenClaw + Feishu 集成实战：打造企业级 AI 助手
OpenClaw + Feishu 集成实战：企业级 AI 助手解决方案 本文详细介绍了如何将 OpenClaw 与飞书深度集成，实现企业级自动化办公。主要内容包括： 1️⃣ 基础配置：创建飞书应用、获取凭证、权限配置 2️⃣ 核心功能：消息通知（文本/富文本/群聊）、文档自动化（创建/更新/协作） 3️⃣ 高级应用：机器人集成（自动回复）、数据报表（日报/周报自动生成） 4️⃣ 实战案例：消息卡片、交互式消息、文件上传等企业场景 5️⃣ 注意事项：权限管理、API限流、错误处理等关键点 通过本文，读者可掌
2026-03-24 23:14:12
191
原创 用 OpenClaw 搭建 AI 定时任务系统
本文介绍了如何使用 OpenClaw 搭建 AI 定时任务系统。主要内容包括：定时任务的核心概念（一次性提醒、周期性任务、条件触发），基础用法示例（提醒、周报、数据抓取），以及高级功能如任务降级、任务依赖、条件触发和任务分组。文章还提供了任务管理方法，包括查看、修改任务和执行历史记录。通过 OpenClaw 可以轻松实现各类自动化定时任务，提高工作效率。
2026-03-23 22:47:39
174
原创 OpenClaw 浏览器自动化详解：控制 Chrome 做 Anything
OpenClaw 浏览器自动化指南摘要 本文详细介绍了使用OpenClaw控制Chrome浏览器实现自动化的方法。主要内容包括：基础操作（打开网页、导航、元素操作）；实战案例（自动登录、数据抓取、批量下载、表单填写）；高级技巧（等待加载、弹窗处理、多标签管理、截图录屏、数据提取）；元素定位方法（CSS选择器/XPath/语义化定位）以及常见问题解决方案。通过自然语言指令，用户可轻松实现网页操作自动化，适用于爬虫、测试、批量处理等场景，支持Chrome/Edge等主流浏览器。
2026-03-23 22:44:17
399
原创 用 OpenClaw 自动发布 CSDN 文章，效率提升 10 倍
本文介绍如何使用OpenClaw工具实现CSDN文章自动化发布，可将效率提升10倍以上。主要内容包括：1) 准备工作：安装OpenClaw并登录CSDN账号；2) 操作步骤：准备Markdown格式文章，通过指令实现自动填写内容、添加标签等功能；3) 高级技巧：批量发布、定时提醒和自动提取标签；4) 注意事项：发布间隔、内容质量和人工确认等。与传统手动发布相比，该方法可将单篇文章发布时间从15-20分钟缩短至2-3分钟。
2026-03-22 14:21:56
161
原创 Ubuntu 安装 OpenClaw 完整教程 (避坑指南)
这是《OpenClaw 从入门到精通》系列的 **第 2 篇**。如果你还没看过第 1 篇，建议先回去了解一下 OpenClaw 是什么。本文我会带你 **在 Ubuntu 系统上完整安装 OpenClaw**，并且把我遇到的所有坑都告诉你，帮你避开那些我踩过的雷。
2026-03-22 00:02:04
432
原创 什么是 OpenClaw?
