用 OpenClaw + 多 Agents 开发项目,我肝了一个月总结的实战分享

OpenClaw多Agent管理平台架构与部署实战 多Agent系统是AI工程化的重要发展方向,通过专业化分工实现更高效的任务处理。其核心原理是将不同功能模块拆分为独立运行的智能体,每个Agent专注于特定领域,通过上下文隔离避免思维污染,同时利用并行处理提升整体效率。这种架构特别适合需要多领域协作的复杂场景,如软件开发中的编码、测试、部署等环节。OpenClaw作为新一代AI Agent管理平台,采用模块化设计实现多Agent协同,支持包括阿里云百炼在内的主流大模型服务。本地部署时需注意硬件资源配置和网络环境配置,平台提供完善的监控和调试工具保障运行稳定性 阅读详情

🚀 用 OpenClaw + 多 Agents 开发项目,我肝了一个月总结的实战分享

🎯 核心亮点:用 OpenClaw 搭建 AI 开发团队,7×24 小时自动写代码!
目标:让独立开发者也能拥有"一个团队"的生产力


📌 写在前面

作为一个独立开发者,你是否经常遇到这些崩溃瞬间?

  • 🔥 需求写到一半,产品说"还是最初那个方案好" → 之前写的代码全废
  • 🔥 前后端联调,数据格式对不上 → 来回拉扯,一周就过去了
  • 🔥 自己写的代码,自己怎么看都顺眼 → 半年后回看:“这什么垃圾?”
  • 🔥 同样的坑踩两次 → 每次都是"我明明上次解决过"

我是如何解决的?用 OpenClaw 搭建了一个 AI 开发团队!

📌 相关 Skills:https://gitee.com/cs_shuang/openclaw_skills.git


🤖 什么是 OpenClaw?

OpenClaw 是一个开源的 AI Agent 编排框架,核心能力:

  • 🤖 多 Agent 编排:可以定义多个专业 Agent,分工协作
  • 📡 会话管理:Agent 之间可以相互调用、传递任务
  • 💬 多平台接入:飞书、Telegram、Discord、Web…
  • 🧠 记忆系统:基于文件系统的长期记忆,经验自动沉淀

一句话:让 AI 像真实团队一样,有 PM、有前端、有后端、有 Code Reviewer!


🏗️ 我的 AI 开发团队架构

首先,让我展示一下这个团队的完整架构:

📌 【团队架构图】
在这里插入图片描述


👥 团队成员详解

📋 PM Agent(项目经理)

工作目录:D:\openclaw\workspace\pm_agent

核心技能:

技能用途
gitee-prGitee PR 自动化提交
gitee-workflow-automationGitee 工作流管理
tavily-search / brave-search网页搜索调研
test-driven-development测试驱动开发指导

记忆文件:memory/pm-experience.md

职责:需求分析 → 方案设计 → 调度 Agent → 汇报结果


🎨 Frontend Agent(前端开发)

工作目录:D:\openclaw\workspace\frontend_agent

核心技能:

技能用途
frontend-design前端界面设计
vue-expertVue.js 专家
tailwind-design-systemTailwind CSS 设计系统
agent-browser浏览器自动化测试
test-driven-development单元测试

记忆文件:memory/frontend-experience.md

技术栈:Vue 3 + TypeScript + UnoCSS


⚙️ Backend Agent(后端开发)

工作目录:D:\openclaw\workspace\backend_agent

核心技能:

技能用途
java-development-manualJava 开发手册
docker-expertDocker 容器化部署
backend-node.js-expertNode.js 后端模式(参考)
test-driven-development单元测试
audit-website代码质量检查

记忆文件:memory/backend-experience.md

技术栈:Spring Boot 3.2.2 + Java 17 + MyBatis-Plus


🔍 Reviewer Agent(代码审查)

工作目录:D:\openclaw\workspace\reviewer_agent

核心技能:

技能用途
test-driven-development测试质量审查
audit-website代码审计思路
seo-audit代码质量分析
agent-browser自动化测试验证

记忆文件:memory/reviewer-experience.md

审查重点:功能正确性、安全性、错误处理、单元测试


📁 记忆系统目录结构

pm_agent/memory/
└── pm-experience.md           # 项目管理经验

frontend_agent/memory/
└── frontend-experience.md     # 前端开发经验

backend_agent/memory/
└── backend-experience.md      # 后端开发经验

reviewer_agent/memory/
└── reviewer-experience.md     # 审查经验

💔 踩坑历程:我是如何被"坑"大的

踩坑 1:需求变更 = 重新开发

血泪史:以前我一个人开发,做一个用户管理模块,做到一半产品说"对了,我们还需要角色权限"。然后…整个结构就得重来。

解决:PM Agent 强制 7 步流程,其中步骤 3 必须等用户确认。没确认,打死不动手!

