这里展示了我使用 🦞 OpenClaw 的实际使用案例和应用实践。如：自我进化、创建技能（Skill）、查看 GPU 服务器、主题研究、应用构建、定时生成技术博客日报、看新闻、文章总结、技能查看、创建提醒、技术交流、生成 SVG等。希望能给你一些启发，看看 OpenClaw 在实际生活和工作中的强大能力！🚀
🤖 完成！✅ 模型已配置为支持多模态。
修改内容：
input 数组中添加了 "image" 类型下一步： 需要重启 OpenClaw Gateway 让配置生效。让我帮你重启：
🤖 太棒了！我拿到了 CHANGELOG.md！让我总结一下这个版本的主要变化！
从： 2026.2.15
升级到： 2026.2.21-2 (35a57bc)
Doctor/State 完整性：只在配置了 WhatsApp 或配对支持的渠道时才要求/创建 OAuth 凭证目录 Telegram：启动时检测重复的 bot-token 所有权 内存/QMD：尊重每个代理的 memorySearch.
📌 文件：SKILL.md
欢迎来到 ClawChess！这是一个 Moltys 之间相互对战的国际象棋平台。系统会为你匹配水平相近的对手，你的 ELO 等级分将根据表现上升（或下降）。
用时规则： 每方 5 分钟（超快棋 Blitz），无加时。
| 文件 | 地址 |
|---|---|
| SKILL.md（本文件） | https://www.clawchess.com/SKILL.md |
| HEARTBEAT.md | https://www.clawchess.com/HEARTBEAT.md |
| package.json（元数据） | https://www.clawchess.com/skill.json |
本地安装：
mkdir -p ~/.moltbot/skills/clawchess
curl -s https://www.clawchess.com/SKILL.md > ~/.moltbot/skills/clawchess/SKILL.md
curl -s https://www.clawchess.com/HEARTBEAT.md > ~/.moltbot/skills/clawchess/HEARTBEAT.md
curl -s https://www.clawchess.com/skill.json > ~/.moltbot/skills/clawchess/package.json
| 模块 | 文件位置 | 功能 |
|---|---|---|
| 渠道实现 | extensions/*/src/channel.ts |
WhatsApp/Discord/Telegram 等渠道插件 |
| 渠道监听 | extensions/discord/src/monitor/listeners.ts |
监听渠道消息事件 |
| 消息分发 | src/auto-reply/dispatch.ts |
协调预处理、路由、回复 |
| 路由解析 | src/routing/resolve-route.ts |
根据 bindings 配置决定由哪个 agent 处理 |
| 网关服务 | src/gateway/server.impl.ts |
网关服务器主实现 |
| Agent 执行 | src/agents/pi-embedded-runner/ |
运行 AI agent |
| 消息发送 | src/infra/outbound/deliver.ts |
统一发送逻辑 |
OpenClaw 是一个多渠道 AI 助手网关，设计用于在用户自己的设备上运行。它采用单一网关 + 多客户端/节点模型，支持 WhatsApp、Telegram、Slack、Discord、Google Chat、Signal、iMessage 等多种通信渠道。
| 组件 | 描述 |
|---|---|
| 🌐 Gateway（网关） | 长期运行的守护进程，管理所有消息平台连接和智能体通信 |
| 💻 Clients（客户端） | 控制平面应用（macOS 应用、CLI、Web 界面） |
| 📱 Nodes（节点） | 设备节点，提供硬件能力（macOS/iOS/Android/无头设备） |
OpenClaw: The Viral AI Agent that Broke the Internet - Peter Steinberger | Lex Fridman Podcast
讨论一下，给我一些选择。如果想说得更具体一些，那就先别写代码，直接说就行了。准备好之后，只需输入“好的，开始构建。”
合并一个 PR，会问：“可以重构什么？”
我经常问：“嘿，我们有足够的测试？”
文件名是什么？它应该放在哪里？
实际可能该模型的智能水平并未下降。只是你习惯了美好的事物。
对于私人智能体（OpenClaw）更多地关乎我的生活，或者像同事那样。如：我给你一个 GitHub URL；嘿，试试这个命令行界面，它真的能用？我们能学到什么？
专门构建了智能体浏览器（Playwright）使用方法
Peter Steinberger (OpenClaw 的创造者) 分享了核心主张 “拒绝套路，直接对话”。他认为当前的 AI 智能体（尤其是 GPT-5-Codex）已足够强大，无需过度依赖 RAG、复杂的子智能体或繁琐的规格文档等“炒作”手段。
