Blum45

Good Stake -> 生產力代理
許多人認為AI代理只是一個寫得很好的提示
但除此之外，選擇適當的代理組件非常重要：
> LLM
> 工具
> 記憶
> 觸發器
> 反饋循環
不是單一點 - 代理只是一個空洞的談話者
1. LLM：推理引擎
這部分定義了目標、行動方向和執行設計。
但LLM本身不會自動訪問你的系統、保持穩定的背景或在現實世界中採取行動
這就是為什麼「只是使用GPT」與建構代理不同
2. 工具：執行層
它是代理的雙手，這一層將思想轉化為行動
你的代理可以使用工具檢查數據、發送消息等
但沒有工具，AI代理只是一個文本生成系統
3. 記憶：背景層
它使你的代理隨時間保持一致
這可能包括用戶偏好、文本輸出的方案和風格等
但記住：不要將你的記憶用作筆記本紙
這個策略只會讓你付出性能代價，使你的輸出令人困惑
4. 觸發器：喚醒的決定
一個好的代理不需要一直運行
它應該通過發生的事件讓自己甦醒
這個策略比輪詢系統效果好得多
5. 反饋循環：改進過程
生產力代理不只是反應 – 它隨著時間的推移而改進
即它的輸出被檢查、錯誤被突出顯示並糾正為提示、工具、記憶或評估

如何在3分鐘內創建OpenClaw技能
技能是高品質AI代理的關鍵部分
你不能沒有它們，且自定義技能通常是必不可少的
安全第一：在生產使用前務必在本地測試
1. 創建目錄
範例 ( 在終端輸入 )：
| mkdir -p ~/.openclaw/workspace/skills/skill_name
這是存放所有技能相關數據的地方
2. SKILL·md ( LLM指令 )
關鍵在於正確表達所需的LLM行動的本質
此文件使用YAML前置標記來存放元數據，Markdown用於指令
重要：
> 使其可執行、具體且簡潔
> 提及具體工具
- 你可以在前置標記中定義自定義工具 (（可選） )
> 解釋該做什麼以及如何反應
錯誤範例：
向世界打招呼
正確範例：
---
name: hello_world
description: 一個簡單的技能，用來打招呼。
---
當用戶請求打招呼時，使用echo工具說“來自你的自定義技能的你好！”
3. 刷新OpenClaw
請求你的代理“刷新技能”或手動重啟網關
OpenClaw將識別新目錄和技能

剛剛賣掉MacBook來買入另一個低點
耳機和書桌是下一個
有沒有更聰明的方法來在這個市場中生存？