LLM

万万没有想到，生化危机的女主角，居然成为了git大佬。 她参与的开源项目，MemPalace（记忆宫殿）爆火 AI 圈。 短短一周的时间，就已经收获了 4万+ 的stars。 这真的是我见过，玩跨界玩的最6的演员了。不得不感叹，这位真的是乘风破浪的姐姐。 项目地址参考如下：https://github.com/MemPalace/mempalace 1、痛点 该项目解决的最大痛点就是：ai没有记忆。 你每次打开新对话的时候，你会发现 ai 对你一无所知。 你之前跟它说过什么话，做过什么决定，踩过什么坑，在新一轮的对话中，ai通通忘记了。 虽然，也有一些云端解决方案，但是这些解决方案，通通要消耗 money。 因为你要把数据存到别人的服务器上，所以，安全性和成本，都是很棘手的问题。 而MemPalace解决了这个问题。 它使用SQLite作为轻量级数据库，处理知识图谱和时间的关系；使用 ChromaDB 作为向量数据库，处理存储和语义搜索；采用python作为开发语言，串起了整个项目。 也正因为它用了这些轻量化的本地工具，所以，正如它的项目介绍所言——一切都在本地，无需api key，无需外部网络。 2、安装 MemPalace 2.1 MemPalace工具安装 保证你的 python 版本在 3.9 以上。 输入一条指令，即可下载。 pip install mempalace 输入指令, 对当前项目进行初始化。 mempalace init ./ 输入指令，将当前项目存入记忆库。 mempalace mine ./ 2.2 Claude Code 插件安装 输入两条指令，即可安装 MemPalace 插件。 claude plugin marketplace add milla-jovovich/mempalace claude plugin install --scope user mempalace 3、使用 MemPalace 举个例子，这里我在 claude 中修改了我的项目，对项目中的内容进行了调整。 那么，过了一大段时间之后，我们可能已经忘记了这一部分调整的原因。 ...

AI Skills 本质上是一个给 AI Agent 看的“行动指南”。 它可以应用于 Claude Code（以下简称CC）、OpenCode、Codex 等 AI Cli 工具。 它的作用是什么呢？（以 CC 为例） 如果没有 Skills，那么 CC 生成的代码或者文案质量参差不齐、想一出是一出、没有任何标准； 有了 Skills 之后，Claude 就会先读取 Skill.md 的要求，按照已有规则给出代码、文案或者其它文本内容。 1、目录结构 使用 Skills 工具，最重要的一个环节是配置好目录。 所以，我们先介绍一下目录结构。 一个完整的目录，如下所示： your-project/ └── .claude/ └── skills/ └── your-skills-content/ ├── SKILL.md ├── scripts/ │ ├── generate_title.py │ └── format_article.py ├── references/ │ ├── cat.md │ └── dog.md └── assets/ └── article_template.md .claude 放在你的项目目录下，CC 需要从这个目录找到 Skills，所以，这个目录必须要有,且名字保持一致； skills 放在 .claude 目录下，里面存放着各种不同功能的 skills ，所以，这个目录必须要有且名字保持一致； ...

openClaw 是IT圈2026年开年的绝对顶流，它本质上是一个ai agent。 包括去年爆火的Claude Code、Manus，还有前年异军突起的 Cursor，本质上都是 ai agent。 我们今天来聊一下 AI Agent 这个东西。 1、理解ai agent 相比于 ai 大模型来说，ai agent 并非高深莫测的东西，它是一个具备定制化功能的、智能的工具. 例如，有专门写代码的agent（cursor），有“私人秘书”功能的agent（openClaw），甚至还有用于医疗领域的agent、影视领域的agent。 你可以把它简单理解为一把锤子、一个螺丝刀，或者一个扫地机器人。 而螺丝刀本身并不能完成智能化的工作。 但是，当你把它接入ai大模型之后，它就可以智能化地、自动化地替你完成你想做的工作。 ai agent = ai大模型（大脑）+ agent（工具） 其中 agent 是由软件工程师开发，ai大模型是由 ai 工程师开发。 如果可以的话，你可以自创一个做家务的 ai agent ，扫地机器人（工具） + 某某ai大模型。 2、ai agent 的开发 目前市面上，有很多 ai agent 的开发工具或者框架。 例如，LangChain 它的下载量最大、最主流，需要敲代码，有一定学习成本；CrewAI 上升势头很猛，概念直观，易上手；Dify 国内很流行，低代码首选，在图形界面上，拖、拉、拽就能实现一个agent…… 总之，各大工具都有人在用，也各有优势。篇幅有限，这里不做对比讨论，后续再写文章进行具体阐述。 下面用一段步骤明确、注释清晰的伪代码，演示一下开发一个“新闻简报” agent 的流程。 请注意：代码中的 duckduckgo 是 langchain 封装好的工具，可以直接调用。 from langchain.agents import AgentExecutor, create_react_agent from langchain_anthropic import ChatAnthropic from langchain_community.tools import DuckDuckGoSearchRun from langchain.prompts import PromptTemplate # ===== 第一步：装上大脑（大模型）===== llm = ChatAnthropic( model="某个AI大模型", api_key="你的API_KEY", base_url="https://api.ai模型地址.com" ) # ===== 第二步：装上工具（手脚）===== tools = [ DuckDuckGoSearchRun() # 搜索工具，能上网搜新闻 ] # ===== 第三步：写提示词（定规则）===== prompt = PromptTemplate.from_template(""" 你是一个新闻简报助手。 任务：搜索今日科技新闻，整理出最重要的3条，每条用2句话概括。 你有以下工具可以使用： {tools} 工具名称：{tool_names} 工作记录：{agent_scratchpad} 用户的问题：{input} """) # ===== 第四步：组装成 Agent ===== agent = create_react_agent(llm, tools, prompt) agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True) # ===== 第五步：运行 ===== result = agent_executor.invoke({"input": "帮我整理今天的科技新闻简报"}) print(result["output"]) 3、ai agent开发要点 3.1 选择一个合适的ai模型 前面已经提到，ai模型就是 ai agent 的大脑。 ...