DecryptPrompt

咱接着回来做中医游戏，这期咱们聊聊怎么给游戏NPC装个"智能大脑"，顺便看看开发过程中Hook这个老朋友的新玩法。

本章我们尝试复现“图像文字元素编辑”功能，代码已经上传到Github。AI 生图配合文字元素编辑，确实能解决很多场景上AI生图无法直接落得的业务问题，感兴趣的朋友可以clone直接使用。

话接上文，咱接着做中医小游戏，这一章我们会聊到： 开发流程中的核心实践：重构、版本控制、进度管理；技能进阶：创建技能、测试技能、提高技能引用率；claude design初体验

话接上回，咱继续做中医小游戏，正所谓关关难过关关过，踩完这坑踩那坑。咱一边用Claude code构建我心中的“药灵山谷”，一边聊聊开发过程中碰到的好用的技能！

这一章我们会解锁 Claude 的 teammate 模式，尝试开发一款 AI-oriented + 中医学习小游戏。 在遍地都是“成功学”的今天，第一版游戏更像是大型事故现场>_<

* 实战环节：用OpenClaw创建一个新技能——"中医方剂卡片生成" * 原理拆解：分析OpenClaw到底戳中了用户的哪些爽点

本文不输出权威指南，只是一位一线算法工程师和AI不算peace的合作场景还原。系列第一篇，我们将从最基础的“磨合期”开始聊起。技术标签：#opencode，#browser-use，#单智能体

在 LLM 发展的上半场，我们执着于不断拉长 Context Window，从 8K 到 128K 甚至百万级别。但在下半场我们围绕Coding这个核心视角来寻找一些新的上下文管理的思路

慢思考的本质依然是通过生成更多的显性 Token 来换取计算时间。为了想得深，必须说得多。这一章的四篇论文都在尝试：能否在不输出废话的情况下，让模型在内部“空转”思考？ 甚至打破自回归全局规划？

随着模型能力的提升，工业界开始反思：盲目增加智能体、盲目增加工具调用次数真的能“大力出奇迹”吗？本文串联两篇Google论文，从宏观的架构选择到微观工具预算感知，探讨如何科学构建Agent系统。

很多人认为图像Token的信息密度和效率远不如文本。但 DeepSeek-OCR通过一套巧妙的*串行视觉压缩架构*，实现1个视觉Token近乎无损地承载10个文本Token的惊人效率

这一章我们通过Google、OpenAI、Anthropic 三篇充满脑洞的论文，深入探讨模型内部状态的可访问性与可操控性。我们将从三个维度展开： 模型是否有自我认知？如何引导这种认知？如何解释？

本文将深入解构 SKILLS 的三层分层加载架构，探讨它如何解决传统 Agent 上下文膨胀、领域任务成功率低的核心痛点。我们将通过一个完整流程展示 SKILLS 如何工作，并延伸思考它对现有 MCP

我们将看到一条演进路线：从优化单一动作（ReTool），到学习长程规划（RAGEN），再到提升思考质量本身（RStar2），最后到不依赖外部奖励更底层的经验内化方式（Early Experience）

我们看三篇Agent Memory论文 * CFGM：离线轨迹经验提取 * ReasoningBank：轨迹经验提取和test-time * MIRIX：提供完整记忆工程方案和全面记忆分类

我们讨论了JupyterAgent，当时用的是E2B沙箱。这次我自己动手，用TRAE构建一个Python沙箱并支持MCP。完整代码已经开源在simple_sandbox

本文将带你从零搭建一个数据分析智能体，实现用户上传Excel并给出指令后，智能体能够深入分析数据、进行可视化，并以Jupyter Notebook形式返回结果。

🚀 核心挑战：如何为复杂数据分析任务构建可扩展的代码沙箱工具？本文将以E2B沙箱为例，通过对比Low-Level与FastMCP两种MCP-Server实现方案，深入剖析： Resource/Tool

作为结构化推理的坚定支持者，我一度对MCP感到困惑：Agent和工具调用的概念早已普及，为何还需要MCP这样的额外设计呢？本文就来深入探讨MCP，看看它究竟解决了什么问题。

承接上篇对Context Engineering的探讨，本文将聚焦多智能体框架中的上下文管理实践。我们将深入剖析两个代表性框架：字节跳动开源的基于预定义角色与Supervisor-Worker模式的