当你决定养一只龙虾：OpenClaw的技术骨架、安全边界与长期维护成本
读完这个目录里所有关于 OpenClaw 的文章后，我发现一个很有意思的现象。 前期热度文章里，很多人把重点放在“它能干什么”“多快能装起来”“怎么用起来最爽”。真正开始谈技术骨架、安全边界、长期维护成本的内容，大多出现在热度中后段，或者干...
标签索引 / 第 3 页
工程化
这个标签下有 29 篇文章。按时间回看相关判断与实践记录。
标签精选
相关内容
开源自荐 | Axiom：给你的 AI 编程助手装上“工程化大脑”
开发者 QingJ01 开源了 Axiom 项目，旨在解决 AI 编程工具在长期协作中面临的“失忆”、流程混乱和错误难以回溯等痛点。不同于传统的 AI 客户端封装，Axiom 为 Claude Code、Copilot 等工具增加了一套工程...
AI编程遭遇现实挑战：复刻macOS经典应用为何“近乎无法实现”？
近期一项关于AI编程能力的测试引发关注，结果显示利用现有AI技术1:1原生复刻macOS经典启动台软件依然“近乎无法实现”。该任务不仅要求使用Objective-C语言进行底层界面自绘，还需兼容老旧的macOS 10.10系统，并对操作细节...
OpenClaw Skills 工程化：从能用到可维护
很多读者会把 OpenClaw Skills 理解成“提示词插件”。这会直接低估它的工程复杂度。Skill 真正带来的不是一句指令，而是一整套可执行能力：依赖、权限、输入输出约束、失败回退、运行环境。 你如果只是个人尝鲜，写一个能跑的 Sk...
行业观察：大模型告别参数竞赛，技术重心转向工程化与编程变现
本文深入分析了大模型行业的最新发展趋势。作者指出，技术方向正发生根本性转变：一是从单纯追求模型规模和训练效果，转向实际的工程化应用与优化，近期 OpenAI 和 Anthropic 的更新多为工程层面的修补；二是从通用大模型转向垂直领域，特...
驯服AI的非确定性：如何将大模型无缝融入传统软件系统？
本文探讨了如何将非确定性的AI组件（如LLM）融入确定性软件系统。Eric Evans以代码分析为例，指出LLM擅长分类但不擅长建模，自由生成的分类会导致结果不可比。文章建议采用成熟的标准分类模型（如NAICS）而非让AI自行创造分类体系。...
深度拆解 Claude Code 的工程化落地实践
深度拆解 Claude Code 工程化落地:从玩具到生产力工具的认知跃迁 大部分开发者还在把 LLM 当作”智能补全工具”,但 ChrisWiles 的 claude-code-showcase 项目展示了一个本质...
Claude Skills实战教程（三）-生产级Skills的工程化实践
上篇回顾：理解了Skills的设计哲学和三层加载机制 中篇回顾：动手构建了第一个可用的Skill 本篇目标：将Skill工程化，达到生产级质量 引言：从Demo到生产的鸿沟 中篇教程结束时，你已经有了一个能用的Skill： ✅ 能触发 ✅ ...
Anthropic Skills-AI从对话工具到可编程平台的关键一步
引言：一个被低估的转折点 当Anthropic在2025年10月宣布Skills功能时，大多数人可能只是把它当成"Claude又加了个新功能"。但如果你仔细观察，你会发现这不是简单的功能叠加，而是AI工程化进程中的一个关...