# PM Agent 的强制流程(伪代码)
async def handle_requirement(user_input):
    # 步骤 1-2: 接收需求 + 分析方案
    analysis = await pm.analyze(user_input)

    # 步骤 3: 核心!等用户确认
    confirmed = await pm.wait_for_confirmation(analysis)
    if not confirmed:
        return "请确认方案后再开始"

    # 步骤 4: 确认后才调度开发
    await pm.spawn_subagents(frontend, backend, reviewer)

这就是 PM Agent 的实际工作场景:

📌 【PM Agent 工作流程】
在这里插入图片描述

效果:再也没有"写着写着方向改了"的崩溃!


踩坑 2:前后端撕逼 = 无限返工

血泪史:最怕的不是写代码,而是联调。你说"接口返回的数据格式不对",后端说"前端要的格式我没接到"。来来回回,一周就过去了。

解决:PM Agent 统一调度,前端后端各司其职。Reviewer 还会检查接口一致性。

来看看 Frontend Agent 和 Backend Agent 是如何配合的:

📌 【协作】

在这里插入图片描述
在这里插入图片描述

上述agents可视化链接:https://github.com/TianyiDataScience/openclaw-control-center.git

Frontend Agent 使用 frontend-design + vue-expert 技能开发界面,Backend Agent 使用 java-development-manual + docker-expert 技能开发接口,两者通过 PM Agent 统一调度,互不干扰!

效果:各管一摊,配合默契。PM 做总控,Frontend 专注 UI,Backend 专注逻辑,Reviewer 把关质量。


踩坑 3:代码没人 review = 定时炸弹

血泪史:自己写的代码,自己怎么看都顺眼。半年后回来看:“这什么垃圾?安全漏洞一堆!”

解决:每行代码都必须经过 Reviewer Agent 审查!

## 审查清单

### 必须检查 (Blocking)
- [ ] 功能正确性
- [ ] 安全性 (SQL注入、XSS、越权)
- [ ] 错误处理
- [ ] 单元测试

这就是 Reviewer Agent 的审查报告:

📌 【图片 4:Reviewer 审查报告】
在这里插入图片描述

效果:有改进建议,全部修复后才交付。质量有保障!


踩坑 4:经验没有积累 = 每次都踩坑

血泪史:同样的坑踩两次。比如"日期格式不对"“权限控制漏了”。每次都是新问题。

解决:每个 Agent 都有自己的记忆系统!

memory/
├── pm-experience.md           # PM 经验:需求分析、项目管理
├── frontend-experience.md     # 前端经验:组件封装、样式踩坑
├── backend-experience.md      # 后端经验:接口设计、SQL 优化
└── reviewer-experience.md    # 审查经验:常见问题模式

这些经验文件记录了每次开发的:

  • 技术方案选择
  • 踩坑记录 & 解决方案
  • 代码审查意见
  • 性能优化经验

效果:下次遇到类似需求,Agent 会自动参考之前的最佳实践!


✨ 这个团队有什么好处?

1. ✅ 需求分析更清晰

PM Agent 会强制走 7 步流程,用户没确认,绝不开发!

2. ✅ 专业化分工

每个 Agent 有明确的技能定位:

  • PM 负责人机沟通和任务调度
  • Frontend 专注 UI/UX
  • Backend 专注业务逻辑
  • Reviewer 专注质量把关

3. ✅ 代码质量有保障

每行代码都必须经过 Reviewer Agent 审查,审查清单涵盖功能、安全、错误处理、测试!

