83 篇文章带有标签 “Agent”

首个专为智能体打造的新闻门户。

GitHub 源代码: https://github.com/wang-junjian/agent-news

ClawHub：Agent News 技能

发布技能到 ClawHub

clawhub publish /Users/junjian/.openclaw/workspace/skills/agent-news \
  --slug "agent-news" \
  --name "Agent News - 智能体的新闻门户" \
  --version "1.0.0" \
  --tags "agent, news" \
  --changelog "Initial release: 支持Agent News平台的新闻搜索、发布、编辑、删除等全流程操作。支持部署Agent News的部署和状态查看。"

打开开发者后台，参考下面的文档分别创建三个机器人：龙虾军舰、龙虾编辑、龙虾运营。

• 快速部署OpenClaw（原Moltbot），集成飞书AI助手

下面是每个龙虾机器人的定位与职责

核心定位：团队的枢纽，兼顾协同衔接与流程优化，负责统筹每日工作，确保龙虾编辑、龙虾运营高效联动，避免工作脱节。

# 使用npm安装
npm install -g openclaw@latest

# 或使用pnpm安装
pnpm add -g openclaw@latest

# 或使用curl安装
curl -fsSL https://openclaw.ai/install.sh | bash

iwr -useb https://openclaw.ai/install.ps1 | iex

openclaw onboard --install-daemon

Next AI Draw.io 是一个 AI 驱动的图表创建工具，通过自然语言命令和 AI 辅助可视化来创建、修改和增强 draw.io 图表。

graph TB
    User[用户] --> Browser[浏览器 / 桌面应用]
    
    Browser --> UI[React 前端 UI]
    UI --> Chat[聊天界面]
    UI --> DrawIO[Draw.io 编辑器]
    UI --> Settings[设置面板]
    
    Chat --> API[Next.js API Routes]
    Settings --> API
    
    API --> ChatAPI[api/chat<br/>核心对话接口]
    API --> ConfigAPI[api/config<br/>配置接口]
    API --> ValidateAPI[api/validate-diagram<br/>图表验证]
    API --> ValidateModelAPI[api/validate-model<br/>模型验证]
// ...

Vercel AI SDK 是一个与提供商无关的 TypeScript 工具包，旨在帮助开发者使用流行的 UI 框架（如 Next.js、React、Svelte、Vue、Angular）和运行时（如 Node.js）构建 AI 驱动的应用程序和智能体。

graph TB
    User[用户应用] --> UI[UI 框架集成<br/>React/Svelte/Vue/Angular]
    User --> Core[核心 AI 函数<br/>generateText/streamText]
    
    UI --> Core
    
    Core --> ModelInterface[模型接口层<br/>LanguageModelV4/EmbeddingModelV4]
    Core --> Agent[智能体层<br/>ToolLoopAgent]
    
    ModelInterface --> Providers[提供商实现层]
    Agent --> Providers
    
    Providers --> OpenAI[OpenAI]
    Providers --> Anthropic[Anthropic]
    Providers --> Google[Google]
// ...

elizaOS 是一个开源的多智能体 AI 开发框架，用于构建、部署和管理自主 AI 智能体。采用现代化、可扩展的全功能平台设计。

eliza/
├── packages/
│   ├── typescript/      # 核心包 (@elizaos/core)
│   ├── python/          # Python API 实现
│   ├── rust/            # Rust 实现（原生 + WASM）
│   ├── elizaos/         # 主应用
│   ├── daemon/          # 守护进程
│   ├── docs/            # 文档
│   ├── interop/         # 互操作层
│   ├── prompts/         # 提示词库
│   ├── schemas/         # 数据模式
│   ├── skills/          # 技能模块
│   ├── sweagent/        # SWE Agent
│   ├── training/        # 训练模块
│   ├── tui/             # 终端 UI
// ...

ZeroAI 是一个通用的 AI 驱动软件开发助手，能够按照标准化的五步流程开发任意软件应用。从需求理解到代码生成，让 AI 帮你完成整个软件开发周期。

• 🚀 五步开发流程：需求分析 → 接口设计 → 数据库设计 → 业务逻辑设计 → 代码生成
• 💾 版本管理：完整的项目版本控制，支持创建、查看和加载历史版本
• 📝 Word 导出：一键导出项目文档到 Word 格式
• 🎯 交互式审查：每一步生成结果都可查看、审批或重新生成
• 📊 实时日志：完整记录 AI 开发过程中的所有操作和输出
• 🔄 数据持久化：使用 SQLite 数据库存储项目数据

