L丶lulu‘s Blog

为什么用 Chrome DevTools MCP？OpenClaw 内置了托管浏览器（Managed Browser），但启动一个完整 Chrome 实例对服务器资源要求较高。 Chrome DevTools MCP 的优势： 复用已登录的浏览器，无需重新登录 保留 Cookie 和 Session，绕过二次验证 资源占用低，不需要启动额外的 Chrome 实例 操作真实页面，所见即所得 启动 Chrome 远程调试要让 OpenClaw 连接你的 Chrome，需要先开启远程调试端口。 方法一：命令行启动12345678910# Linuxgoogle-chrome --remote-debugging-port=9222# macOS/Applications/Google\ Chrome.app/Contents/MacOS/Google\ Chrome \ --remote-debugging-port=9222# Windows"C:\Program Files\Google\Chrome\Application\chrome.exe" \ ...

本文转载自：Harness 工程：不是新词，而是 Agent 工程终于被讲明白了转载时间：2026-03-31 这两天，Agent 圈突然开始密集讨论一个词：Harness。 很多人第一次看到它，会觉得这是个新框架、新范式，甚至像是什么”下一代 Agent 技术名词”。 但我看了一圈后，第一反应其实很简单： 这不就是我之前在做 memo code 时，一直在做的那套东西吗？ 更准确一点说： Harness 不是一个新技术发明。它更像是 Agent 工程里那部分一直存在、但过去没有被完整命名的”软件工程现实”。 前段时间我去高校做 Agent 开发交流时，也一直在讲一个非常朴素的判断： Agent = Loop(LLM + Context + Tools) 这个 loop 本身并不复杂。 真正难的，还是 软件工程。 现在回头看，所谓 Harness，某种意义上就是把我当时说的”软件工程”这件事，给具象化了、命名了、体系化了。OpenAI 在 2026 年 2...

本文转载自：五分钟带你认识并手搓一个 Skill转载时间：2026-03-30 很多人第一次看到 Skill 这个词，都会下意识觉得： “这是不是给程序员用的？” “是不是要会写很多代码？” 但如果我们把它拆开来看，会发现一件很有意思的事： Skill 其实就是把一件你已经会做的事情， 变成一次”可以反复执行、不容易出错的流程”。 这篇文章不要求你有任何技术背景。我们会一步一步来，慢慢把这件事讲清楚。 一、先别急着谈 Skill，从每天的按步骤做事说起先暂时把 Skill 这个词放一边。 想一个非常生活化的场景： 你要做一道固定的菜。 第一次做的时候，你可能会一边看菜谱，一边试探着来；做多了之后，你会发现流程几乎是固定的： 先准备材料 再按顺序处理 最后得到结果 如果你让别人来帮你做，你大概会说：”你就照这个步骤来，别自己发挥。” Skill，本质上就是做这件事。 只是对象从「人」变成了「机器」。 二、那 Python 是什么？为什么它这么适合”按步骤做事”？在继续说 Skill 之前，我们先认识一下 Python。 1️⃣ Python...

本文转载自微信公众号「MLNLP社区」，原文链接：https://mp.weixin.qq.com/s/_J0PqeSyWwwuf6aQW3TU_g原作者：AI让世界更懂你（蒋峰）原文来源：https://blog.csdn.net/qq_35082030/article/details/158510164 MLNLP社区是国内外知名的机器学习与自然语言处理社区，受众覆盖国内外NLP硕博生、高校老师以及企业研究人员。 社区的愿景是促进国内外自然语言处理，机器学习学术界、产业界和广大爱好者之间的交流和进步，特别是初学者同学们的进步。 核心概念“Skills”在 2025–2026 年的语境里，已不仅是”可复用提示词模板”，而逐渐演化为一种可移植的、可工程化治理的”过程性能力包”： 以文件夹为最小分发单元 包含 SKILL.md（YAML frontmatter + Markdown 指令） 可选的...

本文转载自：微信公众号「阿里云开发者」原文链接：https://mp.weixin.qq.com/s/wVcItgqsCiwl9-PZ56z27w作者：踏天转载时间：2026-03-27 一、背景最近OpenClaw如日中天，俨然已经是当下最热门并实用的个人助理。OpenClaw已经是我每日深度使用的效率工具，作为技术人，忍不住想系统性扒一下其技术架构与实现细节。当然了，本文也是通过与一堆Agent协作完成，包括OpenClaw、OpenCode、ClaudeCode、NotebookLLM、DeRisk等。 OpenClaw 在面向个人助手方向上，不仅仅体现在其灵活先进的智能体架构，还有其围绕个人助手方向的各种工具与生态的完整实现，是各类技术与工具的集大成者。 最让人惊讶的是，这些能力的基本全部通过AI-Coding实现，可以说彻底改变了软件开发的范式，而且清晰简洁的架构设计与表达，比传统人类编程的系统具有更高的标准，可以说是开启新的软件构建范式的开山之作，非常值得深入的研究。 由于OpenClaw涉及的技术点非常多，所以文章篇幅会显得很长。...