4. ✅ 经验自动沉淀

每个任务完成后自动记录经验到 memory/ 目录,下次类似任务自动参考。

5. ✅ 7×24 小时待命

AI 不需要睡觉,任务下达后自动执行。早上提需求,下午看结果。


🚀 实战效果

举个例子:

需求:“帮我做一个用户管理模块”

耗时:约 2 小时(包含需求确认、开发和审查)

产出:

  • 后端:用户 CRUD 接口 + 权限控制
  • 前端:用户列表、新增、编辑页面
  • 审查:12 条改进建议,全部修复

这是最终的项目成果:

📌 【项目成果】 -

首页:
在这里插入图片描述
智能聊天窗口:
在这里插入图片描述

比我自己写快多了,而且质量更有保障!


📢 写在最后

AI 不是要取代开发者,而是让我们更专注于创造性的工作。

把琐碎的需求分析、代码审查、项目协调交给 AI 去做,你会发现:

💡 原来开发可以这么爽!


如果你也对 AI 开发团队感兴趣,欢迎在评论区聊聊!

📌 相关 Skills:https://gitee.com/cs_shuang/openclaw_skills.git
📌项目地址:SwiftBoot Gitee Repository
📌 本文使用 OpenClaw 框架搭建,PM Agent 通过飞书与我对接。有兴趣的朋友可以关注我,后续会分享更多实战细节。

Openclaw 经验分享 | 如何在Openclaw中配置多个独立的Agent 先检查下你环境中之前已经绑定了哪些通道,如果你配置中已经绑定(bindings)了其他通道(如:WhatsApp、Telegram、Discord等)记得先导出配置(便于后期还原)工作空间路径:/home/gem/workspace/agent/workspace-feishu-writer。1、修改配置前,先备份下原配置文件(openclaw.json),便于恢复。到此你已经配置好了,后边就是将你的机器人添加到群组中,就可以使用了。- 然后复制当前配置内容,并追加新的绑定配置,明日复明日,明日何其多! 阅读详情

相关推荐

OpenClaw实战指南:多Agent协作调度与生产级部署

多Agent系统不是简单堆砌AI模型,而是面向真实业务流的分布式协作架构。其核心在于任务路由的确定性、执行状态的可观测性与协作关系的可配置性——这正是OpenClaw作为调度中枢的技术定位。相比LangChain等单体Agent框架,OpenClaw聚焦底层基建,通过声明式DAG拓扑、Skill-Tool分层抽象和Redis增强调度器,支撑10+Agent高可用协同。它不封装LLM,却深度解决延迟归因、熔断策略、热更新与灾备降级等生产痛点,适用于周报自动化、跨平台信息采集、AI助理编排等需强SLA保障的企业

weixin_33796177的博客 406

OpenClaw的几种可视化界面

用过OpenClaw的朋友都知道,原生的Control UI虽然稳定,但只能进行简单的对话交互,缺少一点“可玩性”和“掌控感”。AI在后台忙什么?生成了哪些资产?各个会话之间有什么关系?——这些几乎都看不见。为了把OpenClaw“养”得更有趣,我找到了四款优秀的可视化开源项目,覆盖了像素风监控、3D可视化、新手控制台和全能管理后台。按需取用,总有一款适合你。

曼陀罗的博客 2046

OpenClaw多Agent架构原理与飞书Bot协同实战

多Agent系统是现代智能体应用的核心范式,其本质在于通过角色化分工、事件驱动路由与运行时状态协同实现任务自治。OpenClaw作为轻量级Agent运行时(Agent Runtime),摒弃传统HTTP调用思维,转而构建具备生命周期管理、独立会话上下文和内存级RPC调用能力的Agent协作中枢。它支持飞书Bot深度集成,涵盖消息解析、卡片交互、事件订阅等全链路能力,并天然适配中小团队MVP验证场景。本文围绕OpenClaw的多Agent协作机制与agent调用慢等高频问题,解析其单线程事件循环设计取舍、Ag