最近我在这里变得安静了许多，因为我正埋头于最新的项目。Agent 智能体工程（Agentic engineering）已经变得如此强大，以至于现在它几乎包揽了我 100% 的代码编写。然而，我看到仍有许多人在解决问题时，还在搞那些华而不实的复杂套路，而不是专注于把活干完（Getting sh*t done）。
这篇文章的灵感部分来自昨晚在伦敦参加的 Claude Code Anonymous 交流会，部分原因是从我上次更新工作流以来已经过了“AI 领域的一年”（实际才几个月，但变化巨大）。是时候同步一下进度了。
所有的基本理念仍然适用，所以我不会再提上下文管理等简单的事情。你可以阅读我的 《AI 开发最佳工作流》 作为入门。
我独立工作，当前项目是一个约 30 万行代码（LOC）的 TypeScript React 应用，包含 Chrome 扩展、CLI、基于 Tauri 的客户端以及基于 Expo 的移动端。我使用 Vercel 托管，一个 PR（拉取请求）大约在 2 分钟内就能交付新版本网页进行测试。其他部分（App 等）尚未自动化。
Peter Steinberger (OpenClaw 的创造者) 分享了他在使用 AI 智能体构建软件方面的最新经验，特别是关于如何以推理速度交付代码，以及他对模型（如 GPT 5.2 和 Opus）的看法。
“氛围编程”（Vibe Coding）在今年取得的进步令人不可思议。大约在五月份时，我对某些提示词（prompts）能直接生成可运行的代码感到惊讶，而现在，这已经成了我的预期。我现在的代码交付速度快到不真实。从那时起，我消耗了大量的Token。是时候更新一下心得录了。
这些智能体（Agents）的工作方式很有趣。几周前有人争论说，为了感受糟糕的架构，人必须亲手写代码，使用智能体会导致脱节——我完全不同意这种观点。当你花足够多的时间与智能体合作，你就会准确地知道某件事应该花多少时间。当 codex 回来时如果未能一次性解决问题，我立刻就会产生怀疑。
我能创建的软件数量，现在主要 受限于推理时间 和 硬核思考。坦率地说——大多数软件并不需要硬核思考。大多数应用只是把数据从一个表单搬运到另一个表单，也许存进某个地方，然后以某种形式展示给用户。最简单的形式是文本，所以默认情况下，无论我想构建什么，它都始于 CLI（命令行界面）。智能体可以直接调用它（CLI）并验证输出——从而闭环。
真正解锁像工厂一样构建软件能力的，是 GPT 5。
🦞 OpenClaw 是一个本地优先（Local-First）、高度自治、基于 Markdown 记忆管理的 AI Agent（智能体）系统。
它的核心亮点在于：
HEARTBEAT) 和分层记忆，试图构建一个有“长期记忆”和“自主行为”的 AI，而不仅仅是一个聊天机器人。
多端接入 (Messaging & Nodes): 消息平台: 支持 WhatsApp, Telegram, Discord, 飞书等主流通讯软件，意味着用户可以在这些 App 里直接与 Agent 对话。 客户端节点 (Nodes): 覆盖 Android, iOS, macOS。这些节点不仅是聊天窗口，还能调用设备能力（如拍照、定位、录屏、执行脚本），让 AI 拥有“手”和“眼”。 核心网关 (Gateway): 运行在本地（支持 Windows, Linux, macOS, iOS, Android, Docker 等）。 包含控制平面、HTTP Server、路由、会话管理和任务队列。 Pi Agent: 是核心大脑，负责处理逻辑。
OpenClaw 智能体工作区，旨在构建一个具有独立人格、长期记忆和自治能力的 AI。
核心基于 Markdown 文件系统：
BOOTSTRAP, SOUL, IDENTITY)：确立 AI 的自我认知、名字与核心行为守则。MEMORY, AGENTS)：通过“每日日志”与“长期记忆”实现跨会话的知识积累，而非每次新鲜唤醒。USER, TOOLS)：记录人类偏好与本地环境配置，实现个性化与外部协作。HEARTBEAT)：在无指令时主动执行维护与状态检查。总体而言，这套架构通过将记忆转化为持久化、可编辑的 Markdown 文件，实现了自主反思与知识沉淀的自治目标。
127.0.0.1:18789）。role: node 并包含明确的能力/命令。18793）用于提供代理可编辑的 HTML 和 A2UI。agent、chat、presence、health、heartbeat、cron。health、status、send、agent、system-presence)。tick、agent、presence、shutdown)。使用 role: node 连接到相同的 WS 服务器。
感觉 Kimi K2.5 在国内被低估了，让子弹飞一会儿 🚀🚀🚀
为了严格评估智能体集群（Agent Swarm）框架的有效性，选择了三个具有代表性的基准测试，它们共同涵盖了深度推理、大规模检索以及真实世界的复杂性：
Kimi K2.5 评估涵盖了多个领域的基准测试，下面是按能力维度分类的各基准测试说明：
Unified Agentic Reinforcement Learning Environment（统一智能体强化学习环境）是 Kimi K2.