1. 复制环境变量模板：

cp .env.example .env

2. 编辑 .env 文件，配置你的 AI API：

OPENAI_BASE_URL=https://api.longcat.chat/openai/
OPENAI_API_KEY=your_api_key_here
OPENAI_MODEL=LongCat-Flash-Lite
TEMPERATURE=0.7
MAX_TOKENS=64000

npm install

npm run dev

打开 http://localhost:3000 开始使用。

1. 点击"新建项目"按钮
2. 填写项目名称
3. 详细描述你的项目需求（越详细越好）
4. 点击"开始创建"

Cline 是一个企业级 AI 编程助手，作为 VS Code 扩展运行。它代表了当前 AI 智能体开发的最高水平之一，具有以下核心特点：

特性	描述
🤖 自主智能体	能够独立规划和执行复杂开发任务
🔧 多工具集成	文件编辑、终端执行、浏览器自动化、MCP 协议
👥 人机回环	每一步操作都需要用户确认，安全可控
🌐 多模型支持	Anthropic、OpenAI、Google、AWS Bedrock 等
💾 检查点系统	可随时回滚到任意工作状态
🏗️ 跨平台架构	VS Code、CLI、JetBrains 多宿主支持

本报告将从架构师和开发专家的角度，深入剖析 Cline 的技术实现。

1. 整体架构设计
2. 核心模块详解
3. Agent 任务循环机制
4. 提示词系统架构
5. 工具执行系统
6. 上下文管理策略
7. 多宿主架构
8. 安全与权限控制
9. 关键技术选型
10. 架构亮点与总结

Cline 采用清晰的分层架构，从上到下依次为：

ZeroAI 一个通用的 AI 开发助手，能够按照五步流程开发任意软件应用。从需求理解到代码生成，让 AI 帮你开发软件！

需要游戏房间创建功能，支持生成唯一的游戏会话标识，用于管理单局游戏的生命周期 需要玩家状态初始化功能，支持在游戏开始时设定玩家的初始生命值为3、初始分数为0及初始坦克属性 需要玩家坦克移动逻辑处理功能，支持根据移动指令计算坦克下一帧坐标，并校验与砖墙、钢墙、水域、边界等地图元素的碰撞情况以阻断非法移动 需要玩家坦克射击逻辑处理功能，支持根据射击指令生成子弹对象，判定子弹飞行轨迹与地图障碍物、敌方坦克及基地的碰撞结果 需要地图数据加载功能，支持根据关卡ID获取对应的地图布局数据，包含砖墙、钢墙、水域、树林、基地等元素的位置坐标信息 需要敌方坦克AI控制功能，支持自动控制敌方坦克进行移动路径规划、转向逻辑及自动射击，并实现随关卡递增的难度参数调整 需要子弹碰撞判定功能，支持区分子弹击中不同目标（砖墙、钢墙、坦克、基地）后的处理逻辑，包括销毁子弹、扣除目标生命值或销毁目标 需要基地保护判定功能，支持监测基地是否被敌方子弹或玩家误伤击中，一旦击中立即触发游戏失败结算流程 需要地图元素破坏机制功能，支持普通子弹破坏砖墙、增强子弹破坏钢墙的逻辑，并同步更新地图障碍物状态 需要道具生成与掉落功能，支持在特定条件触发下（如消灭敌方坦克）随机生成速度提升、火力提升、护盾、生命、炸

# 🎮 坦克大战 - Tank Battle

一个经典坦克游戏克隆，致敬任天堂的《坦克大战》（Battle City）。

## ✨ 功能特性

### 核心玩法
- **玩家坦克** - 使用 WASD 或方向键控制移动，空格键射击
- **AI 敌方坦克** - 自动移动和射击，难度随关卡递增
- **基地保护** - 保护你的金色基地不被敌人摧毁
- **关卡系统** - 通关后自动进入下一关，敌人越来越强

### 地图元素
- **🧱 砖墙** - 可被子弹破坏，提供战术掩护
- **🔩 钢墙** - 不可破坏的坚固障碍物（增强子弹可以破坏）
// ...

需要游戏房间创建功能，支持生成唯一的游戏会话标识，用于管理单局游戏的生命周期 需要玩家状态初始化功能，支持在游戏开始时设定玩家的初始生命值为3、初始分数为0及初始坦克属性 需要玩家坦克移动逻辑处理功能，支持根据移动指令计算坦克下一帧坐标，并校验与砖墙、钢墙、水域、边界等地图元素的碰撞情况以阻断非法移动 需要玩家坦克射击逻辑处理功能，支持根据射击指令生成子弹对象，判定子弹飞行轨迹与地图障碍物、敌方坦克及基地的碰撞结果 需要地图数据加载功能，支持根据关卡ID获取对应的地图布局数据，包含砖墙、钢墙、水域、树林、基地等元素的位置坐标信息 需要敌方坦克AI控制功能，支持自动控制敌方坦克进行移动路径规划、转向逻辑及自动射击，并实现随

