Blum45

良好的质押 -> 生产力代理
许多人认为AI代理只是一个写得好的提示词
但除此之外，选择合适的代理组件也非常重要：
> LLM
> 工具
> 记忆
> 触发器
> 反馈循环
不是单一要素 - 代理只是一个空虚的谈话者
1. LLM：推理引擎
这部分定义目标、行动方针和执行设计。
但LLM本身不能自动访问你的系统、保持稳定的上下文或在现实世界中采取行动
这就是为什么"仅仅使用GPT"与构建代理不同
2. 工具：执行层
它是代理的手，这一层将思想转化为行动
你的代理可以使用工具检查数据、发送消息等
但没有工具，AI代理只是一个文本生成系统
3. 记忆：上下文层
它使你的代理在一段时间内保持一致性
这可能包括用户偏好、文本输出的方案和风格等
但请记住：不要将你的记忆用作记录纸
这个策略只会给你带来性能下降并使你的输出令人困惑
4. 触发器：唤醒决策
一个好的代理不需要始终运行
它应该通过事件发生来唤醒自己
这个策略比轮询系统效果好得多
5. 反馈循环：改进过程
一个高效的代理不仅仅是被动反应 - 它会随着时间推移而改进
例如，它的输出被检查，错误被突出显示并纠正到提示词、工具、记忆或评估中

如何在3分钟内创建OpenClaw技能
技能是高质量AI代理的关键部分
你离不开它们，定制技能通常是必不可少的
安全第一：在生产环境使用前始终在本地测试
1. 创建目录
示例 ( 在终端输入 )：
| mkdir -p ~/.openclaw/workspace/skills/skill_name
这里将存储所有技能所需的数据
2. SKILL·md ( LLM指令 )
关键在于正确表达所需LLM操作的本质
此文件使用YAML前置信息进行元数据定义，使用Markdown编写指令
重要：
> 使其可执行、具体且简洁
> 提及具体工具
- 你可以在前置信息中定义自定义工具 (（可选） )
> 说明操作步骤和反应方式
错误示例：
greet the world
正确示例：
---
name: hello_world
description: 一个简单的技能，用于打招呼。
---
当用户请求问候时，使用echo工具说“来自你的自定义技能的问候！”
3. 刷新OpenClaw
让你的代理“刷新技能”或手动重启网关
OpenClaw将识别新目录和技能

刚刚卖掉MacBook买入另一波低点
耳机和书桌是下一个
你有什么更聪明的方法来应对这个市场吗？