前段时间我在 GitHub 上翻到一个项目：ego-lite，一款面向 AI Agent 人机协同的浏览器，专门用来解决 Claude Code / Codex / Cursor 这类 AI 智能体.

QQ 官方机器人对个人开发者限制太多，NapCat 又有封号风险，最终迁移到 SnowLuma + AstrBot。记录迁移动机、部署过程，以及官方文档没讲清的三件事。

Pi Agent 与 OMP 的极简入门指南，覆盖安装配置、基础交互、常用命令、Skill 扩展与长任务上下文管理。

深度拆解 Claude Code 的 CLAUDE.md 机制，从四层加载体系、指令预算、rules 目录到 Anthropic 官方写法，手把手教你写出高质量 CLAUDE.md。

前阵子一直在折腾 ai 出图的可修改性. 用 sd 生成一张图容易, 想改其中一只手, 改完之后别的地方全变样, 这就很难受. 所有"ai 用得顺手"的领域都有一个共同点: 产物是可以被精确修改的,

一个很典型的场景：我让 Agent 做一个看起来很小的需求——给取消订单加审计。 它改了十几个文件，测试也过了。我打开 diff，看了二十分钟，最后只确定一件事： 它能跑。 但它到底把系统结构改成了什

前言：让数据看板开发变得像对话一样简单   长期以来，数据看板开发主要有两种方式：一种是使用标准化 BI 工具，交付快、成本低，但图表样式、交互体验和功能扩展都受限于 BI 本身的能力；另一种是

前面盘完接口、性能、APP、UI、安全五篇传统工具，群里果然有人来问，那 AI 呢，测大模型用什么，测 Agent 用什么。 问得正是时候。

深度拆解 Codex 的 AGENTS.md 机制，从加载优先级、override 覆盖、官方示例到面试回答，手把手教你写出高质量 AGENTS.md。

2026 年 3 月 31 日下午，一条推特引爆了整个技术圈——@Fried_rice 曝光了 Claude Code 的完整源码泄露事件。消息一出，开发者社区瞬间沸腾。 说实话，作为一个长期关注 A

最近我的博客配图方式又换了：从 AI 生图，换成了 AI 生成 SVG。原因很朴素：生一张图太贵了，而 SVG 是代码、是文字，很便宜。用着用着发现，便宜只是它最不起眼的一个好处。

# Agent 开发框架深度对比——LangGraph、AutoGen、CrewAI 与 Microsoft Agent Framework 该选谁 > 截至 2026 年，四个框架主导了基于 Pyt

一个你能掌控的本地智能体 - Figo Agent 用 AI 处理开发任务时，我越来越在意几个问题：它到底读了哪些材料？工具真的执行了吗？一次提问调用了多少次模型？对话变长之后，哪些内容还留在上下文里

团队里谈「用 AI 做端到端」时，常见两种落地，最后都不太好维护。 一种是让模型生成 Playwright 脚本，生成完就冻结成定位器。当时省事，按钮文案或层级一改，红的还是选择器，修的还是人。模型只

MaxKB 是一款面向企业和团队的开源智能体平台，旨在把知识库与对话模型放在一起，并通过文档分段和向量检索回答问题。本文将介绍如何通过 Docker Compose 部署 MaxKB，搭建企业知识问答

博主天天喊 OPC，但多数人连 Claude Code 五大能力都没分清——它们是 5 个正交问题的答案，不是梯度。先把基础用对，再谈 OPC。

别再让你的 Agent 当“黑盒”了：LangSmith 如何用可观测性、评估和洞察闭环驯服生产级智能体 一、开场：Agent 上了生产，才是噩梦的开始 你花了三周时间搭了一个 Agent，本地测试全

核心目标：让一个没用过 Codex 的人，在 15 分钟内安全完成第一件小事，然后知道下一步怎么继续学。

你肯定遇到以下场景： 人不在电脑前，却想让 AI 帮你继续写代码、查资料、跑任务； 想在微信、飞书、钉钉 里直接和本地 Agent 对话； 希望一个项目里同时调度多个 Agent，甚至让它们协作讨论