本文整理自微信公众号文章，结合 Resty 官方文档 重新编写原文来源： golang常用库包：http和API客户端请求库-go-resty 极简HTTP客户端，Resty如何让Golang请求效率翻倍？ 前言在 Go 语言中，使用标准库 net/http 发起 HTTP 请求时，代码往往比较繁琐。为了简化开发，社区诞生了许多优秀的第三方 HTTP 客户端库，其中 go-resty 以其简洁优雅的链式调用、强大的功能和出色的性能脱颖而出。 本文将介绍 Resty v3 的核心特性和使用方法，帮助你快速掌握这个高效的 HTTP 客户端库。 Resty 简介Resty 是一个基于 Go 标准库 net/http 构建的 HTTP 和 REST 客户端库，同时支持 Server-Sent Events (SSE)。 为什么选择 Resty？ 特性 说明 🔗 链式调用 直观优雅的 API 设计，代码可读性极高 🔄 自动序列化 轻松将结构体转为 JSON/XML，自动解析响应 🔁 重试机制 内置可定制的请求重试逻辑，增强可靠性 🔌...

MCP 简介模型上下文协议（Model Context Protocol，简称 MCP）是一种开放标准，旨在标准化大型语言模型（LLM）与外部数据源和工具之间的交互方式。 由 Anthropic 于 2024 年 11 月推出，MCP 通过定义统一的接口，使 AI 应用能够安全、灵活地访问和操作本地及远程数据资源。 Transports（传输层）消息格式MCP 协议使用 JSON-RPC 2.0 作为消息传输格式： Request 请求： 123456{ "jsonrpc": "2.0", "id": 1, "method": "string", "params": {}} Response 响应： 123456{ "jsonrpc": "2.0", "id": 1, "result": {},...

一、MCP 是什么？Model Context Protocol (MCP) 是 Anthropic 推出的开源标准协议，用于连接 AI 应用与外部系统。如果用一个形象的比喻，MCP 就像是 AI 应用的 USB-C 接口——提供了一个标准化的连接方式，让 AI 应用能够与各种数据源、工具和工作流无缝集成。 1.1 为什么需要 MCP？当前 AI 应用面临的核心挑战： 信息孤岛问题：每个数据源都需要单独的集成方案 开发复杂度高：为每个 AI 应用构建定制化的数据连接器 缺乏标准化：不同厂商的集成方案互不兼容 上下文丢失：AI 在不同工具间切换时难以保持上下文连续性 MCP 通过提供统一的协议标准，将这些碎片化的集成方案替换为单一的标准协议，从根本上解决了这些问题。 二、核心架构设计2.1 架构组件MCP 采用经典的客户端-服务器架构： 12345678910┌─────────────────┐│ MCP Host │ ← AI 应用（如 Claude Desktop）│ (协调者) │└────────┬────────┘ │ ...

一、什么是 Skill？Skill 是扩展 AI Agent 能力的模块化知识包（一种可复用的能力模块）。 把它想象成一本”专项操作手册”——当 AI 需要完成某个特定领域的任务时，Skill 就会被加载进来，提供专属的工作流程、工具脚本和领域知识。 Skill = 专业知识 + 操作流程 + 工具调用 核心价值： 把那些”通用 AI 不具备，但领域专家天天用”的知识固化下来，让 AI 具备领域专家的能力。 和 MCP 及 Prompt 的区别 维度 System Prompt MCP Skill 本质 一次性角色设定 工具/能力扩展协议 可复用行为约束 解决什么问题 临时调整 AI 风格 AI 连不到外部系统 AI 不按规范工作 需要写代码 否 是 非必须 二、Skill 的结构123456skill-name/├── SKILL.md ← 必须有，核心文件└── （可选资源） ├── scripts/ ← 可执行脚本 ├── references/ ← 参考文档 └── assets/ ← 静态资源 SKILL.md...

多个飞书机器人 + 独立工作空间 + 互相协作 = 专业化分工的 AI 助理团队 写在前面如何用 OpenClaw 搭建一套多 Agent 系统，让 AI 助理各司其职、协同工作？通过 OpenClaw 多 Agent 架构，你可以实现： 多个独立的飞书机器人，每个人设不同 各自独立的工作空间，数据完全隔离 可以互相协作，通过 agentToAgent 通信 共享长期记忆，跨渠道信息同步 本文将详细介绍如何在腾讯云服务器上，用 OpenClaw 搭建一套飞书多 Agent 系统，包括完整配置流程、常见问题解决方案和实战协作案例。 目录 为什么需要多 Agent 前置准备 5 个 Agent 角色设计 OpenClaw 多 Agent 配置 配置飞书多应用 踩坑与解决方案 验证与测试 完整配置模板 为什么需要多 Agent与单一通用 AI 相比，多 Agent 架构在专业化分工和协作效率上有明显优势。 单一 AI 的局限通用 AI...