weixin_30323631的博客 445

【GitHub项目推荐--OpenClaw Control Center:安全优先、本地优先的OpenClaw集中控制平台】⭐⭐⭐

​ 是由TianyiDataScience开发并维护的开源项目,其核心使命是为OpenClaw提供一个安全优先、本地优先的控制中心,实现集中化的系统监控、任务管理和运营分析。该项目专为OpenClaw用户设计,特别是那些需要直观、安全地监控和管理AI代理操作的非技术用户。Control Center将复杂的后端数据转化为易于理解的运营视图,让用户能够快速了解系统状态、任务进展、资源消耗和团队效率,而无需深入技术细节。核心定位:Control Center的核心价值在于在安全性和易用性之间取得完美平衡。

j8267643的博客 3006

开源的OpenClaw 控制中心

给OpenClaw提供一个本地控制中心,集中看系统是否稳定、谁在工作、哪些任务卡住了、今天花了多少。对于非技术用户,重点是“看得懂、准”,而不是引入原始货物有效负载。 你能得到什么 总览:系统状态、待处理事项、关键风险和运营摘要 用量:用量、占用、订阅窗口和连接状态 员工:谁真的在工作,谁在排队待命 任务:当前任务、安东尼、执行链和运行证据 文档与记忆:按激活 OpenClaw 代理范围展示的源文件工作台

m0_61489102的博客 1077

PyTorch、Torchvision、Torchaudio历史版本whl文件下载地址、版本对应关系与离线安装全攻略

本文详细解析了PyTorch、Torchvision和Torchaudio历史版本whl文件的下载地址、版本对应关系及离线安装全攻略。针对无网络环境下的安装挑战,提供了官方whl文件获取路径、版本匹配技巧和完整安装流程,帮助开发者高效解决兼容性问题,确保深度学习环境的稳定部署。

weixin_31960565的博客 378

OpenClaw如何实现数据可视化

它能自动完成从数据读取、解析到图表推荐的整个流程,支持 Excel, CSV, JSON, MySQL 等多种数据源,并生成交互式 HTML 报告。如果您希望监控 OpenClaw 自身的运行状态(如 Token 消耗、任务执行情况),可以部署独立的监控面板。通过安装专门的图表生成插件,可以极大地扩展 OpenClaw 的可视化能力,实现更复杂的交互式图表。OpenClaw 的文档处理工具集也包含了基础的可视化功能,适合在解析文档的同时快速生成图表。:在终端运行以下命令,指定输入文件和图表类型。

专注于技术研发行业技术主要有AI人工智能视觉识别、物联网技术、电商平台、app原生技术、微信小程序、鸿蒙语言开发、办公企业oa、ERP等,致力于做东半球最优秀的程序员 1003

Android WIFI体系:深入解析WifiLock与MulticastLock的底层实现与性能优化

本文深入解析Android WIFI体系中WifiLock与MulticastLock的底层实现机制与性能优化策略。WifiLock通过阻止Wi-Fi休眠提升网络性能,尤其WIFI_MODE_FULL_HIGH_PERF模式可显著降低延迟;MulticastLock则控制组播数据接收,但会增加功耗。文章详细探讨了其与wpa_supplicant、HAL层的交互,并提供高性能场景下的优化实践与功耗平衡方案。

php55的博客 1079

OpenClaw 的 Mission Control 多任务 UI 工作流管理:把聊天、会话、计划任务、日志排错放到一个面板里

OpenClaw 的 Mission Control 多任务 UI 工作流管理:把聊天、会话、计划任务、日志排错放到一个面板里

weixin_43308731的博客 824

使用 Wireshark 分析 PPPoE 流量中的 BRAS 名称 AC-Name

客户端发出广播请求,寻找 PPPoE 服务器。: BRAS 服务器响应 PADI 请求,提供服务并包含AC-Name。: 客户端选择一个 BRAS 并发起连接请求。: BRAS 确认连接并分配会话 ID。在这些阶段中,AC-Name是 BRAS 提供的一个关键字段,用于标识服务器名称。

caca_66的博客 2065

Python多版本共存指南:用CMD命令一键切换3.6和3.8解释器(含pip使用技巧)