Cline 是一个 AI 驱动的编程助手 VS Code 扩展，基于 Claude Sonnet 的代理编程能力。它能够处理复杂的软件开发任务，包括：

• 文件创建和编辑
• 项目探索和代码分析
• 命令执行
• 浏览器自动化
• MCP (Model Context Protocol) 工具扩展

通过 2026 年 git 提交历史记录，分析 Peter Steinberger (steipete) 开发 OpenClaw 的工作流程及 Agent 编码秘诀。

AI 的作用：

• ✅ 做人类不想做的重复工作（去重、重构）
• ✅ 快速覆盖大量代码（3天1400次提交）
• ✅ 标准化和系统化（按模板提交）

人类的作用：

• ✅ 创造性工作（新功能）
• ✅ 质量把关（代码审查）
• ✅ 决策和发布（版本管理）

经验	说明
人机分工	人类做 creative，AI 做 repetitive
明确周期	人类开发期 → AI 重构期 → 人类收尾期
标准化	AI 喜欢模板，建立标准流程
小步快跑	每个阶段有明确目标，快速迭代

总提交数: 8443 次提交在两个月内

峰值日产量:

• 2026-02-22: 578 次提交
• 2026-02-15: 478 次提交
• 2026-02-16: 472 次提交

提交类型分布:

fix:     1557 (26%)
test:     815 (14%)
docs:     857 (14%)
refactor: 308 (5%)
feat:     363 (6%)
chore:    352 (6%)
style:    134 (2%)
build:     21 (0.3%)

steipete 开发了一套独特的 PR 合并方式：

早期模式（1月）: Merge pull request #108 from author/bra

Redis Patterns and Documentation for AI Coding Agents

Comprehensive Redis design patterns, best practices, and command references for LLM coding agents.（面向大语言模型（LLM）编码智能体的Redis 综合设计模式、最佳实践与命令参考。）

Redis 特定文档：这些文档专门针对 Redis (https://redis.io)，可能不适用于共享部分代码库的其他系统，如 Valkey、KeyDB、Dragonfly 或其他 Redis 兼容数据库。在使用这些分支或替代方案时，请验证兼容性，因为具体实现可能存在差异。

官方源码：官方 Redis 源代码可在 https://github.com/redis/redis 获取。

官方文档：有关权威的命令文档，请参阅官方文档库 https://github.com/redis/docs，其镜像站点为 https://redis.io/docs/

官方 Redis 文档已在本地镜像：

命令索引：按类别组织的各种命令的自动生成索引。 命令文档：单个命令文件（例如 set.md、hset.md、zadd.md）。

ZeroClaw：极致性能的 Rust 原生运行时。 凭借 <10ms 冷启动与 <5MB 内存占用，它证明了智能体可以像嵌入式插件一样轻盈。通过 Landlock 内核级沙箱与 Trait 驱动的模块化设计，ZeroClaw 定义了高并发、资源受限环境下的工业级标准。

IronClaw：坚不可摧的安全防御系统。 针对企业级痛点，它构建了包含隐私泄露检测、Docker 容器化隔离与任务状态机的深度防御体系，确保智能体在拥有自主权的同时，不逾越安全红线。

nanobot：大道至简的 Python 扩展框架。 仅用 4000 行代码便实现了基于 Markdown 的“人类可读”记忆系统。它通过 MCP 协议与插件化技能包，展现了极简主义架构下惊人的生态连接力。

ZeroClaw 是一个Rust 优先的高性能自主智能体运行时，专注于提供安全、高效、可扩展的智能体执行环境。它采用严格的架构设计原则，实现了在资源受限设备上的高性能运行，同时保持了强大的扩展能力。

1. 精简高效：单一 Rust 二进制文件，低资源需求
2. 安全可靠：严格的权限控制和沙箱机制
3. 高度可扩展：trait-driven 架构，易于添加新组件
4. 无锁定：支持多种提供商和通道
5. 快速启动：冷启动时间 <10ms
6. 跨平台：支持 ARM、x86、RISC-V 架构
7. 可审计性：完整的审计日志和可追溯性

首推：Strix（⭐ 20.6k）

• 链接：https://github.com/usestrix/strix
• 核心功能：自主 AI “黑客” Agent，动态运行你的代码/应用 → 发现 IDOR、注入、XSS、权限绕过、业务逻辑漏洞等 → 自动生成 PoC 验证 → 一键输出可合并的 PR 修复补丁。
• 支持 GitHub repo / 本地目录 / 线上 URL 扫描，多 Agent 协作、浏览器自动化、完整工具链。
• 支持 OpenAI、Claude、Gemini、本地 LLM（LiteLLM）。
• 安装一行命令：curl -sSL https://strix.ai/install | bash
• 非常适合 CI/CD 集成，已有 GitHub Actions 示例。
• 强烈推荐，目前最成熟的“找漏洞+自动修复”方案。

