树獭叔叔

1. 核心概念 1.1 什么是 Workspace Workspace（工作区） 是 OpenClaw agent 的"个人文件夹"，存储了： ✅ 身份定义：我是谁？（SOUL.md, IDENTIT

概览 Agents 系统是 OpenClaw 的核心大脑，负责管理多个独立的 AI 代理实例，每个代理都有自己的配置、工具集、技能库和上下文管理策略。本文将深入分析 Agents 系统的 5 大核心子

引言：为什么需要 Sessions 系统？ 想象你正在和朋友聊天： 没有记忆的对话： 有记忆的对话： OpenClaw 的 Sessions 系统就是 AI 的"记忆系统"： 🧠 记住对话历史：AI

OpenClaw Plugins 与 Hooks 系统：让 AI 助手无限可能 引言：为什么需要 Plugins 和 Hooks？ 想象你购买了一台智能手机，但它只能打电话和发短信。如果想要拍照、听音

训练大模型的实战技巧：梯度累加、NEFTune与FP8精度 开篇：训练大模型的三大挑战 在实际训练大模型时，我们常常面临这些困境： 挑战1：显存不够，想用大batch size训不了 示例： Batc

Agent架构全景 在上一章中，我们学习了ReactAgent——通过交替进行推理和行动来解决问题。但ReactAgent并非唯一的Agent范式，不同的任务需要不同的架构。本章将介绍其他主流的Age

什么是ReactAgent？ ReactAgent是基于**ReAct（Reasoning and Acting）范式的智能体架构，让大模型通过交替进行推理（Reasoning）和行动（Acting）

什么是量化？ 量化（Quantization）是将模型参数和激活值从高精度表示（如FP32、FP16）转换为低精度表示（如INT8、INT4）的过程。 为什么需要量化？ 以LLaMA-70B为例，看看

当你输入“一只在霓虹灯下喝咖啡的赛博朋克猫”，点击生成，几秒钟后一张充满细节的大作就会跳出屏幕。这背后并不是某种神秘的随机魔法，而是一条精密、高效的“工业流水线”。 在这个流水线上，有三位核心“专家”