00:00 / 05:24
连播
清屏
智能
倍速
点赞1301
00:00 / 03:51
连播
清屏
智能
倍速
点赞568
🔥OpenClaw进阶玩法让小龙虾记忆力暴增 🚀OpenClaw进阶玩法:自研LanceDB记忆插件让小龙虾记忆力暴增,效果远超内置记忆系统!多scope隔离+噪声拦截+热插拔,一键安装!再也不会忘记之前的操作!让AI真正越用越懂你!保姆级教程! 视频简介: 🧠 本期视频详细演示了我为OpenClaw专门开发并不断迭代的LanceDB记忆增强插件,彻底解决OpenClaw"健忘"的痛点问题! 💡 核心内容: 🔹 深度对比OpenClaw内置记忆系统与LanceDB插件的功能差异 🔹 插件亮点:7层混合检索、BM25全文搜索、MMR多样性去重、6层评分管线、自适应检索与噪声拦截 🔹 支持多种嵌入模型提供商:OpenAI / Jina AI / Gemini / Ollama本地模型 🔹 多scope隔离实现Agent间记忆隐私保护与知识共享 🛠️ 实战演示: ✅ 从零安装插件(Jina AI注册 + 自然语言一键安装) ✅ 铁律配置写入MEMORY文件 ✅ 新session中检索踩坑经验与coding方法论 ✅ 斜杠命令快捷保存经验到数据库 🔥 插件已开源至GitHub仓库,铁律文件解压密码隐藏在视频中!点赞破千下期开源跨机跨Gateway通信插件! 🔥 时间戳: 00:00 开场介绍 00:31 痛点分析 00:59 记忆增强价值 01:17 效果展示 02:10 对比分析 03:15 插件优势 04:05 7层混合检索 04:46 实战测试 05:23 混合检索优势 06:07 安装教程 07:01 自然语言安装 08:01 铁律配置 08:38 斜杠命令 09:07 方法论检索 #openclaw #clawdbot #moltbot #ai智能体 #ai
00:00 / 10:29
连播
清屏
智能
倍速
点赞836
00:00 / 05:17
连播
清屏
智能
倍速
点赞677
00:00 / 01:12
连播
清屏
智能
倍速
点赞4294
00:00 / 01:30
连播
清屏
智能
倍速
点赞800
闲田2天前
18 分钟内掌握OpenCode大部分核心用法 这个视频主要教你在 Windows 上用 WSL 安装、配置和高效使用 OpenCode,帮你在 18 分钟内掌握大部分核心用法。 OpenCode 是什么、为什么值得用 OpenCode 是 Cloud Code 的开源替代品,MIT 协议、100% 开源,支持 Anthropic、OpenAI、Google 和本地模型等多家提供商(provider agnostic)。 视频一开始用 GitHub Star 增长对比说明:OpenCode 的星标和最近一个月的增长已经超过 Claude Code,社区生态和文档、配置、教程正在快速完善,值得尽早上手。 核心三层概念:代理、规则、扩展 第一层是 agents:主要是 build 和 plan 两种模式,build 用来“干活”(改代码、跑命令),plan 用来“安全思考”(先出方案、受权限限制,避免乱改仓库)。 第二层是 rules(agents.md):每个仓库根目录生成一个 agents.md,用来写项目结构、代码规范、测试命令、禁止修改的区域等,相当于给 AI 写的“入职手册”,让它在你的项目里行为一致且可控。 第三层是 extensions(skills & commands):skills 是可复用的“玩法手册/知识模块”,比如“如何在本项目里写迁移、写接口”;commands 是用 /xxx 触发的一键命令,比如 /test、/review,用来减少重复输入。 安装与基础工作流(Windows + WSL + Cursor) 推荐在 WSL 里安装和运行 OpenCode,以获得更好性能和终端兼容;在 Windows Terminal 里通过 wsl --install 安装,再用官方安装命令装 OpenCode。 典型工作流是:在 WSL 里新建项目目录,用 Cursor 打开该目录,然后在同一目录的 WSL 终端里运行 opencode,让 OpenCode 和编辑器操作同一套文件和凭据。 OpenCode 自带一些免费模型,但速度和质量一般;可以在 UI 里连接 ChatGPT Plus 等外部提供商,并手动选择如 GPT 5.3 codeex 这类更强的编程模型。 模式切换与 agents.md 实战 通过 Tab 在 build / plan 模式间切换:建议先用 plan 拿方案、确认设计,
00:00 / 17:23
连播
清屏
智能
倍速
点赞19
Deepdick2天前
openclaw无限记忆150元搭建真实项目协作 【硬核分享】我用150块钱的服务器,手搓了一个拥有无限记忆的跨平台 AI 贾维斯 大家好,今天想和大家深度分享一下我最近基于开源项目 OpenClaw 折腾的一套个人 AI 系统。起因很简单,我不满足于仅仅是在网页上和 ChatGPT 对话,我想要一个真正属于我自己的、能干活的、还能记住我的 AI Agent。 最关键的是,这套系统的核心硬件成本,我只花了 150 块钱淘来的一台二手小服务器。 一、 核心大脑:150元服务器 + OpenClaw 这台 150 块的服务器是整个系统的心脏。它不需要多强的显卡,因为推理计算都在云端,它主要负责运行 OpenClaw 的核心程序、管理数据库以及维持网络连接。 OpenClaw 是一个非常出色的开源 AI Agent 框架。你可以把它想象成一个“中枢神经系统”,它一端连接着强大的 LLM(大语言模型),另一端连接着你的本地环境、终端、文件系统以及各种通讯软件(如 Discord、Slack 等)。它让 AI 不再是一个只会聊天的窗口,而是一个能执行命令的实体。 二、 模型双雄:OpenAI 的稳与 Google Antigravity 的新 在模型选择上,我采用了“双核驱动”: OpenAI 模型 (GPT-4o 等):这是我的主力输出。在处理复杂的逻辑推理、代码编写和通用任务时,OpenAI 的表现依然是最稳定和强大的。它是系统的“压舱石”。 Google Antigravity 模型:这是一个非常令人兴奋的新尝试。Antigravity 是 Google 推出的一个原生 AI IDE 和智能体开发平台,它的模型在理解复杂的工程上下文和自主规划任务方面展现出了惊人的潜力。 心得注: 不过要提醒大家,最近 Google 对第三方工具(如 OpenClaw)调用 Antigravity 后端的管控越来越严,可能会出现接口不稳定的情况。我目前的策略是让它处理一些特定的、非紧急的辅助编程任务,把它作为一个强大的“副驾驶”来培养。 三、 突破限制:我是如何实现“无限记忆”的? 这是我最得意是一个功能。传统的对话模型最大的问题就是“健忘”,上下文窗口一超,前面的话就忘了。我的解决方案是给 OpenClaw 外挂一个向量数据库 (Vector Database
00:00 / 10:13
连播
清屏
智能
倍速
点赞64
00:00 / 04:55
连播
清屏
智能
倍速
点赞118