00:00 / 04:09
连播
清屏
智能
倍速
点赞1259
00:00 / 04:51
连播
清屏
智能
倍速
点赞44
00:00 / 02:31
连播
清屏
智能
倍速
点赞371
00:00 / 00:48
连播
清屏
智能
倍速
点赞77
00:00 / 05:07
连播
清屏
智能
倍速
点赞35
AI超元域11月前
Roo Code开发智能体工作流UI框架 🚀超越cursor!Roo Code+Gemini 2.5 Pro为OpenAI Agents SDK开发工作流UI!轻松拖动组件即可搭建工作流!小白也能化身软件工程师!超越dify和langflow 🚀🚀🚀视频简介: ✅本视频详细演示了如何利用VS Code的Roo Code插件结合Gemini 2.5 Pro的强大前端编程能力,为OpenAI Agents SDK开发一个类似Langflow的可视化工作流界面。这个界面允许用户无需编写代码,仅通过拖放组件、设置参数和建立连接,就能生成完整可用的OpenAI Agents代码。 ✅详细展示了从Roo Code插件安装配置、项目设计到功能实现的全过程。开发的界面包含三种主要组件:Agent节点、Runner节点和Function Tool节点。用户可以在画布上自由排列这些组件,设置Agent名称和指令,然后通过连线建立组件间的关系。完成工作流后,系统能一键生成可直接运行的Python代码,无需任何修改。 🚀🚀🚀时间戳: 0:00 - 项目介绍:使用Roo Code和Gemini 2.5 Pro为OpenAI Agents SDK创建可视化工作流界面 0:51 - 成品演示:展示完成后的可视化界面和代码生成功能 1:32 - 环境搭建:安装VS Code和Roo Code扩展,配置Gemini 2.5 Pro API 2:09 - Roo Code工作模式介绍:Code模式、Architect模式、Ask模式和Debug模式 3:11 - 项目需求定义:使用Ask模式确定技术栈和基础架构 5:47 - 项目创建:使用Code模式开始实际代码编写 6:44 - 应用运行:打开浏览器查看生成的界面 7:11 - 单Agent工作流演示:拖放组件、设置参数和生成代码 8:41 - 代码执行测试:运行生成的Python代码并查看结果 9:27 - 多Agent工作流构建:创建和配置三个Agent的复杂工作流 10:44 - 多Agent代码生成与测试:生成多Agent工作流的代码 #roocode #ai编程 #ai #agc #AI智能体
00:00 / 12:11
连播
清屏
智能
倍速
点赞178
Deepdick2周前
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67
00:00 / 04:44
连播
清屏
智能
倍速
点赞4
00:00 / 06:05
连播
清屏
智能
倍速
点赞397
00:00 / 05:25
连播
清屏
智能
倍速
点赞250
00:00 / 02:50
连播
清屏
智能
倍速
点赞9