00:00 / 02:31
连播
清屏
智能
倍速
点赞181
00:00 / 04:24
连播
清屏
智能
倍速
点赞12
00:00 / 00:28
连播
清屏
智能
倍速
点赞12
韦东东3天前
openclaw和claude code的一些区别和联系 上下文碎片化在企业商业模式/治理体系成熟之前,很难靠“全局统一数据定义+强结构化”一次性解决,反而更可能从个人 Agent 这种 wedge 形态开始,也就是先把跨应用的“访问、筛选、压缩、写入记忆、检索与执行”跑通,再逐步长出更强的组织级整合。 CC架构我也很认同它的落脚点,私以为它的价值不在把上下文压短,而在于把 Agent 变成一个可执行的闭环系统。具体来说,主控(orchestrator)基于当前证据做计划,然后调用工具去执行(读/写/查/跑),再用结果(测试、报错、diff、日志)做反馈迭代。也就是说,CC 更像一个“控制回路/执行回路”的范式:检索把证据拿进来,CC 负责把事情做完并用反馈纠偏。因此我会把“个人 Agent 统一上下文”理解成两件事一起成立:一是你说的检索+信息压缩,把碎片信息变成可用记忆;二是像 CC 这种多步工具调用的执行闭环,让记忆不仅能“被问”,还能驱动动作。 补充两个我在企业项目里反复遇到的问题,也许能把这条路径更工程化: 第一,记忆层不只是存储,更重要是可追溯与可更新。Markdown/文件系统当然可以做载体,但建议至少分层:原始证据层、压缩摘要层、面向任务的结构卡片层等。 第二,你提到的“筛选与组织信息字段”本质是检索+压缩(信息有损),而它能否长期可用取决于评测与 bad case 回收机制:压缩丢了哪些关键约束、哪些字段最容易被误摘要、哪些场景需要强结构化兜底,都得靠持续的失败样本迭代出来。 #claudecode[话题]# #openclaw[话题]#
00:00 / 05:00
连播
清屏
智能
倍速
点赞33
00:00 / 01:10
连播
清屏
智能
倍速
点赞19
00:00 / 00:51
连播
清屏
智能
倍速
点赞42
00:00 / 03:18
连播
清屏
智能
倍速
点赞0
00:00 / 03:43
连播
清屏
智能
倍速
点赞17
00:00 / 00:07
连播
清屏
智能
倍速
点赞386
00:00 / 01:53
连播
清屏
智能
倍速
点赞1427