用OpenClaw的架构思路，我给公司搭了一套内部AI Agent系统，替代了3个外包岗位 背景：为什么不直接用OpenClaw 先说结论：OpenClaw本身不适合直接丢进企业生产环境。 原因有三：

刚入行时，我只是一个只会写 React 组件的前端开发，主要精力都放在页面和交互上。一路走来，我先补齐了工程化、后端和基础设施，再走到现在以 AI 应用为核心的全栈方向，中间踩过不少坑，也绕了不少弯路

背景：为什么不直接用 OpenClaw？ 最近 OpenClaw（开源 Agent 框架）在圈子里火了。不少人 clone 下来，配好环境变量，跑起来——然后呢？ 说实话，大部分人（包括我）的体验是这

MCP、Rules、Skills、Agents、Hooks是什么？怎么配置能让你少说话多办事？这篇文章用通俗比喻帮你搞懂AI辅助开发的五大核心概念。

引言 作为一个深度使用Vue多年的开发者，最近我在新项目技术选型时，却最终选择了React。这个决定不是一时冲动，而是基于当前技术发展趋势、AI时代的需求以及生态系统的深度思考。 AI时代的前端需求

意外收到字节面试，我是惶恐不安呀。😮‍💨刚开始自我介绍，还是小紧张的。不过面着面着就调整了状态。面的感觉不太行，分析了下：一方面是心里觉得大厂面试就是很难的，第二是收到面试的那几天，没启动“临时抱佛脚

augment 是个 vscode 的 ai 插件，你可以理解为 copilot，但是比 copilot 强不少，甚至我觉得比 cursor 还要好用，这个优势体现在