Nile的专栏

本文探讨了AI工程领域正在发生的范式革命——从传统的直接提示词交互转向循环工程（Loop Engineering）。两位顶级AI工程师Peter Steinberger和Boris Cherny指出，未来的AI应用方式应该是设计循环系统，让AI自主运行"发现→规划→执行→验证→迭代"的完整流程，而非人工逐步提示。 文章分析了循环工程面临的主要挑战：高昂的token消耗成本，并指出国产大模型（如DeepSeek V4）的大上下文窗口和低成本特性正使其变得可行。详细解释了单智能体循环与舰队循环的区别，以及开环（

前五篇我们依次构建了 `pi-ai`（统一 LLM API）、`pi-agent-core`（智能体运行时）、`pi-tui`（终端 UI）、`pi-coding-agent`（终端编程助手）、`pi-web-ui`（浏览器聊天组件）。它们要么在终端里运行，要么在浏览器中运行——但都需要**人主动打开才能用**。如果 AI 能住在你团队天天用的 Slack 里，随叫随到、还能自己定时干活呢？这就是本篇主角——`pi-mom`。

本文介绍了pi-web-ui——一套基于浏览器的AI聊天界面组件，它是openclaw底层pi-mono架构系列的第5部分。pi-web-ui将终端AI能力迁移到浏览器环境，提供开箱即用的Web Components UI，支持通过几行代码快速嵌入AI对话功能。 文章详细解析了： 架构设计：包含ChatPanel核心组件、浏览器存储系统、消息类型处理等模块 技术实现：基于Lit框架、Tailwind CSS和IndexedDB 数据流程：从用户输入到LLM API请求的完整链路 典型应用：如构建AI客服系统

摘要： 本文深入解析了pi-agent-core架构的核心设计与实现，重点对比了其与pi-ai的本质差异——前者是具备完整生命周期的有状态Agent，能自动处理工具调用循环和上下文记忆。文章通过架构图展示了三大核心模块（Agent、AgentState、AgentTool）和自动运行循环机制，并提供了5分钟快速上手的代码示例。特别强调了工具系统的实现方式（定义工具四要素）和事件系统的完整生命周期监听能力。通过实际案例演示了如何让Agent自主完成多轮工具调用（如文件读取），开发者仅需单次调用即可实现复杂交互

摘要 Pi Mono是Openclaw的底层框架模块，采用Monorepo架构整合了7个功能包，包括统一LLM API调用、智能体运行时、终端/Web UI等核心组件。项目提供分层架构设计，支持20+大模型提供商的无缝切换，并通过pi-ai模块标准化了不同厂商的API格式。安装要求Node.js≥20，提供完整的开发工作流和测试工具。核心特性包括统一的completeSimple/streamSimple接口、自动成本计算和多提供商路由机制，大幅简化了AI助手的开发流程。该项目特别强调工程实践，为构建生产级

OpenSpec 是一个专为 AI 智能体（如 Claude Code、Cursor 等）设计的开源、轻量级规范驱动开发框架。它通过建立机器可读的规范作为“真相来源”，将 AI 辅助开发从不可预测的“凭感觉聊天”模式，转变为基于明确规范的结构化协作流程。其核心工作流包含四个阶段：起草变更提案、审查对齐、AI 驱动实施、归档并更新规范。通过分离稳定的系统规范（`specs/`）和提议的变更（`changes/`），OpenSpec 为团队提供了清晰、可审计的开发路径，显著提升了代码质量、项目可预测性和协作效率

本文介绍了如何通过 Claude Code 结合 Figma MCP 插件实现 AI 驱动的设计稿快速修改。主要内容包括：克隆并安装 Claude Talk to Figma MCP 插件，启动本地 Socket 服务（端口 3055），将 MCP 服务器添加到 Claude Code 配置中，以及在 Figma 网页端开启 MCP 服务并建立连接通道。最后通过实际案例演示了如何使用自然语言指令（如“修改字体颜色为白色”）让 Claude 自动识别设计稿中的节点并完成样式修改，展示了 AI 辅助设计工作流的

摘要 GLM-4.7作为国产AI模型在数学推理和本地部署方面表现优异，性价比突出。文章对比了GLM与Claude、Gemini、GPT等主流模型的性能，强调实践应用比基准测试更重要。详细介绍了GLM的订阅方式和API接入流程，包括Claude Code工具的安装配置方法。提供了常用命令表，涵盖工作目录管理、任务监控、错误报告等功能。文章主张技术价值在于解决实际问题，而非空谈理论或制造焦虑，为开发者提供了从理论到落地的实用指南。

我这里用的yi api。

flowise结合本地supabase实现知识库问答

Supabase 是一款强大的开源后端服务，提供了数据库、身份验证、实时推送等功能。本文将详细介绍如何在本地环境中部署 Supabase，让开发者能够在自己的服务器上搭建一个高效且可扩展的后端解决方案。通过阐述部署过程和关键配置步骤，读者将能够轻松地利用 Supabase 构建自己的应用程序，享受到其强大功能和灵活性。无论是开发小型项目还是构建大规模应用，本文都将为您提供必要的指导，帮助您充分利用 Supabase 的优势，实现快速、稳定的应用开发。

Flowise 是一个开源的用户界面可视化工具，它允许用户通过拖放的方式来构建自定义的大型语言模型（LLM）流程。Flowise基于LangChain.js，是一个非常先进的图形用户界面，用于开发基于LLM的应用程序。Flowise还支持Docker和NodeJS，可以在本地或者在容器中运行。如果有需求修改相关代码，可以本地部署运行。Langflow 是一个用于创建和运行语言模型流程的网络应用程序。Langflow是一个动态图，每个节点都是一个可执行单元¹。