导读： 还在手动重复操作浏览器？还在为自动化脚本头疼？OpenClaw 让你用自然语言控制电脑，像有个 AI 助手在帮你操作！本文带你 5 分钟快速理解 OpenClaw 的核心概念和使用场景。
2026-03-21 19:00:17
393
原创 OpenClaw 是什么？5 分钟理解这个 AI 自动化神器
*OpenClaw** 是一个 **AI 驱动的自动化工具**，它能让你用自然语言（比如中文）控制电脑执行各种任务。| 第 5 期 | 用 OpenClaw 搭建 AI 定时任务系统 | 第 5 天 || **维护成本** | 高（页面变了要改代码） | 低（AI 自动适应） || 第 4 期 | OpenClaw 浏览器自动化详解 | 第 4 天 || **学习成本** | 高（需要学编程） | 低（会打字就行） || **灵活性** | 固定流程，难调整 | 动态适应，智能决策 |
2026-03-21 18:55:39
221
原创 Linux常用命令总结
一般来说只要每个CPU的当前活动进程数不大于3那么系统的性能就是良好的，如果每个CPU的任务数大于5，那么就表示这台机器的性能有问题。并且，我们公司生产环境的服务器还不给vim的命令权限。top命令虽然功能强大，但与Linux传统的 top命令相比，htop 更人性化，支持带有颜色的显示形式，相比top命令可以支持鼠标操作。大文件 的CP：跨网络复制吃带宽、大量零散文件批量删除-比较慢的操作，吃IO，线上慎用，所以我们使用nfs存放临时文件的，需要有年月日的文件夹分开存放，不然ls都出不来就很难清理。
2025-08-04 09:21:29
296
原创 RESTFUL架构应用实践
不过，现在github是使用…例如上述/git/git/commit/e3af72cdafab5993d18fae056f87e1d675913d08就表示了一个多级的资源， 指的是git用户的git项目的某次提交记录，又例如/orders/2012/10可以用来表示2012年10月的订单记录。这样的方式对于客户端来说，无疑是更为直观，但混淆了资源的名称和资源的表述形式。RESTFUL架构应该遵循统一接口原则，统一接口包含了一组受限的预定义的操作，不论什么样的资源，都是通过使用相同的接口进行资源的访问。
2025-08-04 09:18:01
346
原创 Linux中基于docker安装oracle
例子：docker run --name tomcat -p 5555:8080 -v /home/mengsheng/abc:/usr/local/tomcat/webapps/ -d tomcat。-p：表示宿主机与容器的端口映射，此时将容器内部的 8080 端口映射为宿主机的 5555 端口，这样就向外界暴露了 58080 端口，可通过 Docker 网桥来访问容器内部的 8080 端口了。批量批次数和处理业务的线程数调优：批次大小，和线程数多少是对立的。这个限制本质上是对单个进程内存的限制。
2025-08-04 09:16:21
401
原创 内存泄漏排查
第一次出现OOM，改了之后，周二再次出现，还是那个lpush导致，排查后发现，那种写法不止在一个地方出现，周一发版只改了其中一个类，另一个类没有改。这里看起来是登录的功能，猜测这些线程都是用户登录的线程，应该已经内存溢出了，导致用户登录不了，所以这里应该不是导致问题的原因，而是内存溢出后导致的问题。点击 file ---> open heap dump，选择刚才的dump文件，等待几分钟，mat工具会生成一个默认的报告。可以看到新生代内存已经使用了99.999%，老年代已经100%了，说明已经有问题了。
2025-08-04 09:14:48
434
原创 数据库索引的那些事
比如：A，B，C三列索引 条件中A和B是完全匹配索引。而使用三列组合索引，虽然会增加索引的大小，但可以通过索引键的顺序来更好地支持多列的查询条件：所以也是一种用空间换时间的方案，当性能需要的特殊场景可以考虑添加。PS2：实际我们在大表查询时，如果遇到索引的结果集太大，而且过滤条件无法全部包含在索引中时，无法避免需要去表中查较多数据进行过滤和排序，IO开销就会和索引命中的结果集的数量成正比。比如，某个晚上，业务需要，我们迁移某个历史大表的数据到新表中，这里的索引效果是有问题的。特殊场景下，才考虑这个选择。
2025-08-04 09:10:20
335
原创 SQL优化的7大杀手锏，揭秘数据库性能瓶颈！
在 B+树中，非叶子节点不存储数据，只存储索引键值，而叶子节点存储索引键值和指向实际数据的指针。这减少了非叶子节点的大小，提高了树的深度，从而减少了查询时的磁盘 I/O 操作。PS：这个例子有点歧义，虽然可以命中最左匹配，但由于只有1个字符，在选择索引时，优化器除了判断有索引以外 ，还会分析这个索引的代码是否会过高，如果 这是个表大，并且数据分布不均，总的来说，表连接和 ON 条件通常在执行流程的较早阶段完成，随后的筛选、分组、过滤和排序等操作会基于连接的结果集进行。锁的粒度决定了锁的范围。
2025-08-04 09:09:07
362
原创 SQL优化核心思想-读书笔记
脚本，可以查看表的段大小。过滤条件包括：a.sql_id = b.sql_id，a.child_number = b.child_number，b.object_owner = c.owner，b.object_name = c.segment_name，b.object_owner = d.owner，b.object_name = d.table_name，c.owner = 'SCOTT'，b.operation = 'TABLE ACCESS'，b.options = 'FULL'。
2025-08-04 09:07:36
432
Excel常用的函数基本操作
2010-10-13
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人