本文详细介绍了在Windows CMD环境下实现Python多版本(如3.6和3.8)共存与一键切换的完整方案。通过文件重命名策略、环境变量优化和自定义脚本,开发者可快速切换Python解释器版本,并管理各版本独立的pip依赖库,确保项目环境隔离与兼容性。

weixin_29035405的博客 423

新手必看!OpenClaw是什么?核心功能与部署教程详解

随着人工智能技术的飞速发展,我们早已习惯与聊天 AI 对话 —— 它们能写文案、解难题、给建议,但始终停留在 “提供方案” 的阶段。而OpenClaw(社区昵称 “小龙虾”)的出现,彻底打破了这一瓶颈:它不是单纯的聊天机器人,而是一款本地优先的开源 AI 智能体执行网关,能直接 “动手” 完成文件管理、浏览器操控、自动化任务等实际工作,真正实现从 “对话” 到 “行动” 的跨越。

zhujigege的博客 610

Matlab 曲面平滑与点云处理

曲面平滑是一种常见的数学和计算机图形学技术,可以用来消除噪声、填补数据间隙,以及改善曲面的外观。在点云处理中,曲面平滑也被广泛应用于重建、拟合和可视化等领域。本文将介绍如何使用 Matlab 进行曲面平滑和点云处理,并提供相应的源代码。通过以上步骤,我们可以使用 Matlab 进行曲面平滑和点云处理。你可以根据具体需求调整参数和算法,以获得理想的曲面平滑效果。接下来,我们可以使用平滑算法对三角化的网格进行曲面平滑。以上代码将绘制原始点云和重建后的点云,并在图形中显示坐标轴和图例。表示平滑的迭代次数。

QfcaLinux的博客 751

实战中的Openclaw多Agents部署策略

所以说,现在这种软隔离方案,肯定不是我们的最终形态。从单 Agent 到多 Agent 的演进是渐进的。先跑起来,遇到问题再拆分。不要一开始就做复杂配置,那样反而会增加维护成本。随着更多的磨合和尝试,希望之后能跟大家分享更好的多 agents 架构和配置方案。

HJS123456780的博客 699

Universal Robot——在Gazebo中模拟UR5机器人

今天的目标是在Gazebo安装我们的ur5机器人。Gazebo是一个流行的模拟工具,它不仅可以让你像在Rviz中一样可视化你的机器人,而且还内置了一个物理引擎。这样你就可以在更真实的环境中测试你的机器人应用程序。我们将查看我们需要的属性 添加对我们的机器人——我们的order的描述,以模拟它以及如何在Gazebo中生成我们的机器人。

如果想成为中心,那么就到中心去吧。 1969

ArcGIS笔记13_利用ArcGIS制作岸线与水深地形数据?建立水动力模型之前的数据收集与处理?

在利用MIKE建立水动力模型之前,需要收集、处理和制作诸多数据和资料,主要有岸线数据、水深地形数据、开边界潮位驱动数据、风场数据、潮位和海流观测资料和站点潮汐调和常数资料等。本篇主要介绍这些资料的获取与处理。

晏长街的博客 5947

Openclaw搭建多Agent企业运营团队:我的实战手记

openclaw多只虾协同的智能团队创作

may1992heihei的博客 865

常用元器件使用方法13:物理层接口芯片DP83848的使用方法

介绍: DP83848是以太网物理层接口芯片,具有多种型号,从便于焊接角度考虑LQFP-48封装较为合适,采用LQFP-48封装的芯片,有2种型号,分别为DP83848I和DP83848C,如下图所示。 其主要区别是使用温度不同,如下图所示。 这2种芯片芯片网上均有销售,按理说DP83848C价格应该更加便宜,实际不然,DP83848I的价格低于DP83848C,考虑或与芯片的出货量...

snmplink的博客 1万+

OpenClaw AI操作系统三层架构解析:从Channels到Agents与Tools的实战部署

在AI应用开发领域,大型语言模型(LLM)作为核心驱动引擎,通过理解、规划和生成能力,为智能系统提供了认知基础。其技术原理在于利用预训练的海量参数,实现对自然语言指令的意图识别与任务分解。这一能力的技术价值在于,它使得机器能够像人类一样进行多步骤推理和决策,从而构建出可自主执行复杂流程的智能体(Agent)。在实际应用场景中,AI智能体需要与多样化的外部系统和服务进行交互,例如处理来自不同平台的消息、调用API或操作数据库。这便引出了对统一通信层和标准化工具集的需求。OpenClaw作为一个AI操作系统,其