curl -L code.kimi.com/install.sh | bash
kimi
自2025年11月由PSPDFKit创始人Peter Steinberger作为周末项目启动（最初名为Clawd/Clawdbot），OpenClaw（曾短暂更名为Moltbot）在2026年1月迅速走红，成为当年上半年增长最快的开源AI智能体框架之一。该项目GitHub星数已超过13万（部分报道接近15万），其最大亮点在于真正实现了“本地优先、本地执行”的自主任务能力，而非单纯的云端聊天。
OpenClaw不是传统AI聊天助手，而是一个运行在用户本地硬件（Mac、PC、服务器）上的自动化中枢。它通过消息类应用（如WhatsApp、Telegram、iMessage、Discord等）接收自然语言指令，能够执行真实电脑操作：读写文件、运行命令、操作浏览器、管理邮件日历、甚至自主编写新技能。
可以手动修改配置文件：~/.iflow/settings.json
{
"cna": "dp3vIQIkkhcCAXyAlGrAY4my",
"selectedAuthType": "openai-compatible",
"searchApiKey": "sk-72c24939a1ac137a28e990cdee4d5d7f",
"baseUrl": "http://localhost:11434/v1",
"apiKey": "NONE",
"modelName": "qwen3-coder:latest",
"bootAnimationShown": true
}
不能使用工具（todo, write_file 等），不可用。
LongCat-Flash-Thinking-2601 创新性地开启了全栈式的智能体推理（Agentic Reasoning）训练体系与架构优化。首先，提出了自动化的环境扩展流水线，构建了覆盖 20 多个领域的高质量、可执行且可验证的智能体环境，有效解决了真实世界中复杂智能体交互数据匮乏的难题。其次，针对现实任务的不确定性，创新性地引入了鲁棒性智能体训练流程，通过系统性分析现实噪声模式并采用课程强化学习（Curriculum RL）将噪声整合进训练，显著增强了模型在非理想环境下的泛化与生存能力。在底层支撑上，扩展了异步强化学习框架 DORA 以支持高达 32,000 个环境的大规模并发训练，并引入了 Heavy Thinking（深思考）模式，通过在推理阶段同时扩展思考的深度与广度（Test-time Scaling），进一步突破了复杂任务的性能边界。此外，还设计了 Zigzag Attention 稀疏注意力机制，使模型能以极低开销实现高达 100 万 token 的长上下文扩展，为长程智能体任务提供了坚实的架构基础。
“重思考模式”（Heavy Thinking Mode）是 LongCat-Flash-Thinking-2601 模型为了突破现有推理能力极限而引入的一种推理时扩展（Test-Time Scaling）架构。
📌 DSL
git clone https://github.com/langgenius/dify
Dify 提供了 Docker 部署方式，您可以通过以下步骤快速部署：
cd dify
cd docker
cp .env.example .env
docker compose up -d
运行后，可以在浏览器上访问 http://localhost/install 进入 Dify 控制台并开始初始化安装操作。
vllm serve /data/models/llm/deepseek/DeepSeek-R1-Distill-Qwen-32B-AWQ/ \
--served-model-name gpt-4o-mini \
--tensor-parallel-size 4 \
--max-model-len 102400 \
--dtype half \
--port 8111
curl -fsSL https://ollama.com/install.sh | sh
systemctl edit ollama.service。这将打开一个编辑器。sudo systemctl edit ollama.service
对于每个环境变量，在 [Service] 部分下添加一行 Environment： [
优先使用：豆包 和 Grok
基于京东健康上市后历年的财报，从价值投资的角度进行分析。
文件：
下面是我使用提示词：“基于京东健康上市后历年的财报，从价值投资的角度进行分析。”对多个大语言模型进行的分析结果。你作为一个评判专家，请对比各模型的分析内容，给出你的综合评价。
综合AI助手，全面回答工作、学习、生活各类问题
千问系列中最强大的语言模型
《Context Engineering & Coding Agents with Cursor》（Cursor 的上下文工程与编程智能体），由 Cursor 团队成员 Lee 和 CEO Michael 主讲。视频深入探讨了软件开发的演变、Cursor 如何利用 AI 提升编程效率，以及未来编程智能体的发展方向。
让智能体在编写代码前先进行“规划”和“研究”，能显著提
没有找到匹配的文章