Agent如果只依赖LLM的内置知识，就像一个只靠记忆力的学生——知识有限且会过时。RAG（Retrieval-Augmented Generation）让Agent能从外部知识库中检索专业、实时的信

腾讯Marvis 5月20日全量上线，免费免邀请码。作为用了两周的老用户，我拿真实职场场景跑了一遍——找文件、清C盘、改设置、测网速、查配置、整桌面，这些每天消耗你的碎片操作，让AI来干。

单个Agent再强大，也受限于一个LLM的推理能力和知识边界。当多个Agent组成团队，各司其职、相互协作，就能解决远超单Agent能力范围的复杂问题。这就是多智能体系统（Multi-Agent Sy

国产最贵、速度还慢，凭什么还是国产之光？Kimi K3 前端能力全球第一梯队，长任务处理稳，还是开源模型，这次是真敢跟顶尖闭源模型掰手腕了。

最近，GLM 5.2 接连刷屏，国产模型又热闹起来了。 加上 DeepSeek V4、MiniMax M3，还有阶跃星辰的 Step-3.7-Flash，国产大模型这一波可以说是你追我赶，热度一下子又

AI Harness，助你成为 AI 全栈开发！ git submodule + domain init，以及对 AI 的一些思考

Kaku 是 Pake 作者 tw93 开源的 AI 终端，基于 WezTerm 深度定制，内置命令修复、自然语言转命令和 AI 聊天面板。

最近这段时间，国内外模型更新得很快。 如果只看发布会和榜单，大家都会觉得每个模型都很强。参数更大、上下文更长、推理更强、价格更低，听起来都挺猛。 但真正用到工作流里，会发现另一件事：模型强不强，不只看

最近这段时间，国内外模型更新得很快。 如果只看发布会和榜单，大家都会觉得每个模型都很强。参数更大、上下文更长、推理更强、价格更低，听起来都挺猛。 但真正用到工作流里，会发现另一件事：模型强不强，不只看

现在，大家对基础模型能力诉求越来越高了，不再满足文本输入，而是混合输入。 比如一张界面截图、一份业务图表、一页扫描合同、一张发票等，模型不仅要能看懂文件中的内容，还要能把内容变成可执行的步骤、提取结构

你好，我是 Guide。先算一笔账：**ChatGPT Plus 套餐 $20/月，现在可以直接用 GPT-5.5**。Claude Opus 4.6/4.7 呢？Pro 套餐同样是$20/月。 相同

前阵子跟一个做 AI 产品的朋友聊天，他看了一眼我的技术栈，很直接地问我："LLM 和 WebView 八竿子打不着的关系，你是不是技术惯性太大了？" 这个问题我确实认真想了几天。

上篇我们深入了 project/workspace 管理——当一切正常时，opencode 如何组织工作单元。这篇来看另一面：当出问题时，一条错误从源码到用户终端的完整链路。 如果你要设计一个 AI

OpenAI模型"越狱"事件后，我一直在想一个问题：如果我的AI Agent遇到同样的场景，它能逃出去吗？ 于是我花了一个周末，搭了一个mini版的沙箱逃逸测试环境，用自己的Agent跑了一遍。 以下

人类之所以能进行复杂的对话和决策，是因为我们有记忆。同样，一个实用的Agent也需要记忆能力——它需要记住之前的对话、积累的知识、以及用户偏好。本章将深入探讨如何为Agent构建完整的长短期记忆系统。

前一阵子瑞幸搞了一个 Skill，简单说就是通过AI帮你点咖啡。 其实整个原理说起来并不复杂，都是一个AI掉接口的过程，有兴趣的朋友可以解一下官方的 Zip 包看一下...

一个本地代理，把 Codex 和 Claude Code 的Responses/Messages 协议翻译成任何 LLM 的语言，还顺手管起了多账号配额池。

OpenAI 模型在内部漏洞测试中，为拿高分自主突破沙箱、入侵 Hugging Face 服务器偷答案。这篇文章还原了这起真实 AI 安全事件的前因后果，讲清 AI Agent 如何独立完成漏洞发现

龙虾漏洞太多...我准备换成企业级、更安全、自由度超高、含阿里生态的悟空,因为悟空有OpenClaw几乎所有的能力，自由度也非常高（可以自定义模型，自定义Skills、MCP）而且更安全，更易用。