给 Coding Agent 造一个记忆仓库
每次会话结束，AI 的上下文清零——这不是 bug，是所有 coding agent 的根本缺陷。本文分享我如何用纯 Markdown 文件构建三层记忆架构，让 Claude Code 和 Codex 跨 session 记住决策和踩过的坑，哪些东西值得记、哪些是噪音，以及跨 agent 兼容时遇到的工程现实。
别再把 AI 当聊天机器人了：四个让我的 Agent 拥有大脑的 MCP 工具
探讨了将 LLM 当作简单聊天机器人使用的局限性，介绍了模型上下文协议（MCP），详解四个核心工具如何为 AI 提供上下文、规划和记忆能力，将其转变为强大的自主工程伙伴。
Tool vs. Skill vs. MCP：一文讲清三者区别
厘清 Agent AI 中 Tool（原子函数）、Skill（复杂工作流）和模型上下文协议（MCP）的区别，为开发者提供一个架构框架来选择合适的抽象层次。
如何让你的 Agent 像 OpenClaw 一样聪明
提供了一份为 AI 编程 Agent 实现持久化记忆系统的实操指南，主张采用简化的文件方案和手动 ‘/save’ 命令来捕获会话上下文，以最小复杂度获取最大价值。
为什么 OpenClaw 能在一周内爆火
深入分析 OpenClaw 这款开源 AI 助手的病毒式传播——它在本地运行、拥有操作系统级执行能力，探讨其主动任务和去中心化技能生态等核心创新，同时揭示其背后的重大安全隐患。