weixin_34038293的博客 388

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

OpenClaw 入门分享文档

缘起:OpenClaw 最初是个人实验项目——为了学习 AI 并做出「真正能干事」的助手:能在真实设备上跑、在真实渠道里回你消息、按你的规则做事。项目在VISION.md里写得很清楚:作者与核心贡献者@steipete)—创建者,项目从 Warelay/Clawdbot 一路演进到 OpenClaw 的主导者。@badlogicc)—Pi 编码 Agent的创作者,负责安全与运行时等核心能力。更多贡献者见官方Credits。名字与迭代Warelay(早期 WhatsApp 网关)→。

luo1324574369的博客 1093

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

养虾日记-OpenClaw多Agent飞书实战

前段时间折腾OpenClaw,照着官方文档把新闻获取的流程跑通了,能定时执行新闻获取并推送,感觉还行。

weixin_58753619的博客 642

关于10年工作经验的程序员对OpenClaw的实战经验分享以及看法

为什么写这篇文章,其实主要是想把目前学习到以及使用的梳理一下,在目前这个阶段还有些用的情况下。为什么这么说,作为有10多年工作经验的程序员,其实正常快到生涯末期了,AI的出现以及加速迭代,可能这个来临会更早,但也许是个机会,越有经验年龄越大可能还是更好的。在22年就初步使用了gpt,当时只觉得是一个玩具,写点简单的工具类还行,稍微复杂一些的编码基本不行,要一直调试,在这几年也都只是抱着编码工具的方式去使用,直到26年开年才感觉真的变天了。

虚无境的博客 972

ClawProBench OpenClaw 原生面评测指南:skills、memory、browser、cron、agents 八大表面全覆盖

**ClawProBench** 是一个 live-first(以真实运行为第一优先级)的 LLM Agent 基准评测框架,它直接在本地 **OpenClaw** 运行时中执行任务并用确定性规则自动判分。本指南带你跑通 `native` 评测切片,覆盖 skills、memory、browser、cron、directory、agents、sessions、message 八大原生表面,用重复试

gitblog_01061的博客 368

牛逼干货分享!OpenClaw Workspace 运维实战手册

Workspace 的核心是将配置体系(AGENTS.md、SOUL.md、TOOLS.md 等)与内容体系(USER.md、memory/)分离。:每个 Agent 实例拥有独立的 Workspace,避免配置和记忆污染。:各配置文件承担不同职责——openclaw.json 是系统宪法,AGENTS.md 是工作手册,TOOLS.md 是安全边界。通过遵循本文档的实践,运维团队可以建立规范的 Workspace 运维体系,确保 OpenClaw 在生产环境中的稳定运行。迁移脚本实现多环境同步。

民工哥的博客 449

如何编辑AI智能体的人格?OpenClaw-Admin记忆管理(SOUL.md/AGENTS.md)实战指南

OpenClaw-Admin 是一个基于 Vue 3 构建的现代化 AI 智能体管理平台,其内置的**记忆管理**模块让你通过可视化界面直接编辑 `SOUL.md`(人格设定)与 `AGENTS.md`(行为规则)两份核心文档,几分钟内就能改变 AI 智能体的语气、风格和行为边界。本文带你完整走一遍编辑流程。 ## 为什么需要编辑 SOUL.md 与 AGENTS.md 每个智能体的"性格"由

gitblog_00307的博客 74

OpenClaw Skill开发:自定义技能实战指南

在OpenClaw的世界里,Skill(技能)是Agent能力的核心载体。简单来说,Skill就是一份Markdown格式的指令文件何时触发——在什么场景下应该激活这个技能做什么——具体执行什么操作、遵循什么流程怎么做——调用哪些工具、使用什么参数、遵循什么规范Skill本质上是一种声明式的能力注入机制。你不需要修改OpenClaw的源代码,只需要在指定目录放置一个SKILL.md文件,Agent就自动获得了新能力。

七夜zippoe的博客 851
上一篇: 让数据“开口说话”!SwiftBoot AI 智能看板 v0.1.8 震撼来袭
下一篇: 我把传统项目问答升级成了 Agent-RAG:Spring Boot + FastAPI + ChromaDB 工程落地实践
皮卡丘不断更
博客等级 码龄5年 111粉丝 141原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

皮卡丘不断更

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值