即刻App年轻人的同好社区
下载
很多人以为 agent 做不好的问题是 skill 不够多。
我觉得不是。
真正麻烦的是，skill 都能单独干活，但它们接不上。
比如做一次数据分析：
飞书 skill 取信息。
分析 skill 看数据。
飞书 skill 再把结果发到群里。
每一步都不难。
难的是中间都得我盯着。
上一步跑出来的东西对不对？
对了，继续。
不对，停下来改。
这就很蠢。
AI 明明已经能做事了，结果我还坐在旁边，当一个负责点下一步的人。
所以我做了这个 pi 插件，也顺手开源了：
github.com
一开始我以为，把 skill 串起来就行了。
后来发现不行。
如果第一步结果就是错的，后面只会错得更完整。
分析 skill 会拿着错的数据继续分析。
飞书 skill 会把一份看起来很完整、其实已经坏掉的东西发到群里。
这不是自动化。
这是自动把垃圾发出去。
所以我加了检查。
每一步跑完之后，先看它有没有达标。
达标，再继续。
没达标，就重试，或者停下来。
最终成果非常稳定，而且这种方式是真正能让 agent 当成一个功能的方式。
我已经运行了一个多月，每周都需要，现在只是个开始，下一步要做的是如何集成到 Codex 和 Claude 这种通用 agent 中去。
我觉得不是。
真正麻烦的是，skill 都能单独干活，但它们接不上。
比如做一次数据分析：
飞书 skill 取信息。
分析 skill 看数据。
飞书 skill 再把结果发到群里。
每一步都不难。
难的是中间都得我盯着。
上一步跑出来的东西对不对？
对了，继续。
不对，停下来改。
这就很蠢。
AI 明明已经能做事了，结果我还坐在旁边，当一个负责点下一步的人。
所以我做了这个 pi 插件，也顺手开源了：
github.com
一开始我以为，把 skill 串起来就行了。
后来发现不行。
如果第一步结果就是错的，后面只会错得更完整。
分析 skill 会拿着错的数据继续分析。
飞书 skill 会把一份看起来很完整、其实已经坏掉的东西发到群里。
这不是自动化。
这是自动把垃圾发出去。
所以我加了检查。
每一步跑完之后，先看它有没有达标。
达标，再继续。
没达标，就重试，或者停下来。
最终成果非常稳定，而且这种方式是真正能让 agent 当成一个功能的方式。
我已经运行了一个多月，每周都需要，现在只是个开始，下一步要做的是如何集成到 Codex 和 Claude 这种通用 agent 中去。
1 10
Skill 一出来，我第一时间把 FastGPT 的工作流封装成了
skill。
为什么？因为这条流程已经被我用几周时间反复调试过
prompt，不是能跑的问题，而是能稳定进生产、能直接赚钱的问题。
既然它在真实业务里已经验证过价值，那它本身就是资产。
所以如果你能拿到那些已经在赚钱的工作流，再把它们产品化
成 skill，这个 skill 当然也值钱。
skill。
为什么？因为这条流程已经被我用几周时间反复调试过
prompt，不是能跑的问题，而是能稳定进生产、能直接赚钱的问题。
既然它在真实业务里已经验证过价值，那它本身就是资产。
所以如果你能拿到那些已经在赚钱的工作流，再把它们产品化
成 skill，这个 skill 当然也值钱。
1 20
Gemini 3 升级：专攻科研工程推理，竞赛达金牌级。Ultra 用户可用，API 开放申请。blog.google
0 00
今天 OpenClaw 记忆系统的完整配置已完成。
最初配置报错 plugin not found。经排查，claude-mem 已安装在 ~/.openclaw/claude-mem/，仅缺少 plugins.load.paths 配置。现已添加路径、创建 LaunchAgent 实现开机自启，并完成插件构建。
系统内存在两套记忆系统：自定义的 memory/*.md 和 claude-mem。现采用双系统方案——保留 memory-core 提供检索工具，同时 claude-mem 负责深度记录。旧的历史文件已清除并备份。
针对 embedding 需要 API key 的问题，已改为本地 embedding 配置，无需密钥即可使用语义搜索。
最后记忆“丢失”的真相已查明：数据均完整，仅因原存储于 "chris" 项目下，而配置使用的是 "openclaw"。27 条记录已转移到正确项目，MEMORY.md 已完成同步。
现在记忆系统完全可用：具备检索能力、后台持续记录、系统重启自动恢复。
最初配置报错 plugin not found。经排查，claude-mem 已安装在 ~/.openclaw/claude-mem/，仅缺少 plugins.load.paths 配置。现已添加路径、创建 LaunchAgent 实现开机自启，并完成插件构建。
系统内存在两套记忆系统：自定义的 memory/*.md 和 claude-mem。现采用双系统方案——保留 memory-core 提供检索工具，同时 claude-mem 负责深度记录。旧的历史文件已清除并备份。
针对 embedding 需要 API key 的问题，已改为本地 embedding 配置，无需密钥即可使用语义搜索。
最后记忆“丢失”的真相已查明：数据均完整，仅因原存储于 "chris" 项目下，而配置使用的是 "openclaw"。27 条记录已转移到正确项目，MEMORY.md 已完成同步。
现在记忆系统完全可用：具备检索能力、后台持续记录、系统重启自动恢复。
1 00
有没有朋友和我一样在开发过程中，感觉盯着好几个项目很痛苦的。
得益于 opencode 有 minimax 和 GLM 等模型的免费额度我写了个 opencode 伴侣，叫做 Wiggum，让 ai 监控指导 agent 输出，如果暂停的话就会 PUA 它，指导判断输出方向是否正确，可以随时优化目标，朝着设定目标前进。
当然，不止是支持oepncode，比如其他的codex，Claude code，这种终端类的都可以。
比如，我让他给我写个YouTube下载工具，设定目标是上线，原来的 agent 可能只会达到给你个本地链接，而这个东西，会帮你重复测试，直到找到免费的上线路径为止。
当然，现在也发现了问题，经常问题还没解决，缓存就先爆了[捂脸]，反正挺离谱的，一个项目哼哧干几个小时，搞了几个 G 的缓存出来。
这个挺暴力的github.com
得益于 opencode 有 minimax 和 GLM 等模型的免费额度我写了个 opencode 伴侣，叫做 Wiggum，让 ai 监控指导 agent 输出，如果暂停的话就会 PUA 它，指导判断输出方向是否正确，可以随时优化目标，朝着设定目标前进。
当然，不止是支持oepncode，比如其他的codex，Claude code，这种终端类的都可以。
比如，我让他给我写个YouTube下载工具，设定目标是上线，原来的 agent 可能只会达到给你个本地链接，而这个东西，会帮你重复测试，直到找到免费的上线路径为止。
当然，现在也发现了问题，经常问题还没解决，缓存就先爆了[捂脸]，反正挺离谱的，一个项目哼哧干几个小时，搞了几个 G 的缓存出来。
这个挺暴力的github.com
00:13
1 00
今天有个业务试了多次，只有Gemini 2.5 Pro和 gpt-4o 能完成，但是成本太高了，不能打平收益，再调调 prompt。
呦吼，DeepSeek V3 完美胜任任务。
prompt 工程的重要性不言而喻
呦吼，DeepSeek V3 完美胜任任务。
prompt 工程的重要性不言而喻
4 01