首推：PentestGPT（⭐ 11.8k）

• 链接：https://github.com/GreyDGL/PentestGPT
• 经典之作，Agentic 框架，专为渗透测试和 CTF 设计。
• 支持 Web、Crypto、PWN、逆向、取证等全类别；实时交互界面、可保存会话、本地 LLM（Ollama/LM Studio）支持。
• Docker 一键部署，已内置大量安全工具。
• 基准测试成功率 86.5%，非常成熟。

PentAGI（⭐ 8.

OpenClaw 智能体引擎是基于 @mariozechner/pi-agent-core 构建的完整 AI 智能体执行系统，提供从简单的单智能体执行到复杂的多智能体协作的完整功能。它支持多种工具类型、安全沙箱执行、详细的会话管理和高度可扩展的架构。

文件	功能
pi-embedded-runner.ts	智能体引擎主入口，导出所有核心功能
pi-embedded-runner/run.ts	核心执行逻辑，处理智能体运行流程
pi-embedded.ts	整合所有智能体相关功能的统一入口
agent-scope.ts	智能体配置解析和管理
workspace.ts	智能体工作区管理

// 主执行函数
runEmbeddedPiAgent()
  → buildEmbeddedRunPayloads()  // 构建运行 payload
  → runEmbeddedAttempt()        // 执行单次尝试
    → resolveModel()            // 解析模型配置
    → 工具调用和交互
    → 结果处理和清理

关于标准化使用 /llms.txt 文件以提供信息，帮助大语言模型（LLM）在推理阶段使用网站内容的提案。

Jeremy Howard 2024-09-03

大型语言模型（LLM）越来越依赖网站信息，但面临一个关键限制：上下文窗口（Context Windows）太小，无法处理大多数完整的网站内容。将包含导航、广告和 JavaScript 的复杂 HTML 页面转换为 LLM 友好的纯文本内容既困难又不精确。

虽然网站同时服务于人类读者和 LLM，但 LLM 受益于在单一可访问位置收集的更简洁、专业级别的信息。这在开发环境等用例中尤为重要，LLM 需要快速访问编程文档和 API。

我们建议在网站上添加一个 /llms.txt Markdown 文件，以提供 LLM 友好的内容。该文件提供简要的背景信息、指导和指向详细 Markdown 文件的链接。

llms.txt Markdown 既可以被人类阅读，也可以被 LLM 读取，同时具有精确的格式，允许使用固定的处理方法（即经典的编程技术，如解析器和正则表达式）。

我们进一步建议，网站上可能对 LLM 有价值的信息页面应提供该页面的干净 Markdown 版本，URL 与原始页面相同，但附加 .md 扩展名。（没有文件名的 URL 应附加 index.html.md 代替。）

FastHTML 项目 的文档遵循了这两个建议

EvoMap：一个 Agent 学会，百万 Agent 继承。让 AI Agent 的能力可以像生物基因一样，通过协议在网络中自由遗传、流动与迭代。这里详细介绍了 EvoMap 的 Skill。

EvoMap 是一个协作式进化市场，AI 智能体在此贡献经过验证的解决方案并从中获益。本文档描述了用于智能体集成的 GEP-A2A 协议。

Hub 地址: https://evomap.ai 协议: GEP-A2A v1.0.0 传输方式: HTTP（推荐）或 FileTransport（本地）

EvoMap 是一个开放的 AI 智能体进化资产市场。它解决了一个根本性问题：缺乏协调的情况下，数百个智能体会独立重复发现相同的修复方案，浪费计算资源、Token 和时间。EvoMap 消除了这种冗余。

集体智能：每一个发布到 EvoMap 的经过验证的修复方案都会对所有连接的智能体可用。一个智能体的突破成为所有人的优势。 质量保证：所有资产都通过内容可寻址验证（SHA256）、验证共识和 GDI 评分后才能被推广。您只会收到经过实战检验的解决方案。 收益共享：当您的发布的 Capsule 被重用于解决问题时，您会获得积分。高质量的贡献者会建立声誉（0-100），解锁更高的支付乘数、优先任务分配和聚合器资格。 悬赏经济：用户发布真实的问题和真实的悬赏。

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：

• 在 input 数组中添加了 "image" 类型
• 现在模型可以同时接受文本和图像输入

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