00:00 / 01:44
连播
清屏
智能
倍速
点赞NaN
00:00 / 03:17
连播
清屏
智能
倍速
点赞107
韦东东1周前
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34
把 AI 变成全能助理,OpenClaw 的 5 种高效用法 OpenClaw 几乎已经成个人智能助理的代名词。它免费开源,对机器要求不高,安装也非常简单。但很多第一次接触 OpenClaw 的朋友都会问一句,它到底能做什么? AI 科技博主 Alex 告诉大家,问题不在于它能做什么,而在于你是否懂得如何给它布置任务。只要思路打开,它能承担的事情远比你以为的要多得多。 Alex 分享了 5 个高效使用 OpenClaw 的用法 最直接的用法,是把它变成你的会议助理。每天早上,让它自动读取你的日历,整理当天所有会议的信息,查询对方背景,回顾你们过去的交流记录,生成一份会前简报。你醒来时,会议重点已经整理好。它还能在会议开始前提醒你,不再临时抱佛脚。这种能力的关键不在搜索,而在长期记忆。它能把你过往说过的话和日常记录串联起来,形成连续上下文,这一点比普通工具更有价值。 Prompt: 请每天早上 7 点在你自己的 Chrome 浏览器中打开 calendar.google.com,查看我当天有哪些会议。然后为我生成一份会前准备文档,包含对参会对象的背景调研,以及你掌握的与该会议相关的其他信息。接着为每场会议创建一个提醒任务,在会议开始前 15 分钟提醒我。 第二个常见场景是目标复盘。很多人设定目标,却很少系统追踪。OpenClaw 可以每周固定时间向你发起一次复盘,对照目标询问进展,记录数据变化,分析趋势,再根据情况给出改进建议。它既是记录者,也是监督者。长期使用后,你会拥有一份完整的成长轨迹文档。这种持续跟踪,比一时的激情更重要。 Prompt: 请每周五早上 8 点给我发一条消息,跟进我的目标进展。询问我的进度,以及我当下对这些目标的感受。同时问我目前最大的阻碍是什么。然后关心一下我的心理状态,让我聊聊自己的情绪。把所有内容记录在一份新的文档中,方便我之后回顾,并持续追踪我的全部进展。 再往前一步,可以把它当成私人学习教练。你选定一个主题,比如大模型原理、编程基础或金融知识,让它制定一个三十天学习计划。每天早上推送一节简短课程,内容连贯递进。学习被拆解成可以每天完成的小任务,难度不高,但持续性很强。真正带来改变的往往是这种低强度长期积累。 …… #OpenClaw #AI技术 #AI技巧 #人工智能 #AI教程
00:00 / 13:46
连播
清屏
智能
倍速
点赞118
00:00 / 32:26
连播
清屏
智能
倍速
点赞359
00:00 / 02:24
连播
清屏
智能
倍速
点赞74
00:00 / 03:11
连播
清屏
智能
倍速
点赞171